Optimal Resource Allocation in Full-Duplex Wireless-Powered Communication Network
研究了无线供电通信网络(WPCN)中的最优资源分配问题,其中一个混合接入点(H-AP)在下行链路(DL)向一组分布式用户广播无线能量,同时在上行链路(UL)通过时分多址(TDMA)接收来自用户的独立信息。我们设计了一个有效的协议,以支持同时无线能量传输(WET)在DL和无线信息传输(WIT)在UL的建议FD-WPCN。我们联合优化针对DL WET的H-AP和针对UL WIT的不同用户的时间分配以及在H-AP处随时间的发射功率分配,以最大化具有所收获能量的UL信息传输的用户的加权和速率。我们认为这两种情况下,完美和不完美的自干扰消除(SIC)在H-AP,我们获得最佳和次优的时间和功率分配的解决方案,分别。此外,我们认为半双工(HD)WPCN作为一个基线计划,并得出其最佳的资源分配解决方案。仿真结果表明,FD-WPCN优于HD-WPCN时,有效的SIC可以实现和更严格的峰值功率约束应用在H-AP。
2014-09-15 cs.IT math.IT
Resource Allocation and Interference Mitigation Techniques for Cooperative Multi-Antenna and Spread Spectrum Wireless Networks
本章介绍了联合干扰抑制和功率分配算法的DS-CDMA和MIMO网络的多跳和放大转发和解码转发(DF)协议。提出了一种中继间功率电平联合分配和线性干扰抑制的方案。我们还考虑了另一种策略,联合干扰抑制和中继选择,最大限度地提高系统中的多样性。仿真结果表明,所提出的跨层优化算法获得显着的增益在现有的计划的容量和性能。
2013-01-24 cs.IT math.IT
Wireless Power Meets Energy Harvesting: A Joint Energy Allocation Approach in OFDM-based System
本文研究了一种基于正交频分复用(OFDM)的无线供电通信系统,其中一个用户从能量接入点(EAP)获取能量,以向数据接入点(DAP)传输信息。从EAP到用户的通道,即,无线能量传输(WET)链路,以及从用户到DAP,即,无线信息传输(WIT)链路通常在时隙和子信道(SC)上变化。为了避免DAP处的干扰,WET和WIT在任何时隙在正交SC上被调度。我们的目标是最大限度地提高可实现的速率在DAP通过联合优化SC分配随着时间的推移和功率分配随着时间的推移和SC的WET和WIT链路。假设信道状态信息(CSI)的可用性,最优SC/功率分配的结构性结果,并提出了一种离线算法来解决这个问题。此外,我们提出了一个低复杂度的在线算法时,因果CSI可用。
2016-01-18 cs.IT math.IT
Alternating Optimization Techniques for Power Allocation and Receiver Design in Multihop Wireless Sensor Networks
在本文中,我们考虑一个多跳无线传感器网络与多个中继节点的每一跳的放大和转发方案。我们提出的算法策略,联合设计线性接收机和功率分配参数,通过交替优化方法受到不同的功率约束,其中包括全球,本地和个人的。两个设计标准被认为是:第一个最小化的均方误差和第二个最大化的无线传感器网络的总速率。我们推导出约束最小均方误差和约束最大和速率表达式的线性接收机和功率分配参数,包含每个中继节点的最佳复放大系数。对算法的计算复杂性和收敛性进行了分析。计算机模拟表明,我们所提出的方法在比特出错率和总和率相比,具有相同的功率分配和现有的功率分配方案的方法具有良好的性能。
2014-04-27 cs.IT math.IT
Joint Precoding Design and Resource Allocation for C-RAN Wireless Fronthaul Systems
本文针对C-RAN无线前传系统容量受限问题,提出前传与接入链路联合预编码设计及正交资源分配优化算法,使RAU前传容量匹配接入需求并提升系统性能。
2023-05-25 cs.IT math.IT
Potential Games for Energy-Efficient Resource Allocation in Multipoint-to-Multipoint CDMA Wireless Data Networks
研究了多点对多点蜂窝网络中的非协作资源分配问题。所考虑的场景是一般的,足以代表现代无线网络的几个关键实例,如多蜂窝网络,对等网络(干扰信道),和无线网络配备了毫微微小区。特别是,联合发射波形自适应,线性接收机设计,和发射功率控制的问题进行检查。几个效用函数被认为是最大化,其中,我们引用接收到的SINR,和发射机的能量效率,这是衡量比特/焦耳,并表示成功交付的比特数为每个能量单位用于传输。借助势博弈理论,设计了多点对多点蜂窝网络中不考虑信道系数实现的纳什均衡的非合作博弈。计算机模拟证实了所考虑的游戏是收敛的,并显示了巨大的好处,资源分配计划可以带来无线数据网的性能。
2011-05-10 cs.IT math.IT
Variance Based Algorithm for Grouped-Subcarrier Allocation in OFDMA Wireless Systems
针对OFDMA分组接入无线系统下行链路的分组子载波和功率分配问题,提出了一种降低复杂度的算法。用于数据通信的可用子载波被分组为分区(组),其中每个组被定义为子信道。位于基站的调度器基于子信道增益的方差向用户分配子信道。所提出的组分配算法是一个两步算法,分配组的用户的方差的降序的基础上,以解决冲突的选择问题,其次是一个公平的比例增强的步骤。为了减少反馈负担和功率分配算法的复杂度,每个用户反馈每个组上的CSI,如果它内部的子载波的增益的方差小于预定义的阈值。为了显示所提出的方案的性能,选择的仿真结果。
2012-07-20 cs.IT math.IT
Quantization and Bit Allocation for Channel State Feedback for Relay-Assisted Wireless Networks
研究了多源单中继协作蜂窝网络中信道状态信息(CSI)的量化和无线链路间的比特分配问题。我们的目标是最大限度地减少性能的损失,衡量可实现的总和速率,由于有限的量化率的CSI。我们开发了一个信道量化方案和分配有限的反馈位的各种无线链路。我们假设量化的CSI被报告给负责最优资源分配的中心节点。我们首先推导出严格的下限和上限之间的差异,完美的CSI和量化CSI的情况下的速率。这些界限,然后用于推导出一个有效的量化器为任意信道分布。接下来,我们使用这些界限来优化分配的比特在整个链路上的预算对总可用的量化比特。特别是,我们表明,最佳的比特分配算法分配更多的位在网络中的那些链接,最有助于总和速率。最后,本文研究了中心节点的选择,我们表明,这种选择起着重要的作用,在CSI位需要达到一个目标的性能水平。
2011-12-04 cs.IT math.IT
Energy-Efficient Resource Allocation in Multiuser OFDM Systems with Wireless Information and Power Transfer
本文研究了多用户正交频分复用(OFDM)下行链路系统中同时进行无线信息和功率传输的资源分配算法设计。算法设计被公式化为用于最大化数据传输的能量效率(传送到用户的比特/焦耳)的非凸优化问题。特别地,该问题公式化考虑了最小所需系统数据率、向用户的异构最小所需功率传输以及电路功耗。随后,通过利用分时方法和非线性分式规划的性质,所考虑的非凸优化问题是解决使用一个有效的迭代资源分配算法。对于每一次迭代,最优功率分配和用户选择的解决方案推导出基于拉格朗日对偶分解。仿真结果表明,所提出的迭代资源分配算法实现了系统的最大能量效率,并揭示了能量效率,系统容量和无线功率传输如何受益于系统中的多个用户的存在。
2012-12-31 cs.IT math.IT
Joint Bandwidth and Power Allocation with Admission Control in Wireless Multi-User Networks With and Without Relaying
带宽和/或功率的相等分配对于具有有限带宽和功率资源的无线多用户网络可能不是高效的。本文提出了无线多用户网络中有中继和无中继的联合带宽和功率分配策略,目标是:(i)最大化所有用户的总容量;(ii)最大化最差用户容量;(iii)最小化所有用户的总功耗。结果表明,建议的分配问题是凸的,因此,可以有效地解决。此外,接纳控制的基础上联合带宽和功率分配。提出了一种次优贪婪搜索算法来有效地解决接纳控制问题。条件下,贪婪搜索是最佳的推导和证明是温和的。仿真结果表明,所提出的联合带宽和功率分配的性能改善。次优贪婪搜索算法的接纳控制的优点也显示出来。
2010-06-07 cs.IT math.IT
Robust Resource Allocation for MIMO Wireless Powered Communication Networks Based on a Non-linear EH Model
在本文中,我们考虑了一个多输入多输出无线供电通信网络(MIMO-WPCN),其中多个用户收获能量从一个专用的发电站,以便能够将他们的信息信号发送到一个信息接收站。采用一个实用的非线性能量收集(EH)模型,我们提出了一个联合的时间分配和功率控制方案,考虑到信道状态信息(CSI)的不确定性,并提供对不完美的CSI知识的鲁棒性。特别是,我们制定了两个非凸优化问题,为不同的目标,即系统总吞吐量最大化和最大化的最小个人吞吐量在所有无线供电的用户。为了克服非凸性,我们应用了几个变换以及一维搜索,以获得一个有效的资源分配算法。数值结果表明,当资源分配的基础上采用的非线性EH模型,而不是传统的线性EH模型设计,可以实现显着的性能增益。此外,不同于一个非鲁棒的基线方案设计完美的CSI,建议的资源分配计划被证明是强大的对不完美的CSI知识。
2017-01-31 cs.IT math.IT
Wireless Networks with Energy Harvesting and Power Transfer: Joint Power and Time Allocation
在本文中,我们认为,无线供电的通信网络,可以永久运行,作为基站(BS)广播能量的多个能量收集(EH)的信息发射机。这些采用“收集然后发送”机制,因为它们花费在先前BS能量广播期间收集的所有能量来向BS发送信息。假设时分多址(TDMA),我们提出了一种新的传输方案,联合优化分配的BS广播功率和无线节点之间的分时共享,最大化的整体网络吞吐量,在BS的平均发射功率和最大发射功率的约束下。所提出的计划显着优于“最先进的”计划,只采用最佳的时间分配。如果考虑单个EH发射器,则我们将固定电路功耗的情况下的最优解决方案概括为更实际的场景。
2016-03-01 cs.IT math.IT
Energy-Efficient Joint Offloading and Wireless Resource Allocation Strategy in Multi-MEC Server Systems
移动边缘计算(MEC)是一种新兴的范例,移动设备可以将计算密集型或延迟关键型任务卸载到附近的MEC服务器,从而节省能源并延长电池寿命。与云服务器不同,MEC服务器是部署在无线接入点的小型数据中心,因此对无线电和计算资源高度敏感。在本文中,我们考虑了一个正交频分复用接入(OFDMA)的多用户和多MEC服务器系统,其中的任务卸载策略和无线资源分配联合研究。针对延迟关键型应用,以总能耗最小为目标,提出了联合卸载和资源分配策略。通过双层优化方法,将原NP难问题解耦为下层的功率和子载波分配问题和上层的任务卸载问题。仿真结果表明,与传统的调度算法相比,该算法在能量节省和成功卸载概率(SOP)方面具有优异的性能。
2018-03-20 cs.IT math.IT
Power Allocation for Energy Efficiency and Secrecy of Interference Wireless Networks
考虑存在窃听者的多用户干扰网络,在满足链路安全性要求的前提下,以最差保密吞吐量或安全能量效率为目标,对网络链路进行功率分配.三种情况下的信道状态信息的访问被认为是:完美的信道状态信息,部分信道状态信息的信道从发射机到窃听者呈指数分布,和不完全已知的信道之间的发射机和用户呈指数分布的错误。本文开发了各种低复杂度和快速收敛的最优功率分配的路径跟踪程序。通过数值算例说明了它们的有效性和可行性。功率分配方案,以实现高保密吞吐量和能源效率。
2017-08-24 cs.IT math.IT
Energy-efficient Resource Allocation for Wirelessly Powered Backscatter Communications
在这封信中,我们考虑一个无线供电的反向散射通信(WP-BackCom)网络,其中发射机首先在睡眠状态下从专用能量RF源获取能量,然后通过反射系数同时反向散射信息和获取能量。我们的目标是通过联合优化专用能量RF源的时间分配、反射系数和发射功率来最大化WP-BackCom网络的可实现能量效率。优化问题是非凸的,具有挑战性的解决。我们开发了一个有效的基于Dinkelbach的迭代算法来获得最优的资源分配方案。研究表明,对于每一次迭代,能量有效的WP-BackCom网络是等效的网络中的发射机总是工作在活动状态,或网络中的专用能量RF源采用最大允许功率。
2019-06-01 cs.IT math.IT
Power Allocation for Secure SWIPT Systems with Wireless-Powered Cooperative Jamming
本文考虑无线供电的合作干扰(CJ),以确保发送器(Tx)和信息接收器(IR)之间的通信,在存在的能量接收器(ER),这被称为潜在的窃听者。全双工干扰器从Tx的信息信号中获取能量,同时发送干扰信号,其中干扰信号不仅混淆ER(潜在窃听者),而且还对ER充电。我们的目标是最大限度地提高保密信息率,通过联合优化在Tx和干扰机的功率分配,同时保持收获的能量要求的ER。所研究的问题是非凸的,我们提出了基于拉格朗日方法的最优解。仿真结果表明,该方案的性能明显优于基准方案。
2017-02-18 cs.IT math.IT
Power Allocation for Mixed Traffic Broadcast with Service Outage Constraint
为了在广播系统中传输实时和非实时业务的混合,我们对实时业务施加基本服务速率$r_0$,并使用超过$r_0$的超额速率来传输非实时业务。考虑到无线信道的时变特性,在服务中断约束下保证基本服务速率,其中当信道容量低于基本服务速率时发生服务中断。这种方法非常适合提供不断增长的服务,如视频、实时电视等,在诸如长途汽车、高速训练和飞机等成组运输系统中。我们表明,最优功率分配策略只依赖于所有用户信道的最小增益的统计,它是一个组合的注水和信道反转。我们提供了最优的功率分配策略,它保证了实时业务提供的服务质量(QoS)的每个用户。此外,我们表明,所需的最小平均功率,以满足服务中断的限制线性增加的用户数。
2015-09-14 cs.IT math.IT
Resource Allocation in Wireless Powered IoT Networks
在本文中,有效的资源分配的无线供电物联网网络的上行链路传输进行了研究。我们在物联网网络中采用LoRa技术作为示例,但这项工作仍然适用于其他通信技术。在大量用户之间分配有限的资源,如频谱和能源资源,面临着严峻的挑战。我们首先考虑将无线供电的物联网用户分组到可用信道中,然后研究分组在同一信道中的用户的功率分配,以提高网络吞吐量。具体来说,用户分组问题被制定为一个多对一的匹配游戏。它是通过将物联网用户和渠道视为属于两个不相交集合的自私参与者来实现的。两个自私的参与者都专注于最大化自己的效用。在此基础上,提出了一种低复杂度的高效信道分配算法(ECAA)。此外,马尔可夫决策过程(MDP)是用来模拟不可预测的能量到达和信道条件的不确定性,在每个用户,并提出了一种功率分配算法,以最大限度地提高累计网络吞吐量在有限的时间跨度的时隙。通过这样做,我们可以将信道接入和动态功率分配本地分配给物联网用户。数值结果表明,我们提出的ECAA算法达到接近最优的性能,优于随机信道分配,但有更低的计算复杂性。此外,仿真结果表明,分布式功率分配政策,为每个用户获得更好的性能比集中式离线计划。
2019-02-01 cs.IT math.IT
Asymptotic Close to Optimal Resource Allocation in Centralized Multi-band Wireless Networks
本文研究多用户无线网络中的子信道分配问题,以期提高网络吞吐量。假设有一些子信道在活动链路之间被平均划分,使得总和速率增加,其中假设每个链路受到最大发射功率约束。这个问题被发现是一个非凸优化问题,是很难处理大量的子信道和/或用户。然而,依赖于一些近似方法,它被证明,所提出的次优问题的根源在组合优化,称为分配问题,可以通过所谓的匈牙利方法来解决。仿真结果表明,所提出的方法优于现有的工作在文献中。
2016-01-20 cs.IT math.IT
Energy-Efficient Power Allocation in OFDM Systems with Wireless Information and Power Transfer
本文考虑了一种同时具有无线信息和功率传输的正交频分复用(OFDM)下行链路点对点系统。假设接收机能够从噪声、干扰和期望信号中收获能量。我们研究的功率分配算法的设计,最大限度地提高数据传输的能源效率(位/焦耳交付给接收机)。特别地,算法设计被公式化为考虑电路功耗、最小所需数据率和对传送到接收器的最小功率的约束的高维非凸优化问题。随后,通过利用非线性分式规划的性质,所考虑的非凸优化问题,其目标函数是在分数形式,被转换成一个等价的优化问题,其目标函数在减法形式,这使得一个有效的迭代功率分配算法的推导。在每次迭代中,最优功率分配的解决方案是基于对偶分解和一维搜索。仿真结果表明,所提出的迭代功率分配算法收敛于最优解,并揭示了能量效率、系统容量和无线功率传输之间的权衡关系:(1)在低发射功率条件下,最大化系统容量可以最大化能量效率。(2)无线功率传输可以提高能量效率,特别是在干扰受限的情况下。
2013-01-31 cs.IT math.IT
Multi-Objective Power Allocation for Energy Efficient Wireless Information and Power Transfer Systems
同时无线信息和功率传输(SWIPT)为实现永久无线网络提供了有前途的解决方案。能量效率是衡量系统性能的重要指标,本文研究SWIPT系统中能量有效的资源分配算法设计。我们首先调查之间的权衡EE的信息传输,EE的功率传输,并在一个基本的SWIPT系统与分离的接收器的总发射功率。在最大发射功率约束下,建立了多目标优化问题。我们提出了一种算法,实现灵活的资源分配的能量效率最大化和发射功率最小化。在仿真结果中示出了系统设计目标的折衷区域。此外,我们考虑在SWIPT系统与功率分配接收机的安全通信。人工噪声被注入到通信信道中,以对抗潜在窃听者的窃听能力。当系统中存在多个合法信息接收者和多天线潜在窃听者时,提出了一种功率有效的资源分配算法。仿真结果表明,显着的性能增益所提出的最佳算法相比,次优基线计划。
2015-04-09 cs.IT math.IT
Traffic Driven Resource Allocation in Heterogenous Wireless Networks
无线网络资源分配的大多数工作使用物理层性能,如总速率和中断概率作为优值。由于具有复杂干扰条件的重叠小区中的大业务变化,这些度量可能不反映具有许多小小区的未来异构网络(HetNet)中的真实用户QoS。本文研究了HetNet中的频谱分配问题,使用平均分组逗留时间作为性能度量。具体而言,在具有$K$基站终端站(BTS)的HetNet中,我们确定频谱到$2^K$可能的频谱共享组合中的最优划分。我们使用一个交互式调度模型来描述流级性能,其中服务速率由频谱划分决定。频谱分配问题使用保守近似来制定,这使得优化问题是凸的。我们证明,在最佳的解决方案的频谱被分为最多$K$件。本文提出了一种数值算法来解决具有聚合业务和服务信息的慢时标频谱分配问题。仿真结果表明,所提出的解决方案实现了显着的收益相比,正交和全频谱复用分配与中等到重的业务。
2014-09-18 cs.IT math.IT
Feasibility-Aware Learning-to-Optimize in Wireless Communication Resource Allocation
School of Electrical and Computer Engineering, University of Georgia(佐治亚大学电气与计算机工程学院)
本文提出面向可行性的学习-优化技术,用于解决无线通信中大规模资源分配问题,通过学习方法提升计算效率并优化资源分配性能。
2026-01-25 cs.IT math.IT
Optimal Fairness-Aware Time and Power Allocation in Wireless Powered Communication Networks
在本文中,我们考虑的总和$α$ -公平效用最大化问题的联合下行链路(DL)和上行链路(UL)传输的无线供电通信网络(WPCN)通过时间和功率分配。在DL中,具有能量收集接收器架构的用户基于同时的无线信息和功率传输来解码信息并收集能量。当在UL中时,用户利用所收集的能量用于信息传输,并且当其他用户传输UL信息时收集能量。我们证明了一般的和$α$ -公平效用最大化问题可以转化为一个等价的凸问题。可以通过调整$α$的值来平衡和速率与用户公平性之间的权衡。特别地,对于零公平性,即,$α=0$,用于DL和UL两者的最优分配时间与总可用传输功率成比例。通过仿真给出了总速率和用户公平性之间的权衡。
2018-02-14 cs.IT math.IT
Joint Access Point Selection and Power Allocation for Uplink Wireless Networks
本文研究了多载波无线网络中多接入点的分布式上行资源分配问题。每个移动用户可以通过选择合适的AP和控制其发射功率来优化其自身的传输速率。我们的目标是设计合适的算法,移动用户可以共同执行这些任务的分布式方式。我们的方法依赖于联合功率控制和AP选择问题的博弈论制定。在所提出的游戏中,每个用户是一个球员与相关的策略包含一个离散变量(AP选择决定)和一个连续的向量(多个信道之间的功率分配)。我们提供的拟议游戏的纳什均衡的特征,并提出了一套新的算法,允许用户有效地优化他们的利率。最后,我们研究了所提出的算法的性能,以及通过广泛的模拟他们的表现。
2012-07-18 cs.IT math.IT
Inference-Based Distributed Channel Allocation in Wireless Sensor Networks
在单天线、半双工无线传感器网络中,时隙和频率信道的干扰感知资源分配是一个具有挑战性的问题。为这样的任务设计分布式算法进一步使问题复杂化。本文研究了无线传感器网络在给定路由树下的联合时频信道分配问题,使得:a)分配以完全分布式的方式进行,即,在多达两跳的通信内,仅在相邻的WSN终端之间执行信息交换,以及b)简化了潜在干扰终端的检测,并且可以实际实现。该算法将空间、时间、频率和无线电硬件约束印刻到一个循环因子图中,并使用随机化的初始先验信息进行迭代消息传递/循环置信传播(BP)。收敛到一个有效的解决方案的充分条件,在文献中首次,利用拟议的因子图的结构。基于理论研究结果,设计了BP的修改,i)加速收敛到有效解,ii)降低计算成本。仿真结果表明,所提出的分布式算法的吞吐量结果,即使它利用简化的干扰终端集检测。未来的工作可以修改这些限制,使得其他破坏性的无线技术(例如,全双工无线电或网络编码)可以容纳在相同的推理框架内。
2017-03-20 cs.IT math.IT
Optimal Power Allocation for Energy Harvesting and Power Grid Coexisting Wireless Communication Systems
研究了单链路无线通信系统中能量采集与电网供电联合的功率分配问题。将该问题转化为能量和数据到达随机的情况下最小化电网功耗的问题,并分析了在某些特殊情况下最优功率分配策略的结构。对于所有数据包都在传输前到达的情况,该问题是一个吞吐量最大化的对偶问题,通过两阶段注水(WF)策略找到最优解,即在第一阶段分配收获的能量,然后在第二阶段分配电网能量。对于随机数据到达的情况,我们首先假设电网能量或收获的能量供应,然后结合的结果,以获得共存系统的最优结构。具体地说,反向多阶段WF策略,提出了实现最优功率分配时,电池容量是无限的。最后,提出了一些启发式的在线方案,其性能进行了评估,通过数值模拟。
2013-03-15 cs.IT math.IT
Resource Allocation in Full-Duplex Communications for Future Wireless Networks
最近在实现全双工~(FD)系统方面取得的重大进展为在未来无线网络中提高服务质量(QoS)和体验质量(QoE)开辟了一条有希望的途径。目前迫切需要解决FD网络设计、理论和开发的不同方面的各种挑战。除了自干扰消除信号处理算法之外,诸如资源管理之类的网络协议在FD无线网络的实际设计和实现中也是必不可少的。本文从功率、空间、频率、设备等方面对全双工系统中的网络资源进行了分析,并提出了不同全双工系统中资源分配的最新进展和未来发展方向。四个代表性的应用场景被认为是:FD MIMO网络,FD合作网络,FD OFDMA蜂窝网络,和FD异构网络。提出了这些系统中的资源管理问题和新算法,并讨论了关键的开放研究方向。
2015-05-12 cs.IT math.IT
Optimal Energy Allocation for Wireless Communications with Energy Harvesting Constraints
我们考虑使用能量收集器,代替具有固定能量存储的传统电池,用于点对点无线通信。除了在具有时间选择性衰落的信道中传输的挑战之外,能量采集器还提供永久但不可靠的能量源。在本文中,我们考虑在有限的地平线上的能量分配的问题,考虑到信道条件和能源是时变的,以最大限度地提高吞吐量。假设关于信道条件和所收获的能量的两种类型的辅助信息(SI)是可用的:因果SI(过去和当前时隙的)或全SI(过去、当前和未来时隙的)。我们得到的最优能量分配结构的结果,通过使用动态规划和凸优化技术。特别是,如果无限的能量可以存储在电池中的收获的能量和完整的SI是可用的,我们证明了最优的水填充能量分配解决方案,其中所谓的水位遵循阶梯函数。
2012-05-09 cs.IT math.IT
Resource Allocation for Wireless Fading Relay Channels: Max-Min Solution
作为衰落中继信道的基本信息论模型,本文首先研究了并行中继信道,推导了并行中继信道容量的上下界。对于具有退化子信道的并行中继信道,建立了容量,并通过高斯情况进一步证明,获得了同步和同步容量。分析了源节点和中继节点在子信道间实现功率分配的能力。衰落中继信道,然后研究,其中资源分配,最大限度地提高可实现的速率获得全双工和半双工的情况下。容量建立衰落中继信道,满足一定的条件。
2007-07-06 cs.IT math.IT
Rate Allocation for Decentralized Detection in Wireless Sensor Networks
我们考虑分散检测的问题,其中外围节点的噪声观测的现象,并发送量化信息的现象对融合中心的总和速率约束的多址接入信道。然后,融合中心基于聚集的接收数据做出关于现象的状态的决定。Chamberland和Veeravalli以前研究了在无限数量传感器的假设下,这种情况下的最优速率分配策略的结构。我们的主要贡献是将这些结果扩展到有源传感器的最大数量有约束的情况。特别是,我们找到了充分的条件下,均匀的速率分配是一个最优的策略,然后数值验证,这些条件满足一些相关的传感器设计规则下的高斯观测模型。
2015-05-04 cs.IT math.IT
Joint Beamforming Design and Time Allocation for Wireless Powered Communication Networks
本文研究了一种多输入单输出(MISO)的无线供电通信网络(WPCN)的协议下的收获,然后发送。具有可靠供电的电力站(PS)在下行链路(DL)中通过无线电力传输(WPT)对被动用户节点进行补充,然后在上行链路(UL)中每个用户节点通过时分多址(TDMA)方案向信宿发送独立的信息。我们考虑联合时间分配和波束形成设计,以最大化系统的总吞吐量。半定松弛(SDR)技术被应用于解决非凸设计问题。证明了SDR逼近的紧性,从而证明了SDR逼近的全局最优性。这意味着在PS处仅需要一个单个能量波束形成器。然后利用其固有结构,提出了一种快速的半封闭形式解。仿真结果从时间复杂度和信息吞吐量的角度证明了所提算法的有效性。
2014-03-18 cs.IT math.IT
Statistical Delay Control and QoS-Driven Power Allocation Over Two-Hop Wireless Relay Links
无线信道的时变特性通常使得数据传输的硬延迟界限难以保证。与此相反,具有小的违规概率的严格有界延迟已被广泛用于延迟服务质量(QoS)的表征和评估。现有的研究主要集中在单跳链路的时延控制上,本文提出了两跳无线中继链路上QoS驱动的功率分配方案,对解码转发(DF)中继传输下的端到端时延进行统计上界。具体来说,通过应用有效容量和有效带宽理论,我们首先分析了两个顶部每个独立的服务过程的延迟约束违反概率。然后,我们证明了一个有效的方法,为精确的延迟保证是使两个跳的延迟分布相同,然而,需要通过非对称的资源分配在两个跳。出于这一事实,我们制定和解决的优化问题,旨在最大限度地减少平均功耗,以满足指定的端到端的延迟约束违反概率在两跳中继链路。还进行了一组模拟结果显示的QoS要求,流量负载,和中继节点的位置上的功率分配下,我们提出的最佳方案的影响。
2011-04-30 cs.IT math.IT
Resource Allocation Techniques for Wireless Powered Communication Networks with Energy Storage Constraint
本文针对无线供电通信网络,在无限和有限能量存储两种情况下联合优化能量与时间资源分配以最大化上行和速率,并提出最优算法,仿真显示较传统方案平均提升30%和速率。
2015-10-07 cs.IT math.IT
Efficient Scheduling and Power Allocation for D2D-assisted Wireless Caching Networks
我们研究了一个单跳设备到设备(D2D)辅助无线缓存网络,流行的文件随机和独立的最终用户的内存中缓存。每个用户可以在没有任何传输的情况下从其自己的存储器获得所请求的文件,或者通过单跳D2D传输从助手获得所请求的文件,或者从基站(BS)获得所请求的文件。我们制定了一个联合D2D链路调度和功率分配问题,以最大限度地提高系统吞吐量。然而,该问题是非凸的,并且获得最优解在计算上是困难的。或者,我们将问题分解为D2D链路调度问题和最优功率分配问题。为了解决这两个子问题,我们首先开发了一种D2D链路调度算法,以选择满足信号干扰噪声比(SINR)和发射功率约束的最大数量的D2D链路。然后,我们开发了一种最优功率分配算法,以最大化调度的D2D链路的最小传输速率。数值结果表明,与现有技术相比,Zipf分布缓存方案、D2D链路调度算法和最优功率分配算法可以同时提高D2D链路的调度数量和系统吞吐量。
2015-12-17 cs.IT math.IT
Deep Learning based Wireless Resource Allocation with Application to Vehicular Networks
Intel Labs(英特尔实验室);Georgia Institute of Technology(佐治亚理工学院);Zhejiang University(浙江大学)
长期以来一直认为,明智的资源分配对于减轻干扰、提高网络效率以及最终优化无线通信性能是至关重要的。传统的智慧是将资源分配明确地表述为优化问题,然后利用数学规划来解决问题,以达到一定的最优水平。尽管如此,随着无线网络变得越来越多样化和复杂,例如,在高移动性车载网络中,当前的设计方法面临着重大挑战,因此需要重新思考传统的设计理念。与此同时,深度学习在各个学科都有许多成功的案例,由于其利用数据解决问题的非凡能力,它代表了一种有前途的替代方案。在本文中,我们讨论了使用深度学习进行无线资源分配的关键动机和障碍,并将其应用于车辆网络。我们回顾了最近在无线资源分配中调动深度学习理念并取得令人印象深刻结果的主要研究。我们首先讨论用于资源分配的深度学习辅助优化。然后,我们强调了深度强化学习方法,以解决传统优化框架中难以处理的资源分配问题。我们还确定了一些值得进一步研究的研究方向。
2019-10-01 cs.IT cs.LG math.IT
Sensor Selection and Power Allocation Strategies for Energy Harvesting Wireless Sensor Networks
在本文中,我们研究的问题,共同选择一个预定义的能量收集(EH)传感器和计算的最优功率分配。最终目标是最小化融合中心处的重建失真。不幸的是,这个优化问题是非凸的。为了规避这一点,我们提出了两个次优策略:(i)一个联合传感器选择和功率分配(JSS-EH)计划,我们证明,是能够迭代地找到一个固定的解决方案,从一系列的代理凸问题的原始问题;以及(ii)单独的传感器选择和功率分配(SS-EH)方案,在此基础上,我们可以识别一个明智的传感器选择,并通过求解凸问题来解析地找到一个功率分配策略。我们还讨论了这两种策略之间的相互作用。在重建失真、初始化的影响、所选传感器的实际子集和计算的功率分配策略等方面的性能,通过计算机模拟进行评估。为了这个目的,一个EH不可知的传感器选择策略,失真的下限,和在线版本的SS-EH和JSS-EH计划的衍生和基准。
2016-08-12 cs.IT math.IT
Resource Allocation for Cooperative D2D-Enabled Wireless Caching Networks
在本文中,我们研究了资源分配问题的合作设备到设备(D2D)使能的无线缓存网络,其中每个用户随机缓存流行的内容到其内存和附近的用户通过D2D链路共享的内容。为了增强频谱共享D2D链路的吞吐量,其可能受到D2D链路之间的干扰的严重限制,我们使得一些D2D链路之间的协作能够消除它们之间的干扰。我们制定了一个联合链路调度和功率分配问题,以最大限度地提高合作D2D链路(CDLs)和非合作D2D链路(NDL)的整体吞吐量,这是NP难的。为了解决这个问题,我们将其分解为两个子问题,分别最大化CDLs和NDL的总和率。对于CDL优化,我们提出了一种基于半正交的联合用户调度和功率分配算法。对于NDL优化,我们提出了一种新的低复杂度算法来执行链路调度,并开发了一个凸函数的差异(DC)。规划方法来解决非凸功率分配问题。仿真结果表明,协作传输可以显着增加服务的用户数和系统的整体吞吐量。
2018-08-21 cs.IT math.IT
Outage Regions and Optimal Power Allocation for Wireless Relay Networks
我们研究了具有任意数目中继节点的能量受限多跳自适应多路由网络的中断区域。最优功率分配策略的意义上中断概率最小化的推导取决于发射节点之间的距离。我们进一步研究了自适应多路由多跳的直接传输的速率增益。结果表明,直接传输和自适应多路由的组合策略优于多跳的速率R的所有值。可以说,合作策略是有益的低速率系统的主要目标是一个非常低的中断概率的网络。随着速率的提高,直接传输变得越来越有吸引力。
2009-08-07 cs.IT math.IT
Power and Bit Allocation for Wireless OFDM Channels with Finite-Rate Feedback and Subcarrier Clustering
研究了点对点正交频分复用信道的传输功率和比特的分配问题,假设接收端的信道信息是完美的,而发射端的信道信息是不完美的。信道信息在接收端被量化,并通过有限速率反馈信道被发送回发射端。基于来自接收器的有限反馈,对应的发射器调整跨子载波的功率电平和/或调制。为了减少反馈量,将子载波划分为不同的簇,并将基于开/关阈值的功率分配应用于子载波簇。此外,提出了两种选项来从一组量化信道增益内插信道频率响应,并应用基于信道内插的最优注水分配或贪婪比特分配。有限反馈率的建议计划执行接近最优分配,没有反馈率的约束。在数值示例中,当使用每个副载波一比特的反馈时,信道容量从最优值降低约6%。
2014-02-21 cs.IT math.IT
Optimal Power Allocation for Distributed Detection over MIMO Channels in Wireless Sensor Networks
在具有无线传感器网络的分布式检测系统中,由于传感器处的干扰和有限的发射器功率以对抗融合中心的接收器处的噪声,传感器与融合中心之间的通信并不完美。在这种不完全通信的情况下如何优化检测性能的问题给分布式检测带来了新的挑战。在本文中,传感器被假定为具有独立的,但不相同分布的意见,和多输入/多输出(MIMO)信道模型包括占传感器和融合中心之间的不完善的通信。不同假设下的检测统计量的分布之间的J-发散被用作性能标准,以提供易于处理的分析。研究了在传感器上具有单个和总发射功率约束的情况下优化性能(以J-发散度为依据),并给出了相应的功率分配方案。有趣的是,所提出的功率分配是两个因素之间的权衡,通信信道质量和本地决策质量。对于正交信道的情况,在一定条件下,功率分配可以通过加权注水算法来解决。仿真结果表明,为了达到相同的性能,在某些情况下,所提出的功率分配只消耗低至25%的总功率所使用的一个平等的功率分配方案。
2007-07-17 cs.IT math.IT
Hierarchical Resource Allocation: Balancing Throughput and Energy Efficiency in Wireless Systems
5G及以后无线系统的主要挑战是有效利用可用频谱,同时降低能耗。从无线电资源分配的角度来看,该问题的解决方案是最大化能量效率而不是吞吐量。这导致数据率和能耗之间的最佳效益-成本比。它还经常导致吞吐量的显著降低,并且因此导致可用频谱的未充分利用。基于多目标规划理论来平衡这些指标的当代方法通常缺乏操作意义,并且找到正确的操作点需要仔细的实验和校准。相反,我们提出了分层资源分配的新概念,其中冲突的目标是有序的重要性。这导致资源分配算法,该算法努力使发射功率最小化,同时保持数据率接近最大可实现吞吐量。在一个典型的多小区的情况下,这种策略被证明可以减少65%的传输功率消耗,在吞吐量减少5%的成本。此外,该策略还在全局能效最大化未能实现超过吞吐量最大化的任何增益的情况下节省能量。
2021-02-05 cs.IT math.IT
Quality-Driven Resource Allocation for Full-Duplex Delay-Constrained Wireless Video Transmissions
本文研究了在全双工信道上,在总带宽和最小质量要求约束下的无线视频传输问题。为了在实时视频传输中向终端用户提供期望的性能水平,还考虑了诸如统计延迟约束的服务质量(QoS)要求。有效容量(EC)被用来作为吞吐量的度量,在存在这样的统计延迟约束,因为确定性的延迟界限是很难保证由于无线衰落信道的时变性质。一个通信场景中的多对用户,其中不同的用户有不同的延迟要求的解决。根据率失真(R-D)理论的特征,质量-速率关系的对数模型用于在接收器侧根据峰值信噪比(PSNR)来预测重构视频的质量。由于优化问题不是凹的或凸的,最优的带宽和功率分配策略,最大化的加权和视频质量的总带宽,最大发射功率水平和最小要求的质量约束下,推导出使用单调优化(MO)理论。
2017-07-25 cs.IT math.IT
Context-Aware Small Cell Networks: How Social Metrics Improve Wireless Resource Allocation
提出了一种用于在具有设备到设备(D2D)通信的无线小小区网络(SCN)中优化和管理资源分配的新方法。所提出的方法允许联合利用无线用户的无线和社交环境,以优化资源的整体分配并改善SCN中的流量卸载。这种上下文感知的资源分配问题被公式化为匹配游戏,其中用户设备(UE)和资源块(RB)基于捕获无线和社交度量两者的效用函数彼此排名。由于社会的相互关系,这个游戏被证明属于一类匹配的游戏与同行的影响。为了解决这个问题,提出了一种新的自组织算法,使用该算法,UE和RB可以交互以决定它们期望的分配。然后证明所提出的算法收敛到UE和RB之间的双侧稳定匹配。然后研究和评估所得到的稳定结果的性质。使用真实社交数据的仿真结果表明,社交连接的用户的聚类允许卸载比传统的上下文不知道的方法大大增加的流量。这些结果表明,利用社会背景在节省无线链路和回程上的资源方面具有很高的实际意义。
2015-05-15 cs.GT cs.IT math.IT
Learning to Branch: Accelerating Resource Allocation in Wireless Networks
无线网络中的资源分配(例如设备到设备(D2 D)通信)通常被表述为混合整数非线性规划(MINLP)问题,其通常是NP-难的并且难以得到最优解。传统的方法来解决这些MINLP问题都是基于数学优化技术,如分支定界(B&B)算法,收敛速度慢,实时实现具有令人生畏的复杂性。因此,机器学习(ML)最近已被用来解决无线通信中的MINLP问题。本文采用模仿学习方法对B&B算法进行加速。利用针对D2 D通信的不变的问题无关特征和适当的问题相关特征选择,可以以监督的方式学习良好的辅助修剪策略,以加速B&B算法的最耗时的分支过程。此外,我们开发了一种混合训练策略,以进一步增强泛化能力,并开发了一种具有新型损失函数的深度神经网络(DNN),以实现对最优性和计算复杂性的更好动态控制。大量的仿真结果表明,该方法可以实现良好的最优性,同时降低了计算复杂性。
2019-11-16 cs.IT math.IT
Resource Allocation for Simultaneous Wireless Information and Power Transfer Systems: A Tutorial Overview
在过去的十年中,由于低功率电子技术和无线通信技术的显著进步,同步无线信息和功率传输(SWIPT)已经成为连接和充电电池有限设备的实用且有前途的解决方案。为了实现所承诺的潜力,先进的资源分配设计在揭示、理解和利用利用射频(RF)信号用于无线充电和通信的双重用途的内在速率-能量权衡方面起着决定性作用。在本文中,我们从资源分配设计的角度提供了SWIPT的全面教程概述。介绍了基本概念、系统结构和RF能量收集(EH)模型。特别是,三种常用的EH模型,即线性EH模型,非线性饱和EH模型,和基于非线性电路的EH模型的特点和讨论。然后,对于一个典型的无线系统设置,我们建立了一个广义的资源分配设计框架,其中包括传统的资源分配设计问题的特殊情况。随后,我们详细说明了相关的工具,从优化理论和利用它们来解决有代表性的资源分配设计问题的SWIPT系统,并没有完善的信道状态信息(CSI)在发射机上,分别。还强调了相关的技术挑战和见解。此外,我们讨论了几个有前途和令人兴奋的未来研究方向的资源分配设计SWIPT系统交织在一起的尖端通信技术,如智能反射表面,无人机,移动边缘计算,联邦学习,和机器学习。
2021-10-14 cs.IT eess.SP math.IT
Joint Wireless and Computing Resources Allocation in Multi-Cell MEC
针对移动边缘计算(MEC)系统中存在多个接入点,用户可以连接到多个接入点,并同时利用多台服务器的计算能力,提出了无线接入和计算资源分配的结合问题。考虑了在响应时间约束下总传输能量最小化问题。证明了该优化问题是非凸的。研究了部分系统参数优化的复杂性,并在此基础上提出了一种迭代资源分配算法,该算法收敛于局部最优解。通过将联合资源分配的性能与由更不灵活或更灵活的多小区MEC架构定义的下限和上限进行比较来评估联合资源分配的性能。结果表明,接入点的自由选择是良好的系统性能的关键。
2021-11-26 cs.IT eess.SP math.IT
On Distributed Storage Allocations of Large Files for Maximum Service Rate
在分布式存储系统中分配(冗余)文件块会影响重要的性能指标,例如文件恢复的概率、数据下载时间或给定数据访问模型下的系统服务速率。本文研究了在存储数据量较大且下载时间不可忽略的情况下的服务速率。我们专注于准统一的存储分配,并提供了两种常见的数据访问模型的服务率分析。我们发现,根据不同的系统参数的最优分配。在下载时间不随数据大小缩放的假设下,情况并非如此,其中最小扩展分配先前被发现是普遍最优的。
2018-08-08 cs.DC cs.IT math.IT
Resource Allocation and Fairness in Wireless Powered Cooperative Cognitive Radio Networks
我们集成了一个无线供电的通信网络与合作的认知无线电网络,其中多个次要用户(SU)无线供电的混合接入点(HAP)帮助一个主要用户中继数据。作为合作的奖励,次级网络获得频谱接入,其中SU使用时分多址向HAP发送。为了最大化SU的总吞吐量,我们提出了一个二级的总吞吐量最优资源分配(STORA)计划。在满足目标一次速率的约束下,STORA方案选择中继SU的最优集合,并联合执行SU的时间和能量分配。具体来说,通过利用最优解的结构,我们找到了SU优先中继主数据的顺序。由于STORA方案侧重于总吞吐量,它变得不考虑个人SU吞吐量,导致低公平性。为了提高公平性,我们研究了三种资源分配方案,它们是(i)等时间分配,(ii)最小吞吐量最大化,和(iii)成比例的时间分配。仿真结果揭示了吞吐量和公平性之间的权衡。最小吞吐量最大化方案是最公平的方案,因为每个SU获得相同的吞吐量,但产生最小的SU总吞吐量。
2016-06-12 cs.IT cs.NI math.IT
On Competing Wireless Service Providers
我们考虑的情况下,无线服务提供商竞争异构无线用户。用户的付费意愿和个人渠道收益各不相同。在一般渠道模型下,证明了两个服务提供商竞争的纳什均衡的存在唯一性。有趣的是,两个供应商的竞争导致了全球最佳结果。我们将一些结果扩展到两个以上的供应商竞争的情况。最后,我们提供了数值例子来说明各种参数对纳什均衡的影响。
2009-03-11 cs.GT cs.IT math.IT
Low complexity resource allocation for load minimization in OFDMA wireless networks
为了应对不断增长的带宽需求,未来的无线网络将被设计为重用距离等于1。这种情况需要实现能够管理每个小区对其相邻小区产生的强多址干扰的技术。特别是,低复杂度和减少反馈是实用算法的重要要求。在本文中,我们研究了OFDMA网络的分配问题,制定的目标是最小化系统中的每个小区的负载的约束,每个用户满足其目标速率。我们将资源分配分解为两个子问题:确定性功率分配下的信道分配和连续功率分配优化。在图论中,信道分配问题被表述为寻找最大加权独立集的问题。此外,我们提出了一个最小加权度贪婪(MWDG)算法的近似因子进行了分析。在功率分配方面,提出了一种迭代功率重分配算法(DPRA)。执行分配所请求的控制信息是有限的,并且计算负担在基站和用户设备之间共享。在恒定比特率业务模型下进行了仿真,并与其他类似复杂度的分配方案进行了比较。MWDG具有优异的性能,优于所有其他技术。
2013-10-17 cs.IT cs.NI math.IT
Data-Importance Aware Radio Resource Allocation: Wireless Communication Helps Machine Learning
丰富的移动数据和边缘计算使无线网络激发了在网络边缘部署人工智能(AI),称为\emph{edge AI},它集成了无线通信和机器学习。在通信中,数据位同样重要,而在机器学习中,有些数据位更为重要。因此,我们可以将更多的无线电资源分配给更重要的数据,而将更少的无线电资源分配给不太重要的数据,从而有效地利用有限的无线电资源。为此,如何定义数据的“重要性”是关键问题。在这篇文章中,我们提出了两个重要性标准来区分数据的重要性,基于它们对机器学习的影响,一个是集中式边缘机器学习,另一个是分布式边缘机器学习。然后,提出了相应的无线资源分配方案,以提高机器学习的性能。大量的实验进行验证所提出的数据重要性感知无线电资源分配方案的有效性。
2020-05-20 cs.IT eess.SP math.IT
Minimizing Latency to Support VR Social Interactions over Wireless Cellular Systems via Bandwidth Allocation
通过虚拟现实(VR)技术和无线蜂窝系统,移动用户的沉浸式社交互动很快将在虚拟空间内实现。在VR移动社交网络中,所有交互用户的状态应该通过与边缘计算服务器的双向通信同步更新,并且延迟较低。由此产生的端到端延迟取决于无线VR用户和边缘服务器的虚拟和物理位置之间的关系。在这项工作中,分析和优化的端到端的延迟的问题进行了调查,一个简单的网络拓扑结构,产生重要的见解物理和虚拟几何之间的相互作用。
2018-04-04 cs.IT cs.NI math.IT
Energy-Efficient Resource Allocation in Wireless Networks: An Overview of Game-Theoretic Approaches
概述了无线网络中的能量有效的资源分配的博弈论方法。以多址接入网络为研究对象,证明了博弈论可以作为研究具有服务质量(QoS)约束的无线网络中资源分配的有效工具。一个家庭的非合作(分布式)游戏中,每个用户寻求选择一个策略,最大限度地提高自己的效用,同时满足其QoS要求。这里考虑的效用函数测量每焦耳能量消耗传输的可靠比特数,因此特别适合于能量受限的网络。每个用户在尝试最大化其自身效用时可用的动作至少是选择发射功率,并且根据情况,用户还可以能够选择其传输速率、调制、分组大小、多用户接收器、多天线处理算法或载波分配策略。给出了每个博弈的最佳对策和纳什均衡。利用这个博弈论框架,功率控制,速率控制,调制,时间和空间信号处理,载波分配策略和延迟QoS约束的能量效率和网络容量的影响进行了量化。
2007-05-13 cs.GT cs.IT math.IT