1 南京邮电大学通信与信息工程学院通信与网络技术国家工程研究中心, 江苏南京 210023
2 西安空间无线电技术研究所, 陕西西安 710199
跳波束技术作为一种高通量卫星资源分配方法, 能够根据地面业务需求灵活配置星上资源, 提高星上资源利用率。本文将跳波束技术应用到低轨星座场景中, 针对用户业务先验未知和先验已知两种情况, 考虑波束间的共信道干扰, 基于迭代算法和凸优化制定了适用于低轨星座的两种跳波束资源调度策略。与传统策略对比, 能达到更高的系统吞吐量, 同时具有较好的时延性能, 且适应用户业务的不均分布。
低轨星座 跳波束 资源分配 同频干扰 LEO constellation beam-hopping resource allocation co-channel interference 太赫兹科学与电子信息学报
2023, 21(12): 1429
1 中讯邮电咨询设计院有限公司, 郑州 450000
2 北京航空航天大学 机械工程及自动化学院, 北京 100000
设计了一种联合功率与子信道的资源分配算法, 该算法用于正交频分复用(OFDM)的多色可见光通信(VLC)系统。相比于传统的单色光通信, 文章所设计的算法可用于多种可见光, 包括红、绿、蓝等多种可见光的OFDM信号传输。该资源分配算法目的在于最大化可见光传输网络的传输速率, 首先对三种不同的可见光进行子信道的优化分配, 得到该优化值后对其进行功率分配, 以达到最终的目标优化值。仿真结果表明, 相比于固定的资源分配算法, 该算法可以取得更高的传输速率。
可见光通信 资源分配 优化算法 VLC resource allocation optimization algorithm OFDM OFDM
针对综合模块化航电(IMA)架构双层调度中的资源分配问题, 提出一种基于混沌Logistic映射自适应NSGA-Ⅱ算法的双层资源分配方法。首先, 根据IMA架构任务调度及分区调度要求, 同时考虑资源分配均衡性因素, 分别构建分区资源分配模型和节点资源分配模型; 其次, 采用改进NSGA-Ⅱ算法对模型进行优化求解, 引入混沌Logistic映射生成初始种群, 提升初始种群的遍历性, 并采用自适应交叉、变异算子增强算法的搜索性能和收敛速度; 最后, 选取不同规模的算例进行实验, 结果表明, 所提方法能够有效解决IMA架构的资源分配问题, 提升分配效率并优化分配结果。
综合模块化航电 资源分配 混沌映射 自适应算子 改进NSGA-Ⅱ算法 IMA resource allocation chaotic mapping adaptive operator improved NSGA-Ⅱ algorithm
1 华北电力大学 1. 电气与电子工程学院
2 国际教育学院, 河北 保定 071003
为了提高光网络对大规模、差异化电力业务的资源分配能力, 降低大规模业务的算法训练时间, 提出了一种基于多智能体深度确定性策略梯度算法的智能电网光网络资源分配方案。该方案考虑大规模和差异化电力业务, 将智能电网光网络建模成多智能体系统, 以最大化电网公司收益为目标, 建立了智能电网光核心网络切片模型, 进行网络资源分配优化, 并采用条件判断映射, 简化了优化问题。同时, 把不同业务部署到不同智能体中进行运算, 以降低训练时间, 满足网络实时性需求。仿真结果表明, 该算法具有更大的奖励、更低的成本、时延和训练时间。
智能电网 光网络切片 资源分配 多智能体 条件判断映射 smart grid optical network slicing resource allocation multi-agent conditional judgment mapping
国网福建省电力有限公司经济技术研究院， 福州 350000
移动边缘计算(MEC)通过将计算任务卸载到MEC服务器上，在缓解智能移动设备计算负载的同时，可以降低服务时延。然而目前在MEC系统中，关于任务卸载和资源分配仍然存在以下问题: 1)边缘节点间缺乏协作；2)计算任务到达与实际环境中动态变化的特征不匹配；3)协作式任务卸载和资源分配动态联合优化问题。为解决上述问题，文章在协作式MEC架构的基础上，提出了一种基于多智能体的深度确定性策略梯度算法(MADDPG)的任务卸载和资源分配算法，最小化系统中所有用户的长期平均成本。仿真结果表明，该算法可以有效降低系统的时延及能耗。
协作任务卸载 资源分配 多智能体 MEC mobile edge computing cooperative computation offloading resource allocation multiagent deep reinforcement learning
C-V2X是基于蜂窝网络技术演化而来的车联网(IoV)解决方案，是5G网络中的极可靠低时延通信(uRLLC)中重要的一部分，车联网技术的实现对现代交通具有重要意义。本文对近些年来国内外学者在该研究领域取得的成果进行了系统总结：对车联网的定义做了简要说明，并对C-V2X的标准研究进展进行了总结；对LTE-V2X和NR-V2X下的集中式和分布式资源调度方式分别进行了阐述，并对现有研究方法做了分类；最后，对未来研究可能面临的挑战进行了展望。
车联网 C-V2X 方案 资源调度 高可靠低延时 Internet of Vehicles Cellular Vehicle To Everything resource allocation ultra-Reliable and Low Latency Communication 太赫兹科学与电子信息学报
2022, 20(1): 1
1 国网福建省电力有限公司信息通信分公司, 福州 350003
2 福建永福电力设计股份有限公司, 福州 350108
针对宏微协同组网下小区间无线资源管理问题, 文章提出一种大规模多入多出系统下基于微小区分簇的联合传输和动态频谱分配策略, 该策略分两步执行以优化网络加权和速率。首先, 所提算法根据各用户当前的信道状态执行微小区分簇, 以尽可能地降低小区间干扰, 提升系统容量。接着, 宏基站和各微小区簇根据所服务用户当前的业务请求信息分别为其动态分配子载波, 以最大化网络加权和速率, 并提升资源利用率。仿真结果显示, 该文提出的微小区分簇和动态频谱分配策略能在尽可能降低宏微协同组网中用户间干扰的同时, 有效地提升系统吞吐量。
宏微协同组网 小区分簇 无线资源分配 大规模MIMO macro-micro collaborative networking cell clustering wireless resource allocation massive MIMO
认知雷达网系统已被证实在多目标跟踪方面具有显著优势。提出了一种基于后验克拉美罗下界(PCRLB)的带宽与驻留时间联合分配算法。首先分析、构建了带宽、驻留时间与目标跟踪精度的影响关系模型,设计了基于PCRLB的带约束优化目标函数,利用粒子群算法(PSO)实现对驻留时间与带宽的联合分配。仿真结果证明,与平均分配资源相比,所提方法不仅能节约系统的时间和带宽资源,而且改善了雷达的跟踪性能。
认知雷达网 后验克拉美罗下界(PCRLB) 资源分配 多目标跟踪 cognitive radar network Posterior Cramer-Rao Lower Bound (PCRLB) resource allocation multi-target tracking
电子战是当代信息化战争的开端, 战场多时空、多维域的信息掌控权决定着战争的胜负。信息化战场的决策问题不同于传统作战指挥问题, 由于战场环境的复杂性、信息的多样性、装备的信息化, 干扰决策问题的研究愈加重要。目前, 人工智能领域的快速发展, 认知无线电、认知电子战的概念相继被提出。在基于现有研究成果的基础上, 介绍了认知干扰决策理论, 并梳理了国内外的相关文献, 主要从认知干扰决策涉及的3个方面(状态识别预测、参量控制、资源调度)出发, 归纳了常用的理论方法及其存在的不足, 最后对未来雷达认知干扰决策的前景予以展望。
电子战 干扰决策 功率优化 资源分配 electronic warfare interference decision-making power optimization resource allocation
重庆邮电大学 重庆市移动通信技术重点实验室，重庆 400065
在目前5G系统多用户和高速率的需求下，为实现高效高吞吐的物理下行控制信道（PDCCH）控制资源分配以提高系统性能，提出一种基于奖惩机制的分配算法来进行有效的控制资源分配。该算法首先综合考虑公共空间用户和专用空间用户的资源分配，在生成用户优先级列表时引入奖惩机制，以此改善小区边缘用户的阻塞性能和系统吞吐量，提高用户公平性，然后简化无线网络临时标识（RNTI）表格分配来进行控制资源分配。仿真结果表明，与已有资源分配算法相比，该算法在保证资源利用率不下降的情况下，阻塞概率降低了57%，分配延迟时间减少了30%，对实际工程应用具有良好的参考价值。
物理下行控制信道 资源分配 奖惩机制 5G 5G PDCCH resource allocation reward and punishment mechanism
