CN104702396A - 基于效用的协作多中继认知系统的联合资源分配方法 - Google Patents
基于效用的协作多中继认知系统的联合资源分配方法 Download PDFInfo
- Publication number
- CN104702396A CN104702396A CN201510161453.7A CN201510161453A CN104702396A CN 104702396 A CN104702396 A CN 104702396A CN 201510161453 A CN201510161453 A CN 201510161453A CN 104702396 A CN104702396 A CN 104702396A
- Authority
- CN
- China
- Prior art keywords
- prime
- sigma
- secondary users
- users
- subcarrier
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 25
- 230000001149 cognitive effect Effects 0.000 title claims abstract description 10
- 238000013468 resource allocation Methods 0.000 title abstract 3
- 230000009977 dual effect Effects 0.000 claims abstract description 32
- 230000005540 biological transmission Effects 0.000 claims abstract description 7
- 238000005457 optimization Methods 0.000 claims description 12
- 238000011160 research Methods 0.000 claims description 5
- 230000003321 amplification Effects 0.000 claims description 3
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 3
- 230000008054 signal transmission Effects 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 abstract description 5
- 230000006870 function Effects 0.000 description 26
- 238000001228 spectrum Methods 0.000 description 16
- 238000013461 design Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000019771 cognition Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Nitrogen And Oxygen Or Sulfur-Condensed Heterocyclic Ring Systems (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
基于效用的协作多中继认知系统的联合资源分配方法,属于无线通信技术领域。该发明方法建立了一种两相协作多中继通信系统模型,在主要用户无法达到其目标速率的情况下,次要用户主动作为AF中继协助主要用户达到其目标速率,作为回报次要用户可以利用未使用的OFDM子载波为自己传输数据,从而使协作通信系统资源利用率达到最大。该方法还考虑了各个次要用户的效用问题,以次要用户的α效用和为目标函数,主要用的传输速率和次要用户的总功率为限制条件,通过拉格朗日对偶原理求得最优的对偶因子,进而求得最优的子载波分配策略和功率控制因子,实现最优资源分配。
Description
技术领域
本发明涉及一种基于效用的协作多中继认知系统的联合资源分配方法,属于无线通信技术领域。
背景技术
随着近些年来无线服务和应用的快速发展,无线频谱资源变得越来越紧张。在现有的频谱资源管理框架下,几乎所有的频段都被授权分配给了特定的用户,并且为了限制干扰未授权的用户不得使用频谱这些频谱资源。这样的频谱使用方法导致了频谱利用率非常低。
认知无线被认为是一种可以有效解决现在频谱资源稀缺问题的技术,它通过让次要用户(未授权)用户在不对主要(授权)用户产生影响的条件下接入主要用户的频谱进而提高频谱利用率。一般的,实现认知无线电的方法有两种。一种方法是一般模型(common model),在这种模式下主要用户忽略次要用户的存在,次要用户感知频谱环境寻找机会接入主要用户频谱。另一种方法是产权模式(property-right model),在这种情况下主要用户把一部分频谱出租给次要用户用来换取次要用户对自己的协助进而提升系统性能。
大部分现有的动态频谱接入的工作主要集中在对一般模型的研究,在这种情况下次要用户并不参与主要用户的通信。近些年来,越来越多的人开始关注对产权模式的研究。“Cooperative OFDM Relaying for Opportunistic Spectrum Sharing:Protocol Design andResource Allocation”(基于合作OFDM中继的随机频谱共享:协议的设计和资源分配)【IEEETRANSACTIONS ON WIRELESS COMMUNICATIONS,VOL.11,NO.6,JUNE 2012】一文讨论了基于合作OFDM中继的随机频谱共享协议的设计与实现。但是它只考虑了一个次要用户,我们研究多个次要用户的频谱共享系统,并且考虑次要用户之间的公平性。
发明内容
为了弥补现有技术的不足,本发明提供了一种基于效用的协作多中继认知系统的联合资源分配方法,以提高了物理层资源的利用率,并且兼顾了用户之间的公平性。
本发明的技术方案如下:
一种基于效用的协作多中继认知系统的联合资源分配方法,由以下系统来实现,该系统包括主要系统和次要系统,主要系统由主要用户发射端PT、主要用户接收端PR组成;次要系统由N个次要用户组成,每个次要用户包括一个次要用户发射端STn和一个次要用户接收端SRn,其中n∈U,表示第n个次要用户,集合U={1,2,3,…,N},次要系统通过放大转发中继模式(Amplify-and-Forward)协助主要系统传输信号;本系统中共K个子载波,设子载波集合Ω={1,2,3,…,K},设γk,1,γn,k,2,γn,k',3和γn,k',4分别为主要用户发射端对主要用户接收端、主要用户发射端对第n个次要用户发射端、第n个次要用户发射端对主要用户接收端和第n个次要用户发射端对第n个次要用户接收端链路的信道功率增益,其中k∈Ω,表示第k个子载波,n∈U;主要用户发送端在子载波k上发送信号的功率用次要用户发送端STn利用子载波k'给主要用户接收端和次要用户接收端发送信号的功率分别表示为和该分配方法的具体步骤如下:
1)计算主要系统的平均速率
第一传输阶段,主要用户发射端通过K个子载波发射信号至主要用户接收端,这时所有的次要用户发射端均能监听到信号,此时主要用户直接链路所能达到的瞬时传输速率为
第二传输阶段,次要用户发射端对接收的信号进行放大并转发,转发过程采用子载波配对策略,即接收子载波k上的信号并用子载波k'进行转发,子载波k、k'不一定相同;定义变量ρk,k′∈{0,1}为子载波配对变量,当ρk,k′=1时表示第一传输阶段的子载波k和第二传输阶段中的子载波k'进行配对,并且ρk,k′必须满足约束 符号表示任意的;由次要用户发送端STn转发主要用户获得的瞬时中继速率为:
因此,在次要系统协作之下的主要系统的平均速率表示为:
其中变量tn,k,k′∈{0,1}定义为子载波对分配变量,tn,k,k′=1表示子载波对(k,k′)被分配给了次要用户发送端STn,并且tn,k,k′满足约束GP表示第一传输阶段被第二传输阶段中继的子载波集合,表示集合GP在集合Ω中的补集,符号E[·]表示对括号内表达式求数学期望;
2)计算次要系统的平均速率与次要用户的平均功率
每个次要用户的平均速率表示为:
其中集合GS表示第二传输阶段用于中继主要用户信号的子载波集合,其中表示集合GS在集合Ω中的补集,变量ηn,k′∈{0,1}定义为子载波分配变量,表示第二传输阶段中未配对子载波的分配情况,ηn,k′=1表示子载波k'被分配给了次要用户STn,并且ηn,k′满足约束
次要系统的平均速率表示为:
次要用户的平均发射功率表示为:
分别表示次要用户发送端STn利用子载波k'给主要用户接收端和次要用户接收端发送信号的功率;
3)引入效用函数
为了能使次要用户之间分配的资源更公平,我们引入了效用函数,采用的效用函数定义如下:
其中,指的是每个次要用户的可达到的速率,参数α≥0,随着α的增加,次要用户之间的资源分配会变得越来越公平;
4)确定优化问题
以次要用户平均功率的效用函数为目标函数,速率、功率限制条件为约束条件,构造如下优化问题:
Subject to:RP>RT,Pus≤PS
其中subject to是条件符号,表示受后面条件限制,RT表示主要用户需要达到的平均速率、PS表示次要系统的总功率;
5)求解优化问题
经验证,上述优化问题的目标函数是凸的,因此上述优化问题存在唯一的最优解,利用拉格朗日对偶理论,可以建立起原最小化问题即原问题与一个最大化问题即对偶问题之间的关联关系,我们研究的原问题具有强对偶性,因此可以通过求解对偶问题而得到原问题的最优值,原问题的对偶函数为:
其中,max表示求最大值,是拉格朗日函数,其表达式如下:
其中是对偶因子,符号表示定义,λ,ν={νn},μ为对偶因子,符号{}表示其中表达式的所有可能情况的集合;
对偶函数对应的对偶问题如下:
其中min表示求最小值,即在对偶因子Ψ≥0的约束条件下,通过优化Ψ求解目标函数即对偶函数g(Ψ)的最小值,已知原问题具有强对偶性,所以通过对偶问题(12)式求得的最优值即为原问题的最优值,求解对偶问题最关键之处在于求解最优的对偶因子Ψ*,其求解过程具体如下:
A)设置初始迭代次数t=0,对偶因子初始值Ψ(0)为非负实数;
B)当迭代次数为t时,用表示当前更新的对偶因子,基于当前对偶因子Ψ(t)求解对偶函数公式(11),得到对应的最优次要用户发射功率第n个次要用户可达到的最大速率以及最优子载波对分配变量子载波分配变量ηn,k′,子载波配对变量ρk,k';
C)采用以下三式分别更新当前对偶因子λ(t),μ(t),νn(t):
其中符号[]+表示[]中的部分取非负值,s_λ(t)、s_μ(t)、s_νn(t)表示相应对偶因子对应的迭代步长,t为迭代次数,λ(t+1)、μ(t+1)、νn(t+1)分别表示对三种对偶因子λ(t)、μ(t)、νn(t)的更新;
D)令Ψ*=Ψ(t+1),若Ψ*满足预定义的数据精度,则输出最优对偶因子Ψ*,否则,令t=t+1,跳转至步骤B),继续迭代,直到满足预定义的数据精度;
6)求得公平且最优的次要用户的速率
设置效用函数参数α的值,并且将得到的最优对偶因子Ψ*一起带入对偶函数公式(11)得到公平且最优的次要系统效用。
本发明提供了协作认知无线网络中的一种公平高效的联合资源分配方法,不但将次要系统的功率分配与子载波分配联合起来高效的优化分配,而且可以同时平衡次要用户之间的公平性。
附图说明
图1是本发明方法中的系统传输示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明,但不限于此。
实施例:
本发明实施例如图1所示,一种基于效用的协作多中继认知系统的联合资源分配方法,由以下系统来实现,该系统包括主要系统和次要系统,主要系统由主要用户发射端PT、主要用户接收端PR组成;次要系统由N个次要用户组成,每个次要用户包括一个次要用户发射端STn和一个次要用户接收端SRn,其中n∈U,表示第n个次要用户,集合U={1,2,3,…,N},次要系统通过放大转发中继模式(Amplify-and-Forward)协助主要系统传输信号;本系统中共K个子载波,设子载波集合Ω={1,2,3,…,K},设γk,1,γn,k,2,γn,k',3和γn,k',4分别为主要用户发射端对主要用户接收端、主要用户发射端对第n个次要用户发射端、第n个次要用户发射端对主要用户接收端和第n个次要用户发射端对第n个次要用户接收端链路的信道功率增益,其中k∈Ω,表示第k个子载波,n∈U;主要用户发送端在子载波k上发送信号的功率用次要用户发送端STn利用子载波k'给主要用户接收端和次要用户接收端发送信号的功率分别表示为和该分配方法的具体步骤如下:
1)计算主要系统的平均速率
第一传输阶段,主要用户发射端通过K个子载波发射信号至主要用户接收端,这时所有的次要用户发射端均能监听到信号,此时主要用户直接链路所能达到的瞬时传输速率为
第二传输阶段,次要用户发射端对接收的信号进行放大并转发,转发过程采用子载波配对策略,即接收子载波k上的信号并用子载波k'进行转发,子载波k、k'不一定相同;定义变量ρk,k′∈{0,1}为子载波配对变量,当ρk,k′=1时表示第一传输阶段的子载波k和第二传输阶段中的子载波k'进行配对,并且ρk,k′必须满足约束 符号表示任意的;由次要用户发送端STn转发主要用户获得的瞬时中继速率为:
因此,在次要系统协作之下的主要系统的平均速率表示为:
其中变量tn,k,k′∈{0,1}定义为子载波对分配变量,tn,k,k′=1表示子载波对(k,k′)被分配给了次要用户发送端STn,并且tn,k,k′满足约束表示第一传输阶段被第二传输阶段中继的子载波集合,表示集合GP在集合Ω中的补集,符号E[·]表示对括号内表达式求数学期望;
2)计算次要系统的平均速率与次要用户的平均功率
每个次要用户的平均速率表示为:
其中集合GS表示第二传输阶段用于中继主要用户信号的子载波集合,其中表示集合GS在集合Ω中的补集,变量ηn,k′∈{0,1}定义为子载波分配变量,表示第二传输阶段中未配对子载波的分配情况,ηn,k′=1表示子载波k'被分配给了次要用户STn,并且ηn,k′满足约束
次要系统的平均速率表示为:
次要用户的平均发射功率表示为:
分别表示次要用户发送端STn利用子载波k'给主要用户接收端和次要用户接收端发送信号的功率;
3)引入效用函数
为了能使次要用户之间分配的资源更公平,我们引入了效用函数,采用的效用函数定义如下:
其中,指的是每个次要用户的可达到的速率,参数α≥0,随着α的增加,次要用户之间的资源分配会变得越来越公平;
4)确定优化问题
以次要用户平均功率的效用函数为目标函数,速率、功率限制条件为约束条件,构造如下优化问题:
Subject to:RP>RT,Pus≤PS
其中subject to是条件符号,表示受后面条件限制,RT表示主要用户需要达到的平均速率、PS表示次要系统的总功率;
5)求解优化问题
经验证,上述优化问题的目标函数是凸的,因此上述优化问题存在唯一的最优解,利用拉格朗日对偶理论,可以建立起原最小化问题即原问题与一个最大化问题即对偶问题之间的关联关系,我们研究的原问题具有强对偶性,因此可以通过求解对偶问题而得到原问题的最优值,原问题的对偶函数为:
其中,max表示求最大值,是拉格朗日函数,其表达式如下:
其中是对偶因子,符号表示定义,λ,ν={νn},μ为对偶因子,符号{}表示其中表达式的所有可能情况的集合;
对偶函数对应的对偶问题如下:
其中min表示求最小值,即在对偶因子Ψ≥0的约束条件下,通过优化Ψ求解目标函数即对偶函数g(Ψ)的最小值,已知原问题具有强对偶性,所以通过对偶问题(12)式求得的最优值即为原问题的最优值,求解对偶问题最关键之处在于求解最优的对偶因子Ψ*,其求解过程具体如下:
A)设置初始迭代次数t=0,对偶因子初始值Ψ(0)为非负实数;
B)当迭代次数为t时,用表示当前更新的对偶因子,基于当前对偶因子Ψ(t)求解对偶函数公式(11),得到对应的最优次要用户发射功率第n个次要用户可达到的最大速率以及最优子载波对分配变量子载波分配变量ηn,k′,子载波配对变量ρk,k';
C)采用以下三式分别更新当前对偶因子λ(t),μ(t),νn(t):
其中符号[]+表示[]中的部分取非负值,s_λ(t)、s_μ(t)、s_νn(t)表示相应对偶因子对应的迭代步长,t为迭代次数,λ(t+1)、μ(t+1)、νn(t+1)分别表示对三种对偶因子λ(t)、μ(t)、νn(t)的更新;
D)令Ψ*=Ψ(t+1),若Ψ*满足预定义的数据精度,则输出最优对偶因子Ψ*,否则,令t=t+1,跳转至步骤B),继续迭代,直到满足预定义的数据精度;
6)求得公平且最优的次要用户的速率
设置效用函数参数α的值,并且将得到的最优对偶因子Ψ*一起带入对偶函数公式(11)得到公平且最优的次要系统效用。
Claims (1)
1.一种基于效用的协作多中继认知系统的联合资源分配方法,由以下系统来实现,该系统包括主要系统和次要系统,主要系统由主要用户发射端PT、主要用户接收端PR组成;次要系统由N个次要用户组成,每个次要用户包括一个次要用户发射端STn和一个次要用户接收端SRn,其中n∈U,表示第n个次要用户,集合U={1,2,3,...,N},次要系统通过放大转发中继模式协助主要系统传输信号;本系统中共K个子载波,设子载波集合Ω={1,2,3,...,K},设γk,1,γn,k,2,γn,k',3和γn,k',4分别为主要用户发射端对主要用户接收端、主要用户发射端对第n个次要用户发射端、第n个次要用户发射端对主要用户接收端和第n个次要用户发射端对第n个次要用户接收端链路的信道功率增益,其中k∈Ω,表示第k个子载波,n∈U;主要用户发送端在子载波k上发送信号的功率用次要用户发送端STn利用子载波k'给主要用户接收端和次要用户接收端发送信号的功率分别表示为和该分配方法的具体步骤如下:
1)计算主要系统的平均速率
第一传输阶段,主要用户发射端通过K个子载波发射信号至主要用户接收端,这时所有的次要用户发射端均能监听到信号,此时主要用户直接链路所能达到的瞬时传输速率为
第二传输阶段,次要用户发射端对接收的信号进行放大并转发,转发过程采用子载波配对策略,即接收子载波k上的信号并用子载波k'进行转发,子载波k、k'不一定相同;定义变量ρk,k′∈{0,1}为子载波配对变量,当ρk,k′=1时表示第一传输阶段的子载波k和第二传输阶段中的子载波k'进行配对,并且ρk,k′必须满足约束符号表示任意的;由次要用户发送端STn转发主要用户获得的瞬时中继速率为:
因此,在次要系统协作之下的主要系统的平均速率表示为:
其中变量tn,k,k′∈{0,1}定义为子载波对分配变量,tn,k,k′=1表示子载波对(k,k′)被分配给了次要用户发送端STn,并且tn,k,k′满足约束GP表示第一传输阶段被第二传输阶段中继的子载波集合,表示集合GP在集合Ω中的补集,符号E[·]表示对括号内表达式求数学期望;
2)计算次要系统的平均速率与次要用户的平均功率
每个次要用户的平均速率表示为:
其中集合GS表示第二传输阶段用于中继主要用户信号的子载波集合,其中表示集合GS在集合Ω中的补集,变量ηn,k′∈{0,1}定义为子载波分配变量,表示第二传输阶段中未配对子载波的分配情况,ηn,k′=1表示子载波k'被分配给了次要用户STn,并且ηn,k′满足约束
次要系统的平均速率表示为:
次要用户的平均发射功率表示为:
分别表示次要用户发送端STn利用子载波k'给主要用户接收端和次要用户接收端发送信号的功率;
3)引入效用函数
为了能使次要用户之间分配的资源更公平,我们引入了效用函数,采用的效用函数定义如下:
其中,指的是每个次要用户的可达到的速率,参数α≥0,随着α的增加,次要用户之间的资源分配会变得越来越公平;
4)确定优化问题
以次要用户平均功率的效用函数为目标函数,速率、功率限制条件为约束条件,构造如下优化问题:
Subject to:RP>RT,Pus≤PS
其中subject to是条件符号,表示受后面条件限制,RT表示主要用户需要达到的平均速率、PS表示次要系统的总功率;
5)求解优化问题
经验证,上述优化问题的目标函数是凸的,因此上述优化问题存在唯一的最优解,利用拉格朗日对偶理论,可以建立起原最小化问题即原问题与一个最大化问题即对偶问题之间的关联关系,我们研究的原问题具有强对偶性,因此可以通过求解对偶问题而得到原问题的最优值,原问题的对偶函数为:
其中,max表示求最大值,是拉格朗日函数,其表达式如下:
其中是对偶因子,符号表示定义,λ,ν={νn},μ为对偶因子,符号{}表示其中表达式的所有可能情况的集合;
对偶函数对应的对偶问题如下:
其中min表示求最小值,即在对偶因子Ψ≥0的约束条件下,通过优化Ψ求解目标函数即对偶函数g(Ψ)的最小值,已知原问题具有强对偶性,所以通过对偶问题(12)式求得的最优值即为原问题的最优值,求解对偶问题最关键之处在于求解最优的对偶因子Ψ*,其求解过程具体如下:
A)设置初始迭代次数t=0,对偶因子初始值Ψ(0)为非负实数;
B)当迭代次数为t时,用表示当前更新的对偶因子,基于当前对偶因子Ψ(t)求解对偶函数公式(11),得到对应的最优次要用户发射功率第n个次要用户可达到的最大速率以及最优子载波对分配变量子载波分配变量ηn,k′,子载波配对变量ρk,k';
C)采用以下三式分别更新当前对偶因子λ(t),μ(t),νn(t):
其中符号[]+表示[]中的部分取非负值,s_λ(t)、s_μ(t)、s_νn(t)表示相应对偶因子对应的迭代步长,t为迭代次数,λ(t+1)、μ(t+1)、νn(t+1)分别表示对三种对偶因子λ(t)、μ(t)、νn(t)的更新;
D)令Ψ*=Ψ(t+1),若Ψ*满足预定义的数据精度,则输出最优对偶因子Ψ*,否则,令t=t+1,跳转至步骤B),继续迭代,直到满足预定义的数据精度;
6)求得公平且最优的次要用户的速率
设置效用函数参数α的值,并且将得到的最优对偶因子Ψ*一起带入对偶函数公式(11)得到公平且最优的次要系统效用。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510161453.7A CN104702396B (zh) | 2015-04-07 | 2015-04-07 | 基于效用的协作多中继认知系统的联合资源分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510161453.7A CN104702396B (zh) | 2015-04-07 | 2015-04-07 | 基于效用的协作多中继认知系统的联合资源分配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104702396A true CN104702396A (zh) | 2015-06-10 |
CN104702396B CN104702396B (zh) | 2018-01-09 |
Family
ID=53349191
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510161453.7A Expired - Fee Related CN104702396B (zh) | 2015-04-07 | 2015-04-07 | 基于效用的协作多中继认知系统的联合资源分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104702396B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105007631A (zh) * | 2015-08-05 | 2015-10-28 | 山东大学 | 一种协作认知网络中保证QoS要求的联合资源分配方法 |
CN105472751A (zh) * | 2015-12-24 | 2016-04-06 | 山东大学 | 基于蜂窝网络的d2d通信系统联合资源的分配方法 |
CN105592408A (zh) * | 2016-03-04 | 2016-05-18 | 山东大学 | 不完全信道信息的蜂窝网络下d2d通信系统资源的分配方法 |
CN105897391A (zh) * | 2016-05-23 | 2016-08-24 | 鲁东大学 | 基于误码率优化的ofdm系统资源分配算法 |
CN106911445A (zh) * | 2017-03-02 | 2017-06-30 | 西安电子科技大学 | 增量af‑ofdm协作网络多维度资源优化算法 |
CN107040981A (zh) * | 2015-07-29 | 2017-08-11 | 南通大学 | 一种af双向中继通信系统节点发射功率的控制方法 |
CN107454604A (zh) * | 2017-08-22 | 2017-12-08 | 哈尔滨工程大学 | 认知中继网络的量子化学反应优化多中继选择方法 |
CN110324844A (zh) * | 2019-07-08 | 2019-10-11 | 山东大学 | 一种基于合作noma与协作频谱共享的次要用户强激励功率分配方法 |
CN113228756A (zh) * | 2018-11-19 | 2021-08-06 | 诺基亚技术有限公司 | 用于使加权和速率最大化的方法和装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101635988A (zh) * | 2008-07-23 | 2010-01-27 | 阿尔卡特朗讯公司 | 资源分配方法及其设备 |
CN101827418A (zh) * | 2010-05-07 | 2010-09-08 | 北京科技大学 | 一种基于能量优化的认知无线电组播路由方法 |
CN102438313A (zh) * | 2011-09-06 | 2012-05-02 | 南京邮电大学 | 一种基于认知无线电通信盟的调度方法 |
-
2015
- 2015-04-07 CN CN201510161453.7A patent/CN104702396B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101635988A (zh) * | 2008-07-23 | 2010-01-27 | 阿尔卡特朗讯公司 | 资源分配方法及其设备 |
CN101827418A (zh) * | 2010-05-07 | 2010-09-08 | 北京科技大学 | 一种基于能量优化的认知无线电组播路由方法 |
CN102438313A (zh) * | 2011-09-06 | 2012-05-02 | 南京邮电大学 | 一种基于认知无线电通信盟的调度方法 |
Non-Patent Citations (1)
Title |
---|
WEI DANGLU等: "Cooperative OFDM Relaying for Opportunistic Spectrum Sharing:Protocol Design and Resource Allocation", 《IEEE TRANSACTIONS ON WIRELESS COMMUNICATIONS》 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107040981A (zh) * | 2015-07-29 | 2017-08-11 | 南通大学 | 一种af双向中继通信系统节点发射功率的控制方法 |
CN107040981B (zh) * | 2015-07-29 | 2020-06-02 | 南通大学 | 一种af双向中继通信系统节点发射功率的控制方法 |
CN105007631A (zh) * | 2015-08-05 | 2015-10-28 | 山东大学 | 一种协作认知网络中保证QoS要求的联合资源分配方法 |
CN105007631B (zh) * | 2015-08-05 | 2018-06-26 | 山东大学 | 一种协作认知网络中保证QoS要求的联合资源分配方法 |
CN105472751B (zh) * | 2015-12-24 | 2018-08-31 | 山东大学 | 基于蜂窝网络的d2d通信系统联合资源的分配方法 |
CN105472751A (zh) * | 2015-12-24 | 2016-04-06 | 山东大学 | 基于蜂窝网络的d2d通信系统联合资源的分配方法 |
CN105592408A (zh) * | 2016-03-04 | 2016-05-18 | 山东大学 | 不完全信道信息的蜂窝网络下d2d通信系统资源的分配方法 |
CN105592408B (zh) * | 2016-03-04 | 2018-10-26 | 山东大学 | 不完全信道信息的蜂窝网络下d2d通信系统资源的分配方法 |
CN105897391A (zh) * | 2016-05-23 | 2016-08-24 | 鲁东大学 | 基于误码率优化的ofdm系统资源分配算法 |
CN106911445A (zh) * | 2017-03-02 | 2017-06-30 | 西安电子科技大学 | 增量af‑ofdm协作网络多维度资源优化算法 |
CN106911445B (zh) * | 2017-03-02 | 2020-01-31 | 西安电子科技大学 | 增量af-ofdm协作网络多维度资源优化算法 |
CN107454604A (zh) * | 2017-08-22 | 2017-12-08 | 哈尔滨工程大学 | 认知中继网络的量子化学反应优化多中继选择方法 |
CN107454604B (zh) * | 2017-08-22 | 2020-12-04 | 哈尔滨工程大学 | 认知中继网络的量子化学反应优化多中继选择方法 |
CN113228756A (zh) * | 2018-11-19 | 2021-08-06 | 诺基亚技术有限公司 | 用于使加权和速率最大化的方法和装置 |
CN113228756B (zh) * | 2018-11-19 | 2024-06-07 | 诺基亚技术有限公司 | 用于使加权和速率最大化的方法和装置 |
CN110324844A (zh) * | 2019-07-08 | 2019-10-11 | 山东大学 | 一种基于合作noma与协作频谱共享的次要用户强激励功率分配方法 |
CN110324844B (zh) * | 2019-07-08 | 2021-04-06 | 山东大学 | 一种基于合作noma与协作频谱共享的次要用户强激励功率分配方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104702396B (zh) | 2018-01-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104702396A (zh) | 基于效用的协作多中继认知系统的联合资源分配方法 | |
CN102088736B (zh) | 一种基于用户位置列表的d2d用户对选择复用多个蜂窝用户资源的方法 | |
CN104284407B (zh) | 嵌入d2d的蜂窝网络中基于全双工中继的功率控制方法 | |
CN104507144A (zh) | 无线携能中继网络联合中继选择及资源分配方法 | |
CN104301984A (zh) | D2d蜂窝网络中基于时域半双工中继的功率控制方法 | |
CN104640220A (zh) | 一种基于noma系统的频率和功率分配方法 | |
CN103037485B (zh) | 一种异构网中的低能耗协作传输方法 | |
CN103997740B (zh) | 基于效用优化的认知协作网络联合资源分配方法 | |
CN105007631A (zh) | 一种协作认知网络中保证QoS要求的联合资源分配方法 | |
CN105075371A (zh) | 针对设备到设备和蜂窝通信进行资源共享的方法和装置 | |
CN102858012A (zh) | 基于imt-a标准的后续演进嵌入式d2d实现方法 | |
CN104702395A (zh) | 一种协作认知网络中公平且能效高的联合资源分配方法 | |
CN104717755A (zh) | 一种蜂窝网络中引入d2d技术的下行频谱资源分配方法 | |
CN106255034B (zh) | 一种基于d2d的高能效内容分发方法 | |
CN105517167B (zh) | 一种密集异构蜂窝网络中面向干扰对齐的资源管理方法 | |
CN103369568B (zh) | Lte-a中继系统中基于博弈论的无线资源优化方法 | |
CN109218004B (zh) | 基于SCMA mMTC系统分层机器类通信的子载波及功率分配方法 | |
CN104581837A (zh) | 一种等数据块传输时间下利用d2d协作通信的带有节能效果的数据分发方法 | |
CN103987050A (zh) | 一种基于全双工ofdm协作的抗干扰频谱接入方法 | |
CN104270768B (zh) | 协作认知无线网络中基于斯塔克伯格博弈的频谱共享方法 | |
CN102448070B (zh) | 动态频谱环境中基于多智能体强化学习的频率功率联合分配方法 | |
CN103582105A (zh) | 一种大规模异构蜂窝网络中最大化系统效益的优化方法 | |
Waqas et al. | Resource optimization for cognitive radio based device to device communication under an energy harvesting scenario | |
CN101646176B (zh) | 基于机会频谱接入技术的mac层的距离树协议框架 | |
CN109982441A (zh) | 基于混合noma的认知中继网络中的认知用户的接入方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180109 |