Deep Reinforcement Learning for Joint Spectrum and Power Allocation in Cellular Networks
Northwestern University（西北大学）
无线网络运营商通常将其拥有的无线电频谱划分为多个子带。在蜂窝网络中，这些子带然后在许多小区中被重用。为了减轻同信道干扰，联合频谱和功率分配问题通常被公式化以最大化和速率目标。用于解决这种问题的最佳已知算法通常需要瞬时全局信道状态信息和集中式优化器。事实上，这些算法在实践中还没有在具有时变子带的大型网络中实现。深度强化学习算法是解决复杂资源管理问题的有前途的工具。这里的一个主要挑战是频谱分配涉及离散子带选择，而功率分配涉及连续变量。在本文中，提出了一个学习框架，以优化离散和连续的决策变量。具体来说，两个独立的深度强化学习算法被设计为同时执行和训练，以最大化联合目标。仿真结果表明，该方案优于最先进的分数规划算法和以前的解决方案基于深度强化学习。
2020-12-19 cs.IT cs.LG eess.SP
Deep Reinforcement Learning Based Mode Selection and Resource Allocation for Cellular V2X Communications
蜂窝车联网（V2X）通信对于支持未来各种车辆应用至关重要。然而，对于安全关键型应用，不稳定的车辆到车辆（V2V）链路和集中式资源分配方法的高信令开销成为瓶颈。本文研究了蜂窝V2X通信中传输模式选择和资源分配的联合优化问题。特别是，该问题被公式化为马尔可夫决策过程，并提出了一种基于深度强化学习（DRL）的分散算法，以最大限度地提高车辆到基础设施用户的总容量，同时满足V2V对的延迟和可靠性要求。此外，考虑到局部DRL模型的训练局限性，提出了一种两时标的联邦DRL算法，以帮助获得鲁棒的模型。其中，基于图论的车辆聚类算法在大时间尺度上执行，而联邦学习算法在小时间尺度上进行。仿真结果表明，该算法的性能优于其他分散基线算法，验证了双时标联邦DRL算法在新激活V2V对中的优越性。
2020-02-13 cs.NI eess.SP
Ruin Theory for Energy-Efficient Resource Allocation in UAV-assisted Cellular Networks
无人机（UAV）可以为提高地面无线蜂窝网络的覆盖范围、容量和整体性能提供有效的解决方案。特别是，无人机辅助蜂窝网络可以满足第五代新无线电（5G NR）应用的严格性能要求。本文研究了在5G NR应用的可靠性和时延约束下，无人机辅助蜂窝网络的节能资源分配问题。破产理论的框架，允许太阳能无人机捕捉收获和消耗的能量的动态。首先建立了无人机剩余功率模型，然后利用剩余功率计算无人机的破产概率。破产概率表示无人机能量耗尽的脆弱性。接下来，破产的概率是用于有效的用户关联与每个无人机。然后，使用注水方法执行5G NR应用的功率分配以最大化可实现的网络速率。仿真结果表明，与基于信干噪比的方案相比，该方案可使无人机飞行持续时间提高61%，服务用户数提高58%.
2020-06-01 cs.NI eess.SP
Rate-Splitting Multiple Access for Multigroup Multicast Cellular and Satellite Communications: PHY Layer Design and Link-Level Simulations
速率分裂多址（RSMA）是一种基于发射端线性预编码的速率分裂（RS）和接收端连续干扰消除（SIC）的多址接入技术，它是下行链路多用户多天线系统中一种强大而灵活的多址接入策略。通过消息分割以及公共和私有消息的传输，RSMA已被证明是一种鲁棒的干扰管理策略，其能够部分地解码干扰并部分地将干扰视为噪声。在这项工作中，我们考虑应用RSMA在多组多播的情况下，其中每个消息是打算一组用户。通过利用最新的基于RSMA的多组多播波束成形的最大最小公平（MMF）优化问题的结果，在发射机处具有不完美信道状态信息（CSIT），我们研究了物理（PHY）层的设计，包括有限长度极化编码、有限字母表调制、自适应调制和编码（AMC）算法和SIC接收机，链路级仿真（LLS）结果验证了在蜂窝系统和多波束卫星系统中，基于RSMA的多组组播传输策略相对于基于空分多址（SDMA）的多组组播传输策略的优越性。
2021-04-01 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 Frame Design and Resource Allocation for Ultra-Reliable and Low-Latency Vehicular Networks
第五代移动通信系统的迅速发展，加速了车对车通信的实现。与其他类型的车辆通信相比，车辆到车辆（V2V）通信主要集中在与相邻车辆交换驾驶安全信息，这需要超可靠和低延迟通信（URLLC）。然而，由于严格的延迟要求，帧大小在V2V URLLC中显著缩短，因此从大小的角度来看，与有效载荷信息相比，开销不再可以忽略不计。在本文中，我们研究的帧设计和资源分配的城市V2V URLLC系统中，上行链路的蜂窝资源重用在GPRS模式。具体来说，我们首先分析了V2V对和蜂窝用户的性能的下限基于常规导频方案和叠加导频方案。在此基础上，提出了一种帧设计算法和一种半持久调度算法，以合理的复杂度实现最优的帧设计和资源分配。仿真结果表明，所提出的帧设计和资源分配方案能够很好地满足V2V对的URLLC要求，保证蜂窝用户的通信质量。
2020-02-18 cs.IT eess.SP math.IT
Deep-Reinforcement-Learning-Based Scheduling with Contiguous Resource Allocation for Next-Generation Cellular Systems
Intel Corporation（英特尔公司）；Princeton University（普林斯顿大学）
调度在多用户无线通信中起着关键的作用，因为各个用户的服务质量很大程度上取决于分配的无线电资源。提出了一种基于深度强化学习（DRL）的连续频域资源分配调度算法。调度问题被建模为马尔可夫决策过程，并且DRL代理确定在每个RB分配步骤应该调度哪个用户以及该用户的多少个连续RB。状态空间、动作空间和奖励函数经过精心设计，用于训练DRL网络。更具体地说，原来的准连续的动作空间，这是固有的连续的FERMARY，被细化成一个有限的和离散的动作空间，以获得推理延迟和系统性能之间的权衡。仿真结果表明，该算法在具有较低的在线计算复杂性的同时，性能优于其他典型的基线调度算法。
2020-11-26 cs.LG cs.NI eess.SP
Resource Allocation for Green Probabilistic Semantic Communication with Rate Splitting
本文研究基于速率分割多址接入的概率语义通信系统能量高效资源分配问题，引入语义压缩比衡量计算开销，在传统与语义约束下最大化能量效率。
2024-03-31 cs.IT eess.SP math.IT
Autonomous Power Allocation based on Distributed Deep Learning for Device-to-Device Communication Underlaying Cellular Network
Hanyang University（汉阳大学）
对于支持物联网（IoT）的5G系统的设备到设备（D2 D）通信，考虑到以集中方式在不同链路之间的复杂干扰，存在对分配资源的限制。如果D2 D链路由增强型节点基站（eNB）控制，并且因此保持eNB上的负担，并且其导致延迟的延迟。本文提出了一种使用深度学习的用于蜂窝网络下的IoT-D2 D通信的完全自主功率分配方法。在所提出的方案中，IoT-D2 D发送器独立于eNB和其他IoT-D2 D设备来决定发送功率。此外，功率集可以通过分布式方式的深度学习进行近似优化，以实现更高的小区吞吐量。我们提出了一种分布式深度学习架构，其中设备作为一个组进行训练，但独立运行。深度学习可以获得接近最佳的小区吞吐量，同时抑制对eNB的干扰。
2020-06-08 cs.LG eess.SP
Underlaid FD D2D Communications in Massive MIMO Systems via Joint Beamforming and Power Allocation
本文研究了将基础全双工（FD）设备到设备（D2D）通信并入大规模多输入多输出（MIMO）下行链路系统的益处。由于蜂窝下行链路和FD D2D传输的性质，蜂窝和D2D服务的性能由于基站（BS）和D2D收发器引起的高干扰而严重受损。因此，将大量D2D链路集成到现有蜂窝网络中可能会降低系统性能。为了克服这一挑战，利用大型均匀线性阵列（UWB）配备在BS，我们提出了一个联合波束成形和功率分配设计的平均和速率最大化，同时考虑干扰的影响，蜂窝和D2D传输。问题的制定导致一个非凸向量变量优化问题，我们开发了一个有效的解决方案，使用分数规划（FP）为基础的方法。数值结果表明，在足够高的自干扰消除（SIC）水平和活动D2 D链路数量下，与不存在D2 D的半双工（HD）对应系统和纯蜂窝系统相比，FD D2 D传输提供了显着的总速率改进。
2020-11-10 eess.SP
How to Split UL/DL Antennas in Full-Duplex Cellular Networks
为了进一步提高全双工通信的潜力，网络可以在基站或用户设备处采用多个天线。为此，采用当前无线电的网络通常通过波束成形技术来处理自干扰和多用户干扰。虽然以前的作品研究波束成形设计，以提高频谱效率，如何分裂的天线在基站的上行链路和下行链路之间的全双工网络的基本问题还没有严格调查。本文解决了这个问题，把天线分裂作为一个二元非线性优化问题，以最小化接收到的数据符号的总和均方误差。结果表明，这是一个NP难问题。这个组合问题处理的等效配方，迭代凸逼近，和一个二元松弛。所提出的算法是保证收敛到一个平稳的解决方案的放松问题，比穷举搜索的复杂性小得多。数值结果表明，所提出的解决方案是接近最佳的高和低自干扰能力的情况下，而通常假设的天线分裂是远离最佳的。对于大量的天线，一个简单的天线分裂是接近所提出的解决方案。这揭示了天线分裂的重要性与天线的数量成反比。
2018-05-23 cs.IT cs.NI eess.SP
Full-Duplex ISAC-Enabled D2D Underlaid Cellular Networks: Joint Transceiver Beamforming and Power Allocation
研究全双工ISAC的D2D底层蜂窝网络，提出联合波束成形与功率分配方案，通过SCA迭代算法解决非凸和速率最大化问题，有效提升了通信与感知性能。
2024-08-22 eess.SP
Power Allocation for Fingerprint-Based PHY-Layer Authentication with mmWave UAV Networks
物理层安全（PLS）技术可以帮助保护无线网络免受窃听者攻击。在本文中，我们考虑使用指纹嵌入来保护5G蜂窝网络的身份验证技术，无人机（UAV）系统来自窃听者和入侵者。由于毫米波（mmWave）蜂窝网络使用窄且定向的波束，因此PLS可以进一步利用3D空间维度来改进UAV用户的认证。考虑到多用户毫米波蜂窝网络，我们提出了一种功率分配技术，该技术联合考虑到预编码器和认证标签之间的发射功率的分裂，该分裂管理保密性和可实现的速率。我们的结果表明，我们可以获得最佳的可达速率与期望的保密性。
2020-11-02 eess.SP
Cellular UAV-to-X Communications: Design and Optimization for Multi-UAV Networks
在本文中，我们考虑了一个单小区蜂窝网络与一些蜂窝用户（CU）和无人机（UAV），其中多个无人机上传他们收集的数据到基站（BS）。考虑两种传输模式来支持多UAV通信，即，无人机对基础设施（U2 I）和无人机对无人机（U2 U）通信。具体地，对于U2 I链路具有高信噪比（SNR）的UAV通过U2 I通信将其收集的数据直接上传到BS，而对于U2 I链路具有低SNR的UAV可以为了服务质量而通过底层U2 U通信将数据发送到附近的UAV。我们首先提出了一个合作的无人机感测和发送协议，使无人机到X的通信，然后制定子信道分配和无人机速度优化问题，以最大限度地提高上行链路的和速率。为了有效地解决这个NP难问题，我们将其分解为三个子问题：U2 I和蜂窝用户（CU）子信道分配，U2 U子信道分配和无人机速度优化。提出了一种迭代的子信道分配和速率优化算法（ISASOA）来联合求解这些子问题。仿真结果表明，与贪婪算法相比，ISASOA算法可以多上传10%的数据.
2018-08-28 eess.SP
Smart Resource Allocation at mmWave/THz Frequencies with Cooperative Rate-Splitting
本文提出iDeCRS框架及ECO和EDT算法，在毫米波/太赫兹多用户下行链路中通过协作速率分割和跨时间块传输最小化能耗，仿真验证了其有效性。
2024-03-19 cs.IT eess.SP math.IT
Federated Learning for Distributed Energy-Efficient Resource Allocation
针对蜂窝网络集中式资源分配的计算复杂和开销高问题，提出联邦强化学习框架FRL_suc，实现分布式功率与信道分配，提升能量效率并增强鲁棒性。
2022-08-17 eess.SP
Auction Based Approach For Resource Allocation In D2D Communication
设备到设备通信已经成为小小区网络的问题。在这里，我们已经实现了一个新的方案，使我们能够提高频谱能力的手机相互通信（对等网络）的下行链路蜂窝网络。以前，频谱能力由反向迭代组合拍卖机制处理，其中蜂窝使用用于对d2 d链路进行投标。我们已经做了一个比较反向迭代组合拍卖（R-ICA）和新的拍卖方法的基础上，对信干噪比和d2 d用户的数量图。
2020-09-07 cs.SY eess.SP eess.SY
Resource Allocation in Laser-based Optical Wireless Cellular Networks
光无线通信提供高速的数据传输，这可以满足将大量设备连接到因特网的日益增长的需求。在本文中，垂直腔面发射（VCSEL）激光器被用作发射器，由于其高调制速度和能量效率。然而，需要大量的VCSEL激光器来确保每个激光源照射受限区域的覆盖范围。因此，多个用户根据其连接性被分类到不同的集合中。考虑到这一点，使用盲干扰对准（BIA）的传输方案被实现以管理基于激光的网络中的干扰。此外，一个优化问题，制定考虑到用户的分类，以最大限度地提高效用和率。为了解决这个问题，提出了一种分散算法，其中主问题被划分为子问题，每个子问题可以独立地解决，避免了复杂性。结果表明，分散算法的最优性，其中提供了一个次优的解决方案。最后，它表明，BIA可以提供高性能的激光为基础的网络相比，迫零（ZF）发送预编码方案。
2021-11-27 eess.SP
Codebook-Based Self-Sustainable RIS: Optimal Splitting Schemes and Power Allocation
本文研究了一种基于代码本的可重构智能表面配置，通过利用能量收集实现自维持操作，提出数学框架分析三种常见能量收集方案的效率，并通过优化分割比和功率分配降低基站发射功率。
2026-03-20 eess.SP
Machine Learning for Resource Management in Cellular and IoT Networks: Potentials, Current Solutions, and Open Challenges
物联网（IoT）是指通过连接到互联网的智能设备形成的大规模异构网络。在具有大量和各种数据的颠覆性物联网之后，机器学习（ML）和深度学习（DL）机制将在为物联网网络带来智能方面发挥关键作用。除其他方面外，ML和DL可以在解决大规模物联网网络中资源管理的挑战方面发挥重要作用。在本文中，我们对蜂窝无线和物联网网络中基于ML和DL的资源管理机制进行了系统而深入的调查。我们从蜂窝物联网和低功耗物联网网络中资源管理的挑战开始，回顾物联网网络的传统资源管理机制，并鼓励在这些网络中使用ML和DL技术进行资源管理。然后，我们对无线物联网网络中现有的基于ML和DL的资源分配技术以及专门为HetNet、MIMO和D2D通信以及NOMA网络设计的技术进行了全面调查。为此，我们还确定了在物联网网络中使用ML和DL进行资源分配和管理的未来研究方向。
2019-07-21 cs.NI eess.SP
Radio resource management for high-speed wireless cellular networks
预计将于2020年部署的第五代（5G）无线蜂窝系统将提供比当前第四代（4G）系统更高的容量和更好的网络性能。具体地，预测在未来几年内将有数百亿个无线设备连接到无线网络，这导致移动数据业务的指数级爆炸。因此，必须提出更先进的无线架构以及激进和创新的接入技术，以满足未来几年移动数据和连接需求的迫切增长。为此，两个重要的无线蜂窝架构，即基于小型小区的密集部署的无线异构网络（HetNet）和云无线电接入网络（C-RAN），已经被学术界和工业界提出并积极研究。除了在增加网络覆盖以及端到端系统吞吐量方面具有很多优势外，这两种新型网络架构还提出了一些新的技术挑战，并为进一步研究开辟了令人兴奋的研究领域。受上述技术挑战的激励，这个博士学位的总体目标。研究是为未来的高速无线蜂窝网络开发有效的无线电资源分配和干扰管理算法。特别是，我们已经开发了各种有效的资源分配算法，用于降低传输功率并增加HetNet和C-RAN的端到端网络吞吐量。此外，大量的数值结果，以获得进一步的见解，并评估我们的资源分配设计的性能。
2018-11-06 eess.SP
Low-Complexity Joint Power Allocation and Trajectory Design for UAV-Enabled Secure Communications with Power Splitting
设计并研究了一种无人机辅助的安全通信系统，该系统在存在窃听者的情况下向地面用户传输合法信息。为了保证安全性，无人机采用了功率分配方法，其发射功率可以分为两部分，分别用于传输机密消息和人工噪声（AN）。我们的目标是最大限度地提高平均保密率，通过联合优化无人机的轨迹，发射功率水平和相应的功率分配比分配到不同的时隙在整个飞行时间，受最大无人机速度约束，总移动能量约束，总发射功率约束，和其他相关的约束。为了有效地解决这个非凸优化问题，我们提出了一个迭代算法，通过混合块坐标下降（BCD）方法，凹凸过程（CCCP）和交替方向乘法器（ADMM）的好处。特别地，我们表明，该算法具有非常低的计算复杂度，其每个更新步骤可以制定在一个接近封闭的形式。仿真结果验证了该算法的有效性。
2020-08-23 eess.SP
Joint Time and Power Allocation for 5G NR Unlicensed Systems
第五代（5G）及以后的网络被设计为有效地利用频谱资源以满足各种服务质量（QoS）要求。WiFi使用的免许可频段主要部署用于室内应用，并不总是被完全占用。蜂窝行业一直致力于实现蜂窝和WiFi共存。特别地，未授权信道频谱（NR-U）中的5G新无线电支持最大信道占用时间（MCOT）持续时间上的上行链路和下行链路传输。在本文中，我们考虑最大限度地提高NR-U的下行链路和上行链路的总吞吐量，通过联合优化的时间和功率分配在MCOT，同时确保公平共存与WiFi。在两个步骤中保证公平性：1）调谐NR-U的接入相关参数以实现比例公平性，以及2）从吞吐量角度将3GPP公平性包括为NR-U吞吐量最大化中的约束。数值分析和仿真表明，与传统部署策略相比，所提出的资源分配算法具有优越的性能。
2021-04-22 eess.SP
Optimization of Rate Allocation and Power Control for Rate Splitting Multiple Access (RSMA)
本文研究了采用下行链路速率分割多址接入（RSMA）的无线网络中的和速率最大化问题。在所考虑的模型中，每个基站（BS）将必须发送给其用户的消息划分为“专用”部分和“公共”部分。这里，公共消息是所有用户想要接收的消息，而私人消息是仅专用于特定用户的消息。RSMA机制使得BS能够调整公共消息和私有消息的划分，以便通过解码并将干扰视为噪声来控制干扰，从而优化用户的数据速率。为了最大化用户的和速率，网络可以确定公共消息的速率分配以满足速率需求，并且调整私有消息的发射功率以减小干扰。这个问题被制定为一个优化问题，其目标是最大化所有用户的总速率。为了解决这个非凸最大化问题，用于发送私人消息到用户的最佳功率首先获得在封闭的形式为一个给定的速率分配和公共消息功率。基于最优的私有消息发送功率，然后在固定的公共消息发送功率下导出最优速率分配。随后，提出了一种一维搜索算法来获得公共消息发送功率的最优解。仿真结果表明，与非正交多址接入（NOMA）和正交频分多址接入（OFDMA）相比，RSMA的数据速率分别提高了15.6%和21.5%.
2019-03-19 eess.SP
Joint Design of Transmit Beamforming, IRS Platform, and Power Splitting SWIPT Receivers for Downlink Cellular Multiuser MISO
在下行链路模式下，考虑了具有智能反射面（IRS）平台的多天线基站（BS）和多个单天线用户。BS经由发射波束成形利用同时无线信息和功率传输（SWIPT）来向所有设备传送信息和功率。每个设备应用功率分割（PS）以将接收到的功率的单独部分专用于信息解码和能量收集。我们制定了一个总的发射功率最小化问题，共同设计的BS波束成形向量，IRS相移，PS比在接收机的最低速率和收获的能量服务质量（QoS）的约束在所有的接收机。首先，我们开发了一个块坐标下降算法，也被称为交替优化，可以减少目标函数的每一次迭代，保证收敛。之后，两个低复杂度的次优算法，依赖于著名的最大比传输和迫零波束形成技术的介绍。当BS天线的数量和/或用户的数量很大，或者信道的相干时间很小时，这些算法是有益的。仿真证实了这样的期望，即通过部署无源IRS，BS功率可以降低$10-20$ dBw，同时保持类似的保证QoS。此外，即使提出的次优算法优于全局最优的SWIPT解决方案，没有IRS的一个适度数量的IRS元素。
2020-07-25 cs.SY eess.SP eess.SY
Energy-Efficient NOMA Multicasting System for 5G Cellular V2X Communications with Imperfect CSI
V2X（Vehicle-to-Everything）是一种现代车辆技术，可改善交通和通信中的传统车辆系统。V2X通信需要高能效和高可靠性的网络，因为大量的车辆连接和高移动性的无线信道。非正交多址接入（NOMA）是5G V2X服务的一种有前途的解决方案，旨在保证高可靠性、服务质量（QoS）配置和大规模连接需求。在V2X中，检查不完美的CSI是至关重要的，因为车辆的高移动性导致更多的信道估计不确定性。与现有文献不同，我们提出了节能路边单元（RSU）辅助NOMA多播系统的5G蜂窝V2X通信，并研究了节能功率分配问题。所提出的系统通过低复杂度的最优功率分配算法下的信道中断概率约束的车辆与不完美的CSI，车辆的QoS约束，和RSU的发射功率限制约束的信息组播。该问题具有信道中断概率约束，是一个非凸概率优化问题。这个问题是有效地解决了概率问题，通过松弛转换成一个非概率问题。
2020-09-08 eess.SP
Optimal Power Allocation in Uplink NOMA with Simultaneous Cache-Enabled D2D Communications
针对NOMA性能提升需求，提出集成上行链路NOMA与基于缓存的D2D通信的蜂窝系统模型，通过推导最优功率分配闭式解最大化系统和速率，仿真显示其性能优于其他NOMA与D2D的组合方案。
2024-12-01 cs.ET eess.SP
Optimizing Multi-User Uplink Cooperative Rate-Splitting Multiple Access: Efficient User Pairing and Resource Allocation
本文针对上行多用户协作速率分割多址接入网络，提出基于半正交用户选择和匹配博弈的用户配对方案，并结合逐次凸逼近进行功率与时隙资源分配，以最大化总速率。
2024-09-03 eess.SP
Channel-Adaptive Robust Resource Allocation for Highly Reliable IRS-Assisted V2X Communications
针对IRS辅助车联网中因多普勒频移导致的CSI不确定性，提出基于3GPP Mode 1架构的通道自适应鲁棒资源分配算法，通过分解问题并交替优化子问题，提升通信可靠性与效率，仿真验证其有效性。
2025-04-16 eess.SP
Deep Learning-based Power Allocation in Rate Splitting Optical Wireless Networks
针对基于速率分割的光无线网络功率分配复杂问题，本文构建数据速率优化模型，并训练 DNN 在线确定公共与私有消息功率，以满足用户需求。
2023-07-17 eess.SP
