发射波束赋形消除感知用户对主用户干扰算法

针对如何完全消除感知用户对主用户的干扰问题,探讨了如何利用发射端的波束赋形消除感知用户对主用户的干扰.给出了感知网络和主用户网络共存的系统模型和一种最佳波束赋形算法.并对这种最佳波束赋形算法进行了性能仿真,仿真结果表明,该算法较迫零波束赋形算法在性能上更有优势.与经典的迫零波束赋形方法比较,该算法既能消除对主用户的干扰...     

干扰泄漏最小的多小区MIMO干扰对齐算法

在3小区多输入多输出(MIMO)干扰对齐通信系统中, 提出一种基于系统总干扰泄漏最小的预编码矩阵组的选择算法.首先求出系统中所有变换矩阵,并基于干扰泄漏最小准则从中寻找出最优的变换矩阵;再依据干扰对齐的最大自由度选出一半的特征向量组成预编码矩阵.仿真结果表明:与现有干扰对齐预编码矩阵的设计方案相比,文中提出的算法在系统和速率性能上有明显的改善,而且该算法在统计信道状态信息下同样具有优势.     

基于干扰信道的干扰对齐算法综述

在无线通信系统中,用户间干扰总是制约着网络的吞吐量,因此寻求有效的干扰管理方法显得尤为关键.文中首先引出多种传统的干扰管理方法,但基于这些方法的系统容量都会受到干扰的限制,而且随着用户数的增加,很难获取这些方法的一般解.然而干扰对齐算法可使系统的总容量随着用户数的增加线性递增,文中重点综述两类干扰对齐算法:一类是基于信号空间的干扰对齐算法,另一类是基于信号编码级的干扰对齐算法,最后简要分析了干扰对齐算法的可行性和应用前景.     

认知网络预编码干扰对齐算法

针对一对主用户和多对次用户的认知多输入多输出（MIMO）系统,通过对次用户的发送端的两次预编码设计,在消除主次用户间干扰的基础上减少次用户间的干扰,有效地提高系统容量。第一次进行的预编码设计使用注水法将认知用户对于主用户的干扰对齐到主用户没有使用的空间子信道,第二次进行的预编码设计使用了最大信干噪比算法来消除次用户间的干扰。理论分析和仿真结果表明,算法在有效消除对主用户干扰的同时,次用户的吞吐量相比传统的认知系统注水功率分配法有显著提升。     

一种非对称结构MIMO干扰信道的干扰对齐方法

研究一种非对称结构MIMO干扰信道干扰对齐闭式解求解问题.通过将整个系统的干扰对齐问题,转化为两个子系统的干扰对齐问题,分析子系统之间相互影响的关系,构建包含系统解的方程组,进而可以用符号计算软件进行求解.所提方法可以在所需天线数量最小的条件下,实现非对称结构的MIMO干扰信道的干扰对齐,并以4用户系统为例,详细阐述了问题的求解过程.仿真部分对所提方法进行了验证,分析了方法的复杂度及优缺点.     

多用户MIMO系统中分布式迭代干扰对齐研究

干扰是无线通信网中亟待解决的问题之一,针对多用户MIMO系统,结合最新的分布式算法,总结并比较了几种分布式迭代算法的复杂度以及能够实现的最大系统自由度.不同于两用户的MIMO X信道可以直接得到干扰对齐预编码矩阵,利用了信道互易性的分布式迭代算法能够很好地解决由于用户数和约束条件的增加造成干扰对齐预编码矩阵可能无解的问题.最后仿真验证了分布式迭代算法的有效性.     

一种基于用户结构和属性的无监督用户对齐方法

随着互联网应用的蓬勃发展,一个人在不同的社交网络平台上都拥有账户是很常见的.如何在多个社交网络上找到同一个人的账户,对许多应用是很重要的问题,也被称为用户对齐问题.在用户对齐问题上,目前有两个主要的挑战:首先,收集手工对齐的用户对作为训练数据的代价非常大,但传统的有监督方法往往需要大量的标注数据才能获得较好的效果;其次,不同网络中的用户的结构和属性往往不太相同,进一步增加了用户对齐的难度.提出一种无监督用户对齐方法 SPUAL(Soft Principle for User Alignment),设计了一种新颖的基于用户的属性与结构的软对齐一致性原则,通过无监督方法计算用户对是否服从此原则来推断用户对是否对齐.在几个公共数据集上的实验表明,该方法的性能比目前最先进的无监督方法都有明显提高.     

三小区多用户蜂窝系统的分组干扰对齐算法

针对3小区,每小区多个用户的蜂窝系统,提出了一种基于分组的线性干扰对齐算法.算法首先对系统中所有的用户进行分组,分组后的每组包含3个用户,且3用户分别来自系统中3个不同的小区,通过分组将复杂的蜂窝多址接入信道转换为较简单的干扰信道;然后在用户端通过联立多矩阵,应用特征向量求解预编码矩阵将每个分组中的干扰进行两两对齐,压缩干扰子空间,再利用最大化弦距离理论对得到的预编码矩阵进行进一步的优化,最后在基站端利用矩阵逆的性质以较低的计算复杂度设计干扰消除矩阵将系统中的干扰完全消除.通过系统仿真分析显示,该算法较传统的蜂窝干扰对齐算法,能以较低的天线配置和较低的计算复杂度实现较高的系统容量.     

双层异构网络下多用户干扰对齐算法

针对多个毫微微蜂窝网络与宏蜂窝网络共存的网络环境,基于干扰对齐技术,提出了一种双层预编码方案,首先定义宏蜂窝网络对毫微微蜂窝网络造成的干扰为跨层干扰,毫微微蜂窝网络之间的干扰为同层干扰,分别对毫微微蜂窝用户和宏蜂窝用户进行预编码,宏蜂窝用户的预编码使得跨层干扰最小,使之可比拟于背景噪声,毫微微蜂窝用户的预编码与毫微微蜂窝基站的后置编码进行迭代,以最小均方误差(MMSE)准则输出,仿真结果表明所提算法使得毫微微蜂窝网络的吞吐量相较于单层MMSE算法在信噪比为0~30 d B区间内平均提高了3 bps/Hz.     

认知蜂窝异构网络中能效优化的资源分配算法

在认知蜂窝异构网络中,针对大规模部署认知家庭基站带来的能量消耗问题,研究了两层异构网络上行链路的资源分配算法.提出了一种基于双循环迭代的资源联合分配算法,在实时用户服务质量(quality of service,QoS)需求约束和跨层干扰约束下最大化认知系统能量效率,将分数形式的能效函数等价转换为减数形式,使优化问题近似确定为凸优化形式,并通过迭代方法求解.仿真结果表明:该算法能够快速收敛到最优能效,并保证了实时用户的QoS需求,有效提高了系统能量效率.     

MIMO-IBC下基于特征向量拆分的干扰对齐算法

针对多小区MIMO干扰广播信道(IBC),基于特征向量拆分,首先提出一种闭式求解干扰对齐(IA)算法,该算法通过特征向量拆分将干扰信道(ICI)对齐到特定低维子空间内,进而发射端利用迫零技术以消除ICI和用户间干扰;然后,综合特征向量拆分与最大化信干噪比准则,形成混合IA算法.相比已有研究成果,两种IA算法对发射天线数配置要求明显降低,数值仿真表明两种算法均可获得比经典正交复用方式更高的自由度.     

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。     

Global asymptotic stability of cellular neural networks with multiple delays

Global asymptotic stability (GAS) is discussed for cellular neural networks (CNN) with multiple time delays. Several criteria are proposed to ascertain the uniqueness and global asymptotic stability of the equilibrium point for the CNN with delays. These criteria can eliminate the difference between the neuronal excitatory and inhibitory effects. Two examples are presented to demonstrate the effectiveness of the criteria.     

非正交多址认知无线电网络功率分配算法

非正交多址和认知无线电技术能有效提高频谱效率,是新一代移动通信系统的关键技术。针对功率域非正交多址认知无线电网络的能效优化问题,建立了满足次用户最小系统吞吐量和主用户最大干扰的次用户功率分配模型,将子信道吞吐量公式进行分解,得到子信道功率分配系数和子信道功率消耗率2个子问题。针对第1个问题,采取凸差(difference of convex,DC)规划算法将目标函数等效为2个凸函数差形式,并应用一阶泰勒展开式进行连续近似,将非凸问题转换为凸优化问题,从而得到子信道复用次用户最优功率分配系数;针对第2个问题,采用Dinkelbach算法和次梯度算法,利用拉格朗日函数,得到最优子信道功率消耗率。仿真结果表明,所提功率分配算法收敛速度快,时间复杂度低,其平均系统能效性能远优于分数功率分配算法。     

A genetic algorithm on multiple sequences alignment problems in biology

The study and comparison of sequences of characters from a finite alphabet is relevant to various areas of science, notably molecular biology. The measurement of sequence similarity involves the consideration of the possible sequence alignments in order to find an optimal one for which the “distance” between sequences is minimum. In biology informatics area, it is a more important and difficult problem due to the long length (100 at least) of sequence, this cause the compute complexity and large memory require. By associating a path in a lattice to each alignment, a geometric insight can be brought into the problem of finding an optimal alignment, this give an obvious encoding of each path. This problem can be solved by applying genetic algorithm, which is more efficient than dynamic programming and hidden Markov model using commomly now. Foundation item: Supported by Zi-qiang Foundation of Wuhan University and Open Foundation of the State Key-Laboratory of Software Engineering, Wuhan University Biography: Shi Feng(1966-), male, Associate professor, research direction: bioinformatics.     

基于博弈论的认知无线电功率控制算法

基于博弈理论,提出了2种适用于认知无线电网络的功率控制算法,分别是完全信息功率博弈算法和非完全信息功率博弈算法。所提算法在满足干扰温度约束的前提下,以提高认知无线电网络总效用为目标,分布式实现功率控制。仿真比较了2种算法和已有认知无线电功率控制算法的性能差异,结果显示所提算法在系统平均效用和用户平均功耗方面均具有明显优势。     

基于博弈论的认知无线电功率控制算法

基于博弈理论,提出了2种适用于认知无线电网络的功率控制算法,分别是完全信息功率博弈算法和非完全信息功率博弈算法。所提算法在满足干扰温度约束的前提下,以提高认知无线电网络总效用为目标,分布式实现功率控制。仿真比较了2种算法和已有认知无线电功率控制算法的性能差异,结果显示所提算法在系统平均效用和用户平均功耗方面均具有明显优势。     

一种无线认知网络中的自适应波束成型模式选择算法

为了能够在避免对主用户干扰的同时,进一步提高频谱的利用效率,提出了一种自适应的波束成型模式选择算法。针对当前的认知网络很少考虑在空间上将主从用户进行分离,将多天线技术引入无线认知网络,利用其提供的空间自由度,从用户基站在主用户信道的零空间内设计发射波束,这样可以使得2个网络共存时,主用户能够无干扰地进行数据传输。同时,随着发射信噪比的变化,从用户基站自适应地在机会式波束成型和正交空分多址2种模式间进行选择,从而最大化网络的容量。分析和仿真结果都表明,这是一种解决网络共存、提高频谱效率的有效方法。