基于链路干扰模型的802.11s信道分配策略

从无线链路干扰的角度为802.11s定义的无线Mesh网络提出一种信道分配策略.首先在现有无线干扰模型和传播模型的基础上,通过仿真研究无线干扰对无线Mesh网络性能的影响;然后根据仿真结论提出无线链路干扰模型,同时利用无线Mesh网络流量呈现树状拓扑汇聚的特点对网络拓扑进行有序分解,从而划分出多跳链路干扰和单跳并行链路干扰;最后提出的802.11s信道分配策略的基本思想是采用循环交叉分配信道的方法尽量减少或消除无线多跳链路干扰.     

多信道无线多跳网络中视频流的跨层优化

为提高视频流在多信道无线多跳网络中的传输质量,提出了一种分布式的跨层优化算法.首先对信道分配、干扰、带宽分配、延时分配和视频传输失真进行了数学建模,然后基于凸规划和拉格朗日对偶分解理论,在视频流端到端延时限制下通过调整信源编码速率、链路带宽、链路平均延时上限及射频和信道分配来最小化总的视频流失真.理论分析和数值仿真表明,所提出的分布式跨层优化算法可以收敛到全局最优解.     

集中式无线Mesh网络信道分配技术研究

无线Mesh网络具有高度的机动性和抗毁性。文献[1]中提出一种集中式干扰感知的BFS-CA信道分配算法。其算法本质上是一种贪婪算法。信道分配的结果最大程度的降低了网络内部链路相互之间的干扰。但是,BFS—CA算法在对链路进行信道分配时,只考虑了已分配信道链路对当前链路的干扰。当同时有多个非干扰信道可供选择时,该算法只是简单的判断是否能够沿用原信道,     

基于链路分组优先分配的多信道集中信道分配方法

针对无线Mesh网很容易受到干扰影响出现性能恶化的问题,提出了一种基于链路分组后根据所在组流量多少的情况优先分配的多信道分配方法。该方法首先对网络中所有的信道进行分组,将链路与组绑定,然后利用最大流最小割定理计算网络的关键链路,优先对关键链路所在的组进行分配信道。仿真结果表明,与一般的集中信道分配方法相比,该方法可以有效的增加网络的吞吐量和降低丢包率。     

最大化信干噪比的动态功率分配干扰对齐算法

干扰对齐作为一种新颖的干扰处理方法,近些年来得到了学术界的广泛关注,其中分布式迭代算法由于实用性好而使得应用前景良好.传统的分布式迭代算法中并未考虑功率分配的问题,其算法性能有进一步提升的空间.为了进一步提高分布式干扰对齐算法的信干噪比性能,提出了一种基于功率分配和干扰对齐的联合迭代优化方法.该算法中通过建模得到多用户MIMO干扰信道的等效信道,根据信道矩阵的迹来计算分配功率,并通过最大化信干噪比的方法来得到预编码矩阵和接收滤波器矩阵.仿真结果表明,该方法与等功率分配算法相比,其平均信干噪比大幅提高,证明了所提方法的优势.     

基于混合非正交多址接入的认知无线电网络的信道和功率分配研究

针对混合非正交多址接入(NOMA)的认知无线电网络的下行链路,以主用户的干扰功率阈值、次用户最小信息速率以及子信道复用用户数为约束条件,建立信道和功率资源分配的优化问题模型,提出了一种公平性可调的信道分配方法,得到信道和用户的匹配结果;采用凸近似和Charnes-Cooper变换的方法,得到复用用户的功率分配值.仿真结...     

多射频多信道Ad hoc网络的信道分配与路由策略

文章针对多射频多信道ad hoc网络的特点,提出了一种信道分配方法和路由策略.新的信道分配方法在保持网络连通性的基础上能够简化信道分配,减少信道分配的冲突;新的路由策略综合考虑了带宽、信道差异、射频切换时延、信道间干扰等链路参数以及最小跳数等因素,更能准确地反映被选路由的链路质量.     

一种无线Mesh网络多播信道分配算法的研究

在无线Mesh网络中,多播是一种非常重要的技术,它要求在有限的带宽内提高网络吞吐量.在信道分配时最小化多播树的干扰可以提高网络吞吐量.本文提出一种多信道多播信道分配算法,该算法以链路上的数据流为指标来表征干扰度,考虑相同信道及相邻信道的干扰,通过减少干扰来提高无线Mesh网络的吞吐量.仿真结果表明,该算法可以达到更佳的网络吞吐量.     

基于遗传算法的认知无线电网络共同信道和功率最优分配

信道分配和功率控制问题是认知无线电网络中的核心问题。文中根据不完美频谱感知情形下的干扰功率模型,建立认知无线电网络共同信道和功率分配优化模型,并通过罚函数法,将标称的混合整数规划问题简化为不带约束条件的非线性规划问题,提出了基于遗传算法的共同信道和功率最优分配算法。仿真结果表明,该算法能在不完美频谱感知情形下对信道和功率进行联合最优分配,减少对主用户功率干扰,实现网络中认知用户吞吐量的最大化。     

多接口无线mesh网络的信道时空分配

针对多接口无线mesh网络信道分配中存在的共享接口信道依赖问题和网络拓扑改变所导致的链路失效问题,提出了基于图分解的联合空间与时间域的信道分配方法。该方法将信道分配从空间域拓展到时间域,将网络拓扑分解为多个时隙上的子图,然后对每个子图运用图着色算法实现信道分配。该方法中,每个时隙上的子图根据网络约束条件动态获得信道资源,从而提高了无线mesh网络信道分配的效率。通过仿真分析对比了静态信道分配方法,这种信道的时空分配方法能够有效抑制信道分配中产生的波及效应以及信道切换导致的链路失效等消极因素的影响,从而在满足接口数目约束、信道数目约束等约束条件下将无线mesh网络吞吐量提高30%以上。     

两跳固定中继蜂窝网络的子载波信道分配策略

针对频率复用因子为1的两跳固定中继节点的蜂窝网络中,移动业务分布的时变性和非均匀性,提出了基于同向分配逆向共享的子载波信道资源环状分配策略。该策略无需基站之间的协作也能有效地保证相邻小区节点之间的最小同频干扰距离。通过理论分析和仿真,在用户业务非均匀分布下,与传统两跳蜂窝系统的子载波信道分配策略相比,提出的分配策略系统平均频谱效率有明显改善,尤其在业务分布主要集中在小区边缘时,其平均频谱效率增益可以达到3倍。     

超密集6G 网络中的高效频谱资源共享方法

面对6G网络中用户密集化分布、频谱资源有限和分布式决策等挑战，提出了一种基于多维超图博弈的频谱资源共享方法。首先，根据6G网络太赫兹通信特点，设计了多维超图干扰模型，包括同频直接干扰、累计干扰和邻频干扰，通过降低多维干扰值以提升网络吞吐量。为实现分布式决策，将问题建模为超图博弈，并证明该博弈为势能博弈，至少存在一个纳什均衡点。然后，设计了基于同步最优响应的分布式频谱决策方法，求解频谱分配策略。仿真表明，所提的多维超图博弈实现了6G环境下分布式的频谱共享，与传统超图博弈方法相比，进一步降低了用户间的干扰水平，网络吞吐量大幅提升。     

基于距离相关的信道分配算法

为最大化认知Ad Hoc网络并行传输的信道数目,提出一种新的信道分配算法.由于认知Ad Hoc网络中信道的衰落特性不同,该算法首先估算节点间距离,根据估算到的距离选择合适的信道进行数据传输,节点以干扰距离与传输距离的关系为依据更新信道的使用状态,从而提高信道的空间复用;另外,在公共信道上只进行广播和信道预定信息的传输,有效地避免了控制信道瓶颈问题.实验结果表明,该信道分配算法能够有效增加信道的空间复用,提高网络的吞吐量.相同的策略下,当负载较高时,该算法的吞吐量比DDMAC算法提高12%左右.     

Chanel Assignment Optimization Algorithm Based on Link Throughput and Node Priority

How to reduce interference among neighbor nodes in wireless mesh networks is still an important and key issue nowadays. In this paper, an optimized channel assignment algorithm(OCA) is proposed to solve this problem based on link throughput and node priority. The effects of the numbers of network interface cards and channels on the network throughput are analyzed and evaluated. When there are seven of the numbers of both network interface cards and channels, the efficiency of utilizing network interface card and channel reaches highest. Compared with centralized channel assignment algorithm(CCA), the proposed algorithm has less packet loss rate and more network throughput significantly.     

Joint channel allocation and power control with fairness in multi-hop cognitive radio networks

This paper investigates channel allocation and power control schemes in OFDM-based multi-hop cognitive radio networks.The color-sensitive graph coloring(CSGC) model is viewed as an efficient solution to the spectrum assignment problem.The model is extended to combine with the power control strategy to avoid interference among secondary users and adapt dynamic topology.The optimization problem is formulated encompassing the channel allocation and power control with the interference constrained below a tolerable limit.Meanwhile,the proposed resource allocation scheme takes the fairness of secondary users into account in obtaining the solution of optimization.Numerical results show that the proposed strategy outperforms the existing spectrum assignment algorithms on the performance of both the network throughput and minimum route bandwidth of all routes,as well as the number of connected multi-hop routes which implies the fairness among secondary users.     

面向拥塞控制的WMN 联合功率控制与信道分配

为解决所构建的联合资源分配模型的资源分配问题,提出一种面向拥塞控制的联合功率控制与信道分配算法( CCJPCA: Congestion Control oriented Joint Power control and Channel assignment Algorithm) 。CCJPCA 算法通过混合编码策略实现了链路功率与信道变量的共同进化,利用Q-Learning 算法的回报机制实现变异策略的自适应选择,从而保证网络资源的合理配置。NS-3( Network Simulator-3) 仿真结果表明,CCJPCA 算法能优先为网络瓶颈链路分配网络资源,提高算法收敛速度,减少网络排队和重传时延,降低网络平均丢包率。     

认知无线电系统中联合优化资源分配算法

在认知无线电系统中,次用户能够利用感知到的已授权频段进行通信,只要其传输过程对主用户通信引起的干扰处于主用户可以忍受的程度之内。协作中继方案能够利用中继节点的传输来有效提高频谱的利用率,并增强了直接链路的传输能力。文中研究在一个三节点的认知无线电网络中基于协作中继传输时的资源分配问题,为了保证在认知用户对主用户干扰可容忍的前提下使得通信系统端到端的可达吞吐量最大,提出了一种联合优化功率分配和信道分配的方案。仿真结果显示,相对于单独进行功率分配或者信道分配情况下该方案能够有效提高认知无线电系统端到端的传输性能。     

Chaos identification based on CMAC with replacing eligibility learning

In the conventional CMAC learning scheme, the correcting amounts of errors are equally distributed into all addressed weight, regardless the temporal credibility of those weights. In order to solve the temporal credit assignment problem of the CMAC, an improved CMAC neural network based on replacing eligibility learning concept was designed. The proposed improved leaning approach uses the replacing eligibility learning concept of the reinforcement learning to improve the prediction capability. The simulations for chaotic system identification show that the improved CMAC neural network is effective.     

基于信道冲击成型自适应机制的 WSN大数据采集算法

为解决无线传感网采集算法普遍存在的节点故障率高、链路抖动严重及抗噪性能较低等不足,提出了一种基于信道冲击成型自适应机制的无线传感网大数据采集算法。首先,根据无线传感网节点信号具有的分区及偏移特性设计了信道冲击成型方法,并基于编码率-信噪比-信号发射强度增益等参量构建能量密度与信道衰落匹配过滤方式,提高信号发射过程中能量密度;随后,通过传输信号与信道噪声具有的正交特性建立自适应抽样机制,根据垂直信号与噪声信号互相干涉中产生的正交效应进行匹配滤波,并针对节点采取了载波过滤的方式进行遍历过滤,降低了网络信号拥塞现象的发生。仿真实验表明:与当前常见的拉普拉斯抗噪传输算法(Laplasse Anti-Noise Transmission Algorithm,ANT-L机制)以及傅氏信号解析抗噪传输算法(Fourier Noise Analysis Algorithm for Noise Immunity,NI-FNA机制)相比,本文算法具有更高的数据吞吐性能,有效地降低了网络链路抖动现象,取得更低的传输误码率。