电力物联网中基于深度学习的无蜂窝接入点选择算法

针对传统电力物联网中的设备间干扰和高能耗问题,提出一种基于深度神经网络(deep neural network,DNN)的无蜂窝接入点(access point,AP)选择算法。首先,考虑无蜂窝网络下,将中央处理单元连接的多个协作AP随机分布在大规模电力设备周围,从而拉近AP与设备间的距离以降低能耗;然后,基于深度神经网络算法对AP进行有效筛选,通过训练静态随机设备的大尺度衰落系数将AP组合进行标签分类,使得平均频谱效率(spectrum effectiveness,SE)达到最大;最后,利用测试集进行测验,仿真结果表明,算法准确率能够达到95%,且相比于传统全AP传输和基于信道特征排序的算法,所提出的算法能够进一步提升无蜂窝网络多设备的平均SE,并具有更低能耗。

无蜂窝大规模MIMO系统接入点动态选择算法

在无蜂窝大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)系统中,所有接入点(Access Point,AP)为用户提供服务的方式会造成较大的功率消耗和增加前传链路压力。以“用户为中心”的AP选择方案为每个用户选择最佳的AP集合,使系统频谱效率和能量效率得以提升。为了给每个用户选择最佳的AP集合,提出了一种基于反向传播(Back Propagation,BP)神经网络的接入点动态选择算法。将AP与用户之间的大尺度衰落向量作为输入,AP与用户之间的连接关系作为BP神经网络输出的预测向量,同时,针对BP神经网络初始化权值,提出了一种改进的自适应遗传算法以提高算法的收敛速度和收敛性能。仿真结果表明,改进后的BP神经网络预测结果更接近于实际值,并且比全连接和启发式的AP选择方案具有更高的系统和速率。

基于深度强化学习的无蜂窝系统无线接入点选择算法

面向以用户为中心的无蜂窝分布式多输入多输出(Multiple-Input Multiple-Output, MIMO)架构,研究利用不完备信道状态信息(Channel State Information, CSI)下实现无线接入点(Access Point, AP)与用户(User Equipment, UE)之间的选择,提出基于深度强化学习(Deep Reinforcement Learning, DRL)的高效分配算法,通过使用不完备CSI快速生成以用户为中心的AP集合,减少了对前馈链路容量的占用。仿真结果表明,与其他传统选择算法相比,所提出的DRL接入点选择算法可以获得至少22.48%的总遍历频谱效率增益;与深度Q网络(Deep-Q-Network, DQN)算法相比,可以获得约14.17%的总频谱效率增益。

去蜂窝大规模多输入多输出非正交多址系统中基于量子菌群优化的接入点选择方案

去蜂窝大规模多输入多输出非正交多址(MIMO-NOMA)系统的接入点(AP)选择,对有效降低系统的回程链路开销、提高用户的下行可达速率影响较大。该文针对AP选择的去蜂窝大规模MIMO-NOMA系统下行链路建立了用户平均速率的表达式;在此基础上,提出了基于量子菌群优化(QBFO)的AP选择方案,将AP与用户的连接关系以量子比特的形式编码,利用自适应量子旋转门模拟细菌趋化,实现细菌位置更新,通过对量子细菌种群进行测量,获得AP与用户的选择解集,并引入驱散操作避免算法陷入局部最优。实验结果表明,所提方案能够在降低回程链路开销的同时显著提高用户的下行平均速率,相较于基于接收功率和基于信道估计均方误差的AP选择方案,该文所提方案在降低用户间干扰、提高系统总吞吐量方面表现更优。

基于人工蜂群算法的去蜂窝大规模MIMO系统AP选择技术

为了提升去蜂窝大规模多输入多输出(multiple input multiple output,MIMO)系统中接入点(access point,AP)选择方案的性能,结合迫零(zero forcing,ZF)预编码技术和人工蜂群算法,提出了针对去蜂窝大规模MIMO系统用户端的AP选择算法。基于各个用户所需接收的信号,采用ZF预编码算法,使得所有AP都参与预编码,从而获得预编码信号;针对每个用户,利用人工蜂群算法,在优化目标为最大化用户的信道容量的前提下,求解相应的AP选择方案。仿真结果表明,相比于不进行AP选择的方案,提出的去蜂窝大规模MIMO系统的AP选择方案在信道容量性能方面表现更优。当用户数量为5、信噪比(signal to noise ratio,SNR)为40 dB、AP数量为40时,提出的AP选择算法对应的信道容量为14.8 bit/(s·Hz),与不进行AP选择的算法相比,信道容量提高5 bit/(s·Hz)。

去蜂窝大规模MIMO系统中基于树种二进制差分进化的接入点选择算法

在去蜂窝大规模多输入多输出(Cell-Free Massive MIMO)系统中,大量接入点(Access Point,AP)同时为多个用户服务的连接方式会导致较大的功率损耗和回程链路开销。为了给用户选出最佳服务AP集合,本文提出了一种基于树种二进制差分进化的AP选择算法。首先,提出基于二进制差分进化的AP选择算法,通过多个个体的进化实现高维数据搜索的全局优化。其次,针对传统二进制差分进化算法容易陷入局部最优的问题,进一步给出基于树种优化的双机制搜索策略,利用搜索趋势(search tendency,ST)实现全局搜索和局部搜索的最佳平衡。最后,通过定义交叉率(crossover rate,CR)自适应递减准则,加快算法收敛速度。仿真结果表明,与现有算法相比,所提出的算法可显著提高系统和速率。

蜂窝网络分布式中继选择算法

针对蜂窝网络中的功耗优化问题,研究了如何最小化两跳中继蜂窝网络的系统总功耗。首先根据信道传输功率的闭合表达式得到满足信道最小中断概率情况下的最优链路传输功率,然后通过使用基于Acknowledgement的分布式拍卖算法(DAA-ACK)和改进的分布式拍卖算法(IDAA)帮助用户节点选择合适的中继基站。仿真结果显示,这两种算法仅需要用户节点与邻居中继基站交换少量信息,并可通过有限次迭代快速选择出使系统总功率最小的中继节点。

蜂窝网络中基于遗传算法的信道分配

信道分配问题属于组合优化中的NP完备问题 ,为了更有效的利用频率资源 ,在遗传算法的基础上提出了一种新的信道分配方法·在信道分配中主要考虑三种限制 :同频限制、邻频限制和同位置限制·目标是得到一个用最少的信道数 ,满足话务需求和电磁兼容限制的信道分配方案·采用了最小间隔编码方案 ,利用固定遗传算子 (交叉和变异 ) ,在整个迭代过程中始终满足话务需求的要求·提出了几种遗传算子并进行了验证 ,比较结果表明选择性变异技术能得到很好的结果·对几个著名的benchmark问题进行仿真 ,结果表明 。

多目标优化的移动中继选择算法

移动中继节点的选择算法是多跳蜂窝网络提升系统吞吐量的关键技术,提出基于多目标优化策略的最优中继选择算法.该算法将带宽和信干噪比两个因素引入中继选择算法中,提升用户吞吐量的同时降低中继节点切换次数.分析动态场景中影响系统吞吐量与中继切换概率的因素,并充分考虑多跳蜂窝网络的移动特性与用户呼叫到达状态,优化参数选择更符合实际工作场景.仿真结果表明该算法与传统算法相比有效提升了用户吞吐量,同时降低了中继切换次数,增强了用户体验.

去蜂窝大规模MIMO系统功率控制算法

针对移动通信流量需求持续增长的需求,同时考虑用户接入点选择和下行功率控制,对去蜂窝大规模多输入多输出(multiple input multiple output,MIMO)系统的用户体验进行优化。基于最大信号干扰加噪声比,为每个用户选择有效的服务接入点子集。在此基础上,针对为不同优先级用户提供不同服务质量的目标,建立长期功率约束下的下行链路加权功率控制优化问题模型。将该问题转化为凸优化问题,求解得出一组优化的下行链路功率控制系数。算法经仿真验证,能将去蜂窝大规模MIMO系统的95%用户频谱效率提升约11倍,同时有效提升高优先级用户的体验,对于去蜂窝大规模MIMO系统的研究具有一定参考意义。

基于ADC精度与AP选择的去蜂窝系统能效均衡方法

去蜂窝大规模多输入多输出(MIMO)系统通过部署大规模接入点(AP),获得宏分集增益和较低的路径损耗,但产生的大量功耗损失使得系统能效质量失衡。针对去蜂窝大规模MIMO系统与多AP联合协作的能效质量失衡问题,提出一种基于模数转换器(ADC)精度和AP选择的能效均衡方法。利用泊松过程对用户分布进行建模,推导出激活所有AP时频谱效率及能量效率的闭式解,将有效信道与干扰信道增益的占比作为排序指标,通过降序排序的方法获得相应信道方差矩阵索引,按索引对AP集进行逐层筛选,当AP联合服务用户获得频谱效率的变化差值小于阈值时,停止筛选并确定用户间干扰低的AP组合。通过ADC精度与AP选择的联合优化获取最优量化位数,实现系统频谱效率与能效的均衡。仿真结果表明,与全AP选择、基于大尺度衰落的AP选择方法相比,该方法能达到较优的能效质量均衡,尤其在用户密集区域,可提升约20%能效,同时利用最大最小功率控制可保证系统区域一致良好的用户服务质量。

D2D联合模式选择与资源分配的研究

【目的】在通信资源相对匮乏的情况下,针对D2D直通技术复用蜂窝网络资源可能会带来干扰管理、通信模式选择和资源分配等众多技术问题。【方法】本文研究选用模式选择、信道分配和功率控制相结合的方案,由于此方案分配问题是NP-hard问题,因此本文将优化问题划分为两个子问题,其一是为D2D选择合适的通信模式和为每个D2D用户分配合理的信道资源,其二是通过改进的灰狼优化算法为D2D用户和蜂窝用户进行功率优化,以提高整体系统吞吐量,同时保证干扰最小化。【结果】综合上述不同场景下的实验结果表明,本文方案能够有效地降低干扰,提高系统吞吐量,改进的灰狼算法为本方案提升了大约4%的平均吞吐量。【局限】灰狼优化算法处于不断地发展演变之中,自身也存在着一定的局限性。【结论】在后续的工作中将继续探索并考虑网络状态和用户移动性,在保证系统性能的同时提高系统吞吐量。

蜂窝系统中一种固定信道分配方法的研究

信道分配问题属于组合优化中的 NP完备问题 ,为此在遗传算法的基础上提出了一种新的固定信道分配方法 .目标是得到一个用最少的信道数 ,满足话务需求和电磁兼容限制的信道分配方案 .采用了最小间隔编码方案和选择性变异技术 ,利用固定遗传算子 (交叉和变异 ) ,在整个迭代过程中始终满足话务需求的要求 .通过对几个著名的benchmark问题进行的仿真结果表明 。

LTE-A中继系统级仿真平台设计与实现

为提供中继蜂窝网络相关技术的验证平台,通过将中继场景加入传统LTE-Advanced网络中,利用模块化的仿真方法,设计实现LTE-Advanced中继系统级仿真平台。针对传统服务节点选择算法的不足,提出一种基于联合优选的服务节点选择算法;利用该平台将3种传统服务节点选择算法与联合优选服务节点选择算法进行仿真比较。仿真结果表明,与3种传统算法相比,联合优选算法提升了用户信干噪比,降低了算法复杂度,验证了该系统级仿真平台的有效性。

跨小区中继协作通信的无线通信能效优化

针对蜂窝网中基站能耗过高、用户通信业务需求较小的问题,休眠部分通信业务较少的基站,并采用无线中继协作实现跨小区中继协作通信。选择满足信宿输出信噪比最大的中继节点,依次删除协作效率最小的的中继节点,从而逐次优化中继选择结果。仿真结果表明,在跨小区中继协作的通信过程中,采用中继选择算法,能得到协作效率最高的中继节点,改善了小区内中继协作效率,提高了无线通信能效。

基于多流接收空间调制的去蜂窝MIMO下行传输方法

将多流接收空间调制(multi-stream receive-spatial modulation,MSR-SM)技术应用于用户和接入点(access point,AP)都是多天线的去蜂窝(cell-free)多输入多输出(multiple-input multiple-output,MIMO)下行链路传输,为绿色节能的无线通信提供新的思路.在AP的最高发射功率和用户的最低信干噪比(signal interference-to-noise ratio,SINR)约束下,运用连续凸逼近(sequential convex approximation,SCA)算法求得每个AP的功率控制系数,实现能量效率(energy efficiency,EE)最优化.为减少不必要的服务AP数量,降低系统总消耗功率,本文提出基于注水(water-filling)算法的接入点选择方案.通过仿真表明,本文所提的功率分配算法相比最大最小(max-min)功率控制算法可以显著提升能量效率,基于多流接收空间调制的下行链路传输模式,其能量效率性能优于传统的空分复用MIMO数字调制模式.此外,基于AP选择方案的连续凸逼近算法相比无AP选择方案的功率控制算法,能够进一步增强能量效率.