CN105897391B - 基于误码率优化的ofdm系统资源分配方法 - Google Patents
基于误码率优化的ofdm系统资源分配方法 Download PDFInfo
- Publication number
- CN105897391B CN105897391B CN201610344699.2A CN201610344699A CN105897391B CN 105897391 B CN105897391 B CN 105897391B CN 201610344699 A CN201610344699 A CN 201610344699A CN 105897391 B CN105897391 B CN 105897391B
- Authority
- CN
- China
- Prior art keywords
- user
- follows
- channel
- error rate
- function
- 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.)
- Expired - Fee Related
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L5/00—Arrangements affording multiple use of the transmission path
- H04L5/003—Arrangements for allocating sub-channels of the transmission path
- H04L5/0058—Allocation criteria
- H04L5/0062—Avoidance of ingress interference, e.g. ham radio channels
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L5/00—Arrangements affording multiple use of the transmission path
- H04L5/003—Arrangements for allocating sub-channels of the transmission path
- H04L5/0058—Allocation criteria
- H04L5/0073—Allocation arrangements that take into account other cell interferences
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L5/00—Arrangements affording multiple use of the transmission path
- H04L5/003—Arrangements for allocating sub-channels of the transmission path
- H04L5/0058—Allocation criteria
- H04L5/0076—Allocation utility-based
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/04—Wireless resource allocation
- H04W72/044—Wireless resource allocation based on the type of the allocated resource
- H04W72/0453—Resources in frequency domain, e.g. a carrier in FDMA
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/04—Wireless resource allocation
- H04W72/044—Wireless resource allocation based on the type of the allocated resource
- H04W72/0473—Wireless resource allocation based on the type of the allocated resource the resource being transmission power
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
针对无线正交频分复用(OFDM)系统中多用户功率接收性能问题,本发明提出了一种基于误码率最优化的资源分配算法。为了避免用户之间发生信道干扰,限定系统总发送功率为一定值;同时为了更加符合实际网络,用户累加的信道容量不超过基站总信道容量,将用户的误码率作为系统的目标函数,通过基于罚函数共轭梯度算法求得约束最小点,完成系统功率和子载波最小误码率分配。与同类算法相比,本发明所提算法不仅能够使用户达到最优接收性能,同时最大程度上保证用户公平性要求。
Description
技术领域
本发明涉及一种基于误码率优化的OFDM系统资源分配方法,属于系统资源分配算法领域。
背景技术
伴随无线通信系统的高速发展,移动通信技术从模拟技术和频分多址(FDMA)技术到第二代以数字语音传输为核心的GSM和CDMA技术,再到3G和超3G,直到现在4G,甚至更远的未来,技术的发展日益变化。系统各种资源的分配在系统中占有越来越重要的地位。正交频分复用(OFDM)系统具有高速度的数据传输能力、高效率的资源频谱利用率和抗干扰能力,从而成为通信领域的热点技术之一。OFDM中若干个正交的子信道组成信道,将数据信号高速转换成并行的低速子数据流,进而传输在调制之后的子信道上,从而可以扩大码元的符号周期,使得频谱资源利用率有所提高,因此OFDM系统非常适合移动系统中高速传输。在移动传输和无线通信中应用前景极其宽广,也是第四代移动通信技术的核心。为了提高OFDM技术的相关性能,还应对其关键技术进行改进,误码率最小化就是其中之一。
误码率是衡量通信系统中效率和质量的关键性指标,将误码率准则应用到通信系统当中可以对信道的码间串扰进行分析。目前已经被应用到各个领域,信道均衡见文献[1-2],MIMO线性接收见文献[3-4]和OFDM的多用户检测见文献[5-12]。文献[5]中研究了一种基于自适应多用户反馈检测的最小误码率问题。文献[8]研究了多用户多输入多输出信道的最小误码率问题,算法中假设发送端发送数据和信道状态信息可以获知。文献[9]中将频域均衡器用在最小误码率的设计中。一种基于牛顿方法的最小误码率算法在时变和频率选择性多径衰落信道系统中提出[10]。文献[11]中提出了一种基于约束最小误码率的多用户检测算法。针对通信信号混合的盲分离问题,文献[12]提出了一种基于最小误码率准则的盲源分离算法,利用自然梯度下降法求得最优值。
上述参考文献(References)如下
[1]Yen Rainfield,Stochastic Unbiased Minimum Mean Error RateAlgorithm for Decision Feedback Equalizers,IEEE Trans。Signal Processing,55:4758-4766,2007
[2]S.Chen,A.Wolfgang,Space-time decision feedback equalization usinga minimum bit error rate design for single-input multiple-output channels,IETCommunications,1(4):671-678,2007。
[3]David G.Robust Linear MIMO Receivers:a minimum error-rateapproach。IEEE Transations on Signal Processing,51(11):2863-2871,2003。
[4]Sugiura S,Reduced-Complexity Iterative Markov Chain MBER Detectionfor MIMO Systems。IEEE Signal Processing Letter,16:160-163,2009。
[5]Yuhua Wang,Xianda Zhang,He Huang。Minimum probability of error-based adaptive multiuser decision feedback detection。IEEE Signal ProcessingLetters,vol.13,257-260,2006。
[6]J.Levendovszky,L.Kovacs,and Edward C.Minimum Probability of Error-Based Equalization Algorithms for Fading Channels,EURASIP Journal on WirelessCommunications and Networking Issue,date Aug.2009。
[7]Ababneh Jehad。Minimum Bit Error Rate Multiuser Detection of SDMA-OFDM System Using Differential Evolutionary Algorithm。InternationalConference.WiMob,273-279,2010
[8]Daniel Castanheira,Atilio Gameiro,Adao Silva,Minimum Bit ErrorRate Nonlinear Precoding for Multiuser MIMO and High SNR,PhysicalCommunication,4:296-304,2011。
[9]Gokhan Altin,Richard K.Martin,Bit-Error-Rate-Minimizing ChannelShortening Using Post-FEQ Diversity Combining and aGenetic Algorithm,SignalProcessing,91:1021-1031,2011。
[10]Zeybek.M,Ertug O.A Maximum-likelihood bound approaching minimumbit error rate linear multiuser detector for frequency-selective DS-CDMASystems,International Journal of Electronics and Communications,68:111-114,2014。
[11]熊尚坤,陈芳炯,韦岗,季飞。一种基于约束最小误码率的多用户检测算法[J]。电路与系统学报,2005,06:50-53-58。
[12]骆忠强,朱立东,唐俊林,最小误码率准则盲源分离算法,信号处理,32(1):21-27,2016。
发明内容
本发明将研究基于OFDM多用户检测的误码率最优化问题,与以往研究多用户检测的误码率问题不同,本发明充分考虑系统实际约束,限定系统总发送功率和信道总容量为一定值,进而将用户的误码率作为系统的目标函数,通过基于罚函数共轭梯度算法求得约束最小点,完成系统功率和子载波最小误码率分配。与同类算法相比,本发明所提算法能使用户达到最优接收性能。
本发明基于误码率优化的OFDM系统资源分配方法,目标是在多用户CDMA系统功率和容量约束条件下,使系统误码率最小,通过以下方案实现:
假设系统总发射功率为Ptotal,发送端为不同用户分配不同子载波,根据分配给不同子载波的比特数,理想信道容量假设为:
其中B为信道带宽,s为信道输出信号功率,N0为功率谱密度。为了更加符合实际网络,限制系统总发射功率Ptotal为一定值,使得每一个子载波带宽都小于系统信道带宽,且每个子载波的信道响应平坦。
假设基站信道总容量为C(P),所有用户累加容量不超过基站信道总容量,表示为:
功率应该满足:
其中,N是总用户数,K是子信道总数,Pn,k为用户n的第k个子信道上的发射功率,用户n在第k个子信道上的增益为ρn,k取值0或者1,取决于信道k能否分配给用户n。
系统线性检测器的表达式:
其中,x(k)=[x1(k),x2(k),...,xL(k)]T是复数值滤波器输入信号,L为滤波器长度,w=[w1w2...wL]T为滤波器抽头系数。
信道中滤波器输入信号x(k)由接收信号延时组成,通常情况下x(k)的表达式为:
其中,n(k)=[n1(k)n2(k),...,nL(k)]T是复数值向量,Q为系统矩阵,大小为L×N,s(k)=[s1(k)s2(k)...sN(k)]T为信号符号向量。
选取s(k)中的第d个元素通过下式得出:
其中,sgn()表示符号函数,yR(k)为y(k)的实数部分。
根据定义,其中Nb=2N,{bp,1≤p≤Nb}是s(k)的所有序列中可能出现的情况。因此滤波器输出函数:
其中,e(k)是零中值而且方差的噪声函数;
是实际系统输出。
假设各用户具备等长的扩频码序列,相应的增益为M,是信道脉冲响应的传输函数,用户i的扩频码序列为S=[si,1 si,2 ... ... si,M]T,那么基带模型可表示为:
假设信噪比向量为:
a(k)=[a1(k)… … am(k)]T
用户向量符号为:
b(k)=[b1(k)… … bN(k)]T,b(k-1)=[b1(k-1)… … bN(k-1)]T,… …
b(k-l+1)=[b1(k-l+1)… … bN(k-l+1)]T
用户向量符号的长度为lN,所以b(k-l+1)有2lN个可能的值,l为码间串扰长度。
一般来说,以用户1为研究的目标用户,且用户1的功率权向量为:
p=[p1 p2 … pM]T,
那么线性多用户检测可表示为如下形式:
可用符号函数简写以上形式,即y(k;p)=pTx(k)。则上式中的误码率函数可以表示为:
PE(q)=Pr ob{sgn(b1(k))y(k;p)<0}
定义y(p;k)的概率密度函数为高斯分布线性组合,当无噪声接收信号的2lN种状态概率相等时,y(p;k)的概率密度函数可表示为:
在容量功率和容量共同约束条件下,系统模型
约束条件为:
对于任取的p使得||p||≤1,其中
最优化算法
本发明基于共轭梯度提出最小误码率算法,共轭梯度法不需要较多的储存量与计算量,特别适合解决多维数优化问题。其基本思想是把共轭性与最速下降法相结合,利用已知点处的梯度构造一组共轭方向,并沿着此方向进行搜索,求出目标函数极小值。
针对本发明最优化问题,首先构造拉格朗日函数:
其中,λk、μk表示Lagrange乘子,
原问题的对偶函数是:D(λ,μ)=min L(λ,μ),对偶问题为:
max D(λ,μ)
s.t.λ≥0,μ≥0
对偶函数为:
用共轭梯度优化方法来求解非线性的最优化问题。通过惩罚函数的方法将目标函数转化为:
I(p;εn)=PE(p)+εnB(p),B(p)=-log(1-pTp)约束条件:
其中下标n为迭代的次数;B(p)为惩罚函数,取ε1>0,c>1,令εn+1=εn/c。当n→∞的时候,εn→0,I(p;εn)→PE(p)。
算法具体过程如下:
步骤一给出初值p1,ε1>0,令n=1,此时计算I=I(p1;ε1),求解然后令允许误差为e>0;
步骤二若有成立,则停止计算;
步骤三
步骤四计算εn+1=εn/c,c>1为常数;
步骤五如果|PE(pn+1)-PE(pn)|>e,则转到步骤三,否则循环结束。
在上述算法中,必须要保证方向是下降的,这就要求:
那么p*=pn+1就是所求解。
本发明提出了一种基于共轭梯度方法的OFDM最小误码率算法,为了更加符合实际网络,模型中考虑了系统总的发射功率以及信道总容量范围,使得用户更多的提升接收性能,算法计算复杂度相对较小。仿真结果证明了本发明所提算法较同类算法更为有效。
附图说明
图1是用户数为5时对应的比特率收敛图像
图2是用户数为20时对应的比特率收敛图像
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本实施例基于误码率优化的OFDM系统资源分配方法,通过以下技术方案实现:
系统模型的描述
假设系统总发射功率为Ptotal,发送端为不同用户分配不同子载波,根据分配给不同子载波的比特数,理想信道容量假设为:
其中B为信道带宽,s为信道输出信号功率,N0为功率谱密度。为了更加符合实际网络,限制系统总发射功率Ptotal为一定值,使得每一个子载波带宽都小于系统信道带宽,且每个子载波的信道响应平坦。假设基站的信道总容量为C(P),所有用户累加容量不超过基站信道总容量,表示为:
功率应该满足:
其中,N是总用户数,K是子信道总数,Pn,k为用户n的第k个子信道上的发射功率为,用户n在第k个子信道上的增益为ρn,k取值0或者1,取决于信道k能否分配给用户n。
系统线性检测器的表达式:
其中,x(k)=[x1(k),x2(k),...,xL(k)]T是复数值滤波器输入信号;L为滤波器长度;w=[w1w2...wL]T为滤波器抽头系数。
信道中滤波器输入信号x(k)由接收信号延时组成,通常情况下x(k)的表达式为:
其中,n(k)=[n1(k)n2(k),...,nL(k)]T是复数值向量;Q为系统矩阵,大小为L×N;s(k)=[s1(k)s2(k)...sN(k)]T为信号符号向量。
选取s(k)中的第d个元素通过下式得出:
其中,sgn()表示符号函数;yR(k)为y(k)的实数部分。
根据定义,其中Nb=2N,{bp,1≤p≤Nb}是s(k)的所有序列中可能出现的情况。因此滤波器输出函数:
其中,e(k)是零中值而且方差的噪声函数;是实际系统输出。
假设各用户具备等长的扩频码序列,相应的增益为M,是信道脉冲响应的传输函数,用户i的扩频码序列为S=[si,1 si,2 ... ... si,M]T,那么基带模型可表示为:
假设信噪比向量为:
a(k)=[a1(k)… … am(k)]T
用户向量符号为:
b(k)=[b1(k)… … bN(k)]T,b(k-1)=[b1(k-1)… … bN(k-1)]T,… …
b(k-l+1)=[b1(k-l+1)… … bN(k-l+1)]T
用户向量符号的长度为lN,所以b(k-l+1)有2lN个可能的值,l为码间串扰长度。
一般来说,以用户1为研究的目标用户,且用户1的功率权向量为:
p=[p1 p2 … pM]T,
那么线性多用户检测可表示为如下形式:
可用符号函数简写以上形式,即则上式中的误码率函数可以表示为:
PE(q)=Pr ob{sgn(b1(k))y(k;p)<0}
定义y(p;k)的概率密度函数为高斯分布线性组合,当无噪声接收信号的2lN种状态概率相等时,y(p;k)的概率密度函数可表示为:
在容量功率和容量共同约束条件下,系统模型
约束条件为:
对于任取的p使得||p||≤1,其中
最优化算法
本发明基于共轭梯度提出最小误码率算法,共轭梯度法不需要较多的储存量与计算量,特别适合解决多维数优化问题。其基本思想是把共轭性与最速下降法相结合,利用已知点处的梯度构造一组共轭方向,并沿着此方向进行搜索,求出目标函数极小值。
针对本发明最优化问题,首先构造拉格朗日函数:
构造拉格朗日函数:
其中,λk、μk表示Lagrange乘子,
原问题的对偶函数是:D(λ,μ)=min L(λ,μ),对偶问题为:
max D(λ,μ)
s.t.λ≥0,μ≥0
对偶函数为:
用共轭梯度优化方法来求解非线性的最优化问题。通过惩罚函数的方法将目标函数转化为:
I(p;εn)=PE(p)+εnB(p),B(p)=-log(1-pTp)约束条件:
其中下标n为迭代的次数;B(p)为惩罚函数,取ε1>0,c>1,令εn+1=εn/c。当n→∞的时候,εn→0,I(p;εn)→PE(p)。
算法具体过程如下:
步骤一给出初值p1,ε1>0,令n=1,此时计算I=I(p1;ε1),求解然后令允许误差为e>0;
步骤二若有成立,则停止计算;
步骤三
步骤四计算εn+1=εn/c,c>1为常数;
步骤五如果|PE(pn+1)-PE(pn)|>e,则转到步骤三,否则循环结束。
在上述算法中,必须要保证方向是下降的,这就要求:
那么p*=pn+1就是所求解。
数值仿真
为了验证算法的有效性,进行了仿真实验。假设发送端可以获知信道信息,信道为平坦衰落瑞利信道,最大时延扩展为10微秒。基站中可用的总功率为1W,总带宽为1MHz,子载波数为64。
图1-2给出了本发明算法同文[10]和[11]所提算法在不同信噪比(Signal NoiseRatio,SNR)下比特率(BER)收敛图像,SNR最大值为30。
图1对应用户数N=5和图2用户数N=20。为了表示方便,图中纵坐标为Log10比特率。
从图中可以看出,本发明所提算法在低SNR时和两外算法差别不大,随着SNR增加,算法较其他两种有效,其主要原因是考虑实际网络约束,使得所设计算法可以获得更小的误码率。
本发明以上实施例提出了一种基于共轭梯度方法的OFDM最小误码率算法,为了更加符合实际网络,模型中考虑了系统总的发射功率以及信道总容量范围,使得用户更多的提升接收性能,算法计算复杂度相对较小。仿真结果证明了本发明所提算法较同类算法更为有效。
本发明针对无线正交频分复用(OFDM)系统中多用户功率接收性能问题,提出了一种基于误码率最优化的资源分配算法。为了避免用户之间发生信道干扰,限定系统总发送功率为一定值;同时为了更加符合实际网络,用户累加的信道容量不超过基站总信道容量,将用户的误码率作为系统的目标函数,通过基于罚函数共轭梯度算法求得约束最小点,完成系统功率和子载波最小误码率分配。与同类算法相比,本发明所提算法不仅能够使用户达到最优接收性能,同时最大程度上保证用户公平性要求。
Claims (3)
1.基于误码率优化的OFDM系统资源分配方法,其特征在于:
基于共轭梯度提出最小误码率算法,把共轭性与最速下降法相结合,利用已知点处的梯度构造一组共轭方向,并沿着此方向进行搜索,求出目标函数极小值;
首先构造拉格朗日函数:
其中,λk、μk表示Lagrange乘子,
原问题的对偶函数是:D(λ,μ)=min L(λ,μ),对偶问题为:
max D(λ,μ)
s.t.λ≥0,μ≥0
对偶函数为:
用共轭梯度优化方法来求解非线性的最优化问题;通过惩罚函数的方法将目标函数转化为:
I(p;εn)=PE(q)+εnB(p),B(p)=-log(1-pTp)约束条件:
其中下标n为迭代的次数;B(p)为惩罚函数,取ε1>0,c>1,令εn+1=εn/c;当n→∞的时候,εn→0,I(p;εn)→PE(q);
系统总发射功率为Ptotal,发送端为不同用户分配不同子载波,根据分配给不同子载波的比特数,理想信道容量为:
其中B为信道带宽,s为信道输出信号功率,N0为功率谱密度;
限制系统总发射功率Ptotal为一定值,使得每一个子载波带宽都小于系统信道带宽,且每个子载波的信道响应平坦;
基站的信道总容量为C(P),所有用户累加容量不超过基站信道总容量,表示为:
功率满足:
其中,N是总用户数,K是子信道总数,Pn,k为用户n的第k个子信道上的发射功率,用户n在第k个子信道上的增益为ρn,k取值0或者1,取决于信道k能否分配给用户n;
系统线性检测器的表达式:
其中,x(k)=[x1(k),x2(k),...,xL(k)]T是复数值滤波器输入信号;L为滤波器长度;w=[w1w2...wL]T为滤波器抽头系数;
信道中滤波器输入信号x(k)由接收信号延时组成,x(k)的表达式为:
其中,n(k)=[n1(k)n2(k),...,nL(k)]T是复数值向量;Q为系统矩阵,大小为L×N;s(k)=[s1(k)s2(k)...sN(k)]T为信号符号向量;
选取s(k)中的第d个元素通过下式得出:
其中,sgn()表示符号函数;yR(k)为y(k)的实数部分;
根据定义,其中Nb=2N,{bp,1≤p≤Nb}是s(k)的所有序列中可能出现的情况;因此滤波器输出函数:
其中,e(k)是零中值而且方差的噪声函数;是实际系统输出;
各用户具备等长的扩频码序列,相应的增益为M,是信道脉冲响应的传输函数,用户i的扩频码序列为S=[si,1 si,2 ... ... si,M]T,那么基带模型表示为:
信噪比向量为:
a(k)=[a1(k) … … am(k)]T
用户向量符号为:
b(k)=[b1(k) … … bN(k)]T,b(k-1)=[b1(k-1) … … bN(k-1)]T,… … b(k-l+1)=[b1(k-l+1) … … bN(k-l+1)]T
用户向量符号的长度为lN,所以b(k-l+1)有2lN个值,l为码间串扰长度;
以用户1为目标用户,且用户1的功率权向量为:
p=[p1 p2 … pM]T,
那么线性多用户检测可表示为如下形式:
可用符号函数简写以上形式,即则上式中的误码率函数表示为:
PE(q)=PROB{sgn(b1(k))y(k;p)<0}
定义y(p;k)的概率密度函数为高斯分布线性组合,当无噪声接收信号的2lN种状态概率相等时,y(p;k)的概率密度函数表示为:
在容量功率和容量共同约束条件下,系统模型
约束条件为:
对于任取的p使得||p||≤1,其中
2.根据权利要求1所述基于误码率优化的OFDM系统资源分配方法,其特征在于:
算法具体过程如下:
步骤一给出初值p1,ε1>0,令n=1,此时计算I=I(p1;ε1),求解然后令允许误差为e>0;
步骤二若有成立,则停止计算;
步骤三
步骤四计算
εn+1=εn/c,c>1为常数;
步骤五如果|PE(pn+1)-PE(pn)|>e,则转到步骤三,否则循环结束。
3.根据权利要求2所述基于误码率优化的OFDM系统资源分配方法,其特征在于:
算法中,必须要保证方向是下降的,要求:
那么p*=pn+1就是所求解。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610344699.2A CN105897391B (zh) | 2016-05-23 | 2016-05-23 | 基于误码率优化的ofdm系统资源分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610344699.2A CN105897391B (zh) | 2016-05-23 | 2016-05-23 | 基于误码率优化的ofdm系统资源分配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105897391A CN105897391A (zh) | 2016-08-24 |
CN105897391B true CN105897391B (zh) | 2018-12-18 |
Family
ID=56717875
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610344699.2A Expired - Fee Related CN105897391B (zh) | 2016-05-23 | 2016-05-23 | 基于误码率优化的ofdm系统资源分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105897391B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104468448A (zh) * | 2014-11-12 | 2015-03-25 | 南京邮电大学 | 一种ofdm多中继网络中能量效率的优化方法 |
CN104869651A (zh) * | 2015-03-30 | 2015-08-26 | 浙江大学 | 基于QoE的OFDMA网络下行链路资源分配方法 |
CN105262521A (zh) * | 2014-07-18 | 2016-01-20 | 中国人民解放军理工大学 | 一种多波束卫星通信系统中的功率分配算法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101867462A (zh) * | 2010-05-21 | 2010-10-20 | 清华大学 | 一种基于最小总误码率的多基站协作线性预编码方法 |
CN103139133B (zh) * | 2013-03-12 | 2015-10-28 | 桂林师范高等专科学校 | 应用于mimo-ofdm系统的自适应编码调制方法 |
CN104702396B (zh) * | 2015-04-07 | 2018-01-09 | 山东大学 | 基于效用的协作多中继认知系统的联合资源分配方法 |
CN105553513B (zh) * | 2015-12-10 | 2018-01-12 | 嘉兴国电通新能源科技有限公司 | 一种保证系统速率的多载波plc中继系统功率优化方法 |
CN105451324B (zh) * | 2015-12-10 | 2018-10-19 | 嘉兴国电通新能源科技有限公司 | 一种低复杂度多载波plc中继系统功率分配方法 |
-
2016
- 2016-05-23 CN CN201610344699.2A patent/CN105897391B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105262521A (zh) * | 2014-07-18 | 2016-01-20 | 中国人民解放军理工大学 | 一种多波束卫星通信系统中的功率分配算法 |
CN104468448A (zh) * | 2014-11-12 | 2015-03-25 | 南京邮电大学 | 一种ofdm多中继网络中能量效率的优化方法 |
CN104869651A (zh) * | 2015-03-30 | 2015-08-26 | 浙江大学 | 基于QoE的OFDMA网络下行链路资源分配方法 |
Non-Patent Citations (2)
Title |
---|
Minimum Bit Error Rate Multiuser Detection of SDMA-OFDM System Using Differential Evolutionary Algorithm;Jehad I. Ababneh,Taimour F. Aldalgamouni,Asmaa A. Alqudah;《2010 IEEE 6th International Conference on Wireless and Mobile Computing, Networking and Communications》;20101013;全文 * |
最小误码率准则盲源分离算法;骆忠强,朱立东,唐俊林;《信号处理》;20160131;第32卷(第1期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN105897391A (zh) | 2016-08-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Farhang et al. | Massive MIMO and waveform design for 5th generation wireless communication systems | |
Emir et al. | Deep learning-based flexible joint channel estimation and signal detection of multi-user OFDM-NOMA | |
Wen et al. | OTFS-SCMA: A downlink NOMA scheme for massive connectivity in high mobility channels | |
Carrera et al. | Comparative study of channel estimators for massive MIMO 5G NR systems | |
Jamali et al. | A low-complexity recursive approach toward code-domain NOMA for massive communications | |
Yu et al. | Power allocation for distributed antenna systems in frequency-selective fading channels | |
Sindhwani et al. | FFOAS: antenna selection for MIMO wireless communication system using firefly optimisation algorithm and scheduling | |
Li et al. | Performance Analysis of Downlink Multisatellite Joint Service System Toward SAGOI-Net | |
Yang et al. | Heterogeneous semi-blind interference alignment in finite-SNR networks with fairness consideration | |
Wei et al. | An iterative interference alignment algorithm for the general MIMO X channel | |
Karatepe et al. | Novel nonorthogonal multi-access method for multi-user MIMO with antenna number modulation | |
Atapattu et al. | Linear adaptive channel equalization for multiuser MIMO-OFDM systems | |
Darsena et al. | Perfect symbol recovery and NBI suppression in MIMO‐OFDM systems | |
CN104410977B (zh) | 一种基于认知学习的同频异构网络广播信道干扰管理方法 | |
CN105897391B (zh) | 基于误码率优化的ofdm系统资源分配方法 | |
Lakew et al. | On the performance of NOMA-OFDM systems with time-domain interleaving | |
Nsengiyumva | Is the cyclic prefix needed in massive MIMO? | |
Fatima | The Channel Shortening comparison between OFDM & MC-CDMA System over an ADSL Channel using a Water-filling | |
Anil et al. | Implementation of MIMO OFDM NOMA system using iterative algorithm | |
Watanabe et al. | A proposal on virtual massive array using fast beam switching and blind algorithm | |
KR101352708B1 (ko) | 통신 시스템에서 데이터 송수신 방법 및 시스템 | |
Kühne et al. | Transmit antenna selection and OSTBC in adaptive multiuser OFDMA systems with different user priorities and imperfect CQI | |
Umakoğlu et al. | Performance Evaluation of OTFS-NOMA Scheme for High Mobility Users | |
Kim et al. | Performance analysis of a frequency-domain equal-gain-combining time-reversal scheme for distributed antenna systems | |
Mathews et al. | Machine Learning Approach for 5G Hybrid Technologies |
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: 20181218 Termination date: 20190523 |