蜂窝网络下中继D2D系统的保密速率研究

对蜂窝网络下中继D2D系统中蜂窝用户的物理层安全性能进行了研究,实现了既满足D2D对的传输速率要求,又提升蜂窝用户的保密速率的双赢局面.在空闲的蜂窝用户中挑选中继节点,将D2D对的干扰看作友好干扰,构建了多约束的非凸混合整数优化模型,通过分层求解,提出了单用户场景下的功率控制算法和多用户场景下的信道分配算法.仿真结果表明:功率和信道的联合优化算法与通信系统中随机接入算法相比,能够在满足约束条件的同时提升蜂窝用户的保密速率,增强物理层安全性能.     

基于深度学习的D2D毫米波通信中继选择

针对毫米波(mmWave)环境下,设备到设备(D2D)直接通信链路遇到阻碍时的中继选择问题,提出一种基于深度学习的解决方案.采用卷积神经网络(CNN)框架构建能够成功决策和精确预测的智能模型,并基于能量效率最大准则,实现最优化D2D中继链路选择.仿真实验采用毫米波多天线MIMO数据集对所提模型进行了训练和测试.仿真结果表明,提出的基于深度学习的中继选择方案在吞吐量和能量效率方面优于常用的基于快速频率切换的解决方案.     

能量获取D2D异构网络中频效优化的资源管理算法

研究能量获取D2D异构网络中频谱效率优化的资源管理问题,包括D2D的通信模式选择、基站选择、信道分配、功率分配、传输时间分配,同时考虑蜂窝用户的QoS约束、能量获取约束、传输时间约束。构建的数学模型是一个混合整数非线性规划问题,为了解决该问题,基于凸优化理论、拉格朗日乘子法、可行方向法进行求解,对构建的数学模型进行化简,提出最大化频谱效率的资源管理算法SERM。研究结果表明:SERM算法对各种网络场景都能够收敛,并且能够最大化频谱效率。     

基于SWIPT的双向中继CR-NOMA系统研究

针对现有研究中CR-NOMA(认知无线电非正交多址接入)系统均配置单向中继,频谱利用率和能源利用率低的缺点,提出在CR-NOMA系统中通过双向中继辅助用户传输,并且中继采用无线信息和能量同时传输的方式.推导出在用户服务质量和最小能量捕获等约束条件下的次用户传输能效,将目标函数转化为单目标问题分别求解;利用交替迭代算法,对中继发射功率和功率分配因子等单目标最优解进行联合优化,以最大化次用户系统传输能效.仿真结果表明:与传统单向中继系统相比,所提方案在提高频谱利用率的同时,次用户传输能效也提高了45%.     

基于干扰感知的双路径译码转发中继选择算法

双路径中继协议(two-path relaying,TPR)可以很大程度改善由于中继半双工产生的频谱效率损失,然而双路径中继协议的中继节点间干扰会严重影响系统传输速率,为此本文针对译码转发双路径中继协议,提出了一种启发性中继选择算法以最大化系统的传输速率性能.不同于现有的中继选择算法,该算法考虑了中继间干扰,其设计原则不仅基于当前时隙信道状态,还取决于被选中中继节点的上一时隙的信道状态.仿真结果证明启发式中继选择(heuristil relay selection,HRS)算法能够克服中继间干扰问题,以较低复杂度改善系统平均传输速率.     

异构网络中D2D终端无线能量收集方案研究

为保证小区边缘用户(cell edge user,CEU)的通信质量,同时提高系统频谱和能量效率,针对D2D(device-to-device)发射机,提出一种无线能量收集方案.在3层异构网(heterogeneous networks,HetNets)中,基于小区分割因子,将宏小区用户(macrocell user,MU)划分为小区中心用户(cell center user,CCU)和CEU.同时,将频带划分成小区中心区域(cell center region,CCR)频带和小区边缘区域(cell edge region,CER)频带.其中,CCR频段由CCU和毫微微小区用户(femtocell users,FUs)共享,而CER频段由D2D用户和CEU共享.在此网络部署下,能量约束D2D终端可以从CCU和CEU附近的射频(radio frequency,RF)干扰中及FU附近的RF信号中收集能量.基于稀疏泊松点过程模型,对CCU,CEU和FU上行链路的覆盖概率以及D2D传输做了全面研究.数值和仿真结果表明,所提方案能有效改善网络的能量和频谱效率.     

中继网络中基于能量效率的动态用户接入算法

为了解决中继网络中基于能量效率的用户接入问题,将用户数据需求严格受限下基于能量效率最优的动态用户接入问题建模为一个整数优化问题,该问题类似于一个NP-hard的多维背包问题.首先,采用穷搜法分析了该问题最优解的复杂度.然后,提出了一种低复杂度、高效的基于能量效率的动态用户接入算法(UAEEM).该算法在保证用户数据需求严格受限的前提下,按照系统射频端和电路端的能量效率最大原则,动态调整用户归属和中继的工作状态,以实现网络能量效率最大化.最后,通过仿真实验验证所提算法性能.结果表明,UAEEM算法能显著提高系统的能量效率、降低系统的计算复杂度,且其性能接近最优解.     

基站覆盖下D2D两跳传输的功率控制

设备到设备(D2D,device to device)技术是当今无线通信研究的关键技术之一.在单小区场景下引入了多跳D2D通信系统功率控制算法.在该场景下,多条D2D链路间通过复用频带来通信,同一D2D链路的用户采用两时隙的两跳解码转发中继(DF,Decode and forward)方式传输信息.不同链路两时隙之间非完全同步下,使用了同一频带的中继会相互干扰.作者提出的功率控制算法先引入松弛因子得到功率闭式解,通过迭代优化该问题中用户的发射功率,来减少中继间的同频干扰.最后,通过数值仿真证明,在D2D系统中加入该功率控制算法后,可一定程度上提升用户传输速率.正随着无线通信技术的发展,作为下一代无线通信系统中的重要组成Device to Device(D2D)通信系统,在LTE-A[1]通信系统中引起了人们的广泛关注,D2D技术对基站负担增加不大的情况下,能够有效地提高通信速率.并且D2D通信系统的频谱分配较为灵活,既可使用小区的频段,又可以使用公共频段,如Wi MAX[2]频段,进一步提高了系统的频谱利用率.在文献[3-7]中,Klaus Doppler、Kaufman等人从不同角度提出了D2D建模方法和解决方案.文献     

D2D通信中基于Q学习的联合资源分配与功率控制算法

D2D(Device to Device)通信可实现距离相近的用户设备直接通信,有效地提升系统的吞吐量,获得高频谱效率和能量效率,但D2D通信共享蜂窝网络频谱资源时,会造成蜂窝网络与D2D链路严重的层间干扰.为减少层间干扰带来的影响,提出一种基于Q学习的联合资源分配与功率控制算法.从Q学习的角度来构建数学模型,将蜂窝网络中的多个D2D用户对视为多智能体学习者,利用历史状态(历史吞吐量和功率值),不需要精确的信道状态信息(Channel State Information,CSI)和互干扰等先验知识,通过Q学习算法,学习得到分布式的信道选择和功率控制的联合最优策略.可以动态调整D2D用户功率,在保证蜂窝用户服务质量的前提下,通过D2D功率控制获得最大化系统吞吐量.仿真结果表明,基于Q学习的联合资源分配与功率控制的算法有效提高了系统的吞吐量.     

基于干扰抑制区的D2D通信模式选择方案

设备到设备(Device to Device,D2D)直通技术通过复用蜂窝系统的频谱资源来提升频谱利用率,已经成为5G候选技术之一.然而,资源复用带来了干扰管理和通信模式选择等难题.为此,文中结合干扰管理研究D2D通信模式选择问题,与现有研究仅考虑D2D链路对蜂窝链路的干扰管理不同,文中同时考虑蜂窝用户和D2D链路的干...     

大规模天线全双工双向中继系统的干扰分析

针对全双工中继的残留回路干扰(RLI)和大规模多输入多输出(Massive MIMO)的导频污染问题,研究了一个多对用户的全双工双向中继系统,其中用户均为单天线,中继对信号进行最大比合并/最大比发射波束赋形,信道估计阶段使用长度为τ的导频序列,且τ=K.理论分析得出,当中继的收发天线数均趋于无穷大时,全双工中继的RLI和导频污染同时趋于零,并且用户对之间干扰和噪声均被消除.仿真结果证实了上述理论分析,并且随着中继天线数的增大,系统的频谱效率和能量效率将逐渐提高.进一步仿真表明,当中继的收发天线数大于160时,全双工双向中继系统的频谱效率优于半双工双向中继系统,继而优于全双工单向中继系统,并且优势随着天线数的增大更为显著.因此,大规模天线的全双工双向中继相较传统的中继系统具有更好的通信效率.     

基于距离和系统吞吐量最大化的D2D上行链路资源分配方案

终端直连(Device-to-Device,D2D)通信的研究主要关注的是蜂窝用户(Cellular User, CU)和D2D用户之间存在的干扰问题, 而解决该问题的方法是进行合理的资源分配,但以往的研究大都仅考虑D2D用户之间的通信质量或仅考虑CU用户的可靠性,却忽视了系统总吞吐量和资源复用效率的优化。本文基于D2D用户、CU用户和基站(Base Station, BS)三者间的通信距离,提出了一种资源分配方案,该方案能结合资源复用函数矩阵进行预分组和资源选择,综合降低CU用户对D2D用户的干扰(Cellular-to-D2D, C2D)和D2D用户对CU用户的干扰(D2D-to-Cellular, D2C),同时保证CU用户和接入的D2D用户对都满足各自的通信服务质量(Quality-of-Service, QoS)要求。数值仿真结果表明,该方案与贪婪启发式算法相比,系统总吞吐量可以提升约4%,系统平均复用效率提高2倍以上。     

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。     

OFDM放大转发中继系统信息与能量同传优化算法研究

信息与能量同传是解决无线通信网络能量受限问题的有效技术.文章针对能量受限无线中继的OFDM放大转发中继系统,研究信息与能量同传的快速优化算法,在提高系统端到端传输速率性能的同时,延长中继结点电池的使用寿命.1研究了OFDM放大转发中继系统的最优能量传输和子载波配对方案;2将信息传输功率分配和能量传输时间优化问题形成为具有非凸目标函数和非凸能量收集约束的非凸优化问题;3通过分式规划问题优化方法和CCCP(Constrained Concave Convex Procedure)方法对该非凸优化问题进行求解,提出了相应的资源分配优化算法.仿真结果表明,与已有算法相比,文章提出的资源分配优化算法可明显提高信息与能量同传OFDM AF中继系统的速率性能.     

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.     

基于干扰效率的认知OFDMA网络功率分配算法

为了提高认知无线电网络的系统能量效率,同时减小对频谱授权者主用户的干扰,提出了一种新的下行传输干扰效率最大的认知正交频分多址接入(orthogonal frequency division multiplexing access, OFDMA)网络功率分配算法。干扰效率定义为次用户总的传输速率与对主用户总干扰功率的比值。由于原资源分配问题是一个非凸形式的分式规划问题,难以获得功率分配问题的解析解。利用Dinkelbach方法将原问题转换为一个凸优化问题,并利用拉格朗日对偶原理和次梯度更新算法来获得解析解。最后,仿真结果表明,该算法具有较好的收敛性能,并且在干扰效率、对主用户的干扰控制方面都优于传统能效最大的功率分配算法。     

CR-NOMA双向中继自干扰能量回收传输方法

针对单向中继自干扰能量收集的认知无线电系统中,窃听用户的接入概率增加,从而影响次用户物理层安全性能的问题,在认知无线电非正交多址接入系统中通过双向中继辅助次用户传输,同时在中继能量捕获受限等约束条件下,最大化弱用户物理层安全速率.由于优化问题为复杂的非凸问题,因此根据半定松弛理论将其转化为凸问题,并通过迭代算法对信号协方差矩阵、中继发送和接收的功率分配因子进行联合优化,进而得到弱用户物理层安全速率的全局最优解.仿真结果表明:与单向中继自干扰能量收集相比,在保证中继节点收集能量和强用户安全传输条件下,弱用户物理层安全速率提高了15.4%.     

一种基于用户位置的设备到设备模式选择和资源分配方案

在蜂窝网络中通过复用蜂窝系统中已使用的频谱资源,来增加蜂窝系统的频谱利用率,减少基站的负载,同时通过基于用户位置的设备到设备(D2D)模式选择和资源分配算法,达到减少同频率之间的用户干扰,降低用户的传输功率的目的.仿真结果显示,相比于传统的蜂窝通信和随机的资源分配模式,基于用户位置的D2D模式选择和资源分配有效地提高了系统总容量,减少了用户之间的干扰.     

全双工双向中继系统的功率分配方案

提出了最大化系统的频谱效率(SE)和能量效率(EE)两种功率分配方案.EE优化问题用迭代算法求解,首先运用分式规划的方法把优化问题转变成易求解的非分式优化问题,然后运用Dinkelbach算法求得用户节点的最佳功率,再运用一维搜索求得最佳中继放大系数,最后利用迭代算法求得EE最大值.SE优化问题同样用迭代算法求解.仿真结果显示,针对不同目标函数的两种功率分配方案分别提高了系统的EE和SE,同时迭代算法能够快速收敛获得最优解.     

认知D2D网络中基于博弈论的高能效干扰约束资源分配算法

针对认知网络中多个D2D(device-to-device)用户以Underlay模式复用蜂窝用户的频谱资源时的同频干扰和能耗增加问题,提出了认知网络中基于博弈论的最大化用户能效(energy-efficiency,EE)的D2D通信资源分配算法。不同于以前工作,在满足特定干扰门限的条件下,侧重对能效进行优化,且不牺牲系统容量。建立Underlay模式下认知D2D通信博弈模型,将D2D用户(device-to-device,DUE)作为跟随者复用蜂窝用户(cellular user,CUE)上行链路的频谱资源,由于每个用户都具有自私特性想要最大化自身的能效,所以该资源分配问题可以模拟为非协作博弈问题。在干扰门限的约束条件下构造了相应的效用函数,利用拉格朗日对偶方法求解此优化问题,得到用户的最优发送功率,保证了用户的功率和链路速率的均衡,并分析了算法复杂性。仿真结果表明,该方案能够提高用户能效和链路平均能效,改善系统总功耗及系统的容量等性能。