超密集6G 网络中的高效频谱资源共享方法

面对6G网络中用户密集化分布、频谱资源有限和分布式决策等挑战，提出了一种基于多维超图博弈的频谱资源共享方法。首先，根据6G网络太赫兹通信特点，设计了多维超图干扰模型，包括同频直接干扰、累计干扰和邻频干扰，通过降低多维干扰值以提升网络吞吐量。为实现分布式决策，将问题建模为超图博弈，并证明该博弈为势能博弈，至少存在一个纳什均衡点。然后，设计了基于同步最优响应的分布式频谱决策方法，求解频谱分配策略。仿真表明，所提的多维超图博弈实现了6G环境下分布式的频谱共享，与传统超图博弈方法相比，进一步降低了用户间的干扰水平，网络吞吐量大幅提升。     

基于超模博弈的认知无线电频谱分配算法

为实现认知无线电系统吞吐量最大化的目标,以正交频分复用(orthogonal frequency division multiplexing,OFDM)为系统模型,提出了一种基于超模博弈的认知无线电频谱分配算法,该算法通过引入适当的价格函数来评估认知用户对主用户的影响,并以此为根据对认知用户施以一定的价格惩罚,最终达到减少认知用户时主用户干扰的目的.仿真结果表明,该算法最终能够达到收敛,降低了认知用户对主用户的干扰,明显地提高了系统的吞吐量.     

基于超模博弈的认知无线电频谱分配算法

为实现认知无线电系统吞吐量最大化的目标,以正交频分复用(orthogonal frequency division multiplexing,OFDM)为系统模型,提出了一种基于超模博弈的认知无线电频谱分配算法,该算法通过引入适当的价格函数来评估认知用户对主用户的影响,并以此为根据对认知用户施以一定的价格惩罚,最终达到减少认知用户对主用户干扰的目的。仿真结果表明,该算法最终能够达到收敛,降低了认知用户对主用户的干扰,明显地提高了系统的吞吐量。     

非对称认知网络中分布式多用户频谱共享算法

为解决多用户冲突导致非对称认知网络吞吐量降低的问题,根据网络中用户信道收益矩阵的特点,提出了一种分布式多用户联合频谱共享方法.首先,基于Gale-Shapley理论实现认知用户和信道之间的"一对一"频谱分配,以避免认知用户之间的竞争冲突;其次,在未知信道先验知识或者认知用户仅有部分信道感知能力时,通过顺序最优学习算法获取信道收益信息;同时设置接入定时器,实现分布式机会频谱共享.仿真结果表明:所提方法的平均网络吞吐量明显优于随机等分布式算法,且复杂度比最优算法大大降低,收敛速度较快,适于感知带宽受限和用户地理位置分散的非对称认知网络.     

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。     

部分频率复用下的终端直通资源分配方案

终端直通(device-to-device,D2D)通信通过共享蜂窝资源可以提升频谱效率,但会产生同频干扰,导致系统吞吐量和用户的服务质量降低。针对在部分频率复用(fractional frequency reuse,FFR)蜂窝网络中多小区间的D2D链路和蜂窝链路的同频干扰问题,提出了基于优先级的资源分配方案。该方案通过对频率资源赋予不同的优先级对小区间干扰进行协调,尽量避免小区间的D2D链路和蜂窝链路间、以及D2D链路间的干扰,从而提升系统性能。仿真结果表明,基于优先级的资源分配方案改善了小区边缘用户的服务质量,提高了系统容量。     

一种博弈的异构网上行功率控制算法

异构组网是未来移动通信系统的典型网络结构,上行功率分配算法又是异构网络中干扰管理的一项重要技术。将博弈论和异构网上行功率分配算法相结合,提出了一种博弈的异构网上行控制算法。该算法把价格支付函数运用到上行功率控制算法中,在异构网中任何用户的功率提升都要考虑对网络内的其它同频用户带来的干扰,并以此作为基于价格的支付函数,通过循环多次迭代使得用户功率提升对整个网络的干扰最小化。通过对现有功率控制算法的优化,提升了网络的性能。结果表明:基于博弈的异构网上行功率分配算法能够在系统上行吞吐量、能效比方面带来增益和性能的提升。     

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POMDP模型的分布式机会频谱接入算法

针对认知无线电（cognitive radio,CR）信道的动态特性,以部分可观测马尔科夫决策过程（POMDP）为模型对认知无线电网络用户的频谱感知和频谱接入过程进行研究,提出了基于POMDP模型的分布式机会频谱接入算法.该算法利用网络信道的历史频谱感知信息对主用户接入信道的状况作出估计,以认知用户吞吐量最大化为目标进行频谱接入.同时,通过贪心算法得到此优化策略的次优解,降低了最优策略的计算复杂度.论文分析了认知用户接入吞吐量与网络中信道数目以及信道状态转移概率之间的关系,将贪心算法与随机检测接入算法进行了仿真比较.仿真结果显示,该算法获得的吞吐量比随机检测接入算法提高了约25％,能够更有效地做出接入策略.     

一种新型认知无线电资源分配跨层技术

为有效利用频谱资源,提高频谱效率,文中利用环境感知技术,设计出认知无线电跨层结构框架,提出一种新的功率控制博弈BPCG(Bandwidth and Power Control Game Algorithm)算法,研究不同用户的频谱带宽分配和功率控制,该算法在确保频谱带宽有效分配前提下,通过对用户功率的有效控制,实现网络总吞吐量的提高.仿真结果表明该算法在相同的功率消耗前提下,网络吞吐量显著提高,并随频谱带的增加,实现网络吞吐量的最大化.     

改进的认知无线电系统中频谱共享博弈算法

为提高博弈策略的合理性和有效性,提出了一种分布式的频谱共享博弈算法.考虑主用户的二次边际成本函数,得到满足稀有频谱资源分配属性的价格函数;设计了节省信道开销的动态次用户信任度机制,对干扰主用户通信的次用户进行惩罚,从而优化频谱共享环境;引入主用户价格反馈机制,实现算法分层,保证主用户和次用户获得最大的效用,并提高频谱的利用率.仿真分析也表明了所提出的博弈算法能使频谱分配更加合理和有效.      

D2D通信中基于Q学习的联合资源分配与功率控制算法

D2D(Device to Device)通信可实现距离相近的用户设备直接通信,有效地提升系统的吞吐量,获得高频谱效率和能量效率,但D2D通信共享蜂窝网络频谱资源时,会造成蜂窝网络与D2D链路严重的层间干扰.为减少层间干扰带来的影响,提出一种基于Q学习的联合资源分配与功率控制算法.从Q学习的角度来构建数学模型,将蜂窝网络中的多个D2D用户对视为多智能体学习者,利用历史状态(历史吞吐量和功率值),不需要精确的信道状态信息(Channel State Information,CSI)和互干扰等先验知识,通过Q学习算法,学习得到分布式的信道选择和功率控制的联合最优策略.可以动态调整D2D用户功率,在保证蜂窝用户服务质量的前提下,通过D2D功率控制获得最大化系统吞吐量.仿真结果表明,基于Q学习的联合资源分配与功率控制的算法有效提高了系统的吞吐量.     

基于干扰门限的动态频谱接入及性能分析

如何在不干扰授权用户(主用户)正常通信的情况下提高次用户使用频谱的效率,这是认知无线电系统中需要解决的关键问题。在主用户优先的基础上,提出了基于干扰门限的动态频谱接入系统的M arkov频谱占用模型,并基于该模型对动态频谱接入过程进行了分析。为了进一步降低次用户间的相互干扰,通过对次用户接入概率的设计,以协调各类次用户间的频谱接入。在3种优化准则下,对次用户依据概率接入的基于干扰门限的主用户优先的动态频谱接入系统进行了仿真。仿真结果表明,基于干扰门限的主用户优先的动态频谱接入系统能大大提高次用户的接入机会,最大程度地提高了次用户的吞吐量。在比例公平准则下次用户接入的性能,与最大化吞吐量准则相比体现了更好的公平性,与最大化最小准则相比能够获得更大的吞吐量,因此基于比例公平准则可以使得系统在高效性和公平性间得到很好的均衡。     

基于博弈论的OFDMA系统多小区资源分配算法

对于蜂窝正交频分多址(OFDMA)系统,相邻小区间的同频干扰是影响系统性能提升的重要因素。该文提出了一种用于OFDMA系统上行链路的多小区资源分配算法。该算法基于博弈论,各用户在速率要求限制下以最小化发射功率为目标,在各小区独立进行信道分配的前提下,用户通过基站反馈获得当前的信道分配方案及博弈状态(同频干扰水平),以此为基础进行发射功率分配,实现了一种分布式的资源分配算法。仿真结果表明,博弈算法可大大降低系统的发射功率,且优化信道分配下的博弈算法比固定信道分配下的博弈算法还可降低系统发射功率30%。同时,博弈算法的收敛速度较快,有利于实际实现。     

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.     

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。     

超密集网络中基于分簇的干扰管理方案

在超密集网络中,全频复用能够提升网络的吞吐量,但是导致了严重的基站间干扰。为了降低基站间干扰,首先通过干扰权重值描述小基站间的干扰程度,建立合理的干扰图;然后将分簇问题转化为Max K-Cut问题,利用改进的次优化启发式算法对小基站进行分簇;最后通过信道分配算法为每个簇中的用户分配子信道。仿真表明,本文的干扰管理方案在降低小基站间干扰的同时,能够提升系统的频谱效率和平均吞吐量。     

分布多跳式网络吞吐量优化的并行性研究

传统的分布多跳式网络吞吐量的优化方法并不能满足用户高移动性、高数据速率的要求.为了提高分布多跳式网络吞吐量的优化性能,提出并实现了分布多跳式网络吞吐量的分布式并行优化算法.首先将分布多跳式网络等效成M/M/m级联排队系统,并用流水线技术实现了优化算法.然后研究了用户移动速度和网络环境对吞吐量的影响,并以此得出一般的近似最优的分布式算法.最后分析了多用户之间的干扰问题对网络吞吐量的影响.仿真结果表明,并行优化算法可以提高分布多跳式网络的吞吐量和降低通信时延;理论分析结果也说明了在某些情况下可将干扰看作高斯噪声.     

认知无线电中基于潜在博弈的信道分配算法

为最小化认知无线电系统的干扰水平,同时保证主用户的正常通信,提出了一种改进的基于博弈论的分布式信道分配算法,将次用户间的相互博弈构建为潜在博弈模型。效用函数不仅考虑了每个次用户对其他次用户和主用户的干扰,同时也考虑了其他次用户和主用户所产生的干扰。仿真结果表明,该算法具有较好的收敛性,分配结果能使主用户获得较好的吞吐量。     

高密度D2D用户的潜在博弈资源分配算法

为解决高密度用户场景中多个设备到设备(D2D)用户复用同一个蜂窝用户资源时相互竞争的问题,提出了一种基于博弈论的D2D资源分配算法.首先构造基于最小化系统整体干扰的非合作博弈效用函数,同时考虑了系统中D2D用户之间的干扰以及D2D用户与蜂窝用户之间的干扰;继而设计该博弈的潜在函数,并证明该博弈过程是一个潜在博弈模型,进而证明了其纳什均衡的存在性.仿真结果表明,该算法相比现有方法具有更好的公平性和收敛性,能使用户获得更好的吞吐量,降低D2D用户受到的干扰.