基于POMDP模型的分布式机会频谱接入算法

针对认知无线电（cognitive radio,CR）信道的动态特性,以部分可观测马尔科夫决策过程（POMDP）为模型对认知无线电网络用户的频谱感知和频谱接入过程进行研究,提出了基于POMDP模型的分布式机会频谱接入算法.该算法利用网络信道的历史频谱感知信息对主用户接入信道的状况作出估计,以认知用户吞吐量最大化为目标进行频谱接入.同时,通过贪心算法得到此优化策略的次优解,降低了最优策略的计算复杂度.论文分析了认知用户接入吞吐量与网络中信道数目以及信道状态转移概率之间的关系,将贪心算法与随机检测接入算法进行了仿真比较.仿真结果显示,该算法获得的吞吐量比随机检测接入算法提高了约25％,能够更有效地做出接入策略.     

认知无线电网络中的非正交多址资源分配算法

随着物联网的发展和移动终端的普及,用户对数据速率需求快速增长,移动通信系统依然面临着频谱资源紧缺问题。针对认知无线电网络中的非正交多址接入(non-orthogonal multiple access, NOMA)技术,研究了认知无线电网络中非正交多址信道和功率联合优化问题。以主用户干扰功率和次用户最小吞吐量以及子信道最大复用用户数为约束条件,综合考虑信道状态信息和功率资源,以提高系统能效为目标,建立了信道和功率资源分配优化模型。为了避免信道状态相近的用户复用在同一子信道上,提出了一种次优公平性可调的信道分配算法,并基于连续凸近似和Dinkelbach模型,得到子信道复用用户间的最优功率分配。仿真结果表明,所提算法可以在提高用户公平性的同时,有效提高系统能效。     

OFDMA中继网络中联合队列和信道信息的资源分配策略

针对基于正交频分多址接入(OFDMA)的多中继、多用户的中继网络,研究了联合队列和信道信息的资源分配问题,目标是最大化下行系统吞吐量,同时保证用户队列的稳定.首先将子载波配对、载波对分配和功率分配问题建模为一个联合优化问题,之后通过对变量进行连续性放松,采用拉格朗日对偶方法进行求解,并利用Karush-Kuhn-Tucker(KKT)条件及匈牙利方法获得优化问题的近似最优解.性能分析与仿真结果表明,与仅利用信道信息的算法相比,所提的联合队列和信道信息的资源分配算法能够有效地提高系统吞吐量并降低用户数据包平均等待时延.     

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.     

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。     

基于遗传算法的认知无线电网络共同信道和功率最优分配

信道分配和功率控制问题是认知无线电网络中的核心问题。文中根据不完美频谱感知情形下的干扰功率模型,建立认知无线电网络共同信道和功率分配优化模型,并通过罚函数法,将标称的混合整数规划问题简化为不带约束条件的非线性规划问题,提出了基于遗传算法的共同信道和功率最优分配算法。仿真结果表明,该算法能在不完美频谱感知情形下对信道和功率进行联合最优分配,减少对主用户功率干扰,实现网络中认知用户吞吐量的最大化。     

多通道STAR-IRS辅助的NOMA系统用户分组方案研究

同时透射和反射的智能反射面（Simultaneously Transmitting and Reflecting Intelligent Reflecting Surface, STAR-IRS）被视为第六代移动通信的革新性技术。文中研究了STAR-IRS辅助的上行非正交多址接入（Non-Orthogonal Multiple Access, NOMA）系统中用户与子信道配对问题,通过对用户合理分组与相移矩阵优化使得系统和速率最大。首先,根据系统和速率表达式,提出了一种低复杂度的用户分组方案,通过最大化级联信道增益,解决用户初始分组和解码顺序问题;其次,在满足每个用户传输速率的约束下,为了进一步提升系统和速率,交替优化相移矩阵和分组方案。仿真结果表明,与其他基准方案相比,文中提出的用户与子信道配对方案可以有效提高系统的和速率性能。     

非对称认知网络中分布式多用户频谱共享算法

为解决多用户冲突导致非对称认知网络吞吐量降低的问题,根据网络中用户信道收益矩阵的特点,提出了一种分布式多用户联合频谱共享方法.首先,基于Gale-Shapley理论实现认知用户和信道之间的"一对一"频谱分配,以避免认知用户之间的竞争冲突;其次,在未知信道先验知识或者认知用户仅有部分信道感知能力时,通过顺序最优学习算法获取信道收益信息;同时设置接入定时器,实现分布式机会频谱共享.仿真结果表明:所提方法的平均网络吞吐量明显优于随机等分布式算法,且复杂度比最优算法大大降低,收敛速度较快,适于感知带宽受限和用户地理位置分散的非对称认知网络.     

基于信道选择和自适应功率控制的动态频谱分配

针对频谱分配过程中会出现用户间的干扰问题,提出了一种基于信道选择和自适应功率控制的动态频谱分配算法.该算法的基本思想是将认知用户间频谱的竞争转化为以信道选择为策略空间的博弈模型,通过调整发射功率和利用改进后的效用函数来选择最优的分配策略.实验结果表明:该算法在实现频谱动态分配的同时减小了对授权用户的干扰,提高了系统总吞吐量.     

水声OFDM通信系统中的最优子载波功率分配

目的研究水声OFDM通信系统中的最优子载波功率分配。方法提出了水声OFDM通信系统中的最优子载波功率分配算法。首先将传播损失等效到信道频域响应中,建立了水声OFDM等效传播模型。在此模型基础上,以最大化OFDM系统中的有效子载波数目为目标,根据各子载波上的星座图、误码率门限、传播损失和环境噪声,结合信道信息对各子载波上的功率进行最优分配。对信道已知和信道未知、近距离传输和远距离传输等不同情况分别进行了讨论。结果文中算法在有效子载波数目比、OFDM块平均误码率、所需发射功率等方面均优于传统功率分配算法。结论文中算法可在水声OFDM通信系统中实现最优子载波功率分配。     

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。     

IEEE 802.11n系统最优包长和聚合个数调节算法

为了在非理想信道和给定时延约束下提高IEEE 802.11n系统的吞吐量,推导了有传输差错条件下采用聚合后一次成功发送的平均数据量;将该数据量代入描述理想信道DCF系统的Markov模型的饱和吞吐量表达式,得到非理想信道下DCF系统的饱和吞吐量计算式;分析DCF机制下采用数据包聚合方案的平均时延及各退避阶的平均时延,将业务的时延约束转化为对平均时延的限制;在平均时延限制下,提出一种根据信道状态和所得计算式动态调节包长和聚合个数的算法,使系统的饱和吞吐量最大.仿真结果证实采用最优数据包长和聚合个数调节算法的系统饱和吞吐量明显高于用固定包长和聚合个数的方案.     

非正交多址接入系统下行链路簇内用户数最大化研究

针对非正交多址接入系统(NOMA)下行链路,基于系统吞吐量最大化原则,对簇内用户发射功率进行了最优分配,发现簇内用户数过多会导致簇内吞吐量下降,提出了给定吞吐量最小限值条件下簇内用户数最大值的估计方案.仿真结果显示:当给定吞吐量的最小限值为10 Mbit·s~(-1)时,簇中所能包含的最大用户数为4.     

多输入多输出系统广播信道有限反馈的用户调度算法

针对多输入多输出（MIMO）系统广播信道多用户调度的问题,提出了一种有限反馈条件下的用户快速调度算法.算法中用户端将信道对应码字和可达传输速率估计值反馈给基站;基站预先将码字分组,调度时根据接收到的反馈信息将用户归入不同码字代表区域进行快速筛选;然后比较各码字组对应用户确定最优的用户组.仿真结果表明,该算法的系统传输速率较高,能够实现多用户分级,并且算法复杂度较低,在实际系统中易于实现.     

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.     

5G非正交多址系统中使用全双工基站干扰的安全传输方案

为了保证5G非正交多址(NOMA)系统中私密信息上行传输过程的信息安全,提出了一种基于全双工基站干扰的物理层安全传输方案。首先,分别使用二项式点过程和泊松点过程,对NOMA上行传输系统中用户设备和窃听者的空间位置分布进行刻画,建立NOMA上行传输系统模型;其次,为了使低硬件复杂度的用户设备付出较小的开销实现安全传输,全双工基站在接收信息的同时发送人工噪声干扰潜在窃听者;最后,基于全双工基站干扰方案,使用随机几何理论对系统的可靠性和安全性进行分析。理论和仿真结果表明:用户设备距离基站越近,全双工基站干扰方案对安全吞吐量的提升越明显;即使对于距基站最远的用户设备,在最优的噪声功率下,该方案仍可以使其安全吞吐量提高约41%。     

一种新的基于异步NOMA的串行干扰消除算法

作为5G关键候选技术之一的非正交多址技术(Non-orthogonal Multiple Access Technology,NOMA)采用功率域复用的方式,有效地提高了系统的吞吐量和频率利用率。在已有的关于NOMA系统的讨论中,大多默认叠加信号是完全同步的,但在实际运用中,由于用户位置以及状态的不同,叠加信号无法完全同步。针对不同用户信息叠加传输中存在的时延问题,提出了一种新的串行干扰消除算法。首先通过异步采样的方式对叠加信号进行采样处理,得到一个具有结构性的输出数据;然后利用每一个符号前后重叠部分的关系,在接收端采用一种新的串行干扰消除方式重构符号。结果表明:本文方法以增加复杂度为代价,获得了可以使得干扰信号消除得更干净的优异性能。这种结构使得任意时刻的信道估计错误都会导致误差扩张效应,因此对信道估计的准确性要求更加严格,故采用标量卡尔曼滤波动态估计信道状态信息,从而进一步提高了整个信道的误码性能。     

认知无线电中感知信道的优化选择方法

在认知无线电中,频谱感知是实现频谱动态接入的重要前提和核心环节,文中在多用户多信道环境下基于能量检测提出了一种感知信道优化选择的方法。该方法从最大化一个次用户感知一个主用户信道能获得的归一化吞吐量出发,在目标检测概率限制下,提出了基于改进的匈牙利算法进行感知信道选择的最优方法。仿真结果表明,与感知信道随机选择方法相比较,文中提出的方法可以大大提高整个次用户网络的归一化吞吐量。     

HSDPA流业务M-LWDF分组调度算法性能

在高速下行分组接入(HSDPA)系统中,无线资源管理功能主要利用分组调度算法来实现.介绍了HSDPA成熟的实时业务调度算法M-LWDF,针对其在公平性方面的缺陷,对此算法进行了改进.通过引入最小吞吐量来保证提高用户信道条件差的用户优先级,并对这2种算法在公平性和吞吐量等方面进行比较分析.仿真结果表明,改进的M_LWDF算法比原M_LWDF算法更加合理,提高了信道质量差的用户优先级,但是此公平性是以吞吐量的降低为代价的.     

LTE 网络控制信道和业务信道联合调度策略

为了充分地考虑控制信道与业务信道之间的相互影响, 提出基于用户业务需求和基于控制信道调度效率的两种控制信道和业务信道联合资源调度算法。这两种联合信道调度策略均基于以网络吞吐量最大化为目标的最小聚合等级?最大载干比(minimal aggregation-maximal carrier to interference, Min AL-Max C/I)算法提出。在长期演进(long time evolution, LTE)系统级仿真平台中, 将提出的联合资源调度策略与Min AL-Max C/I 算法进行对比。仿真结果与理论推导的结论一致, 证明基于业务需求的联合调度算法优先调度业务需求最大的用户, 所以能获得用户吞吐性能的最优。基于控制信道策略的联合调度算法是从控制信道调度效率最大化的角度出发, 优先调度控制信道调度效率最大的用户, 在控制信道受限的条件下, 能够实现网络吞吐的最大化。