OFDMA中继网络中联合队列和信道信息的资源分配策略

针对基于正交频分多址接入(OFDMA)的多中继、多用户的中继网络,研究了联合队列和信道信息的资源分配问题,目标是最大化下行系统吞吐量,同时保证用户队列的稳定.首先将子载波配对、载波对分配和功率分配问题建模为一个联合优化问题,之后通过对变量进行连续性放松,采用拉格朗日对偶方法进行求解,并利用Karush-Kuhn-Tucker(KKT)条件及匈牙利方法获得优化问题的近似最优解.性能分析与仿真结果表明,与仅利用信道信息的算法相比,所提的联合队列和信道信息的资源分配算法能够有效地提高系统吞吐量并降低用户数据包平均等待时延.     

一种新的重叠混沌信号盲分离算法

提出一种基于粒子滤波（particle filtering,PF）的重叠混沌信号盲分离算法,该算法依据混沌动力学系统的状态空间模型,把重叠混沌信号盲分离问题转化为混沌信号和系统参数的联合估计问题,利用PF方法估计各信号以及系统参数的联合后验分布,再由联合后验分布实现各信号以及系统参数的估计.在PF算法中利用核平滑的方法实现了非时变参数的迭代估计,并通过自适应迭代算法对加性高斯噪声进行了估计.仿真实验的结果表明,该算法能有效地解决重叠混沌信号的盲分离问题.     

加权短信网络上的谣言传播行为研究

基于实际短信网络的统计特征,提出了一种短信网络的加权演化模型,并在此模型上研究了谣言传播行为.考虑到边权是认可概率的关键影响因子,故改进了现有的谣言传播模型;通过改变边权弥散程度和网络结构参数,重点研究和分析了边权分布及聚类系数对谣言短信传播行为的影响.仿真实验表明:边权弥散程度越高,对谣言传播的抑制效果越好;聚类系数越高,谣言反而容易扩散蔓延.     

基于隐马尔可夫模型的协作频谱检测策略

频谱检测是认知无线电的基础和关键技术,将其建模为隐马尔可夫模型(hidden Markov model,HMM),并由此提出基于隐马尔可夫模型的协作频谱检测策略.该策略首先使用Baum-Welch法对HMM的系统参数进行最大似然估计;然后基于HMM模型,利用各次用户的检测信息以及过去信道状态的后验概率信息进行贝叶斯推理,更新当前时隙信道状态的后验概率;最后根据最大后验概率准则对当前时隙的信道状态进行最终判决.使用后验概率,该策略可进一步估计系统协作检测的性能,在满足系统协作检测性能要求的前提下,选择尽可能少的、检测性能较优的次用户来参与协作,以节约开销和降低复杂度.仿真实验表明,所提出的策略的系统检测性能优于基于大数判决、似然比和Chair-Varshney准则的协作频谱检测策略.