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.     

协作中继认知无线电中功率分配算法

基于协作中继的思想, 提出一种组成次用户协助主用户传输的系统模型, 用基于解码转发的Lagrange对偶优化功率分配算法进行功率分配, 解决了次用户接入主用户频段产生的干扰过大问题. 仿真结果表明, 该算法在保障次用户正常通信的前提下, 可大幅度降低对主用户的干扰, 即可有效增大主用户对外界环境的抵抗力, 并提高主用户的系统容量.     

协作中继认知无线电中功率分配算法

基于协作中继的思想, 提出一种组成次用户协助主用户传输的系统模型, 用基于解码转发的Lagrange对偶优化功率分配算法进行功率分配, 解决了次用户接入主用户频段产生的干扰过大问题. 仿真结果表明, 该算法在保障次用户正常通信的前提下, 可大幅度降低对主用户的干扰, 即可有效增大主用户对外界环境的抵抗力, 并提高主用户的系统容量.     

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.     

双层网络中一种协作博弈的动态资源分配方法

针对双层网络模型中宏小区用户层和毫微微小区用户层存在共信道信号互相干扰的问题,提出了一种协作博弈的动态资源分配(CGDRA)方法.该方法首先根据宏小区用户的路径损耗和QoS需求,对宏小区用户层的发射功率进行分配,然后以所有毫微微小区用户的数据速率之积作为效用函数,以毫微微小区用户的QoS需求为约束条件,构建了毫微微小区用户层总发射功率受限的协作博弈模型,并采用动态子载波分配算法和自适应功率分配算法得到了该博弈模型的低复杂度近似最优解,优化分配了毫微微小区用户的频谱资源和发射功率,提高了系统的传输速率.仿真结果表明:在双层网络中,CGDRA方法在系统数据速率和用户的公平性上获得了较好的折中;与最大最小公平性算法相比,系统的数据速率提高了30％;与最大速率算法相比更加公平.     

基于叠加调制和自适应功率分配的干扰抵消

为消除协作通信系统中各用户的相互干扰并自适应分配各用户的发送功率,提出基于叠加调制和自适应功率分配的多用户干扰抵消算法。各用户在发送自己信息的同时协助其他用户进行信息转发,采用联合设计的叠加调制函数形成重构信号,接收端利用该函数完成干扰消除。针对无线信道的多样性,以最大化系统容量为准则对各用户的重构信号进行自适应功率分配。多种网络模型中的仿真结果表明,本文算法能有效消除干扰,降低系统错误概率。相比结合固定功率分配的干扰抵消算法,该算法可获得1.5 dB的比特错误概率性能改善和5 dB的帧错误概率性能改善。     

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.     

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.     

CoMP系统中的天线选择和功率分配联合算法

在协作多点传输(coordinated multiple points transmission,CoMP)系统中,为了提高小区边缘用户传输速率和系统总吞吐量,提出了一种联合天线选择和功率分配的优化算法.在基于信道容量增量的天线选择策略(antenraselection lased on capacity increment,CIAS)中,推导了当用户端采用最大比合并时用户信道容量的表达式,并根据所设定的信道容量增量选择出所有满足条件的天线;在最优功率分配算法(optimal power allocation,OPA)中,推导了协作多点多用户系统中用户传输速率的表达式,在总功率受限的情况下通过采用优化的迭代功率分配算法,得到了最优的功率分配.理论分析和仿真结果表明,与等功率分配策略(equal power allocation,EPA)和功率与信道增益成正比的功率分配策略(proportion to channel gain,PCG)相比,联合了天线选择和功率分配的算法不仅能最大提升对边缘用户的传输速率,而且能更好地提高系统的信道容量.     

基于功率分配的双向协作频谱接入方法

提出了一种基于功率分配的双向协作频谱接入方法.在该方法中,认知用户通过双向协作的方式接入授权用户频谱,使用一部分功率转发授权用户信息,帮助授权用户达到目标速率,然后使用剩余的功率发送自己的信息.该方法研究了认知用户如何对功率进行分配,在保证授权用户达到目标速率的条件下,最大化认知用户的速率.仿真结果验证了所提频谱接入方法的有效性,同时说明授权用户和认知用户都能够从所提频谱接入方法中获得好处.     

基于超模博弈的认知无线Ad hoc网络分布式功率控制技术

考虑一种交织(Interweave)模式下的单跳认知无线Ad hoc网络(CRAHN)应用场景,针对次用户(SU)组成的Ad hoc网络提出一种分布式功率控制技术,以最大化提高次网络容量.SU网络通过频谱感知来探测主用户(PU)所在授权频段的使用情况.一旦授权频段空闲,次网络中的SU将利用授权频谱进行并发通信,目标是通过优化各SU的发射功率,以达到次网络频谱效率最大化.首先根据应用场景给出了网络容量优化近似模型,为了解决该非凸问题,将网络容量优化模型建立为等效博弈模型,并在不同的SINR条件下证明了Nash均衡的存在性和唯一性,最终提出基于Gradient Play的分布式功率控制算法来实现资源最优分配.仿真结果表明,该算法可在保证收敛性的同时、支持一定的并发通信用户数、提高该网络系统的频谱效率.     

能量有效的多小区OFDMA下行链路资源分配算法

为了实现多小区正交频分多址(OFDMA)下行链路资源动态分配,采用非合作博弈给出多小区OFDMA子信道分配和功率分配的联合博弈模型,各小区以最大化能量效率为目标实现资源动态分配.由于最优子信道和功率联合分配是NP-hard问题,为了求解联合博弈问题,首先,将其分解为子信道分配和功率分配2个子问题,然后,采用干扰信道增益比最小准则实现子信道分配,在此基础上,利用非合作博弈实现功率分配.理论分析显示:该博弈模型可表达为潜在博弈,从而保证了非合作博弈收敛于纳什均衡解.仿真结果表明:算法性能良好,虽然一定程度上降低了传输速率,但获得了较高的能量效率,实现了能量效率和传输速率折中.     

Bid Strategies of Primary Users in Double Spectrum Auctions

Extensive research in recent years has shown that dynamic spectrum sharing is a promising approach to address the artificial spectrum scarcity problem by improving spectrum utilization.This new communication paradigm,however,requires a well-designed spectrum allocation mechanism.This paper designs a double spectrum auction framework that allows unlicensed secondary users to obtain selected idle spectra assigned to licensed primary users.This is a win-win game because primary users can earn extra revenue and secondary users can obtain spectra they desperately need.The competition among primary users in the auction framework is studied combining game theory with a double spectrum auction in a non-cooperative game with the Nash Equilibrium (NE) as the best solution.Primary users use the prices obtained from the NE as their bid strategies to participate in the auction.In this auction sellers and buyers bid privately and confidentially,which means that the secondary users do not actually know the price and the spectrum size offered by the primary users,then a new net utility function was developed for the primary users with an iterative algorithm to find the Nash equilibrium point.Simulations demonstrate that this design effectively improves spectrum utilization.     

基于博弈论的协作超宽带系统资源分配算法

为使多用户协作超宽带系统的资源分配算法能在有效利用系统资源的同时满足用户的服务质量QoS(Quality of Service)公平性需求,在纳什议价解方法和凸优化理论基础上,将合作博弈论方法用于协作多频带超宽带系统的资源优化分配中。提出以最大化系统净效用为目标,以用户的QoS需求为公平性指标的协作超宽带系统协作伙伴选择算法和自适应功率分配算法。通过仿真与最大化系统速率（max-rate）和最大化最小用户速率(max min) 公平性算法作比较,证明了该资源分配方法在最大化系统速率和用户QoS公平性两方面有很好的折衷,适于超宽带系统。     

无线CDMA数据网络中功率控制的非合作博弈方法

宽带码分多址 (WCDMA)网络中功率控制是进行资源管理的核心手段。该文在 Goodm an的研究基础上提出了一种新的功率控制方法。无线数据网络中各个用户得到的服务质量用效用函数来表示 ,分布式功率控制被描述为一个非合作博弈的过程 ,控制策略是为了寻找达到“Nash均衡”点的一组发射功率 ,价格函数的引入提高了系统的效率。文中提出了一个新的价格函数——能够根据系统拥塞状态自动调整的价格函数。在此价格函数中 ,利用等效带宽来反映系统当前的资源消耗情况 ,通过动态地对各个用户施加价格使系统的运行效率大为提高。对新的价格函数进行了仿真分析     

基于博弈理论的认知无线电频谱分配

在认知用户效用函数的基础上,应用寡头市场博弈模型来解决频谱分配中的授权用户博弈问题.根据认知用户的效用函数以及Bertrand、Cournot均衡理论提出了授权用户信道竞价的动态Bertrand博弈算法.理论与仿真结果表明:稳定的纳什均衡解与速率调整参数有关,当速率调整参数小于0.020时,可以在较短的时间内获得稳定的信道价格;同时,纳什均衡点与边际成本有关,较高的边际成本可以获得较高的信道价格.     

基于粒子群优化的协作网络资源分配的博弈策略

应用基于竞价机制的斯坦克尔伯格博弈提出协作中继网络中的一种资源分配策略,用以解决单一中继节点对多用户节点协作带宽的分配问题。首先中继根据用户的协作带宽需求对资源定价,然后用户根据价格调整其纳什均衡策略,即获取协作效用最大化的最优带宽购买量。证明了纳什均衡的存在性,提出基于粒子群优化的均衡求解算法,分析了均衡的有效性,仿真给出了粒子群优化的全局最优带宽分配结果。仿真结果表明,所提出的博弈可以激励中继节点参与协作,并协调多用户节点间的资源分配。     

认知无线电网络中功率控制方法的研究

分布式功率控制是认知无线电系统常用的功率控制方法之一.将非合作博弈论的方法应用于认知无线电的功率控制上,在Goodman所提出NPG模型以及NPGP模型上来进行代价函数的改进,并提出一种新的博弈算法来实现对认知无线电系统的功率控制.该算法不仅考虑到系统用户之间的公平性,同时还考虑到认知用户之间干扰的影响,并通过理论证明了其纳什均衡的存在性与唯一性.仿真结果表明,该算法不仅能使用户发射功率降低,同时还可以使用户的效用提高,并且收敛性较好.     

非合作寡头博弈与干扰信道资源分配

将多用户干扰信道频率和功率资源分配问题用寡头博弈模型进行分析. 寡头博弈中有一个超级用户,它知道其它用户的所有信道信息,并且知道它们所采取的策略,那么这个超级用户将可以计算出对自己更有利的资源分配方案,获取比纳什模型更高的速率. 通常在非合作分布式系统中,获取其它用户信息是非常困难的,本文提出的算法可以让用户从干扰强度的变化中学习得到有用信息,从而设计出基于寡头博弈模型的分布式算法.      

基于博弈的无线传感网络功控算法收敛性分析

提出基于博弈论的功控算法的目标是降低能耗,减少引入的网络开销,增加网络寿命.从理论上证明了该算法采用优化动态反应来更新发射功率等级就能收敛到纳斯均衡.