英语原文共 4 页，剩余内容已隐藏，支付完成后下载完整资料

---

一个用于多用户的多中继DF认知无线网络的最佳资源匹配方法

Bo Chen, Student Member, IEEE, Ming Lei, Member, IEEE, Minjian Zhao, Member, IEEE

摘要—这篇文章考察了对于多用户的多中继解码转发（DF）认知无线电网络资源优化问题。这种新兴的优化指标，即带宽功率产物（BPP），被运用于实现最佳的频谱共享。这个被制定的问题被发现就是一个混合整数规划问题。因此，一个被称为联合优化继电匹配和贪婪的资源分配算法被提出，其具有低复杂度、次优化、易处理的特点。这种最佳中继选择首先通过在数学期望方面采取匈牙利方法来求解相等最大赋权的匹配（MWBM）问题来调整，然后采用基于贪婪聚类方法进行资源分配，以尽量减少整体BPP。仿真结果表明，该算法JRMRA达到了预期的表现，可以极大减少计算复杂度，且相比传统的频谱共享使用注水方法的方案可以稳固所提出方案的优越性。

关键词：宽功耗产品，最佳频谱共享，多用户多中继，解码转发，认知无线电。

I. 介绍

认知无线电（CR）一直被认为是一种通过动态的方式来解决频谱短缺频谱接入的前景良好的技术，它被归类于衬底频谱共享和覆盖频谱共享[1]。由此同时，协作通信由于其打击小尺度衰落的潜力，延长网络覆盖和增加信道容量的能力，其已经吸引了外界的高度重视[2]。中继策略已被归类为解码转发（DF），压缩转发（CF）和放大转发（AF）。

针对单一来源目的地（S-D）、单辅助继电器CR网络的资源分配问题已经被全面分析[3]。在文献中，中继选择是一个的协同通信技术，该技术已被广泛调查。在[4], [5]中，作者们研究了用于单S-D双多中继辅助方法正交频分复用（OFDM）CR网络的资源分配方法。要注意，由于不同的S-D双可以选择同一个继电器这个事实，对于单用户的网络来说，中继选择方案不能直接扩展到多用户网络。

Bo.chen，信息科学与电子工程，浙江大学，中国杭州（310027），电子邮件：3070902061chenbo@zju.edu.cn。

这项工作得到了在格兰特号91538103名义下的中国国家自然科学基金的资助和中国第五代移动通信在格兰特号2012AA01A507计划（863项目），和2014AA01A707计划。

最佳继电分配可以通过详尽的搜索来实现，S-D对和继电器的数量增加使得计算复杂度呈指数增长趋势。因此，一个用于多用户多中继的低复杂度的中继选择方案CR网络在这篇论文中得到发展。除了动力和整个系统采用的指标在常规的资源分配问题，产物（BPP）被证明是一个有效的度量的CR系统，以改善在[6]的频谱效率。该工作进一步扩展到多输入多输出（MIMO）OFDM中的CR系统[7]。但是，尽我们的知识所知，很少有作品已经完成，以达到最佳使用BPP用于多用户多中继频谱共享CR系统。

在这篇论文中，我们应用BPP指标和发展用于多用户多中继的最优频谱共用框架DF CR网络与所述正交频分复用接入（OFDMA）方案和底层光谱共享策略。我们的工作与以往有所不同，实质上就是不同于以下关键方面：

·我们采用新兴的优化指标BPP用于多用户多中继资源优化框架CR网络。

·我们提出的联合优化中继匹配和贪婪资源分配（JEMRA）算法来解决相应的问题。最佳中继选择是通过求解相当于最大加权得到的在统计方面的双边匹配（MWBM）的统计期望。同时，我们采用了贪婪为基础聚类方法来执行资源分配。

·我们证明了JRMRA算法的有效性和在频谱效率和计算方面的复杂性。

II. 系统模型

如图1所示，我们考虑了多用户多中继OFDM的CR系统，其中M次级的传输S-D对由安有K个副继电器辅助DF协议（Kge;M）。需要两个阶段来传达每个S-D对的信息。第一阶段是传输从源到选定的中继数据，而在第二阶段，中继转发信号到相应的目的地。这两个阶段将在所有的T造成干扰主要接收器（PRS）。分别定义N和B为可用频道的总数分配和每个信道的带宽。

图1 具有M二级S-D双，采用DF协议的K二次继电器和T主要接收器（PRS）

令表示从节点X的第n个信道增益节点Y，振幅约翰为指数分布，速率参数，表示X与Y之间的距离，且alpha;为路径损耗指数。此外，PNX表示节点X的过度的发送功率第n信道。所有的噪声都被假定为添加剂高斯白噪声具有零均值和方差。

在我们的系统模型，一个中央控制器，用于收集所有所需的信息，采用以确定中继分配和资源分配¹。我们假设直接源节点和目的地节点是间链接，由于严重的路径损耗可以忽略不计。它进一步假设每个中继器能够协助只有一个S-D对。

III. 分析框架

A.问题描述

，第m 个S-D对的传输速率（与之间）通过在第n个的第k中继协助SM和分米渠道，可以使用香农容量公式来评价并且由下式给出[5]。

(1)

然后，将数学优化问题被配制成如下（P1）。

(2)

我们发现我们的工作实践中有意义的描述下，某些场景如下：所有次级S-D对和次级继电器的D2D设备，并且所有的主接收器都是蜂窝用户。需要注意，该D2D设备应该是受到控制，并有义务报告相应信息到BS。然后，我们可以指定BS是中央控制器。BS可以实现所有关于D2D设备提供所需的信息和根据相应的协议的蜂窝用户。基于这些必要的信息，则BS可确定哪些用户被分组共同执行发射功率分配和继电器应该选择如一个电位组用于满足上述用户。

容易得到：

(3)

(4)

(5)

(6)

其中，是对于第m个S-D对传输的速率要求的最低值，表示干扰温度。信道分配索引的是二进制变量，如果第n个信道是分配给第m个S-D对和是零它的值就为1，否则为0。同样继电器分配索引是也是一个二进制变量，如果第k个中继被分配给第m个S-D对和是零它的值就为1，否则为0。

在P1的问题，我们尽量减少消耗由BPP表示资源（等式（2））[6]，而所有的S-D对的速率要求被满足（方程（3）），并介绍给所有减贫战略的干扰有限在两相（方程（4））。此外，方程（5）装置，每个信道可以被分配给仅一个S-D对最多。同时，每个S-D对需要一个继电器，每个继电器能够在最（公式协助只有一个S-D对（方程6））。

B.JPMRA算法

注意，该问题P1是关于、混合整数规划。因此，一个次优算法（该JRMRA）低复杂这里提出。我们首先通过求解调节最佳中继选择相当于MWBM问题在匈牙利方法统计期望的条款。那么资源（发送功率和信道）分配被执行，以尽量减少总体BPP用贪婪的聚类方法。

1) 最佳继电器分配：从这个角度的长期统计意义，通过忽略信道分配和干扰功率的限制，中继分配问题被简化为（P2）。

(7)

(8)

(9)

注意，该约束（9）表示的一对一匹配关系，这使我们能够改造问题转化为图论中一个MWBM问题[8]。相应的加权二分图可以被构造为如图2.表示作为权重矩阵，其元素装置的重量，如果第m个S-D对选择第k个中继并且将在下面确定。

图2 构建的加权二分图

如果满足公式，则最优功率分配可以实现，E[]表示统计期望和假设的平等速率要求（c）在所有的S-D对。然后我们可以得到：

(10)

因此，

(11)

其中，常数因子在最后步骤中除去。 一旦权重矩阵构造，最优中继分配可以通过应用匈牙利算法来实现。至于计算复杂性，它是量级的穷举搜索方法,然而，在我们提供的方法，该构造的权重矩阵的复杂性为O（MK），而使用解决MWBM问题的匈牙利算法是O（K3）。因此，所提供的方法具有复杂度O（MK K3），这大大降低了计算复杂度。

2) 贪婪资源分配：一旦最佳继电器分配对象x？是确定的，原来的问题可以简化为（P3）。

(12)

容易得出，

(13)

(14)

(15)

其中表示用于第m个S-D对的中继，使得资源分配问题变为混合整数规划问题，因此，最佳的解决方案只能是通过穷举搜索方法来实现。这里，通过采用贪婪的聚类法，次优的解决方案是实现。我们定义作为第m设置的信道资源S-D对，其中,那么，对于给定的点，第m个S-D对的功率优化问题可以表示为（P4）。

(16)

(17)

因此，

(18)

现在解决P3的核心是确定一个，记作为度量值矩阵，其元素装置度量值，如果第n个信道被分配给第m个S-D双鉴于目前的。定义一个二元变量作为第m个S-D对的资源状态的索引。 它是等于一个，如果最小速率要求为满足给定的，并且是1，否则为0。然后，如果新的信道n被加入到当前，所有可能的变化列在下面：

Case1： if ,and if ;

Case2： if ,and if ;

Case3: if ,and if ;

为了解决P3，所有的首先被初始化为空集，并会适当地履行有序根据贪婪的聚类加入通道方法。对于每次迭代，则被更新，并且最优信道和S-D对匹配被选择（最小量度值），然后将选定的信道被加入到相应的S-D对和的信道资源集迭代下去。最后，迭代终止，如果总BPP不能减小进一步（所有元素是正）。注意，更新指示该优先选择最优匹配case1gt;case2gt;case3。

至于计算复杂性，它是为了对穷举搜索方法。然而，在我们提供的方法，将更新的复杂度赋值为O（MN），而在迭代过程的最大数目为N.因此，在开发方法具有的复杂性O（MN2），这大大降低了计算复杂性。

IV.数值结果

这里，我们列出几个数值结果来验证性能所提出的JRMRA算法相比离散粒子群优化（DPSO）算法[10]与传统的注水（TWF）算法[11]。注意，在这里该DPSO算法提供上部约束。在TWF中，最优中继分配也被施加并且所有通道都平等地分配给所有的S-D双资源分配过程，所有的结果被平均从1000独立Monte Carlo模拟。我们设置M = 4;K = 6;T = 3; alpha; = 4;N = 32, B = 10kHz;。源节点和收受之间的距离PRS（），以及中继节点和收受之间的距离的遵循公式,其中rand[X,Y]表示x和y之间的随机数。

图3 调查了BPP和吞吐量阈值之间的关系。源节点和收受之间的距离PRS（），以及中继节点和收受之间的距离的遵循公式。我们可以看到，BPP正比于遍布阈值c，成反比到第个。此外，不难观察对于任何给定的情况下该JRMRA算法的性能非常接近。同时，模拟流程表明，DPSO的CPU时间花费已经相当于该算法的五十倍。然后我们就可以得出这样的结论:提出JRMRA算法实现以极大的减少计算的可接受的性能复杂度，最后，对于任何给定的情况下JRMRA算法提供了比TWF算法更好的性能。

图4显示出BPP和距离参数DP之间的关系。该JRMRA算法相比DPSO算法的复杂性几乎以极大的减少相同的性能计算。同时，相比于TWF算法，JRMRA算法可以进一步提高频谱效率。

V.结论

在这篇文章中，关于多用户的多中继CR网络BPP度量的资源优化问题得到了研究。我们提出JRMRA算法，其实现了以极大的降低了计算复杂度的可接受的性能，相比于TWF算法频谱效率得到了提高。

图3 消耗资源BPP与阈值c的关系

图4 消耗资源BPP与距离参数的关系

参考文献

[1] S

剩余内容已隐藏，支付完成后下载完整资料

---

资料编号：[31719]，资料为PDF文档或Word文档，PDF文档可免费转换为Word