一种使用对偶分解的OFDM下行无线资源分配算法

为OFDM下行系统提出一种基于对偶分解理论的无线资源分配算法.该算法在保证各用户最小平均数据速率要求的情况下,最大化系统的总吞吐量.算法采用了以用户为中心的分解方法,将资源分配问题分解为一个主问题和若干子问题,并基于此构建出一种全新的分布式结构进行资源分配.在该结构中,用户参与子问题的求解,从而显著的降低了计算复杂度和反馈开销.计算机仿真结果表明,在各种无线环境中,该算法均以很低的反馈开销提供了很高的系统吞吐量.     

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.     

最小中断概率的无线协作多播网络资源分配

研究了基于正交频分多址(OFDMA)无线协作多播系统的资源分配问题,该系统的资源分配中只有用户的平均信道状态信息可用.由于瞬时深衰落的影响,不可能保证每一个多播数据的成功传输,因此为了达到有效可靠的传输,利用协作分集带来的潜在增益,提出了协作的联合子载波和功率分配算法来最小化多播传输的中断概率.由于联合分配问题有很高的计算复杂度,因此提出了次优化的分配算法.在子载波分配阶段提出了比例协作子载波分配算法(CP)来实现吞吐量和公平性的折中.在功率分配阶段采用迭代功率分配算法(IP)来有效地利用有限的功率.仿真结果表明所提出的协作算法的性能明显优于传统的非协作算法.     

一种新的基于遗传算法的OFDM系统跨层资源分配方案

在进行多用户OFDM系统的MAC层设计时,提出一种同时考虑应用层分组到达过程,用户时延QoS和物理层子载波信道条件的跨层资源分配方案.该方案将这三层综合成一个整体考虑,把问题归结为约束函数优化问题.为了有效解决该优化问题,又提出一种低复杂度的基于精英选择的遗传算法.数值计算实例证明了所提算法的有效性,且其低复杂度使得它非常适用于实际系统中.     

基于进化策略和公平竞争的多用户OFDM系统资源分配

提出了一种用于多用户OFDM系统的资源分配算法(ESFC),能以低复杂度完成用户间的子载波、比特及功率分配,达到快速优化系统发射功率的目的。该算法同时考虑到动态业务的实时性和用户间的公平竞争性,将系统资源分配问题转化为数学模型的多约束优化求解问题。资源分配过程分为两个步骤,包括基于进化策略进行子载波分配和使用注水算法进行比特及功率分配。仿真结果表明:与现有算法相比,该算法能有效降低复杂度,在优化OFDM系统性能的同时兼顾了实时性需求,明显减少了运算量,能快速收敛到优化解。     

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。     

基于模糊聚类的D2D通信二次资源分配算法设计

针对D2D链路与蜂窝链路之间的同频干扰问题,提出了一种基于模糊聚类的二次资源分配算法.该算法采用了模糊聚类将干扰较大的D2D链路划分为一组,再用图着色进行组内一次资源分配,从而降低干扰并保证用户Qos需求和公平性.最后,采用Kuhn-munkres最优匹配算法进行二次分配来达到提高系统吞吐量的目的.通过计算机仿真可以看出,该算法既可以保证D2D用户的不同Qos需求,又提高了系统吞吐量和获得无线资源的公平性.     

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.     

单用户OFDM系统资源分配算法研究

介绍了一种基于贪婪算法的资源分配方案,该方案能够达到理想的效果,但其运算复杂度过大,不能满足实际的应用要求.给出了另一种更具应用意义的低复杂度资源分配算法,并进行了计算机仿真,仿真结果表明该算法在降低运算复杂度的同时仍然能够充分而又合理的利用有限的系统资源,以达到提高频谱利用率和提升系统容量的目的.     

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。     

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.     

基于容量最优化的D2D资源分配方法的研究

D2D(Device-to-Device)通信是一种在基站的控制下,允许终端之间通过复用小区资源直接通信的新型技术.它能够增加蜂窝通信系统频谱效率,降低终端发射功率,在一定程度上解决了无线通信系统频谱资源匮乏的问题.由于在未来的移动网络中有越来越多的异构设备,一个高效的资源分配方案必须最大限度地提高系统的吞吐量,并实现更高的频谱效率.资源分配方案是在保证小区用户吞吐量的前提下,使D2D用户获得最大的吞吐量,并在文献[7]的基础上给出了一个算法来解决这个问题.通过仿真表明,算法具有较低的时间复杂度,能够有效地提高系统的吞吐量.     

一种新型认知无线电资源分配跨层技术

为有效利用频谱资源,提高频谱效率,文中利用环境感知技术,设计出认知无线电跨层结构框架,提出一种新的功率控制博弈BPCG(Bandwidth and Power Control Game Algorithm)算法,研究不同用户的频谱带宽分配和功率控制,该算法在确保频谱带宽有效分配前提下,通过对用户功率的有效控制,实现网络总吞吐量的提高.仿真结果表明该算法在相同的功率消耗前提下,网络吞吐量显著提高,并随频谱带的增加,实现网络吞吐量的最大化.     

基于超模博弈的认知无线电频谱分配算法

为实现认知无线电系统吞吐量最大化的目标,以正交频分复用(orthogonal frequency division multiplexing,OFDM)为系统模型,提出了一种基于超模博弈的认知无线电频谱分配算法,该算法通过引入适当的价格函数来评估认知用户对主用户的影响,并以此为根据对认知用户施以一定的价格惩罚,最终达到减少认知用户时主用户干扰的目的.仿真结果表明,该算法最终能够达到收敛,降低了认知用户对主用户的干扰,明显地提高了系统的吞吐量.     

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.     

基于CC-RB算法的认知无线网络信道分配研究

针对基于规则的信道分配(RB: Rule Based)算法假设条件过于理想, 实际应用性不强的缺点, 在考虑各节点不同信道的吞吐量不同的基础上, 提出一种改进的基于信道容量的规则信道分配(CC-RB: Channel Capatty-Rule Based)算法。该算法引入信道容量矩阵, 在进行信道分配时为节点分配质量较好的信道。仿真结果表明, CC-RB 算法在复杂度增加不大的情况下, 系统吞吐量和公平性都较RB 算法有较大提高, 在干扰距离为100 m, 认知节点数为80 个时, CC-RB 算法比RB 算法的吞吐量增加了133%, 公平性增加了96%, 能更好满足实际需要。     

基于粒子群算法的认知无线电下行链路中的OFDMA资源分配算法

认知无线电技术是解决当前频谱资源紧缺情况的有效手段,其中功率和频谱联合分配问题是一个非常重要的环节.用一个联合矩阵代替传统的功率分配矩阵和频谱分配指示矩阵,以系统总发射功率最小和在不对主用户造成干扰的条件下最大化系统的吞吐量为目标,并应用粒子群算法求解该问题.重新设计了粒子群算法的位置和速度更新策略,更适合于求解联合优化问题.仿真结果表明,新算法复杂度要优于传统利用粒子群算法求解,且提高了系统吞吐量.     

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.     

多业务正交频分复用多址系统中的机会公平调度算法

研究了宽带正交频分复用多址(OFDMA)系统中存在多种不同业务时的无线资源管理问题,给出了多业务情况下基于效用公平的公平调度算法.仿真结果表明,基于效用公平的算法,可以保证各用户间的吞吐量符合比例公平原则,并能明显增加系统总吞吐量.     

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。