机器类通信中基于NOMA的上行资源分配方案研究

发布时间：2021-08-30 01:29

　　机器类通信（Machine Type Communications,MTC）作为物联网的重要组成部分,广泛应用于无人驾驶、车联网、智慧医疗等高可靠低时延通信（Ultra-Reliable and Low Latency Communications,URLLC）场景,以及智慧城市、环境监测、智能农业、森林防火等以传感和数据采集为目标的大规模机器类通信（massive Machine Type Communications,m MTC）场景。但MTC通信系统与传统的以人为中心的通信系统有很大不同,具有海量设备接入、上行传输为主的需求以及低功耗、不同速率和时延服务质量（Quality of Service,Qo S）要求等特点。并随着设备接入数量的增加,能量效率也亟待提高。此外,仅考虑单一资源分配的优化方案是不完善的,而综合考虑子载波与功率等多种资源联合优化方案能更有效地提升系统功率和能量效率性能。本文以降低设备发送功率、提高系统能量效率为目标,对上行功率域非正交多址接入（Non-Orthogonal Multiple Access,NOMA）的无线资源分配方案展开研究。本文的主要工作和贡... 

【文章来源】：重庆邮电大学重庆市

【文章页数】：68 页

【学位级别】：硕士

【部分图文】：

多用户

代变量取值范围的不断缩小，会将d 设置为大于 0 的数值，例如 d 0.25 。具体如图 2.6 所示。 -0.25 0 1 1.25Parent2Parent1 图 2.6 中间重组算法父代与子代变量取值范围对比

重庆邮电大学硕士学位论文第3章面向MTC的上行低功耗传输资源分配方案19针对上述问题，本章提出了一种面向MTC的上行NOMA低功耗传输资源分配方案，主要贡献包括：(1)在上行NOMA系统中，考虑了不同通信需求的MTC设备混合接入的情况，建立了即保证URLLC设备的传输速率QoS需求，又最小化mMTC设备功率的优化模型；(2)设计了一种基于AGA的资源分配算法，考虑到优化变量是实数类型的功率变量和整数类型的子载波分配标识变量混合而成，本章改进了混合变量的染色体编码规则，减少了变量个数与约束矩阵维度，加快算法收敛速度；(3)考虑了传统AGA算法对于带有约束的非凸问题设置固定的惩罚系数的缺点，本章改进了AGA的自适应惩罚函数，在惩罚函数中增加了种群可行解比例和单个个体满足约束数量两个自适应的惩罚因子，提高了算法搜索能力，保留种群次优个体以避免较优解丢失。3.2模型建立本节介绍系统模型的建立过程。下面分别从MTC系统模型、URLLC设备的高速率传输模型、mMTC设备的功率优化模型三个方面进行介绍。3.2.1MTC系统模型图3.1MTC场景中的上行链路通信系统图MTC场景中的基于NOMA技术的上行链路通信系统如图3.1所示。该通信场景中，每个小区包含单个基站，多个URLLC设备和mMTC设备。URLLC设备可以表示为集合12={,,,}Uuuu，其中，U为URLLC设备总数；mMTC设备可以

【参考文献】：
期刊论文
[1]一种基于能量效率和用户公平的NOMA下行链路功率分配方案[J]. 陆音,包宽鑫,谢浩然.  南京邮电大学学报(自然科学版). 2019(04)
[2]异构网络中基于功率控制的能效优化算法[J]. 谷静,刘亚茜,张新,王倩玉.  计算机工程与设计. 2018(10)
[3]一种过载系统下的非正交多用户检测方法[J]. 陈敏,丁洁,杨永钦.  西南大学学报(自然科学版). 2018(02)
[4]Random Access and Resource Allocation for the Coexistence of NOMA-Based and OMA-Based M2M Communications[J]. Yali Wu,Guixia Kang,Ningbo Zhang.  中国通信. 2017(06)
[5]一种新的自适应惩罚函数在遗传算法中的应用[J]. 蔡海鸾,郭学萍.  华东师范大学学报(自然科学版). 2015(06)

博士论文
[1]新型无线网络中面向时延服务质量保障的资源分配研究[D]. 高雅.西安电子科技大学 2017

硕士论文
[1]NOMA系统联合资源分配方案研究[D]. 汪成功.南京邮电大学 2019
[2]NOMA系统中的能量效率优化方案研究[D]. 郑方圆.西安电子科技大学 2019



本文编号：3371782