一种基于业务优先级的跨层资源分配算法

提出了一种多用户MIMOOFDM系统中满足多种业务用户QoS需求的跨层自适应资源分配算法.利用各种业务的优先级在发送功率一定的条件下以吞吐量最大化为目标首先分配子载波,再分配子载波的出特和功率,最后分配空间子信道的比特和功率.仿真结果表明提出的算法能够根据信道条件在满足各种业务用户QoS需求的情况下动态的分配资源,而且能够有效的提高系统的吞吐量.     

放大转发中继系统中基于SCMA的能效资源分配方案

放大转发中继系统中,以提升能效为目标,在保障各用户的最小速率需求下,提出一种子载波顺序配对以及稀疏码分多址(sparse code division multiple access, SCMA)码本功率联合资源分配算法。将能效资源分配建模为一个混合型整数优化问题,并将其拆分为子载波配对和码本及功率分配两个独立的子问题。首先,预设码本和功率分配,基于能效对子载波进行配对。然后,在子载波固定配对的情况下,基于能效码本采用最优信道选择的分配方法,功率问题转化为含有参量的凹函数,构建拉格朗日函数进行迭代求解。最后,码本和功率交替迭代优化直至收敛。仿真表明,所提算法较其他方案可以提升约29%的系统平均能效,同时也保证了每个用户的最小速率需求。     

适用于异构QoS环境的伺机频谱接入策略设计

针对认知无线电网络(Cognitive Radio Network,CRN)中认知无线电(Cognitive Radio,CR)用户单信道伺机频谱接入问题,从既满足CR用户各异的QoS需求又不对主用户(Primary Radio,PR)产生干扰的角度,定义新的度量指标CRN有效吞吐量,并以CRN有效吞吐量最大为目标建立单信道伺机频谱接入模型.提出基于最小速率差额的接入策略,给出相应的信道和功率分配算法(Minimum Rate Gap-based Channel and Power Allocation,MRG-CPA),并设计MAC协议以实现分布式接入.仿真结果表明,与现有的降序最佳适应算法、降序首次适应算法和基于最小速率需求的功率分配算法相比,MRG-CPA不仅提供较大的CRN有效吞吐量,并且提高CR用户QoS保证率.     

NOMA系统在下行链路中的功率分配

为了满足非正交多址接入(non-orthogonal multiple access,NOMA)系统下行链路的一个多用户集群中不同用户的业务需求,提出了具有用户服务质量(quality of service,QoS)保证与最大最小(max-min)公平性准则的功率分配算法。针对不同用户需求,制定了在基站发射总功率与用户满足的最低速率要求约束下的max-min公平准则的优化问题模型,并利用二分法与Karush-Kuhn-Tucker(KKT)条件对复杂的非凸问题进行求解。仿真结果表明,该功率分配算法既保证了用户的QoS要求又满足了用户的公平性准则,并且NOMA系统的吞吐量相较于传统多址接入系统的吞吐量有较大的提升。     

一种基于合作博弈框架的跨层资源分配算法

针对多用户MIMO-OFDM系统的下行链路提出了一种基于合作博弈框架的跨层资源分配算法,结合MAC层的QoS要求得出用户速率限制条件,建立了基于RBS议价方案的优化模型.以 RBS 的 Pareto 最优解为目标,在满足用户的最大和最小速率基础上使得用户速率尽可能接近Pareto 最优解.仿真表明,算法较好的平衡了用户速率与公平性,并满足了MAC层的丢包率要求.     

基于信道统计量信息的中继OFDMA系统资源分配

研究了正交频分多址（OFDMA）两跳中继网络的资源分配问题。假设系统只有用户的信道统计量信息,基于用户的速率和中断容量要求,提出了自适应的中继选择、功率和子载波分配的优化问题;在保证每个用户最小速率需求情况下,使系统的总发射功率最小。应用对偶优化方法,导出了资源分配的最优解。此外,为了降低资源分配算法的复杂性,分别研究了基于信道统计量的贪婪算法和半分布式算法。仿真结果表明,提出的算法和无中继系统比较有很大的性能改进。     

802.11ax系统中基于OFDMA调度接入的公平性资源分配算法

针对802.11ax系统中基于正交频分多址接入(orthogonal frequency division multiple access, OFDMA)调度接入的上行多用户传输链路, 提出了基于能量效率的公平性子信道匹配和功率分配算法。根据基于能量效率的上行链路模型, 提出资源块(resource unit, RU)数量确定算法和独立子信道匹配与功率分配算法; 进而针对独立分配中频谱利用不足和功率分配不合理的问题, 提出改进的联合子信道和功率迭代分配算法, 通过应用广义分式规划, 改写约束条件并在目标函数中加入惩罚项来松弛整型变量, 进一步用序列凸规划(sequential convex programming, SCP)来求解。仿真结果表明, 通过独立和联合迭代分配功率和子信道, 系统中用户的能量效率相对原有算法得到提升的同时兼顾了用户间的公平性。     

去蜂窝大规模MIMO系统功率控制算法

针对移动通信流量需求持续增长的需求, 同时考虑用户接入点选择和下行功率控制, 对去蜂窝大规模多输入多输出(multiple input multiple output, MIMO)系统的用户体验进行优化。基于最大信号干扰加噪声比, 为每个用户选择有效的服务接入点子集。在此基础上, 针对为不同优先级用户提供不同服务质量的目标, 建立长期功率约束下的下行链路加权功率控制优化问题模型。将该问题转化为凸优化问题, 求解得出一组优化的下行链路功率控制系数。算法经仿真验证, 能将去蜂窝大规模MIMO系统的95%用户频谱效率提升约11倍, 同时有效提升高优先级用户的体验, 对于去蜂窝大规模MIMO系统的研究具有一定参考意义。     

能量有效的NOMA多用户-多信道匹配算法

针对非理想信道状态信息(channel state information, CSI)下面向海量用户的无线资源高效分配难题,通过引入非正交多址(non-orthogonal multiple access, NOMA)技术提出了一种能量有效的多用户-多信道匹配方案。首先,考虑用户中断概率约束,建立以最大化系统能量效率为目标的非理想CSI蜂窝下行NOMA系统信道和功率联合分配优化问题;然后,将建立的含概率约束的优化问题转化为非概率约束优化问题,并从中解耦出用户-信道匹配优化问题;最后,将面向能量效率的NOMA用户-信道匹配优化问题映射为婚姻匹配问题,进而提出一种高效低复杂度的双边匹配算法实现了多用户-多信道的动态匹配。仿真结果表明,提出的匹配算法性能优于传统匹配算法,能够提供更高的系统能效、实现更低的用户中断概率且收敛速度更快。     

femtocell双层网络中基于分簇的资源分配

针对异构网络中毫微微小区(femtocell)之间的同层干扰和femtocell与宏小区(macrocell)之间的跨层干扰,提出一种基于分簇的资源管理方案。该方案包括两部分:第1部分是宏基站(macrocell base station,MBS)利用三轮子信道分配算法为宏用户分配子信道,再采用注水算法分配功率;第2部分首先采用遗传模拟退火算法为femtocell分簇,再利用启发式算法和卡罗需-库恩-塔克(Karush-Kuhn-Tucker,KKT)条件为毫微微用户分别分配子信道和功率。仿真结果表明,该方案有效地抑制了网络中的这两种干扰,满足了用户的数据速率需求,有效地提高了频谱效率。     

一种支持多用户QoS的跨层资源分配策略

提出了一种多用户OFDM系统中支持QoS的跨层资源分配策略。在MAC层采用有限长用户缓存模型,推导了丢包率要求引起的用户速率限制条件,将其作为跨层信息指导物理层资源分配过程。根据等待时延对用户进行分级,在保证所有用户QoS的前提下为高级用户优先分配子载波和功率。仿真表明,在报文到达率较高的情况下该策略既保证了吞吐量,又降低了系统丢包率。     

非完美信道信息下LTE-V2V通信最优功率控制

针对非完美信道状态信息下LTE-V2V (long-term-evolution vehicle-to-vehicle)通信系统中V2V用户与蜂窝用户频谱复用带来的共道干扰问题,提出了一种以最大化能效为目标的最优功率控制方案。该方案通过V2V用户间通信距离的变化来刻画车载通信的时变特性,并利用随机几何理论对LTE-V2V通信系统中的共道干扰进行数学建模。同时,在蜂窝用户的中断概率和V2V用户最大功率约束条件下,得到V2V用户传输功率的可行域。并在此基础上,建立起最大化V2V用户能效目标函数,求解得到V2V用户的最优功率。数值分析表明,通过调整V2V用户的接入密度可最大化平均和速率,并且在不同V2V用户最大通信距离下,提出的功率控制方法所对应的能效均大于先前的最大功率分配方法所对应的能效。     

基于用户QoS的MIMO/OFDM系统资源分配研究

在多用户、多天线环境下的正交频分复用(OFDM)系统中,提出一个低复杂度的自适应资源分配方案。包括自适应子载波分配、功率分配以及波束成型等。目的就是在保障各用户的服务质量要求(QoS)(即包括传输速率和比特误码率(BER)要求)的同时,最小化总的发射功率。利用随机矩阵和排序统计的理论知识,进行详细的性能分析。理论分析和仿真试验都表明,该方案可以有效地保障用户的QoS,并提高系统的整体性能。最后,仿真结果也验证了理论分析的正确性。     

毫米波大规模MIMO-NOMA系统中基于动态子连接混合结构的预编码设计

针对毫米波大规模多输入多输出-非正交多址接入(massive multiple input multiple output non-orthogonal multiple access, mMIMO-NOMA)系统硬件成本和功耗过大问题, 基于动态子连接混合结构(dynamically sub-connected hybrid architecture, DSC-HA), 提出一种高效预编码方案。首先,在用户分组的基础上, 基于等效信道增益最大化原则, 利用Kuhn-Munkras算法匹配各NOMA簇用户的信道状态信息, 以实现动态天线分组, 进而完成模拟预编码设计。接着, 利用NOMA簇内强用户的等效信道来实现数字预编码设计, 以减小簇间干扰。最后, 通过优化簇内用户间功率分配来减小簇内用户间干扰。仿真结果表明, 基于DSC-HA的预编码方案不但系统和速率优于基于子连接混合结构的预编码方案, 而且能效明显优于基于全连接混合结构和基于全数字结构的预编码方案。     

基于公平度和惩罚函数的OFDMA自适应资源分配

针对基于速率自适应准则的正交频分多址自适应资源分配中系统容量和用户公平度的问题,提出了一种采用子载波分配和功率分配两步来解决该问题的新方案。该方案主要通过基于公平度的子载波分配算法和基于惩罚函数的功率分配算法来实现。在子载波分配算法中,当满足公平度约束时就提高系统的容量,否则就提升用户的公平度。而子载波分配后,并不能较好地兼顾系统容量和用户公平度。所以,在功率分配算法中,又基于惩罚函数提出了一种新的功率寻优策略,并且该策略利用基于模拟退火思想的改进人工蜂群算法来实现系统容量和用户公平度的折中。仿真结果表明所提出的方案不仅可以有效地提升系统容量,同时也可以实现给定的公平度约束,进而证明所提方案的有效性。     

认知无线网络中准入控制和功率控制联合优化

提出了一种基于离散的粒子群算法和单纯形法的优化机制来实现准入控制和功率控制的联合优化方案。在主用户干扰温度门限和次用户QoS的约束下,将准入控制建模成0/1组合优化问题,并将功率控制建模成线性约束问题,由于准入控制是NP难,该方案将准入控制和功率控制进行加权规划进行优化,同时,为降低计算复杂度,提出一种针对准入控制组合优化的可行性验证方法。并且针对离散的粒子群算法的收敛性进行了证明。仿真与分析表明,该方案具有收敛性,相比其他优化方案,能更有效地提高用户准入量并降低用户功率消耗,提高网络性能。     

一种提供QoS保证的公平跨层资源分配方案

提出了一种基于正交频分多址接入（orthogonal frequency division multiple access, OFDMA）系统的跨层资源分配方案。在保证各种业务服务质量（quality of service, QoS）要求的基础上,以获取系统最大吞吐量为目标,兼顾用户之间资源分配的比例公平性。该方案充分考虑了媒体接入控制（media access control, MAC）层各种业务的QoS要求和无线信道的大尺度衰落特性,将MAC层的分组调度与物理层的资源分配进行联合设计,MAC层根据物理层分配给每个用户的时变信道容量进行分组调度,物理层根据MAC层中各用户的队列状态信息为每个用户分配信道资源。仿真结果表明,该方案可以满足多用户各种业务的QoS要求,与采用等功率分配的依赖信道状态的分组调度（channel state dependent packet scheduling, CSDPS）算法相比可以提高系统下行总吞吐量,且较好地改善具有不同路径损耗的用户之间的公平性。     

云边协同系统中基于博弈论的资源分配与任务卸载方案

综合考虑时延、能耗和计算资源成本，构建云边协同系统中的效用最大化问题，并将其分解为计算资源分配、上行功率分配和任务卸载策略三个子问题。提出一种基于博弈论的资源分配和任务卸载方案（game-based resource allocation and task offloading， GRATO） 以分别解决上述子问题。利用凸优化条件求得计算资源分配最优解；设计一种低复杂度的上行功率分配方法用于降低无线干扰；针对任务卸载策略优化问题，提出一种基于博弈论的分布式任务卸载算法（game-based distributed task offloading algorithm， GDTOA）。仿真结果表明，GRATO方案在时延和能耗方面的性能优于其他方案，还可以感知用户的优先级，使紧急用户具有更高的效用和更低的时延。     

超密集网络中基于聚类的资源分配方案

超密集网络(ultra-dense network, UDN)中,毫微微基站(femto-cell base station, FBS)的密集和随机部署会导致严重的小区间干扰。为了减轻干扰、保障用户服务质量(quality of service, QoS),提出了一种UDN中基于聚类的资源分配方案。首先,设计了一种基于加权密度的改进K-means聚类算法,将FBS动态划分为不同的簇。然后,以最大化UDN系统吞吐量为目标提出了一种两阶段时频资源分配方案:第一阶段,每个聚类内使用贪婪算法执行时频资源块的分配;第二阶段,利用资源补偿分配算法分配剩余的资源块,在考虑用户公平性的同时保证用户QoS。仿真结果表明,本文提出的资源分配方案能够有效提升系统吞吐量,同时保证用户QoS和公平性。