一种基于用户划分的LTE上行闭环功率控制算法

长期演进(long term evolution,LTE)上行经典信干噪比(signal to interference plus noise ratio,SINR)闭环功率控制算法未考虑用户对相邻小区的干扰,导致小区总吞吐量较低。针对该问题,提出一种基于用户划分的闭环功率控制算法。根据每个用户到服务小区的路径损耗将其划分为小区中心用户或小区边缘用户,为小区中心用户设置目标SINR值时仍使用经典SINR闭环功率控制算法,为小区边缘用户设置目标SINR值时考虑其对相邻小区的干扰使用新的方法。理论分析以及MATLAB系统级仿真结果表明,与传统闭环功率控制算法和经典SINR闭环功率控制算法相比,该算法能够更加有效地降低小区间干扰,提高小区总吞吐量。     

非合作博弈下功率与速率联合控制算法研究

针对已有的基于非合作博弈的功率控制算法中认知用户公平性的不足,提出了对认知用户的发射功率和传输速率进行联合控制的算法,在代价函数中设计了基于传输速率公平性的惩罚因子,同时还考虑了认知用户受到的干扰,与固定认知用户传输速率的功率控制算法进行仿真对比表明,在对认知用户发射功率进行调整的同时,通过调整认知用户的传输速率,能使认知用户在传输速率的分配上与目标传输速率的距离更小,更加体现了认知用户之间的公平性.     

一种TD-SCDMA系统中的新功率控制算法

TD-SCDMA系统中的功率控制具有周期长(5 ms)、频率低(200 Hz)的特点,使用传统的定步长功率控制算法不能很好对抗快衰落.利用TD-SCDMA系统上下行信道对称的特点,提出了一种基于预测补偿的多步长分散功率控制算法.该算法执行闭环多步长功率控制算法,产生功率控制调整量,利用下行信道的衰落对上行信道的衰落进行预测,产生辅助的功率控制调整量,2个功率控制调整量相结合,形成总的功率调整量.仿真显示该算法在快衰落环境下具有良好的性能.     

基于分组的D2D通信功率控制算法

为解决现有蜂窝网络中设备对设备（Device to Device,D2D）通信的功率控制算法中路径损耗补偿系数固定导致基站与D2D用户之间产生同频干扰的问题,文章提出了一种基于分组的功率控制算法。所提算法在传统闭环功率控制算法的基础上,利用D2D用户到基站的距离和D2D用户到蜂窝用户的距离,计算出路径损耗补偿系数增补量,并设定3组干扰区域对路径损耗补偿系数的增补量大小进行区分,最后采用联合闭环功率对系统进行干扰抑制。通过仿真实验可得知,该算法比使用传统闭环功率控制算法的系统的信干噪比（Signal to Interference Plus Noise Ratio,SINR）和吞吐量得到了提高,可以显著提高蜂窝网络中D2D通信的功率控制性能,达到干扰抑制的作用。     

基于干扰权限交易的认知无线电网络功率控制算法

为提高认知无线通信系统频谱利用率和系统工作公平性,最大化授权用户和认知用户的经济效益,引入基于非合作博弈的干扰权限交易机制,提出了一种基于干扰权限交易的认知无线电网络功率控制算法.该算法允许授权用户在保证最低干扰门限的基础上交易其干扰权限,并对认知用户征收干扰价格来补偿其通信质量的降低.通过价格杠杆原理,授权用户和认知用户、认知用户和认知用户对干扰价格和发射功率进行非合作博弈,并且干扰价格和发射功率收敛于纳什均衡点.仿真结果表明,文中所提算法比传统算法具有更好的系统公平性和实用性.     

基于OFDM的认知无线电系统最优功率分配算法

在基于OFDM的认知无线电系统中,授权用户会受到认知用户带内子载波带外旁瓣泄漏功率的干扰。这里引入了功率控制参数来调整授权用户的干扰功率约束值,提出了一种认知用户子载波间的最优功率分配算法,通过求解一个凸优化问题来获得最优的功率分配方案。仿真结果表明:与其他算法相比,采用该方法获得的功率分配方案,在满足授权用户干扰功率约束值的条件下,可以使认知用户的信道容量最大化。     

认知无线电系统基于动态功率控制的频谱分配

为研究认知无线电系统中下垫式共享方式下的资源分配问题,提出一种基于动态功率调整的子载波分配算法. 该算法根据授权用户的状态对认知用户在子载波上的功率进行动态调整,当授权用户接入时将认知用户的功率限制在干扰功率限之下,当授权用户离开时将认知用户的功率设置为最大发送功率;根据授权用户和认知用户的业务流分布以及认知用户在不同子载波上的信道增益进行子载波的动态分配. 仿真结果表明,与现有算法相比,基于动态功率调整的资源分配算法能够获得明显的吞吐量性能增益.      

一种博弈的异构网上行功率控制算法

异构组网是未来移动通信系统的典型网络结构,上行功率分配算法又是异构网络中干扰管理的一项重要技术。将博弈论和异构网上行功率分配算法相结合,提出了一种博弈的异构网上行控制算法。该算法把价格支付函数运用到上行功率控制算法中,在异构网中任何用户的功率提升都要考虑对网络内的其它同频用户带来的干扰,并以此作为基于价格的支付函数,通过循环多次迭代使得用户功率提升对整个网络的干扰最小化。通过对现有功率控制算法的优化,提升了网络的性能。结果表明:基于博弈的异构网上行功率分配算法能够在系统上行吞吐量、能效比方面带来增益和性能的提升。     

基于博弈论的Femtocell双层网络的功率控制算法

在由Macrocell和Femtocell（家庭基站）组成的双层网络中,当Macrocell和Femtocell共享频谱资源时,两层网络之间必然存在信号干扰.文中考虑各Femtocell用户受其余用户的干扰总和是不相等的,将该干扰因子引入代价函数,提出了改进的基于Stackelberg博弈的功率控制方法,证明了该博弈不仅存在纳什均衡,且均衡点唯一.同时,考虑到在博弈均衡后,部分Femtocell用户的信干噪比（SINR）无法满足正常通信的最低SINR要求,提出一种基于自适应干扰控制算法,该算法通过控制部分Femtocell用户对宏基站的干扰,从而增加可正常通信的Femtocell用户数量.Matlab仿真结果表明,改进后的算法不仅能使均衡点唯一,而且提高了Femtocell用户的性能,同时能使更多Femtocell用户满足SINR下限要求.     

基于解码转发的认知无线电机会功率控制算法

频谱感知是认知无线电网络正常工作的基础,而功率控制问题的解决是认知网络和主用户网络正常运行的保证。文中研究协作认知无线电通信,在保证授权用户服务质量和认知用户最大功率受限条件下,将高信噪比时的解码转发(decode-and-forward,DF)和基于频谱感知结果的机会功率控制算法结合,提出新的机会DF功率算法。通过基于对主用户感知结果的最优中继选择策略,在保证主用户正常通信不受影响的前提下,最大程度提高次用户信道信噪比,提高认知网络容量,并且认知系统能够获得空间满分集度。理论和仿真结果同时表明,基于主用户出现概率的最优中继选择最大程度的消除了次用户对主用户的干扰,提高了认知系统容量。     

认知无线网络中一种基于博弈的自适应功率控制算法

为了实现认知无线电中频谱分配公平性以及满足需要省电的情况,提出了一种基于博弈论的自适应功率控制算法,并证明了纳什均衡发射功率的存在性与唯一性。该算法不仅通过博弈论效用函数表达功率控制过程,解决了远近不公平现象和解决省电难题,而且通过设定信干噪比的最大与最小阀值,可以将不满足阀值的信干噪比值通过自适应加权公式,将其调整到阀值范围内,以满足省电需要。通过仿真分析可知,与其他算法比较,该算法不仅解决了认知无线电的远近不公平性现象,还可以通过减少发射功率,有效地解决了省电问题,而且当信干噪比在设定的阀值外时,通过自适应调整,使之在阀值范围内,减少了功率的浪费。     

Femtocell网络中基于对数效用的功率控制算法

针对Femtocell网络中干扰管理和功率控制的问题,考虑FBS间的同层干扰,提出基于对数效用的功率控制算法.运用K-Means算法对大量部署的FBS进行分簇,K-Means分簇算法可在低复杂度条件下将FBS划分成不同的簇,以便进行干扰管理.基于对数效用的功率控制算法,能保障FUE处于最低信干噪比,深度优化FBS的发射功率,可在保障吞吐量的同时提升系统能效.     

基于粒子群优化的认知无线电功率分配算法

针对认知无线电网络（CRN）中主用户（PU）的干扰功率阈值、 次用户（SU）的传输速率限制和信干噪比（SINR）需求, 提出一种基于蒸发因子的粒子群优化（LTPSO）算法, 其中蒸发因子根据粒子群学习因子设定, 建立新的粒子群记忆形式, 并对适应度值按比例进行筛选. 仿真结果表明, LTPSO算法获得了较好的优化效果.     

认知网中多时隙联合频谱感知和功率分配

为了降低认知无线网中认知用户对主用户的干扰,并为了最大化系统的认知吞吐量,提出了一种多时隙频谱感知和功率分配的联合优化方案。该方案将系统的每个帧分为若干个时隙,每个时隙分别进行频谱感知,通过合并每个时隙的感知结果,有效的提高了系统的检测精度,降低了系统的干扰概率。同时理论分析了感知时间与传输功率分配方案,发现两者都存在最优分配解,在约束认知用户检测概率与传输功率的基础上,将吞吐量描述为关于感知时间与功率的多约束优化问题,通过设计联合迭代算法对认知吞吐量进行了联合优化并获得了最优感知时间与最优传输功率分配。仿真结果表明,所提联合优化方案吞吐量性能最接近理论最优方案,并可通过牺牲部分吞吐量性能降低系统干扰概率,且复杂度较低。     

一种优化的认知无线电网络资源协同分配算法

在目前的认知无线电研究中,多用户OFDMA系统中如何实现子载波和功率的合理分配是研究的重点之一.针对认知无线电资源分配过程中出现的多认知用户资源分配不公平的问题,研究了认知无线电网络中授权用户占用子载带时,认知用户的吞吐量受限制的问题,提出了一种基于underlay频谱共享模式下的OFDMA认知无线电网络功率与子载带协同分配优化算法.该算法利用干扰门限的设置,使用原始感知信息(RSI)和信道状态信息(CSI)进行功率与子载波分配,然后分别进行功率控制和用户选择的计算,找到最优化传输功率与每个子载带最优使用用户,在保证授权用户免受有害干扰的前提下,使授权用户存在时,也可共享频谱传输,确保了系统的稳定性,提高了网络吞吐量.理论分析与仿真结果表明,相比传统的功率与子载波联合分配算法,该算法可以提高系统的平均加权吞吐量.     

基于授权系统通信状态和波束形成对认知中继系统吞吐量的改进

提出了一种认知中继系统采用半双工放大转发(amplify forward,AF)模式下的功率分配方案,在保证授权用户通信质量不变和认知系统总发射功率受限条件下,最大化认知网络吞吐量,在此基础上分两步实现吞吐量的最大化。首先,在认知中继端采用多天线利用波束成型方法滤除接收转发的干扰信号,然后,根据授权用户通信状态制定不同的最优功率分配方案。仿真结果表明,相比传统的授权用户干扰受限算法,该算法可有效提高认知网络的吞吐量。     

基于超模博弈的认知无线Ad hoc网络分布式功率控制技术

考虑一种交织(Interweave)模式下的单跳认知无线Ad hoc网络(CRAHN)应用场景,针对次用户(SU)组成的Ad hoc网络提出一种分布式功率控制技术,以最大化提高次网络容量.SU网络通过频谱感知来探测主用户(PU)所在授权频段的使用情况.一旦授权频段空闲,次网络中的SU将利用授权频谱进行并发通信,目标是通过优化各SU的发射功率,以达到次网络频谱效率最大化.首先根据应用场景给出了网络容量优化近似模型,为了解决该非凸问题,将网络容量优化模型建立为等效博弈模型,并在不同的SINR条件下证明了Nash均衡的存在性和唯一性,最终提出基于Gradient Play的分布式功率控制算法来实现资源最优分配.仿真结果表明,该算法可在保证收敛性的同时、支持一定的并发通信用户数、提高该网络系统的频谱效率.