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.     

蜂窝与D2D混合网络中的无线资源分配

针对蜂窝与终端直通（D2D）混合网络中的资源分配,将其建模为以最大化网络吞吐量为目标,关于蜂窝用户与D2D用户资源的联合优化问题。基于该模型进一步提出一种两阶段资源分配策略,即先采用改进的贪婪频谱分配算法将资源块分配给用户,然后基于对偶分解理论给每个资源块分配最优的传输功率。该算法在考虑蜂窝用户服务质量（QoS）的基础上,不再限制每个资源块上的D2D用户数目以及D2D用户可复用的资源数。仿真结果表明,所提算法在保证蜂窝用户速率性能的前提下,有效地提升了系统的整体容量。      

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。     

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。     

能量获取D2D异构网络中频效优化的资源管理算法

研究能量获取D2D异构网络中频谱效率优化的资源管理问题,包括D2D的通信模式选择、基站选择、信道分配、功率分配、传输时间分配,同时考虑蜂窝用户的QoS约束、能量获取约束、传输时间约束。构建的数学模型是一个混合整数非线性规划问题,为了解决该问题,基于凸优化理论、拉格朗日乘子法、可行方向法进行求解,对构建的数学模型进行化简,提出最大化频谱效率的资源管理算法SERM。研究结果表明:SERM算法对各种网络场景都能够收敛,并且能够最大化频谱效率。     

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)。     

一种有效的比例公平算法

针对基于OFDM的认知无线电系统中多个认知用户之间的频谱资源分配问题,提出了一种比特和功率分配算法.首先,对认知用户的发射功率加以约束以保证认知用户的通信质量;然后运用“两部分法”并引入比例分配因子来避免认知用户的频谱资源分配不均衡问题;最后对所提算法进行了仿真,其中对认知用户的分配结果表明所提算法不仅能够保证每个用户的通信质量而且能够提升信道总容量.     

面向云服务的物联网环境下基于上下文感知D2D资源分配方案

无线移动通信、传感网络、机器对机器(machine-to-machine,M2M)通信和云计算等技术的最新发展对物联网应用的开发、部署和利用产生了深刻的影响.直连(device-to-device,D2D)通信作为一种提高蜂窝网络性能的新兴技术,在物联网应用中起着至关重要的作用.对于D2D通信而言,资源分配是实现高性能数据传输的关键,博弈论作为一种有效的数学工具被广泛应用于解决蜂窝网络资源分配的问题.针对D2D资源分配的方案已在前期工作中提出,该方案使基站能够通过感知不同通信环境为D2D用户分配合理的频谱资源,并且通过重复迭代为D2D用户分配更优的频谱资源.但是该方案并没有深入讨论纳什均衡(Nash equilibrium,NE)不存在情况下的资源分配问题.针对该问题,将基站和D2D用户的竞争看作是一个合作博弈模型,提出了一个资源分配方案来处理不同场景下,当NE不存在时的资源分配方案,旨在保证基站在不同环境下的收益效用最大化.对比前期的资源分配算法,该算法保证了无论NE是否存在,基站都能通过感知不同的通信环境来选择特定的资源分配策略来维护自身的利益.     

一种基于用户位置的设备到设备模式选择和资源分配方案

在蜂窝网络中通过复用蜂窝系统中已使用的频谱资源,来增加蜂窝系统的频谱利用率,减少基站的负载,同时通过基于用户位置的设备到设备(D2D)模式选择和资源分配算法,达到减少同频率之间的用户干扰,降低用户的传输功率的目的.仿真结果显示,相比于传统的蜂窝通信和随机的资源分配模式,基于用户位置的D2D模式选择和资源分配有效地提高了系统总容量,减少了用户之间的干扰.     

基于非合作博弈论的CoMP系统功率分配算法

针对下行单用户多点协作传输系统(SU-CoMP)的资源分配问题,提出一种基于非合作博弈论的动态功率分配算法.首先协调不同用户在同频子信道上的发射功率,然后建立新定价机制下的功率分配博弈模型.在此基础上分析CoMP用户在其协作簇内功率分配时相互协作,推导该模型的求解算法,最后论证该算法纳什均衡解的存在性和唯一性.仿真结果表明,所提算法能提升边缘用户频谱利用率,减小功耗.     

比例公平保证下的SCMA能效资源分配研究

在倡导绿色通信的背景下,基于能效的资源分配算法是近些年研究的热点。针对稀疏码多址接入(sparse code multiple access, SCMA)下行链路系统,以保障用户服务质量为前提,降低接入网能量损耗,给出一种比例公平保证下的能效资源分配方案。将用户的最小速率需求以及传输速率比值作为约束条件进行能效资源分配。通过2个阶段的码本分配,既满足各个用户不同的速率需求,又保证了用户之间的公平性;根据已得到的码本分配方案,利用二分法求得近似最优能效下的功率分配。实验结果表明,所给出的算法在保证用户速率比例公平的前提下,也能获得较好的能效性能。     

反向散射辅助无线供电D2D网络中的鲁棒能效优化

为了提高反向散射辅助无线供电中设备对设备（device-to-device,D2D）的网络能效（energy efficiency,EE）和系统的鲁棒性,研究了在具有信道不确定性的反向散射辅助无线供电D2D网络中的鲁棒能效资源分配问题。在功率站最大发射功率、所需服务质量和能耗约束下,通过联合优化发射功率、传输时间和反射系数使所有D2D用户的总EE最大化;利用一个次优解的迭代鲁棒算法解决了提出问题的非凸性。仿真结果表明,提出的算法具有收敛性及对不确定信道的鲁棒性。     

基于SWIPT的D2D通信辅助移动边缘计算任务卸载策略

为解决5G移动通信系统中移动用户计算能力不足、能量消耗多、无线资源缺乏等问题，本文构建一种基于无线携能通信(Simultaneous Wireless Information and Power Transfer, SWIPT)的多用户设备间(Device to Device, D2D)通信辅助移动边缘计算(Mobile Edge Computation, MEC)系统模型，提出一种D2D-MEC联合卸载策略。该策略以系统中请求用户总能耗最小化为目标，采用二进制卸载模式和功率分流模式对请求用户进行任务卸载和能量收集。针对能耗最小化问题为非线性混合整数规划问题，根据整数变量和实数变量将原问题解耦为功率分配和计算任务卸载两个独立子问题，并分别采用Dinkelbach方法和匈牙利算法求出两个子问题的最优解。仿真实验结果表明，本文所提策略优于传统的D2D卸载策略和MEC卸载策略，有效降低了请求用户的总能耗，提高了任务执行效率。     

TD-LTE系统动态资源分配算法研究

动态资源分配算法能够有效提高频谱利用效率、系统容量以及减少发射功率。在TD-LTE通信系统中,下行链路采用了OFDMA(orthogonal frequency division multiple access)技术,动态资源分配问题常建模为在非线性限制条件下求解非线性目标函数的最优化问题。针对无约束条件迭代算法、速率自适应算法与边界自适应算法分配特点,分析了动态资源分配算法如何满足TD-LTE(time division-long term evolution)中多媒体业务不同QoS需求。对3种主流算法复杂度、容量、发射功率等技术指标进行分析比较。同时讨论了如何使算法具有低复杂度并能使网络达到良好技术指标,以及将资源块与功率结合分配的解决思路。为TD-LTE系统的动态资源分配算法研究提供了可行方案。     

认知无线电网络信道分配联合策略算法

在认知无线电网络中,次级用户在保证主用户通信服务质量不受影响的前提下,可以伺机复用主用户的空闲信道进行通信,以满足次级用户自身的通信需求,充分利用系统内的信道资源,并有效提升系统的合速率。考虑接收终端干扰的影响,提出一种基于underlay机制下的全干扰系统模型,并基于该模型提出一种联合策略的信道分配算法。联合策略算法采用加入了定向变异因子的改良遗传算法为多个次级用户分配信道,之后使用拍卖算法对信道内所有的次级用户进行功率分配或者信干噪比控制。仿真实验表明,提出的联合策略算法能够明显地提升系统合速率,保证次级用户间的公平性,并且以较快的速度收敛至纳什均衡,能够有效进行信道资源优化分配。     

基于容量最优化的设备间通信资源分配方案

在蜂窝网络中通过复用蜂窝系统中已使用的频谱资源,来增加蜂窝系统的频谱利用率,减少基站的负载.同时,通过使用模糊C均值(FCM)算法对复用相同资源的设备间(D2D)通信用户对进行分簇,达到减小复用同频带D2D通信用户对(DU)之间干扰的目的.通过贪婪算法对每一簇DU对进行资源分配,达到减小蜂窝用户与DU之间的干扰的目的.仿真结果显示,相比于随机分簇和随机复用的资源分配方案,FCM算法与贪婪算法的资源分配方案更有效地提高了系统总容量.     

缓存辅助移动边缘计算的任务卸载与资源分配联合优化策略

为了减少资源受限的移动边缘计算场景下任务卸载和资源分配过程中的能量消耗,提出缓存辅助的动态卸载决策和计算、通信、缓存多维资源分配的联合优化策略。该策略根据任务流行度制定缓存服务,通过控制用户设备的发射功率优化通信资源分配,并结合计算卸载合理利用服务器的计算资源。提出最小化时延和能耗的均衡优化目标,设计基于深度强化学习的优化求解算法。最后,通过仿真实验验证所提策略的有效性,结果表明该策略在计算资源和缓存容量约束条件下能展现较优性能。