论文部分内容阅读
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献如下:(1)在MTC场景中为了保证URLLC设备的高传输速率需求以及m MTC设备的低功耗传输需求,提出了一种基于上行NOMA的联合子载波和功率分配的资源分配方案。具体分成两个子问题求解:首先采用双向匹配法为URLLC设备分配子载波,优先保证URLLC设备的传输速率Qo S需求;接着以最小化m MTC设备功率为目标建立资源分配模型,并设计了一种基于自适应遗传算法(Adaptive Genetic Algorithm,AGA)的方案对化简后的模型求解。一方面,鉴于本AGA方案中染色体是由实数类型和离散整数类型变量混合而成,设计了一种实值编码方式;另一方面,使用当前个体违反约束程度和种群中可行解比例两个惩罚因子,建立了自适应惩罚函数。仿真结果表明,所提方案不仅保证了URLLC的高传输速率需求,且能有效降低m MTC设备发送功率。(2)为了进一步提升MTC场景的系统能效,在考虑了不同设备的统计时延Qo S要求的前提下,提出了一种基于能效优化的上行NOMA资源分配方案:首先结合有效容量理论,将有效容量作为分子部分,将设备发送功率与电路损耗功率和作为分母部分,重新定义系统能效;然后采用Dinkelbach算法将优化模型的目标函数由分式优化转换为整式优化;最后采用(1)中改进的AGA方案进行求解。仿真结果表明,所提方案的能效约为最优遍历算法(Traversal Algorithm,TA)方案所得能效的96.2%。