基于资源分配和功率控制的D2D中继选择

为优化蜂窝用户通信与设备直传（D2D）中继通信共存下的同频干扰问题，满足蜂窝用户容量要求，提出了一种基于能效的联合资源分配和功率控制的D2D中继选择算法。该算法首先对等效D2D中继链路进行资源分配，减小算法复杂度的同时使得D2D链路对蜂窝链路产生的干扰最小；然后以资源分配结果和功率控制算法为依据进行中继选择。该方案不仅考虑了D2D中继链路的能效问题，而且还同时考虑到了对蜂窝链路的干扰问题。通过仿真验证，所提算法不仅能有效提升D2D中继链路的能效值，同时降低了对蜂窝用户的干扰。     

异构云无线接入网场景下D2D通信资源共享与分配

针对异构云无线接入网中的前向链路受限问题，提出了一种基于干扰阈值的设备到设备（Device-to-Device，D2D）多用户分簇方案，并对系统信道和功率资源的分配进行优化。首先根据D2D用户之间的干扰级别，利用着色图理论对多用户进行分簇；然后，在满足D2D用户和蜂窝用户服务质量约束下，建立了基于D2D用户和速率最大化的资源分配模型，并进一步采用二分法对已分簇的D2D用户进行功率优化分配。仿真实验结果验证了所提方案相比传统方案，系统频谱利用率提高了55%以上。     

基于改进图着色的D2D资源分配和功率控制

针对蜂窝网络中D2D（Device-to-Device）用户复用蜂窝信道带来的同频干扰问题，提出了一种基于改进图着色的资源分配和功率控制算法。首先通过构建干扰图和候选集进行用户之间干扰关系建模，并定义指数型累积因子改进图着色算法，为D2D用户分配蜂窝信道；再采用基于信干噪比的闭环功率控制算法动态调整D2D用户发射功率，减小由于信道复用产生的干扰。仿真结果表明，与现有算法相比，所提算法能够有效提升系统吞吐量和D2D用户接入率，实现信道资源的合理分配。     

认知型飞蜂窝网络中的子信道分配与功率控制

为了解决宏蜂窝与飞蜂窝构成的两层异构网络上行干扰与资源分配问题,提出了一种在认知型飞蜂窝的双层异构网中结合子信道分配和功率控制进行资源分配的框架。通过对异构网中跨层干扰问题进行分析与建模,将求解最优子信道分配矩阵和用户发射功率矩阵作为干扰管理问题的解决方法。模型中认知型飞蜂窝网络子信道和飞蜂窝网络用户构成非合作博弈,双方利用效用函数最优值进行匹配,构成初始信道分配矩阵;再由接入控制器根据接入条件从初始信道分配矩阵中筛选用户,并优化接入用户的发射功率矩阵,得到最优子信道分配矩阵和功率矩阵。仿真结果表明,优化框架提高了双层异构网络中飞蜂窝网络用户的吞吐量和接入率,降低了异构网中跨层干扰。     

D2D通信中基于粒子群优化的能效最大化策略

5G中终端的能量消耗和频谱资源问题日益严重，在终端直通技术（D2D）中尤为突出。为了提高D2D对用户（DP）的能效和资源利用率，提出了一种基于粒子群算法的联合功率控制和资源分配策略。以最大化D2D链路总能效为目标，将构造的资源分配矩阵和功率分配矩阵作为粒子的位置，依照蜂窝用户（CU）和DP服务质量的约束来修正粒子位置和速度，使之适合于原分式规划问题的求解，合理地提升了DP的总能效，实现了一个DP链路能复用多个CU资源。仿真结果表明，所提算法不仅使能效显著提升，而且使资源利用率提高了80%。     

D2D通信中一种资源分配与功率控制结合的方案

以underlay方式工作的D2D(Device-to-Device)通信通过资源共享复用蜂窝网络中的资源,在提高系统资源利用率的同时,对已有蜂窝链路带来了同频干扰。为了减小因无线资源复用带来的干扰,提出了一种资源分配与功率控制相结合的方法。以最小化系统干扰为目的,通过在D2D链路之间合理地分配资源,保证了蜂窝链路的通信质量;同时动态地调整D2D链路的发射功率,在保证相应蜂窝链路干扰可控的情况下,合理提高了D2D链路的通信质量。仿真结果表明,与现有方案相比,所提出的算法能够有效地提高D2D通信与蜂窝用户共存场景下的系统性能。     

基于信干噪比的D2D通信功率控制与资源分配

为了优化长期演进(LTE)系统引入设备直传(D2D)通信后带来的同频干扰、系统边缘用户性能恶化问题，提出一种基于信干噪比(SINR)的多小区D2D通信资源分配方案，通过调整信干噪比阈值将部分蜂窝用户(CU)转化为D2D用户并释放频谱资源进而获得较佳的资源分配策略，同时提出一种基于小区间D2D竞争机制的配置算法有效降低小区间干扰。仿真表明，算法能够有效提升系统容量，并提升小区边缘D2D用户公平性。     

认知网中感知时间和功率控制的联合优化机制

针对认知无线网中为了最大化认知用户的吞吐量问题,提出了一种感知时间和功率控制的联合优化机制。该机制保证认知系统在低于一定干扰限制下,将认知用户吞吐量描述成为一个多约束优化问题,从理论上分析了最优功率分配方案与最优感知时间分配方案。根据理论分析结果,设计了联合迭代机制通过确定合适的感知参数从而达到最大化认知用户吞吐量的目的。仿真结果表明：提出的联合优化机制复杂度较低,并且该方案的认知吞吐量性能最接近理论最优方案的性能。     

使用对偶分解的MU-CoMP-JT联合资源分配

在MU-CoMP-JT（Multi-User Coordinated Multiple-Points Joint Transmission）联合资源分配问题中,传统的迫零预编码矩阵会使得每根天线发送功率互不相同,当CoMP节点发射功率仅满足总功率约束时性能损失不明显,而当CoMP节点分布在不同的地理位置时将受到单节点功率约束,这势必会降低系统功率利用率。为了进一步提升系统吞吐量,基于对偶分解理论提出了一种联合预编码优化的资源分配算法。该算法以最大化用户权重速率为目标,将原优化问题分解成若干个优化的子问题,不同子问题对应不同接收天线数的联合优化问题。当子信道的发送天线数大于接收天线数时,通过多次迭代计算得到预编码矩阵,并且预编码矩阵会随着拉格朗日因子的变化而变化。仿真结果表明所提联合预编码优化的联合资源分配算法能够明显提升系统吞吐量,且提高天线功率利用效率。     

多小区OFDMA系统基于改进PSA的资源分配算法

针对载波、功率资源分配问题,考虑本小区对其它小区的干扰情况,提出了一种应用于多 小区正交频分多址复用（OFDMA）系统中的改进罚函数模拟退火(PSA)算法。该问题模型是在 传输速率和性能 一定的条件下,最小化传输功率。该算法是一种随机寻优算法,是一种能将局部搜索扩展为 全局搜索的启发式算法。仿真结果表明,改进算法简化了问题模型,可以在不影响系统性能 的情况下减少运算时间。基于模拟退火算法的离散功率的取值具有随机性,但是整体规律性 仍很明显,且能够获得较高的单位功率吞吐量。     

改进粒子群算法在频谱功率分配中的应用

在认知无线电中,由于次用户干扰门限要求的存在,传统频谱功率分配方式获得的次用户有效信道容量较低。针对这一问题,提出了一种基于粒子群算法的频谱功率分配算法。首先建立基于干扰距离的认知网络干扰模型,将频谱功率分配问题转化为函数优化问题,并借助混合随机变异思想的粒子群算法进行求解;针对寻优过程中的约束问题,提出了一种基于投入产出比的外点法,保证粒子群在可行域中寻优,最终获得频谱功率分配。仿真结果表明,与传统算法相比,所提算法能够获得较高的次用户有效信道容量。     

适用于宽带网络波形的基于定价策略的时隙选择

针对宽带网络波形（Wideband Networking Waveform,WNW）的多信道二维时频资源,以减小网络资源浪费为优化目标,提出了一种基于定价策略的时隙选择方法（Pricing Strategy Based Slot Selection,PSSS）。该方法通过接纳控制保障资源分配的公平性,采用对偶优化建模与椭圆搜索法实现最优的时隙选择。理论分析证明该方法能够在多项式级别时间复杂度内搜索到时隙选择的最优解。仿真结果表明,提出的PSSS算法通过较低资源浪费获得了较低的容量冗余度,能够有效地解决WNW多信道网络的时隙选择问题。     

速率比例公平下多用户OFDM系统的自适应资源分配

在多用户正交频分复用（MU-OFDM）系统中,考虑各个用户之间具有比例数据传输速率限制 条件下的一种公平的自适应资源分配方案的最优算法计算量巨大,为此,提出了一种将子信 道分配和功率分配相分离的次优算法。首先,在假设相同功率分配的情况下进行子信道的分 配,然后在保持一定比例公平条件下使总容量最大时进行最优功率分配。对该算法的仿真表 明,在用户数为2、子信道数为10的系统中,所提算法的容量性能接近最优算法,而计算量 由指数增长变为线性增长。所提资源分配算法的总容量比以前的算法在用户间的分配更公平 也更灵活 。     

毫微微小区中一种基于分组的资源分配方法

为有效解决毫微微小区间（Femtocell）干扰,采用分布式方式对毫微微小区进行资源管理。首先,对毫微微接入点（FAPs）进行分组。基于Lingo数学建模的思想,提出了一种解决分组优化问题的算法。该算法在使用分支定界算法寻找最优解的同时,通过建立单纯形表剪去偏离最优解方向的分支;其次,每组选择一个簇头为本组内FAPs分配资源,为此,提出了新的子信道分配方法,该方法根据干扰指示矩阵修正子信道分配的情况。仿真结果表明：和其他算法相比,提出的算法不仅能找到分组优化问题的最优解,并且效率更高;另外,提出的资源分配算法不仅减小了用户间干扰,而且提高了户间速率公平。