基于POMDP模型的分布式机会频谱接入算法

针对认知无线电（cognitive radio,CR）信道的动态特性,以部分可观测马尔科夫决策过程（POMDP）为模型对认知无线电网络用户的频谱感知和频谱接入过程进行研究,提出了基于POMDP模型的分布式机会频谱接入算法.该算法利用网络信道的历史频谱感知信息对主用户接入信道的状况作出估计,以认知用户吞吐量最大化为目标进行频谱接入.同时,通过贪心算法得到此优化策略的次优解,降低了最优策略的计算复杂度.论文分析了认知用户接入吞吐量与网络中信道数目以及信道状态转移概率之间的关系,将贪心算法与随机检测接入算法进行了仿真比较.仿真结果显示,该算法获得的吞吐量比随机检测接入算法提高了约25％,能够更有效地做出接入策略.     

认知无线电中感知信道的优化选择方法

在认知无线电中,频谱感知是实现频谱动态接入的重要前提和核心环节,文中在多用户多信道环境下基于能量检测提出了一种感知信道优化选择的方法。该方法从最大化一个次用户感知一个主用户信道能获得的归一化吞吐量出发,在目标检测概率限制下,提出了基于改进的匈牙利算法进行感知信道选择的最优方法。仿真结果表明,与感知信道随机选择方法相比较,文中提出的方法可以大大提高整个次用户网络的归一化吞吐量。     

基于动态多频谱感知的认知无线网络信道接入策略

针对固定频谱感知信道接入机制授权信道分配效率低的问题,提出一种多用户场景下基于动态多频谱感知的认知无线网络信道接入策略.该策略根据认知用户接入请求等级与空闲频谱发现概率为认知用户动态分配感知信道数量,首先分析了认知用户的最佳感知频谱分配数量,在此基础上通过建立认知用户信道接入模型和授权信道可用度更新机制,设计了一种动态感知频谱分配策略,并采用短视策略对网络吞吐量进行了分析.仿真结果表明,所提信道接入策略要比现有认知无线网络信道接入策略提高了网络吞吐量和认知用户接入的公平性,降低了认知用户的平均接入时延.     

感知能力受限的认知无线电系统中的合作检测

为了实现可靠的宽带频谱检测,在感知能力受限的多用户认知无线电系统中使用合作频谱检测。首先对合作检测性能和系统平均传输吞吐量进行建模。在主用户网络可容忍的子频段传输冲突概率受限的前提下,研究多用户合作检测最优化问题,以最大化认知网络的平均传输吞吐量。使用穷举法获得系统的最优合作检测策略,并提出了一个启发式算法以简化计算复杂度。理论分析和数值仿真证明,提出的合作检测策略能有效提高认知无线电系统的频谱检测性能。     

基于遗传算法的认知无线电网络共同信道和功率最优分配

信道分配和功率控制问题是认知无线电网络中的核心问题。文中根据不完美频谱感知情形下的干扰功率模型,建立认知无线电网络共同信道和功率分配优化模型,并通过罚函数法,将标称的混合整数规划问题简化为不带约束条件的非线性规划问题,提出了基于遗传算法的共同信道和功率最优分配算法。仿真结果表明,该算法能在不完美频谱感知情形下对信道和功率进行联合最优分配,减少对主用户功率干扰,实现网络中认知用户吞吐量的最大化。     

一种优化的认知无线电网络资源协同分配算法

在目前的认知无线电研究中,多用户OFDMA系统中如何实现子载波和功率的合理分配是研究的重点之一.针对认知无线电资源分配过程中出现的多认知用户资源分配不公平的问题,研究了认知无线电网络中授权用户占用子载带时,认知用户的吞吐量受限制的问题,提出了一种基于underlay频谱共享模式下的OFDMA认知无线电网络功率与子载带协同分配优化算法.该算法利用干扰门限的设置,使用原始感知信息(RSI)和信道状态信息(CSI)进行功率与子载波分配,然后分别进行功率控制和用户选择的计算,找到最优化传输功率与每个子载带最优使用用户,在保证授权用户免受有害干扰的前提下,使授权用户存在时,也可共享频谱传输,确保了系统的稳定性,提高了网络吞吐量.理论分析与仿真结果表明,相比传统的功率与子载波联合分配算法,该算法可以提高系统的平均加权吞吐量.     

基于Q-learning的动态频谱接入算法研究

设计了一种基于Q-learning的动态频谱接入算法.该算法的利用Q-learning自适应能力强的优势,帮助认知用户感知合适的信道并接入,认知用户通过不断地与环境交互学习选择回报率最高的信道,实现频谱资源的二次利用.最后对该算法进行了仿真,仿真结果表明所提算法能够提高认知用户吞吐量,降低与主用户冲突概率,且能以较快的速度收敛,这对于解决频谱资源利用问题有着重大的意义.     

基于速率的认知无线网络低复杂度宽带频谱接入算法

为解决认知无线网络中宽带频谱感知模式的计算量大和感知时间延长等问题,提出了一种基于速率的认知无线网络低复杂度宽带频谱感知算法。在宽带频谱感知的基础上,设定选择条件,对信道的期望传输速率进行比较,确定需要感知的信道,以实现减少认知无线网络次用户系统的信道感知时间和感知计算量的目标。经过仿真实验分析对比表明,该算法可以有效地平衡次用户系统吞吐量最大化和主用户系统的干扰之间的矛盾。     

基于互信息的分布式贝叶斯压缩感知

压缩感知理论应用于分布式认知网络中时,由于每个认知用户所处的信道环境差别很大,因此频谱感知的精度相差很大.为了提高感知的精度,提出了一种结合了分布式网络中的数据融合方法和压缩感知理论中的高效的数据处理方式的方法.首先,单个认知用户单独地运用压缩采样(CS)进行频谱的粗略感知,然后通过互信息的计算可以得到两两认知用户之间感知信息的差异,而差异大的两个认知用户之间会产生关联.认知用户的感知信息会按照这种关联进行共享.信息共享后,在每个认知用户端,基于贝叶斯推理的压缩感知恢复会重新进行来更新之前的感知结果.仿真结果表明,在感知精度与感知速率方面,算法性能均有改善.     

基于协作频谱感知和干扰约束的认知异构网络

针对异构无线网络的空闲信道检测准确率及网络吞吐量的优化问题,提出一种基于协作频谱感知和干扰约束的认知异构网络.首先,所提出的认知异构网络系统模型采用多个中心次用户(Center Secondary Users,CSU)节点协助其他节点进行频谱感知,并引入了能量检测阈值,在提高空闲信道检测准确率的同时节省检测能耗.接着,采用最大化数据速率的联合优化方程,在干扰功率的限制约束下为节点分配最佳的发射功率,降低干扰程度并优化网络吞吐量.实验仿真结果表明,相比较基于集群的协作频谱感知分配策略算法和基于QoS约束的能量感知竞争功率分配算法,该算法的网络吞吐量分别提升了3.4%和1.5%,平均频谱利用率分别提高了9.3%和7.4%.