具有天线选择与中继选择的空间调制技术

针对空间调制（SM）技术存在的缺欠,提出了具有天线选择和中继选择的空间调制系统方案。首先在多输入多输出(MIMO)信道模型下,通过对发送端天线选择,将拥有最佳信道状态的天线选出进行SM,打破SM技术对发送端天线数的限制,并提升采用高阶调制的SM分集性能。然后进一步将此思想引入协作通信网络,结合传感器网络的分级观念,提出采用中继选择和空间调制的中继传输协议,并通过仿真观察系统分集性能的改善。仿真结果表明,上述中继传输协议不仅能提升系统性能,而且使系统配置更加灵活。     

双中继协作通信的功率分配改进方案

为克服信息处于深度衰落情况下单中继协作困难,减少多中继协作目的端信号处理的复杂度,给出了双中继节点参与协作通信的功率分配方案。两个中继节点分别采用放大转发(AF)、译码转发(DF)以及混合译码放大转发(HDAF) 3种协作方式进行通信。在满足一定的中断概率和节点功率限制情况下,利用MATLAB软件中的Fmincon优化函数,得到了各节点的最小发射功率。数值分析表明,在相同条件下,两个中继节点采用HDAF协作方式比采用AF协作方式、DF协作方式消耗的系统总功率分别少4～9 dBm、0.5～1 dBm,最大限度地节约了系统功率的消耗。     

基于萤火虫算法的多中继功率分配

为了充分实现中继协作,降低多中继协作通信系统功率分配优化问题的计算复杂度,提出了基于萤火虫算法的多中继功率分配方案。在一定的总功率和节点功率约束下,以最大化平均信噪比为优化目标函数,建立了多中继协作系统的功率分配最优化模型。选取该目标函数作为萤火虫的适应度函数,用向量表示萤火虫的状态,该向量的维数为待分配源节点和中继节点的个数,通过萤火虫聚集得到种群中最好的萤火虫,即可获得渐进最优功率分配。仿真结果表明,与平均功率分配相比,基于萤火虫算法的功率分配方案能降低2.44%~6.17%的比特差错率,提高了系统性能。     

基于天线选择和功率分配的联合迭代优化算法

当使用所有天线进行无线数据传输时,大规模多输入多输出（Multiple-Input multiple-Output,MIMO）系统中的基站需要使用与天线数相同的射频链路,导致系统的实现复杂度增加,降低了系统的能效。针对能效降低的问题,提出了一种天线选择和功率分配的联合迭代优化算法。该算法在给定初始发送功率的条件下,随机生成一个天线集合作为内循环的初始值,内循环每次从余下的天线集合中选择一根具有最大能效的天线进行替换,得出最优天线集合,求出相应的最优发送功率,并以此作为下次外循环发送功率的初始值。仿真结果表明,所提算法在降低计算复杂度的前提下,几乎可以达到近似于最优穷举搜索算法的能效性能。     

一种基于非正交信道的分布式中继选择及功率分配方法

针对非正交两跳多中继协作通信系统中的分布式中继选择问题,提出了一种基于非正 交信道的中继选择准则,简化了系统的设计。分析了其误码率性能,给出了其解析表达式 和以总功率为约束条件下的最优功率分配方案。仿真结果表明,最佳中继选择准则明显优于 传统的中继选择准则,且在最优功率分配方案下,可以获得明显的分集增益,系统的误码率 显著下降。     

复合形遗传算法求解功率优化分配研究

传统遗传算法存在过早收敛及局部搜索能力差的缺点,在求解无线网络协作通信功 率优化分配等NP难问题时难以求得最优解。通过小生境策略解决遗传算法过早收敛问题,引 入复合形法提高局部搜索能力,构造了兼顾广度搜索与深度搜索的高性能混合算法,并对上 述问题进行求解。实验结果表明,所提算法与已有算法相比有一定优势,有效延长了协作网 络寿命,稳定性较好,分配的功率波动范围小。     

多用户MIMO系统中基于博弈论的鲁棒性功率分配

针对多用户多输入多输出（MU-MIMO）天线系统,提出了一种基于非合作博弈论的功率分配方案。此博弈模型中,以用户在系统中的信号泄漏噪声比值（SLNR）作为用户功率分配和公平性参数设置的依据,保证用户所期望的服务质量和公平性,并证明了纳什均衡的存在性。其次,考虑信道估计误差的影响,提出了一种基于滑动模型的迭代功率分配控制算法满足所有用户的最小通信质量要求。仿真结果显示此方案在信道误差的情况下,相比现有方案可提高系统吞吐量。     

二进制猫群算法在大规模MIMO天线选择中的应用

在多输入多输出（MIMO）系统中,天线选择技术平衡了系统的性能和硬件开销,但大规模MIMO系统收发端天线选择复杂度问题一直没有得到很好的解决。基于信道容量最大化的准则,采用两个二进制编码字符串分别表示发射端和接收端天线被选择的状态,提出将二进制猫群算法（BCSO）应用于多天线选择中,以MIMO系统信道容量公式作为猫群的适应度函数,将收发端天线选择问题转化为猫群的位置寻优过程。建立了基于BCSO的天线选择模型,给出了算法的实现步骤。仿真结果表明所提算法较之于基于矩阵简化的方法、粒子优化算法具有更好的收敛性和较低的计算复杂度,选择后的系统信道容量接近于最优算法,非常适用于联合收发端天线选择的大规模MIMO 系统中。     

一种新的用户随机选择平分功率协作协议

大量的研究结果证明,无线网络中一个或者多个中继节点具有协助传输信息的优点。在实际情况中,参与协作的每个用户均要决定协作时序及协作对象。为此,提出一种传输速率只降低一半,而分集指数可达到满分集的协议。在分布式网络中,每个节点根据接收信号的即时信噪比独立决定所协助的用户对象,并在协作时隙内将功率平均分配给被协助对象。由于协作时隙采用平分功率协作,无论参与协作的用户数目如何变化,网络的数据速率都只降低为不协作情况的1/2。     

基于深度强化学习的协作通信中继选择

协作通信是无线传感器网络(Wireless Sensor Network,WSN)实现数据可靠传输的关键技术,而协作通信技术的关键在于中继方案的选择。为此,提出了一种基于深度强化学习的协作通信中继选择算法(Deep Q-Learning Based Relay Selection Scheme,DQ-RSS)。首先,将WSN中具有中继选择的协作通信过程建模为马尔科夫决策过程,并采用Q学习在未知网络模型的情况下获取最佳中继选择策略;其次,针对高维状态空间下Q学习收敛时间长的问题,采用DQN(Deep-Q-Net)算法来加速Q学习的收敛。对比仿真实验结果表明,DQ-RSS在中断概率、系统容量和能耗方面均优于现有的中继选择方案,且能够有效节省收敛时间。     

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。     

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。     

能量收集双向中继网络的中继选择和功率分配

结合能量收集技术,研究了放大转发双向中继网络的系统性能。基于双向中继系统中的两个端到端信噪比平衡准则,推导出了单中继选择情况下信源最优的功率分配方案和中继最优的能量收集比例。仿真结果证明所提方法能够实现最好的系统性能。通过比较发现,能量收集双向中继网络比传统双向中继网络能够实现更高的传输速率。     

Cooperative communication: Computerware and humanware

This article emphasizes the combined requirements of computer systems and humanistics. In cooperative computing, negotiations can be used as a basic paradigm by which different roles and their requisites can be identified—the facilitator, the mediator, and the negotiator. The negotiation‐cooperation process has a logical sequence of agreements, definition of terms, objectives, mode of operation, common security measures concerning integrity and liability, handling protocols, etc. The cooperation is based on models of the subject and the partners—i.e., a minimum of three models should be matched. The usual methods of human negotiations supported by metacommunication should have a computer‐realizable substitute. All these subjects are outgrowths of recent research in artificial intelligence (knowledge‐based systems) and cognitive psychology; some experiences are reported in the field. However, the main task is human‐oriented—education of people for this new powerful means of coexistence.