The performances of several signal-to noise ratio (SNR) estimation techniques reported in the literature are compared to identify the "best" estimator. The SNR estimators are investigated by the computer simulation of baseband binary phase-shift keying (PSK) signals in real additive white Gaussian noise (AWGN) and baseband 8-PSK signals in complex AWGN. The mean square error is used as a measure of performance. In addition to comparing the relative performances, the absolute levels of performance are also established; the simulated performances are compared to a published Cramer-Rao bound (CRB) for real AWGN and a CRB for complex AWGN that is derived here. Some known estimator structures are modified to perform better on the channel of interest. Estimator structures for both real and complex channels are examined.

Autoregressive stochastic models for the computer simulation of correlated Rayleigh fading processes are investigated. The unavoidable numerical difficulties inherent in this method are elucidated and a simple heuristic approach is adopted to enable the synthesis of accurately correlated, bandlimited Rayleigh variates. Startup procedures are presented, which allow autoregressive simulators to produce stationary channel gain samples from the first output sample. Performance comparisons are then made with popular fading generation techniques to demonstrate the merits of the approach. The general applicability of the method is demonstrated by examples involving the accurate synthesis of nonisotropic fading channel models.

Femtocells are being considered a promising technique to improve the capacity and coverage for indoor wireless users. However, the cross-tier interference in the spectrum-sharing deployment of femtocells can degrade the system performance seriously. The resource allocation problem in both the uplink and the downlink for two-tier networks comprising spectrum-sharing femtocells and macrocells is investigated. A resource allocation scheme for cochannel femtocells is proposed, aiming to maximize the capacity for both delay-sensitive users and delay-tolerant users subject to the delay-sensitive users' quality-of-service constraint and an interference constraint imposed by the macrocell. The subchannel and power allocation problem is modeled as a mixed-integer programming problem, and then, it is transformed into a convex optimization problem by relaxing subchannel sharing; finally, it is solved by the dual decomposition method. Subsequently, an iterative subchannel and power allocation algorithm considering heterogeneous services and cross-tier interference is proposed for the problem using the subgradient update. A practical low-complexity distributed subchannel and power allocation algorithm is developed to reduce the computational cost. The complexity of the proposed algorithms is analyzed, and the effectiveness of the proposed algorithms is verified by simulations.

Cognitive small cell networks have been envisioned as a promising technique for meeting the exponentially increasing mobile traffic demand. Recently, many technological issues pertaining to cognitive small cell networks have been studied, including resource allocation and interference mitigation, but most studies assume non-cooperative schemes or perfect channel state information (CSI). Different from the existing works, we investigate the joint uplink subchannel and power allocation problem in cognitive small cells using cooperative Nash bargaining game theory, where the cross-tier interference mitigation, minimum outage probability requirement, imperfect CSI and fairness in terms of minimum rate requirement are considered. A unified analytical framework is proposed for the optimization problem, where the near optimal cooperative bargaining resource allocation strategy is derived based on Lagrangian dual decomposition by introducing time-sharing variables and recalling the Lambert-W function. The existence, uniqueness, and fairness of the solution to this game model are proved. A cooperative Nash bargaining resource allocation algorithm is developed, and is shown to converge to a Pareto-optimal equilibrium for the cooperative game. Simulation results are provided to verify the effectiveness of the proposed cooperative game algorithm for efficient and fair resource allocation in cognitive small cell networks.

Decode-and-forward relaying has been shown to be a viable transmission protocol for wireless networks incorporating distributed spatial diversity. Practical systems may employ relay channels that experience statistically different signal fading. The performance of decode-and-forward relaying in channels with dissimilar fading parameters is investigated. In particular, a closed-form expression for the outage probability of a system with an arbitrary number of relays is derived