在双向中继协作系统中,随着用户数和中继数量增加,节点间的传输干扰成为影响系统性能的不可忽略因素,如何考虑节点间传输干扰并设计合理的资源分配算法是提升性能的关键。对此设计一种实现简单、复杂度相对较低、可扩展性好的避免干扰...在双向中继协作系统中,随着用户数和中继数量增加,节点间的传输干扰成为影响系统性能的不可忽略因素,如何考虑节点间传输干扰并设计合理的资源分配算法是提升性能的关键。对此设计一种实现简单、复杂度相对较低、可扩展性好的避免干扰资源分配算法RABST(Resource Allocation based on SWIPT and TDMA)。考虑了中继节点能量和信息的分配比例、传输功率等资源的分配,以及多用户的链路资源来提高链路的总传输速率和利用率。将RABST建模成优化问题并求解,优化了系统的资源分配并最大化了系统吞吐量。仿真实验证明了RABST可以有效地增大系统吞吐量。展开更多
该文对基于非实时信道状态信息(Channel State Information,CSI)的多用户放大转发(Amplify-and-Forward,AF)协作通信系统的性能进行分析。系统采用一点对多点的通信系统模型,中继节点根据过时的CSI选择用户。通过推导得出中断概率、信...该文对基于非实时信道状态信息(Channel State Information,CSI)的多用户放大转发(Amplify-and-Forward,AF)协作通信系统的性能进行分析。系统采用一点对多点的通信系统模型,中继节点根据过时的CSI选择用户。通过推导得出中断概率、信道容量和符号错误概率(Symbol Error Rate,SER)的近似表达式。理论分析适用于链路同分布或者非同分布。仿真结果验证理论的正确性,并说明了各种参数对系统性能的影响。同时指出,增加用户数并不能提高系统性能,性能的提高可以通过改变中继的位置来实现。展开更多
如何在协作认知网络中有效地实现主要用户和认知用户的频谱共享,即如何在众多认知用户中选择合适的认知中继集是一个基本问题。通过确定并优化主要用户和认知用户效用函数来解决该问题,因采用了纳什均衡理论,故称之为基于博弈论的多中...如何在协作认知网络中有效地实现主要用户和认知用户的频谱共享,即如何在众多认知用户中选择合适的认知中继集是一个基本问题。通过确定并优化主要用户和认知用户效用函数来解决该问题,因采用了纳什均衡理论,故称之为基于博弈论的多中继选择算法(multiple relay selection based on game theory,GTMRS)。在任一认知中继集合中,认知用户之间能够形成非合作功率的博弈模型,可基于纳什均衡得到认知用户的优化协作功率分配算法。在寻找一组确定的中继集合来实现主要用户效用的最大化过程中,引入了修改的信道调和平均数因子,其目的是移除信噪比较小的中继节点,以最大化系统的信噪比。仿真结果显示,该算法能够使更多的认知用户接入到授权频谱中,同时使得主要用户获得更大的效用以及传输速率。因此,基于博弈的多中继选择算法能够有效选择合适的认知中继,并获得主要用户和认知用户在效用上的最优化。展开更多
文摘在双向中继协作系统中,随着用户数和中继数量增加,节点间的传输干扰成为影响系统性能的不可忽略因素,如何考虑节点间传输干扰并设计合理的资源分配算法是提升性能的关键。对此设计一种实现简单、复杂度相对较低、可扩展性好的避免干扰资源分配算法RABST(Resource Allocation based on SWIPT and TDMA)。考虑了中继节点能量和信息的分配比例、传输功率等资源的分配,以及多用户的链路资源来提高链路的总传输速率和利用率。将RABST建模成优化问题并求解,优化了系统的资源分配并最大化了系统吞吐量。仿真实验证明了RABST可以有效地增大系统吞吐量。
文摘该文对基于非实时信道状态信息(Channel State Information,CSI)的多用户放大转发(Amplify-and-Forward,AF)协作通信系统的性能进行分析。系统采用一点对多点的通信系统模型,中继节点根据过时的CSI选择用户。通过推导得出中断概率、信道容量和符号错误概率(Symbol Error Rate,SER)的近似表达式。理论分析适用于链路同分布或者非同分布。仿真结果验证理论的正确性,并说明了各种参数对系统性能的影响。同时指出,增加用户数并不能提高系统性能,性能的提高可以通过改变中继的位置来实现。
文摘如何在协作认知网络中有效地实现主要用户和认知用户的频谱共享,即如何在众多认知用户中选择合适的认知中继集是一个基本问题。通过确定并优化主要用户和认知用户效用函数来解决该问题,因采用了纳什均衡理论,故称之为基于博弈论的多中继选择算法(multiple relay selection based on game theory,GTMRS)。在任一认知中继集合中,认知用户之间能够形成非合作功率的博弈模型,可基于纳什均衡得到认知用户的优化协作功率分配算法。在寻找一组确定的中继集合来实现主要用户效用的最大化过程中,引入了修改的信道调和平均数因子,其目的是移除信噪比较小的中继节点,以最大化系统的信噪比。仿真结果显示,该算法能够使更多的认知用户接入到授权频谱中,同时使得主要用户获得更大的效用以及传输速率。因此,基于博弈的多中继选择算法能够有效选择合适的认知中继,并获得主要用户和认知用户在效用上的最优化。
