无人机辅助传感器网络中吞吐量与节点能量优化方法

无人机凭借其高机动性可以对传感节点进行无线数据采集和无线供能,然而无线数据采集与无线供能是相互耦合的,如何对两者的资源分配和无人机飞行轨迹进行优化是无人机辅助无线供能传感器网络性能的关键。为此,提出了一种联合优化方案,通过交替优化节点接入、无人机三维飞行轨迹和能量数据传输时间分配,最大化最小节点效用。针对无线供能传感器网络模型中最大化最小节点效用问题提出了一个联合优化方案。由于该问题为非凸问题,提出了一个最大化最小节点效用算法(Maximized the Minimum Node Utility Algorithm,MMNUA),采用块坐标下降法将原始问题转化成4个子问题,并利用连续凸近似技术在每次迭代时依次优化4个子问题,使最大化最小节点效用逐渐收敛。与基础无人机方案相比,MMNUA使系统性能分别提升了14.1%、567.5%和177.0%,有效提高了无人机的工作效率,同时所提算法具有良好的收敛性和较小的复杂度。

Femtocell网络中基于分簇的资源分配机制

针对Macro-Femto网络中Femtocell与Macrocell之间的干扰问题,提出了一种基于分簇的资源分配机制。该机制结合图论及凸优化理论对毫微微节点分簇;随后采用基于速率公平的子信道分配算法对毫微微用户和宏用户分别进行子信道分配;利用分布式功率分配算法对完成信道分配的系统进行功率分配。仿真结果表明,该机制有效地抑制了Macro-Femto网络中存在的跨层干扰及同层干扰,提升了平均速率,同时满足了用户的速率公平性需求,使用户获得更高的满意度。

全双工无人机中继的资源优化方法设计

为了解决城市场景中用户之间存在遮挡不能直接通信的问题,同时为了提高用户之间的传输速率,提出一种基于全双工无人机(UAV)中继辅助用户之间通信的联合资源优化算法。所提算法在满足用户调度、无人机飞行轨迹和无人机总功率等约束条件下,建立一个以最大化最小用户平均速率的优化问题。该问题是一个复杂的非凸优化问题,为了解决该问题,通过块坐标下降法(BCD)将此问题转化为3个非凸子问题,对于用户调度子问题,通过引入松弛变量将其转变为线性规划问题进行解决;无人机飞行轨迹子问题通过一阶泰勒展开和连续凸近似(SCA)方法对其进行转换求解;对于无人机总功率子问题,通过引入松弛变量和一阶泰勒展开等方法对其转化求解。仿真结果表明,所提算法在总功率受限的情况下,能够有效提高系统中最小用户平均速率,并且具有良好的收敛性。

家庭基站系统中的联合信道与功率控制算法

提出了一种联合信道分配与功率控制算法,通过优化目标将家庭网络的信道分配和功率控制结合,限定干扰范围,采用凸优化和次梯度方法,求解出功率的闭合式,优化了家庭网络的容量。算法又将家庭网络容量与宏网络容量联系,使宏网络容量得到了提升。仿真结果表明,与单纯的功率控制算法相比,所提算法提高了系统容量。

无线网络下行链路时延和功率的最优控制

研究无线网络下行链路中平均功率约束下联合跨层多用户平均时延最小化问题.基站根据不同用户的信道增益和队列长度信息,动态调整发射功率和速率,以实现系统平均时延最小化.将该优化问题转化为非约束马尔可夫动态决策过程,证明了在最优策略下系统平均时延和功率具有凸关系,仿真结果表明这种关系成立.考虑到原优化问题的特性和求解的复杂度,进而将该优化问题转化为凸优化问题,并给出了实际的求解算法和仿真结果.

密集家庭基站网络中基于分簇的资源分配方案

针对家庭基站密集部署情况下的下行干扰问题,提出一种基于分簇的资源分配方案。首先,采用部分频率复用(FFR)技术将网络中所有小区划分成不同的空间,既能抑制宏基站之间的同层干扰,又能降低边缘区域宏基站与家庭基站间的跨层干扰;然后,结合图论的知识及凸优化理论对家庭基站进行分簇,并采用基于用户速率公平的信道分配算法对家庭基站进行子信道分配,抑制家庭基站间的同层干扰;最后,采用分布式功率控制算法对家庭基站功率进行动态调整,进一步提升系统的性能。仿真结果表明:相比传统未分组算法,所提算法的信干噪比(SINR)和吞吐量有明显提高,其中,系统吞吐量低于4 Mb/s的概率降低为30%;同时,与未分组算法相比,所提算法公平性提高了12%,使用户获得更高的满意度。

毫微微小区中一种基于分组的资源分配方法

为有效解决毫微微小区间(Femtocell)干扰,采用分布式方式对毫微微小区进行资源管理。首先,对毫微微接入点(FAPs)进行分组。基于Lingo数学建模的思想,提出了一种解决分组优化问题的算法。该算法在使用分支定界算法寻找最优解的同时,通过建立单纯形表剪去偏离最优解方向的分支;其次,每组选择一个簇头为本组内FAPs分配资源,为此,提出了新的子信道分配方法,该方法根据干扰指示矩阵修正子信道分配的情况。仿真结果表明:和其他算法相比,提出的算法不仅能找到分组优化问题的最优解,并且效率更高;另外,提出的资源分配算法不仅减小了用户间干扰,而且提高了户间速率公平。

结合无线能量传输的移动边缘计算系统高能效资源配置

利用无线能量传输(Wireless Power Transfer,WPT)向移动边缘计算(Mobile Edge Computing,MEC)系统中的用户设备供电以进一步提高系统的能效和计算可持续性是未来潜在的研究方向。提出了一种新的基于双阶段的深度Q网络(Deep Q-Network,DQN)优化框架。该框架求解了长期优化问题的同时也减小了强化学习的动作空间,提升了策略性能。通过大量仿真验证,提出的双阶段DQN方案具有更快的收敛速度,并且能实现接近60%的MEC系统能耗降低。

基于无线能量传输的物联网数据采集系统中资源分配机制的设计

针对基于无线能量传输的物联网(Internet-of-things,IoT)数据采集系统,考虑了4种数据传输协议并分别设计了资源分配机制用于提升用户公平性。首先,当采用时分多址接入协议时,联合时隙划分和功率控制可等价转换为凸优化问题,但该方式对IoT设备侧的同步精度提出了苛刻要求。其次,为避免划分传输时隙,引入了非正交多址接入(non-orthogonal multiple access,NOMA)协议,并提出了基于分块坐标下降算法的机制,通过交替求解两个凸优化子问题收敛到原非凸问题的一个静止点,但该方式会引入严重的同频干扰继而降低传输性能。为平衡传输性能和实现复杂度,本文进一步设计了两种基于定长时间切片的部分NOMA协议,并分别提出了基于匹配理论和基于连续凸近似算法的联合时间片分配和功率控制机制。仿真结果验证了传输性能与实现复杂度之间的折衷关系,并展示了所提机制的收敛性以及优化结果受系统参数的影响。