基于信道分配的多跳认知无线电网络路由算法

现有认知无线电网络中路由算法没有综合考虑主用户的到达率和认知用户竞争使用信道对网络性能的影响。针对上述问题,结合认知无线电网络频谱动态变化的特性,提出一种基于信道分配的多跳认知无线电网络路由算法（multi-hop cognitive routing basedan channel allocation, MCRC）。MCRC算法先得到最大化总吞吐量的全局信道分配,然后考虑主用户使用授权信道的概率和认知用户竞争使用信道的概率,得到认知用户使用某个信道的概率,最后以信道的有效传输时延作为选路标准,根据Dijkstra算法选择最小时延的路径。性能评估结果表明,MCRC明显地减小了平均端到端时延,极大地提高了平均端到端吞吐量。     

基于优化ZFBF的认知MISO系统中的用户选择算法

为提高认知无线电多输入单输出(cognitive radio multiple input single output, CR MISO)系统传输速率,给出一种基于波束成形的用户选择算法。假设信道状态信息已知,算法采用零空间理论消除对主用户(primary user, PU)干扰和优化迫零波束成形(zero forcing beamforming, ZFBF)技术消除认知用户(cognitive user, CU)间干扰。考虑发射功率限制,依次选择CU进行注水功率分配实现最大化系统传输速率。此外,在迭代中采用正交三角分解（orthogonal triangular decomposition, LQ)减少算法复杂度。数值分析表明,本算法系统的传输速率与PU的干扰门限大小无关,且比采用近正交用户选择算法的系统传输速率高4~6bps/Hz。当发射功率限制为10 dB时,在相同条件下使用优化ZFBF的传输速率比使用ZFBF的传输速率高约1 bps/Hz。     

OFDM认知无线电系统中的自适应资源分配新算法

认知无线电能通过提高频谱资源利用率,来解决无线频谱资源紧缺的问题,正交频分复用(OFDM)被认为是能与认知系统完美结合的技术。提出了一种基于OFDM认知系统的动态资源分配算法。该算法从最大化次用户的总传输比特速率出发,在次用户总的发送功率限制和主用户的干扰门限限制下,基于构建的新的代价函数,运用改进的匈牙利算法进行子信道分配,然后根据次用户的需求,进行自适应比特和功率分配。仿真结果表明,该算法可以有效利用不同主用户频带间的频谱空穴,使次用户系统的吞吐量最大,同时保证各个主用户受到的干扰总量低于各自的干扰门限。     

认知网络中基于三角分解的干扰对齐算法

针对多个主用户、多个次用户的认知多输入多输出网络,由次用户单方面消除主次间的干扰,带来次用户性能严重损失的问题,提出一种联合主次用户信道矩阵进行三角分解的干扰对齐算法。首先,根据各个用户的信道质量分别对主用户系统和次用户系统的信道矩阵进行排序;然后,结合主用户网络和次用户网络的信道矩阵进行三角分解;最后,通过最小均方误差算法来验证所提算法的可行性。仿真实验表明,所提算法能有效地提高次用户自由度上限以及次用户网络和主用户网络的系统容量、平均能量效率及抑制干扰的能力。     

基于隐马尔可夫模型的动态跳频信道接入算法

针对认知无线电信道接入中存在主用户和次级用户相互干扰、吞吐量下降的问题,提出基于隐马尔可夫模型的动态跳频信道接入算法。由于长时段的数据传输造成次级用户无法及时切换信道,将数据传输时段分为多个跳频时段,构建隐马尔可夫模型预测可用信道,建立跳频信道集合,设计动态跳频序列,使信道接入的效率更高。理论分析与仿真结果表明,该算法能够有效降低各级用户之间干扰概率并显著改善系统吞吐量,增加系统可靠性和信道利用率。     

认知无线网络自适应功率控制博弈算法

为满足认知无线网络环境下各认知用户的需求,综合考虑认知用户距离基站的远近、算法稳定性及用户间的干扰问题,使用非合作博弈论对认知无线网络中的功率控制问题进行建模,提出一种使用收益函数和综合代价函数共同表示效用的自适应功率控制算法,理论证明了该算法存在唯一的纳什均衡解。通过引入综合代价函数,使各认知用户在非合作博弈下包含了协作的行为,从而获得帕累托最优解。Matlab仿真表明,该自适应功率控制算法在满足不同用户对SIR需求不同的前提下,克服了远近效应,降低了认知用户的发射功率,实现了高频效和频谱共享的公平性。     

认知无线电网络中授权用户参数估计

针对认知用户在频谱切换过程中无法实时地获取授权用户到达率与服务率的问题,提出了基于隐式马尔可夫模型的参数估计算法。首先利用排队论对授权用户队列进行建模与分析,推导出授权用户队列状态转移概率;其次利用能量感知算法检测授权用户队列真实状态,获得可观测序列值;然后利用隐式马尔可夫模型描述两种随机过程,即授权用户队列状态变化随机过程和可观测序列随机过程;最后利用forward-backward算法估计隐式马尔可夫模型,从而获得授权用户到达率与服务率。仿真结果表明,该方法能够实现实时的、较为精确的估计,从而实时地为认知用户选择频谱切换策略提供依据。     

空时复用多用户MIMO系统联合天线选择

在下行多用户MIMO通信系统中,用户间很难相互利用彼此间信息,用户间干扰消除必须在基站完成.又由于多用户MIMO系统的复杂结构,使得其链路成本极大增加.针对这些问题,提出一种低复杂度的预编码算法和相应的优化预处理算法,达到消除多用户干扰的目的,与传统线性预编码算法相比,所提算法可充分利用多用户系统容量,为用户提供较好的空间发射分集增益.同时,为了降低系统硬件成本,进一步给出一种基于误码率的发送端、接收端联合天线选择算法.所提天线选择算法可以取得与优化预处理算法相近的误码率性能,使得多用户通信系统性能与硬件成本间达到很好的折衷.仿真结果表明所提算法可以获得较好的性能,适用于实际的通信系统.     

基于压缩感知的认知无线网络协作频谱感知技术

针对传统频谱感知算法受A/D器件物理瓶颈,硬件计算能力等限制难以实现宽频段授权用户实时检测的问题,将压缩感知技术应用于宽带频谱感知,建立了一个基于Xampling前端的新型协作频谱感知模型,在此模型基础上提出一种基于认知用户分组,纽内利用压缩感知技术进行信息融合,组间对各组检测结果进行判决融合,两者结合实现授权用户检测的新算法,并给出了认知用户的分组原则.与传统宽带频谱感知算法相比,该方法无需高速A/D,也不需要恢复原始信号,可有效降低宽带频谱感知的硬件复杂度,缩短频谱感知时间,仿真结果证实了新算法的有效性.     

基于强化学习的频谱决策与传输算法

在认知无线电(CR)通信中,各信道可能具有不同的带宽、干扰强度和主用户冲突概率,如何据自身业务特性选择最佳信道和传输策略是系统设计的关键问题之一.提出一种基于Q学习的在线学习算法,用于解决多用户多信道CR系统中的信道选择与自适应传输问题.在不知道信道状态信息和主用户业务特性情况下,通过在线学习,获得各种环境下的最佳频谱选择与自适应传输策略.为验证所提方法的有效性,采用随机频谱选择算法和最小干扰频谱选择算法与所提方法进行比较.仿真结果表明,提出的方法通过在线学习实现了认知无线电的自适应控制,能够有效增加认知无线电的通信性能.     

Joint power and spectrum allocation algorithm in cognitive radio networks

The spectrum sharing problem between primary and cognitive users is mainly investigated.Since the interference for primary users and the total power for cognitive users are constrained,based on the well-known water-filling theorem,a novel one-user water-filling algorithm is proposed,and then the corresponding simulation results are given to analyze the feasibility and validity.After that this algorithm is used to solve the communication utility optimization problem subject to the power constraints in cognitive radio network.First,through the gain to noise ratio for cognitive users,a subcarrier and power allocation algorithm based on the optimal frequency partition is proposed for two cognitive users.Then the spectrum sharing algorithm is extended to multiuser conditions such that the greedy and parallel algorithms are proposed for spectrum sharing.Theory and simulation analysis show that the subcarrier and power allocation algorithms can not only protect the primary users but also effectively solve the spectrum and power allocation problem for cognitive users.     

面向多层卫星网络的信道资源管理方法

多层卫星网络结构复杂,信道资源有限。对多层卫星网络信道资源进行高效管理,能够提高卫星系统整体效率。为此,提出了一种面向多层卫星网络的信道资源管理方法。针对LEO/MEO/GEO三层卫星网络,首先根〖JP2〗据业务类型划分优先级,其次运用自回归积分滑动平均(autoregressive integrated moving average,ARIMA)〖JP〗模型预测小区内新呼叫业务用户量,然后根据预测用户量和卫星剩余信道带宽为用户选择接入层,再利用博弈模型判断是否允许用户接入,最后根据降级因子选择降级用户让出信道带宽。仿真结果表明,该方法能够降低整体阻塞率,提高整体效用。     

MIMO-OFDM系统中联合时域和空间域信号处理的改进PTS算法

为了降低多输入多输出正交频分复用(multiple input multiple output orthogonal frequency division multiplexing, MIMO-OFDM)系统中传统部分传输序列(partial transmit sequence, PTS)算法的计算复杂度,提出了联合时域和空间域信号处理的改进PTS算法。在时域信号处理部分,通过信号子块循环移位实现备选序列的增加;在空间域部分,利用天线间信号子块交换实现峰均功率比(peak to average power ratio, PAPR)抑制。同时在接收端 ,利用子块相位旋转引起的相位差异,本方法通过比较接收信号与星座点的距离,可以实现信号的盲检测,从而有效高MIMO-OFDM系统的频谱利用率。仿真结果表明,提出的方法能有效地抑制MIMO-OFDM信号的PAPR,而且明显降低了传统PTS算法的计算复杂度,同时可获得跟传统PTS方法已知边带副信息时相似的比特误码率(bit error rate, BER)性能。     

高移动性Jakes信道的学习与估计

在高移动场景下, 信道具有快速时变性和非平稳特性, 对信道的准确估计提出了新的挑战。针对高移动性Jakes信道, 提出一种基于图像重建和恢复原理的信道学习估计网络。首先,根据Jakes信道矩阵中局部相关特性, 构建快速超分辨卷积神经网络提取信道特征, 并对信道插值完成信道图像建模。然后, 利用去噪神经网络降低信道噪音的影响, 进一步提高估计精度。最后,通过时域和频域的仿真测试, 所提方案估计性能优于传统算法。在与现有基于深度学习最新方法比较中, 所提方案也有性能优势, 并且收敛速度更快。     

SC-FDE系统中基于UW的联合信道估计均衡算法

针对基于特殊字(unique word, UW)帧结构的单载波频域均衡(single carrier frequency domain equalization, SC-FDE)系统提出一种联合信道估计噪声预测最小均方误差-残留码间干扰消除(minimum mean square error-residual intersymbol interference cancellation, MMSE-RISIC)均衡算法。该算法包括噪声预测MMSE-RISIC均衡算法与基于UW的噪声消除时域信道估计算法, 并将频域均衡算法与信道估计算法相结合。最后,利用华北地区300 km的9径散射链路参数进行仿真, 结果表明基于UW的噪声消除时域信道估计算法较基于UW的时域信道估计算法总体性能有所提高, 当误码率为10^-2时信噪比大约有1.2 dB的性能增益; 联合信道估计噪声预测MMSE-RISIC均衡算法相比改进MMSE-RISIC均衡算法性能也有提高, 当误码率为10^-2时信噪比大约有3.2 dB的性能增益。     

两坐标雷达组网中目标高度与系统误差联合估计

针对目前两坐标雷达组网系统误差估计忽略了目标高度影响的问题,采用模块化方法,将3部两坐标雷达组网分成平面与空间两个模块进行目标高度与系统误差的联合估计,提高了系统误差估计的精度。首先分析目标高度对系统误差估计的影响,接着详细推导基于极大似然估计法的目标高度与系统误差联合估计模型,并给出估计流程图,最后建立仿真模型对算法进行验证,并和传统方法进行比较。仿真结果显示,所建立的模型能够精确估计出目标平面位置和高度信息,实现目标的三维准确定位,并且同样能精确估计出传感器系统误差,验证了算法的准确性和有效性。