m基于matlab的软件无线电注水功率分配算法性能仿真,对比C-PF,C-CUBP,C-DUBP等

简介: m基于matlab的软件无线电注水功率分配算法性能仿真,对比C-PF,C-CUBP,C-DUBP等

1.算法描述

   注水算法是根据某种准则,并根据信道状况对发送功率进行自适 应分配,通常是信道状 况好的时刻,多分配功率,信道差的时候, 少分配功率,从而最大化传输速率。注水算法是根据某种准则,并根据信道状况对发送功率进行自适应分配,通常是信道状况好的时刻,多分配功率,信道差的时候,少分配功率,从而最大化传输速率。实现功率的注水分配,发送端必须知道CSI。当接收端完全知道信道而发送端不知道信号时,发送天线阵列中的功率平均分配是合理的。当发送端知道信道,可以增加信道容量。

    信道功率的注水分配 [1] 是一种形象的说法——假设要为几个信噪比(γ)各不相同的子信道分配功率。曲线1/γ 代表碗底;而功率被注入这只碗,直到恒定的水面线1/γ0(γ0是参考信噪比)为止。对于某个给定信噪比为γ的子信道,注入的功率量是1/γ0− 1/γ,即碗底(1/γ)和水面(1/γ0)之间的水量。

   注水原理背后的思路是充分利用信道的良好状况:信道状况好的时刻(γ大),多分配功率,即提高数据传输速率;信道状况差的时候(γ小),少分配功率,即降低数据传输速率;如果信道状况低于某个阀值(比如γ<γ0),就不分配功率。运用注水分配,可以最大化传输速率。

1.png
2.png
3.png
4.png

Step3:若分配到最小增益的信道能量为负值,即设,p=p+1,转至 Step1;

若任意非负,即得到最佳注水功率分配策略。

2.仿真效果预览
matlab2022a仿真如下:

5.png
6.png
7.png
8.png

   分布式算法,主要是降低算法的资源消耗,但是性能不如集中式算法。降低资源消耗,集中性非常耗资源,而分布式则可以大大降低资源消耗,但性能只是略低于集中式,所以选择分布式。

3.MATLAB核心程序

Parts               = 5;
Ts                  = 5;
Steps               = 5;
End_Times           = 10000;
Factor              = zeros(2,KK);
Rm                  = zeros(1,1);
Qm                  = zeros(1,1);
Alloc               = zeros(1,KK);
T_users             = T_users;
 
dr                  = 0;
or                  = 0;
ind                 = 0;
ino                 = 0;
rhoBE               = 0.5;
 
for schedule_time = 1:Steps:End_Times%for each time slot
    t = schedule_time;
    if  schedule_time <= 2*Steps
        M  = randperm(length(T_users));
        M1 = M(1:floor(length(T_users)/2));
        M2 = M(floor(length(T_users)/2)+1:end);
        PI1= zeros(1,length(M1));
        PI2= zeros(1,length(M2));
        ind0 = find(T_users <= mean(T_users));
        ind1 = find(T_users >  mean(T_users));
        for j = 1:KK
            for k = 1:length(M1)
                PI1(k) = T_users(M1(k));
            end
            for k = 1:length(M2)
                PI2(k) = T_users(M2(k));
            end    
            Len     = min(length(M1),length(M2));
            PIs     = PI1(1:Len) + PI2(1:Len);
           [V,I]    = max(PIs); 
           Xmax(j)  = V;
        end
        SK =[];
        for j1 = 1:length(ind0)
            for j2 = 1:length(ind1)
                if Xmax(ind0(j1)) >= Xmax(ind1(j2))
                   SK = [SK,j1]; 
                end
            end
        end
        SK    = unique(SK);
        if isempty(SK) == 1
           SK = 1;
        end
        tmps  = log2(1 + beta*abs(SNIR));
        Rm    = mean(Xmax(SK))*mean(mean(tmps));
        Qm    = 100;
        tmpsR1= Rm;
        tmpsR2= tmpsR1;
        tmpsQ = Qm;
    else
        M  = randperm(length(T_users));
        M1 = M(1:floor(length(T_users)/2));
        M2 = M(floor(length(T_users)/2)+1:end);
        PI1= zeros(1,length(M1));
        PI2= zeros(1,length(M2));
        ind0 = find(T_users <= mean(T_users));
        ind1 = find(T_users >  mean(T_users));
        for j = 1:KK
            for k = 1:length(M1)
                PI1(k) = T_users(M1(k));
            end
            for k = 1:length(M2)
                PI2(k) = T_users(M2(k));
            end    
            Len     = min(length(M1),length(M2));
            PIs     = PI1(1:Len) + PI2(1:Len);
           [V,I]    = max(PIs); 
           Xmax(j)  = V;
        end
        SK =[];
        for j1 = 1:length(ind0)
            for j2 = 1:length(ind1)
                if Xmax(ind0(j1)) >= Xmax(ind1(j2))
                   SK = [SK,j1]; 
                end
            end
        end
        SK     = unique(SK);
        if isempty(SK) == 1
           SK = 1;
        end
        Rm     = (1-rhoBE)*tmpsR1 + rhoBE*tmpsR2; 
        Qm     =  tmpsQ - Rm*Ts*sum(T_users(SK));
        tmpsR1 =  Rm;
        tmpsR2 =  tmpsR1;
        tmpsQ  =  Qm;
    end
    p = rand;
    if p <= 0.3;
       ino = ino + KK;
       p2 = rand;
       if p2 <= 0.5;
          ind = ind + KK;
       end
    end
end
 
SU = Rm/1e2;
Rms= Rm/KK/3;
dr = ind/End_Times;
or = ino/End_Times;
01_098m
相关文章
|
2天前
|
算法
基于小波变换和峰值搜索的光谱检测matlab仿真,带GUI界面
本程序基于小波变换和峰值搜索技术,实现光谱检测的MATLAB仿真,带有GUI界面。它能够对CO2、SO2、CO和CH4四种成分的比例进行分析和提取。程序在MATLAB 2022A版本下运行,通过小波分解、特征提取和峰值检测等步骤,有效识别光谱中的关键特征点。核心代码展示了光谱数据的处理流程,包括绘制原始光谱、导数光谱及标注峰值位置,并保存结果。该方法结合了小波变换的时频分析能力和峰值检测的敏锐性,适用于复杂信号的非平稳特性分析。
|
3天前
|
算法
基于SOA海鸥优化算法的三维曲面最高点搜索matlab仿真
本程序基于海鸥优化算法(SOA)进行三维曲面最高点搜索的MATLAB仿真,输出收敛曲线和搜索结果。使用MATLAB2022A版本运行,核心代码实现种群初始化、适应度计算、交叉变异等操作。SOA模拟海鸥觅食行为,通过搜索飞行、跟随飞行和掠食飞行三种策略高效探索解空间,找到全局最优解。
|
1天前
|
传感器 算法
基于GA遗传算法的多机无源定位系统GDOP优化matlab仿真
本项目基于遗传算法(GA)优化多机无源定位系统的GDOP,使用MATLAB2022A进行仿真。通过遗传算法的选择、交叉和变异操作,迭代优化传感器配置,最小化GDOP值,提高定位精度。仿真输出包括GDOP优化结果、遗传算法收敛曲线及三维空间坐标点分布图。核心程序实现了染色体编码、适应度评估、遗传操作等关键步骤,最终展示优化后的传感器布局及其性能。
|
3天前
|
算法 数据可视化 数据安全/隐私保护
一级倒立摆平衡控制系统MATLAB仿真,可显示倒立摆平衡动画,对比极点配置,线性二次型,PID,PI及PD五种算法
本课题基于MATLAB对一级倒立摆控制系统进行升级仿真,增加了PI、PD控制器,并对比了极点配置、线性二次型、PID、PI及PD五种算法的控制效果。通过GUI界面显示倒立摆动画和控制输出曲线,展示了不同控制器在偏转角和小车位移变化上的性能差异。理论部分介绍了倒立摆系统的力学模型,包括小车和杆的动力学方程。核心程序实现了不同控制算法的选择与仿真结果的可视化。
31 15
|
1天前
|
监控 算法 数据安全/隐私保护
基于扩频解扩+turbo译码的QPSK图传通信系统matlab误码率仿真,扩频参数可设置
本项目基于MATLAB 2022a实现图像传输通信系统的仿真,涵盖QPSK调制解调、扩频技术和Turbo译码。系统适用于无人机图像传输等高要求场景,确保图像质量和传输稳定性。通过仿真,验证了系统在不同信噪比下的性能,展示了图像的接收与恢复效果。核心代码实现了二进制数据到RGB图像的转换与显示,并保存不同条件下的结果。
16 6
|
2天前
|
机器学习/深度学习 算法 安全
基于深度学习的路面裂缝检测算法matlab仿真
本项目基于YOLOv2算法实现高效的路面裂缝检测,使用Matlab 2022a开发。完整程序运行效果无水印,核心代码配有详细中文注释及操作视频。通过深度学习技术,将目标检测转化为回归问题,直接预测裂缝位置和类别,大幅提升检测效率与准确性。适用于实时检测任务,确保道路安全维护。 简介涵盖了算法理论、数据集准备、网络训练及检测过程,采用Darknet-19卷积神经网络结构,结合随机梯度下降算法进行训练。
|
4天前
|
算法 数据安全/隐私保护 计算机视觉
基于FPGA的图像双线性插值算法verilog实现,包括tb测试文件和MATLAB辅助验证
本项目展示了256×256图像通过双线性插值放大至512×512的效果,无水印展示。使用Matlab 2022a和Vivado 2019.2开发,提供完整代码及详细中文注释、操作视频。核心程序实现图像缩放,并在Matlab中验证效果。双线性插值算法通过FPGA高效实现图像缩放,确保质量。
|
1月前
|
算法 数据安全/隐私保护 计算机视觉
基于Retinex算法的图像去雾matlab仿真
本项目展示了基于Retinex算法的图像去雾技术。完整程序运行效果无水印,使用Matlab2022a开发。核心代码包含详细中文注释和操作步骤视频。Retinex理论由Edwin Land提出,旨在分离图像的光照和反射分量,增强图像对比度、颜色和细节,尤其在雾天条件下表现优异,有效解决图像去雾问题。
|
1月前
|
算法 数据可视化 安全
基于DWA优化算法的机器人路径规划matlab仿真
本项目基于DWA优化算法实现机器人路径规划的MATLAB仿真,适用于动态环境下的自主导航。使用MATLAB2022A版本运行,展示路径规划和预测结果。核心代码通过散点图和轨迹图可视化路径点及预测路径。DWA算法通过定义速度空间、采样候选动作并评估其优劣(目标方向性、障碍物距离、速度一致性),实时调整机器人运动参数,确保安全避障并接近目标。
148 68
|
1月前
|
算法 数据安全/隐私保护
室内障碍物射线追踪算法matlab模拟仿真
### 简介 本项目展示了室内障碍物射线追踪算法在无线通信中的应用。通过Matlab 2022a实现,包含完整程序运行效果(无水印),支持增加发射点和室内墙壁设置。核心代码配有详细中文注释及操作视频。该算法基于几何光学原理,模拟信号在复杂室内环境中的传播路径与强度,涵盖场景建模、射线发射、传播及接收点场强计算等步骤,为无线网络规划提供重要依据。

热门文章

最新文章