星地认知网络能效谱效联合博弈功率控制算法

在Underlay模式下,卫星网络覆盖范围大会导致用户频率冲突干扰,针对该问题以及星地网络中移动用户的能量有限的情况,综合考虑卫星用户中地面站和移动用户的差异,构建了基于能效谱效联合博弈的星地认知网络多用户功率控制模型,并在该博弈模型基础上提出了一种能效谱效联合博弈算法(COAES),定义了能效和谱效因子,通过对不同用户的能效和谱效优化需求进行博弈,并证明每个用户均能达到最优状态即纳什均衡状态。仿真结果表明:COAES算法能满足不同用户的谱效和能效需求,并且联合因子相比NETMA算法和PRA算法分别提升了50%和35%。     

认知无线网络中一种基于博弈的自适应功率控制算法

为了实现认知无线电中频谱分配公平性以及满足需要省电的情况,提出了一种基于博弈论的自适应功率控制算法,并证明了纳什均衡发射功率的存在性与唯一性。该算法不仅通过博弈论效用函数表达功率控制过程,解决了远近不公平现象和解决省电难题,而且通过设定信干噪比的最大与最小阀值,可以将不满足阀值的信干噪比值通过自适应加权公式,将其调整到阀值范围内,以满足省电需要。通过仿真分析可知,与其他算法比较,该算法不仅解决了认知无线电的远近不公平性现象,还可以通过减少发射功率,有效地解决了省电问题,而且当信干噪比在设定的阀值外时,通过自适应调整,使之在阀值范围内,减少了功率的浪费。     

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.     

基于解码转发的认知无线电机会功率控制算法

频谱感知是认知无线电网络正常工作的基础,而功率控制问题的解决是认知网络和主用户网络正常运行的保证。文中研究协作认知无线电通信,在保证授权用户服务质量和认知用户最大功率受限条件下,将高信噪比时的解码转发(decode-and-forward,DF)和基于频谱感知结果的机会功率控制算法结合,提出新的机会DF功率算法。通过基于对主用户感知结果的最优中继选择策略,在保证主用户正常通信不受影响的前提下,最大程度提高次用户信道信噪比,提高认知网络容量,并且认知系统能够获得空间满分集度。理论和仿真结果同时表明,基于主用户出现概率的最优中继选择最大程度的消除了次用户对主用户的干扰,提高了认知系统容量。     

能效优先的鲁棒功率控制算法

针对卫星网络中存在信道感知误差使得传统基于理想信道感知的功率控制算法性能下降的问题,提出一种基于认知无线电的能效优先的鲁棒功率控制算法。首先考虑卫星网络中距离感知的不确定性,通过分析推导与距离相关的路径损耗和阴影效应的信道增益分布,建立星地认知功率控制模型,从而将功率控制问题转化为约束条件下的最优化求解问题,同时引入概率约束,利用分式规划与拉格朗日对偶理论,达到认知用户最优的功率控制。仿真结果表明:该算法具有较快的收敛速度和较低的复杂度;与非能效优先的功率控制算法相比,在感知误差存在情况下网络能量效率最大可提高50%。     

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。     

基于博弈论的认知无线网络中一种功率控制算法

在underlay模式中,针对次用户为增大自身收益私自提高发射功率的问题,提出了一种基于博弈论的功率控制算法.首先,在满足主用户和次用户正常通信的情况下,将信道状态的概念引入到效用函数中,以增大对理性用户自私性的惩罚;其次,证明所提算法纳什均衡的存在性和唯一性;最后,用一般迭代法求取最优解.实验结果表明：所提算法能够降低用户发射功率,具有较好的抗背景噪声能力,且增大了系统的吞吐量.     

一种认知无线电系统中最优的功率分配算法

为满足干扰温度和总发送功率限制,并最大化用户的传输速率,提出一种上行认知无线电正交频分复用(OFDM)系统的最优功率分配算法.该算法首先在认知用户总功率限制下使用置零迭代注水算法进行功率分配,然后将超过干扰功率限的子载波功率调整为干扰功率限,将剩余功率在剩余子载波上重新进行迭代注水分配,直至获得最优功率分配.数学推导证...     

认知无线电中基于无限次重复博弈的功率控制算法

通过博弈来实现认知无线电中的功率控制.当两用户功率控制博弈时,用户通过功率的迭代注水法实现最大化自身速率,达到纳什均衡.功率分配的纳什均衡点构成囚徒困境,但这种囚徒困境的均衡点并非全局最优.应用两用户功率控制的无限次重复博弈算法,通过选择严厉的触发策略,当折扣因子σ足够接近于1,使两用户在无限次重复博弈中一直合作使囚徒走出了困境,最终达到了功率分配的帕雷托最优的均衡结果.     

认知Ad hoc网络中基于凸优化的功率控制算法

针对认知Ad hoc网络的特点,构建了相应的网络模型,提出了一种基于凸优化理论的分布式功率控制算法。在分析系统内部干扰的基础上,以最大化网络效用值为目标,以认知用户的发射功率为求解对象,建立了一个通用的数学优化模型。在凸优化理论的指导下,通过引入辅助变量和变量的对数变换,将该模型转变为等价的凸优化模型,采用拉格朗日对偶法对该模型进行求解,得到了分布式的功率迭代算法。仿真实验表明：与其他算法相比,该算法在满足系统约束条件的前提下,取得更好的系统性能。     

非正交多址认知无线电网络功率分配算法

非正交多址和认知无线电技术能有效提高频谱效率,是新一代移动通信系统的关键技术。针对功率域非正交多址认知无线电网络的能效优化问题,建立了满足次用户最小系统吞吐量和主用户最大干扰的次用户功率分配模型,将子信道吞吐量公式进行分解,得到子信道功率分配系数和子信道功率消耗率2个子问题。针对第1个问题,采取凸差(difference of convex,DC)规划算法将目标函数等效为2个凸函数差形式,并应用一阶泰勒展开式进行连续近似,将非凸问题转换为凸优化问题,从而得到子信道复用次用户最优功率分配系数;针对第2个问题,采用Dinkelbach算法和次梯度算法,利用拉格朗日函数,得到最优子信道功率消耗率。仿真结果表明,所提功率分配算法收敛速度快,时间复杂度低,其平均系统能效性能远优于分数功率分配算法。     

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。     

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.     

认知无线电的频谱分配算法

认知无线电的频谱分配问题存在瓶颈用户,针对该问题,分析了并行频谱分配算法和CSGC(color-sensitive graph coloring)算法,提出在CMMB(collaborative-max-min-bandwidth)准则下,用并行分配算法来解决瓶颈用户问题,并对系统时间开销和频谱利用率等性能指标进行了仿真分析.结果表明,并行分配算法和CSGC算法的频谱利用情况大致相当,但并行算法的系统时间开销却明显减少,更有利于满足认知无线电中频谱快速分配的要求.     

基于OFDM的认知无线电系统最优功率分配算法

在基于OFDM的认知无线电系统中,授权用户会受到认知用户带内子载波带外旁瓣泄漏功率的干扰。这里引入了功率控制参数来调整授权用户的干扰功率约束值,提出了一种认知用户子载波间的最优功率分配算法,通过求解一个凸优化问题来获得最优的功率分配方案。仿真结果表明:与其他算法相比,采用该方法获得的功率分配方案,在满足授权用户干扰功率约束值的条件下,可以使认知用户的信道容量最大化。     

基于OFDM的认知无线电系统中的一种改进的功率分配算法的研究

改进了应用于基于OFDM的认知无线电系统中的功率分配算法。迭代分块注水算法,目标是在总的功率约束和每个子信道的功率约束的条件下最大化系统的容量。在主用户的功率约束非常严格时,尤其考虑了相邻子载波的功率泄露,并且在主用户的频谱和认知用户的频谱之间设置保护带,使其他子载波的功率分配呈现梯形分布。所以只是在功率约束比较严格的子载波上实施迭代分块注水算法。仿真结果表明,改进的功率分配算法性能接近迭代分块注水算法,而且具有较低的复杂性。     

一种基于历史信息的感知无线电动态频谱分配算法

在无线频谱资源分配过程中,历史分配信息通常包含大量有用信息,可为下一阶段的资源分配提供参考借鉴,从而改善资源分配算法的性能.简要介绍了基于图论冲突图理论的网络模型,分析了在感知无线电频谱资源分配算法中引入历史分配信息对算法的影响,构造了代表比例公平性的频谱资源分配算法.仿真结果表明,采用历史信息的算法与原算法相比在系统总带宽、公平性方面都有明显改善,并拥有较好的收敛性.     

认知无线电下航空通信频谱信道分配方法

在现代航空通信,尤其是以机场周边、战争区域等通信信道使用频繁并且各种有源或者无源干扰较大的通信环境下,传统的通信信道分配方法很难满足高速率大容量通信的需求。针对这种情况,提出了一种基于认知无线电的动态航空通信频谱信道分配方法。该方法利用通信延时,信噪比门限值和频谱分配效应等级来构建一种以通信质量为标准的反馈频谱分配模型,并利用该模型动态修正基于功率的信道分配方法。仿真从信号接入率和分配函数收敛速度两方面分析了所提出的方法、图色理论频谱信道分配方法和博弈论频谱信道分配方法的性能,结果表明,所提出的方法具有更高的信号接入率和更快的收敛速度。     

认知无线电网络中的非正交多址资源分配算法

随着物联网的发展和移动终端的普及,用户对数据速率需求快速增长,移动通信系统依然面临着频谱资源紧缺问题。针对认知无线电网络中的非正交多址接入(non-orthogonal multiple access, NOMA)技术,研究了认知无线电网络中非正交多址信道和功率联合优化问题。以主用户干扰功率和次用户最小吞吐量以及子信道最大复用用户数为约束条件,综合考虑信道状态信息和功率资源,以提高系统能效为目标,建立了信道和功率资源分配优化模型。为了避免信道状态相近的用户复用在同一子信道上,提出了一种次优公平性可调的信道分配算法,并基于连续凸近似和Dinkelbach模型,得到子信道复用用户间的最优功率分配。仿真结果表明,所提算法可以在提高用户公平性的同时,有效提高系统能效。     

基于OFDM的认知无线网络中最小代价增量资源分配算法

认知无线电是解决频谱资源紧张,提高频谱利用率的有效方式之一。在保护授权用户不受过度干扰的前提下,为了充分利用基于OFDM的认知无线网络频谱资源,在分别考虑频谱检测可靠性和互干扰对资源分配影响的基础上,构建了一个联合功率控制和子载波分配的最优化目标。考虑算法实际可行性,提出了3个次优的基于最小资源代价增量的算法,即最小功率代价增量算法、最小干扰代价增量算法以及最小功率干扰加权和代价增量算法。数值仿真表明,相比于现有的静态等功率资源分配,所提算法的吞吐量性能均有明显提升,其中,最小功率干扰加权和代价增量算法整体性能最好。