A Machine Learning Approach for Power Allocation in HetNets Considering QoS
为了提高下一代异构无线网络（HetNet）的性能和覆盖范围，越来越多地使用较小的小区或毫微微小区。然而，毫微微小区对相邻小区造成的干扰是密集HetNet中的限制性能因素。这种干扰通过分布式资源分配方法来管理。然而，随着网络密度的增加，这种资源分配方法的复杂性也增加。然而，毫微微蜂窝基站的计划外部署需要一种适应性强的自组织算法来使HetNet可行。因此，我们建议使用基于Q学习的机器学习方法来解决这种复杂网络中的资源分配问题。通过将每个基站定义为代理，蜂窝网络被建模为多代理网络。随后，合作Q学习可以应用作为一种有效的方法来管理多智能体网络的资源。此外，所提出的方法考虑了每个用户的服务质量（QoS）和网络中的公平性。与现有的工作相比，所提出的方法可以带来超过四倍的增加，支持的毫微微蜂窝基站的数量，同时使用合作Q学习，以减少资源分配开销。
2018-03-18 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
Queue-Aware Joint Dynamic Interference Coordination and Heterogeneous QoS Provisioning in OFDMA Networks
我们提出了云无线接入网络，不仅提供异构的服务质量（QoS）的速率，重要的是，延迟敏感的应用程序，但也共同优化的频率复用模式的算法。重要的是，与相关的作品，我们占随机到达，通过队列意识，不像大多数作品只集中在一个单一的帧，我们认为QoS措施平均在多个帧涉及一组闭环控制。我们将此问题建模为多小区优化，以最大化受QoS约束的总效用，表示为最小平均速率或最大平均延迟。由于我们考虑动态干扰协调与动态用户关联，即使在整数松弛后，问题也不是凸的。我们将问题转化为帧速率的优化，服从于交织的原始和对偶问题的分解。这个优化问题的解决方案提供了联合决策调度，动态干扰协调，重要的是，不像大多数作品在这一领域，动态用户关联。此外，我们提出了一种新的方法来管理不可行的负载。大量的仿真证实，该设计响应瞬时负载，异构用户和AP的位置，信道条件和QoS约束，同时，如果需要的话，保持低中断时，处理不可行的负载。与基线比例公平计划的比较说明了所取得的成果。
2018-01-25 cs.IT cs.NI math.IT
Energy Sustainable IoT with Individual QoS Constraints Through MISO SWIPT Multicasting
由于低功率网络设备的高数据通信需求激增，因此能源可持续物联网（IoT）的使能技术至关重要。在本文中，我们考虑了一个多输入单输出（MISO）多播物联网系统，包括一个多天线发射机（TX），同时将信息和功率传输到低功耗和数据饥饿的物联网接收机（RX）。假设每个IoT设备配备有功率分配（PS）硬件，其实现能量收集（EH）并对下行链路通信施加个体服务质量（QoS）约束。我们研究了所考虑的MISO同时无线信息和功率传输（SWIPT）多播物联网系统的TX预编码和物联网PS比的联合设计，其目标是最大限度地提高物联网之间的最小收获能量，同时满足各自的QoS要求。在我们的新EH公平性最大化制定，我们采用了一个通用的射频（RF）EH模型捕捉实际整流操作，并导致在一个非凸优化问题。对于这个问题，我们首先给出了一个等价的半定松弛公式，然后证明了它具有唯一的全局最优性。我们还推导出严格的上限和下限的全局最优解，利用在获得低复杂度的算法实现的目标联合设计。还给出了最佳TX波束成形方向、功率分配和IoT PS比的解析表达式。我们的代表性的数值结果，包括与基准设计的比较，证实了建议的框架的有用性，并提供了有用的见解关键系统参数的相互作用。
2018-05-22 cs.IT math.IT
QoS-Aware User Association for Load Balancing in Heterogeneous Cellular Networks
为了解决传统蜂窝网络热点区域容量低和覆盖空洞的问题，部署发射功率较低的基站构成异构蜂窝网络（HetNet）。然而，由于这些引入不同功率的BS，如果没有提供适当的用户关联方案，则它们之间的用户分布看起来相当不平衡。为了有效地解决这个问题，我们共同考虑每个基站的负载和用户的可达速率，而不是只利用后者时，设计一个关联算法，并制定为一个网络范围内的加权效用最大化问题。注意，上述负载涉及由实际速率要求决定的所需子带的量，即，而不是关联的用户数，因此它可以反映用户的实际负载水平。对于所提出的问题，我们给出了一个最大概率（最大概率）算法，通过放松变量，以及一个低复杂度的分布式算法与一个接近最优的解决方案，提供了理论上的性能保证。实验结果表明，与Ye提出的关联策略相比，该策略具有更快的收敛速度、更低的呼叫阻塞率和更高的负载均衡水平。
2014-01-04 cs.IT cs.NI math.IT
Max-min Fair Wireless Energy Transfer for Secure Multiuser Communication Systems
研究了下行多用户通信系统中无线能量传输的最大-最小公平性问题。我们的资源分配设计最大限度地提高了多个多天线能量收集接收器（潜在的窃听者）之间的最小收获的能量，同时提供服务质量（QoS）的安全通信多个单天线信息接收器。特别地，算法设计被公式化为非凸优化问题，该非凸优化问题考虑了在信息接收机处的最小所需信号与干扰加噪声比（SINR）约束以及对于给定发射功率预算由能量收集接收机实现的最大可容忍信道容量的约束。所提出的问题制定利用人工噪声生成的双重用途，以促进有效的无线能量传输和安全通信。一个半定规划（SDP）松弛的方法被用来获得所考虑的问题的全局最优解。仿真结果表明，所提出的最佳方案相比，两个简单的基线计划实现了显着的性能增益收获的能量。
2014-04-07 cs.IT math.IT
Decentralized Fairness Aware Multi Task Federated Learning for VR Network
School of Electrical Engineering and Computer Science（电气工程与计算机科学学院）
本文提出去中心化公平感知多任务联邦学习方法，通过个性化缓存策略提升VR网络中内容交付效率与质量。
2025-12-03 cs.IT cs.LG math.IT
Reducing the Computational Complexity of Multicasting in Large-Scale Antenna Systems
本文研究了大规模天线系统中多个同信道组的物理层多播问题。每个组中的用户对共同的消息感兴趣，而不同的组具有不同的消息。特别是，我们的目标是设计的预编码向量解决所谓的服务质量（QoS）和加权最大最小公平性（MMF）的问题，假设信道状态信息是在基站（BS）。为了解决这两个问题，基线方法利用半定松弛（SDR）技术。考虑具有$N$天线的BS，SDR复杂度大于$\mathcal{O}(N^{6})$，这阻碍了其在大规模天线系统中的应用。为了克服这个问题，我们提出了两类新的算法，不仅具有显着降低计算复杂性比现有的解决方案，但也大大优于SDR的方法。此外，我们提出了变换版本的QoS和加权MMF问题之间的新型二元性。对偶性明确地确定了加权MMF问题的解决方案，给出了QoS问题的解决方案，反之亦然。数值结果被用来验证所提出的解决方案的有效性，并在不同的操作条件下与现有的替代方案进行比较。
2017-02-20 cs.IT math.IT
QoS-Aware User Scheduling in Crowded XL-MIMO Systems Under Non-Stationary Multi-State LoS/NLoS Channels
在拥挤的无线通信系统中提供最低的服务质量（QoS），具有高用户密度，是具有挑战性的，这是由于具有有限的发射功率预算和资源块的网络结构。智能资源分配方法，如用户调度，功率分配，调制和编码方案的选择，必须实现，以应对挑战。针对拥挤超大规模大规模多输入多输出（XL-MIMO）系统下行链路中最小QoS服务用户数的问题，提出了一种QoS感知的联合用户调度和功率分配技术.所提出的技术是由两个顺序的程序：集团搜索为基础的调度（CBS）算法的用户调度，其次是最佳的功率分配与发射功率预算和最小可达速率每个用户的约束。为了准确地评估所提出的技术在XL-MIMO的情况下，我们提出了一个广义的非平稳多状态信道模型的基础上球面波传播假设下的用户LoS和NLoS传输共存于同一个通信小区。该模型考虑了不同信道状态下的用户在多径衰落模型和路径损耗规律上的传播特性不同。数值结果表明，可实现的和速率，调度用户的数量，和调度用户的分布表明，建议CBS算法提供了一个公平的覆盖整个小区区域，实现显着数量的调度用户时，在LoS和NLoS信道状态下的用户共存的通信小区。
2022-05-13 cs.IT cs.NI eess.SP
Virtual Reality over Wireless Networks: Quality-of-Service Model and Learning-Based Resource Management
本文研究了无线虚拟现实（VR）用户通过小小区网络（SCN）进行通信的网络资源管理问题。为了获取虚拟现实用户在供应链网络中的服务质量（QoS），提出了一种基于多属性效用理论的虚拟现实模型。该模型共同考虑了VR指标，如跟踪精度，处理延迟和传输延迟。在该模型中，小型基站（SBS）充当VR控制中心，通过蜂窝上行链路收集来自VR用户的跟踪信息。一旦收集到这些信息，SBS将通过下行链路向VR用户发送三维图像和伴随的环绕立体声音频。因此，VR无线网络中的资源分配问题必须联合考虑上行链路和下行链路。这个问题，然后制定为一个非合作的游戏和分布式算法的基础上的机器学习的回声状态网络（ESN）的框架，提出了找到这个游戏的解决方案。使用建议的ESN算法，使SBS预测VR QoS的每个SBS，并保证收敛到一个混合策略的纳什均衡。分析结果表明，每个用户的VR QoS共同取决于VR跟踪精度和无线资源分配。仿真结果表明，所提出的算法产生显着的收益，在VR QoS的总效用值方面，分别达到22.2%和37.5%，相比Q学习和基线比例公平算法。实验结果还表明，该算法比Q学习算法具有更快的收敛时间，并且可以保证VR服务的低延迟。
2018-06-20 cs.IT math.IT
A Heterogeneous Massive MIMO Technique for Uniform Service in Cellular Networks
German Research Center for Artificial Intelligence (DFKI)（德国人工智能研究中心）；Technische Universität (RPTU) Kaiserslautern（凯泽斯劳滕工业大学）
本文提出一种异构大规模MIMO技术，通过集中式和分布式节点的协同，实现蜂窝网络中均匀的服务质量，同时降低基础设施成本。
2026-01-26 cs.IT eess.SP math.IT
Optimal and Near-Optimal Policies for Wireless Power Transfer in Energy-Limited and Power-Limited Scenarios
射频无线功率传输（RF-WPT）是使得能够以无线方式将能量从能量接入点（E-AP）传输到多个能量接收器（E-R）的新兴技术。在实践中，对于E-AP可以传输的功率水平或能量的量存在一些限制，需要考虑这些限制以便确定用于E-AP的适当功率传输策略。在本文中，我们制定的问题，找到最佳的政策，为两个实际的情况下，功率有限和能量有限的E-AP。制定的问题是非凸随机优化问题，是非常具有挑战性的解决。我们提出了最佳和接近最佳的E-AP到E-R的功率传输策略，其中最佳的解决方案需要信道状态的统计信息，而接近最佳的解决方案不需要这些信息，并在实践中表现良好。此外，为了保证E-R之间的公平性，我们提出了两种公平策略，即Max-Min公平策略和服务质量感知的比例公平策略。MMF策略的目标是最大化E-R之间的最小接收功率，QPF策略最大化E-R的总接收功率，同时保证每个E-R所需的最低QoS。各种数值结果表明所提出的政策的显着性能。
2018-04-16 cs.IT math.IT
Fairness-Aware Caching and Radio Resource Allocation for the Downlink of Multi-Cell OFDMA Systems
互联网内容的空前增长，特别是社交媒体，对蜂窝网络的负载提出了挑战。另外，与服务质量（QoS）相比，用户体验质量（QoE）的需求成为了一个更实际的标准，下载延迟是影响用户体验质量的一个重要因素。为了满足这一需求，本文提出了两种资源分配（RA）算法，分别对社交媒体在基站（BS）缓存中的位置和无线资源（即，发射功率和子载波）。在第一种方案中，网络的总下载延迟被最小化，而在第二种方案中，提出了一种公平性感知的方案，其中最大下载延迟被最小化。我们提出迭代算法来解决每个问题，其中内容放置问题和联合子载波和发射功率分配问题将迭代优化。我们还证明了所提出的方法收敛到一个接近最优的解决方案，以及迭代次数的增加。
2021-06-26 cs.IT cs.NI math.IT
Green Heterogeneous Cloud Radio Access Networks: Potential Techniques, Performance Tradeoffs, and Challenges
异构云无线接入网（H-CRAN）作为一种灵活、可扩展的架构，为当前无线网络的绿色演进注入了强大的活力。但残酷的事实是，能效（EE）的提高是以频谱效率（SE）、公平性和延迟等其他指标为代价的。因此，重要的是要调查性能权衡能源效率的传输和优良的服务质量（QoS）保证之间的灵活平衡，在这种新的架构。在这篇文章中，我们首先提出了一些潜在的技术，能源效率的操作H-CRAN的利用他们的特点。然后，我们阐述了建模的三个基本的权衡，即EE-SE，EE-公平性，和EE-延迟权衡，当应用这些绿色技术的初步想法，并提出了开放的问题和挑战，为未来的调查。这些相关的研究结果有望从自适应资源分配、智能网络控制和可扩展网络规划等方面为H-CRAN的绿色运营提供参考。
2017-09-26 cs.IT math.IT
Joint Energy Harvest and Information Transfer for Energy Beamforming in Backscatter Multiuser Networks
无线供电后向散射通信（WPBC）已被确定为用于低功率通信系统的有前途的技术，其可以获得能量波束成形的益处以提高能量传输效率。然而，现有的能量波束形成研究未能同时考虑WPBC中的能量供应和信息传输。本文采取的第一步，以填补这一空白，通过考虑之间的限制关系的能量收集率和可达到的速率与估计的后向散射信道状态信息（BS-CSI）。为了确保可靠的通信和用户的公平性，我们制定的能量波束成形设计作为一个最大最小优化问题，最大限度地提高最小可实现的速率为所有的后向散射标签的能量约束。我们推导出封闭形式的能量收集率的表达式，以及最大比合并（MRC）和迫零（ZF）接收机的可实现的速率的下限。我们的数值结果表明，我们的计划显着优于国家的最先进的能量波束成形方案。此外，我们的方案的可实现的速率接近超过$90\%$的速率限制，通过波束成形与完美的CSI为两个接收器。
2020-11-01 cs.IT math.IT
Ultra-Low-Complexity Algorithms with Structurally Optimal Multi-Group Multicast Beamforming in Large-Scale Systems
本文针对大规模系统多组多播波束成形，将QoS问题转化为低维非凸权重优化问题，提出两种基于SCA的快速一阶算法（外梯度和ADMM），并利用QoS解通过闭式缩放直接求解MMF问题，在显著降低计算复杂度的同时实现接近最优的性能。
2023-04-14 cs.IT math.IT
Retrodirective Multi-User Wireless Power Transfer with Massive MIMO
这封信研究了射频（RF）多用户无线功率传输（WPT）系统，其中具有大量天线的能量发射器（ET）将能量无线传输到多个分布式能量接收器（ER）。我们研究了一种低复杂度的WPT方案的基础上的反向波束形成技术，其中所有ER发送一个共同的信标信号同时在上行链路中的ET和ET简单地共轭和放大其接收的和信号，并发送到所有ER在下行链路中的WPT。我们表明，这样一个低复杂度的计划实现了大规模的多输入多输出（MIMO）能量波束成形增益。然而，由于往返（上行链路信标和下行链路WPT）信号传播损耗而存在“双近-远”问题，其中如果使用相同的上行链路信标功率，则从ET收集的远ER的功率可能显著低于近ER的功率。为了解决这个问题，我们提出了一个分布式的上行链路信标功率更新算法，其中每个ER独立地调整信标功率的基础上，其当前收获的功率在一个迭代的方式。结果表明，该算法快速收敛到一个唯一的固定点的解决方案，这有助于实现所需的用户公平性与最大努力。
2017-06-23 cs.IT math.IT
On Optimal Power Allocation for Downlink Non-Orthogonal Multiple Access Systems
非正交多址接入（NOMA）通过连续干扰消除（SIC）实现功率域复用，并且已被视为用于5G通信的有前途的技术。NOMA的全部益处取决于所有用户的资源分配，包括功率分配和信道分配，然而，这导致混合整数规划。在文献中，最优功率分配仅在某些特殊情况下才能找到，而功率分配和信道分配的联合优化通常需要穷举搜索。在本文中，我们研究了下行NOMA系统中的资源分配。作为主要贡献，我们分析了在不同的性能标准下，给定的信道分配在多个信道上的最优功率分配。具体地，我们考虑了NOMA系统中的最大最小公平性、加权和速率最大化、带服务质量（QoS）约束的和速率最大化、带权值或QoS约束的能量效率最大化。我们还明确考虑到顺序约束的权力，用户在每个通道上，这是经常被忽视的现有作品，并表明他们有一个显着的影响SIC在NOMA系统。然后，我们提供了封闭或半封闭形式的考虑标准的最优功率分配。我们还提出了一个低复杂度的有效方法，联合优化的信道分配和功率分配NOMA系统中的匹配算法与最优功率分配。仿真结果表明，联合资源优化使用我们的最优功率分配产生更好的性能比现有的计划。
2017-07-20 cs.IT math.IT
Beamforming Techniques for Non-Orthogonal Multiple Access in 5G Cellular Networks
在本文中，我们开发了各种波束成形技术的多输入单输出（MISO）非正交多址（NOMA）系统的下行链路传输。首先，波束形成方法与完善的信道状态信息（CSI）的调查，提供所需的服务质量（QoS）的所有用户。泰勒级数逼近和半定松弛（SDR）技术，重新制定原来的非凸功率最小化问题，一个易于处理的。此外，提出了一种基于公平性的波束形成方法，通过最大-最小公式，以保持用户之间的公平性。接下来，我们考虑一个强大的计划，将信道的不确定性，其中的发射功率最小化，同时满足中断概率的要求，在每个用户。通过利用SDR方法，原来的非凸问题重新表示为线性矩阵不等式（LMI）的形式，以获得最优解。数值结果表明，鲁棒方案可以实现更好的性能相比，非鲁棒方案的速率满意率。此外，仿真结果证实，对于相同的数据率要求，NOMA消耗的发射功率略高于OMA所需的一半。因此，NOMA有可能在未来5G网络及以后的传输功耗方面显着提高系统性能。
2018-07-09 cs.IT math.IT
Bit-Interleaved Multiple Access: Improved Fairness, Reliability, and Latency for Massive IoT Networks
本文提出比特交织多址接入（BIMA），通过去除传统NOMA的严格功率分配约束来支持大规模物联网连接，并在容量、中断概率、误比特率、公平性和时延等指标上显著优于传统NOMA，性能增益最高可达20-30dB，时延平均降低170%。
2023-04-12 cs.IT eess.SP math.IT
Fast and Scalable Beamforming for RIS-Assisted Downlink Multi-group Multicasting
本文针对RIS辅助下行多组多播，提出AMBF和APSA两种快速交替波束赋形算法，在满足QoS或加权MMF目标下实现基站与RIS联合优化，计算复杂度随RIS单元和天线数线性增长，仿真验证了其性能与成本优势。
2025-07-04 cs.IT eess.SP math.IT
Scheduling and Power Allocation in Self-Backhauled Full Duplex Small Cells
全双工（FD）通信通过在相同频带上同时发送和接收来提高频谱效率，是满足下一代无线网络需求的有前景的技术。在本文中，我们考虑应用这种FD通信自回程的小小区。我们考虑具有FD能力的小小区基站（BS）被具有FD能力的宏小区BS无线地回传。FD通信使得能够在小型小区BS处同时进行回程和接入传输，这减少了对在接入和回程之间正交化所分配的频谱的需要。然而，在这样的同时操作中，所有链路经历较高的干扰，这显著抑制了FD操作的增益。我们提出了一种干扰感知调度方法，以最大限度地提高在上行链路和下行链路方向上的多个UE的FD增益，同时保持所有UE之间的公平性水平。它联合调度适当的链路和业务的背压算法的基础上，并分配适当的传输功率调度的链路使用几何规划。我们的仿真结果表明，所提出的调度器的小型小区的吞吐量几乎翻了一番相比，传统的半双工自回程。
2017-02-03 cs.IT cs.NI math.IT
Multi-Group Multicast Beamforming: Optimal Structure and Efficient Algorithms
本文研究了多组组播波束形成优化问题，由于该问题的非凸性和NP-困难性，其最优解一直未知。利用逐次凸逼近数值方法和拉格朗日对偶性，得到了服务质量（QoS）问题和最大最小公平（MMF）问题的最优多播波束形成解结构.最佳的结构带来了宝贵的见解多播波束成形：我们表明，上行链路-下行链路的二元性的概念可以推广到多播波束成形问题。最优多播波束形成器是基于组信道方向的加权MMSE滤波器：最优下行链路多用户单播波束形成器的广义版本。我们还表明，有一个固有的低维结构的最佳多播波束成形解决方案的发射天线的数量无关，导致有效的数值算法设计，特别是对于系统与大型天线阵列。我们提出了有效的算法来计算多播波束形成器的最佳波束形成结构的基础上。通过渐近分析，我们表征的渐近行为的多播波束形成器的天线数量的增长，反过来，提供简单的封闭形式的近似多播波束形成器的QoS和MMF问题。这种近似提供了实际的多播波束成形的解决方案，具有接近最佳的性能，在非常低的计算复杂度的大规模天线系统。
2021-04-10 cs.IT eess.SP math.IT
Phase-Shift and Transmit Power Optimization for RIS-Aided Massive MIMO SWIPT IoT Networks
本研究针对RIS辅助大规模MIMO SWIPT IoT网络，提出联合优化BS发射功率与RIS相移的资源分配算法，在满足IU服务质量下最大化IoT设备收集能量，仿真显示平均收集能量提升132%。
2024-07-17 cs.IT math.IT
Globally Optimal Joint Uplink Base Station Association and Beamforming
近年来，联合基站（BS）关联和波束形成问题得到了广泛的研究，但即使是最简单的SISO情况下的计算复杂性也没有被完全表征。在本文中，我们考虑的上行链路SISO/SIMO蜂窝网络下的最大-最小公平性准则的问题。我们首先证明了SISO和SIMO方案的问题是多项式时间可解的。其次，我们提出了一个基于固定点的二叉搜索（BS-FP）算法的SISO和SIMO的情况下，QoS（服务质量）约束的子问题，解决了在每一步由一个固定点的方法。第三，我们提出了一个规范化不动点（NFP）迭代算法来直接求解原问题，并证明了它的几何收敛性。虽然不知道NFP算法是否是多项式时间算法，但根据经验，它比多项式时间算法快几个数量级收敛到全局最优值，使其适合于大规模网络中的应用。
2015-12-15 cs.IT math.IT
UAV-Enabled Wireless Power Transfer: A Tutorial Overview
支持无人机（UAV）的无线功率传输（WPT）最近成为一种有前途的技术，以在大规模无线网络中为广泛分布的低功率地面设备（GD）提供可持续的能量供应。与部署在固定位置的传统WPT系统中的能量发射器（ESTA）相比，UAV安装的空中发射器可以在三维（3D）空间中灵活地飞行，以更有效地为附近的GD充电。本文提供了一个教程概述无人机使能WPT及其吸引人的应用，特别是侧重于如何利用无人机的可控移动性，通过其3D轨迹设计，以最大限度地提高能量传输到所有GD在无线网络中的公平性。首先，我们考虑单个UAV使能的WPT场景，其中一个UAV在已知位置为多个GD无线充电。为了解决这种情况下的能量最大化问题，我们提出了一个通用的轨迹设计框架，包括三个创新的方法来优化无人机的轨迹，这是多位置悬停，连续悬停和飞行，和基于时间量化的优化，分别。接下来，我们考虑多无人机使能的WPT场景，其中多个无人机在大区域中协作地对许多GD充电。在单无人机航迹设计的基础上，分别基于无人机群集和GD聚类原理，提出了两种有效的多无人机航迹联合优化方案。此外，我们考虑了支持无人机的WPT的两个重要扩展，即支持无人机的无线供电通信网络（WPCN）和支持无人机的无线供电移动边缘计算（MEC）。
2021-02-27 cs.IT eess.SP math.IT
Multi-Element VLC Networks: LED Assignment, Power Control, and Optimum Combining
可见光通信（VLC）是解决射频（RF）网络中频谱紧张问题的一种很有前途的技术。VLC网络的一个主要优点是它们可以使用室内环境中现有的照明基础设施，这些照明基础设施可能具有大量的LED用于照明。虽然用于照明的LED通常具有有限的带宽，但许多LED的存在可以用于室内VLC网络，以通过多个LED为每个用户服务，从而提高链路质量和吞吐量。在本文中，LED分组和分配给用户的基础上收到的信号强度从每个LED，不同的解决方案，提出了实现最大吞吐量，比例公平性和服务质量（QoS）。此外，LED的功率优化为一个给定的分配进行了研究，并推导出相应的优化问题的雅可比矩阵和海森矩阵。此外，对于发射端采用LED分组的多阵元接收机，提出了一种改进的最优合并方法。该方法抑制了由LED的同时数据传输引起的干扰，并将总体信号与干扰加噪声比（SINR）提高了2dB至5dB。最后，提出了一种有效的信道响应计算方法，以较低的计算复杂性模拟多径VLC信道。
2017-07-17 cs.IT math.IT
Multi-Agent Deep Reinforcement Learning for Dynamic Power Allocation in Wireless Networks
这项工作展示了深度强化学习技术在无线网络中传输功率控制的潜力。现有技术通常通过解决具有挑战性的优化问题来找到接近最优的功率分配。由于这些算法的计算复杂度和瞬时跨小区信道状态信息（CSI）要求，这些算法中的大多数不能扩展到真实世界场景中的大型网络。本文提出了一种基于无模型深度强化学习的分布式执行动态功率分配方案。每个发射机从几个邻居收集CSI和服务质量（QoS）信息，并相应地调整其自己的发射功率。目标是最大化加权和速率效用函数，该函数可以被特殊化以实现最大和速率或比例公平调度。CSI中的随机变化和延迟都是使用深度Q学习来解决的。对于一个典型的网络架构，所提出的算法，以实现近最佳的功率分配实时延迟CSI测量提供给代理的基础上。该方案特别适用于系统模型不准确且CSI时延不可忽略的实际场景。
2019-04-08 cs.IT eess.SP math.IT
