OFDM系统资源分配智能算法研究

来源 :南昌航空大学 | 被引量 : 0次 | 上传用户:wanglaow
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
高速率、高带宽、高频谱利用率、提供多种新型业务是未来无线移动通信的主要发展目标。现有的通信网络仍然存在系统容量小、频谱利用率不高和不适合传输高速数据和多媒体业务等缺点,所以在频谱等无线资源和功率有限的前提下,如何稳定可靠地进行高速率数据和多媒体业务传输是一个值得研究的课题。正交频分复用(Orthogonal Frequency Division Multiplexing, OFDM)是一种多载波调制技术,有良好的抗符号间干扰和抗多径干扰能力以及频谱利用率高等优点,被广泛应用于第四代移动通信系统、宽带无线接入系统以及无线城域网。在多用户OFDM系统中,自适应地分配子载波和功率能够充分利用多用户分集和频率分集以降低误比特率和发射功率、提高频带利用率。目前已有一些文献提出了将子载波和功率联合分配的算法,但这种算法的复杂度较高。所以有比例速率约束的速率自适应问题的研究方案大多是采用两步走:子载波分配和功率分配。子载波分配的原则是在维持粗略比例公平的同时使每一个用户尽可能的利用高信噪比的载波;功率分配是目标是在子载波分配基础上严格维持比例公平。比例速率约束分配算法能够同时兼顾用户公平性和系统吞吐量,在一定程度上取得了二者之间的折中,从而使系统的整体性能达到最优。无线资源的紧缺要求OFDM系统能够支持更高的信息速率和更灵活的服务等级需求。智能优化算法是人们借鉴生物界自然选择和进化机制发展起来的高度并行、随机、自适应的全局优化概率搜索算法。因其能够快速高效地解决许多复杂优化问题,受到各领域广泛的关注和应用。其中具有代表性的有蚁群算法和遗传算法等。本文在子载波等功率分配条件下,用蚁群算法解决比例速率约束下多用户OFDM系统子载波分配,算法在最大化多用户OFDM系统总容量的同时又维护了用户之间的比例公平性。蚁群算法的启发搜索机制能够保证频谱效率快速收敛到近似最优解。针对标准遗传算法在解决比例速率约束下多用户OFDM系统的功率分配时出现的收敛速度慢和早成熟收敛问题,本文提出了一种基于多种群遗传策略的功率分配算法,该算法以业务公平指数为适应度值和以最优个体保持代数为算法为终止依据,各个种群使用不同的控制参数,通过移民算子相互联系。仿真结果表明,提出的算法的收敛速度(100代左右)比标准遗传算法的收敛速度(300代左右)快且收敛结果稳定(都基本趋于0),在最大化总容量的同时很好地维持了用户比例速率公平性。
其他文献
随着C网分组域网络的各类数据业务的飞速发展,网络中分组业务流量的日益增大,对网络性能监测和维护的需求也日益增加。分组业务流量的增大也给现有的网络监测技术的实时处理速
传统网络中存在资源利用率低、业务延时明显和负载均衡效果差等问题,认知网络的出现为解决以上问题提供了可能。相比传统网络而言,认知网络具有学习推理和智能决策等特点,通
伴随着信息化时代的快速发展,信息存储量的急剧增加使得网络传输面临很大的挑战,同时,愈来愈多的信息窃取、网络攻击等安全问题迫使人们积极探索信息安全的相关技术。数字图
随着经济发展,人们对物质生活的追求不断提高,尤其是对车辆的需求,因此桥梁在使用过程中的安全隐患也越来越多,同时滑坡、泥石流等灾难性的地质灾害也频频发生。这一系列的安全性
说话人跟踪问题是实现人机交互的一个重要研究课题,针对基于单模态单特征的说话人跟踪算法鲁棒性差,定位精度低的问题,本文研究了一种基于双模态的说话人跟踪方法,充分利用音
GNSS卫星导航系统由早期的军事用途已经扩展到人们的日常生活中,并发挥着越来越重要的作用。GNSS尽管作为最先进的导航系统,有很多其他导航系统无法比拟的优势,但自身也存在一些
随着TD-LTE技术的发展与商用,基于TD-LTE标准的集群通信也成为了研究的热点。随机接入作为TD-LTE集群通信系统的关键技术之一,其性能的优劣影响到整个系统性能的好坏。为了满足
随着移动通信和蜂窝无线定位技术的深入发展与融合,移动终端的广泛普及,人们对于位置感知服务的需求越来越迫切,实现高精度的移动终端定位成为了当前的研究重点。近年来新兴的位
近年来,电力行业市场化程度不断加深,电力信息网络建设得到了高速发展,电力自动化程度也进一步加深,智能电网建设成为了电网发展的必然趋势。随着国民经济的发展,社会总用电量越来
传统网络中的许多路由协议运行的前提是数据的源节点与目的节点之间至少存在一条可靠的通信链路。然而机会网络存在潜在的高消息传递延迟、链路频繁隔断、高链路差错率以及有