基于信道可用性的认知无线网络跨层路由协议

认知无线网络中,认知节点的频谱资源具有动态变化特征,如何充分利用频谱资源,提高路由性能,已成为当前研究热点.本文在AODV协议基础上,提出了一种基于可用性的跨层路由协议——PCLRP-AODV.该协议综合考虑信道的可用性和传输时延,在保证信道可用性的基础上,选择时延最小的路径作为最佳路由.仿真实验表明,该路由协议在提高系统吞吐率的同时,能够有效减少网络传输的时延,明显改善路由性能.     

基于预测算法的认知网络的跨层研究

本文首先讨论认知无线网络跨层设计的引入与发展方向,然后针对预测算法提出基于云理论的跨层设计。最后,总结全文并对未来工作提出展望。     

无线网络中基于自适应带宽估计的跨层拥塞控制算法

TCP是一种主动探索网络可用带宽的传输层协议,在无线网路中,实时准确地探测链路可用带宽,动态调节TCP拥塞控制机制,是提高无线通信系统性能的有效方法之一。本文基于带宽测量技术,提出了一种无线环境下跨层TCP拥塞控制机制,通过探测TCP确认信号ACK返回速率和往返时间RTT,结合链路拥塞和物理层突发错误分布,实时探测可用带宽,对拥塞滑动窗口大小进行动态控制,并根据当前网络状态,动态设置慢启动阀值,保证网络资源的有效利用。仿真结果证明,此算法能有效地降低误码丢包率,提高系统的可靠性。     

一种新型认知无线电资源分配跨层技术

为有效利用频谱资源,提高频谱效率,文中利用环境感知技术,设计出认知无线电跨层结构框架,提出一种新的功率控制博弈BPCG(Bandwidth and Power Control Game Algorithm)算法,研究不同用户的频谱带宽分配和功率控制,该算法在确保频谱带宽有效分配前提下,通过对用户功率的有效控制,实现网络总吞吐量的提高.仿真结果表明该算法在相同的功率消耗前提下,网络吞吐量显著提高,并随频谱带的增加,实现网络吞吐量的最大化.     

无线网络分层QoS垂直映射模型及跨层优化方法

现代无线通信网络结构复杂,通信环境时变,业务流和无线信道不可预知,服务质量保障极具挑战性.基于无线网络分层QoS体系结构,文中提出了一种统一的基于协议层间虚拟缓存接口QoS垂直映射模型,以虚拟队列技术实现层间QoS指标映射.同时,基于该协议层间QoS垂直映射模型提出一种跨层QoS优化架构,并针对业务流和无线信道的不可预知性,给出该架构在线学习优化求解方法.最后,通过与现有文献技术对比一致性方法验证所提出层间QoS垂直映射模型正确性,并且在物理层包差错率小于30％条件下,分析Q学习法优化数据链路层时延收敛性,从而验证所提出跨层优化模型和在线学习优化方法的有效性.     

认知无线网络中频谱预测的能量有效性设计

基于频谱预测对认知用户进行能量有效性设计,重新设计认知用户的帧结构,在频谱感知前加入频谱预测时隙,在预测为空闲的信道中选择信道进行频谱感知,避免浪费频谱感知能量,与传统认知用户相比,提高了能量有效性。推导表明,认知用户能量效率由频谱预测能量、频谱预测时长、认知无线网络通信强度、信道数量决定。仿真结果表明,为了提高认知用户的能量效率,频谱预测参数必须满足预测能量低于32mW、预测时长小于15ms的条件。认知无线网络的通信强度的提高和信道数量的增加能够提高认知用户的能量效率。     

LTE对跨层设计的要求

考虑到LTE系统的特性,该文主要探讨跨层设计的背景、跨层设计必要性、各层对跨层设计的基本要求,一般原则和方法.并归纳出了该领域亟需深入研究的理论和关键技术.     

认知无线网络中的多域认知

认知无线电与认知无线网络的明显区别之一是认知环境发生了变化,从无线环境拓展到网络环境与用户环境。从认知无线电到认知无线网络的演进过程中,为了深入研究环境认知的基础理论,在分析认知网络的基本概念和工作机理的基础上,提出了多域认知的思想,构建了一个包括多域本地认知层、多域协同认知层和多域主动认知层的3层认知理论体系框架,提出了基于认知引擎的多域认知实现框架,探讨了多域认知的研究内容,为认知无线网络的应用奠定了基础。     

基于CC-RB算法的认知无线网络信道分配研究

针对基于规则的信道分配(RB: Rule Based)算法假设条件过于理想, 实际应用性不强的缺点, 在考虑各节点不同信道的吞吐量不同的基础上, 提出一种改进的基于信道容量的规则信道分配(CC-RB: Channel Capatty-Rule Based)算法。该算法引入信道容量矩阵, 在进行信道分配时为节点分配质量较好的信道。仿真结果表明, CC-RB 算法在复杂度增加不大的情况下, 系统吞吐量和公平性都较RB 算法有较大提高, 在干扰距离为100 m, 认知节点数为80 个时, CC-RB 算法比RB 算法的吞吐量增加了133%, 公平性增加了96%, 能更好满足实际需要。     

认知无线视觉传感网络机会传输的分布式跨层优化

为了充分利用空闲授权无线电频段和增强视觉信息的端到端传输质量,研究了认知无线视觉传感网络机会传输的跨层设计问题。在分析信道随机性和网络模型的基础上,把跨层设计问题表达为一个视觉信息峰值信噪比和网络平均传输时延的权衡优化问题。通过对该问题进行对偶分解和基于随机次梯度的求解方法,提出了一个分布式跨层传输优化算法。该算法不需要预先知道可用授权频段的静态概率分布,而通过节点在每个时隙中进行独立计算和局部信息交换使得上层视觉感知信息的压缩速率与底层链路机会传输自适应匹配,达到权衡优化问题的最优解,因此可以作为认知无线视觉传感网络的实用传输协议。仿真结果表明,该分布式算法能够快速收敛,并能获得与集中式最优化算法相似的性能。     

基于跨层设计的传感器网络寿命最大化算法

面向监测应用的无线传感器网络,当链路存在干扰时,节点在传输数据时会对位于其干扰范围内的节点造成信号干扰,从而使得这些节点不能正确收到其它节点传输的数据.针对这种场景下的网络寿命最大化问题,分析了网络流量和节点能耗,提出了一种将功率控制和数据聚合路由相结合的非凸优化模型.通过对数转换方法将非凸优化问题转化为凸优化问题,利用优化理论和方法将凸优化问题分解为聚合数据率分配子问题和功率控制子问题,最后给出了联合优化问题的分布式解法.仿真实验表明,使用该方法可以有效减少数据通信量,均衡各个节点的能量消耗,有效延长网络寿命.     

一种认知无线网络中TCP拥塞窗口的在线学习方法

在认知无线电中,改进传输层协议提高吞吐量的方法引起了业界的广泛关注。采用可用带宽测量技术,提出了一种基于ACK时间间隔的在线学习方法(TCP-Learning)。该方法能够快速地学习到网络链路中可用剩余带宽;并能够快速调整TCP拥塞窗口。仿真结果表明,在链路处于良好状态下,TCP-Learning吞吐量略优于Reno和Vegas等传统拥塞控制算法,但在链路较差情况下,TCP-Learning吞吐量明显优于Reno和Vegas等传统拥塞控制算法。     

一种面向分簇无线传感器网络的多信道跨层协议

针对工业测控对传感器网络抗干扰性及通信实时性的要求,提出了一种面向分簇无线传感器网络的多信道跨层协议.该协议在簇内采用多信道配合时分复用机制,并通过高容忍度信道切换算法实时评估信道质量和自适应切换信道,以减小相邻簇和相邻频段协议的干扰,在簇间引入链路Q值评价路径状况,采用基于概率转发的多路径机制平衡网内数据流量,并控制和缓解拥塞,以减小数据流量大或变化快时因拥塞造成的丢包.该协议将簇内多信道和簇间多路径2种机制相结合以提升网络性能.仿真结果表明,相比传统的分簇协议,该协议能有效抵抗干扰并控制和缓解簇间拥塞,且可缩短约22％的簇间延时.     

基于博弈理论的认知无线电频谱分配

在认知用户效用函数的基础上,应用寡头市场博弈模型来解决频谱分配中的授权用户博弈问题.根据认知用户的效用函数以及Bertrand、Cournot均衡理论提出了授权用户信道竞价的动态Bertrand博弈算法.理论与仿真结果表明:稳定的纳什均衡解与速率调整参数有关,当速率调整参数小于0.020时,可以在较短的时间内获得稳定的信道价格;同时,纳什均衡点与边际成本有关,较高的边际成本可以获得较高的信道价格.     

基于ART1和FAM神经网络的认知引擎

认知引擎是认知无线电关键技术之一,其核心是利用人工智能算法完成认知学习、推理与决策功能。自适应满足环境变化和用户需求。提出一种基于ART1和FAM神经网络的认知引擎。该引擎基于MATLAB 802.11a仿真平台模拟无线通信环境,通过对环境信息的学习训练,结合信道特征和用户需求推理决策出系统最优工作参数,实现认知无线电自适应配置。仿真结果表明,该认知引擎能有效实现认知无线电学习推理功能,且算法精度和稳定性均优于SVM及BP网络模型。     

基于虚拟MIMO技术的无线传感网协议设计

随无线传感器网络的广泛应用,网络传输协议设计也多种多样.但是,延长传感器网络的寿命,即寻找具有能效的设计一直是非常重要的问题.因为多输入多输出(MIMO)技术具有增加网络容量,减少衰落信道中能量消耗的能力,所以虚拟MIMO技术已经成为无线传感器网络中有效的节能解决方案之一.以三个典型的协议为例来介绍虚拟MIMO与无线传感器网络相结合的协议设计,并且讨论设计中的关键技术与注意事项,最后提出该项技术未来的研究方向.     

4G系统中的关键技术

4G网络具有极大的吸收力,它将提供更高的数据速率及在多个异类无线网络之间的漫游能力,因此,首先给出了4G的定义和网络结构,重点论述了4G发展过程中的IPv6协议、软件无线电、代理、抗衰落、HAPs等各项关键技术。     

一种基于CRSN的简单有效Rendezvous算法

基于传统的会合（Rendezvous）机制,提出了一种简单快速的跳频算法SRPX（sender-receiver-parameter-X,SRPX）,算法将节点状态划分为发送状态和接收状态,通过调整步长和信道使用概率参数生成信道跳频序列,实现节点间的通信.算法有效解决了CRSN中公共控制信道的瓶颈问题,支持信道集的对称模型和非对称模型,满足多用户/多跳应用场景,实现了信道的有效相遇（Rendezvous）.通过理论证明和实验对比分析,验证了SRPX算法在最大相遇时间（MTTR）和平均相遇时间（ATTR）上优于其它相关算法.