【正文】 最后,感謝我的父母、沒(méi)有他們對(duì)我的支持和鼓勵(lì),我很難完成學(xué)業(yè),他們是我學(xué)習(xí)的動(dòng)力,我的每一點(diǎn)進(jìn)步都凝聚著他們的心血和期望,我所取得的成績(jī)是對(duì)他們最好的回報(bào)。在此致以衷心的感謝!他淵博的知識(shí)、嚴(yán)謹(jǐn)?shù)闹螌W(xué)態(tài)度、敏捷的思維方式、平易近人的長(zhǎng)者風(fēng)范令我受益匪淺。Tutorials, 2005, 7(4): 4656．[22] Yu W,Ginis G and Cioffi J multiuser power control for digital subscriber l ines[J],IEEE Journal on Selected Area in Comm, 2002, 20(5): 11051115.[23] Shum K W,Leung KK,Sung C W．Convergence of Waterfilling Algorithm for Gaussian Interference Channels[J]. IEEE JOURNAL ON SELECTED AREAS IN Convergence, 2007 , 25(6): 109 l1100.[24] ZHANG T K,ZENG Z M,TANG N,et multicell adaptive resource allocation scheme for OFDMA cellular system[J].Journal of Beijing University of Posts and Telemunications,2007, 30(5) : 677l.[25] Qiu J,Zhou Resource Allocation Based on Game Theory in Multi—cell OFDMA System [J].International Journal of Wireless Information Networks, 2009 , l(16): 4450.[26] Larsson E G,Jorswieck versus cooperation on the miso interference channel[J].IEEE Journal on Selected Areas on Communications, 2008, 26(9): 10591069.[27] Huang J,Berry R A,M interference pensation for wireless networks [J].IEEE Journal on Selected Areas in Communications, 2006, 24(5): 10741084. [28] Shi C,Berry R A,Honig M convergence of distributed interference pricing in wireless networks[C], Wireless Communications and Networking,2009,3(2): 1718.[29] Venturino L,Prasad N,Wang X improved iterative waterfilling algorithm for Multicell interference mitigation in downlink OFDMA networks[C].ACSSC 2007,2(4): 1718.[30] Yu Waterfilling in the Presence of Crosstalk[J].Information Theory and Applications Workshop,2007,22(1): 414420.[31] Song Y,Zhang C,Fang Channel and Power Allocation in Wireless Mesh Networks:A Game Theoretical Perspective[J].IEEE JOURNAL ON SELECTED AERAS IN Mesh, 2008 ,26(7): 11491159.[32] G Dimie and N D downlink beam forming with greedy user selection: Performance analysis and a simple new algorithm[J].IEEE Trans Signal Process,2005,52(10): 38573868．[33] 王雷. 中繼蜂窩網(wǎng)絡(luò)中動(dòng)態(tài)無(wú)線資源分配方案[D]．北京：北京郵電大學(xué)信息工程學(xué) 院，2006．[34] 賈秀清. 移動(dòng)通信網(wǎng)絡(luò)基于業(yè)務(wù)效用的服務(wù)策略研究[M]．北京：人民郵電出版社, 2009．[35] 王菲. 多蜂窩MIMO無(wú)線網(wǎng)絡(luò)的資源分配研究[M]．天津：電子工業(yè)出版社, 2009． [36] 雷建軍. 基于合作中繼的OFDM蜂窩網(wǎng)絡(luò)的QoS感知資源調(diào)度算法[M]．北京：電子工業(yè)出版社, 2009．致 謝衷心感謝李保罡老師。本文的研究所考慮的網(wǎng)絡(luò)編碼是最簡(jiǎn)單的異或操作，對(duì)于隨機(jī)網(wǎng)絡(luò)編碼在通信中的應(yīng)用有待于進(jìn)一步研究。本文的研究假設(shè)了各用戶(hù)之間是理想同步的，即用戶(hù)間，用戶(hù)到終點(diǎn)都是理想同步的。本文初步涉及了基于蜂窩網(wǎng)功率分配方案的研究，仍有許多工作有待繼續(xù)做下去。結(jié) 論OFDM系統(tǒng)可以把實(shí)際信道劃分為若干個(gè)子信道，因此能夠根據(jù)個(gè)子信道的實(shí)際傳輸情況靈活的分配信息比特，這是OFDM相對(duì)于單載波系統(tǒng)的一個(gè)好處。價(jià)格的引入，促使系統(tǒng)收斂于一個(gè)更加合理的功率分配點(diǎn)。自適應(yīng)調(diào)制器2自適應(yīng)調(diào)制器N用戶(hù)1（傳輸速率R1）用戶(hù)2 （傳輸速率R）用戶(hù)K（傳輸速率R）用戶(hù)1（傳輸速率R1）用戶(hù)2 （傳輸速率R）用戶(hù)K（傳輸速率R）子載波和比特分配動(dòng)態(tài)子載波、比特和功率分配算法自適應(yīng)調(diào)制器1自適應(yīng)調(diào)制器2自適應(yīng)調(diào)制器N自適應(yīng)調(diào)制器1比特和子載波分配信息K個(gè)用戶(hù)的信道估計(jì)IFFTFFT無(wú)線衰落信道 為每個(gè)用戶(hù)提取比特信息 圖32 仿真框圖在系統(tǒng)模型中，相鄰兩個(gè)基站的距離Db=2km，M={1，．．．，M)表示基站集合。 p(m(3))=Pmax。 p(m(1))=0。 p(m(3))=Pmax。 end if p(m(1))0amp。 b(2)=p(j+I)。 p(j)=beita1/H(j)。c=zeros(1,3)。2) 找出已分配給授權(quán)用戶(hù)的子載波，加上經(jīng)過(guò)設(shè)置的價(jià)格參變量，重新計(jì)算子載波上分配的功率。在實(shí)際應(yīng)用中，由于蜂窩間存在相互干擾，因此效用之間存在耦合，而且在通常情況下，功率向量為非凸集合。在一個(gè)調(diào)度周期內(nèi)，一個(gè)子載波最多只能分配給一個(gè)用戶(hù)，所以不存在蜂窩內(nèi)干擾。對(duì)于一個(gè)固定的λ，所需要的總發(fā)射功率就等于所有子信道分配功率之和。本文設(shè)計(jì)了一種新的分布式定價(jià)機(jī)制，在有限信息交換協(xié)助下，促使基站采用理想的局部最優(yōu)功率向量組。單個(gè)基站貪婪、自私的自我優(yōu)化行為，是導(dǎo)致系統(tǒng)中用戶(hù)被其他基站服務(wù)質(zhì)量下降的一個(gè)外部因素。 基于定價(jià)機(jī)制的注水功率分配博弈首先將注水算法引入到相鄰蜂窩同頻子載波的自適應(yīng)功率分配機(jī)制研究中。那么，如何快速確定注水水位β的值，也從某種程度上決定了注水算法的優(yōu)劣。迭代注水算法公式如下： 且 （32） 即可供分配的功率小于等于系統(tǒng)可以提供的最大功率然后求出拉格朗日函數(shù)： 拉格朗日函數(shù)： （33） 根據(jù)題目的的含義為最后子載波的信道的容量可以表為提供的總?cè)萘繙p去由于子載波間的干擾，噪聲消耗的。但是，當(dāng)信道上有共享信息，需要共享信道，這時(shí)網(wǎng)絡(luò)拓?fù)渚蜁?huì)出現(xiàn)遠(yuǎn)近效應(yīng)，這就產(chǎn)生了非平衡狀態(tài)，引起用戶(hù)間信號(hào)干擾，信息傳輸效率下降。典型的求解算法是注水算法，注水算法的基本思想是：基站的功率分配問(wèn)題好比往某個(gè)容器中注水，可以將用戶(hù)比作容器壁，在注水線以下，功率分配要盡量均勻，此時(shí)，注水水平不斷提高，直到功率分配完為止。因此，在OFDM系統(tǒng)中，采用自適應(yīng)資源分配和調(diào)制技術(shù)，即根據(jù)信道的瞬時(shí)特性在每個(gè)OFDM符號(hào)周期內(nèi)分配給每個(gè)子信道不同的信息比特?cái)?shù)，使系統(tǒng)達(dá)到最大比特?cái)?shù)。當(dāng)SNR很大時(shí)，Pi等功率分配，注水算法功效消失。由β和子信道的狀態(tài)來(lái)決定在子信道中如何分配功率。發(fā)送一個(gè)已知數(shù)據(jù)的碼字，測(cè)出每條信道的信噪比，根據(jù)這個(gè)信噪比來(lái)確定最適合的調(diào)制方式。功率控制即信道好的時(shí)候，可以在增強(qiáng)調(diào)制方式（如 64QAM）時(shí)增強(qiáng)發(fā)射功率，或者在低調(diào)制方式（如 QPSK）時(shí)降低發(fā)射功率。本章介紹了博弈論的基本知識(shí)，另外提出了兩種分類(lèi)：思路速度自適，余量自適分類(lèi)為后文的分析打下基礎(chǔ)。并在其中考慮到因小區(qū)間共信道干擾產(chǎn)生的功率分配公平性問(wèn)題。 本章小結(jié)在已知的OFDM功率資源分配這一課題上，在倪知豐的《多蜂窩網(wǎng)絡(luò)無(wú)線資源的協(xié)調(diào)優(yōu)化分配》中他提出基于價(jià)格機(jī)制的非合作功率分配博弈算法(NCPGP)，通過(guò)交換信道信息協(xié)調(diào)相鄰蜂窩的發(fā)射功率，抑制蜂窩間干擾，提高系統(tǒng)效用。為了使這場(chǎng)斗爭(zhēng)趨向公平化并獲得盡可能大的利益(payoff)，用戶(hù)則必須調(diào)整自己的控制策略(“action”)，比如提前或推后傳輸時(shí)間、改變傳輸信道或者調(diào)整自己的傳輸速率等。值得注意的是，這里的價(jià)格機(jī)制與對(duì)偶因子解釋為影子價(jià)格的價(jià)格機(jī)制不同，這里的價(jià)格機(jī)制僅僅是對(duì)優(yōu)化問(wèn)題的一個(gè)轉(zhuǎn)化，而對(duì)偶因子是具體算法中尋求最優(yōu)解的一種更新機(jī)制。利用經(jīng)濟(jì)學(xué)理論的博弈論和價(jià)格機(jī)制，實(shí)質(zhì)上，可以將問(wèn)題轉(zhuǎn)換為一個(gè)博弈問(wèn)題，結(jié)合相應(yīng)的博弈理論中的方法，去尋求問(wèn)題的均衡點(diǎn)也就是優(yōu)化問(wèn)題的最優(yōu)解。多蜂窩OFDM系統(tǒng)中，在滿足各用戶(hù)的最大功率和最小速率的限制條件下，以最小化總傳輸功率為目標(biāo)的最優(yōu)化問(wèn)題可以描述為： （22） . C1: C2: C3: C4: C5: user rate requirements其中表示子載波分配的功率可能性。2．2．2余量自適應(yīng)OFDM系統(tǒng)余量自適應(yīng)比特加載策略。以網(wǎng)絡(luò)的吞吐量最大化作為優(yōu)化目標(biāo)，同時(shí)考慮用戶(hù)的優(yōu)先級(jí)，這往往通過(guò)給每個(gè)用戶(hù)設(shè)定相應(yīng)的權(quán)重來(lái)表征。假定信道相干時(shí)間足夠長(zhǎng)，以便接受者評(píng)估增益(每個(gè)子載波)，信道狀態(tài)信息檢測(cè)后通過(guò)控制信道無(wú)差錯(cuò)無(wú)延時(shí)地反饋到基站。 假設(shè)系統(tǒng)為理想的OFDM系統(tǒng)，即OFDM系統(tǒng)完全同步，并假定沒(méi)有ISI和ICI。(4)利用近一段時(shí)間的數(shù)據(jù)幀的統(tǒng)計(jì)特征來(lái)決定發(fā)送速率。缺點(diǎn)：已有文獻(xiàn)證明SNIR,RSS等指標(biāo)和丟幀率并沒(méi)有很強(qiáng)的對(duì)應(yīng)關(guān)系，而且基于跨層的設(shè)計(jì)思想在實(shí)際應(yīng)用中存在困難。 速率自適應(yīng)(rate adaptive)目前的速率自適應(yīng)可分為以下4類(lèi)：(1)利用傳送幀連續(xù)的成功和失敗次數(shù)來(lái)估計(jì)信道質(zhì)量。 大部分資源分配方法都是用于解決多用戶(hù)間的公平性問(wèn)題。普遍認(rèn)為低效的產(chǎn)出情況是需要避免的，因此在用非合作型博弈論解決問(wèn)題時(shí)效用函數(shù)的建立以及每個(gè)參與者針對(duì)不同效用函數(shù)所采用的策略要注意盡可能實(shí)現(xiàn)系統(tǒng)性能的帕累托最優(yōu)化[31]。貝葉斯納什均衡(Bayesian Nash equilibrium）：即不完全信息靜態(tài)博弈的均衡，參與人同時(shí)行動(dòng)，每個(gè)參與人的最優(yōu)戰(zhàn)略依賴(lài)與自己的類(lèi)型，參與人不知道其他參與人的選擇，但是他能夠正確的預(yù)測(cè)到其他人的選擇與其各自得有關(guān)類(lèi)型之間的關(guān)系。與上述四種博弈相對(duì)應(yīng)的均衡概念為：納什均衡[27](Nash equilibrium），子博弈精煉納什均衡[28]（sub game perfect Nash equilibrium），貝葉斯納什均衡[29](Bayesian Nash equilibrium），精煉貝葉斯納什均衡[30](perfect Bayesian Nash equilibrium）。合作博弈和非合作博弈的區(qū)別在于相互發(fā)生作用的當(dāng)事人之間有沒(méi)有一個(gè)具有約束力的協(xié)議，如果有，就是合作博弈，如果沒(méi)有，就是非合作博弈。(3)完全信息/不完全信息博弈：參與者對(duì)所有參與者的策略空間及策略組合下的支付有充分了解稱(chēng)為完全信息；反之