多用户MIMO-OFDM系统中的子信道与功率分配算法研究

针对多用户MIMO-OFDM系统下行链路,分析了通过遍历搜索来使容量最大化的最优子信道与功率分配算法,在此基础上提出了低复杂度的次优多用户子信道与功率分配算法,即MSPA算法。为了最大限度地保证用户之间的公平性,进一步提出了考虑每个用户速率要求的MSPA-RoU算法。仿真结果表明:本文提出的MSPA算法在复杂度可接受的情况下所获得的容量增益与最优算法十分接近,并且远远大于在MIMO环境下仅对子载波进行分配的算法;MSPA-RoU算法在考虑用户速率要求时仍能获得可观的容量增益。

基于分布式协作Q学习的信道与功率分配算法

为提高分布式认知无线网络认知用户信道与功率分配算法的能量效率和收敛速度,将单位能量的平均比特数作为通信效率指标,平衡用户通信质量和系统能量消耗,提出一种基于多Agent协作强化学习的分布式信道与功率分配算法。在多Agent独立Q学习的基础上引入协作学习,各用户通过独立Q学习后,共享Q值并进行融合再学习。仿真结果表明,与基于能效的独立Q学习算法、独立Q学习算法以及随机功率分配算法相比,该算法能够有效提高认知用户发射功率和信道分配时的收敛速度。

密集家庭基站网络中基于分簇的资源分配方案

针对家庭基站密集部署情况下的下行干扰问题,提出一种基于分簇的资源分配方案。首先,采用部分频率复用(FFR)技术将网络中所有小区划分成不同的空间,既能抑制宏基站之间的同层干扰,又能降低边缘区域宏基站与家庭基站间的跨层干扰;然后,结合图论的知识及凸优化理论对家庭基站进行分簇,并采用基于用户速率公平的信道分配算法对家庭基站进行子信道分配,抑制家庭基站间的同层干扰;最后,采用分布式功率控制算法对家庭基站功率进行动态调整,进一步提升系统的性能。仿真结果表明:相比传统未分组算法,所提算法的信干噪比(SINR)和吞吐量有明显提高,其中,系统吞吐量低于4 Mb/s的概率降低为30%;同时,与未分组算法相比,所提算法公平性提高了12%,使用户获得更高的满意度。