MIMO-OFDM系统资源分配算法的研究

MIMO-OFDM系统资源分配算法的研究

论文摘要

伴随着移动通信和互联网的不断发展,无线宽带服务需求日益增长,而无线频谱资源是有限的,这就要求采用更先进的技术来实现更高的系统频谱效率。MIMO(Multi-Input Multi-Output,多输入-多输出)与OFDM(OrthogonalFrequency Division Multiplexing,正交频分复用)技术以其优越的性能而被越来越多的研究者所重视,成为下一代移动通信系统的物理层关键技术。在无线信道具有时变性和频率选择性衰落的情况下,MIMO-OFDM技术与自适应资源分配技术相结合,能够实现高速率、高质量的通信,满足未来多业务的不同服务质量要求首先,本文针对在多用户MIMO-OFDM系统物理层资源分配问题进行了研究,给出了多用户系统MIMO-OFDM的模型,并根据功率最小化原则给出了资源优化问题数学模型。本文利用遗传算法优秀的求解优化问题的能力,将普通遗传算法进行改进,采取矩阵编码、多选择操作等手段,应用于求解MIMO-OFDM系统资源分配问题,并通过仿真实验与已有算法进行对比。实验结果表明,遗传算法运行时间较短,并且能够满足各个用户的最小传输速率需求,具有明显的优势。其次,在物理层资源分配的基础上,本文结合用户的QoS(Quality ofService,服务质量)需求,对跨层的资源调度问题进行了研究,对基于效用函数的资源调度和分配算法进行了改进。首先将业务划分为实时业务和非实时业务,根据业务类型的不同设计两类效用函数,然后对两类业务按不同优先级进行业务调度和资源分配,最后通过仿真实验与已有算法进行对比。实验结果表明,本文算法能保证用户平均等待时延小于最大允许时延,并有效的保证了非实时业务用户的吞吐量,满足了两类业务的不同QoS需求。最后,根据实际通信过程中上行信令资源有限的情况,本文多用户MIMO-OFDM系统中有限反馈问题进行了研究,分析了常用的减少反馈开销的一些方法,重点研究了设置反馈门限的方法。本文在保证系统容量的前提下进行反馈门限设置,随通信过程中信道条件等的变化情况,动态调节反馈门限阈值来达到了减小反馈开销的目的。

论文目录

  • 摘要
  • ABSTRACT
  • 第1章 绪论
  • 1.1 课题背景及研究的目的和意义
  • 1.2 MIMO 技术与OFDM 技术简介
  • 1.2.1 OFDM 技术原理
  • 1.2.2 MIMO 技术原理
  • 1.3 国内外研究现状
  • 1.3.1 MIMO 系统资源分配算法研究现状
  • 1.3.2 OFDM 系统资源分配算法研究现状
  • 1.3.3 MIMO-OFDM 系统资源分配算法研究现状
  • 1.4 本文的主要研究内容
  • 第2章 MIMO-OFDM 系统物理层资源分配算法研究
  • 2.1 MIMO-OFDM 系统模型及资源分配优化目标
  • 2.1.1 多用户MIMO-OFDM 系统模型
  • 2.1.2 基于功率最小化准则的数学优化模型
  • 2.2 基于遗传算法的资源分配算法的理论分析
  • 2.2.1 遗传算法介绍
  • 2.2.2 遗传算法的改进与应用
  • 2.3 基于遗传算法的资源分配算法仿真实验及分析
  • 2.4 本章小结
  • 第3章 MIMO-OFDM 系统跨层资源分配算法研究
  • 3.1 MIMO-OFDM 系统跨层资源分配模型
  • 3.2 基于效用函数资源分配算法的理论分析
  • 3.2.1 效用函数概念及设计
  • 3.2.2 资源分配算法流程
  • 3.3 基于效用函数的资源分配算法仿真实验及分析
  • 3.4 本章小结
  • 第4章 基于MIMO-OFDM 系统有限反馈问题的研究
  • 4.1 MIMO-OFDM 系统有限反馈问题
  • 4.1.1 系统模型
  • 4.1.2 有限反馈方法
  • 4.2 反馈门限设置的方法的理论分析
  • 4.3 反馈门限设置方法仿真实验及分析
  • 4.4 本章小结
  • 结论
  • 参考文献
  • 致谢
  • 相关论文文献

    • [1].车辆网络多平台卸载智能资源分配算法[J]. 电子与信息学报 2020(01)
    • [2].面向5G网络的通信和计算资源分配算法研究[J]. 卫星电视与宽带多媒体 2020(05)
    • [3].基于云雾混合计算的车联网联合资源分配算法[J]. 电子与信息学报 2020(08)
    • [4].云计算资源分配算法[J]. 电子技术与软件工程 2017(06)
    • [5].基于深度学习的异构资源分配算法研究[J]. 信息技术 2020(01)
    • [6].基于Stackelberg博弈的无线网络资源分配算法[J]. 电子技术与软件工程 2018(22)
    • [7].基于网络切片的网络效用最大化虚拟资源分配算法[J]. 电子与信息学报 2017(08)
    • [8].超密集网络中基于能效最优的资源分配算法[J]. 电信科学 2017(10)
    • [9].基于校园场景的中继系统资源分配算法[J]. 船舶职业教育 2020(04)
    • [10].粒子群优化的时频联合资源分配算法[J]. 传感器与微系统 2016(05)
    • [11].一种基于多标拍卖的资源分配算法[J]. 北京理工大学学报 2015(03)
    • [12].一种基于网络切片的车联网联合资源分配算法[J]. 无线电工程 2020(06)
    • [13].联合资源分配算法在协作系统中的应用[J]. 计算机应用研究 2014(07)
    • [14].基于共享度的FPGA可重构资源分配算法研究[J]. 计算机应用与软件 2013(04)
    • [15].多业务OFDMA系统中一种低复杂度资源分配算法[J]. 数字通信 2010(05)
    • [16].异构无线网络干扰效率最大顽健资源分配算法[J]. 电子学报 2020(03)
    • [17].低能耗高效率的分布式跨层资源分配算法[J]. 西南师范大学学报(自然科学版) 2017(01)
    • [18].一种基于OFDM的认知无线电资源分配算法研究[J]. 移动通信 2016(10)
    • [19].基站自适应阵列天线码资源分配算法的比较研究[J]. 长沙大学学报 2014(05)
    • [20].虚拟网络资源分配算法分析[J]. 电信快报 2012(08)
    • [21].基于公平性原则的简化自适应资源分配算法[J]. 吉首大学学报(自然科学版) 2008(01)
    • [22].超密集网络中基于簇内用户分组的资源分配算法[J]. 微电子学与计算机 2018(04)
    • [23].智能电网中网络切片的资源分配算法研究[J]. 电力信息与通信技术 2020(08)
    • [24].基于在线拍卖的网络切片资源分配算法[J]. 电子与信息学报 2019(05)
    • [25].异构无线网络资源分配算法研究综述[J]. 重庆邮电大学学报(自然科学版) 2018(03)
    • [26].基于多中继解码转发的OFDM系统资源分配算法[J]. 电信科学 2016(04)
    • [27].分层认知无线电网络中基于稳定匹配的资源分配算法[J]. 电子与信息学报 2016(10)
    • [28].基于贝叶斯决策的网格计算资源分配算法[J]. 吉林化工学院学报 2013(07)
    • [29].基于并行基因表达式编程的网格资源分配算法[J]. 电子学报 2009(02)
    • [30].超密集部署下基于双向干扰图的资源分配算法[J]. 华中科技大学学报(自然科学版) 2019(01)

    标签:;  ;  ;  ;  ;  

    MIMO-OFDM系统资源分配算法的研究
    下载Doc文档

    猜你喜欢