基于绿色通信的大规模多输入多输出天线选择算法

绿色通信是移动通信系统(例如5G系统)的主要特征之一。在大规模多输入多输出(multiple-input multiple-output, MIMO)系统中如何提高能源效率是一个重要研究课题,天线选择是提高能源效率的有效方法。现有的天线选择算法有些是局部优化,有些是单目标优化,为克服这些缺点,提出了基于博弈论的大规模MIMO天线选择算法。该算法通过系统容量和发射功率构造博弈的效用函数,每进行一次博弈都得到一组天线,在博弈达到均衡时,能源效率取得最大值。文中给出了纳什均衡存在性证明,也推导了纳什均衡点与能源效率之间的等价。仿真结果表明,采用博弈论算法能够克服局部优化,在保持信道容量较高的同时也提高了能源效率,可见该算法在能源效率上的提高有助于实现绿色通信。     

基于MMSE预编码天线选择的空间调制大规模MIMO系统性能研究

为提高大规模MIMO系统的可靠性及满足未来绿色高效通信的要求,本文提出了大规模MIMO系统中基于MMSE预编码技术的收信端天线选择算法,对基于MMSE预编码的空间调制大规模MIMO系统进行了仿真实验,并进行了复杂度分析.实验结果表明,基于MMSE预编码的天线选择算法相比于文献[6]已提出的ZF预编码天线选择算法,复杂度略有增加,但误比特率在系统相同配置时约有2 d B的提高.     

大规模MIMO系统能效优化算法研究综述

随着移动用户数与高速数据业务应用的快速增长,满足下一代网络更高频效和能效需求的大规模多输入多输出(multiple-input multiple-output,MIMO)技术成为5G的研究热点。天线数目的增加,导致大规模MIMO系统的能耗也将急剧增加。优化大规模MIMO系统能效以实现绿色通信成为5G资源管理的一项重要研究课题。针对该问题,对大规模MIMO能效优化算法进行了综述与展望。介绍了大规模MIMO系统能效模型,综述了大规模MIMO系统能效优化算法研究现状,包括基于天线选择的能效优化、基于功率分配的能效优化、频效和能效的折中和多参数联合优化能效;探讨了学术界在大规模MIMO系统能效优化算法上的重要研究成果;总结了当前研究中存在的主要问题,展望了大规模MIMO系统能效优化未来的研究趋势。     

大规模MIMO信号检测算法研究

大规模MIMO技术通过增加基站天线数大幅提高系统频谱效率和能量效率,是未来5G移动通信网络的关键技术。文中在大规模MIMO系统模型下,对多种信号检测算法进行仿真,研究其性能,对大规模MIMO技术的实际应用具有一定的指导意义。对仿真结果的分析表明,当基站天线数远远大于用户数时,简单的线性信号检测算法也能达到很好的系统性能。     

基于博弈论的绿色供应链减量化生产效率比较

绿色供应链是供应链概念的拓展和延伸，它是以减少自然资源消耗和保护环境为概念的新型供应链．为了研究不同市场结构下的绿色供应链效率，应用博弈论分析了单一制造商和单一供应商组成的绿色供应链减量化生产效率问题，分别得到了两种非合作博弈的均衡解（斯坦克尔博格均衡和纳什均衡），并比较了两种博弈情况下的效率优劣．     

认知MIMO无线网络中的多买家动态频谱接入技术

研究了认知MIMO无线网络中基于博弈论的动态频谱接入技术,以使得具有不同风险偏好的次级用户(买家)可以动态地选择竞标策略,同时主用户也可以根据系统情况,自适应地调整拍卖机制。基于非合作博弈设计了一个有限离散博弈模型,该博弈至少有一个混合策略的纳什均衡。基于自动学习机的概念,设计了一个有限反馈的分布式随机学习算法。仿真结果表明,所设计的算法具有良好的性能,与传统的固定竞拍机制和随机的选择竞价策略相比,该算法能够帮助主用户获得更高的利润,且让次级用户根据自身的风险偏好,选择一个合理的竞拍策略。     

基于博弈论的多机器人任务分配算法

为了寻找一种合理有效的多机器人任务分配算法,基于多机器人协作救火任务环境,以博弈论纳什均衡为基础,研究多机器人的任务分配问题。根据任务模型特点和纳什均衡的主要特征提出了一种基于博弈论的任务分配算法。博弈的效用函数同时考虑了距离、火势和燃烧时间等因素,机器人根据此效用函数选择行为策略,促使机器人尽快扑灭惩罚值较大的火灾而获得较大的奖励值。利用任务总收益函数值的大小评价算法的优劣性。收益函数与火势、燃烧时间和机器人扑灭火灾数有关,这切合实际救火模型。实验结果证明了该任务分配算法的有效性。     

MIMO系统中一种新的接收天线选择算法

在瑞利衰落信道条件下，通过天线选择可以提高多输入多输出（MIMO）系统的容量，并能有效地降低MIMO系统的复杂度和射频成本，天线选择算法也成为问题的关键。对接收天线选择算法进行了研究，通过连续选择使MIMO系统容量增加最大的天线的方法，用矩阵及行列式运算导出了一种新的接收天线选择算法，并通过仿真和分析与其它算法进行了比较。仿真结果表明，新算法在信噪比较小时，有最大的遍历性容量（ergodic capacity）、中断容量（outage capacity）；在信噪比较大时，同其它算法结果十分接近。新算法更适合于在信噪比较小（信号弱或信遭受噪声恶化严重）时使用。将新算法同Alkhansari算法结合起来，结果更好。     

基于博弈论的认知无线电的频谱负载平衡

为了提高频谱资源的使用效率并在分布环境下支持QoS,提出认知无线电系统中基于博弈论的频谱负载平衡算法。通过构造支付函数,建立了负载平衡问题的非合作博弈数学模型,利用最佳响应求得纳什均衡解,根据各分配请求的QoS要求应用均衡战略来调整资源分配,以达到频谱利用最优化的目的。仿真表明：该算法可以在避免干扰的情况下有效地利用带宽资源,实现负载均衡;算法的收敛性也得到验证。     

基于博弈论的认知无线电的频谱负载平衡

为了提高频谱资源的使用效率并在分布环境下支持QoS,提出认知无线电系统中基于博弈论的频谱负载平衡算法。通过构造支付函数,建立了负载平衡问题的非合作博弈数学模型,利用最佳响应求得纳什均衡解,根据各分配请求的QoS要求应用均衡战略来调整资源分配,以达到频谱利用最优化的目的。仿真表明:该算法可以在避免干扰的情况下有效地利用带宽资源,实现负载均衡;算法的收敛性也得到验证。