学位论文 > 优秀研究生学位论文题录展示

OFDM系统资源分配智能算法研究

作　者: 胡山锋
导　师: 宋高俊; 李洪烈
学　校: 南昌航空大学
专　业: 通信与信息系统
关键词: OFDM 资源分配 比例速率 蚁群算法 遗传算法
分类号: TN929.53
类　型: 硕士论文
年　份: 2013年
下　载: 24次
引　用: 0次
阅　读: 论文下载
 

内容摘要


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。

全文目录


摘要  4-5
Abstract  5-7
目录  7-9
第1章 绪论  9-15
  1.1 课题研究背景  9-10
  1.2 研究 OFDM 及其系统资源分配的意义  10-11
  1.3 OFDM 资源分配研究现状  11-13
    1.3.1 单用户 OFDM 系统算法发展现状  11-12
    1.3.2 多用户 OFDM 系统算法发展现状  12-13
  1.4 本文的内容安排  13-15
第2章 移动衰落信道概述  15-22
  2.1 移动通信信道的传输特点  15-16
  2.2 多径衰落  16-17
    2.2.1 时延扩展（频率选择性衰落）  16
    2.2.2 多普勒扩展（时间选择性衰落）  16-17
  2.3 小尺度衰落模型研究  17-21
    2.3.1 Clarke 模型  18-20
    2.3.2 Jakes 模型  20-21
  2.4 小结  21-22
第3章 经典的 OFDM 系统资源分配算法  22-35
  3.1 OFDM 基本原理  22-24
  3.2 OFDM 单用户系统容量  24-25
  3.3 多用户 OFDM 系统模型  25-27
  3.4 多用户 RA 问题的经典算法  27-32
    3.4.1 容量最大化算法（max）  27
    3.4.2 用户最小容量最大化（maxmin）算法（Rhee 算法）  27-28
    3.4.3 比例速率限制下容量最大化算法(ROOT-FINDING)  28-31
    3.4.4 比例速率限制下容量最大化算法(LINEAR)  31-32
    3.4.5 比例速率限制下容量最大化算法(average-U)  32
  3.5 算法性能比较  32-34
  3.6 小结  34-35
第4章 一种有比例速率约束的子载波分配算法  35-46
  4.1 蚁群算法  35-40
    4.1.1 蚁群算法原理  35-37
    4.1.2 蚁群系统状态转移规则  37
    4.1.3 蚁群系统全局更新规则  37-38
    4.1.4 蚁群系统局部更新规则  38
    4.1.5 蚁群算法在 TSP 问题上的实现  38-40
  4.2 多用户 OFDM 系统子载波分配的蚁群优化建模  40-41
  4.3 基于蚁群优化的比例速率约束算法  41-42
  4.4 仿真实验  42-45
  4.5 小结  45-46
第5章 基于多种群遗传策略的功率分配算法  46-57
  5.1 遗传算法描述  46-48
  5.2 谢菲尔德遗传算法工具箱  48
  5.3 多种群遗传算法描述  48-52
  5.4 仿真实验  52-56
  5.5 小结  56-57
第6章 总结与展望  57-58
参考文献  58-61
攻读硕士期间发表的论文  61-62
致谢  62-63

相似论文

  1. 天然气脱酸性气体过程中物性研究及数据处理,TE644
  2. 压气机优化平台建立与跨音速压气机气动优化设计,TH45
  3. 多导弹协同作战突防效能评估及组合优化算法研究,TJ760.1
  4. 基于蚁群算法的电梯群优化控制研究,TU857
  5. 动态环境下移动对象导航系统相关技术的研究,TP301.6
  6. 基于改进蚁群算法的机器人路径规划研究,TP242
  7. 基于遗传算法的模糊层次综合评判在高职教学评价中的应用,G712
  8. 部队人员网上训练与考核系统的开发,TP311.52
  9. 基于并行算法的模糊综合评价模型的设计与应用,TP18
  10. 基于神经网络的牡蛎呈味肽制备及呈味特性研究,TS254.4
  11. 低压电力线载波通信可靠性研究,TM73
  12. 基于遗传算法的中短波磁天线的设计及实现,TN820
  13. 改进的蚁群算法及其在TSP上的应用研究,TP301.6
  14. 基于遗传算法的柑橘图像分割,TP391.41
  15. 基于混合自适应遗传算法的动态网格调度问题研究,TP393.09
  16. 基于遗传—牛顿算法的公交优化调度,TP18
  17. 基于遗传算法优化的BP网络对生物柴油制备工艺的优化,TE667
  18. 基于云理论和蜜蜂进化型遗传算法的纹理合成研究,TP391.41
  19. 基于遗传算法和粗糙集的聚类算法研究,TP18
  20. 基于免疫机制蚁群算法的电力系统无功优化研究,TP18
  21. 基于视觉反馈与行为记忆的GPU并行蚁群算法,TP301.6

中图分类: > 工业技术 > 无线电电子学、电信技术 > 无线通信 > 移动通信 > 蜂窝式移动通信系统（大哥大、移动电话手机）
© 2012 www.xueweilunwen.com