5G蜂窝系统中的GFDM功率优化：混合粒子群算法的应用

"这篇学术论文探讨了在第五代（5G）无线通信系统中，特别是在认知无线电网络（CRN）的物理层应用广义频分复用（GFDM）技术时的功率优化策略。GFDM因其低带外辐射特性成为CRN的一个理想选择。文章提出了一种基于混合粒子群优化算法（Hybrid Particle Swarm Optimization, HPSO）的功率分配策略，旨在最大化次用户（Secondary Users, SUs）的总吞吐量，同时满足功率和干扰限制，以提升服务质量和用户体验。 混合PSO-PS算法结合了传统粒子群优化（PSO）和惩罚函数（Punishment Function, PS），用于解决非线性和约束优化问题。通过这种方式，该策略可以有效地平衡SUs的功率分配，以提高数据传输速率，同时减少对主用户（Primary Users, PUs）的干扰。数值模拟结果显示，与其它优化技术相比，采用HPSO-PS的GFDM系统在总数据传输速率和性能上有显著提升。 此外，论文还研究了不同参数如次用户数量、主用户数量和子载波数量对算法性能的影响。这些分析证明了提出的算法不仅在理论上是可行的，而且在实际应用中具有实用性。该工作强调了混合优化方法在5G通信中GFDM系统功率优化问题上的潜力，为未来的研究和实际系统设计提供了有价值的参考。 关键词包括：认知无线电（CR）、广义频分复用（GFDM）、混合粒子群优化（HPSO），以及相关的通信系统优化和性能分析。该论文发表于电气系统与信息技术学报，并遵循了Creative Commons Attribution-NonCommercial-NoDerivatives 4.0许可协议，允许非商业性使用和无修改的分享。" 这篇研究的贡献在于提供了一种新的GFDM系统功率管理方案，利用混合优化算法来提升5G网络的性能，尤其是在认知无线电环境中的应用。它不仅提升了数据传输效率，还确保了服务质量和用户满意度，这对于未来5G网络的发展和部署具有重要意义。