【优化分配】注水算法求解宽带无线通信资源分配优化问题【含Matlab源码 3486期】

Matlab武动乾坤

于 2023-12-05 11:06:22 发布

阅读量93

点赞数

分类专栏： Matlab优化求解（进阶版）文章标签： matlab

本文链接：https://blog.csdn.net/KeepingMatlab/article/details/134802259

版权

Matlab优化求解（进阶版）专栏收录该内容

240 篇文章 12 订阅

订阅专栏

✅博主简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，Matlab项目合作可私信。
🍎个人主页：海神之光
🏆代码获取方式：
海神之光Matlab王者学习之路—代码获取方式
⛳️座右铭：行百里者，半于九十。

⛄一、注水算法求解宽带无线通信资源分配优化问题

功率分配技术能有效提高认知网络传输链路的信道容量,而注水算法利用凸优化的思想能实现功率分配最优化.针对认知网络中使用注水算法分配信道功率时未考虑邻近认知信道干扰的情况,对认知网络中邻近认知信道干扰对授权信道的影响进行研究,提出了基于注水算法的两种降低邻近认知信道干扰的功率分配的次优化方案.性能分析和仿真结果表明,认知网络中认知信道干扰对授权信道的影响不容忽略,合理调整注水算法的参数能够降低邻近认知信道干扰,达到传输容量的最大化.

面对日益复杂多变的电磁环境带来的挑战，频谱资源显得十分有限。认知网络能够在授权用户（Primary User，PU）和认知用户（SecondaryUser，SU）之间共享频谱资源，从而大大提高频谱利用率。认知网络是多个认知用户和多个授权用户共存的网络环境，PU 和 SU 共用信道共享频谱，图 1 即分布式认知网络示意图。由图 1 可以看出，在 PU 和 SU 之间存在互联互通的信道，称之为公共控制信道（Common ControlChannel，CCC）。利用 CCC 信道可共享当前信道状态信息（Channel State Information，CSI）。信息中重要参数包括信道增益、干扰增益和噪声等。多数通信环境中信号都有很大衰弱，可选取瑞利信道作为信道状态的建模描述。瑞利信道模型表示信道状态信息 CSI。

功率分配技术正是利用 CSI 进行发送端功率调整，提高传输性能的相关技术，属于物理层链路自适应技术的一种 [2]。移动网络中的信道基本属于平坦衰落信道，其信道容量可通过改变发送的速率和功率决定。认知网络由于自身的独特性，在功率分配方面与传统网络不同，体现在功率分配的原则和门限指标上。

在认知网络中，认知用户利用空闲的授权频段传输数据时，认知用户动态接入空闲频段内。在发射功率限定、信号带宽一定的条件下，注水算法提供了实现信道容量最大化目标下功率最优分配的方案。但是，注水算法是在使用各种纠错码且纠错码的码长无穷的理想情况下实现的，星座图比特数无穷多，运算时迭代次数无穷，是一种理想情况，实际中很难实现。

⛄二、部分源代码

clear all
close all
clc

nt_V = [1 2 3 2 4];
nr_V = [1 2 2 3 4];

N0 = 1e-4;
B = 1;
Iteration = 1e4; % must be grater than 1e2

SNR_V_db = [-10:3:20];
SNR_V = 10.^(SNR_V_db/10);

color = [‘b’;‘r’;‘g’;‘k’;‘c’];
notation = [‘-o’;‘->’;‘<-’;‘-^’;‘-s’];

for(k = 1 : 5)
nt = nt_V(k);
nr = nr_V(k);
for(i = 1 : length(SNR_V))
Pt = N0 * SNR_V(i);
for(j = 1 : Iteration)
H = random(‘rayleigh’,1,nr,nt);
[S V D] = svd(H);
landas(:,j) = diag(V);
[Capacity(i,j) PowerAllo] = WaterFilling_alg(Pt,landas(:,j),B,N0);
end
end

f1 = figure(1); 
hold on 
plot(SNR_V_db,mean(Capacity'),notation(k,:),'color',color(k,:)) 
 
f2 = figure(2); 
hold on 
[y,x] = hist(reshape(landas,[1,min(nt,nr)*Iteration]),100); 
plot(x,y/Iteration,'color',color(k,:)); 
clear landas

end

f1 = figure(1);

legend_str = [];
for( i = 1 : length(nt_V))
legend_str =[ legend_str ;…
{['nt = ‘,num2str(nt_V(i)),’ , nr = ',num2str(nr_V(i))]}];
end

⛄三、运行结果

在这里插入图片描述

⛄四、matlab版本及参考文献

1 matlab版本
2014a

2 参考文献
[1] 余建军,徐学军.基于免疫和模拟退火原理的柔性Job-Shop调度研究[J].计算机应用研究. 2010,27(11)

3 备注
简介此部分摘自互联网，仅供参考，若侵权，联系删除

🍅 仿真咨询
1 各类智能优化算法改进及应用
生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化

2 机器学习和深度学习方面
卷积神经网络（CNN）、LSTM、支持向量机（SVM）、最小二乘支持向量机（LSSVM）、极限学习机（ELM）、核极限学习机（KELM）、BP、RBF、宽度学习、DBN、RF、RBF、DELM、XGBOOST、TCN实现风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

3 图像处理方面
图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

4 路径规划方面
旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、车辆协同无人机路径规划、天线线性阵列分布优化、车间布局优化

5 无人机应用方面
无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配

6 无线传感器定位及布局方面
传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化

7 信号处理方面
信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化

8 电力系统方面
微电网优化、无功优化、配电网重构、储能配置

9 元胞自动机方面
交通流人群疏散病毒扩散晶体生长

10 雷达方面
卡尔曼滤波跟踪、航迹关联、航迹融合