基于Dinkelbach算法的优化混合网络用户关联策略研究

在5G网络中,使用混合网络,引入一些低功率节点,提出基于TDMA系统的联合优化用户关联和功率控制的能效优化方案,通过优化用户关联和功率控制来提高网络能效。以系统能效最大化为目标,限制基站最大关联用户数,设计出用户关联算法。利用Dinkelbach算法优化功率控制,获得系统最大能效,并对提出的交替优化算法进行仿真验证。     

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.     

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。     

大规模MIMO系统能效优化算法研究综述

随着移动用户数与高速数据业务应用的快速增长,满足下一代网络更高频效和能效需求的大规模多输入多输出(multiple-input multiple-output,MIMO)技术成为5G的研究热点。天线数目的增加,导致大规模MIMO系统的能耗也将急剧增加。优化大规模MIMO系统能效以实现绿色通信成为5G资源管理的一项重要研究课题。针对该问题,对大规模MIMO能效优化算法进行了综述与展望。介绍了大规模MIMO系统能效模型,综述了大规模MIMO系统能效优化算法研究现状,包括基于天线选择的能效优化、基于功率分配的能效优化、频效和能效的折中和多参数联合优化能效;探讨了学术界在大规模MIMO系统能效优化算法上的重要研究成果;总结了当前研究中存在的主要问题,展望了大规模MIMO系统能效优化未来的研究趋势。     

采用注水因子辅助搜索的能效优先子载波功率联合优化算法

针对认知无线网络中以频带利用率为目标进行资源分配网络能效低的问题,提出了一种采用注水因子辅助搜索的能效优先子载波功率联合优化(EE-WFAS)算法。首先,以最大化认知用户总能效作为优化目标,考虑在认知用户发射功率控制、主用户干扰功率限制和认知用户最低信息传输速率限制等多个约束条件下,构造最优化函数;然后,通过能效优先子载波分配与注水因子辅助搜索(WFAS)的功率分配求解优化函数,即根据认知用户的信道增益和能效进行子载波分配;最后,对拉格朗日乘子运用二分查找法结合WFAS进行以能效为目标的功率分配。EE-WFAS优化算法可以在认知用户信息传输速率限制条件下保证系统总能效。仿真结果表明:与子载波功率平均分配算法相比,EE-WFAS优化算法的能效提高了约1.2kbit/J。     

多用户MIMO下行链路中一种传输方式自适应调度算法

目的针对多用户MIMO下行链路,提出一种传输方式自适应调度算法。方法该算法由各移动用户根据信道状态选择与基站的通信方式,包括波束形成和空分复用,并向基站自适应反馈信道信息;基站根据各移动用户的反馈信息选择用户子集。结果该算法实现了基站和移动用户联合用户调度,系统反馈开销由各用户的信道状态共同决定。结论与已有方法相比,该算法能够同时获得高的系统容量和更好的BER性能。     

异构网络中基于非合作博弈的功率控制算法

针对异构蜂窝网络中系统能耗较高的问题,提出一种能效优先的基于非合作博弈的功率控制算法。该算法将宏基站间的功率控制过程描述为博弈模型,并在效用函数中引入了基于干扰因素的自适应代价函数,得到各基站的最佳响应策略,之后经过多步迭代调节发射功率,使系统收敛至能效最优的纳什均衡状态。仿真结果表明,所提算法与固定代价函数的功率控制优化算法相比具有较好的收敛性,系统能效有明显的提升,更适用于密集网络。     

基于协作频谱感知的多无人机通信网络谱效优化研究

针对无人机应用场景频谱效率较低的问题,提出一种结合认知无线电技术的多无人机通信网络谱效优化方案.首先基于协作频谱感知,建立空地信道下多机协作的认知无人机网络模型,设置无人机（unmanned air vehicle,UAV）数量、感知时间和判决门限等优化参数,在此基础上提出高谱效联合优化算法对构建的非凸优化问题求解,最后分析无人机飞行过程中谱效的变化情况.仿真结果表明,存在最优感知时间使系统谱效获得最大值,且UAV数量和判决门限等因素会影响该谱效最优值;提出的高谱效联合优化算法具有较好的收敛性,有效提高了UAV次级认知网络的频谱效率.      

LTE中基于能效的多小区资源分配算法

随着绿色通信的提出,能效优化问题成为研究热点。针对LTE网络多小区联合、负载不均衡的场景,提出了基于能效的多小区资源分配算法。联合考虑用户的最小数据速率要求、系统能耗,通过引入用户转移时的3个准则,实现了网络的节能和用户最小速率要求的满足。仿真表明,与传统资源分配算法相比,所提算法在满足用户最小速率要求的同时更有效地降低了系统的能耗,优化了系统能效。     

能效优先的鲁棒功率控制算法

针对卫星网络中存在信道感知误差使得传统基于理想信道感知的功率控制算法性能下降的问题,提出一种基于认知无线电的能效优先的鲁棒功率控制算法。首先考虑卫星网络中距离感知的不确定性,通过分析推导与距离相关的路径损耗和阴影效应的信道增益分布,建立星地认知功率控制模型,从而将功率控制问题转化为约束条件下的最优化求解问题,同时引入概率约束,利用分式规划与拉格朗日对偶理论,达到认知用户最优的功率控制。仿真结果表明:该算法具有较快的收敛速度和较低的复杂度;与非能效优先的功率控制算法相比,在感知误差存在情况下网络能量效率最大可提高50%。     

基于干扰效率的星地认知网络功率分配算法

针对Underlay模式基于能量效率的功率控制算法未能准确反映次用户与主用户之间干扰性能导致系统容量下降的问题,综合考虑次用户能量有限及卫星链路和地面链路的差异性,定义干扰效率为认知卫星用户总的传输速率与地面基站接收到的干扰的比值,建立了基于干扰效率的星地认知网络上行链路功率分配模型,在此基础上提出一种基于干扰效率的功率分配算法.通过引入干扰门限约束及信干噪比约束条件,利用非线性分式规划理论和拉格朗日对偶法求解出最优功率.仿真结果表明:该算法能在较好满足次用户通信质量的前提下,有效减少对主用户的干扰,提升系统的干扰效率.     

基于Sarsa学习的基站休眠策略研究

在异构Macro-femto蜂窝网络中,随着日益增长的用户数量使得基站能耗问题变得更加严峻,提升整个移动系统能效的有效方式就是进行基站休眠。根据无模型理论提出一种基于Sarsa学习的动态基站休眠算法,算法通过基站学习环境中的用户流量,制定合理的休眠机制。仿真结果表明,提出的基于Sarsa学习的基站休眠算法能够有效提升系统能效     

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.     

分布式天线系统中基于天线选择的能量效率优化

为了进一步解决无线通信系统的能量消耗问题,以分布式天线系统单小区为模型,提出了一种将天线选择和功率分配技术相结合的最大能量效率优化算法(max-ANPO-EE算法):通过选取用户一定距离范围内的天线后,利用拉格朗日函数和次梯度得到各个天线的最优发送功率,从而推导出相应的能量效率性能表达式,得到最优的能量效率.仿真结果表明:在用户和天线随机分布的单蜂窝小区网络内,max-ANPO-EE算法能获得比较好的性能.     

基于不完全频谱感知的认知中继网络能量效率研究

针对认知中继网络中基于能量效率的资源分配问题,提出一种基于次用户能量效率最大化的功率分配优化算法,通过建立多重约束条件下的频谱感知和传输联合优化模型,在考虑单位发射速率消耗功率和干扰限制的情况下,利用分数规划将问题中的混合整数非线性规划问题转化为等价的凸优化问题,分析了不同参数对能量效率的影响。仿真结果表明,提出的功率分配优化算法在达到能量效率最优的同时降低了算法复杂度低。     

GMR-1 卫星通信系统中基于判决的切换算法

在卫星移动通信系统中,卫星和用户都处于运动中,当用户穿越波束边界时需要进行切换.切换是卫星移动通信系统中重要的组成部分,切换算法的好坏直接影响移动通信质量.在无线资源受限的卫星移动通信系统中,不必要的切换会造成系统资源浪费.地面和卫星移动通信存在差异,地面移动通信系统中的越区切换算法在卫星移动通信网络中不再适用.针对现有波束切换算法在切换判决时没有考虑当前链路质量,提出一种基于判决的卫星波束切换算法.该算法根据当前链路质量动态地调整切换迟滞值参数的变化,并为不同速度的用户设置不同的切换触发时间.仿真结果表明,与现有的卫星点波束切换算法相比,所提算法能够合理地触发必须切换,避免不必要的切换,从而降低网络的乒乓切换和切换失败率.     

基于异构蜂窝业务量预测的基站休眠策略

为了提高第5代(the fifth generation,5G)移动通信中异构蜂窝网络基站的频谱效率,提升用户的服务质量.提出了一种基于小波神经网络的基站休眠策略(neural network based stations sleep strategy in macro-femto heterogene-ous networks,NNSS),在神经网络预测模型中,把隐含层的传递函数用小波函数替换,并采用梯度下降算法,建立一个小波神经网络的预测模型.预测出家庭基站在一个周期内的业务量,根据预测值制定合理的基站休眠策略;同时考虑用户与基站间的中断概率,设计用户重关联算法,实现家庭基站对用户服务质量的优化.实验结果表明,基于小波神经网络的基站休眠策略在提高系统频谱效率的同时,降低了用户的中断概率.     

认知异构无线网络中频谱切换建模与分析

在具有频谱认知功能的异构无线网络中,针对传统频谱切换算法未考虑次用户业务的多样性,且空闲信道不足造成次用户服务时延大的问题,提出基于次用户分级的频谱切换策略。与以往单一的认知无线电网络不同,该策略融合利用免授权频谱的开放式无线网络和机会式利用授权频谱的认知无线电网络,提出了认知异构无线网络场景。根据次用户的业务类型对其进行优先级划分,并在此基础上设计数据分割因子优化策略。进一步采用混合式抢占优先权(preemptive resume priority /non-preemptive resume priority,PRP/NPRP) M/G/1排队模型,分别对主用户网络和开放式无线网络中的频谱切换过程进行建模,提出一个最小化时延的动态自适应频谱切换策略。实验仿真了不同参数对次用户时延的影响,结果表明,该策略较传统的频谱切换策略明显提升了次用户的时延性能。