CR-NOMA中基于深度确定策略梯度的能效优化策略

利用认知无线电非正交多址接入(cognitive radio non-orthogonal multiple access,CR-NOMA)技术可缓解频谱资源短缺问题,提升传感设备的吞吐量。传感设备的能效问题一直制约着传感设备的应用。为此,针对CR-NOMA中的传感设备,提出基于深度确定策略梯度的能效优化(deep deterministic policy gradientbased energy efficiency optimization,DPEE)算法。DPEE算法通过联合优化传感设备的传输功率和时隙分裂系数,提升传感设备的能效。将能效优化问题建模成马尔可夫决策过程,再利用深度确定策略梯度法求解。最后,通过仿真分析了电路功耗、时隙时长和主设备数对传感能效的影响。仿真结果表明,能效随传感设备电路功耗的增加而下降。此外,相比于基准算法,提出的DPEE算法提升了能效。

面向CR-NOMA的动态频谱共享模型与分配算法研究

认知无线电具备感知频谱环境和伺机灵活接入频谱能力,能够支撑不同无线电系统之间的频谱资源动态共享,提高频谱利用效率和解决制约无线通信可持续发展的频谱资源稀缺问题。认知无线电与非正交多址接入技术结合的认知非正交多址接入技术,支持认知用户通过正交、非正交方式在域内和域外进行频谱共享,极大地提高了频谱接入和频谱共享的灵活性。针对认知非正交多址接入技术提供的灵活频谱接入能力及其充分利用频谱资源的需求,提出基于网络化频谱地图数据库的动态频谱管理模型;从需要解决的两个关键性问题(即频谱资源分配和信道间干扰问题)入手,分析关于用户分组、功率分配及联合优化等问题的频谱分配算法,并进行对比仿真分析,展望更加高效的动态频谱共享模型与关键算法。

认知NOMA系统中基于RIS的V2V物理层安全性能

车联网通信信道环境复杂,动态变化大,使网络的安全性能无法得到准确评估。对此,利用第6代移动通信系统的可重构智能表面(RIS)技术,辅助认知非正交多址接入(NOMA)车联网通信架构,分析了物理层安全性能,推导了双瑞利衰落信道下的中断概率和截获概率解析表达式,并通过蒙特卡洛仿真实验进行了验证。实验结果表明,对源车辆发射功率、车辆间距离、智能反射面反射单元数量和目标速率等参数进行优化能够提升车-车(V2V)网络的物理层安全性能。

基于SWIPT的双向中继CR-NOMA系统研究

针对现有研究中CR-NOMA(认知无线电非正交多址接入)系统均配置单向中继,频谱利用率和能源利用率低的缺点,提出在CR-NOMA系统中通过双向中继辅助用户传输,并且中继采用无线信息和能量同时传输的方式.推导出在用户服务质量和最小能量捕获等约束条件下的次用户传输能效,将目标函数转化为单目标问题分别求解;利用交替迭代算法,对中继发射功率和功率分配因子等单目标最优解进行联合优化,以最大化次用户系统传输能效.仿真结果表明:与传统单向中继系统相比,所提方案在提高频谱利用率的同时,次用户传输能效也提高了45%.