Adaptive Resource Allocation for Semantic Communication Networks
Nanjing University of Posts and Telecommunications(南京邮电大学);Nanjing University of Aeronautics and Astronautics(南京航空航天大学);Zhejiang Lab(之江实验室);Zhejiang University(浙江大学);Tsinghua University(清华大学)
本文针对动态无线环境下语义通信资源分配难题,提出基于语义比特量化的自适应资源分配范式,并通过混合深度强化学习联合优化波束成形、比特数、子信道和带宽,实现最高13%的SC-QoS性能提升。
2023-12-02 cs.AI cs.IT cs.LG
Dynamic Resource Management for Providing QoS in Drone Delivery Systems
University of Toronto(多伦多大学)
无人机已被视为包裹递送的替代手段,以减少递送成本和时间。由于电池的限制,无人机最适合最后一英里的交付,即,从包裹配送中心(PDC)到客户的递送。由于典型的递送系统由多个PDC组成,每个PDC具有随机且随时间变化的需求,因此动态无人机到PDC分配在以有效的方式满足需求方面将是非常重要的。在本文中,我们研究了动态无人机分配问题的无人机交付系统的目标是提供可测量的服务质量(QoS)保证。我们采用一个模糊的理论方法来模拟客户服务的性质的问题。此外,我们采取深度强化学习的方法来获得一个动态的无人机重新分配的政策。该策略保证了在每个PDC中等待的包的队列长度的概率上限,这从服务提供商和客户的角度来看都是有益的。我们评估我们提出的算法的性能,考虑三个广泛的到达类,包括伯努利,时变伯努利,和马尔可夫调制伯努利到达。我们的研究结果表明,所提出的方法优于基线,特别是在时变和马尔可夫调制伯努利到达的情况下,这更能代表现实世界的需求模式。此外,我们的算法满足QoS约束,在所有研究的情况下,同时最大限度地减少使用中的无人机的平均数量。
2021-03-06 cs.LG cs.MA cs.RO
Deep Learning for Radio Resource Allocation with Diverse Quality-of-Service Requirements in 5G
University of Sydney(悉尼大学)
为了适应第五代蜂窝网络中不同的服务质量(QoS)要求,基站需要在时变网络条件下实时优化无线电资源。这带来了高的计算开销和长的处理延迟。在这项工作中,我们开发了一个深度学习框架来近似最佳资源分配策略,该策略通过优化带宽和发射功率分配来最大限度地减少基站的总功耗。我们发现,一个完全连接的神经网络(NN)不能完全保证QoS的要求,由于近似误差和量化误差的子载波的数量。为了解决这个问题,我们提出了一个级联结构的NN,其中第一NN近似的最优带宽分配,和第二NN输出所需的发射功率,以满足给定的带宽分配的QoS要求。考虑到无线网络中无线信道的分布和服务类型是非平稳的,我们应用深度迁移学习来更新非平稳无线网络中的神经网络。仿真结果验证了级联神经网络在QoS保证方面优于全连接神经网络。此外,深度迁移学习可以显著减少训练NN所需的训练样本数量。
2020-03-29 cs.LG eess.SP stat.ML
Graph Neural Networks for Resource Allocation in Interference-limited Multi-Channel Wireless Networks with QoS Constraints
Department of Electrical and Electronic Engineering, University of Melbourne, Australia(墨尔本大学电子与电气工程系);School of Information Science and Technology, Harbin Institute of Technology (Shenzhen)(哈尔滨工业大学(深圳)信息科学与技术学院);School of Electrical and Information Engineering, The University of Sydney(悉尼大学电气与信息工程学院)
针对无线网络中QoS约束的资源分配问题,提出结合GNN与拉格朗日原始-对偶优化的JCPGNN-M算法,实现高效多信道分配并保证收敛,性能媲美eWMMSE且推理更快、泛化更强。
2025-09-08 cs.LG eess.SP
Learning of Uplink Resource Allocation with Multiuser QoS Constraints
本文针对上行链路多用户功率与资源块分配的混合整数非线性规划问题,提出基于深度学习的求解方法,通过平滑函数近似离散策略并设计约束惩罚机制,在降低RB占用和保证QoS约束方面优于现有方法。
2025-03-09 eess.SP
QoS-Driven Resource Optimization for Intelligent Fog Radio Access Network: A Dynamic Power Allocation Perspective
雾无线接入网络(Fog-RAN)被认为是一种有前途的无线接入架构,以帮助缩短通信延迟并减轻回程链路上的大数据传输负担。然而,受限于传统的灵活的通信设计,Fog-RAN不能用于一些复杂的通信场景。在这项研究中,我们专注于研究一种更智能的Fog-RAN,以帮助在高速铁路环境中进行通信。由于训练的连续运动,通信需要智能化设计以适应信道的变化。具体而言,我们动态优化功率分配在远程无线电头端(RRH),以最大限度地减少总的网络功率成本考虑多个服务质量(QoS)的要求和信道变化。考虑了缓存对功率分配的影响。分析了动态功率优化问题,在一定条件下得到了闭合解。进一步讨论了总网络成本、延迟和交付内容大小之间的内在权衡。为了评估所提出的动态功率分配的性能,我们提出了一个不变的功率分配作为性能比较基准。我们的模拟结果表明,动态功率分配可以显着优于不变的功率分配方案,特别是与随机缓存策略或有限的缓存资源在RRH。
2021-03-03 cs.IT eess.SP math.IT
QoS Aware Power Allocation and User Selection in Massive MIMO Underlay Cognitive Radio Networks
研究了认知无线电网络中配备大量天线的次级基站下行链路的功率分配和次级用户选择问题。提出了一种新的优化框架,以选择最大数量的SU和计算功率分配,以满足瞬时速率或服务质量要求的SU。优化框架还旨在使用SBS处的可用不完美CSI将对主用户(PU)的干扰限制在预定义阈值以下。为了获得一个可行的解决方案的功率分配和用户选择,我们提出了一个低复杂度的算法称为DeleteSU与最大功率分配(DeleteSU)。理论分析计算了对PU的干扰和超过所需速率的SU的数量。分析和仿真结果表明,该算法在满足最小速率约束的情况下,能够服务更多的用户,并且在天线数大于用户数一个数量级的情况下接近最优解。
2019-03-15 cs.IT eess.SP math.IT
Cost-Effective Radio and NFV Resource Allocation: E2E QoS Provision
为了抵御网络僵化并支持高度灵活性和各种服务,为下一代无线蜂窝网络引入了网络虚拟化和切片。这两种技术允许未来的互联网络和基于时变工作负载的资源管理范例的属性多样化。在本文中,我们提出了一个端到端(E2 E)的资源分配框架,未来网络考虑无线电和核心网络,利用网络功能虚拟化(NFV)。我们的目标是最大限度地减少网络成本定义的基础上利用的能量和频谱,同时提供E2 E服务质量(QoS)的各种服务具有严格的QoS要求。这个目标是通过制定一个新的优化问题来实现的,该优化问题执行无线电中的功率和频谱分配,以及NFV环境中的服务功能链接和调度,同时保证所请求服务的不同QoS约束。所提出的优化问题是混合整数非线性规划问题,这是一个非凸的NP-难问题。为了解决这个问题,我们采用了一种迭代算法与新的准入控制和贪婪的启发式算法,这是一个多项式的复杂性与13:66%的全球最优差距平均为一个小规模的网络。为了验证所提出的框架,仿真结果进行了考虑不同的值的网络参数和拓扑结构。此外,我们提出的框架和解决方案的算法进行了评估,并与现有的作品进行比较。仿真结果表明,所提出的启发式算法和框架比现有的平均成本降低34%。
2020-07-22 cs.NI eess.SP
DRL-Based QoS-Aware Resource Allocation Scheme for Coexistence of Licensed and Unlicensed Users in LTE and Beyond
在本文中,我们采用深度强化学习来开发一种新的无线电资源分配和分组调度方案,以满足适用于LTEadvanced和5G网络的不同服务质量(QoS)要求。此外,对于低于6GHz频段的频谱稀缺性,所提出的算法动态地将资源块(RB)分配给授权用户,以最大程度地保持未分配RB的连续性。这将通过增加不中断通信的机会并减少协调开销的负载来提高未许可实体之间的通信效率。该优化问题被制定为一个马尔可夫决策过程(MDP),观察整个队列的需求,其中未能满足QoS约束惩罚的目标与乘法因子。此外,未分配资源的连续性的概念被考虑作为目标函数中的附加项。考虑到信道系数和用户请求的变化,我们利用深度强化学习算法作为在线和数值有效的方法来解决MDP。数值结果表明,与传统的贪婪最小延迟和最大吞吐量方案相比,该方法在考虑延迟预算和丢包率的同时,获得了更高的平均频谱效率,在传统的贪婪最小延迟和最大吞吐量方案中,固定的频谱部分被迫为未授权实体空置。
2020-08-16 eess.SP
A Lightweight QoS-Aware Resource Allocation Method for NR-V2X Networks
针对NR-V2X网络,提出一种基于Gale-Shapley匹配和二分搜索的轻量级QoS感知资源分配与共享算法,在低复杂度下满足V2X通信的QoS需求。
2024-11-08 cs.NI eess.SP
A Joint JSCC-Resource Allocation Framework for QoS-Aware Semantic Communication in LEO Satellite-based EO Missions
Interdisciplinary Centre for Security, Reliability and Trust (SnT), University of Luxembourg(卢森堡大学安全、可靠与信任跨学科中心)
本文提出面向QoS感知语义通信的联合JSCC资源分配框架,通过优化编码参数和资源分配以降低传输功率。
2026-03-12 eess.SP
Subchannel Allocation for Vehicle-to-Vehicle Broadcast Communications in Mode-3
与上行链路/下行链路数据业务由eNodeB集中管理的主流蜂窝网络相反,在车辆到车辆(V2 V)广播通信中,\textit{mode-3} eNodeB仅参与子信道分配,但最终不干预数据业务控制。因此,车辆利用分配的子信道直接与它们的对应方通信。由于V2 V \textit{mode-3}具有松散控制的一对多特性,因此它对于时间要求严格的应用非常有利。然而,子信道的分配必须在没有冲突的情况下完成,同时满足服务质量(QoS)要求。据我们所知,不存在考虑防止分配冲突和实现QoS的V2 V \textit{mode-3}的统一框架。因此,已经确定了四种类型的条件,这是强制性的字符为实现QoS感知的无冲突分配:$(i)$确保区分每辆车的QoS,$(ii)$排除集群内的子帧冲突,$(iii)$安全最小的时间分散分配的子信道和$(iv)$阻止一跳集群间的子信道冲突。这样的条件已经被系统化,并以整体的方式合并,允许不复杂的操作来执行子信道分配优化。此外,我们提出了一个代理松弛的问题,不影响最优性,提供某些条件是满意的。
2018-05-18 eess.SP
Resource Allocation for UAV Assisted Wireless Networks with QoS Constraints
对于拥挤和热点区域,通常部署无人机(UAV)以提高覆盖率。该模型将无人机辅助通信分为控制消息、非实时通信和实时通信三种类型,能够满足无人机辅助通信系统用户的大部分实际需求。带宽分配问题被认为是最小化该系统的总能耗,同时满足要求。为了提高系统的性能,本文引入了两种技术。第一种方法是将地面用户分为多个用户组,并为每个用户组提供具有不同带宽的唯一RF信道。第二种方法是在系统中部署多架无人机。每种方案的带宽优化都是一个凸优化问题。仿真结果表明,所提出的方案的优越性,在能源消耗。
2020-02-09 cs.SY eess.SP eess.SY
A QoS-Aware Uplink Spectrum and Power Allocation with Link Adaptation for Vehicular Communications in 5G networks
针对5G C-V2X上行链路资源分配问题,提出两种结合链路自适应的频谱与功率分配算法,仿真验证其可提升用户满足率、总速率及双方QoS。
2024-09-30 cs.NI eess.SP
Sensing as a Service in 6G Perceptive Networks: A Unified Framework for ISAC Resource Allocation
在即将到来的下一代(5G高级和6 G)无线网络中,传感即服务将发挥比以往任何时候都更重要的作用。最近,感知网络的概念被提出作为一种范式转变,同时提供传感和通信(S&C)服务。这种类型的技术通常被称为通感一体化(ISAC)。在本文中,我们提出了感知服务质量(QoS)的概念,在不同的应用。具体而言,检测概率,Cramer-Rao界(CRB)参数估计和后验CRB运动目标指示分别用于测量检测,定位和跟踪的感知QoS。然后,我们建立了一个统一的框架ISAC资源分配,其中的公平性和全面性的优化标准,考虑上述传感服务。所提出的方案可以灵活地分配有限的功率和带宽资源,根据S&C QoS。最后,我们通过数值模拟研究了在不同的资源分配方案的S&C服务之间的性能权衡。
2022-11-02 eess.SP
Intelligent QoS aware slice resource allocation with user association parameterization for beyond 5G ORAN based architecture using DRL
针对B5G ORAN切片资源管理,提出基于DQN的QoS感知切片内分配与用户关联参数化方法,在动态场景中优化多类KPI并提升eMBB、URLLC性能。
2023-11-02 eess.SP
Energy Efficient Pairing and Power Optimization for NOMA UAV Network under QoS Constraints
由于越来越多的无人驾驶飞行器(UAV)通常具有有限的电池功率,未来的无线网络需要具有大规模连接能力的节能数据传输方案。非正交多址接入(NOMA)是通过允许多个用户在同一资源块上的叠加数据传输来提供这种大规模连接的有前途的技术之一。与现有文献不同,本文提出了一种用户配对和功率分配技术的能量效率和服务质量(QoS)意识的NOMA传输蜂窝连接的移动无人机。其目的是通过联合优化无人机配对和功率分配,最大限度地减少移动无人机在上行数据传输过程中的功耗,并保证其所需的传输速率。此外,移动无人机的性能和配对的复杂性进行了分析,表明所提出的配对技术有效地满足其QoS要求。数值和仿真结果表明,所提出的技术相比,传统的NOMA技术的性能增益。
2020-11-03 eess.SP
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
Joint Resource Optimization for IRS-Assisted mmWave MIMO under QoS Constraints
本文主要研究了智能反射表面增强毫米波系统中多用户动态资源的非凸联合优化问题,其中所有用户都集中在唯一的簇波束上。首先,将上述非线性问题的目标函数转化为服务质量约束下的二次规划形式。进一步提出了一种动态功率分配的多块交替优化框架,以获得最大和速率,其中采用放松的ADMM算法来求解最佳全数字预编码器,并通过梯度投影获得相应的无源反射矩阵。仿真结果表明,在高信干噪比下,波束优化应得到重视,但在硬件尺寸达到极限的情况下,联合动态资源分配仍能进一步提高系统性能。
2020-11-17 cs.IT eess.SP math.IT
Interference-Aware Downlink Power Control for High-Altitude Platform Stations with QoS and Max-Min Fairness
University of South Florida(南佛罗里达大学)
该研究针对高空平台站(HAPS)系统,提出兼顾服务质量(QoS)与最大最小公平性的感知干扰下行功率控制方案,可降低发射功率、提升最差用户性能且计算成本远低于线性规划基准。
2026-10-09 eess.SP
Unified Interference-Aware Water-Filling for QoS-Constrained Communication, Sensing, and JRC
本文提出一种适用于通信、感知与JRC系统的统一干扰感知且受QoS约束的注水算法,以解决传统WF无法满足6G异构需求的问题,实现多用户MIMO系统的功率分配并有效处理干扰。
2025-06-02 eess.SP
Unsupervised Deep Learning for Ultra-reliable and Low-latency Communications
在本文中,我们研究了如何通过无监督深度学习来解决超可靠和低延迟通信中的资源分配问题,这通常会产生具有服务质量(QoS)约束的函数优化问题。我们以联合功率和带宽分配问题为例,它最大限度地减少所需的总带宽,以保证每个用户的QoS方面的延迟界和整体的数据包丢失概率。全局最优解是在对称的情况下找到的。引入一个神经网络来寻找一般情况下的近似最优解,其中通过使用最优解应满足的属性作为"监督信号"来确保QoS。仿真结果表明,基于学习的解决方案在对称场景下的性能与最优解相同,并且相对于最先进的策略可以节省约40%的带宽。
2019-06-05 cs.NI eess.SP stat.ML
Joint Optimization of Uplink and Downlink Resources under QoS Constraints of AR
School of Electronics and Information Engineering, Beihang University(北京航空航天大学电子信息工程学院)
研究交互式AR服务的UL和DL资源联合优化,通过建模为串联排队系统得出QoS上限,转化为服务时间条件,制定加权发射功率最小化问题,用基于学习框架联合优化,设计基于GNN策略,仿真显示满足AR可靠性要求且降低发射功率。
2026-07-21 eess.SP
Energy-Efficient Design for Downlink Pinching-Antenna Systems with QoS Guarantee
本文针对带QoS约束的下行TDMA多用户pinching天线系统,联合优化天线位置、功率与时间分配以最大化能效,通过分解迭代的半解析方法求解非凸问题,仿真验证其能效优于固定天线及基准方案。
2025-05-20 cs.IT eess.SP math.IT
5G Campus Network Factory Floor Measurements with Varying Channel and QoS Flow Priorities
本文基于3GPP release-16商用设备测量室内工厂车间5G校园网,分析覆盖、吞吐量及不同信道、QoS优先级和负载下的端到端时延,证明配置QoS参数可保障特定流性能。
2023-06-06 eess.SP
Non-Orthogonal Multiple Access For Near-Field Communications
本文提出近场非正交多址接入(NF-NOMA)通信概念,利用近场波束聚焦在角度和距离域实现NOMA,设计了SLB-NF-NOMA和MLB-NF-NOMA两种框架的混合波束成形与功率分配方案,数值结果表明其频谱效率和灵活性优于传统远场NOMA。
2023-05-19 cs.IT eess.SP math.IT
Joint Sub-carrier and Power Allocation for Efficient Communication of Cellular UAVs
蜂窝网络有望成为支持无人机(UAV)不断扩展的应用的主要通信基础设施。由于这些网络部署为地面用户设备(UES),需要解决的几个问题,以提高蜂窝无人机的services.In本文中,我们提出了一个现实的通信模型的下行链路,我们表明,服务质量(QoS)的用户受到干扰BS的数量和它们所造成的影响。因此,解决了子载波和功率分配的联合问题。鉴于其复杂性,这是已知的NP-难,我们引入了一个基于博弈论的解决方案。首先,我们认为,在分配的子载波方面的UAV和UE之间的分离减少了对用户的干扰影响。这是通过匹配游戏实现的。此外,为了提高分区,我们提出了一个联盟的游戏,认为第一个的结果,使用户能够改变他们的联盟,提高他们的QoS。此外,功率优化的解决方案,这是考虑在两个游戏。进行了性能评估,所得到的结果证明了命题的有效性。
2022-01-03 cs.NI eess.SP
Joint Uplink and Downlink Resource Allocation Towards Energy-efficient Transmission for URLLC
本文针对URLLC在有限发射功率下的传输难题,提出结合跳频与主动丢弃的节能数据包交付机制,并通过联合优化上下行资源分配最小化平均总功率。
2023-05-25 eess.SP
Power-Aperture Resource Allocation for a MPAR with Communications Capabilities
针对带通信能力的多功能相控阵雷达,提出基于效用函数和优先级权重的功率-孔径资源分配优化方法,可同时满足搜索与通信任务的QoS需求,经仿真验证有效。
2023-10-19 eess.SP
Optimizing Energy Efficiency with RSMA: Balancing Low and High QoS Requirements
本文研究 RSMA 辅助下行链路系统中能效与 QoS 的权衡,提出基于归一化信道相似性度量的用户分组与私有消息移除(PMR)调度方法,实现约 10% 的网络能效峰值提升。
2024-10-15 eess.SP
QoS based resource management for concurrent operation using MCTS
本文针对现代AESA技术带来的并发多任务复杂性,提出了一种基于QoS资源分配与MCTS的资源管理框架,实现了最优系统使用与深入决策,并在复杂场景中完成实验验证。
2025-02-17 cs.SY eess.SP eess.SY
Joint Optimization of Resource Allocation and Trajectory Control for Mobile Group Users in Fixed-Wing UAV-Enabled Wireless Network
固定翼无人机(UAV)具有控制灵活性和成本效益,有望成为空地一体化网络中的飞行基站。通过利用无人机的移动性,可以在具有挑战性的场景下甚至在没有通信基础设施的地方为移动组用户(MGU)提供可控覆盖。然而,在这种无人机和MGU都在移动的双移动场景中,固定翼无人机的非悬停特性和MGU的移动都将加剧用户调度的动态变化,这最终导致MGU的服务质量(QoS)下降。在本文中,我们提出了一个固定翼无人机使能的无线网络架构,为MGU提供移动覆盖。为了实现MGU之间的公平性,我们最大化所有用户之间的最小平均吞吐量,通过联合优化的用户调度,资源分配,无人机轨迹控制的约束下,用户的QoS要求,通信资源和无人机轨迹切换。考虑到优化问题是混合整数非凸的,我们将其分解为三个优化子问题。提出了一种有效的算法,交替求解这三个子问题,直到实现收敛。仿真结果表明,该算法可以显着提高最低平均吞吐量的MGU。
2022-09-28 eess.SP
Mixed Quality of Service in Cell-Free Massive MIMO
无小区大规模多输入多输出(MIMO)技术是第五代无线通信网络的潜在关键技术。研究了无小区大规模多输入多输出(MIMO)系统上行链路的混合服务质量(QoS)问题,其中非实时用户的最小速率在每用户功率约束下最大化,而实时用户(RTU)的速率满足其目标速率。首先,基于可用信道统计导出近似的上行链路用户速率。接下来,原来的混合QoS问题,制定在接收机滤波器系数和用户功率分配,可以迭代地解决通过两个子问题,即,接收机滤波器系数的设计和功率分配,这是处理使用广义特征值问题和几何规划,分别。数值结果表明,与一个简单的基准计划相比,提出的计划,而RTU的速率满足QoS约束,$90\%$可能的吞吐量显着提高。
2018-06-19 cs.IT eess.SP math.IT
Adaptive Digital Twin and Communication-Efficient Federated Learning Network Slicing for 5G-enabled Internet of Things
School of Computer Science and Engineering, University of Electronic Science and Technology of China(电子科技大学计算机科学与工程学院);School of Electro-optical Engineering, Chongqing University of Posts and Telecommunications(重庆邮电大学光电工程学院);Technische University(工业大学)
针对5G物联网,提出结合图注意力数字孪生与联邦深度强化学习的网络切片方法,提升需求预测精度并降低通信开销。
2024-06-22 cs.AI cs.NI eess.SP
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