基于干扰权限交易的认知无线电网络功率控制算法

为提高认知无线通信系统频谱利用率和系统工作公平性,最大化授权用户和认知用户的经济效益,引入基于非合作博弈的干扰权限交易机制,提出了一种基于干扰权限交易的认知无线电网络功率控制算法.该算法允许授权用户在保证最低干扰门限的基础上交易其干扰权限,并对认知用户征收干扰价格来补偿其通信质量的降低.通过价格杠杆原理,授权用户和认知用户、认知用户和认知用户对干扰价格和发射功率进行非合作博弈,并且干扰价格和发射功率收敛于纳什均衡点.仿真结果表明,文中所提算法比传统算法具有更好的系统公平性和实用性.     

多小区认知无线电网络中基于非合作博弈的功率控制算法

功率控制技术是认知无线电网络的关键技术之一。本文对多小区认知无线电网络进行分析,建立非合作博弈模型,提出一种新的适用于多小区认知无线电网络基于非合作博弈的功率控制算法,分析指出了该算法存在唯一的纳什均衡,并通过数值仿真分析了该算法的性能,用户可以以相对较低的发射功率获得较高的效用和服务质量,具有一定的实用性。     

认知无线电网络中功率控制方法的研究

分布式功率控制是认知无线电系统常用的功率控制方法之一.将非合作博弈论的方法应用于认知无线电的功率控制上,在Goodman所提出NPG模型以及NPGP模型上来进行代价函数的改进,并提出一种新的博弈算法来实现对认知无线电系统的功率控制.该算法不仅考虑到系统用户之间的公平性,同时还考虑到认知用户之间干扰的影响,并通过理论证明了其纳什均衡的存在性与唯一性.仿真结果表明,该算法不仅能使用户发射功率降低,同时还可以使用户的效用提高,并且收敛性较好.     

非合作博弈下功率与速率联合控制算法研究

针对已有的基于非合作博弈的功率控制算法中认知用户公平性的不足,提出了对认知用户的发射功率和传输速率进行联合控制的算法,在代价函数中设计了基于传输速率公平性的惩罚因子,同时还考虑了认知用户受到的干扰,与固定认知用户传输速率的功率控制算法进行仿真对比表明,在对认知用户发射功率进行调整的同时,通过调整认知用户的传输速率,能使认知用户在传输速率的分配上与目标传输速率的距离更小,更加体现了认知用户之间的公平性.     

基于信道选择和自适应功率控制的动态频谱分配

针对频谱分配过程中会出现用户间的干扰问题,提出了一种基于信道选择和自适应功率控制的动态频谱分配算法.该算法的基本思想是将认知用户间频谱的竞争转化为以信道选择为策略空间的博弈模型,通过调整发射功率和利用改进后的效用函数来选择最优的分配策略.实验结果表明:该算法在实现频谱动态分配的同时减小了对授权用户的干扰,提高了系统总吞吐量.     

基于非合作博弈的端对端通信资源分配

针对端对端通信多用户间的资源竞争问题,提出基于非合作博弈的端对端通信系统资源分配算法.首先以干扰最小化为目标构建博弈的效用函数,并充分考虑各种用户间的干扰;然后构造该博弈的潜在函数,并分析纳什均衡的存在性;最后通过仿真实验分析算法的有效性和优越性.结果表明,相对于其他算法,该算法加快了收敛速度,提高了系统的吞吐量,保证了用户竞争资源的公平性,增强了干扰的鲁棒性.     

认知无线电中基于博弈论的功率控制算法

简要介绍了认知无线电技术和博弈论的相关知识,分析了非合作功率控制博弈模型算法特点.根据认知无线电的系统基本要求和特点,提出一种基于博弈论的功率控制算法.使得用户的发射功率和收益方面都比非合作功率控制算法的性能有了一定的提高,最后给出了仿真结果分析验证了该算法的性能.     

基于功率控制的认知无线网络能效研究

针对Underlay频谱共享模式下的认知无线网络的能量效率问题,提出了一种双重改进的粒子群功率控制优化算法(Dual Improved Particle Swarm Optimization,DIPSO),通过最小化约束条件下认知用户的发射功率以实现网络能量效率优化.在仿真过程中,以保证认知用户基本通信的同时不对主用户正常通信构成影响为基本前提,对信道衰落及噪声干扰进行了综合考虑,搭建出多约束条件下的网络能量效率函数,实现认知无线网络中认知用户发射功率的最小化.仿真结果表明:该算法可有效提升无线网络的能量效率.     

基于博弈论的OFDMA系统多小区资源分配算法

对于蜂窝正交频分多址(OFDMA)系统,相邻小区间的同频干扰是影响系统性能提升的重要因素。该文提出了一种用于OFDMA系统上行链路的多小区资源分配算法。该算法基于博弈论,各用户在速率要求限制下以最小化发射功率为目标,在各小区独立进行信道分配的前提下,用户通过基站反馈获得当前的信道分配方案及博弈状态(同频干扰水平),以此为基础进行发射功率分配,实现了一种分布式的资源分配算法。仿真结果表明,博弈算法可大大降低系统的发射功率,且优化信道分配下的博弈算法比固定信道分配下的博弈算法还可降低系统发射功率30%。同时,博弈算法的收敛速度较快,有利于实际实现。     

认知无线电中基于干扰温度的功率控制博弈算法

针对认知无线电系统中功率控制的问题,根据David Goodman的非合作博弈思想,设计了一个基于干扰温度的代价函数,并对效用函数中的有效函数作了改进,在此基础上提出一种基于干扰温度的功率控制博弈算法。在仿真分析中同几种常用的功率控制博弈模型作了对比,结果表明该算法能有效提高认知用户的帕累托效应,提高用户的吞吐量,保障认知用户和主用户的QoS需求,使网络资源得到平等共享。     

认知无线电中基于干扰温度的功率控制博弈算法

针对认知无线电系统中功率控制的问题,根据David Goodman的非合作博弈思想,设计了一个基于干扰温度的代价函数,并对效用函数中的有效函数作了改进,在此基础上提出一种基于干扰温度的功率控制博弈算法。在仿真分析中同几种常用的功率控制博弈模型作了对比,结果表明该算法能有效提高认知用户的帕累托效应,提高用户的吞吐量,保障认知用户和主用户的QoS需求,使网络资源得到平等共享。     

基于授权系统通信状态和波束形成对认知中继系统吞吐量的改进

提出了一种认知中继系统采用半双工放大转发(amplify forward,AF)模式下的功率分配方案,在保证授权用户通信质量不变和认知系统总发射功率受限条件下,最大化认知网络吞吐量,在此基础上分两步实现吞吐量的最大化。首先,在认知中继端采用多天线利用波束成型方法滤除接收转发的干扰信号,然后,根据授权用户通信状态制定不同的最优功率分配方案。仿真结果表明,相比传统的授权用户干扰受限算法,该算法可有效提高认知网络的吞吐量。     

异构网络中基于非合作博弈的功率控制算法

针对异构蜂窝网络中系统能耗较高的问题,提出一种能效优先的基于非合作博弈的功率控制算法。该算法将宏基站间的功率控制过程描述为博弈模型,并在效用函数中引入了基于干扰因素的自适应代价函数,得到各基站的最佳响应策略,之后经过多步迭代调节发射功率,使系统收敛至能效最优的纳什均衡状态。仿真结果表明,所提算法与固定代价函数的功率控制优化算法相比具有较好的收敛性,系统能效有明显的提升,更适用于密集网络。     

超密集部署下基于双向干扰图的资源分配算法

针对超密集部署时小小区用户之间在资源复用模式下将产生强烈干扰的情况,提出采用双向干扰图的方法建立小小区用户间的干扰模型,并在此基础上设计了基于势博弈的资源分配算法.为减小资源分配过程中的计算开销,同时进一步抑制干扰,提出了资源分配效用矩阵和效用值更新方法,在算法执行过程中对资源块状态进行分类,减少小小区用户在博弈策略空间中的尝试次数.仿真结果表明:与原博弈算法相比,提出的算法在保证蜂窝用户服务质量的条件下,进一步提高了系统容量,同时明显提升了边缘用户可获取的速率,大幅降低了计算复杂度.     

认知异构网络中基于非理想频谱感知的凸优化资源分配算法

当前认知异构网络中无线频谱日益紧缺,而传统固定频谱分配模式日益成为限制无线通信性能的重要瓶颈,在非理想频谱感知情况下资源分配的问题尤为突出。为实现非理想频谱感知情况下无线资源的高效分配,提出一种基于认知异构网络的凸优化资源分配算法。该算法首先构建了基于主用户活跃度的用户到达模型,以精确描述认知网络中主用户的频谱使用状态,为认知用户分配资源提供依据;并通过认知异构网络干扰分析构建非理想频谱感知条件下的干扰容限条件,最后通过凸优化算法实现对认知网络中频谱资源的优化分配。仿真结果表明,在非理想频谱感知条件下,该算法能够有效降低系统平均时延,提升认知异构网络的传输速率和系统吞吐量。     

双层网络中一种协作博弈的动态资源分配方法

针对双层网络模型中宏小区用户层和毫微微小区用户层存在共信道信号互相干扰的问题,提出了一种协作博弈的动态资源分配(CGDRA)方法.该方法首先根据宏小区用户的路径损耗和QoS需求,对宏小区用户层的发射功率进行分配,然后以所有毫微微小区用户的数据速率之积作为效用函数,以毫微微小区用户的QoS需求为约束条件,构建了毫微微小区用户层总发射功率受限的协作博弈模型,并采用动态子载波分配算法和自适应功率分配算法得到了该博弈模型的低复杂度近似最优解,优化分配了毫微微小区用户的频谱资源和发射功率,提高了系统的传输速率.仿真结果表明:在双层网络中,CGDRA方法在系统数据速率和用户的公平性上获得了较好的折中;与最大最小公平性算法相比,系统的数据速率提高了30％;与最大速率算法相比更加公平.     

认知无线电中基于潜在博弈的信道分配算法

为最小化认知无线电系统的干扰水平,同时保证主用户的正常通信,提出了一种改进的基于博弈论的分布式信道分配算法,将次用户间的相互博弈构建为潜在博弈模型。效用函数不仅考虑了每个次用户对其他次用户和主用户的干扰,同时也考虑了其他次用户和主用户所产生的干扰。仿真结果表明,该算法具有较好的收敛性,分配结果能使主用户获得较好的吞吐量。     

SDWSN中基于非合作博弈的拓扑控制算法

为了节省无线传感器网络中节点的能耗,延长网络的生命周期,提出一种在软件定义无线传感器网络中基于非合作博弈的拓扑控制算法.首先,基于软件定义架构设置网络模型.然后,提出一种非合作博弈拓扑控制算法,该算法由控制器基于全局信息为每个节点与其他节点进行博弈,博弈过程中综合考虑节点的剩余能量、传输功率和链路跳数,使每个节点都能找到最利于自己的发射功率,从而在保证网络连通的前提下延长网络寿命.仿真结果表明,所提算法与其他基于博弈论拓扑控制算法相比,各节点能耗更加均衡,延长了网络生命周期.     

基于博弈论的认知无线电功率控制算法

基于博弈理论,提出了2种适用于认知无线电网络的功率控制算法,分别是完全信息功率博弈算法和非完全信息功率博弈算法。所提算法在满足干扰温度约束的前提下,以提高认知无线电网络总效用为目标,分布式实现功率控制。仿真比较了2种算法和已有认知无线电功率控制算法的性能差异,结果显示所提算法在系统平均效用和用户平均功耗方面均具有明显优势。     

基于博弈论的认知无线电功率控制算法

基于博弈理论,提出了2种适用于认知无线电网络的功率控制算法,分别是完全信息功率博弈算法和非完全信息功率博弈算法。所提算法在满足干扰温度约束的前提下,以提高认知无线电网络总效用为目标,分布式实现功率控制。仿真比较了2种算法和已有认知无线电功率控制算法的性能差异,结果显示所提算法在系统平均效用和用户平均功耗方面均具有明显优势。