基于有限反馈的认知OFDM网络资源分配技术研究

The resource allocation technology for cognitive OFDM network studies the dynamic subcarrier and power allocation technology from the perspective of interference coordination and reducing the feedback overhead of resource allocation algorithm is the key to the resource allocation technology for cognitive OFDM network. We will study the resource allocation technology with limited feedback for cognitive OFDM network. The research contents are as following. (1) The resource allocation problem based on chance-constrained programming for the uplink cognitive OFDM network will be studied. The transmission mode codebook and the resource allocation algorithm with limited feedback utilizing chance-constrained programming model will be designed. (2) The robust resource allocation problem based on quantized channel state information feedback for the downlink cognitive OFDM network will be studied. The robust resource allocation algorithm with limited feedback utilizing robust optimization model will be designed. (3) The resource allocation problem based on hybrid limited feedback for the downlink cognitive OFDM network will be studied. The resource allocation algorithm with limited feedback utilizing portfolio model will be designed. The above-mentioned problems adopt the technology roadmap which is resource optimization problem analysis - mathematical model - algorithm design - computer simulation. The purpose of our research will overcome the limitations of the resource allocation technology with full feedback for cognitive OFDM network. New methods will be provided to promote the application of resource allocation technology for cognitive OFDM network.

认知OFDM网络资源分配技术是从干扰协调的角度研究动态子载波和功率分配技术，而降低资源分配算法的反馈开销是认知OFDM网络资源分配技术走向实用的关键。本课题研究基于有限反馈的认知OFDM网络资源分配技术，主要包括：(1)研究基于机会约束规划的认知OFDM网络上行系统有限反馈资源分配问题，设计基于机会约束规划模型的发射模式码本和有限反馈资源分配算法；(2)研究基于量化信道状态信息反馈的认知OFDM网络下行系统鲁棒资源分配问题，设计基于鲁棒优化模型的有限反馈资源分配算法；(3)研究基于混合有限反馈的认知OFDM网络下行系统资源分配问题，设计基于投资组合模型的有限反馈资源分配算法。在研究方法上，上述问题采用资源优化问题分析-数学模型-算法设计-计算机仿真的技术路线进行研究。本课题旨在突破基于全反馈认知OFDM网络资源分配技术的局限，为推动基于有限反馈认知OFDM网络资源分配技术的应用提供新方法。

认知 OFDM 网络资源分配技术是从干扰协调的角度研究动态子载波和功率分配技术，而降低资源分配算法的反馈开销是认知 OFDM 网络资源分配技术走向实用的关键。本课题研究认知 OFDM 网络资源分配技术，主要包括：(i)研究了基于underlay模式的认知OFDM组播网络下行链路传输场景，对基于underlay模式的认知OFDM组播网络中的资源分配问题进行了建模，提出了一种基于Zoutendijk可行方向法的最大化能量效率资源分配算法。(ii)研究了基于overlay模式的认知OFDM单播网络上行链路传输场景，对基于overlay模式的认知OFDM单播网络中的资源分配问题进行了建模，提出了一种基于罚函数法的功率最小化资源分配算法。(iii)研究了基于overlay模式的认知OFDM组播网络下行链路传输场景，对基于overlay模式的认知OFDM组播网络中的资源分配问题进行了建模，提出了一种基于和声搜索算法的最大化最小传输速率资源分配算法。资助项目执行期间，本人共发表学术论文15篇，其中SCI论文13篇，EI论文2篇，其中包括IEEE Journal on Selected Areas in Communications，IEEE Transactions on Wireless Communications，IEEE Transactions on Vehicular Technology，Information Sciences，IET Communications，Electronic Letter等国外知名期刊；申请国家发明专利21项，其中以第一申请人申请19项。本人举办学术报告1场，参加国际学术会议2场，开展国际学术合作研究2次。在人才培养方面，本人独立指导硕士研究生4名。