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。     

全双工蜂窝网络中用户协作D2D通信的性能分析与优化

提出一种蜂窝网络中全双工蜂窝用户协作D2D(device to device)通信机制，全双工蜂窝用户采用功率域叠加支持上行传输和D2D通信并发，为无直传链路的D2D用户对协作中继；分析了系统的可达速率域，提出了一种基于最大-最小可达速率的功率分配算法。仿真分析表明，随着自干扰消除性能的提升，系统的可达速率域扩大，全双工协作D2D通信的可达速率域显著大于半双工协作D2D通信，且蜂窝上行链路和协作D2D链路间存在可达速率折中；功率分配算法能根据信道状态动态调整蜂窝用户的发射 率和功率分配因子，功率效率高，且随着最大发射功率的增加，蜂窝上行链路和协作D2D链路的可达速率趋同，能满足最大-最小准则，兼顾蜂窝上行链路和协作D2D链路间的公平性。     

利用地理位置的中继选择及功率分配

在协作多中继蜂窝系统下行链路中,提出根据中继节点地理位置和吞吐量增益联合选取中继节点参与移动用户和基站间的协作通信方案,并运用凸优化算法分配各节点功率.仿真结果表明:该方案不仅改善了用户的误码率,并且提高了系统吞吐量.     

非对称双向D2D通信系统的中继选择优化算法

提出了一种面向D2D通信系统中非对称双向中继信道的中继选择优化算法;该算法依据定义的非对称性双向D2D链路信道总容量最大化为优化目标,推导了新的目标函数以及确定最优功率分配,并在此基础上通过非线性优化选出最佳中继。仿真结果表明,非对称双向中继通信系统的最优功率分配结果与理想对称双向中继系统的结果一致,而提出的中继选择方案比按理想对称双向中继优化方案得到的链路信道总容量更大,但是相应的计算复杂度会更高。     

多小区 MIMO 网络中一种新的 D2D 通信干扰对齐算法

当多小区MIMO（multiple-input multiple-output）网络中引入D2D（device-to-device）技术后形成D2D-MIMO干扰网络,为解决其干扰问题,提出了一种基于天线数奇偶性的发送端数据流分配方案和基于该方案的干扰对齐（interference alignment,IA）算法。该算法通过最小化基站泄露到非目标用户的信号功率来求解蜂窝链路的预编码矩阵,通过最大化蜂窝用户的信干噪比（signal to interference plus noise ratio,SINR）来求取蜂窝链路的干扰抑制矩阵,进而通过线性干扰对齐消除蜂窝内干扰,并推导了系统的最大自由度（degrees of freedom,DOF）。理论分析和仿真表明,相对于现有算法而言,该算法提高了系统的自由度、频谱效率和能量效率,降低了对天线数的要求,增强了系统的灵活性。     

异构蜂窝网络中基于SWIPT的D2D资源分配算法研究

为了解决异构蜂窝网络中D2D(Device-to-Device)通信干扰导致系统能量效率下降的问题,提出一种基于SWIPT的D2D通信资源分配策略,以实现D2D链路的能量效率最大化。该策略对系统中多种干扰进行建模,构建干扰图和伙伴候选集合;将优化问题转化为功率控制和信道分配两个子问题,运用KKT条件和拉格朗日乘子法,求解D2D链路复用候选集中子信道的最优发射功率和功率分割比。仿真结果表明,所提出的分配策略能明显提升系统的能量效率,在保证服务质量的前提下能有效提高D2D用户接入率。     

D2D通信中基于Q学习的联合资源分配与功率控制算法

D2D(Device to Device)通信可实现距离相近的用户设备直接通信,有效地提升系统的吞吐量,获得高频谱效率和能量效率,但D2D通信共享蜂窝网络频谱资源时,会造成蜂窝网络与D2D链路严重的层间干扰.为减少层间干扰带来的影响,提出一种基于Q学习的联合资源分配与功率控制算法.从Q学习的角度来构建数学模型,将蜂窝网络中的多个D2D用户对视为多智能体学习者,利用历史状态(历史吞吐量和功率值),不需要精确的信道状态信息(Channel State Information,CSI)和互干扰等先验知识,通过Q学习算法,学习得到分布式的信道选择和功率控制的联合最优策略.可以动态调整D2D用户功率,在保证蜂窝用户服务质量的前提下,通过D2D功率控制获得最大化系统吞吐量.仿真结果表明,基于Q学习的联合资源分配与功率控制的算法有效提高了系统的吞吐量.     

一种LTE网络D2D通信资源共享算法

在LTE网络下部署D2D (Device-to-Device)系统能有效降低基站的负荷,但是D2D系统共享蜂窝系统资源时会产生系统间干扰,通过合理的资源分配可以有效降低这种干扰.文中提出一种LTE网络中D2D贪婪资源分配算法,该算法能保证蜂窝系统不受D2D通信的干扰影响,同时单个D2D对可以复用多个蜂窝用户资源,以提高D2D系统的吞吐量.最后通过仿真给出本算法与随机分配和干扰感知分配算法的性能比较.     

基于模糊聚类的D2D通信二次资源分配算法设计

针对D2D链路与蜂窝链路之间的同频干扰问题,提出了一种基于模糊聚类的二次资源分配算法.该算法采用了模糊聚类将干扰较大的D2D链路划分为一组,再用图着色进行组内一次资源分配,从而降低干扰并保证用户Qos需求和公平性.最后,采用Kuhn-munkres最优匹配算法进行二次分配来达到提高系统吞吐量的目的.通过计算机仿真可以看出,该算法既可以保证D2D用户的不同Qos需求,又提高了系统吞吐量和获得无线资源的公平性.     

D2D网络中基于组合拍卖的无线资源分配机制

针对端到端(device-to-device,D2D)用户与蜂窝用户共享频谱资源产生的干扰问题,以最大化系统中D2D链路的吞吐量为优化目标,提出一种联合功率控制和信道分配的资源分配机制。根据D2D用户的干扰门限和蜂窝用户的信干噪比(signal to interference plus noise ratio, SINR)提出了一种基于用户间距离的复用准则,确定D2D用户可复用的信道资源集合;在给定D2D用户复用任意资源集合的前提下,调整D2D用户的发射功率,以衡量各个D2D用户在不同信道资源集合上的吞吐量,但暂不分配功率;基于功率控制的结果,采用组合拍卖的方法为D2D链路分配信道及对应的发射功率,从而实现了联合功率控制和信道分配。因此,系统资源分配结果更为合理。仿真结果表明,该机制能有效抑制跨层干扰和同层干扰,提升D2D链路的吞吐量,提高用户的服务质量(quality of service,QoS)。     

基于容量最优化的D2D资源分配方法的研究

D2D(Device-to-Device)通信是一种在基站的控制下,允许终端之间通过复用小区资源直接通信的新型技术.它能够增加蜂窝通信系统频谱效率,降低终端发射功率,在一定程度上解决了无线通信系统频谱资源匮乏的问题.由于在未来的移动网络中有越来越多的异构设备,一个高效的资源分配方案必须最大限度地提高系统的吞吐量,并实现更高的频谱效率.资源分配方案是在保证小区用户吞吐量的前提下,使D2D用户获得最大的吞吐量,并在文献[7]的基础上给出了一个算法来解决这个问题.通过仿真表明,算法具有较低的时间复杂度,能够有效地提高系统的吞吐量.     

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。     

AMC与HARQ相结合的跨层设计在D2D中继通信中的研究

在蜂窝网络中引入终端直通（D2D）技术,能有效提升系统频谱效率.文中在研究了物理层自适应调制编码（AMC）策略与数据链路层自动请求重传（ARQ）技术相结合的跨层设计理论基础上,提出了D2D中继通信场景下AMC与HARQ相结合的跨层设计方案.仿真结果表明,采用AMC与HARQ相结合的跨层设计策略能显著提升D2D通信的频谱效率,增加D2D中继通信的吞吐量.     

认知无线电系统中联合优化资源分配算法

在认知无线电系统中,次用户能够利用感知到的已授权频段进行通信,只要其传输过程对主用户通信引起的干扰处于主用户可以忍受的程度之内。协作中继方案能够利用中继节点的传输来有效提高频谱的利用率,并增强了直接链路的传输能力。文中研究在一个三节点的认知无线电网络中基于协作中继传输时的资源分配问题,为了保证在认知用户对主用户干扰可容忍的前提下使得通信系统端到端的可达吞吐量最大,提出了一种联合优化功率分配和信道分配的方案。仿真结果显示,相对于单独进行功率分配或者信道分配情况下该方案能够有效提高认知无线电系统端到端的传输性能。     

一种基于虚拟分区的跨小区 Ｄ２Ｄ 资源分配算法

终端直通（device-to-device,D2D）技术引入蜂窝系统虽然能够提高蜂窝系统性能,但同时带来了很大的干扰。为了降低蜂窝用户对D2 D用户的干扰,提出了一种基于虚拟分区的跨小区资源分配算法。通过为D2 D接收端设置干扰限制区域来限制D2 D用户所复用的蜂窝用户资源;为了给分配相同资源的用户之间建立较大的空间分离,降低链路间的相互干扰,引入虚拟分区的概念;最后,为了使系统吞吐量达到最大,从可复用蜂窝用户的集合中选择链路质量最好的k个蜂窝用户,将其资源分配给D2 D用户。仿真结果显示,所提算法可以有效地降低蜂窝用户对D2 D用户的干扰,提高系统的吞吐量,提升系统性能。     

基于博弈论的D2D通信资源共享算法

针对目前端对端(D2D)通信资源共享算法无法解决资源利用率和信道干扰之间矛盾的问题,为了改善D2D通信性能,设计一种基于博弈论的D2D通信资源共享算法.该算法将通信系统吞吐量作为目标,通过引入博弈论实现各用户间的通信资源共享,使通信链路之间合理地分配资源,减少信道之间的干扰,提高蜂窝链路的通信质量.与经典D2D通信资源共享算法进行对比实验结果表明,该算法明显提高了D2D通信质量,提升了信道利用率,系统总吞吐量得到大幅度提高.     

基于干扰对齐的设备到设备功率控制算法

为了使蜂窝网络系统中设备到设备(D2D)用户的速率总和最大,提出了一种基于干扰对齐(IA)的功率控制算法.该算法通过IA技术使得所有的D2D用户能够同时占用可使用的子载波;同时,控制每一个D2D用户在子载波上的功率,使所有D2D用户在对蜂窝用户(CU)产生的干扰小于干扰阈值的前提下,其速率和达到最大.仿真结果表明:与传统的基于频分多址(FDMA)的功率控制算法相比,本算法在干扰阈值为10 d Bm时,所得到的D2D用户的总速率和可提升约6 bit·S-1·Hz-1.