导读:本文包含了子信道与功率分配论文开题报告文献综述及选题提纲参考文献，主要关键词:D2D通信,凸优化,图论,信道分配
子信道与功率分配论文文献综述
石纯子[1]（2018）在《D2D通信系统中的信道与功率分配算法》一文中研究指出D2D通信技术允许邻近的移动终端不经过基站而直接进行点对点的数据传输,由于直通链路距离短,D2D通信可以带来信道容量增益、复用增益和功率增益,有助于提高通信系统的频谱效率和能量效率。但另一方面,D2D通信也给蜂窝网络带来了更加复杂的干扰,如果干扰不能得到有效控制,D2D通信会损害其他蜂窝用户的通信质量从而降低系统的总体性能。因此,行之有效的干扰管理策略是发挥D2D通信潜在优势的关键和难点所在。本文研究了异构蜂窝网络中蜂窝用户和D2D用户的资源分配问题,提出了基于用户服务需求和公平性的信道分配和功率控制算法,主要内容与创新点如下:(1)为了有效提高D2D用户的总速率同时兼顾用户之间的公平性,提出了一种基于效用的公平资源分配算法。该算法利用边际效用函数递减的特点,建立了以最大化D2D用户总效用为目标的优化问题。由于该混合整数非线性规划问题为非凸,所以首先采用拉格朗日松弛方法将其凸化,然后利用对偶分解和次梯度方法求解D2D用户的最优发射功率并为其分配信道。仿真结果表明,该算法能够在D2D用户的总速率和系统公平性之间取得一定的折中。(2)为了更好地满足D2D用户的服务质量需求,引入用户满意度的概念,提出了一种基于QoS的分簇信道分配算法。该算法运用图论着色方法为D2D用户分配信道,首先构建D2D用户间的干扰图,然后在保证蜂窝用户QoS需求的情况下建立D2D用户的可用颜色列表,最后为D2D用户分簇,位于同一簇内的用户可以共享信道。仿真结果表明,所提出的算法可以有效提高D2D用户的满意度并在一定程度上兼顾系统公平性。(3)针对全双工蜂窝通信场景,以最大化系统的吞吐量为目标,提出了一种基于图着色的信道分配算法。该算法可分为两步:首先利用匈牙利算法将上行蜂窝用户和下行蜂窝用户配对,这一对蜂窝用户对同时享用一个资源块进行上下行通信;然后在保证蜂窝用户服务质量的前提下基于图论着色理论为D2D用户分配信道。仿真结果表明,该算法可以提高系统吞吐量获得较高的频谱效率。(本文来源于《南京邮电大学》期刊2018-11-14）
张新,王帆,白马波[2]（2018）在《认知型飞蜂窝网络中的子信道分配与功率控制》一文中研究指出为了解决宏蜂窝与飞蜂窝构成的两层异构网络上行干扰与资源分配问题,提出了一种在认知型飞蜂窝的双层异构网中结合子信道分配和功率控制进行资源分配的框架。通过对异构网中跨层干扰问题进行分析与建模,将求解最优子信道分配矩阵和用户发射功率矩阵作为干扰管理问题的解决方法。模型中认知型飞蜂窝网络子信道和飞蜂窝网络用户构成非合作博弈,双方利用效用函数最优值进行匹配,构成初始信道分配矩阵;再由接入控制器根据接入条件从初始信道分配矩阵中筛选用户,并优化接入用户的发射功率矩阵,得到最优子信道分配矩阵和功率矩阵。仿真结果表明,优化框架提高了双层异构网络中飞蜂窝网络用户的吞吐量和接入率,降低了异构网中跨层干扰。(本文来源于《电讯技术》期刊2018年09期）
徐琳,赵知劲[3]（2019）在《基于分布式协作Q学习的信道与功率分配算法》一文中研究指出为提高分布式认知无线网络认知用户信道与功率分配算法的能量效率和收敛速度,将单位能量的平均比特数作为通信效率指标,平衡用户通信质量和系统能量消耗,提出一种基于多Agent协作强化学习的分布式信道与功率分配算法。在多Agent独立Q学习的基础上引入协作学习,各用户通过独立Q学习后,共享Q值并进行融合再学习。仿真结果表明,与基于能效的独立Q学习算法、独立Q学习算法以及随机功率分配算法相比,该算法能够有效提高认知用户发射功率和信道分配时的收敛速度。(本文来源于《计算机工程》期刊2019年06期）
陶静,朱琦[4]（2018）在《基于NOMA的D2D通信联合子信道与功率分配算法》一文中研究指出文中考虑应用NOMA(Non-Orthogonal Multiple Access)技术的D2D(Device-to-Device)通信系统,针对D2D通信用户与蜂窝用户之间存在的同道干扰以及D2D组内基于NOMA准则的功率分配问题,构建以D2D用户总能量效率最大为优化目标的优化问题,采用信道分配和功率分配分步进行的方式进行处理。该算法首先采用KM(Kuhn-Munkres)算法为每个D2D组分配信道,然后运用KKT(Karush-Kuhn-Tucker)最优约束条件推导得到各个D2D组内功率分配方案。仿真结果表明,在保证蜂窝用户的服务质量时,该算法下的D2D用户总能量效率优于传统的正交多址(Orthogonal Multiple Access,OMA)技术。(本文来源于《南京邮电大学学报(自然科学版)》期刊2018年03期）
黄建飞[5]（2016）在《基于功率控制的无线Mesh网络信道与频谱分配策略研究》一文中研究指出认知无线网络可以伺机使用授权频谱,分配方式灵活,提高了频谱利用率,受到了广泛关注,是下一代无线网络技术的重要研究内容。用户对频谱资源的需求不断增长,传统的频谱方式无法满足用户对频谱资源的需求。随着认知无线电技术的产生,很好的缓解了有限的频谱资源与用户对频谱资源需求不断增长之间的矛盾。认知无线Mesh网络具有可重新配置、自组织网络以及认知的能力,在有效融合异构网络和提高无线资源利用率方面具有巨大的潜力。综合考虑认知无线Mesh网络的信道分配与功率控制,结合每个认知用户节点有多个接口的情况,通过量化通信功率控制等级,设计了匹配模型的编码规则及相应的约束机制,提出基于CoDE的多接口认知无线Mesh网络容量研究算法。实验结果表明,该算法有较强的搜索能力,在搜索最优收敛结果方面,具备更好的性能。动态频谱分配算法是解决无线网络中频谱资源短缺问题的有效方法。本文提出一种基于DE的功率控制与频谱分配算法,若多个认知用户使用同一个频谱存在干扰,通过调整功率的大小来改变每个认知用户节点的干扰范围,并将频谱分配给当前已获得频谱较少的认知用户,以提高网络中频谱分配获得的总效益。仿真结果表明:通过功率控制来改变认知用户的干扰范围,与传统未考虑控制的无线网络相比,考虑功率控制的方式,很大的提高了认知无线网络中频谱分配获得的总体效益。在文章最后,对本文的研究内容进行总结,针对文中提出的数学模型、求解方案中的不足,提出了未来需要继续研究的内容。(本文来源于《江西理工大学》期刊2016-06-01）
王艺筱,卢子忱[6]（2015）在《家庭网络联合子信道和功率分配算法的研究》一文中研究指出为解决家庭网络跨层干扰和总体能量消耗的问题,提出一种上行资源分配方案—联合子信道和功率分配算法。在满足家庭用户吞吐量的要求下,限制对主基站的跨层干扰,最小化所有家庭用户的能量消耗。并将最小化能耗的问题表示为混合整数规划,引入时间分享因子降低计算复杂度,最终利用对偶分解方法解决优化能量消耗的问题,并通过仿真验证了其可行性。(本文来源于《自动化与信息工程》期刊2015年05期）
刘鑫,仲伟志,杨小龙,井庆丰[7]（2013）在《宽带认知无线电检测时间和子信道功率联合分配》一文中研究指出为了提高宽带认知无线电的吞吐量,提出了能量检测时间和子信道传输功率的联合分配.针对认知无线电的传输帧结构,联合分配被建立成关于时间和功率的多变量优化问题,即在保证各子信道的虚警概率、检测概率及总功率满足需求的基础上,最大化认知无线电的吞吐量.通过采用二分搜索算法和交替方向优化算法,获得了优化问题的最优解.联合分配属于凸优化问题,因此存在特定的时间和功率,最大化认知无线电的吞吐量.实验结果表明:在瑞利衰落信道下,相比感知———吞吐量折中方案,联合分配能够提高认知无线电的吞吐量.(本文来源于《华中科技大学学报(自然科学版)》期刊2013年12期）
姜维,唐俊华[8]（2013）在《随机无线通信信道功率分配策略研究》一文中研究指出研究基于有损Gilbert-Elliott信道的无线功率分配问题,旨在有限的传输时间内使得传输收益最大化。文中提供了4种功率分配方案:公平分配、置信信道1、置信信道2和保留方案,并使用部分可观测的马尔可夫决策过程(POMDP)对问题建模,得出了最优决策的两种空间结构形态,通过线性规划实验验证了该结论。同时,提出了在系统参数已知条件下最优策略结构的计算方法。(本文来源于《信息安全与通信保密》期刊2013年01期）
姜维[9]（2013）在《随机无线通信信道功率分配策略研究》一文中研究指出基于无线网络的各项应用业务已随着无线网络的普及而日益渗透到我们的生活中，然而无线设备有限的功率资源限制了其在更多的应用业务方面的发展，因此迫切需要有效的功率分配策略。本文中，我们研究了在最基本的两个独立同分布的Gilbert-Elliot信道上的最优功率分配策略。我们的研究旨在资源有限的前提下，最大化无线设备在有限时间内能够成功传输的数据量，为此我们定义了四个功率分配方案以备无线设备在每个时隙的开始时刻来选择，包括：公平分配策略、完全置信信道1、完全置信信道2，以及保守的分配策略。鉴于无线设备做出分配决策时对于信道当前的状态是不可知的，因此我们将该问题使用部分可观测的马尔可夫决策过程（POMDP）进行建模，并且给出了由两个信道的状态概率与功率分配方案之间的映射关系表述的最优决策。我们总结并证明了该功率分配最优决策的两种结构，并且通过一系列的仿真实验证明了该结论。同时我们也给出了基于线性规划编程的方式，从系统参数中计算得到最优决策分布结构的方法。(本文来源于《上海交通大学》期刊2013-01-01）
张国翊,徐键,罗会洪,谢尧,陈宝仁[10]（2012）在《协同无线网络中基于能量价格的信道与功率分配联合优化》一文中研究指出针对协同无线网络中多终端协作通信的信道分配和功率优化问题,在源节点和目的节点之间实现了基于多种传输方式(直接传输、复用传输和中继传输)的并行数据传输,并通过将终端节点建模为能量卖家,提出了基于能量价格的信道分配与功率控制联合的优化方案.仿真结果表明,并行传输方式下采用新方案所消耗的系统能耗成本和所获得的网络生存时间明显优于单一传输方式.此外,通过引入能量价格激励机制,证明了在相同并行传输方式下最优速率分配比平均速率分配在系统性能上有显着改善.(本文来源于《北京邮电大学学报》期刊2012年05期）
子信道与功率分配论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为了解决宏蜂窝与飞蜂窝构成的两层异构网络上行干扰与资源分配问题,提出了一种在认知型飞蜂窝的双层异构网中结合子信道分配和功率控制进行资源分配的框架。通过对异构网中跨层干扰问题进行分析与建模,将求解最优子信道分配矩阵和用户发射功率矩阵作为干扰管理问题的解决方法。模型中认知型飞蜂窝网络子信道和飞蜂窝网络用户构成非合作博弈,双方利用效用函数最优值进行匹配,构成初始信道分配矩阵;再由接入控制器根据接入条件从初始信道分配矩阵中筛选用户,并优化接入用户的发射功率矩阵,得到最优子信道分配矩阵和功率矩阵。仿真结果表明,优化框架提高了双层异构网络中飞蜂窝网络用户的吞吐量和接入率,降低了异构网中跨层干扰。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
子信道与功率分配论文参考文献
[1].石纯子.D2D通信系统中的信道与功率分配算法[D].南京邮电大学.2018
[2].张新,王帆,白马波.认知型飞蜂窝网络中的子信道分配与功率控制[J].电讯技术.2018
[3].徐琳,赵知劲.基于分布式协作Q学习的信道与功率分配算法[J].计算机工程.2019
[4].陶静,朱琦.基于NOMA的D2D通信联合子信道与功率分配算法[J].南京邮电大学学报(自然科学版).2018
[5].黄建飞.基于功率控制的无线Mesh网络信道与频谱分配策略研究[D].江西理工大学.2016
[6].王艺筱,卢子忱.家庭网络联合子信道和功率分配算法的研究[J].自动化与信息工程.2015
[7].刘鑫,仲伟志,杨小龙,井庆丰.宽带认知无线电检测时间和子信道功率联合分配[J].华中科技大学学报(自然科学版).2013
[8].姜维,唐俊华.随机无线通信信道功率分配策略研究[J].信息安全与通信保密.2013
[9].姜维.随机无线通信信道功率分配策略研究[D].上海交通大学.2013
[10].张国翊,徐键,罗会洪,谢尧,陈宝仁.协同无线网络中基于能量价格的信道与功率分配联合优化[J].北京邮电大学学报.2012