【正文】 謝謝你們!。感謝馬嘉海同學(xué)大家在學(xué)習(xí)和生活中相互鼓勵(lì)和幫助,共同進(jìn)步,并結(jié)下了深厚的情意。在研究工作中給我提供了大量建設(shè)性意見和建議,使得我能順利完成研究工作。在生活上,李老師寬厚樂觀的生活態(tài)度及平易近人的長(zhǎng)者風(fēng)范使我獲益終身。本論文是在我的導(dǎo)師李保罡老師的精心指導(dǎo)下,在其他老師、同學(xué)、親人的關(guān)心、鼓勵(lì)和支持下完成的,在此我要向他們致以衷心的感謝!首先要感謝我的導(dǎo)師李保罡老師。Abbas theorems for the relay channel[J].IEEE Transactions on Information Theory,1979, 8(11): 572584.[21] Martin bome. An Introduction to Game Theory[M].Oxford University Press,2004, 3(4) : 2337.[22] Vivek Srivastava,James Neel,Allen ,et game to analyze wireless ad hoe networks[J].IEEE Communications Surveysamp。 參考文獻(xiàn)[1] 康桂華．MIMO無線通信原理和應(yīng)用[M]．北京：電子工業(yè)出版社, 2009．[2] 吳偉陵，牛凱．移動(dòng)通信原理[M]．北京：電子工業(yè)出版社, 2006．[3] A T611i,M Codreanu and M MIMOOFDM cellular system with soft handover between distributed base station antennas[J].IEEE Communications, 2008, 7(4): 14281440.[4] T Cover and J of Information Theory[M].New York:Wiley, introduction to convex optimization for munications and signal processing[J].IEEE Communications, 2006, 24(8): 14261438.[5] Distributed coordinated multicell transmission based on dual deposition[C]. Wireless Communications and Networking, 2009, 3(8): 6573.[6] Sigen Ye,Rick S signaling for MIMO interference systems with feedback[J].IEEE Trans Signal Process, 2003,51(11): 28392848.[7] H ShiraniMehr,G Caire,and M J Downlink Scheduling with NonPerfect Channel State Knowledge[J].IEEE Communications, 2010, 58(7): 20552066.[8] M Joham,K Kusume,M H Gzara, and W Utschick,Transmit wiener filter for the downlink of TDD DS—CDMA systems[C]. 7th Spectrum Techniques Applications(ISSSTA), 2002, l(3): 913. [9] S J Kim and G B resource allocation for MIMO ad hoc cognitive radio networks[J].Annual conf municate control Computer, 2008, 2(7): 3945.[10] Jun Zhang,Runhua Chen,J G Andrews and R W multicell MIMO systems with cellular block diagonalization[C]. Conference on Signals,Systems and Computers,2007, 3(11): 16691673. [11] H Zhang and H interference mitigation and cooperative processing in multiuser MIMO networks[J].European Journal on Wireless Communications and Networking, 2004, 2(4): 222235.[12] G Scutari,D P Palomar,and S linear precoding strategies for wideband noncooperative systems based on game I and II [J].IEEE Process, 2008, 56(3) : l2301267.[13] D D Yu and J M Iterative waterfilling for optimal resource allocation in OFDM multiple access and broadcast channels[C].in Proc. IEEE Global, 2003, 2(8) :15.[14] L Zhang,R Zhang,Y C Liang,Y Xin and H V Poor．On gaussian MIMO BCMAC duality with multiple transmit covariance constraints[J].IEEE Int. Inf. Theory (ISIT), 2009,8(5) : 25022506. [15] Janghoon Yang,Dong Ku uplinkdownlink beam forming throughput duality based on duality with perbase station power constraints[J].2008,IEEE Communications Lett,12(4): 277279. [16] T Cover and J Thomas．Elements of Information Theory[M]．New York：Wiley,1991．233． [17] et Conceptual Study of OFDMbased Multiple Access SchemesPart 1:Air Interface Requirements[R]. 1996.[18] Parsaee, for the 4m generation cellular networks [J].Canadian Conference on Electrical and Computer Engineering, 2004 ,34(12): 23252330.[19] van der Meu , survey of 網(wǎng)絡(luò)編碼算法問題。然而現(xiàn)實(shí)的情況是參與協(xié)作的各個(gè)用戶需要以分布式的方式處理信息，難以做到理想同步。同步問題。模型擴(kuò)展問題?；诙▋r(jià)的注水算法是要比注水算法有很大優(yōu)勢(shì)的一種思路。本文討論了用于實(shí)現(xiàn)信道容量最大化的注水定理；然后研究OFDM系統(tǒng)中動(dòng)態(tài)分配算法，分別考慮：（1） 從功率一定性能一定角度出發(fā)，傳輸最大化。為此本文設(shè)計(jì)一個(gè)高效率的分布式價(jià)格機(jī)制，理論上找到足夠條件保證其收斂，引入價(jià)格機(jī)制的博弈具備更加優(yōu)異的性能。從仿真結(jié)果可以看出，引入價(jià)格機(jī)制得到的子載波功率分配所對(duì)應(yīng)的效用函數(shù)值明顯優(yōu)于注水算法。相反，當(dāng)SNR較大時(shí)，那么蜂窩之間的干擾會(huì)變的相當(dāng)嚴(yán)峻，原算法中用戶的貪婪、自私行為，使其提高自身信道容量的同時(shí)會(huì)對(duì)其他用戶產(chǎn)生更加嚴(yán)重的同信道干擾，使其他用戶的效用降低，從而影響系統(tǒng)性能。本文假定Rbe= Bm=1000000定義基帶帶寬 I=7蜂窩個(gè)數(shù) K=3每個(gè)基站子載波 k=I*K所提供的總的子載波 Pmax=30功率限制，基站的總功率限制表示為，本文主要通過matlab仿真平臺(tái)來驗(yàn)證所提出的算法。根據(jù)算法分析，畫的如下的系統(tǒng)結(jié)構(gòu)框圖。 end %若再次計(jì)算后p2小于0，則p2又被賦值為0，p3最大 end %若p(m1)小于0，p(m2)大于0，則p1賦值0，p2，p3根據(jù)計(jì)算公式 end 基于定價(jià)機(jī)制的注水功率分配算法描述 接下來本文給出基于定價(jià)注水功率分配算法如下：算法：基于定價(jià)注水功率分配算法1. 初始化：2. 各基站m的起始功率，滿足功率基站的功率限制要求3. 開始循環(huán)：4. 每一次迭代5. for循環(huán) m=1：M6. 限制條件 價(jià)格控制7. 更新功率分配集8. 結(jié)束for循環(huán)9. 第t次迭代是的策略空間10. 直至收斂，輸出納什均衡點(diǎn)算法分析：通過算法的實(shí)現(xiàn)，可以看到該算法的循環(huán)包含三個(gè)循環(huán)，分別是基站、子信道、用戶，算法上雖然可以交換這三個(gè)循環(huán)的順序，但是實(shí)際應(yīng)用中按這種順序更為合理，因?yàn)楣β士刂剖腔诨?，算法給出的是一個(gè)整體的實(shí)現(xiàn)，實(shí)際完全可以采用同步并行更新的方式，多基站同時(shí)進(jìn)行功率分配的迭代，直到收斂為止。 if p(m(2))0 p(m(2))=0。 p(m(2))=beita1/H(m(2))。p(m(2))0 beita=(1/2)*(Pmax+1/H(m(2))+1/H(m(3)))。end %若p(m1),p(m2)均小于0，則把他們都?xì)w零p3最大 if p(m(1))0amp。 p(m(2))=0。amp。 for e=1:3 m(e)=j+I*(d(e)1)。 b(3)=p(j+2*I)。 b(1)=p(j)。 p(j+I)=beita1/H(j+I)。for j=1:I beita=(1/3)*(Pmax+1/H(j)+1/H(j+I)+1/H(j+2*I))。d=zeros(1,3)。b=zeros(1,3)。 不同于迭代注水算法繁雜的計(jì)算過程，改進(jìn)方案中在基于價(jià)格的影響因素下，更新后的分配量等于加以價(jià)格控制后迭代分配的變量?jī)r(jià)格對(duì)功率分配的影響設(shè)置的部分程序如下所示： for j=2:N Pmax(j)= Pr1/(W/(2*log(2)*p(j1)*p(j1)))。其思路如下：1) 當(dāng)子載波分配完成之后,即子載波分配給了指定的認(rèn)知用戶,利用注水算法得到P=[p1,p2,…,pN],P為1N的功率向量,代表系統(tǒng)為子載波上分配的功率。因此該功率優(yōu)化問題是一個(gè)非凸優(yōu)化問題，本質(zhì)上難以解決。很明顯，該方案約束集是凸集合。但不同蜂窩內(nèi)的用戶可以同時(shí)使用某一同頻率的子載波，因此存在蜂窩問干擾(ICI)。以O(shè)FDM技術(shù)為基礎(chǔ)的多蜂窩無線通信系統(tǒng)，假設(shè)系統(tǒng)擁有有M個(gè)蜂窩，蜂窩集合為M={1，2，．，M}，蜂窩m內(nèi)擁有個(gè)用戶，在一個(gè)調(diào)度周期內(nèi)，信號(hào)可在N個(gè)OFDM子載波內(nèi)進(jìn)行并行傳輸，子載波集合為N={l，2，．．．，N}。，以及信道噪聲比，其中T表示符號(hào)寬度，表示信道的功率增益，表示子信道中高斯噪聲的各維方差。這樣當(dāng)每個(gè)子信道的速率和功率都選擇對(duì)應(yīng)于速率功率曲線上，就可以實(shí)現(xiàn)拉格朗日代價(jià)函數(shù)最小化。即假設(shè)定價(jià)一定值后的注水算法——拉格朗日乘子法 +λ （39）其中L（λ）是拉格朗日代價(jià)函數(shù)，每次拉格朗日代價(jià)函數(shù)最小化就能對(duì)應(yīng)在功率限制條件下的最佳功率分配。在非合作中增加了一定程度的協(xié)調(diào)，可引導(dǎo)用戶的行為能夠面向更加高效的納什均衡點(diǎn)，從而提高網(wǎng)絡(luò)性能。事實(shí)上，從全局優(yōu)化的觀點(diǎn)來看，完全非合作功率分配往往并不是一個(gè)理想的策略，他所產(chǎn)生的結(jié)果可能不收斂，或者會(huì)產(chǎn)生一些不合理的納什均衡點(diǎn)，其性能表現(xiàn)很差。受此影響，其他用戶也會(huì)通過提高發(fā)射功率，希望獲得更大的效用，最終的平衡點(diǎn)會(huì)處于一組各分量都相對(duì)較大的功率向量上，收斂點(diǎn)不是帕累托最優(yōu)解。每個(gè)基站只需根據(jù)必要本地信息，通過分布式策略最大化自身效用值。而且當(dāng)N較大時(shí)，這種假設(shè)也是合理的。 （37） 迭代注水算法中很重要的一步就是確定注水水位β的值。求導(dǎo)： ， 則有