多用户OFDM系统中一种基于速率限制的跨层资源分配算法

针对多用户的OFDM系统,提出了一种联合媒体接入控制层和物理层的跨层资源分配算法。首先通过有限状态马尔科夫链分析用户的队列状态,然后根据用户的服务质量限制得到物理层的最大、最小速率限制,最后根据物理层时变的信道状态信息和媒体接入控制层所得到的限制速率来联合进行动态的子载波和功率资源分配。仿真实验表明,与没有最大速率约束的资源分配算法相比,所提算法不仅保证了不同用户的QoS要求,而且还降低了一定的功率,从而有效的提高了系统的性能。     

OFDMA系统中支持混合业务的跨层资源分配算法

针对正交频分多址接入系统（OFDMA）下行链路资源分配问题,提出一种支持混合业务的跨层子载波-功率-比特联合分配算法.引入平均时延控制因子和丢包率控制因子作为时延敏感（DS）业务服务质量（平均时延和丢包率）的控制参数;每分配1个子载波后立即对该子载波所属用户进行一次最优的子载波功率和比特分配,该联合分配方案可最大化系统功率效率.仿真结果表明：该算法既可同时保证不同类型DS业务的服务质量,又可提高时延不敏感（NDS）业务的平均吞吐量并保证用户间的公平性.通过调整2个控制因子不仅能满足不同DS用户的服务质量要求,还可在DS用户服务质量和NDS用户的吞吐量间达到不同的折衷,以满足各种系统设计要求.     

OFDMA系统中实时业务的资源分配与调度算法

提出了一种适合于OFDMA系统中实时业务传输的资源分配与调度算法,该算法利用物理层的信道信息和MAC层的业务信息,采取分组调度与子载波分配交替进行的资源分配方式,在满足数据包传输时延要求的同时,最大化系统的吞吐量.仿真结果表明,该算法无论是在系统的吞吐量、丢包率,还是数据包等待时延方面,都具有良好的性能.     

电力线通信系统中基于动态规划的自适应资源分配

分析了电力线通信OFDM系统在多种约束下,多用户多业务在多子载波上自适应的比特和功率分配模型,提出了一种新的基于动态规划的速率和功率自适应相结合的动态资源分配算法,其先给实时用户分配资源以满足固定速率下总功率最小,再利用剩余功率和未用子载波给非实时用户分配资源以满足最小速率下总速率最大.在典型电力线信道环境下的仿真结果表明,该算法的性能优于已有的多用户资源分配优化算法,且其能更好的满足电力线通信系统中多用户资源分配的多目标要求.     

基于中继OFDM系统的成比例公平分配算法

为了满足无线蜂窝小区内不同用户的业务需求,针对下行正交频分复用中继系统,提出一种基于成比例公平约束的资源分配方案,其主要包括基站与中继处的子载波和功率分配,并在子载波分配过程中提出2种算法.其中,严格的速率成比例公平算法以尽可能满足速率成比例公平为目标,将子载波优先分配给比例公平性最差的用户;松弛的子载波成比例公平算法将速率成比例松弛为子载波成比例,避免了信道较差的用户占用大量子载波.子载波分配结束后,根据子载波分配策略进行注水功率分配.仿真结果表明,2种算法均能够较好地满足成比例公平约束,且与传统无中继的资源分配算法相比,明显提高了系统吞吐量.     

OFDMA系统中满足不同时延要求的跨层资源分配算法

针对OFDMA系统下行链路资源分配和调度问题,提出了一种跨层子载波和功率联合分配算法。其优化目标是在保证每个时延敏感用户的平均时延要求的条件下,最大化时延不敏感用户的长期平均吞吐量。该算法首先根据时延敏感用户的时延要求、队列状态和信道状态进行子载波和功率联合分配,即每分配给一个子载波后就立即用最优的功率分配算法在该用户内部进行一次子载波功率分配,以满足其平均时延和比特溢出率(QoS);然后将剩余系统资源根据对平均速率提高贡献最大原则对时延不敏感用户进行子载波和功率联合分配。仿真结果显示,该算法不仅保证所有时延敏感用户的QoS和用户间平均时延的公平性,还在系统的平均吞吐量和满足用户的不同时延要求之间达到一个很好的平衡。     

基于异构业务QoS的滤波器组多载波CR跨层资源分配算法

提出基于异构业务QoS的FBMC认知无线电(CR)跨层资源分配算法。针对CR网络中的异构场景,在干扰约束和总功率约束条件下构建代价函数进行资源分配,首先对实时用户实施跨层资源分配,将媒体接入控制层的时延约束转化为物理层的传输速率约束,然后对非实时用户按照比例公平原则分配剩余资源。实验结果表明,该算法保证了请求实时业务的用户数据包的平均时延门限不超过最大时延门限,同时实现了非实时用户间资源的比例公平分配。     

一种OFDMA上行系统公平资源分配算法

为了提高无线网络吞吐量并兼顾用户之间的公平性,该文针对正交频分多址接入(OFDMA)系统的上行链路提出了一种比例公平的自适应资源分配算法。该算法考虑了上行系统中用户功率的离散分布特性,以最大化用户速率的对数和为优化目标。首先通过理论分析给出了上行比例公平资源分配的最优解形式,然后提出了一种兼顾效率和公平的上行OFDMA系统子载波和功率联合分配算法。仿真结果表明:相比传统的上行资源分配算法,该算法能够取得吞吐量和公平性之间的良好折中。     

基于拟牛顿内点法的认知车联网能效优先资源分配算法

为了提高认知车联网中多用户资源分配的能效及实时性,提出了一种在信道状态信息不理想情况下最大化系统能效的资源分配算法.联合考虑额定系统传输功率、主用户干扰阈值、最低通信速率以及用户间比例公平性等约束条件,将主用户的干扰约束条件转换成概率型约束条件.然后,采用Bernstein近似的方法处理该概率型约束,通过设置公平门限来解决用户间的比例公平性问题.最后,分别采用高、低复杂度的子载波分配算法,配合拟牛顿内点法进行功率分配.仿真结果表明,所提算法的能效约为最优解上界的93%,既能满足系统能效要求,又降低了计算复杂度,适用于对实时性要求较高的车联网系统.     

一种基于QoS的星座通信系统跨层资源分配算法

针对目前星座通信系统星地链路资源分配不灵活、缺乏有效服务质量(QoS)保障机制等问题,提出一种基于QoS的星座通信系统跨层资源分配算法.利用自适应编码调制(ACM)技术,通过定义用户信道质量评估算法、可调公平性调度算法、业务QoS分类调度算法及用户业务分配权重函数,为终端用户指定工作频率、时隙、编码方式、调制方式等物理层工作参数,实现根据业务QoS保障要求灵活分配物理层信道资源,达到提高系统资源利用率与满足业务QoS保障需求的平衡.仿真实例验证该算法可以实现星座通信系统根据业务QoS和用户信道质量对星地链路资源的合理分配和调度.     

基于多用户分集效应的相对比例公平调度算法

无线蜂窝网络目前所采用的机会调度算法在公平性方面存在缺陷。为解决该缺陷,该文提出了一种适用于无线数据网络的基于多用户分集效应的相对比例公平调度算法。不仅可以通过改变参数来调节系统吞吐量,保证系统性能;而且可以保证各用户之间的公平性,满足不同用户的服务质量要求。仿真实验表明,该算法可以在不同用户之间提供公平的服务,而且能兼顾系统吞吐量和用户服务质量的要求。     

MU-MIMO系统的线性预编码和功率分配算法

针对下行链路多用户MIMO系统,提出了一种联合预编码和功率分配的算法.该算法能够优化系统的信道容量,同时也保证了每个用户的服务质量要求.首先求解线性预编码;在此基础上,通过分布式的功率分配,使得在满足各个用户服务质量要求的前提下,信道容量最大化.算法与现有的结合功率分配的预编码策略相比,在达到较高的信道容量的同时,也能满足各用户的最低速率要求(QoS).仿真试验表明:高信噪比(10～20dB)的情况下,在达到相等的信道容量时,算法平均可获得1dB的增益;在低信噪比(0～6dB)的情况下也能满足各用户的QoS要求.     

基于多用户分集效应的相对比例公平调度算法

无线蜂窝网络目前所采用的机会调度算法在公平性方面存在缺陷。为解决该缺陷,该文提出了一种适用于无线数据网络的基于多用户分集效应的相对比例公平调度算法。不仅可以通过改变参数来调节系统吞吐量,保证系统性能;而且可以保证各用户之间的公平性,满足不同用户的服务质量要求。仿真实验表明,该算法可以在不同用户之间提供公平的服务,而且能兼顾系统吞吐量和用户服务质量的要求。     

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.     

一种基于微蜂窝小区用户比例公平的改进资源分配算法

在微蜂窝小区用户速率比例公平约束条件下,以最大化系统和速率为目标,提出了一种改进资源分配算法,并用拉格朗日法求解优化功率.结果表明:相比于传统的最低比例速率的资源分配算法,本算法在频率和总功率固定的条件下,能减少计算复杂度,且系统速率提高了约2%.     

基于改进遗传算法的多业务组播系统跨层功率分配方案

结合数据链路层的队列状态信息(QSI)和物理层的信道状态信息(CSI),定义了系统的吞吐量系数和公平性系数,建立组播系统功率分配的离散速率集模型.对遗传算法的初始群体产生、选择、交叉和变异等算子进行改进,形成改进遗传算法;利用改进遗传算法进行动态功率分配和跨层优化.数值仿真结果表明:改进遗传算法能够取得几乎最优的队列时延性能;选取不同的权重对系统吞吐量性能和公平性性能产生重要影响;改进遗传算法获得的系统吞吐量系数和公平性系数在不同场景下较之功率固定分配算法至少提高0.15.     

蜂窝网络下中继D2D系统的保密速率研究

对蜂窝网络下中继D2D系统中蜂窝用户的物理层安全性能进行了研究,实现了既满足D2D对的传输速率要求,又提升蜂窝用户的保密速率的双赢局面.在空闲的蜂窝用户中挑选中继节点,将D2D对的干扰看作友好干扰,构建了多约束的非凸混合整数优化模型,通过分层求解,提出了单用户场景下的功率控制算法和多用户场景下的信道分配算法.仿真结果表明:功率和信道的联合优化算法与通信系统中随机接入算法相比,能够在满足约束条件的同时提升蜂窝用户的保密速率,增强物理层安全性能.     

基于异构业务QoS的滤波器组CR跨层资源分配算法

滤波器组多载波(FBMC)技术比正交频分复用(OFDM)带外泄露小,频谱利用率高。提出基于异构业务QoS的FBMC认知无线电(CR)跨层资源分配算法。针对CR网络中的异构场景,在干扰约束和总功率约束条件下构建代价函数进行资源分配,首先对实时用户实施跨层资源分配,将媒体介入控制层的时延约束转化为物理层的传输速率约束,然后对非实时用户按照比例公平原则分配剩余资源。实验结果表明,该算法保证了请求实时业务的用户数据包的平均时延门限不超过最大时延门限,同时实现了非实时用户间资源的比例公平分配。     

基于博弈论的协作超宽带系统资源分配算法

为使多用户协作超宽带系统的资源分配算法能在有效利用系统资源的同时满足用户的服务质量QoS(Quality of Service)公平性需求,在纳什议价解方法和凸优化理论基础上,将合作博弈论方法用于协作多频带超宽带系统的资源优化分配中。提出以最大化系统净效用为目标,以用户的QoS需求为公平性指标的协作超宽带系统协作伙伴选择算法和自适应功率分配算法。通过仿真与最大化系统速率（max-rate）和最大化最小用户速率(max min) 公平性算法作比较,证明了该资源分配方法在最大化系统速率和用户QoS公平性两方面有很好的折衷,适于超宽带系统。     

基于改进樽海鞘群算法的认知异构蜂窝网络资源分配

针对认知异构蜂窝网络的上行资源分配问题，提出了基于带宽和功率约束的资源分配算法，并使用改进的群智能算法求解.根据认知无线电技术特性推导出认知家庭用户的带宽和功率分配取值范围，在满足用户服务质量（Quality of Services，QoS）的前提下将更多的资源分配给其他用户，以提升网络中用户的传输需求和缓解网络上行接入负载的压力.针对樽海鞘群算法存在收敛精度低、收敛慢等缺陷，将疯狂算子和动态精英学习因子分别引入领导者和跟随者中，以提升算法寻优效率和寻优精度.将改进的樽海鞘群算法求解基于带宽和功率约束的资源分配算法.仿真实验表明，引入带宽和功率约束的资源分配算法能有效提升网络性能，且在保证用户QoS条件下，能有效提升系统效益和用户接入公平性.