Further Analysis on Resource Allocation in Wireless Communications Under Imperfect Channel State Information
由于存在一些错误，本文已被作者撤回。
2010-02-26 cs.IT math.IT
Survey on the State-of-the-Art in Device-to-Device Communication: A Resource Allocation Perspective
设备到设备（D2 D）通信利用通信设备之间的邻近性，以便实现高效的资源利用、提高的吞吐量和能量效率、同时的可服务性和减少的延迟。D2 D通信的主要特征之一是频率资源的重用，以提高系统的频谱效率。然而，频率重用引入了显著高的干扰水平，因此需要有效的资源分配算法，其可以通过有效的信道和/或功率分配来实现同时的通信会话。该综述论文提出了对蜂窝网络下的D2 D通信中的最先进的资源分配算法的全面调查。基于构成D2 D范例中的资源分配算法的基本特征的异构参数来评估所调查的算法。此外，为了使读者熟悉所调查的资源分配算法的基本设计，给出了每个算法的操作模式的简要描述。所调查的算法根据其技术原则分为四类，即，基于常规优化、基于非正交多址（NOMA）、基于博弈论和基于机器学习的技术。最后，指出了D2 D通信中资源分配的未来研究方向。
2022-05-19 cs.IT math.IT
Resource Allocation for Downlink Cellular OFDMA Systems: Part II - Practical Algorithms and Optimal Reuse Factor
在配套文件中，我们的特点是最佳的资源分配的功率控制和子载波分配，下行扇区OFDMA系统。在我们的模型中，为了便于分析，网络被假设为一维。我们还假设可用带宽的某一部分可能被不同的基站重用，而带宽的另一部分以正交的方式在这些基站之间共享。在第一部分中描述的最优资源分配是在满足所有用户速率要求的约束下，通过最小化网络所花费的总功率来获得的。当使用最优资源分配时，任何用户在重用带宽或受保护带宽中接收数据，但不在两者中接收数据（除了每个小区中最多一个非重用用户）。我们还提出了一个算法，确定用户的最佳值资源分配参数。在第一部分中提出的最优分配算法需要大量的操作。本文提出了一种低复杂度的分布式实用资源分配算法。我们研究了这种简化的资源分配算法和第一部分的最优资源分配算法的渐近行为，因为每个小区中的用户数趋于无穷大。我们的分析可以证明，所提出的简化算法是渐近最优的。作为我们的分析的副产品，我们表征的频率复用因子的最佳值。
2009-08-28 cs.IT math.IT
Resource Allocation for Downlink Cellular OFDMA Systems: Part I - Optimal Allocation
在这对文件（第一部分和第二部分在这个问题），我们调查的问题，在扇区化的两个小区的下行链路OFDMA系统受到多小区干扰的功率控制和子载波分配。如WiMAX所建议的，我们假设可用带宽的第一部分可能被不同的基站重用（并且因此受到多小区干扰），并且带宽的第二部分以正交方式在不同的基站之间共享（并且因此受到保护免受多小区干扰）。虽然多小区资源分配的问题在这种情况下是非凸的，我们在第一部分中提供的全球解决方案的一般形式。特别是，最佳的资源分配原来是“二进制”的意义上说，除了在每个小区中的最多一个非授权用户，任何用户接收数据，或者在重用的带宽或在受保护的带宽，但不是在这两个。最优资源分配的确定实质上归结为后一个最优位置的确定。
2009-08-28 cs.IT math.IT
Message passing resource allocation for the uplink of multicarrier systems
提出了一种基于消息传递（MP）算法的蜂窝多载波系统上行链路分布式资源分配方案。在所提出的方法中，每个发射机迭代地向/从基站发送和接收信息消息，其目标是实现最优资源分配策略。交换的消息是小型分布式分配问题的解决方案。为了减少计算量，在终端的MP问题遵循动态规划公式。所提出的方案的优点是，它分布在所有的发射机在小区中的计算工作，它不需要存在一个中央控制器，采取所有的决定。数值结果表明，该方法是一个很好的解决蜂窝多载波系统的资源分配问题。
2008-10-24 cs.IT math.IT
QoE-Aware Resource Allocation for Small Cells
在本文中，我们研究了无线系统中的体验质量（QoE）感知的资源分配问题。特别地，我们考虑用于小小区的应用感知联合带宽功率分配。我们优化了一个QoE指标的多用户视频流在一个小的小区，保持最大化每个用户的播放速率和确保用户之间的比例公平性（PF）之间的权衡。我们制定的应用驱动的联合带宽功率分配作为一个非凸优化问题。然而，我们开发了一个多项式复杂度的算法，我们表明，该算法实现了所提出的优化问题的最优解。仿真结果表明，该算法显著提高了用户体验质量。此外，它优于加权和速率分配，这是最先进的物理资源分配方案。
2018-08-16 cs.IT math.IT
Distributed Resource Allocation Algorithm Design for Multi-Cell Networks Based on Advanced Decomposition Theory
在这封信中，我们研究下行链路多小区协作OFDMA无线网络的资源分配，其中功率分配和子载波调度联合优化。针对各基站在功率约束条件下协作小区最小用户速率（WSMR）加权和最大化的问题，提出了一种基于改进分解方法的分布式资源分配算法，该算法复杂度低，收敛速度快，适合实际应用。仿真结果表明，所提出的分散式算法提供了显着的吞吐量增益与较低的计算成本相比，现有的计划。
2012-09-15 cs.IT math.IT
Robust Resource Allocation for Full-Duplex Cognitive Radio Systems
本文研究了全双工认知无线电系统的资源分配算法设计。辅网络采用FD基站来同时服务多个半双工下行链路和上行链路用户。我们研究的资源分配的设计，最大限度地减少泄漏到主用户的干扰，同时提供服务质量为次要用户。鲁棒资源分配算法设计考虑了主用户信道状态信息的不确定性。该算法设计是一个非凸优化问题，并通过应用半定规划（SDP）松弛最佳解决。仿真结果表明，与基线方案相比，该算法不仅显著降低了干扰泄漏，而且证实了该算法的鲁棒性。
2016-02-21 cs.IT math.IT
Correlation-aware Resource Allocation in Multi-Cell Networks
我们提出了一种跨层的策略，在多小区FDMA网络的上行链路中的空间相关的源之间的资源分配。我们的目标是找到最佳的功率和信道的来源，以尽量减少网络中的任何来源实现的最大失真。考虑到网络是多小区的，还必须考虑小区间干扰。这个资源分配问题是NP难的，最优解只能通过在整个解空间上的穷举搜索来找到，这在计算上是不可行的。我们提出了一个三步的方法，分别由调度程序在每个单元，它发现跨层资源分配在简单的步骤。该三步算法将问题分为小区间资源管理、用于联合解码的信源分组和小区间信道分配。对于每个步骤，我们提出了满足不同设计约束的分配方法。在模拟中，我们比较的算法的每一步的方法。我们还展示了一个典型的多小区网络的高斯源使用相关感知资源分配的整体收益。我们发现，虽然在压缩和联合解码中使用相关性可以实现25%的失真损失超过独立解码，但当相关性也用于资源分配方法时，这种损失可以增加到37%。这种显著的失真损失促使相关感知资源分配的进一步工作。总体而言，我们发现，我们的方法实现了60%的减少，在5个百分点的失真相比，独立的方法。
2011-12-12 cs.IT math.IT
Resource Allocation for Cost Minimization in Limited Feedback MU-MIMO Systems with Delay Guarantee
针对有限反馈的延迟敏感多用户MIMO广播系统，设计了一种资源分配框架。考虑到发射功率和反馈带宽的稀缺性和相互关联性，必须以联合和有效的方式优化这两种资源，同时满足延迟QoS要求。基于有效带宽理论，我们首先得到了一个封闭的形式表示的平均违反概率相对于一个给定的延迟要求作为发送功率和反馈信道的码本大小的函数。通过最小化总资源代价，我们推导出一种最优的联合资源分配方案，该方案可以根据系统的特性灵活地调整发射功率和反馈带宽。通过渐近分析，给出了几种简单的资源分配方案。最后，数值结果验证了理论分析的正确性.
2013-11-05 cs.IT math.IT
Achievable Rates and Optimal Resource Allocation for Imperfectly-Known Fading Relay Channels
本文研究了已知衰落中继信道的可达速率。假设通信开始于网络训练阶段，在该阶段中接收机估计它们各自信道的衰落系数。在数据传输阶段，考虑了放大转发和解码转发两种中继方式，得到了相应的可达速率表达式。然后利用可达速率表达式确定最优资源分配策略。
2007-05-08 cs.IT math.IT
Resource Allocation for Multi-User Downlink URLLC-OFDMA Systems
在本文中，我们研究的资源分配下行正交频分多址（OFDMA）系统的目标，使超可靠的低延迟通信（URLLC）。为了满足URLLC对时延的严格要求，在资源分配算法设计中考虑了短分组通信的影响。特别是，资源分配设计制定为一个加权的系统和吞吐量最大化问题的服务质量（QoS）约束的URLLC用户。公式化的问题是非凸的，因此，找到全局最优解需要很高的计算复杂性。因此，提出了一种基于连续凸优化的算法，以寻找具有多项式时间复杂度的次优解。仿真结果表明，所提出的算法设施URLLC和显着提高系统的总吞吐量相比，两个基准计划。
2019-01-17 cs.IT math.IT
Meta-Reinforcement Learning Based Resource Allocation for Dynamic V2X Communications
研究了车对车（V2X）通信中车对车（V2 I）和车对车（V2 V）链路之间的共享资源分配问题。在现有算法中，动态车辆环境和连续功率的量化成为提供有效和及时的资源分配策略的瓶颈。在本文中，我们开发了两个算法来处理这些困难。首先，我们提出了一种基于深度强化学习（DRL）的资源分配算法，以提高V2 I和V2 V链路的性能。具体地说，该算法使用深度Q网络（DQN）来解决子带分配和深度确定性策略梯度（DDPG）来解决连续功率分配问题。其次，我们提出了一个基于元的DRL算法，以提高资源分配策略在动态环境中的快速适应性。数值结果表明，所提出的DRL算法可以显着提高性能相比，基于DQN的算法，量化连续功率。此外，所提出的基于元的DRL算法可以实现所需的快速适应在新的环境中与有限的经验。
2021-10-14 cs.IT math.IT
Resource Allocation for Multi-User Downlink MISO OFDMA-URLLC Systems
研究了多输入单输出（MISO）正交频分多址（OFDMA）超可靠低时延通信（URLLC）系统下行链路的资源分配算法设计。为了满足URLLC对时延的严格要求，采用了短分组传输，并在资源分配算法设计中考虑了短分组传输。资源分配被优化以最大化加权系统和吞吐量，该加权系统和吞吐量服从关于URLLC用户的发送比特数、分组错误概率和延迟的服务质量（QoS）约束。尽管所得到的优化问题的非凸性，通过单调优化找到最优解。相应的最优资源分配策略可以作为次优低复杂度解决方案的性能上限。我们开发这样一个低复杂度的资源分配算法，以达到性能和复杂度之间的平衡。我们的仿真结果揭示了使用多个天线减少延迟和提高URLLC系统的可靠性的重要性。此外，所提出的次优算法的性能接近所提出的最优算法，并优于两个基线计划的相当大的利润率，特别是当用户有异构的延迟要求。最后，传统的资源分配设计的基础上香农的容量公式是不适用于MISO OFDMA-URLLC系统，因为他们可能会违反用户的延迟约束。
2019-10-14 cs.IT math.IT
Energy Efficient Joint Resource Allocation and Power Control for D2D Communications
在本文中，联合资源分配和功率控制的能量有效的设备到设备（D2D）通信蜂窝网络下的调查。资源和功率被优化以最大化D2D通信的能量效率（EE）。利用分式规划的性质，将原来的分式形式的非凸优化问题转化为一个等价的减法形式的优化问题。然后，提出了一种有效的迭代资源分配和功率控制方案。在每次迭代中，EE优化问题的部分约束通过利用罚函数方法被移除。我们进一步提出了一种新的两层方法，它允许通过将联合资源分配和功率控制的EE优化问题解耦为两个单独的步骤来在每次迭代中找到最优解。在第一层中，通过求根法求解一系列最大化问题，在考虑或不考虑蜂窝用户速率损失的情况下，得到最优功率值。在第二层中，公式化的优化问题属于具有单一分配格式的经典资源分配问题，其允许网络流公式化，使得其可以被求解为最优。仿真结果表明，通过使用所提出的迭代资源分配和功率控制方案的EE显着改善。
2017-03-21 cs.IT math.IT
Power-Efficient Resource Allocation for MC-NOMA with Statistical Channel State Information
本文研究了多载波非正交多址接入（MC-NOMA）系统中的功率有效资源分配问题。资源分配算法设计被表述为一个非凸优化问题，该问题考虑了发射机处的统计信道状态信息和服务质量（QoS）约束。为了在系统性能和计算复杂性之间取得平衡，本文提出了一种次优的功率分配和用户调度算法，该算法具有较低的计算复杂性，以最小化总功耗。所提出的设计利用QoS要求的异质性来确定连续干扰消除解码顺序。仿真结果表明，该方案实现了接近最优的性能，显着优于传统的正交多址接入（OMA）方案。
2016-07-05 cs.IT math.IT
Exploiting Interference Alignment in Multi-Cell Cooperative OFDMA Resource Allocation
本文研究了基于干扰对齐（interference alignment，IA）的通用频率复用OFDMA下行链路多小区协作资源分配问题。与将子载波视为用于资源分配的单独维度的传统方案不同，IA技术用于实现并行子载波上的频域预编码。针对协作三小区OFDMA系统，研究了基于IA、子载波用户选择和功率分配的频域预编码联合优化问题，以最大化下行链路吞吐量。一个简化的对称信道设置的数值结果表明，基于IA的方案实现显着的吞吐量增益比传统的计划只有当小区间干扰链路具有相当的强度作为直接链路，和接收机SNR是足够大的。受此启发，本文提出了一种适用于不同信道条件下的蜂窝系统的混合方案，将整个频谱划分为两个子带，分别对位于小区交叉区和小区非交叉区的用户采用基于IA的方案和传统方案进行资源分配.结果表明，这种混合资源分配方案灵活地利用了下行链路IA增益基于OFDMA的蜂窝系统。
2011-03-16 cs.IT math.IT
Joint power and resource allocation of D2D communication with low-resolution ADC
本文考虑了用于具有采用具有不同分辨率的ADC的多天线BS的设备到设备（D2D）蜂窝系统的联合功率控制和资源分配。我们提出了一个四步算法，优化ADC的分辨率分布在基站（BS），以减少能量消耗和执行联合功率控制和资源分配的D2D通信用户（DUE）和蜂窝用户（CUE），以提高D2D的可靠性。
2019-05-09 cs.IT eess.SP math.IT
Study of Robust Resource Allocation in Cell-Free Multiple-Antenna Networks
针对非理想信道状态信息影响无蜂窝网络效率的问题，提出含鲁棒用户调度与两种功率分配算法的序贯资源分配框架，可提升网络性能最高30%。
2025-05-17 cs.IT eess.SP math.IT
Fitness Landscape Analysis for Dynamic Resource Allocation in Multiuser OFDM Based Cognitive Radio Systems
这篇论文被撤回了。
2010-03-07 cs.IT cs.NE math.CO
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
Distributed Resource Allocation for D2D Multicast in Underlay Cellular Networks
针对底层蜂窝网络中 D2D 多播受同信道干扰且大规模集中优化困难的问题，提出一种低开销、高可扩展性的分布式资源分配方案，并通过仿真验证其吞吐量增益。
2023-09-25 cs.IT cs.NI math.IT
Optimal Joint User Association and Resource Allocation in Heterogeneous Networks via Sparsity Pursuit
本文从一个新的角度研究了异构网络（HetNets）中的联合用户关联和资源分配问题。通过将多小区多用户资源分配视为多种复用模式之间的资源划分，提出了一个统一的框架来分析和比较HetNet的各种用户关联和资源分配策略，并为网络性能提供了一个最佳基准。使能机制是一种新的配方，考虑所有可能的干扰模式或任何预定义的模式的子集，和有效的稀疏追求算法来找到解决方案。这一提法的一个显著特点是，在资源优化过程中，模式保持不变。这为凸公式创造了一个有利的机会，同时仍然考虑干扰耦合。更重要的是，鉴于事实上，多细胞资源分配是非常计算的要求，我们的框架提供了一个系统的方式来权衡性能的减少计算复杂性，通过限制候选模式，以少量的特征模式。依靠稀疏追求能力的算法，我们开发了一个实用的指南，以确定特征模式。数值结果表明，识别出的特征模式能够显著改善现有策略，联合优化用户关联和资源分配确实带来了可观的收益。
2015-11-03 cs.IT cs.NI math.IT
Resource Allocation of MU-OFDM Based Cognitive Radio Systems Under Partial Channel State Information
由于存在一些错误，本文已被作者撤回。
2010-02-26 cs.IT cs.NE math.CO
Trajectory Optimization and Resource Allocation for OFDMA UAV Relay Networks
在本文中，我们考虑了一个单小区多用户正交频分多址接入（OFDMA）网络与一个无人机（UAV），它作为一个放大和转发中继，以提高服务质量（QoS）的用户设备（UE）在小区边缘。为了在保证用户公平性的同时提高系统吞吐量，对通信模式、子信道分配、功率分配和无人机轨迹进行联合优化，这是一个NP难问题。为了有效地设计无人机轨迹和资源分配，首先将问题分解为三个子问题，即，模式选择和子信道分配、轨迹优化和功率分配，然后迭代求解这些子问题。仿真结果表明，该算法的性能优于随机算法和蜂窝方案。
2021-04-22 cs.IT eess.SP math.IT
Wireless Resource Allocation with Collaborative Distributed and Centralized DRL under Control Channel Attacks
School of Electrical and Computer Engineering, The University of Sydney（悉尼大学电气与计算机工程学院）
针对CPS控制信道DoS攻击下的无线资源分配问题，提出CDC-DRL算法，通过协同分布式与集中式决策优化资源分配策略，显著优于现有DRL基准。
2024-11-16 cs.IT cs.LG cs.SY
