基于信道统计相关性OFDM系统资源分配算法

在正交频分复用(OFDM)系统中,对信道相关及信道独立的子载波和功率分配调度算法进行了研究,提出了一种新的基于信道参数统计相关性的子载波和功率分配算法.这种算法利用信道统计信息来减少信道反馈,由于最优解的高度非线性,转化成离散模型的求解可以降低算法的复杂度.仿真结果显示:相对于传统的信道相关调度算法,基于信道统计相关性的调度算法在系统总容量上有微小降低,但算法复杂度大大降低,信道反馈信息的减少节省了控制信令带宽;同时在性能上优于基于路径损耗等信道独立的调度算法.     

多服务环境下的资源分配策略研究

讨论了基于网络资源检测的动态带宽分配策略,在对网络资源进行动态监测的基础上,对各种服务对资源的占用情况进行在线统计.然后,根据统计分析的结果调整资源分配策略.所提出的方法能在对传统的服务提供一定保证的前提下,开展资源预留服务,使网络资源得到充分利用.用提出的动态带宽分配算法,在NS2环境下进行了仿真.仿真结果表明:该分配方法提高了网络资源利用率,降低丢包率.可提高GP类服务的服务质量,并对BE类服务中的贪婪流具有一定的抑制作用.     

虚拟环境中基于Stackelberg博弈的资源分配

针对虚拟化网络环境中的资源分配和定价问题,结合Stackelberg博弈模型,提出了一种同时满足底层网络和虚拟网络收益最大的资源分配和定价方案,分别设计了底层网络和虚拟网络基于效用和花费的收益函数,给出了在完全信息状态下底层网络和虚拟网络各自收益最大时的最优策略.在不完全信息决策模型下,验证了虚拟网络间非合作博弈的纳什均衡点存在性,为了获取虚拟网络的最优带宽策略和底层网络的最优定价策略,给出了一种分布式的迭代算法.最后通过数值仿真验证了该算法的有效性,取得了参与者的最优策略和子博弈完美纳什均衡.     

异构无线网络资源分配算法研究综述

随着通信业务需求的快速增长,无线通信网络正朝着异构化的方向演进.面对复杂的5G通信场景,实现不同网络之间的资源共享、干扰管理、提高系统容量,异构网络资源分配问题成为了资源管理的关键技术难点.针对该问题,对异构无线网络资源分配进行了综述与展望.介绍了异构无线网络的基本概念、网络分类,阐述了不同类型蜂窝网络的传输参数特性.按信道状态、网络结构以及优化目标等方式,对当前异构无线网络资源分配算法的研究现状进行了阐述与分析.此外,对异构无线网络资源分配所面临的问题和未来的研究趋势进行了展望,并在此基础上进行了总结.     

基于自适应随机接入的动态 D2D 发现资源分配机制

现有终端直通（device-to-device,D2D）中用户发现成功率低、发现范围小以及不能满足不同用户优先级的业务需求,针对上述问题,提出一种基于自适应随机接入的动态D2 D发现资源分配机制。该机制中具有高优先级的D2 D用户采用传统的随机接入方法向基站发送紧急请求信息;基站根据发送紧急请求信息的高优先级D2 D用户数,构建下一发现周期的发现资源分配信息。根据未成功选择发现资源块的次数,低优先级的D2 D用户自适应的在多信道时隙ALOHA（additive link on-line Hawaii system）和具有能量感知的多信道ALOHA接入机制之间进行切换。D2 D用户根据接收端的信干噪比大小,判断是否成功发现。系统级仿真结果表明,提出的机制与传统的随机信道接入机制相比,不仅能够满足不同优先级用户的业务需求,还能支持更高的发现成功率和更远的发现范围。     

一种用户速率受限OFDM系统中的联合子载波和功率分配算法

为OFDM下行系统提出一种高性能、低复杂度的无线资源分配算法.该算法在保证各用户最小数据速率限制的情况下,最大化系统的总吞吐量.算法以对偶优化作为理论基础,经过合理简化,消除了以往求解优化问题中所需的迭代运算,提出一种新型的低复杂度无线资源分配算法.仿真结果表明,在各种无线环境中,该算法均提供了很好的系统吞吐量和中断概率性能.     

基于非完全信息博弈竞标的无线传感器网络资源分配方法

针对无线传感器网络任务调度过程中造成的资源冲突问题,本文将其考虑为节点间的非完全信息博弈竞标过程,在参与竞标的节点进行决策时,引入隐马尔可夫链对其他竞争者的决策进行预测,同时资源分配过程中的多个优化目标,分别由任务和节点进行优化,并提出一种非完全信息博弈竞标算法。最后,在假设节点个人理性的前提条件下,论证了此非完全信息博弈竞标模型满足经济学原理中的激励相容性和最大化系统收益。并从实验仿真证明其有效性。     

基于CT-RAG和学习量子粒子群的云计算任务-资源分配算法

目前已有的云计算任务-资源分配算法仅针对独立任务进行同构资源分配,同时在分配时未考虑任务优先级;为了克服其缺点,提出了一种基于虚拟CT-RAG(Task-Resource Assignment Graph in Cloud Environment, CT-RAG)和学习量子粒子群的任务-资源分配模型;首先,定义了虚拟CT-RAG图和任务优先级,并描述了采用其获取任务-资源分配方案初始解的方法;然后采用具有学习能力的量子粒子群在可行解空间中寻优,通过为粒子安装学习机,粒子在每轮迭代的过程中根据适应度的变化情况自适应地调整动作选择概率,从而加快获取全局最优解和加快收敛速度;仿真实验表明:文中方法能有效地解决云计算环境下依赖型任务的异构资源调度,获取了全局最优解356.67,较其它方法具有较大的优越性。     

双UAVs辅助的混合能量收集MEC系统资源分配策略

针对用户从环境射频源收集能量较少的问题,提出了一种双无人机辅助的混合能量收集边缘计算系统的资源分配策略。通过部署2个具有混合太阳能和射频能量收集功能的无人机,当用户的计算任务较大时,可以将计算任务卸载到搭载边缘服务器的无人机。当用户从环境射频源收集的能量不够用时,另一个无人机飞到用户上方,为其近距离充电。联合考虑无人机和用户的能量消耗,将系统资源分配问题建模成一个混合整数非线性规划问题,在满足用户和无人机计算能力和能量消耗的约束条件下,最小化系统总能耗。通过引入量子行为粒子群优化算法,获得次优解。仿真结果表明,与其他几种方法相比,采用量子行为粒子群优化算法消耗的能量更少。     

一种基于等效带宽的OFDM系统跨层资源分配方案

为了能够更加高效地使用无线资源,提出了一种跨层资源分配方案.该方案由调度过程和子载波与功率分配过程两部分组成.在调度过程中,引入了考虑QoS要求的“等效带宽”,以用户的等效带宽和信道增益为依据进行调度;在子载波与功率分配过程中,是以用户在调度后的数据速率和信道增益为依据进行分配.仿真结果表明,这种分配方案能够有效地降低系统的发射功率.