蜂窝与D2D混合网络中的无线资源分配

针对蜂窝与终端直通（D2D）混合网络中的资源分配,将其建模为以最大化网络吞吐量为目标,关于蜂窝用户与D2D用户资源的联合优化问题。基于该模型进一步提出一种两阶段资源分配策略,即先采用改进的贪婪频谱分配算法将资源块分配给用户,然后基于对偶分解理论给每个资源块分配最优的传输功率。该算法在考虑蜂窝用户服务质量（QoS）的基础上,不再限制每个资源块上的D2D用户数目以及D2D用户可复用的资源数。仿真结果表明,所提算法在保证蜂窝用户速率性能的前提下,有效地提升了系统的整体容量。      

统计干扰约束的认知无线电网络最优联合功率和频谱分配方法

针对具有统计干扰约束的认知无线电网络联合功率和频谱分配问题进行了建模和分析,建立了统计干扰约束的认知无线电网络联合功率和频谱分配最优化模型,由于模型是典型的NP-Hard问题,应用遗传算法对联合功率和频谱分配最优化模型进行求解,提出了基于遗传算法的最优联合功率和频谱分配方法,能有效地保障对联合功率和频谱最优分配.仿真验证了提出算法的收敛性和正确性.     

认知多用户多中继协作蜂窝网络最优共同功率和频谱分配

研究了基于认知无线电的多用户多中继协作蜂窝网络最优功率和频谱共同分配问题,建立了基于发射功率向量和中继结点频谱分配向量为参数的网络最优功率和频谱最优化分配模型,应用罚函数法对提出的最优化分配模型进行求解,提出了一种多认知用户多中继协作蜂窝网络最优功率和频谱共同分配方法。仿真验证了提出的方法正确性和有效性,仿真结果表明提出的分配方法能对发射功率和中继结点频谱进行最优分配,保障每个结点获得最优吞吐量的基础上最大化网络总的吞吐量。     

基于信道选择和自适应功率控制的动态频谱分配

针对频谱分配过程中会出现用户间的干扰问题,提出了一种基于信道选择和自适应功率控制的动态频谱分配算法.该算法的基本思想是将认知用户间频谱的竞争转化为以信道选择为策略空间的博弈模型,通过调整发射功率和利用改进后的效用函数来选择最优的分配策略.实验结果表明:该算法在实现频谱动态分配的同时减小了对授权用户的干扰,提高了系统总吞吐量.     

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.     

认知无线电网络中的非正交多址资源分配算法

随着物联网的发展和移动终端的普及,用户对数据速率需求快速增长,移动通信系统依然面临着频谱资源紧缺问题。针对认知无线电网络中的非正交多址接入(non-orthogonal multiple access, NOMA)技术,研究了认知无线电网络中非正交多址信道和功率联合优化问题。以主用户干扰功率和次用户最小吞吐量以及子信道最大复用用户数为约束条件,综合考虑信道状态信息和功率资源,以提高系统能效为目标,建立了信道和功率资源分配优化模型。为了避免信道状态相近的用户复用在同一子信道上,提出了一种次优公平性可调的信道分配算法,并基于连续凸近似和Dinkelbach模型,得到子信道复用用户间的最优功率分配。仿真结果表明,所提算法可以在提高用户公平性的同时,有效提高系统能效。     

基于遗传算法的认知无线电网络共同信道和功率最优分配

信道分配和功率控制问题是认知无线电网络中的核心问题。文中根据不完美频谱感知情形下的干扰功率模型,建立认知无线电网络共同信道和功率分配优化模型,并通过罚函数法,将标称的混合整数规划问题简化为不带约束条件的非线性规划问题,提出了基于遗传算法的共同信道和功率最优分配算法。仿真结果表明,该算法能在不完美频谱感知情形下对信道和功率进行联合最优分配,减少对主用户功率干扰,实现网络中认知用户吞吐量的最大化。     

基于网络编码的双向中继系统节点选择及功率分配策略

考虑在多个节点间的中继双向信道中,将中继分配和功率分配结合起来.每一对节点间的通信可以看做是通过一个中继的双向中继信道.中继使用网络编码同时向对应的节点发送信息.中继分配考虑了两种分配方案,第一种方案考虑到了所有节点对和中继的排列组合,选取其中性能最好的一组;第二种方案选取所有排列组合中的一部分,选取性能最好的一组.第二种方案略微降低了整个系统的性能,但是大大降低了运算的复杂度.将功率分配策略和这两种方案结合,进一步优化了整个系统的性能,相比较没有加入功率分配的系统,有大约2～3dB的提升.     

认知网中多时隙联合频谱感知和功率分配

为了降低认知无线网中认知用户对主用户的干扰,并为了最大化系统的认知吞吐量,提出了一种多时隙频谱感知和功率分配的联合优化方案。该方案将系统的每个帧分为若干个时隙,每个时隙分别进行频谱感知,通过合并每个时隙的感知结果,有效的提高了系统的检测精度,降低了系统的干扰概率。同时理论分析了感知时间与传输功率分配方案,发现两者都存在最优分配解,在约束认知用户检测概率与传输功率的基础上,将吞吐量描述为关于感知时间与功率的多约束优化问题,通过设计联合迭代算法对认知吞吐量进行了联合优化并获得了最优感知时间与最优传输功率分配。仿真结果表明,所提联合优化方案吞吐量性能最接近理论最优方案,并可通过牺牲部分吞吐量性能降低系统干扰概率,且复杂度较低。     

分层网络频谱资源分配方案

提出一种频谱资源分配方案,以提升分层毫微微小区网络的期望吞吐量.该方案为每层下行传输分配部分共享频谱资源,在单个用户期望吞吐量满足服务质量需求时,通过动态调整共享频谱资源分配比例,能够最大化网络期望吞吐量.为进一步获得每层下行传输的期望吞吐量,基于Nakagami-m衰落信道推导了每层用户下行接收信干噪比的累积分布函数.理论分析和仿真表明,该频谱资源分配方案能够有效提升网络期望吞吐量,但服务质量需求参数的增长限制了吞吐量的提升.     

功率控制条件下无线信道资源分配算法性能分析

分析了一种动态信道分配与功率控制技术相结合的算法性能．给出了在不同发射功率控制精度下的动态信道分配算法的性能改善度，并得出了动态信道分配算法与理想的功率控制技术相融合后的性能改善度的极限．为无线通信系统的信道资源利用给出了一种较理想的实现方案。     

基于Stackelberg博弈的最优频谱分配与定价策略

针对家庭基站部署与运营,以及与宏基站共享频谱资源所面临的难题,提出了一种基于Stackelberg博弈的最优频谱分配与定价策略.通过建模基站与用户之间的博弈,分析了资源定价与用户需求的关系;通过建模宏基站与家庭基站之间的博弈,给出了多种场景下双层分级蜂窝网络的最优频谱分配与定价策略.该策略能按需地为宏基站与家庭基站分配频谱,最大化宏基站与家庭基站的频谱效益,并能有效地激励运营商与用户积极部署家庭基站,加速绿色通信网络的建设进程.     

认知无线电系统中联合优化资源分配算法

在认知无线电系统中,次用户能够利用感知到的已授权频段进行通信,只要其传输过程对主用户通信引起的干扰处于主用户可以忍受的程度之内。协作中继方案能够利用中继节点的传输来有效提高频谱的利用率,并增强了直接链路的传输能力。文中研究在一个三节点的认知无线电网络中基于协作中继传输时的资源分配问题,为了保证在认知用户对主用户干扰可容忍的前提下使得通信系统端到端的可达吞吐量最大,提出了一种联合优化功率分配和信道分配的方案。仿真结果显示,相对于单独进行功率分配或者信道分配情况下该方案能够有效提高认知无线电系统端到端的传输性能。     

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。     

最优功率分配空时分组码

空时分组码作为发射分集的一种重要技术已经受到广泛的关注和研究。提出一种简单的适用于空时分组码的功率分配方法，分析了提出的功率分配方法对空时分组码性能的作用，同时给出了存在信道估计误差时功率分配对系统性能的影响。     

最优功率分配空时分组码

空时分组码作为发射分集的一种重要技术已经受到广泛的关注和研究。提出一种简单的适用于空时分组码的功率分配方法，分析了提出的功率分配方法对空时分组码性能的作用，同时给出了存在信道估计误差时功率分配对系统性能的影响。