认知MIMO系统频谱检测与吞吐量折中

 研究了认知MIMO系统频谱检测与吞吐量折中问题,以最大化SU(Secondary User)吞吐量为目标,求解出最佳的频谱检测时间和最优功率分配方案。仿真结果表明,存在最佳检测时间使SU的吞吐量达到最大,并且通过注水法功率分配,能进一步提高SU的吞吐量。此外,通过仿真比较了能量检测和基于特征值的频谱检测算法对SU吞吐量的影响,结果表明,采用两种算法SU的吞吐量几乎相等,由于基于特征值的频谱检测算法更具有健壮性,因而更适合应用于认知MIMO系统。     

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.     

卫星认知无线电检测门限与功率分配联合优化算法

针对窄带卫星通信中频谱利用率不足的情况,以最大化带内数据传输量为目标,提出了基于卫星Underlay认知无线电的上行链路中信道检测门限与功率分配联合优化(JDPO)算法.首先根据检测误差、功率向量与数据传输量之间的运算关系构建了卫星Underlay认知无线电接入模型,之后将目标函数分解为检测门限与功率分配2个子问题分别进行优化,以加窗粒子群优化算法逼近了最优检测门限,根据库恩-塔克条件求解了最优功率分配向量.通过引入中间量使2个子算法反复迭代,最终得到了检测门限与功率分配的联合最优解.仿真结果表明:存在多个次要用户时,JDPO算法可以获得更多的带内数据传输量;与传统方法相比,JDPO算法的数据传输量最大可提高50％.     

基于粒子群优化算法的宽带频谱感知方案设计

针对宽带频谱感知问题,构建了系统优化模型.该模型通过寻找最优的权重系数,提高最大化系统吞吐量.考虑到优化模型目标函数的非凸性,提出基于粒子群算法的求解方法.对比分析了次级用户数目、采样点数目以及子频段数目等参数对宽带频谱感知算法性能的影响,仿真结果验证了该算法的有效性.     

基于树形搜索的NOMA系统功率分配算法

功率分配是影响非正交多址接入(non-orthogonal multiple access,NOMA)系统性能的一个重要因素.传统树形搜索功率分配算法在吞吐量方面虽然能达到全搜索算法的性能,但该算法具有较高的计算复杂度,而固定功率分配算法和分数阶功率分配算法虽然计算复杂度低,但不能达到较好的吞吐量性能.为了解决这个问题,提出了一种基于树形搜索的递增功率分配算法.该算法以最大化用户吞吐量的几何平均作为目标函数,采用功率递增的分配方式,将用户分配到树形模型中,并对用户逐层搜索筛选,根据给定的功率系数标准和吞吐量标准,舍去多余节点,保留幸存节点,直到完成所有用户的功率分配.仿真结果表明,该算法的吞吐量性能与全搜索算法相比,在没有明显下降的情况下,较大地降低了计算复杂度.     

统计干扰约束的认知无线电网络最优联合功率和频谱分配方法

针对具有统计干扰约束的认知无线电网络联合功率和频谱分配问题进行了建模和分析,建立了统计干扰约束的认知无线电网络联合功率和频谱分配最优化模型,由于模型是典型的NP-Hard问题,应用遗传算法对联合功率和频谱分配最优化模型进行求解,提出了基于遗传算法的最优联合功率和频谱分配方法,能有效地保障对联合功率和频谱最优分配.仿真验证了提出算法的收敛性和正确性.     

协作通信系统中继功率分配算法的研究

研究了协作通信系统中功率分配的问题,主要研究了固定放大转发协议下单中继系统的功率分配.首先对系统的误码率进行了推导并以最小化系统的误码率为目标对优化问题进行了定义;其次引入惩罚因子将有约束的最小误码率优化问题转化为无约束优化问题进而建立新的目标函数;最后提出了人工鱼群和粒子群相结合的算法对系统优化问题进行了求解.仿真结果表明所提算法提升了系统的性能并降低了计算复杂度.     

基于用户组簇的LTE上行链路联合调度和功率分配算法

在同频组网的LTE系统中,严重的小区间干扰成为限制小区边缘用户性能提升的瓶颈.在LTE上行链路中,传统的单小区独立调度算法并未考虑小区间干扰情况.为此,提出了一种基于用户组簇的联合调度和功率分配方案,以抑制小区间干扰,提升系统性能.该方案对来自不同小区的用户组簇,以用户簇为对象执行基于正比例公平(PF)准则的联合调度,并根据簇内用户相互干扰情况建立功率优化模型,通过求解该模型次优解得到联合功率分配方案.系统仿真结果表明,基于用户组簇的联合调度和功率分配方案能够改善边缘用户吞吐量,同时显著提升系统吞吐量.     

一种改进MIMO-MC-CDMA系统资源分配算法

提出一种应用于多输入多输出MC-CDMA系统的功率、子带、码道自适应分配算法。发送端在总发射功率受限的条件下通过多用户间功率、子带和码道的分配最大化系统吞吐量。通过限制用户的最大码道数来实现用户之间的带宽公平性。和传统MC－CDMA系统资源分配算法比较,本算法的最大特点是综合考虑功率、子带、码道的三维优化。算法最终归结为一个约束优化问题并利用拉格朗日乘子法进行求解。计算机仿真验证了算法的有效性。     

基于对偶分解的 MU-CoMP 联合资源分配算法

在MU-CoMP-JT(multi-users coordinated multiple-points joint transmission)资源分配算法中,大多数将功率分配与子载波分配分为独立的2个部分进行独立求解,这样势必会降低系统性能,而实际上子载波分配和功率分配是密切相关的.为了有效地提升系统吞吐量,采用了迫零预编码技术,研究了一种在多个小区和多个子信道之间联合优化用户调度与功率分配的资源分配算法,该算法以最大化用户权重速率为目标,基于对偶分解理论,将原优化问题分解为多个独立优化的子问题.仿真结果表明,该算法与最优的穷尽分配算法相比性能有所降低,但有效地降低了复杂度,同时也能获得较好的性能.     

基于粒子群算法的泊位分配集成优化研究

泊位分配直接影响着港口船舶的进港靠泊时间和作业效率.为获得合理的集装箱码头泊位分配计划,建立了以最小化船舶在港时间和码头运营成本的集成优化模型,并应用粒子群算法进行求解.通过与Gurobi软件求解结果进行对比,发现在求解大规模的船舶调度问题时,粒子群算法在求解时间上比Gurobi更有效.     

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。     

一种改进PSO算法在经济调度中的应用研究

粒子群优化算法是一类新的基于群体智能的启发式全局优化技术,群体中的每一个粒子代表待解决问题的一个候选解,算法利用粒子之间的相互作用发现复杂问题解空间的最优候选区域.综述了算法的基本形式及其多种改进形式,通过比较提出了一种用于求解一般形式的非连续、非凸、非线性约束优化问题的改进粒子群算法,用于求解复杂的非凸、非线性电力系统经济负荷分配问题.仿真结果表明,所提出的方法搜索速度快,求解精度高,易于掌握,是解决电力系统经济负荷分配问题的有效手段.     

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。     

OFDM-SDMA系统上行资源分配算法

针对OFDM-SDMA系统的上行链路,以系统吞吐量最大为目标,建立资源分配问题的优化模型,提出一种低复杂度的次优资源分配算法.该算法分为载波分配和功率分配2部分:载波分配算法在功率平均分配的假设下为每个子载波选择用户集合;功率分配算法在载波分配的基础上,考虑相同载波上的干扰对用户进行注水功率分配.仿真结果表明:该算法获得的系统容量与传统OFDMA系统资源分配算法相比有较大幅度的提高;载波分配算法能很好地适应上行链路的特点,其性能优于下行链路载波分配算法;有扰信道注水功率分配亦优于固定功率分配算法.     

基于公平性原则的简化自适应资源分配算法

提出了一种简化的自适应资源分配算法,此算法在保证用户公平性的前提下,使OFDMA系统的吞吐量最大化,且具有较低的计算复杂度.算法将整个分配过程分解为2步：基于公平性原则对子载波进行分配;计算各用户所需的总功率,并以注水算法对功率进行分配.仿真结果表明,相比于固定分配方式,笔者提出的自适应资源分配算法可以明显提高OFDM系统的频谱效率.     

非正交多址认知无线电网络功率分配算法

非正交多址和认知无线电技术能有效提高频谱效率,是新一代移动通信系统的关键技术。针对功率域非正交多址认知无线电网络的能效优化问题,建立了满足次用户最小系统吞吐量和主用户最大干扰的次用户功率分配模型,将子信道吞吐量公式进行分解,得到子信道功率分配系数和子信道功率消耗率2个子问题。针对第1个问题,采取凸差(difference of convex,DC)规划算法将目标函数等效为2个凸函数差形式,并应用一阶泰勒展开式进行连续近似,将非凸问题转换为凸优化问题,从而得到子信道复用次用户最优功率分配系数;针对第2个问题,采用Dinkelbach算法和次梯度算法,利用拉格朗日函数,得到最优子信道功率消耗率。仿真结果表明,所提功率分配算法收敛速度快,时间复杂度低,其平均系统能效性能远优于分数功率分配算法。     

认知无线电网络中基于图着色的动态频谱分配

动态频谱分配是解决认知无线电网络中频谱资源利用率低下的有效手段.针对现有频谱分配中认知用户"饿死"这一难点问题,以最大化系统接入率为目标,提出一种基于图着色的动态频谱分配算法.构造了基于图着色模型的效能函数,通过动态更新可用矩阵完成有效的频谱分配.一系列仿真实验表明,所提算法获得了较高的系统接入率,兼顾了系统的吞吐量和公平性,具有比现有算法更优的性能.     

基于多目标粒子群优化算法的输电网规划

输电网规划是一个离散型、非线性、多目标的混合整数规划问题,难于求解.提出一种多目标粒子群优化算法用来求解输电网规划问题.在输电网规划模型中考虑了建设投资费用、运行费用及网损费用等3方面的因素.多目标粒子群优化算法基于Pareto支配关系来更新粒子的个体极值,并采用了精英归档技术,粒子的全局极值由档案库中的非劣解提供.使用Matlab7.1对Garver-6节点系统进行仿真计算,结果表明:与传统的单目标遗传算法相比,多目标粒子群优化算法获得的规划方案总费用更低,该方法可以提高输电网规划的经济性水平.     

多信道认知无线电频谱感知次用户和功率分配

为提高多信道认知无线电的吞吐量,提出了协作频谱感知子信道次用户和传输功率的联合分配算法.该算法基于主用户的存在状态,在约束次用户协作检测概率和总功率的基础上,以最大化次用户所有子信道的吞吐量总和为目标,通过交替方向优化获得子信道次用户和传输功率的联合分配.仿真结果表明:文中提出的联合分配算法通过较少的迭代次数就可以获得最优值,并且能够根据子信道状态动态地分配子信道次用户和传输功率,提高了次用户的吞吐量.