部分频率复用下的终端直通资源分配方案

终端直通(device-to-device,D2D)通信通过共享蜂窝资源可以提升频谱效率,但会产生同频干扰,导致系统吞吐量和用户的服务质量降低。针对在部分频率复用(fractional frequency reuse,FFR)蜂窝网络中多小区间的D2D链路和蜂窝链路的同频干扰问题,提出了基于优先级的资源分配方案。该方案通过对频率资源赋予不同的优先级对小区间干扰进行协调,尽量避免小区间的D2D链路和蜂窝链路间、以及D2D链路间的干扰,从而提升系统性能。仿真结果表明,基于优先级的资源分配方案改善了小区边缘用户的服务质量,提高了系统容量。     

基于射频能量收集的异构网络资源分配策略

针对异构网络中微微基站出现过多用户的情况,研究最大化上行总吞吐量的资源分配问题。通过部署一个具有能量收集功能的中继节点,将微微基站部分用户转移到相邻的空闲微微基站。中继节点具有能量收集功能,可以从专用射频源和环境射频源收集能量。将资源分配问题建模为最优化问题,以最大化微微基站用户的上行总吞吐量为目标,同时满足用户最小数据速率、中继节点能量消耗和发射功率的约束条件。通过引入增广拉格朗日乘子法,获得最优解。仿真结果表明,与传统的将部分微微基站用户转移到宏基站的方法相比,提出的方法具有较大的吞吐量提升。此外,与同样采用中继节点进行辅助通信的等功率方法相比,提出的方法在吞吐量方面有一定程度的增加。     

基于最大最小公平性的异构VLC/RF网络资源分配算法

为了充分挖掘可见光通信(visible light communication,VLC)和射频(radio frequency,RF)通信的优势,提出了一种室内混合VLC/RF异构无线网络传输模型.针对该模型,考虑用户最大最小公平性、网络带宽约束以及最大发射功率约束条件,以用户需求速率门限值作为资源分配的重要条件,提出...     

认知蜂窝异构网络中能效优化的资源分配算法

在认知蜂窝异构网络中,针对大规模部署认知家庭基站带来的能量消耗问题,研究了两层异构网络上行链路的资源分配算法.提出了一种基于双循环迭代的资源联合分配算法,在实时用户服务质量(quality of service,QoS)需求约束和跨层干扰约束下最大化认知系统能量效率,将分数形式的能效函数等价转换为减数形式,使优化问题近似确定为凸优化形式,并通过迭代方法求解.仿真结果表明:该算法能够快速收敛到最优能效,并保证了实时用户的QoS需求,有效提高了系统能量效率.     

多路径网络异构服务的分布式资源分配算法

针对多路径网络中普遍存在的异构服务,建立了相应的资源分配模型。模型是一个较难处理的非凸优化问题,为了得到问题的最优解,通过转换将问题转换成一个近似的凸优化问题,并且设计了一类分布式资源分配算法,算法能够在有限的迭代次数内有效地得到最优点,数值例子验证了结论的有效性。     

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。     

超密集异构网络中的一种混合资源分配方法

针对在宏小区覆盖范围内高密度部署小小区所带来的跨层干扰和同层干扰,研究了超密集异构蜂窝网络中的资源分配问题,采用了一种共享频谱与分离频谱共存的混合频谱分配方案。依据簇中小基站与宏基站的干扰是否超过设定的阈值,将簇进行分类并以不同的方式进行资源分配,超过阈值的簇采用分离频谱的方式分配资源,反之,可共享整段频谱。而在每个小基站簇内,在相应的约束条件下采用对偶分解法求出规划的优化目标,为每个小基站分配子信道和功率。基于联合分配方案提出算法1和算法2(次梯度算法),算法1最接近最优解决策略,而算法2可以解决高复杂度问题,具有更高的实用性。仿真结果表明,所提方案能够有效地抑制干扰、提升系统容量,同时兼顾用户间公平性。     

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。      

认知异构网络中基于非理想频谱感知的凸优化资源分配算法

当前认知异构网络中无线频谱日益紧缺,而传统固定频谱分配模式日益成为限制无线通信性能的重要瓶颈,在非理想频谱感知情况下资源分配的问题尤为突出。为实现非理想频谱感知情况下无线资源的高效分配,提出一种基于认知异构网络的凸优化资源分配算法。该算法首先构建了基于主用户活跃度的用户到达模型,以精确描述认知网络中主用户的频谱使用状态,为认知用户分配资源提供依据;并通过认知异构网络干扰分析构建非理想频谱感知条件下的干扰容限条件,最后通过凸优化算法实现对认知网络中频谱资源的优化分配。仿真结果表明,在非理想频谱感知条件下,该算法能够有效降低系统平均时延,提升认知异构网络的传输速率和系统吞吐量。     

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.     

D2D 通信复用异构蜂窝网络下行链路的人工鱼群资源分配算法

针对D2D(Device-to-Device)通信复用异构蜂窝网络下行信道的资源分配问题,提出了一种基于人工鱼群的资源分配算法(AFSRA).该算法以最大化系统总容量为目标函数,并且为保证用户通信质量,通过约束条件合理地为D2D用户分配资源.通过仿真对AFSRA算法和随机资源分配算法进行了比较和分析,实验结果表明:AFSRA算法经过有限的迭代次数即可收敛,在计算量适当增加的情况下,能够获得更好的系统总容量.     

高密度D2D用户的潜在博弈资源分配算法

为解决高密度用户场景中多个设备到设备(D2D)用户复用同一个蜂窝用户资源时相互竞争的问题,提出了一种基于博弈论的D2D资源分配算法.首先构造基于最小化系统整体干扰的非合作博弈效用函数,同时考虑了系统中D2D用户之间的干扰以及D2D用户与蜂窝用户之间的干扰;继而设计该博弈的潜在函数,并证明该博弈过程是一个潜在博弈模型,进而证明了其纳什均衡的存在性.仿真结果表明,该算法相比现有方法具有更好的公平性和收敛性,能使用户获得更好的吞吐量,降低D2D用户受到的干扰.     

双层网络中一种协作博弈的动态资源分配方法

针对双层网络模型中宏小区用户层和毫微微小区用户层存在共信道信号互相干扰的问题,提出了一种协作博弈的动态资源分配(CGDRA)方法.该方法首先根据宏小区用户的路径损耗和QoS需求,对宏小区用户层的发射功率进行分配,然后以所有毫微微小区用户的数据速率之积作为效用函数,以毫微微小区用户的QoS需求为约束条件,构建了毫微微小区用户层总发射功率受限的协作博弈模型,并采用动态子载波分配算法和自适应功率分配算法得到了该博弈模型的低复杂度近似最优解,优化分配了毫微微小区用户的频谱资源和发射功率,提高了系统的传输速率.仿真结果表明:在双层网络中,CGDRA方法在系统数据速率和用户的公平性上获得了较好的折中;与最大最小公平性算法相比,系统的数据速率提高了30％;与最大速率算法相比更加公平.     

分层网络频谱资源分配方案

提出一种频谱资源分配方案,以提升分层毫微微小区网络的期望吞吐量.该方案为每层下行传输分配部分共享频谱资源,在单个用户期望吞吐量满足服务质量需求时,通过动态调整共享频谱资源分配比例,能够最大化网络期望吞吐量.为进一步获得每层下行传输的期望吞吐量,基于Nakagami-m衰落信道推导了每层用户下行接收信干噪比的累积分布函数.理论分析和仿真表明,该频谱资源分配方案能够有效提升网络期望吞吐量,但服务质量需求参数的增长限制了吞吐量的提升.     

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。     

OFDM系统下行链路多小区半分布式资源分配

针对LTE(long-term evolution)系统下行链路采用OFDM技术所致的小区间干扰问题, 通过对多种资源分配方法的研究与总结, 提出一种简单有效的多小区半分布式资源分配算法。该算法使用二进制功率控制策略, 利用基站间的信息交互协调小区间的资源分配, 用以改善小区间的干扰, 提升系统总容量。通过在LTE系统级仿真平台的建模及仿真, 表明新算法提高了13%的吞吐量, 由此证明该算法的优越性。