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.     

认知无线电中的合作频谱感知性能仿真分析

在认知无线电网络中,合作频谱感知用来准确地检测主用户的出现。利用了一个新的仿真数字模型研究了在中继用户有发送功率约束的条件下,认知用户间的路径损耗指数（a₂）与主用户和认知用户间的路径损耗指数（a₁）之比a₂/a₁、主用户与两个认知用户间的夹角φ、以及发射功率对合作频谱感知检测性能的影响。数字仿真结果表明:采用合作后检测性能的改善对路径损耗指数之比a₂/a₁非常敏感,并且当a₂/a₁<1时,可以得到较大的合作增益,当a₂/a₁>1时,采用合作后检测性能改善很小。     

多分辨率频谱感知算法性能的参数化评估方法

多分辨率频谱感知算法是一种利用小波变换时频尺度可变特性,对宽带通信系统进行快速准确地感知的频谱感知算法。基于多分辨率频谱感知算法的特性,提出了一套频谱感知性能参数化评估方法,构建了基于OFDM信号的多分辨率频谱感知算法仿真平台。分别从小波函数基的选取、调制方式、扫描速率以及实际IQ失配问题的影响等角度,对OFDM宽带信号的感知性能进行了系统的仿真评估和分析,获得感知系统在不同参数设置时的检测概率和误检概率评估结果’为认知无线电系统的进一步设计实现与性能评估提供了重要依据。     

基于FFT谱能量检测和互相关检测的快速频谱感知方法及其性能分析

为了解决无人机通信中频谱资源紧张的问题，利用认知无线电技术实现无人机动态共享地面通信的频谱资源。针对单用户频谱感知的遮挡效应问题, 利用单用户移动检测, 提出基于主用户空间范围内的频谱能量检测和互相关检测结合的二次检测方法, 分析并给出所提算法在主用户随机出现情况下的虚警概率和检测概率的解析表示。仿真结果表明, 所提算法在运算量较低情况下获得比已有单用户检测算法更好的检测性能。     

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。     

基于支撑集融合的分布式协作压缩频谱检测方法

针对认知无线电(cognitive radio, CR)宽带频谱检测过程中存在的采样压力大、数据传输量大、信道衰落严重等问题,提出了一种基于支撑集融合的分布式协作压缩频谱检测方法。在该方法中,本地信号重构过程和频谱稀疏支撑集的分布式融合过程反复交替进行,将本地重构过程中获得的稀疏支撑集信息进行分布式融合,又将融合结果作为先验信息指导本地信号再次重构,多次重复以实现信号重构与频谱检测。仿真结果表明,所提出方法的频谱检测性能可接近集中式的压缩检测方法,而该方法的迭代重构过程复杂度低,具有计算开销少的优势。     

基于离散人工蜂群算法的认知无线电频谱分配

针对二进制粒子群优化算法在认知无线电频谱分配中容易陷入局部最优等问题,将人工蜂群算法引入到认知无线电频谱分配中,提出了基于离散人工蜂群算法的认知无线电频谱分配方法。针对一种认知无线电网络模型,将离散人工蜂群算法中的蜜源位置离散化,与模型中的可用频谱矩阵相结合产生分配矩阵,对目标函数进行优化,并且使用了一种新的比例公平性目标函数评价该算法的性能;通过仿真比较了本文算法与二进制粒子群优化算法的频谱分配方法的性能,同时在使用电视频段的认知无线电系统进行了验证,结果表明本文算法的高效性和优越性。     

Femtocell网络中基于PSO的频谱感知技术

在Femtocell和Macrocell构成的两层网络中,干扰问题十分突出,传统的研究主要集中在静态的资源分配上,未能有效地提高频谱资源的利用率。基于认知无线电中的频谱感知技术,检测出空洞的频谱资源分配给Femtocell使用。给出了多用户多天线Femtocell系统的协作频谱感知模型,推导出全局检测概率,在给定虚警概率的前提下,在融合中心基于粒子群优化（particle swarm optimization, PSO）算法优化分配每个Femtocell用户感知信息的权值,最大化系统的全局检测概率,提高频谱资源的利用率。仿真结果表明,所提算法能够有效地改善系统的检测性能,具有较好的实时性,适用于实际的两层网络通信系统。     

基于特征值高阶矩的频谱感知增强技术

基于特征值的多天线盲频谱感知方法在认知无线电中得到了广泛的研究。基于特征值的检测算法设计依赖于随机矩阵理论和样本协方差矩阵的特征值特性。许多研究表明特征值的高阶矩可以提供额外的鉴别信息进而能改善统计推断问题的性能。基于此,利用所有特征值的p阶矩提出了新的基于特征值高阶矩的频谱感知增强算法,并利用随机矩阵理论推导了虚警概率和判决门限的解析表示。此外,基于仿真实验研究了特征值高阶矩幂次变化对检测性能的影响。最后,通过仿真实验验证了所提算法的有效性。     

下行卫星认知无线电门限与功率联合优化

用于卫星通信的频谱资源日益紧缺,但现存卫星系统却存在利用不足的问题。针对该问题,以最大化卫星通信中下行带内数据传输量为目标,提出了基于Underlay认知无线电的卫星信道检测门限与功率分配联合优化算法。首先分析了下行链路中信道融合检测误差、功率分配向量与数据传输量之间的数学关系,给出了信道数量及总功率均受限时信道与功率联合分配的可行性条件。之后,进行了目标模型可行性论证及融合误差分析,并将优化目标函数问题分解为检测门限与功率分配两个子优化问题。针对两个子问题,文中分别证明了加窗粒子群优化算法适用于数据融合后的门限优化,论证了信道与功率联合分配的可行性,在此基础上给出了信道与功率联合分配的最优解。引入中间量在两个子优化算法之间反复迭代,得到了本文目标函数的联合最优解。最后,仿真给出了检测门限优化性能,结果表明,改进型算法在准确度和迭代次数上均优于传统粒子群算法;比较了该联合优化算法与传统卫星通信方式及普通Underlay认知无线电用于卫星通信时的性能差异,结果表明,该联合算法能够有效提高频谱利用率;给出了算法复杂度。     

基于特征值检测的多天线盲频谱感知算法的研究(英文)

在多天线感知场景中噪声不确定和信号相关现象可能同时存在,经典的基于能量检测(ED)感知性能将急剧恶化。利用多天线接收信号存在的相关特性,提出一种基于取样协方差矩阵(SCM)特征值的盲频谱感知方法。新方法无需噪声方差、主信号和无线信道的信息参与感知过程。与经典的能量检测方法相比,由于无需噪声方差参与感知节点的判决过程,新方法的感知性能对噪声不确定性具有良好的鲁棒性。利用多元统计理论和随机矩阵理论(RMT)获得了相应的理论判决门限。仿真结果表明新算法比基于ED的感知算法具有更好的误警性能和更可靠的检测性能。     

认知无线网络中基于联盟博弈的分布式协作频谱感知方法

针对认知无线网络中感知用户(sensing user, SU)之间协作效用低的问题,将联盟博弈论应用到频谱感知中,提出了一种基于联盟博弈的分布式协作频谱感知方法。该方法首先通过SU进行本地频谱感知,然后利用联盟形成规则将SU分成若干联盟,在单用户优先准则下进行联盟间信息交换,经过迭代形成稳定的联盟分区结构,最后融合联盟内的感知信息完成频谱感知。仿真结果表明,采取的单用户优先准则较传统合并分裂准则,灵活性更高,形成的联盟效用值更大,在协作频谱感知中提高检测概率的同时降低了虚警概率,具有更好的频谱感知性能。     

基于负熵最大化的压缩感知信道估计算法

讨论了在5G时代随着移动终端和网络流量的增长、大规模机器类型通信的产生以及天基卫星网络与地面蜂窝主干网络的结合, 使得移动无线通信的频谱使用范围更宽, 导致信道具有更为明显的稀疏性, 从而得以利用无线信道的稀疏性引入压缩感知技术来进行无线通信系统的信道估计。通过负熵最大化算法与l_p正则化改进现有的压缩感知信道估计算法, 将传统的最小化误差函数均方误差替代为最大化目标函数的负熵以适应信道非高斯噪声, 同时稀疏约束采用更为精确的l_p正则化以加强信道估计算法的稀疏表示。研究表明, 该算法不仅可以提高信道估计精度, 增强抗噪声鲁棒性; 另一方面可以利用更少的导频实现更高精度的信道估计, 具备提高系统频谱利用率的作用。     

大规模MIMO系统中分布式压缩感知LMMSE信道估计

大规模多输入多输出(multiple input multiple output,MIMO)系统中,信道估计算法复杂度随着基站侧天线数量的增加而急剧增加,针对需要在信道估计算法复杂度与算法性能之间进行折中的问题,提出分布式压缩感知线性最小均方误差(distributed compressed sensing linea...     

基于特征值极限分布的双门限频谱感知算法

针对传统频谱感知算法在较低信噪比和存在噪声不确定度时,检测性能降低的问题,提出了一种基于特征值极限分布的双判决门限频谱感知算法。由于利用了双门限和信号采样协方差矩阵的特征值进行判决,这种算法不但可以有效地克服噪声不确定度对检测性能的影响,而且不需要预先知道主用户信号的任何信息。与已有的最大最小特征值频谱感知算法相比,由于采用了双判决门限,因此该算法的检测性能更优。仿真结果表明,该方法不但可以有效地克服噪声不确定度,而且检测性能也优于最大最小特征值算法。     

基于灰建模的OFDM窄带慢衰落慢时变信道估计算法

针对OFDM窄带信道在移动传输环境下的慢时变特性, 提出了一种基于灰建模的信道估计算法. 该算法利用前一时刻的已知信道信息, 建立灰色数学模型, 预测估计下一时刻的未知信道信息, 实现信道的动态跟踪. 理论分析和仿真结果验证了灰建模在以二维时频变量描述的信道估计领域中的可行性. 与传统方法相比, 该算法不仅对窄带慢衰落慢时变信道有良好的估计性能, 而且具有运算低、频谱利用率高等优点.     

适用于认知无线网络的宽带公共协同信道

为了解决认知无线网络资源管理中感知信息传输时延大、效率低以及易受干扰等问题,构建了一种具有较低功率谱密度和较强抗干扰能力的宽带公共协同信道（common coordinate channel, CCC）,实现了感知信息的即时、可靠交互。借助干扰温度的概念,以城市环境为例,重点分析了宽带CCC信道对主用户的干扰,得到了不同干扰门限、不同供给负荷以及信道带宽下,次用户与主用户之间的干扰概率。理论分析和仿真结果表明,对常见的窄带系统,利用该方案可以将CCC信道对主用户的干扰控制在较低的范围内。