认知小蜂窝网络中基于能效的下行资源分配算法

在认知小蜂窝网络框架下,对基于OFDMA技术的下行联合频谱资源块和功率分配问题进行了研究。小蜂窝基站在分布式结构下采用开放式接入方式共享空闲频谱资源以最大化其能量效率,基站间的竞争关系使系统资源的动态分配过程可建模为非合作博弈模型。由于最大化具有多个限制条件的分数形势的能量效用函数属于非凸最优问题,可通过将其转化为等价的减数形势,并从串行和并行迭代的角度进行求解。在给定资源块分配策略后,原有博弈模型可被重新建模为便于独立求解发射功率的等价子博弈模型。仿真结果表明,所提算法在干扰受限的通信环境下能收敛到纳什均衡,并有效提高了系统资源利用率和能量效率。

博弈论框架下认知小蜂窝网络的动态资源分配算法

为提高认知小蜂窝网络(CSSN)的系统容量,本文基于博弈论框架分析了上行链路中频谱、小蜂窝基站和功率的动态分配行为.传统的频谱分配方案只考虑了异质网路中相互独立频带间的最优分配,而没有考虑可重叠频段间的分配模式和上行链路资源的联合优化.基于此,本文提出了一种具有频带可交叉特性的联合分配模型.通过引入干扰温度限制、全新的干扰算子和记忆因子构造了一种新型的上行注水功率算法.仿真结果表明,基于博弈理论的动态选择特性和干扰温度的干扰避免准则,本算法可以有效提高CSCN的吞吐量和鲁棒性.

认知小蜂窝网络中基于干扰温度限制的下行能效资源分配算法

为最大化认知小蜂窝基站的能量效率,本文基于博弈论模型分析了下行联合频谱资源块和功率分配行为.在干扰受限环境下,多个基站采用分布式结构共享空闲频谱资源.为避免累加干扰损害主用户的通信,算法中引入了功率和干扰温度限制.由于具有耦合限制的分数形式的能量效用函数是非凸最优的,通过将其转化为等价的减数形式进行迭代求解.给定频谱资源块分配策略后,主博弈模型可被重新建模为便于求解发射功率的等价子博弈模型,并通过代价的形势解除耦合限制.仿真结果表明,本文所提算法能够收敛到纳什均衡,并有效提高了系统资源利用率和能量效率.

博弈理论在认知小蜂窝网络无线资源配置优化中的应用

由于集中式优化方案大多依赖于实时全网信息交互,通常难以适用于网络环境动态快变和缺乏相互协作的超密集认知小蜂窝网络场景.博弈论为分析分布式条件下多决策主体间的复杂决策行为提供了理论框架,已经被广泛应用于无线通信领域.论文聚焦认知小蜂窝网络中的无线资源分配问题,围绕网络多层次、高动态和强异构3个显著特征,从博弈论的视角分别给出认知小蜂窝网络中的干扰管理、接入控制和频谱接入与共享3个研究领域中的应用,对现有理论研究中所采用的博弈模型进行梳理归纳,并对模型的相关特性如博弈类型、优化目标、均衡特性等进行分析总结;最后,从当前无线通信中的研究趋势出发,给出了未来研究方向.

小蜂窝认知网络中基于干扰和能量效率的动态频谱管理

针对基于非授权频段的小蜂窝认知网络中的抑制干扰和降低功耗问题,提出了干效性的概念,即传输每比特数据所产生的干扰.建立基于能效性和干效性的多目标收益函数,以最大化长期折扣收益为目标,利用随机动态优化理论中基于马尔科夫决策过程的Restless Bandits模型,计算其最优频谱管理决策,给出了动态频谱管理决策的过程.该方法具有分布式和动态特性且计算复杂度较低.仿真结果表明该方法能显著提高系统收益能效性、干效性等性能.