基于功率配置和关联管理的WLAN能耗优化算法

为实现WLAN节能并保证网络性能,研究并提出了一种基于功率配置和关联管理的WLAN能耗优化算法.首先,采用细粒度的能耗模型来定义AP功率,并利用整数线性规划(ILP)对能耗优化问题进行形式化描述,即通过调度射频接口的活跃/休眠状态,配置AP的信号发射功率,以及管理AP与用户的关联关系,在保证用户带宽需求的前提下,降低网络能耗.然后,提出一种高效的启发式算法,以迭代的方式选择开启的AP及功率级,并确定所关联的用户.在每次迭代中,以最大化能效的策略进行AP及其功率级的选择.实验结果表明,该算法能有效实现WLAN节能,并具有较高的运行效率,能够适用于大规模的WLAN.     

802.11ac无线网络下行链路的干扰抑制

在802.11ac无线局域网络中,无线智能设备(WID)需通过无线接入点(AP)连接到网络,下行传输过程中其他AP会对目标WID造成干扰.提出采用基于迭代最小化均方误差干扰对齐算法(IMMSE-IA),抑制其他AP对目标WID的干扰.该方法通过对AP端和WID端分别进行线性预编码和后置编码处理,在最小化均方误差准则和功率限制约束下,得到最优预编码和后置编码.仿真结果表明:本方法在信噪比为5 d B情况下,单位带宽传输速率相对于传统最大化信干噪比算法求得的传输速率增加了1 bit/s.     

异构网络中下行链路的干扰抑制研究

针对蜂窝网与无线局域网(WLAN)共存的异构网络干扰问题,提出一种干扰抑制方案:在发送端加设预编码矩阵,最大化期望信号强度,减小干扰信号强度;在接收端加设干扰抑制编码矩阵,抑制蜂窝网络基站对无线局域网内用户设备的干扰及无线接入点(AP)对非期望用户设备的干扰.仿真结果表明:该方案可以抑制异构网络下行链路的干扰问题,提高异构网络用户的传输速率.     

基站协作预编码中的用户及天线联合选择

基站协作预编码能支持的用户数往往受到天线数的限制,因此需要对用户进行选择.此外,为了进一步减小对其他用户的干扰,还可以对接收天线进行选择.因此,文中以最大化系统和容量为准则,提出两种基站协作系统中的低复杂度次最优用户及天线联合选择算法.一种是基于容量的算法,另一种是基于范数的算法,这两种算法都利用贪婪的思想在进行用户选...     

认知无线网络基于正交频分复用的子载波和功率分配策略

为满足认知用户对主用户的干扰约束,建立了在主用户接收端干扰受限条件下最大化认知用户容量的数学优化问题;进一步提出了当主用户信噪比不断变化时,认知用户可根据干扰控制因子自适应地调整发射功率,最大化认知系统容量;利用拉格朗日乘数法,得到了该数学问题的最优解;最后,在多用户情况下提出了一种公平性和容量性能折衷的子载波和功率分配方案。仿真结果表明,在主用户可容忍的干扰约束下,该方案能有效地保证认知用户间的公平性且系统容量性能趋于最优。     

一种基于基站协同的波束形成算法

将MIMO和波束形成相结合,可以有效地消除用户间的干扰,在多小区环境下,用户还受到来自小区内的同频干扰(CCI)。针对小区用户受到的CCI,改进了基于信号漏损比的波束形成算法,将其应用于多小区环境。该算法考虑小区内用户所受同频干扰影响的差异,根据用户信号功率、漏损给本小区内用户的干扰功率和临近小区用户的干扰功率重新定义信号漏损比。按照用户信号漏损比最大化的原则,利用基站协同,多小区联合选择波束形成矢量,并对该算法在不同条件下进行了仿真分析,结果表明该算法降低了多小区覆盖的用户的误比特率。     

无人机无线能量传输网络多波束阵列设计与位置部署

针对无人机(unmanned aerial vehicle, UAV)辅助的无线能量传输(wireless power transfer, WPT)系统，构建了一种能量波束设计以及无人机悬停位置部署的联合优化方案，以最大化所有用户接收的总能量。针对优化问题是非凸、难以直接求解的情况，提出一种联合优化多波束设计和无人机三维位置的迭代算法，利用巴特勒矩阵设计高增益、宽覆盖范围的能量多波束，利用穷举算法寻找无人机最优二维位置，通过单调性理论得到无人机的最佳悬停高度。仿真结果表明，所提出的算法能显著提升无线能量传输效率。     

认知D2D网络中基于博弈论的高能效干扰约束资源分配算法

针对认知网络中多个D2D(device-to-device)用户以Underlay模式复用蜂窝用户的频谱资源时的同频干扰和能耗增加问题,提出了认知网络中基于博弈论的最大化用户能效(energy-efficiency,EE)的D2D通信资源分配算法。不同于以前工作,在满足特定干扰门限的条件下,侧重对能效进行优化,且不牺牲系统容量。建立Underlay模式下认知D2D通信博弈模型,将D2D用户(device-to-device,DUE)作为跟随者复用蜂窝用户(cellular user,CUE)上行链路的频谱资源,由于每个用户都具有自私特性想要最大化自身的能效,所以该资源分配问题可以模拟为非协作博弈问题。在干扰门限的约束条件下构造了相应的效用函数,利用拉格朗日对偶方法求解此优化问题,得到用户的最优发送功率,保证了用户的功率和链路速率的均衡,并分析了算法复杂性。仿真结果表明,该方案能够提高用户能效和链路平均能效,改善系统总功耗及系统的容量等性能。     

多小区多输入多输出正交空分复用系统中低复杂度用户选择算法

针对抑制协作小区外干扰的多小区多输入多输出(MIMO)正交空分复用系统,提出了一种低复杂度的用户选择算法.该方法通过贪心搜索迭代选择用户,在用户选择的每一步中选择使得小区平均系统容量增幅最大的用户,并自适应地调整服务用户数而使小区平均系统容量最大化.仿真结果表明,在相同信噪比和干扰噪声比条件下,与抑制协作小区外干扰的多小区MIMO块对角化系统用户选择算法相比,该算法提高了小区平均系统容量,且增加了同时服务的用户数.     

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。     

D2D网络功率和频谱资源分配策略

针对蜂窝通信系统高能耗、 低通信资源利用率和低信道利用率的问题, 提出一种基于能量效率(energy efficiency, EE)与频谱效率（spectral efficiency, SE）联合优化的网络资源分配策略. 首先, 在保证通信用户服务质量（quality of server, QoS）的前提下, 提出一种基于启发式算法的信道选择策略, 为系统内的D2D（device-to-device）用户分配信道复用资源; 其次, 在通信系统干扰门限和回程容量限制约束下, 利用Lagrange对偶分解迭代实现系统功率和频谱资源分配. 仿真结果表明, 该算法能有效扩充系统内D2D用户的数量, 提高能量效率及信道利用率, 增加频谱利用率, 为D2D用户分配最优的功率, 增强业务承载能力, 降低通信系统能耗并减少资源浪费.     

k-不相交路径的容错拓扑控制算法

针对无线传感器网络中拓扑控制算法优化目标单一的问题,提出一种既能优化网络能量效率,又能保证网络容错性的k-不相交路径的容错拓扑控制算法.首先,构建传感器节点到sink节点的k条不相交路径,通过增加冗余链路以提高网络的容错性;其次,选择路径能耗、路径中节点功率的标准差及路径跳数检测路径质量;最后,建立多目标规划,并利用智能优化算法对其进行求解,根据k值的不同对路径进行择优选择以达到降低网络能耗并延长网络寿命的目的.仿真实验结果表明,由该算法构造的网络拓扑能有效降低网络能耗,延长网络寿命并提高网络的容错性.     

NOMA残余干扰下D2D网络的能效资源分配算法

为了解决非理想串行干扰消除（serial interference cancellation,SIC）解码引起的残余干扰给非正交多址接入（non-orthogonal multiple access,NOMA）增强型设备到设备（device-to-device,D2D）组链路带来的高能耗、低信道利用率问题,提出一种基于能效优化的资源分配算法。在保证蜂窝、D2D组用户通信服务质量和复用子信道个数约束条件下,建立能效优化模型;使用一种以D2D组能效为权重的加权二部图最大匹配联合匈牙利算法为每个D2D组分配子信道;考虑到各接收机用户在相同和不同残余干扰下的能效问题,通过参数变换、Dinkelbach法和拉格朗日对偶法实现功率分配。仿真结果表明,提出的算法在非理想SIC条件下可有效提升系统D2D组链路的信道利用率和总能效。     

基于协同进化粒子群算法的无线传感器网络节能优化覆盖算法

针对当前无线传感器网络覆盖算法存在能耗较高、节点大量冗余的缺陷,提出一种基于协同进化粒子群算法的WSN节能优化覆盖算法.以WSN的网络覆盖率、剩余能量和冗余程度为优化目标,建立粒子群优化模型.采用遗传算法的交叉变异算子,加强算法寻优能力.仿真结果表明,新的算法在提高能量利用效率的同时维护了良好的网络覆盖率,有效延长了网络生命周期,达到了节能优化覆盖的目标.     

基于不完全频谱感知的认知中继网络能量效率研究

针对认知中继网络中基于能量效率的资源分配问题,提出一种基于次用户能量效率最大化的功率分配优化算法,通过建立多重约束条件下的频谱感知和传输联合优化模型,在考虑单位发射速率消耗功率和干扰限制的情况下,利用分数规划将问题中的混合整数非线性规划问题转化为等价的凸优化问题,分析了不同参数对能量效率的影响。仿真结果表明,提出的功率分配优化算法在达到能量效率最优的同时降低了算法复杂度低。     

星地认知网络能效谱效联合博弈功率控制算法

在Underlay模式下,卫星网络覆盖范围大会导致用户频率冲突干扰,针对该问题以及星地网络中移动用户的能量有限的情况,综合考虑卫星用户中地面站和移动用户的差异,构建了基于能效谱效联合博弈的星地认知网络多用户功率控制模型,并在该博弈模型基础上提出了一种能效谱效联合博弈算法(COAES),定义了能效和谱效因子,通过对不同用户的能效和谱效优化需求进行博弈,并证明每个用户均能达到最优状态即纳什均衡状态。仿真结果表明:COAES算法能满足不同用户的谱效和能效需求,并且联合因子相比NETMA算法和PRA算法分别提升了50%和35%。     

基于离散粒子群优化的MPSoC节能调度算法

为了降低多核片上系统MPSoC在应用中的能耗,在MPSoC上提出了基于优化离散粒子群算法的节能任务调度算法.通过比例选择算子生成初始种群,以任务在MPSoC上不同内核执行的能耗作为解空间,粒子群在整个解空间上搜索最低能耗调度方案,并在算法中优化了粒子群算法的局部早熟问题,使算法性能进一步提升.仿真实验表明:基于优化离散粒子群算法的节能调度算法与常用的3种调度算法相比,能耗得到了降低,且算法的截止期错失率并没有升高,保证了算法的整体性能.     

基于基因位迭代映射的无线传感器网络能量优化分簇算法

摘要：针对无线传感器网络的节点能量利用率和网络寿命问题,引入一种基因位迭代映射思维进行改进,并构造新的无线传感器网络能量优化分簇方案生成方法,在此基础上提出了基于基因位迭代映射的无线传感器网络能量优化分簇算法。该算法将无线传感器网络节点路由能耗优化问题转化为网络系统簇内节点最优能耗进化激励的解空间最优解搜索问题,然后利用基因位长度自适应编码和迭代映射的进化算法进行候选解搜索,最后输出具有最优能耗的节点通信路径和簇头的下级跳节点。实验结果表明,该算法高效可行,能量均衡和优化能力较好,有效的降低了节点的能耗,延长了网络生命周期。     

多用户全双工无线携能系统中的波束赋形研究

针对多用户全双工蜂窝通信系统,提出了一种基于功耗最小及能量收获最大双目标准则的联合优化方案。该方案采用迫零消除上行链路中多用户干扰,在下行链路,为了实现信息和能量的有效传递,全双工基站分别采用信息波束赋形及能量波束赋形为用户提供通信服务,在保证用户的服务质量及功率约束的同时,实现了功率效率和频谱效率的同步改善。由于功率问题为非凸问题,通过半定松弛将其转化为凸优化问题。仿真结果表明,所提方案相比传统方案能够节约大量的功率,此外全双工基站通过能量波束赋形向下行用户传递能量,有效提高了系统的功率效率。     

DTNs中一种基于节点有效交互度和效用的节能路由算法

延迟容忍网络是一种通过节点机会通信的网络类型.由于该网络中节点不易预测的移动性模式和容易中断的连接,路由算法一直是DTNs中研究的重点.但是目前从节省能量消耗角度提出的路由算法较少.文章提出一种基于节点有效交互度和效用的节能路由策略.首先,从节点有效交互度出发来进行转发传输速率控制,在节能与转发成功率之间自适应调整.其次,从节点效用出发设置消息携带者转发概率,选择合适的节点进行消息转发,避免网络产生过多消息副本.再次,仿真实验结果显示,与其他路由算法相比,该文提出的算法在保障网络消息传递率的基础上可以降低约6%～15%节点能量消耗.