基于改进白鲸优化算法的D2D通信功率控制

D2D(Device-to-Device)通信作为未来移动通信网络的关键技术,为用户提供了直接通信的便利性和资源共享的高效性.然而,D2D通信的功率控制一直是影响通信质量和系统性能的关键问题.为解决这一问题,将精英反向学习、自适应权重两种策略引入到白鲸优化算法(Beluga Whale Optimization,BWO)中,并利用莱维飞行的随机步长策略来增加算法寻优的多样性,提出了基于改进白鲸优化算法的D2D通信功率控制方法.该方法利用最优解的信息引导搜索过程,可提高搜索效率和全局收敛,并能够有效提高通信效率和系统稳定性.为了验证所提出方法的有效性,开展了大量的数值仿真实验.结果显示,基于改进白鲸优化算法的D2D通信功率控制方法在增加系统吞吐量、减少干扰方面有显著的改善.同时,提出的算法相对于已有的算法有着更出色的收敛性与鲁棒性,在不同通信环境和参数设置下都能表现出更稳定的性能.

D2D通信复用异构蜂窝网络中分布式路由资源分配方法

由于设备到设备(Device-To-Device,D2D)通信复用异构蜂窝网络环境的复杂性和动态性,难以实现高效、均衡的路由资源利用,文章提出D2D通信复用异构蜂窝网络中分布式路由资源分配方法。采用分布式系统模型构建D2D通信复用异构蜂窝网络的拓扑结构,基于邻居节点信息交换实现D2D设备发现,并引入自适应的会话建立策略建立通信链路,采用贪婪算法为D2D用户分配子信道,实现路由资源的均衡分配。实验结果表明,设计方法在提升D2D用户之间数据传输速率方面具有较好的性能,适用于D2D通信复用异构蜂窝网络中的路由资源分配。

无人机辅助D2D通信网络安全通信资源分配算法

针对被动窃听下的无人机辅助D2D通信网络中能量受限、频谱短缺、同频干扰严重等问题,考虑每个用户的保密速率和发射功率约束,引入网络保密能效的概念。基于物理层安全传输理论,以最大化网络保密能效为目标,研究频谱复用和功率控制策略的联合优化问题。该问题是非线性非凸优化问题,提出了一种结合Dinkelbach算法和凸近似算法的资源分配算法,通过凸近似算法将非凸优化问题转化为几何规划问题,并结合Dinkelbach算法保证原问题收敛到全局最优解。仿真结果表明,所提算法可有效缓和同频干扰,提高网络保密能效,平衡网络安全通信性能和功耗之间的关系。

基于深度强化学习的蜂窝网络中D2D通信资源分配

设备到设备(Device to Device,D2D)通信可以提升频谱利用率和系统吞吐量,但由于D2D通信存在干扰问题,资源分配难度较大。近年来,深度强化学习(Deep Reinforcement Learning,DRL)被广泛应用于蜂窝通信的资源分配。因此,提出了一种基于优势演员-评论员(Advantage Actor-Critic,A2C)的资源分配算法,该算法可以根据环境状态选择最佳的D2D资源分配策略。通过仿真实验验证了该算法在网络性能上的优越性,并与其他算法进行了对比,结果表明,所提算法在提高系统吞吐率方面效果最好。因此,该算法为蜂窝网络中D2D通信资源分配问题提供了一种新的解决方案,具有广泛的应用前景。

基于干扰辅助MMSE检测的去蜂窝大规模MIMO中D2D通信干扰协调算法

针对D2D通信复用去蜂窝大规模MIMO网络资源所带来的干扰问题,研究了与D2D通信共存的去蜂窝大规模多输入多输出系统的联合导频分配和功率优化问题。首先,为了抑制D2D用户(DUEs)对去蜂窝用户(CFUEs)的干扰,提出了一种干扰辅助最小均方误差(MMSE)检测器,并推导了DUE和基于干扰辅助MMSE检测的CFUEs在不完美信道状态条件下的上行链路闭合频谱效率表达式。其次,为了减少导频污染,针对导频分配问题,提出了以最小化系统归一化信道估计误差(NMSE)之和为优化目标的导频复用方式给DUEs分配导频,并结合基于禁忌搜索的粒子群算法给CFUEs分配导频的方案。针对数据功率优化问题,提出了在保证DUEs服务质量下最大化CFUEs中最小频谱效率的方案,并采用二分法进行求解。仿真结果表明,所提出的基于干扰辅助MMSE检测的联合导频分配和功率控制方案有效提高了系统总和频谱效率,且导频开销不会随着D2D数量增加而增加。

基于专利计量的D2D通信技术研究

D2D通信技术,作为一种新颖的通信手段,正逐渐崭露头角,智能手机与汽车这两大移动设备的应用领域,如今备受世人瞩目。文章把D2D通信技术作为研究主题,运用专利计量技巧及数据挖掘技巧,剖析领域研究进展、研发态势与市场竞争结构。近年来,D2D技术取得了显著的飞跃,我国已在该领域脱颖而出,然而,它在整体上占据了显著地位,国内关于此方面的专利申请较为稀缺。对该领域技术展开梳理与剖析,此研究为我国后续探索提供了参考价值。

基于GADF与2D CNN-改进SVM的道岔故障诊断方法研究

针对道岔故障特征不易提取以及道岔故障诊断准确率较低的问题,提出一种格拉姆角差场(Gramian Angular Difference Fields, GADF)与二维卷积神经网络(Two Dimensional Convolutional Neural Network, 2D CNN)-改进支持向量机(Support Vector Machine, SVM)的道岔故障诊断组合方法。首先,结合现场实际应用情况,选取道岔设备正常转换与典型故障的转辙机功率曲线,建立转辙机功率曲线样本数据库;采用GADF编码将一维转辙机功率曲线信号转换为具有时间相关性的二维特征图,分别选择16×16、32×32以及64×64大小的特征图并提取图像数据。其次,在LeNet-5模型的基础上设计2D CNN网络结构,并将图像数据输入至基于2D CNN的道岔故障特征提取模型中,经多层的卷积层、池化层以及全连接层提取特征指标,建立道岔故障诊断样本数据库。最后,通过北方苍鹰优化(Northern Goshawk Optimization, NGO)算法优化SVM算法的惩罚因子与核函数方差,构建基于NGO-SVM的道岔故障诊断模型。实验结果分析表明,将转辙机功率曲线数据经GADF编码为64×64大小的特征图,并通过2D CNN模型提取道岔典型特征数据,较其他数据处理方法具有较高的故障诊断准确率,同时提高了故障诊断实时性;将建立的道岔故障诊断样本数据库输入至NGO-SVM道岔故障诊断模型,其故障诊断准确率高达97.5%,较其他故障诊断模型具有更好的故障诊断性能,为道岔故障诊断提供了一种新方法,对现场道岔设备的日常维修具有一定的指导意义。

H-CRAN中IRS辅助的D2D系统资源分配与RCG波束成形优化

以异构云无线电接入网(heterogeneous cloud radio access network,H-CRAN)中智能反射面(intelli‐gent reflecting surface,IRS)辅助的端到端(device-to-device,D2D)通信系统为背景,研究了该系统中以和速率最大化为目标的资源分配与黎曼共轭梯度(Riemannian conjugate gradient,RCG)波束成形优化方法。以最大化系统和速率为优化目标,构造子信道复用系数、发射功率门限以及IRS反射系数模约束等多约束优化问题。对于该非线性混合整数规划问题,提出了一种基于相对信道强度的延迟接受算法,以获得信道复用系数。随后将目标优化问题分解为两个子问题进行交替优化。对于发射功率优化子问题,使用逐次凸逼近(successive convex approximation,SCA)方法进行求解。对于IRS波束成形子问题,将IRS相移约束转化为复圆流形后,采用RCG算法进行求解。仿真结果表明,当IRS反射阵源数为50、基站最大发射功率为46 dBm时,与现有信道分配方案和随机信道分配方案相比,所提信道分配方案的和速率性能分别提高了5.2 bit/(s·Hz)和14.6 bit/(s·Hz)。与无IRS通信场景相比,部署IRS的和速率性能显著提高约31.2 bit/(s·Hz)。

基于D2D的车联网资源分配与模式选择方案

针对当前设备到设备(D2D:Device-to-Device)通信在车联网端应用时只考虑提高D2D的复用模式的资源利用率或系统遍历容量,而未将D2D的其他模式纳入到系统内的问题,提出一种兼顾资源分配与模式选择的算法。通过优先复用模式的方式提高通信资源利用率,对不满足复用模式的D2D用户对(D-UE:Device-to-device UsErs)采用蜂窝模式,采取和蜂窝用户(C-UE:Cellular UsErs)相同的方案满足D-UE的基础需求,考虑D-UE用户与蜂窝用户和基站(BS:Base Station)距离、D-UE间的信噪比等因素对D-UE分配不同的资源接入模式。理论计算与仿真结果均表明所提资源分配与模式选择方案能有效提升系统容量及D-UE的服务质量(QoS:Quality of Service)。

基于加权二部图及贪婪策略的蜂窝网络D2D通信资源分配

D2D(Device-to-Device)通信是解决频谱资源稀缺问题的关键技术之一。该文研究蜂窝网络中“many-tomany”的复杂场景,即单个RB(Resource Block)可以分配给多对D2D用户重用,并且允许单个D2D用户对使用多个RB,其中D2D用户对数量远多于蜂窝用户设备(Cellular User Equipment,CUE)数量和RB数量。考虑CUE对资源使用具有更高优先级,将此优化问题分解为蜂窝用户资源分配和D2D用户资源重用两个阶段。在第1阶段,提出基于公平性的循环二部图匹配(Fairness-based Circular Bipartite Graph Matching,FCBGM)算法,将现有的RB分配给所有CUE,以最大化蜂窝用户和速率。在第2阶段,分别提出基于二部图的资源重用(Bipartite Graph-based Resource Reuse,BGRR)算法和基于贪婪策略的资源重用(Greedy-based Resource Reuse,GRR)算法,目标是将已经分配给CUE的RB再次分配给D2D用户重用,以最大化系统和速率,同时确保CUE的基本速率需求。仿真结果表明,在D2D用户对数量远大于CUE数量和RB数量的情况下,与现有典型算法相比,所提算法能够有效提高系统和速率,增加D2D接入率,同时兼顾用户公平性和服务质量需求。

D2D-MEC技术在异构车联网资源分配优化中的研究

在异构车联网中,资源分配和性能优化是关键挑战之一。D2D-MEC技术作为一种有潜力的解决方案,允许车辆之间直接通信并利用边缘计算资源。本研究旨在探讨如何有效地利用D2D-MEC技术来改进异构车联网的资源分配和性能。我们提出了一种资源分配算法,以最大程度地减少网络拥塞,降低通信时延,并提高整体系统效率。通过仿真和实验结果,我们验证了该算法在不同场景下的有效性,展示了D2D-MEC技术在异构车联网中的巨大潜力。

基于多智能体深度强化学习的D2D通信资源联合分配方法

设备对设备(D2D)通信作为一种短距离通信技术,能够极大地减轻蜂窝基站的负载压力和提高频谱利用率。然而将D2D直接部署在授权频段或者免授权频段必然导致与现有用户的严重干扰。当前联合部署在授权和免授权频段的D2D通信的资源分配通常被建模为混合整数非线性约束的组合优化问题,传统优化方法难以解决。针对这个挑战性问题,该文提出一种基于多智能体深度强化学习的D2D通信资源联合分配方法。在该算法中,将蜂窝网络中的每个D2D发射端作为智能体,智能体能够通过深度强化学习方法智能地选择接入免授权信道或者最优的授权信道并发射功率。通过选择使用免授权信道的D2D对(基于“先听后说”机制)向蜂窝基站的信息反馈,蜂窝基站能够在非协作的情况下获得WiFi网络吞吐量信息,使得算法能够在异构环境中执行并能够确保WiFi用户的QoS。与多智能体深度Q网络(MADQN)、多智能体Q学习(MAQL)和随机算法相比,所提算法在保证WiFi用户和蜂窝用户的QoS的情况下能够获得最大的吞吐量。

面向蜂窝网络的D2D多播通信的分簇和中继选择方法

传统蜂窝网络中,信道衰减的随机性和不确定性导致小区边缘用户的接收性能很差,尤其是面向视频传输等速率要求较高时其弊端更加凸显。D2D通信因其配置灵活性可作为传统蜂窝网络架构的有利补充,能有效改善边缘用户的性能。该文针对D2D通信的多播传输,分析了系统最小时延成本下的中继数量和分簇算法,提出一种基于分簇和中继选择的低时延D2D多播方案。该方案可以自适应选择多播重传中的中继的数量和中继节点到基站的距离,同时给出最优的带宽资源分配机制。仿真结果表明,与其他方案相比,所提方法能有效减少系统时延,提高边缘用户体验和系统性能。

多用户D2D计算卸载与资源分配算法

基于边缘服务器架构的移动计算卸载场景避免了核心网链路的网络延迟,在一定程度上提高了计算任务的处理效率,然而在移动用户密集分布的场景下,该计算卸载架构可能面临较高的蜂窝网络接入延迟。为提高移动边缘计算的用户体验,本文在移动用户密集分布的场景下研究了基于D2D通信的多用户计算卸载问题。根据是否具有任务处理需求将用户分为两类,定义拥有密集型计算任务需要处理的用户为需求用户,无任务需要处理且能够提供计算资源的用户为空闲用户。需求用户可以将任务以整体的形式卸载至空闲用户进行辅助处理。联合考虑需求用户与空闲用户在计算卸载中的收益,分别构建了各方的效用函数并形成了相应的优化问题。为了提高各方用户的效用,本文提出了基于Stackelberg博弈与遗传算法相结合的计算卸载与资源分配算法,该算法为两层结构,内层基于Stackelberg博弈对需求用户计算资源租赁单价决策以及空闲用户计算资源分配决策进行优化,并证明了各方用户的策略存在唯一纳什均衡。外层采用遗传算法对需求用户的任务卸载决策进行优化,根据内层算法的反馈结果,可以求解出能够有效提高需求用户效用的任务卸载决策。为验证算法的性能,本文进行了大量的实验仿真工作,仿真结果表明,与其他方案相比,本文算法能够有效提高需求用户与空闲用户的效用。同时,本文还对不同参数对算法有效性的影响进行了仿真分析。

基于增强学习的D2D用户和蜂窝用户传输功率的联合优化

针对D2D用户与蜂窝用户间的干扰问题,提出基于深度增强学习的传输功率优化算法(DTPO)。DTPO算法通过调整传输设备的传输功率,缓解干扰。先将功率分配问题构建成基于线性约束的联合优化问题,再利用深度增强算法求解,获取D2D用户和蜂窝用户的传输功率,进而最大化和速率。仿真结果表明,DTPO算法的性能逼近于穷尽搜索算法的性能。

异构网络中基于被囊群算法的D2D通信资源分配

针对异构网络中D2D用户通信过程中复用蜂窝用户传输信道产生的资源分配优化问题,提出将改进被囊群优化算法用于频谱资源载波分配的能效优化问题中.首先,针对被囊群算法的收敛精度不高,易早熟以及局部最优等缺点,提出一种基于反向差分的被囊群算法(ODTSA).其次,通过为边缘D2D用户建立中继链路,大大提高了网络资源利用率.最后,在满足用户QoS的前提下,以能效最大化作为优化目标,用改进的被囊群算法进行资源分配.并将算法与TSA算法、YSGA算法、GWO以及PSO算法进行比较.仿真结果表明,所提算法相比于文中所对比算法明显提高了系统传输速率.

HX_(D)2型机车制动系统指令转换器故障原因分析及改进

针对HX_(D)2型机车制动系统指令转换器通信故障,文章阐述了指令转换器的工作原理,并结合几例典型故障剖析了故障产生的原因,针对性地提出了一系列优化改进方案。经静态装车测试和动态上线运行测试,改进方案可有效解决指令转换器通信故障。

基于LTE-A的设备间直接通信(D2D)协议架构分析

设备间直接通信(D2D)使得设备之间可以直接传输数据而无须基站转发,可有效降低网络负荷,提升系统吞吐量,是5G移动通信系统的关键技术之一.相较于现有移动通信模式5G通信系统将支持对等设备间直传数据.该文针对LTE-A通信系统架构,分析了现有通信架构对D2D的通信的支持性,并较为深入的介绍了协议架构结构及功能.

蜂窝网络D2D通信资源分配研究

针对D2D通信复用蜂窝用户频谱可以提高系统吞吐量和频谱利用率但会产生严重的同频干扰的问题,设计了一种联合资源分配方案,该方案在保证系统用户通信质量的条件下最大化系统吞吐量,首先设计一种基于吞吐量最优化的模式选择方案,然后采用混合遗传算法对D2D用户分配信道,最后在已知信道分配向量的前提下通过混合灰狼优化算法对D2D用户进行功率优化。仿真结果表明,所提方案相对其他方案能够有效提高20%系统总吞吐量和降低90%蜂窝用户受到的干扰,还能提高收敛效果和运行速度。

基于改进的猎食者优化的D2D通信功率控制方法

针对D2D通信中用户复用频谱资源时产生的同频干扰问题,提出了一种改进的猎食者优化算法,对D2D用户进行功率控制。它在满足系统用户通信质量的约束条件下,根据猎人向猎物移动位置和猎物向最安全位置移动的规则来调整D2D发射功率,为了保持搜索与开发的平衡,提高收敛速度和寻优精度,采用Sobol序列对种群进行初始化,并且在猎食者位置更新公式中引入水波动态自适应因子,从而确定D2D用户最佳发射功率。仿真结果表明,该算法可以不仅可以提高系统总吞吐量和降低蜂窝用户受到的干扰,还可以提高收敛速度和寻优精度。