基于多目标功率控制的无线网络串行干扰优化

来源 :安徽大学 | 被引量 : 0次 | 上传用户:SK_flyfox
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
面对大幅度提高5G频谱效率的要求,一种新的多址接入技术被提出,即非正交多址接入(NOMA,Non Othogonal Multiple Access)。在3G时代使用的码分多址(CDMA,Code Division Multiple Access)技术中,多个用户共享一个信道资源,用户的地址码具有一定的相关性,这就导致解码时,用户之间相互干扰。而在正交多址(OMA,Othogonal Multiple Access)中,将一个信道分割成多个子信道,例如根据频率分割或时间对信道资源进行分割,每一个子信道只可以分配给一个用户。NOMA技术综合了以上两种技术,即将信道资源分割成多个子信道资源,但每个子信道资源可以分配给多个用户。虽然将正交频分复用(OFDM,Orthogonal Frequency Division Multiplexin)技术的思想应用到NOMA中,保证子信道之间相互正交从而消除子信道之间的相互干扰,但同一子信道仍然被多个用户共享,因此用户之间仍然会产生干扰问题,这些干扰就是多址干扰(MAI)。多址干扰不仅会大幅度降低无线网络系统的性能,还会制约系统所能容纳的用户数量。将串行干扰消除算法(SIC,Successive Interference Cancellation)应用到基站的接收端,就可以有效地降低多址干扰。SIC算法通过迭代的方法求解接收到的多通道混合信号,混合信号包含多个发射节点的信号和噪声,在每一次的迭代过程中,首先将功率最大的信号从包混合信号中消除,然后在剩余的混合信号中再选择最强的信号消除,以这种方式循环探测再消除信号,直到信号的信噪比小于或等于设定的阈值,算法即结束。在无线通信系统频谱资源有限的情况下,该方法可以有效地提高的系统每个节点的网络吞吐量和系统的容量。实现串行干扰消除算法有一个前提,每个移动终端到达基站的信号强度要满足合适的比例范围,即需要控制每个移动终端的发射功率。在使用SIC的无线网络通信系统中,通过调整移动节点的发射功率可以提高网络吞吐量,然而在实际应用中,追求网络吞吐量同的时还应考虑节约系统能耗。本文针对多移动端单基站无线网系统的上行传输,以提高网络吞吐量同时尽可能的节约能耗为目标,采用非合作博弈论算法和多目标遗传算法来优化调整系统中移动终端节点的发射功率,通过仿真实验得出,本文提出的两种串行干扰消除功率控制方法在大幅度提高网络吞吐量的同时还可以减少系统功耗,并根据决策者使用无线网络系统的需求不同,提供相应符合的最优解决方案。本文的主要工作如下:(1)提出了基于非合作博弈论功率控制的串行干扰消除方法,使用非合作博弈的方法来解决优化调整移动节点的发射功率。通过多目标技术中线性加权的方法,以提高信号在基站的信噪比和降低系统功耗为目标建立多目标功率控制模型,将功率控制问题转化为无线节点间的非合作博弈过程。在此基础上设计效用函数,通过调整每个节点的发射功率,使得每个节点都可以获得最大效用。当达到纳什均衡点时,每个节点单独增加传输功率并不能获得更大的效用。仿真分析表明,该算法可以有效提高网络系统中节点吞吐量,并降低系统的总能耗。(2)提出了串行干扰消除基于多目标遗传算法的功率控制。在保证实现SIC算法的前提下,推导出了各节点的最小发射功率公式和多个目标的优化模型。针对多目标模型,对一般NSGA-II进行改进,设计的种群分布性维持策略和不等式约束优化策略,可以提升算法的全局搜索能力,并求得该问题的Pareto最优可行解集。通过实验分析了种群的规模、算法的最大迭代次数对本算法的影响。在相同条件下比较NSGA-II算法改进前后对本问题的影响,同时将改进后的NSGA-II算法与PESA-II算法和MOPSO算法比较,实验结果验证了本文算法的优越性。
其他文献
在面对恶劣环境时,单导航系统性能表现不佳,定位精度有限。随着卫星导航系统的发展与完善,相比单一导航系统,组合导航系统以其可以提供更多的可见卫星和提高定位精度受到更多的关注。同时,北斗三号系统的最新建成为组合导航系统的发展提供新动力。然而在组合系统选星场景下,冗余卫星信号的增加却加大了卫星选择的时间和计算成本。因此,本文为改善选星问题,提出基于差分进化的选星算法,利用差分进化的快速搜索能力达到快速选
现实生活中存在着各式各样的文本(印刷体或是手写体),比如书籍、支票、广告牌、考试卷,而如何自动地识别图像中的文本具有很大的应用价值和研究价值。图像中的文本信息对于其他计算机视觉任务,如图片检索、无人驾驶、场景理解、即时翻译等有着很大的帮助。因此,自然场景中的文本检测和识别引起了学术界和工业界大量关注。越来越多的纸质文档通过拍照成像进行识别,且很多文档中手写和印刷体文本混合。因此,本论文除了研究场景
行人重识别任务主要是给定一张行人图像,在一个大型的图片库中去匹配到该行人的另一张图像。近些年来不断涌出的基于深度网络的行人重识别算法在很多大型数据集上都持续刷新记录。由于现实情况下可能会存在各种遮挡物体,很多用于解决行人重识别任务的模型并不能很好地适用于存在很多遮挡的数据。因此,本文研究了在遮挡情况下的行人重识别,根据对遮挡数据的不同处理,将分为局部行人重识别和遮挡行人重识别两个子任务分别去研究。
近年来,随着移动通信技术快速发展,圆极化天线以其独有的特性被广泛用于各种各样的无线通信系统中。天线作为通信系统的不可缺少的一环,对其性能的要求也越来越高,如要求天线要具有尺寸小,宽频带,高增益,方向图良好,低成本等特性。在一些空间有限的无线通信设备中,也通常需要天线具有低剖面的结构特性,但同时具备宽带和低剖面的特性还有待研究。因此,本文主要对宽频带和低剖面这两个特性设计了三种圆极化天线,主要内容为
大规模多输入多输出(Massive Multiple Input Multiple Output,Massive MIMO)技术作为第五代移动通信系统的关键技术之一,相对于传统MIMO技术来说,增加了更多的天线数量,在系统容量、频谱效率、数据传输速率和传输可靠性等方面显著提升了系统性能。但是随着基站天线数和用户数的增加,Massive MIMO信号检测过程的计算复杂度较高,难以实现,是研究的难点问
随着大数据时代的到来,人们对自动驾驶、计算机视觉、语音识别等数据密集型应用越加的重视。现如今,几乎所有先进的计算平台都是基于著名的冯·诺依曼架构,由于其计算和数据存储分开的特性,在处理数据时需要在计算模块和存储模块之间进行频繁的数据传输,从而造成了“内存墙”的问题。为了解决“内存墙”的问题,很多学者提出了“存算一体化”的概念,即将部分计算模式嵌入到内存中,从而减少处理器和存储模块之间的数据传输。静
随着数据分析技术的迅速发展和智能终端设备的广泛应用,数据聚合成为各个领域中的一项重要技术。在面向边缘计算的数据聚合中,边缘服务器收集和聚合来自终端设备的感知数据,以提供智能计算和实时控制等服务,并且将聚合结果上传给云服务器,从而执行全局的数据分析。考虑到感知数据可能涉及终端用户的隐私信息,面向边缘计算的隐私保护数据聚合方案被相继提出。隐私保护原始数据聚合支持服务器收集原始感知数据,从而可以计算任意
检索任务一直都是学术界和工业界关注的热点,最初的工作主要集中在单模态检索上,例如用图像检索与之相似的图像。但是现如今互联网的发展速度非常快,人们频繁地使用手机中的各类软件,生产出大规模的多模态数据,例如图片,文字,视频和语音等等,以往的单模态检索技术面对人们多样化的检索需求开始变的逐渐乏力,例如人们想要通过一幅图像搜索出与之相关的视频片段或者文本描述。因此为了更好地满足人们的需求,同时更好地利用这
车辆在行驶过程中会发送包含位置的消息从而达成以下目的:告知周边车辆自己的实时位置,减少交通事故的发生;向基于位置服务的服务器请求新闻资讯、社交、娱乐等网络服务,改善驾驶体验。而由于车联网具有大规模的网络结构和开放的无线信道,车辆位置隐私信息每时每刻都暴露在网络中,如果这些隐私信息不能得到保护,用户的隐私将会泄露。传统的位置隐私保护方案提出使用假名来保护车辆的位置隐私,然而简单地假名更换并不能满足车
全息视频显示的核心器件是空间光调制器(Spatial Light Modulator,SLM),现有的SLM设计都是基于经典的光学原理,无法满足全息视频显示所需的大空间带宽积及大视场角等需求,因此我们需要借助最新发展的等离激元学和微纳技术来解决全息视频显示所面临的核心问题。但目前的微纳光场调控器件大多集中在无源,而有源微纳SLM器件的研究及技术开发仍然面临很大的挑战。区别于现有的利用光程差原理的硅