Visible light communications (VLC) have been recently proposed to enhance the capacity of next generation of wireless services. Moreover, VLC networks usually comprise a large number of overlapping optical access points (APs). Moreover, each of these APs provides a small and confined area of coverage in order to generate satisfactory illumination. In this work, a user-centric (UC) clustering formation based on the K-means algorithm is proposed to manage the inter-cell interference (ICI) and enhance the performance of VLC networks. Moreover, assuming that each user is equipped with a reconfigurable photodetector, the use of blind interference alignment (BIA) in each UC cluster is considered. Notice that the data rate demands are not the same for all the users. We formulate an optimization problem to maximize the utility of the network resources allocated to the users based on their demands. After that, a centralized algorithm is proposed to obtain an optimal solution through exhaustive search, which is subject to high complexity. To reduce the complexity of this optimization problem, the problem is divided into sub-problems based on the number of constructed UC clusters. Then, a distributed algorithm via Lagrangian multipliers is proposed within each UC cluster with the aim of providing a near optimal solution to the centralized algorithm. Simulation results demonstrate that the proposed resource allocation algorithms provide higher performance than a uniform resource allocation scheme among users.

中文翻译：

---

基于盲干扰对齐的以用户为中心的光无线蜂窝网络中的资源分配

最近提出了可见光通信 (VLC) 以增强下一代无线服务的容量。此外，VLC 网络通常包括大量重叠的光接入点 (AP)。此外，这些 AP 中的每一个都提供小而有限的覆盖区域，以产生令人满意的照明。在这项工作中，提出了一种基于 K-means 算法的以用户为中心 (UC) 的聚类形成，以管理小区间干扰 (ICI) 并提高 VLC 网络的性能。此外，假设每个用户都配备了一个可重构光电探测器，则考虑在每个 UC 集群中使用盲干扰对齐（BIA）。请注意，并非所有用户的数据速率需求都相同。我们制定了一个优化问题，以根据用户的需求最大化分配给用户的网络资源的效用。之后，提出了一种集中式算法，通过穷举搜索获得最优解，但复杂度较高。为了降低这个优化问题的复杂度，根据构建的 UC 集群的数量将问题划分为子问题。然后，在每个 UC 集群内提出了通过拉格朗日乘子的分布式算法，目的是为集中式算法提供接近最优的解决方案。仿真结果表明，所提出的资源分配算法比用户之间的统一资源分配方案提供更高的性能。提出了一种集中式算法，通过穷举搜索获得最优解，该算法复杂度高。为了降低这个优化问题的复杂度，根据构建的 UC 集群的数量将问题划分为子问题。然后，在每个 UC 集群内提出了通过拉格朗日乘子的分布式算法，目的是为集中式算法提供接近最优的解决方案。仿真结果表明，所提出的资源分配算法比用户之间的统一资源分配方案提供更高的性能。提出了一种集中式算法，通过穷举搜索获得最优解，该算法复杂度高。为了降低这个优化问题的复杂度，根据构建的 UC 集群的数量将问题划分为子问题。然后，在每个 UC 集群内提出了通过拉格朗日乘子的分布式算法，目的是为集中式算法提供接近最优的解决方案。仿真结果表明，所提出的资源分配算法比用户之间的统一资源分配方案提供更高的性能。在每个 UC 集群中提出了通过拉格朗日乘子的分布式算法，目的是为集中式算法提供接近最优的解决方案。仿真结果表明，所提出的资源分配算法比用户之间的统一资源分配方案提供更高的性能。在每个 UC 集群中提出了通过拉格朗日乘子的分布式算法，目的是为集中式算法提供接近最优的解决方案。仿真结果表明，所提出的资源分配算法比用户之间的统一资源分配方案提供更高的性能。