基于可行点追踪-连续凸逼近的移动边缘计算任务卸载

移动边缘计算任务卸载会受到邻近服务器的干扰,导致计算任务难以准确卸载到网络边缘服务器,因此设计基于可行点追踪-连续凸逼近的移动边缘计算任务卸载方法。该方法首先建立移动边缘计算任务的依赖模型,分析移动边缘计算任务的卸载需求。其次,考虑任务卸载时延和卸载能耗,以任务依赖模型为依据,建立任务卸载模型。最后,采用可行点追踪-连续凸逼近,将求解卸载模型的求解问题转变为线性松弛问题,引入迭代过滤函数追踪可行点,避免邻近服务器的干扰,对松弛变量进行连续凸逼近获取任务卸载模型的最优解,实现移动边缘计算任务的卸载。实验结果表明,本文方法负载低、卸载能耗低、卸载精度高。

面向多任务动态场景的雷达与干扰空时协同波束联合优化方法

现代雷达对抗形势复杂多变,体系与体系的作战已成为基本特点,而体系整体性能关乎着战场的主动权乃至最终的胜负。通过优化体系中雷达与干扰波束资源可以提升整体性能,获得在空间、时间域优效的低截获探测性能,然而空时域协同波束联合优化是一个复杂多参数耦合的非凸问题。该文针对空时域多任务动态场景,建立了以雷达探测性能为优化目标,以干扰性能以及能量限制为约束条件的优化模型。为求解该模型,该文提出了基于迭代优化的空时协同波束联合设计方法,即以雷达发射、接收、多干扰机发射波束交替迭代优化。其中,针对多干扰机协同优化的不定矩阵二次约束二次规划(QCQP)问题,该文基于可行点追踪-连续凸逼近(FPP-SCA)算法,在SCA算法的基础上,通过引入松弛变量与惩罚项,保证算法在合理松弛度下的可行性,解决了矩阵不定情况下难以获得可行解的问题。仿真表明,在一定的干扰机能量约束下,该文所提方法在保证雷达高性能探测目标且不受干扰情况下,同时实现了多干扰机在空时域干扰对方每个平台以掩护我方雷达探测的效果;相比传统算法,在动态场景中基于FPP-SCA算法的协同干扰具有更优效果。

基于蜂窝网络的多无人机能量消耗最优化算法研究

在一些复杂时变环境中,地面基站(GBS)可能无法协助处理无人机的计算任务,为此研究了一种基于数字孪生(DT)技术的移动边缘计算(MEC)蜂窝网络。考虑到多无人机效率,引入多只配备MEC服务器的高空气球(HAB)协助,在此基础上提出一个所有无人机能量最小化问题,并给出一种多无人机轨迹优化和资源分配方案。应用双深度Q网络(DDQN)解决多无人机与多HAB之间的关联问题;采用连续凸逼近技术(SCA)和块坐标下降算法(BCD)对多无人机轨迹和计算资源进行联合优化。仿真实验验证了所提算法的可行性和有效性。实验结果表明,所提算法使系统能量消耗降低30%,明显优于对比算法。

短期功率约束下的无小区大规模MIMO中的功率分配研究

文中考虑了一个下行无小区大规模多输入多输出(multiple-input multiple-output,MIMO)系统,其中M个单天线接入点(access point,AP)和K个单天线用户随机分布在服务区内,M> K。同一用户可以在同一时间、同一频率上被所有接入点服务。在短期功率约束(short-term power constraint,STPC)下,文中针对两种不同的优化问题分别提出了相对应的功率分配算法。第一个优化问题是在满足用户服务质量(quality-of-service,Qo S)约束的条件下最大化用户总速率,该问题可以利用连续凸逼近(successive convex approximation,SCA)的方法求解。此外,第二个优化问题是一个混合Qo S约束问题。它可以在保证高优先级用户(high propriety user,HPU)的QoS需求的基础上,为其余低优先级用户(low propriety user,LPU)提供相同速率的服务。该问题是拟凹的,因此可以通过二分法求解。仿真结果表明,文中提出的功率分配算法具有很好的性能。此外,同长期功率约束(long-term power constraint,LTPC)相比,STPC可以显著提高用户下行速率。

加权能耗最小化的无人机辅助移动边缘计算资源分配策略

针对无人机(UAV)辅助的移动边缘计算(MEC)系统,考虑到无人机能耗与地面设备能耗不在一个数量级,该文提出通过给地面设备能耗增加一个权重因子以平衡无人机能耗与地面设备能耗。同时在满足地面设备的任务需求下,通过联合优化无人机轨迹、系统资源分配以最小化无人机和地面设备的加权能耗。该问题高度非凸,为此提出一个基于交替优化算法的两阶段资源分配策略解决该非凸问题。第1阶段在给定地面设备的卸载功率下,利用连续凸逼近(SCA)方法求解无人机轨迹规划、CPU频率资源分配及卸载时间分配;第2阶段求解地面设备的卸载功率分配。通过两阶段的交替和迭代优化找到原问题的次优解。仿真结果验证了所提算法在降低系统能耗方面的有效性。

速率分割多址系统中速率公平性最大化研究

针对速率分割多址(Rate Splitting Multiple Access,RSMA)系统中的速率公平性问题,提出了一种公平性评估指数,来衡量系统的速率公平性。为了最大化系统的速率公平性指数,建立了一个关于预编码器向量和公共速率向量的优化问题,并利用一种基于松弛变量和连续凸逼近的方法来求解优化问题。仿真结果表明,所提方案能够提高系统的速率公平性,使系统中各个用户分配到尽可能相同的资源。

密集异构网络中D2D通信的多对多资源共享

为解决高接入量、高数据速率需求下的频谱资源短缺问题,将D2D通信技术引入蜂窝网络,研究密集异构网络中D2D通信的多对多资源分配与功率控制问题。多对多频谱共享将显著提高频谱效率,但在密集场景下会产生干扰累积问题。针对干扰累积问题,提出基于集合划分的多对多资源共享方案,提高D2D用户接入率以及最大化系统吞吐量;设计基于连续凸逼近的功率优化算法,降低主次用户间的干扰,提高D2D用户的稳定性。将仿真结果与其它算法进行比较,验证了该算法可有效控制干扰,显著提高系统吞吐量和D2D用户接入率。

双IRS辅助的NOMA无线携能通信网络优化

无线携能传输(simultaneous wireless information and power transfer,SWIPT)能够有效解决通信终端的能源受限问题,而智能反射面(intelligent reflecting surface,IRS)能够辅助增强SWIPT的效率。为了克服单个IRS覆盖范围有限的缺点,以及进一步提高SWIPT的时间和频谱资源利用率,考虑了一个双IRS辅助基于非正交多址接入技术(non-orthogonal multiple access,NOMA)的无线携能通信系统,其中发送端的波束成形矢量、每个IRS的相移以及接收端的功率分割系数将进行联合优化以最大化系统的最小用户速率。为解决上述有着高度耦合优化变量的非凸优化问题,提出一个基于半正定松弛技术(semidefinite relaxation,SDR)和连续凸逼近技术(successive convex approximation,SCA)的交替优化(alternative optimization,AO)算法来高效求解该问题。仿真结果表明,双IRS辅助的系统比传统的单IRS辅助的系统能够实现更高的最小速率,揭示了部署双IRS的优异性、所提算法的有效性以及联合优化IRS相移及功率分割系数在提升用户速率性能方面的重要性。

基于无人机辅助的认知无线电网络信息年龄研究

考虑到信息时效性和数据新鲜度对各类实时状态更新系统带来的挑战,提出了一种无人机(Unmanned Aerial Vehicle,UAV)中继辅助的认知无线电网络(Cognitive Radio Network,CRN)信息年龄(Age of Information,AoI)最小化方案。为了降低CRN中次用户接收机处的AoI,在不影响主用户正常通信的前提下,利用UAV作为移动中继来辅助次用户发射机将数据包传输到对应的接收机。通过联合优化UAV的飞行轨迹和资源分配来确保信息新鲜度。由于联合设计问题是非凸的,故采用连续凸逼近的高效迭代算法得出问题的最优解。仿真结果表明,所提方案可以有效提高信息新鲜度,并获得峰值AoI的最小值。同时,数据包的大小和数量与AoI呈线性关系,对UAV的飞行轨迹也有影响。

无人机辅助的移动边缘计算中的任务分配策略

在使用无人机(UAV)作为计算卸载的数据收集器对用户设备(UE)提供移动边缘计算(MEC)服务的场景下,设计了一种通过UAV实现高效的UE覆盖的无线通信策略。首先,在给定UE分布的条件下,对于UAV的飞行轨迹和通信策略,使用了连续凸逼近(SCA)的优化方法来得出一种可以使全局能量最小化的近似最优解;此外,对于UE大范围分布或任务量较大的场景,提出了一种自适应聚类算法,以将地面的UE划分成尽量少的聚类,并保证每个聚类中全部UE的卸载数据都可以在一次飞行中全部完成收集;最后,将每个聚类中UE的计算卸载数据收集任务分配给一次飞行,从而达到减少单个UAV完成任务所需的派遣次数或多UAV执行任务所需的UAV派遣数量的目的。仿真结果表明,所提方法可以生成相比K-Means算法更少的聚类数量且能快速收敛,适用于UE大范围分布下UAV辅助的计算卸载场景。

无线传感器网络中基于时间窗的无人机数据收集方案

无线传感器网络中节点具有休眠-活跃交替机制,为确保无人机在各个节点活跃期内完成数据收集任务,提出一种基于时间窗的数据收集方案。该方案通过联合优化无人机飞行轨迹和传输调度,降低无人机和传感节点的总能耗。由于该问题是一个混合整数非凸问题,为了有效对其进行求解,将传输调度连续化,将混合整数非凸问题转化为连续非凸问题;通过引入两个松弛变量,将问题转化为凸问题,并利用连续凸逼近方法求解出次优解。仿真结果表明,所提方案具有较快收敛速度,能够保证在完成数据收集任务的前提下,降低无人机和传感节点的总能耗。

有源智能反射面辅助大规模MIMO波束成形方案

针对智能反射表面(Intelligent Reflective Surfaces,IRS)引入的“双重衰落”问题,提出了利用有源IRS辅助大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)进行通信传输的方法。在功率和IRS相位的约束下,通过调整基站和IRS处的波束成形,利用连续凸逼近算法和交替迭代算法,得到了最大化用户和速率的最优解。结果表明,用户可在有源IRS的帮助下实现比传统IRS更高的增益。

V2X网络中多对多的资源分配

为解决车辆到一切(vehicle-to-everything,V2X)通信中高数据速率需求而频谱资源短缺问题,研究V2X通信中频谱资源分配与功率控制问题,该问题属于混合整数非线性规划问题,通常很难求解。为解决该问题,将其分为两个子问题后求解。针对资源分配问题,采用多对多的频谱分配方案,充分利用频谱资源,针对功率控制问题,利用连续凸逼近方法将非凸形式的功率分配问题转化为凸问题求解,减少用户间的干扰。仿真结果表明,所提解决方案可以显著提高车辆用户的数据速率。

高效节能的无人机多用户携能传输优化研究

无人机携能传输技术可用于提高物联网能效,为能量受限的物联网地面设备补充能量,以支持其完成不中断信息接收任务。面对无人机携能有限的现实条件和其能耗效率提升的需求,本文针对高效节能的无人机-地面通信优化问题进行了研究,综合考虑无人机飞行耗能和地面设备能源需求,对无人机发射功率和功率分割比进行联合优化,并对无人机轨迹和地面设备唤醒时间分配进行设计。研究的节能最大化问题是一个非凸的、分式和混合整数规划问题。针对此问题,本文提出一种基于连续凸逼近(Successive convex approximation,SCA)和经典Dinkelbach方法的交替迭代优化算法。最后仿真结果验证了该算法的有效性和优越性。

不完美SIC下NOMA系统用户配对和功率分配联合优化

当前非正交多址(Non-Orthogonal Multiple Access,NOMA)系统的用户配对和功率分配通常作为独立的问题进行研究,未考虑接收端不能完美执行串行干扰消除(Successive Interference Cancellation,SIC)的限制。鉴于此,提出一种不完美SIC下NOMA系统用户配对和功率分配联合优化(Joint User Pairing and Power Allocation,JUPPA)方法。给定功率分配方案,采用自适应遗传算法求解用户配对问题,并结合哈希表结构设计自适应交叉和变异算子。给定用户配对方案,利用连续凸逼近(Successive Convex Approximation,SCA)对目标函数下界进行松弛,构造卡罗需库恩塔克(Karush-Kuhn-Tucker,KKT)条件,并基于梯度下降法对功率分配问题进行优化。上述两个过程迭代直至收敛。仿真结果表明,相比于单独优化用户配对或功率分配,JUPPA具有更高的系统和速率。

高速移动场景下的多用户OFDM系统功率分配

数据传输速率最大化是无线通信系统的重要指标。为了表征用户-基站关联和功率分配,我们研究了高速移动场景下多用户正交频分复用(OFDM)系统的资源分配问题。为了解决具有挑战性的混合整数规划问题,本文将利用匹配算法对用户和基站之间进行匹配,然后对匹配成功的用户-基站匹配对进行功率分配,对于这一非凸问题提出了连续凸逼近算法来获得次优解,以实现良好的计算复杂度与优化之间的权衡,仿真结果表明,文章所提出的算法具有良好的性能。

多输入多输出—非正交多址接入系统融合用户调度的下行波束赋形设计

针对多输入多输出—非正交多址接入(MIMO-NOMA)技术中用户间干扰较大的问题,提出了一种融合用户调度的波束赋形(BF)算法。首先,在进行用户调度时,为了同时兼顾簇内用户干扰和簇间用户干扰,根据各用户信道的差异性,利用L1-范数正则化方法对所有用户分组情况进行初步稀疏化处理,进而从各用户信道相关性角度出发,将信道相关性大的两个用户分为一簇;其次,结合部分发射功率控制(FTPC)策略实现簇内用户功率分配;最后,根据和速率最大化准则构建一目标优化函数,进而利用连续凸逼近(SCA)算法对其进行求解,以获得波束赋形矩阵。理论分析和链路仿真表明,与传统的正交多址接入技术相比,在系统容量方面实现了84.3%的提升;与传统的相关性用户分簇方法相比,在公平性方面实现了20.2%的提升。实验结果表明,该方案不仅有效地抑制了簇内用户干扰和簇间用户干扰,同时,又保证了用户间的公平性。

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.