基于智能反射面辅助的无线供电通信网络鲁棒能效最大化算法

为了解决能量收集效率易受到障碍物阻挡和信道不确定性影响的问题,该文提出一种基于智能反射面(IRS)辅助的无线供电通信网络鲁棒能效(EE)最大化算法。首先,考虑最小收集能量、IRS相移、最小吞吐量等约束,基于有界信道不确定性,建立一个联合优化能量波束、相移、传输时间的多变量耦合非线性资源分配模型。然后,利用最坏准则、变量替换和S-Procedure等方法,将原非凸问题转换为确定性凸优化问题,同时,提出一种基于迭代的鲁棒能效最大化算法进行求解。仿真结果表明,与现有算法比较,该文算法具有较好的能效和鲁棒性。

服务器虚拟化部署 实现运营能效最大化

介绍了基于Linux操作平台上部署Vmware Server服务器虚拟化解决方案,大大提高服务器资源的利用效率和应用软件的运行效率。在降低成本的同时,还大大减少了系统的复杂性,降低了对机房环境的要求,同时具有更灵活稳定的管理特性。

一种分布式天线系统的最大化能源效率传输优化算法

为实现绿色通信,考虑在每个远端射频头的发送功率受限、前端链路容量受限和保证用户目标速率的情况下,研究分布式天线系统的最大化能源效率传输优化算法。受分布式前端链路容量表达式及能源效率分式形式的约束,所考虑优化问题是非凸优化问题,难以获得其最优解。针对此优化问题,通过分式规划和凸近似方法将原始非凸问题转化为凸优化问题,提出了有效的二层迭代优化算法,并理论分析证明了所提算法的收敛性。仿真结果表明,所提算法优于传统算法,且随着远端射频头调度的用户数减少,能效压缩预编码策略的能源效率增大。

基于不完美CSI的D2D通信网络鲁棒能效资源分配算法

针对设备到设备(D2D)直连通信网络传统最优资源分配算法在随机信道时延、信道估计误差影响下鲁棒性弱的问题,该文在考虑参数不确定性影响的条件下,提出D2D用户总能效最大的鲁棒资源分配算法。考虑干扰功率门限、用户最小速率需求、最大传输功率和子信道分配约束,建立了下垫式频谱共享模式下多用户D2D网络资源分配模型。基于有界信道不确定性模型,利用最坏准则方法将原非凸鲁棒资源分配问题转换为确定性的凸优化问题。然后利用拉格朗日对偶理论求得资源分配的解析解。仿真结果表明所提出的算法具有很好的鲁棒性。

基于不完美CSI的异构NOMA网络能效优化算法

为了提高异构网络的能量效率和参数摄动抑制能力,减小跨层干扰,提出了一种基于能量效率最大的异构非正交多址接入网络稳健资源分配算法。首先,考虑宏用户干扰功率约束、小蜂窝基站功率约束、资源块分配约束及小蜂窝用户服务质量约束,将资源优化问题建模为混合整数非线性分式规划问题。其次,考虑椭球有界信道不确定模型,利用凸松弛法、Dinkelbach法和连续凸近似法,将原问题转化为等价的凸优化形式,并利用拉格朗日对偶方法获得解析解。仿真结果表明,与完美CSI算法相比,所提算法具有较好的能效和稳健性。

面向安全通信的智能反射面网络能效优化算法

为了提高智能反射面网络传输安全性和能效,提出了一种面向安全通信的智能反射面网络能效最大资源分配算法。针对多输入单输出的智能反射面辅助蜂窝通信系统,考虑用户的安全速率约束、基站的最大发射功率约束以及连续相移约束,建立了非线性、多变量耦合的能效最大化资源分配模型。利用Dinkelbach方法将目标函数转化为辅助变量相减的形式,采用交替迭代算法求解原变量耦合的非凸优化问题。仿真结果表明,所提算法与传统算法对比,能效提升了8.3%,中断概率下降了77%。

基于能效最大的无线供电反向散射网络资源分配算法

为缓解物联网节点数量增长带来的能耗问题,提出了基于能效最大化的多载波无线供电反向散射网络资源分配算法。首先,考虑发射功率门限和最小收集能量约束,构建了发射功率、传输时间、反射系数和收集能量分配系数联合优化的多变量非线性资源分配模型。然后,基于Dinkelbach方法和变量替换法,将原非凸资源分配问题转化为凸优化问题。同时,利用拉格朗日对偶理论获得解析解。仿真结果表明,与纯反向散射算法和纯能量收集算法相比,所提算法具有较好的能效。

下行链路广播信道能效优化鲁棒波束成形算法

针对多天线广播下行链路通信系统,研究了一种鲁棒能效联合波束成形和功率分配算法。首先,鲁棒能效优化问题描述为满足一定功率约束的系统和速率与系统消耗之比的最大化优化问题。其次,利用分数规划理论及用户速率与最小均方误差之间的关系,把所描述的分数规划优化问题转化成参数化多项式优化问题。然后,利用拉格朗日对偶及单调优化理论,提出了一种有效的鲁棒能效优化算法。数值仿真结果表明,相对于传统的非鲁棒能效优化算法,所提鲁棒能效优化算法可获得明显的能效性能增益。

可重构智能表面辅助的非正交多址接入网络鲁棒能量效率资源分配算法

为提高非正交多址接入(NOMA)网络的鲁棒性和系统能效(EE),考虑了不完美信道状态信息,该文提出一种可重构智能表面(RIS)辅助的NOMA网络鲁棒能效最大资源分配算法。考虑用户信干噪比(SINR)中断概率约束、基站的最大发射功率约束以及连续相移约束,建立了一个非线性的能效最大化资源分配模型。用Dinkelbach方法将分式形式的目标函数转换为线性的参数相减的形式,利用S-procedure方法将含有信道不确定性的SINR中断概率约束转换成确定性形式,利用交替优化算法将多变量耦合的非凸优化问题分解成多个凸优化子问题,最后用CVX对分解出的子问题进行求解。仿真结果表明,在EE方面,所提算法比无可重构智能表面(RIS)算法提高了7.4%。在SINR中断概率方面,所提算法比非鲁棒算法降低了85.5%。

单天线功率约束下的能效预编码优化设计

针对多小区多用户下行链路系统,研究了能效传输预编码设计问题。不同于传统设计中的和功率约束,由于实际系统中各天线的功率由其各自配备的功率放大器的线性度所限制,考虑更加实际的单天线功率约束。目标优化问题建模为最大化能效/谱效,同时满足各用户速率约束以及单天线功率约束。为了求解该优化问题,利用凸近似逼近的方法,将原始问题转化为凸优化问题,并提出了一种有效迭代优化算法求解该优化问题。MATLAB数值仿真结果验证了所提算法的有效性。

基于时间反演的上行NOMA系统能效优化算法

为了解决上行非正交多址接入(non-orthogonal multiple access, NOMA)系统在多径环境下传输效率较低问题,提出了一种基于时间反演(time reversal, TR)的上行NOMA网络资源分配算法。首先,利用TR技术独特的空时聚焦特性,增大信号的接收强度。其次,考虑用户最小传输速率约束和用户最大发射功率约束,建立了系统能效最大化资源分配模型。然后,利用分式规划理论和连续凸近似方法,将所提出的非凸优化问题转化为凸优化问题,并利用拉格朗日对偶理论求得全局最优解。仿真结果表明,相较于传统算法,所提出的算法具有较好的能效。

基于硬件损伤的智能反射面辅助安全通信系统能效优化算法

为了克服阴影衰落和障碍物阻挡的影响,智能反射面(IRS)已经成为一种提高无线通信系统能量效率(EE)和降低硬件成本的有效技术。然而,传统无线资源分配(RA)算法忽略了系统收发机硬件损伤(HIs)的影响,由于放大器非线性、相位噪声的影响使得接收信号失真,从而使得这类算法的系统性能下降。为解决该问题,通过考虑收发机的硬件损伤和网络窃听者的影响,该文研究基于硬件损伤的IRS辅助安全通信系统能效优化问题。首先,基于基站的最大发射功率约束和用户的最小安全速率约束,建立一个含硬件损伤的能效最大资源优化问题。其次,采用辅助变量替换、半正定松弛以及Dinkelbach等方法,将原非凸问题转化为凸问题进行求解。最后,数值仿真结果表明,该算法与传统资源分配算法相比,合法用户的平均中断概率降低了43.5%,该算法中系统的安全能效提高了8.3%,因此,该算法具有较好的抗硬件损伤性和安全性。

面向窃听用户的RIS-MISO系统鲁棒资源分配算法

针对信道不确定性影响、用户信息泄露和能效提升等问题,该文提出一种基于不完美信道状态信息的可重构智能反射面(RIS)多输入单输出系统鲁棒资源分配算法。首先,考虑能量收集最小接收功率约束、合法用户最小保密速率约束、基站最大发射功率约束及RIS相移约束,基于有界信道不确定性,建立一个联合优化基站主动波束、能量波束、RIS相移矩阵的多变量耦合非线性资源分配问题。然后,利用Dinkelbach,S-procedure和交替优化方法,将原非凸问题转换成确定性凸优化问题,并提出一种基于连续凸近似的交替优化算法。仿真结果表明,与传统非鲁棒算法对比,所提算法具有较低的中断概率。

城市电动汽车服务网络服务能力动态评估方法研究

城市电动汽车服务网络是为电动汽车运行提供能量补给的基础支撑系统。科学评估城市电动汽车服务网络服务能力,对于合理建设电动汽车服务网络和普及电动汽车具有重要意义。基于云模型综合评价法和层次分析法建立充电站服务能力裕度指标体系和城市各充电站权重估计指标体系,通过抽取城市服务网络中典型充电站进行服务能力评估,再根据权重评估结果对电动汽车服务网络服务能力进行评估。为了实现评估的动态性和实时性,需要根据电动汽车发展情况和充电需求的变化实时更新评价体系参数。基于改进灰色预测法和支持向量机,建立电动汽车预测模型对电动汽车数量进行预测,基于能效最大化原理对充电站充电负荷进行预测。根据充电站充电需求预测结果,实时更新评估体系中充电站所需充电桩数量参数,构成电动汽车服务网络服务能力动态评估体系。

基于有界信道状态信息不确定性的异构VLC/RF网络鲁棒能效资源分配算法

为解决异构可见光通信(VLC)/射频(RF)网络信道估计误差大和系统能效低的问题,本文提出了一种基于能效最大的鲁棒资源分配算法。在考虑基站最大传输功率约束、用户传输时间约束、系统带宽约束、用户服务质量约束及含有随机信道不确定性的速率中断概率约束的条件下,建立了鲁棒能效资源分配模型。基于Dinkelbach方法,将原不确定性优化问题转化成确定性优化问题。基于交替优化算法,将非凸确定性优化问题分解为两个凸优化子问题。仿真结果表明:与非鲁棒算法相比,本文算法的能效提升了7.3%;与基于功率最小的鲁棒资源分配算法相比,本文算法的鲁棒性提升了16.7%。