本技术介绍了一种结合匈牙利算法和遗传算法的CR-NOMA资源分配策略,应用于无线通信领域。该方案涉及将构建的优化问题P0细分为子问题P1和P2,通过匈牙利算法求解P1以获得初始资源分配,再利用遗传算法优化P2,最终实现资源的高效分配。
背景技术
随着“万物互联”时代的来临,无线终端数目爆炸式增加,移动网络对于频谱资源的需求越来越大。如何以有限频谱资源解决大规模终端的高效多址接入(MultipleAccess,MA),成为当前无线网络面临的关键问题。
第五代移动通信提出了全新的功率域非正交多址接入(Non-OrthogonalMultiple Access,NOMA)技术,通过复用功率资源支持多个用户的同频同时传输,采用较为复杂的连续干扰消除(Serial Interference Cancellation,SIC)技术来解调多址。对于频谱资源不足的问题,认知无线电(Cognitive radio,CR)技术被看作是一种有效的解决方案。它允许次级用户(SecondaryUsers,SUs)在不过分影响主用户(Primary Users,PUs)传输性能的前提下共享主用户的授权频谱资源,以支持终端的灵活动态数据传输,同样为大规模物联网终端的短包随机传输提供了便利。考虑到CR技术能够提供灵活的无线频谱资源,而NOMA技术支持灵活高效的多址接入,将二者结合有望大幅提升无线频谱利用率,从而解决频谱资源不足与大规模终端随机接入需求剧增的矛盾问题。
目前,CR-NOMA研究正陆续展开,研究工作主要着眼于如何设计更高效的资源分配方案以提高接入效率和系统吞吐量,关注的多为小规模CR终端场景,面向大规模物联网终端随机接入的CR-NOMA研究工作开展的较少,而且现有研究在处理次用户配对时多采用高复杂度的穷举法或性能一般的顺序匹配方法。因此,有必要面向大规模CR终端场景研究高效率的NOMA传输优化方案,以提升CR-NOMA传输性能。
实现思路