蜂窝网络D2D通信资源分配研究

针对D2D通信复用蜂窝用户频谱可以提高系统吞吐量和频谱利用率但会产生严重的同频干扰的问题,设计了一种联合资源分配方案,该方案在保证系统用户通信质量的条件下最大化系统吞吐量,首先设计一种基于吞吐量最优化的模式选择方案,然后采用混合遗传算法对D2D用户分配信道,最后在已知信道分配向量的前提下通过混合灰狼优化算法对D2D用户进行功率优化。仿真结果表明,所提方案相对其他方案能够有效提高20%系统总吞吐量和降低90%蜂窝用户受到的干扰,还能提高收敛效果和运行速度。     

基于最优功率分配原则的无线网络D2D用户通信质量分析

构建了一种基于最优功率分配原则的D2D用户通信质量分析算法,能够促进通信网络吞吐量获得明显提高,从而为D2D用户提供最佳资源分配方案。研究结果表明:研究构建得到的资源分配算法实现了吞吐量的显著提高,表现出比其它两种算法更优的计算性能。当D2D用户不断变多后,所有算法都获得了更高的吞吐量。在同样的D2D用户数情况下,采用资源分配算法可以获得比其它算法更优的运算性能。当最大发射功率提高后,吞吐量也明显上升,显著改善了算法性能。当蜂窝用户在系统中的最小速率需求持续提高后,将会引起整个系统出现吞吐量持续减小的情况。     

一种面向电力物联网的认知D2D网络能效资源分配算法

在电力物联网中为了提高D2D(device-to-device)网络的频谱效率和系统能效,考虑不完美信道状态信息(channel state information, CSI)的影响,提出了一种鲁棒能效最大的资源分配算法。考虑D2D用户最大发射功率约束、蜂窝用户功率约束和共道干扰功率约束,建立下垫式频谱共享模式下混合蜂窝/D2D通信的上行传输资源分配模型;考虑蜂窝用户干扰中断约束,基于最小最大概率机和辅助变量法,将原非凸优化问题转换为凸优化求解。基于凸优化理论,获得鲁棒资源分配问题的解析解。仿真结果表明所提算法的有效性。     

基于图着色的D2D资源分配算法研究

D2D通信是允许两个相邻用户在通过基站的控制下共享蜂窝用户的频谱资源来直接通信的技术。D2D用户与蜂窝用户共享资源而引入的额外干扰会降低系统的性能,因此资源分配成为D2D通信的一个重要问题。针对D2D用户密集场景下最大可接入数量问题提出了一种基于图着色的资源分配算法,其中将D2D用户对视为一个顶点,蜂窝用户的资源视为一个个簇,对顶点进行着色即对其分簇。仿真分析可以看出,所提出的方案能够增加网络最大可接入的D2D用户对的数量,有效提高了系统容量。     

基于多种群遗传算法的D2D通信终端数量的优化

端到端的直连通信(device to device,D2D)能有效提高网络容量.针对D2D通信所能容纳的终端数量问题,提出一种基于多种群遗传算法的容量优化方法.由于传统蜂窝网移动终端对D2D用户的干扰,以及复用同一频率的D2D终端之间的同频干扰,严重影响了可接入D2D终端的数量.本文提出的基于多种群遗传算法能快速调整资源分配方案,有效减少同频干扰,显著提高网络所能容纳的终端数量.仿真结果表明,相比于标准遗传算法和随机分配算法,基于多种群遗传算法的资源分配方案能通过快速分配合理信道资源降低系统中总的干扰,有效提高终端的接入数量,显著提升了系统的总吞吐量.     

D2D通信中基于深度强化学习的资源分配

设备到设备(D2D)通信能够以蜂窝设施为基础来提高资源利用率、用户吞吐量和节省电池能量。在D2D网络中,模式选择和资源分配是关键问题。为了提高D2D通信的和速率与频谱利用效率,提出一种联合模式选择、功率和资源块分配的方案。首先根据用户地理位置选定模式选择标准,帮助用户选择相应的通信模式;然后针对复用通信模式,使用基于深度强化学习的异步优势动作评价(A3C)算法为不同的D2D用户分配资源块和功率。仿真结果表明,本文提出的基于A3C算法的联合优化方案收敛速度快,并且性能相对于其他算法较好。     

基于D2D网络通信的可伸缩视频多播算法研究

下一代移动网络通信中引入了自适应调制编码技术和可伸缩视频编码以解决视频多播中有限的资源分配问题。为了提高系统用户的容量和用户接收视频质量,在传统蜂窝网络中引入了基于D2D网络的联合模式选择和资源分配技术以提高系统整体效用。首先联合D2D用户和蜂窝用户进行资源分配,在保证蜂窝用户和D2D发送用户通信的最低QOS时,最大化D2D接入系统网络的数量;然后分析了该混合网络模型下的视频层选择调制编码级别的问题;最后提出了基于D2D用户接入控制和系统资源分配两个子问题的贪婪算法。仿真实验证明,该混合网络视频多播模型不仅有效地提高了移动网络通信的吞吐量和增加了系统用户容量,同时为用户提供更好的视频质量。     

联合机器学习的D2D通信多中继选择机制

在D2D通信中,当源节点与目的节点间的距离过大时,可以通过引入中继节点来改善通信质量。当通信衰落严重时,单中继无法有效改善通信质量,此时可以引入多中继参与通信。针对D2D网络多中继通信,提出一种基于机器学习中Q-learning算法的多中继选择机制。首先,判断源节点与目的节点之间通信是否需要合作中继;其次,通过考虑D2D网络中通信能量消耗来对Q-learning算法中的Q函数的回报值进行定义;最后,通过计算D2D通信传输距离和通信接收端信噪比得出满意度函数。综合考虑回报值和满意度,获得协作中继集。仿真结果表明,基于Q-learning算法的多中继协作可以显著减少传输延迟,平衡网络负载。     

高原山区 D2D 网络能量效率优化算法研究

针对高原山区丰富植被和山地丘陵给通信用户带来严重的路径损耗,增加通信系统能耗问题,提出一种基于能量效率(energy efficiency,EE)的优化算法.首先,利用多峰绕射模型模拟高原山区电波传输损耗,在保证通信用户服务质量(quality of server,QoS)的前提下,最大化系统中端到端(D2D)用户设备的总能量效率,将优化问题分解为功率控制和信道选择两个子问题进行求解;其次,利用拉格朗日对偶和Dinkbach算法联合解决功率控制;最后,利用Gale-Shapley匹配算法实现信道匹配.仿真结果表明,与现有算法相比,本文算法能够有效约束同频干扰,增加系统内信道资源利用率,提高系统的能量效率,降低系统能耗,提高系统性能.     

基于细菌群体趋药性算法的电力系统无功优化

将细菌群体趋药性（BCC———bacterial colcony chemotaxis）优化方法应用在电力系统无功优化中,以网损最小为目标函数,建立了BCC无功优化数学模型。由发电机机端电压、变压器分接头和电容器组3部分控制变量构成初始矩阵,它们在算法中作为细菌位置坐标,表征细菌移动寻优时的空间位置。控制变量即细菌移动遵循在 n维空间中的移动寻优规律,每个细菌通过感知周围的信息不断向最优方向移动,从而提高了全局搜索能力。通过优化参数,加快了收敛速度。对IEEE 30,IEEE 57,IEEE 118测试系统进行了测试,与免疫记忆遗传算法和混沌粒子群算法相比较,结果令人满意。     

无人机辅助无线通信位置和波束联合优化方法

无人机辅助无线通信具有部署灵活,覆盖范围大等优势,但仍存在路径损耗大,吞吐量和传输能力低的缺点。将波束赋形技术引入无人机辅助无线通信中,可以有效补偿通信路径损耗,缓解小区内或小区间干扰。因此,本文面向无人机辅助无线通信系统,在地面基站和无人机上配备均匀平面阵列来实现波束赋形,以最大化系统容量。针对优化变量高维且高度耦合的非凸问题,提出了一种高效迭代算法来联合优化中继无人机位置和波束赋形向量,首先通过块坐标下降法将原问题转化为中继无人机位置优化和波束赋形向量优化两个子问题,然后利用连续凸逼近算法将两个子问题转化为凸优化问题进行求解。实验结果表明,所提的优化理论和算法具有较好的收敛性能,并且能够切实提高系统容量。     

应用VDE的QPSK-CPM扩频系统多用户检测算法

连续相位调制扩频信号因为扩频序列随机变化,可以适应多用户通信,逐渐被应用到卫星通信中。甚高频数据交换系统随机接入信道采用了QPSK-CPM扩频调制方案,针对QPSK-CPM扩频系统的多用户检测问题,提出一种基于干扰消除检测的新型多用户检测算法,该算法通过对接收用户信息进行串行干扰消除级联一次迭代消除的方法来对多用户信息进行检测,且该算法能够有效消除用户的多普勒频偏及减小用户功率差带来的性能损失。通过对新算法仿真验证,结果表明,新算法比传统干扰消除检测算法具有更好的检测性能,在实时通信船舶数量达到800艘时,8个用户以内的混叠信息解帧率可达90%。     

基于NOMA的无人机群应急通信系统总和速率优化

针对自然灾害后地面基础设施无法有效提供可靠通信的问题，提出基于NOMA的无人机群应急通信系统总和速率优化方案。该方案首先在无人机最大发射功率、地面用户服务质量等约束下，构建一种以地面用户总和通信速率最大化为目标的无人机群辅助应急通信模型；其次，通过改进模拟退火算法实现NOMA机制下无人机功率分配；最后，通过改进K-means算法对地面用户进行聚类，优化无人机与用户的路径损耗及视距链路概率完成无人机3D部署，实现系统总和速率最大化。数值仿真结果验证了所提方案的有效性。