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。     

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。     

基于自适应随机接入的动态 D2D 发现资源分配机制

现有终端直通（device-to-device,D2D）中用户发现成功率低、发现范围小以及不能满足不同用户优先级的业务需求,针对上述问题,提出一种基于自适应随机接入的动态D2 D发现资源分配机制。该机制中具有高优先级的D2 D用户采用传统的随机接入方法向基站发送紧急请求信息;基站根据发送紧急请求信息的高优先级D2 D用户数,构建下一发现周期的发现资源分配信息。根据未成功选择发现资源块的次数,低优先级的D2 D用户自适应的在多信道时隙ALOHA（additive link on-line Hawaii system）和具有能量感知的多信道ALOHA接入机制之间进行切换。D2 D用户根据接收端的信干噪比大小,判断是否成功发现。系统级仿真结果表明,提出的机制与传统的随机信道接入机制相比,不仅能够满足不同优先级用户的业务需求,还能支持更高的发现成功率和更远的发现范围。     

D2D网络中基于组合拍卖的无线资源分配机制

针对端到端(device-to-device,D2D)用户与蜂窝用户共享频谱资源产生的干扰问题,以最大化系统中D2D链路的吞吐量为优化目标,提出一种联合功率控制和信道分配的资源分配机制。根据D2D用户的干扰门限和蜂窝用户的信干噪比(signal to interference plus noise ratio, SINR)提出了一种基于用户间距离的复用准则,确定D2D用户可复用的信道资源集合;在给定D2D用户复用任意资源集合的前提下,调整D2D用户的发射功率,以衡量各个D2D用户在不同信道资源集合上的吞吐量,但暂不分配功率;基于功率控制的结果,采用组合拍卖的方法为D2D链路分配信道及对应的发射功率,从而实现了联合功率控制和信道分配。因此,系统资源分配结果更为合理。仿真结果表明,该机制能有效抑制跨层干扰和同层干扰,提升D2D链路的吞吐量,提高用户的服务质量(quality of service,QoS)。     

联合有社交意识的D2D配对和功率分配策略

随着移动社交网络应用和无线通信网络的快速发展,移动社交网络(MSNs)正在渗透进人们日常生活中.提出了一种有社交意识的D2D(Device-to-Device)通信模型.基于该模型,研究了在物理条件和社交条件的约束下联合D2D配对和功率分配的问题.为了易于求解,在匹配理论的基础上,将问题建模为一个一对一的双边匹配问题,提出了分三步求解的算法优化D2D配对和功率分配问题.引入了真实的社交网络轨迹来模拟移动用户间的社交关系,从而验证提出的算法的性能.仿真结果表明:相比另外两种启发式算法有较高的增益.     

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。     

面向云制造的有限资源多任务调度博弈

为解决云制造环境下云服务组合优化调度问题,在深入分析目前优化调度问题存在的难点及研究不足的基础上,提出一种云制造环境下有限资源的多任务调度模型。考虑服务需求者间存在的利益冲突及重要的服务评价指标,以每个服务需求者作为博弈参与者,将每个任务的执行制造路径当作博弈策略,把时间、合格率、成本和服务质量组成的综合服务水平看作博弈支付函数,最终把有限资源的多任务调度问题转变为多个静态非合作博弈问题。在此基础上,将求解纯策略纳什均衡解的过程编制为算法,该算法所得的均衡解为每个任务的最终执行制造路径。实验仿真表明该模型及算法具有可行性及有效性。     

云制造环境下的演化博弈公差分配方法

针对云制造环境下复杂多样的制造资源对产品装配尺寸链公差分配的影响,提出了一种基于演化博弈的公差分配方法。首先以同属一个尺寸链中的各公差单元为博弈方,综合考虑公差设计方案的质量损失和资源价格两方面,将装配质量要求和成本转换为公差单元选择制造资源后的总支付,以公差单元对资源的选择为博弈策略,建立演化博弈模型;然后,构造模型的复制动力学方程,模拟不同用户的策略适应过程;最后,运用Lyapunov第二方法证明该模型能够收敛至演化均衡,并利用分布式迭代算法进行求解。以车身前端装配总成公差分配设计为例,验证该模型及算法的可行性与有效性,实验结果表明:质量损失系数对资源选择策略无影响,但会影响总支付;所提演化博弈方法与非合作博弈方法、线性加权方法相比,可降低公差分配方案的质量损失及总支付,平均降低了28.3%～54.0%和18.2%～63.6%。将该演化博弈方法应用于装配尺寸链公差分配设计,实现了云制造环境下依据公差设计进行制造资源的选择。     

蜂窝控制下的D2D通信的无线资源分配研究

在引入D2D通信的状况下,为改进蜂窝用户无线资源分配的公平性,文中提出了一种CU用户和D2D用户非正交共享无线资源的EFRA方案,该方案运用降低权重影响因子的方法,减少了D2D通信对蜂窝用户的影响,实验分析说明,该方案在牺牲部分D2D通信的吞吐量的情况下,不仅能够提高蜂窝用户接受服务的公平性,而且能很好地保护蜂窝用户的吞吐量。     

D2D网络中信道签名和资源调度的联合设计方案

针对设备到设备(device-to-device,D2D)通信网络中蜂窝用户和D2D通信对之间的相互干扰问题,提出一种联合信道签名和资源调度的设计方案。该方案构建了基于时间反演的D2D信道签名模型,实现干扰消除;在博弈模型基础上,对D2D用户进行功率分配,以满足蜂窝用户的服务质量(quality of service,QoS)需求;在容量增益限制区域内按照优先级大小为D2D用户分配蜂窝链路资源,并在满足资源共享参数阈值的情况下,进一步充分利用蜂窝用户的频谱资源,为空闲蜂窝用户选择对其干扰最小的D2D用户,提升D2D用户的吞吐量。仿真结果表明,该方案有效地抑制了D2D异构网络中蜂窝用户和D2D用户的相互干扰,提升了平均速率,同时兼顾用户资源共享的公平性及通信的安全性。     

基于偏好序的多事故应急资源调配博弈模型

应急资源调配是应急决策和应急响应的重要内容。为解决多个事故的同时存在时应急救援中资源调配问题,设计了一种改进的基于偏好序的效用函数,用以刻画各事故得到救援的及时性和有效性。将多事故资源调配问题描述为完全信息非合作博弈过程,利用G am b it软件,求解该博弈过程的N ash均衡,得到资源分配方案。综合了考虑事故严重程度、响应时间、救援可靠性等多个优化目标和影响因素。结果表明:该方法能合理有效地解决多事故点的应急资源调配问题,为应急辅助决策提供必要的支持。     

基于容量最优化的设备间通信资源分配方案

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,通过使用模糊C均值(FCM)算法对复用相同资源的设备间(D2D)通信用户对进行分簇,达到减小复用同频带D2D通信用户对(DU)之间干扰的目的.通过贪婪算法对每一簇DU对进行资源分配,达到减小蜂窝用户与DU之间的干扰的目的.仿真结果显示,相比于随机分簇和随机复用的资源分配方案,FCM算法与贪婪算法的资源分配方案更有效地提高了系统总容量.     

多小区 MIMO 网络中一种新的 D2D 通信干扰对齐算法

当多小区MIMO（multiple-input multiple-output）网络中引入D2D（device-to-device）技术后形成D2D-MIMO干扰网络,为解决其干扰问题,提出了一种基于天线数奇偶性的发送端数据流分配方案和基于该方案的干扰对齐（interference alignment,IA）算法。该算法通过最小化基站泄露到非目标用户的信号功率来求解蜂窝链路的预编码矩阵,通过最大化蜂窝用户的信干噪比（signal to interference plus noise ratio,SINR）来求取蜂窝链路的干扰抑制矩阵,进而通过线性干扰对齐消除蜂窝内干扰,并推导了系统的最大自由度（degrees of freedom,DOF）。理论分析和仿真表明,相对于现有算法而言,该算法提高了系统的自由度、频谱效率和能量效率,降低了对天线数的要求,增强了系统的灵活性。     

基于智能反射面的设备间通信系统速率分析

以通用形式对基于智能反射面(RIS)的设备到设备(D2D)通信系统进行建模,推导出用户的可达速率,获得系统的总速率.当发送方的发射功率足够大时,进行系统的速率分析.仿真实验表明:在瑞利信道条件下,随着用户发射功率的增加,系统总速率近似值与理论值之间的误差不超过3％.     

D2D通信系统中的最优中继选择及功率分配策略研究

在D2D(device-to-device)通信系统与蜂窝网络共存的场景下,引入中继节点可以有效提高D2D链路的吞吐量同时减小D2D链路对蜂窝网络的干扰?阐述了一种新颖的半双工放大转发双向中继协助D2D通信方案,提出了对应的最优中继选择及功率分配算法?该算法能够在满足蜂窝系统所受干扰小于一定门限值的约束下最大化D2D链路的吞吐量?该算法优化了D2D链路上各发送节点的发送功率;选出了可以使D2D链路吞吐量最大化的中继节点作为最优中继节点?其中,在计算最优功率分配的时候,利用拉格朗日对偶理论以及最速下降法对原功率分配优化问题的对偶问题进行了分层迭代求解?仿真结果表明,提出的策略与已有的方案相比可以显著提高D2D链路的吞吐量?     

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.     

超密集网络中基于分簇的资源分配算法

针对超密集网络(ultra-dense network, UDN)中,严重的小区间干扰制约终端用户的数据速率问题,提出一种基于染色分簇的资源分配方案。该方案采用图论中的染色算法对微蜂窝接入点(femtocell access points, FAPs)进行分簇,利用簇内每个微蜂窝用户(femtocell user equipments,FUEs)的待发送数据量、排队等待时延以及受到的干扰强度来构建相应的优先级,计算每个簇的优先级,并设定高优先级的簇可优先获得信道增益良好的子信道;最后由拉格朗日乘子法求解功率分配方案,即利用KKT(Karush-Kuhn-Tucker)条件和注水算法为FUEs分配功率。仿真结果表明,该方案能够有效地减小微蜂窝接入点之间的相互干扰,极大地满足用户的服务需求,同时提升了系统吞吐量和频谱效率。并且基于最大功率和最低速率的公平性准则能够动态地调整子信道功率,进一步提升了FUEs间的公平性。     

基于非完全信息博弈竞标的无线传感器网络资源分配方法

针对无线传感器网络任务调度过程中造成的资源冲突问题,本文将其考虑为节点间的非完全信息博弈竞标过程,在参与竞标的节点进行决策时,引入隐马尔可夫链对其他竞争者的决策进行预测,同时资源分配过程中的多个优化目标,分别由任务和节点进行优化,并提出一种非完全信息博弈竞标算法。最后,在假设节点个人理性的前提条件下,论证了此非完全信息博弈竞标模型满足经济学原理中的激励相容性和最大化系统收益。并从实验仿真证明其有效性。