基于区块链的频谱管理:综述与初步探讨

随着第五代移动通信(5G)的商用以及工业互联网、人工智能、增强现实/虚拟现实和车联网等新应用的快速发展,当前集中式的频谱管理模式将面临极大的挑战(频谱资源紧缺、安全性威胁、维护费用高等).区块链自身的去中心化、时序数据、集体维护和安全可信等特点对于解决当前频谱管理面临的问题具有天然优势.本文首先分析了当前集中式频谱管理方式中的诸多问题,归纳了区块链应用于频谱管理的优势,并总结了基于区块链的频谱管理研究现状.然后,对基于区块链的频谱管理模式和工作流程进行了初步探讨.最后,总结了基于区块链的新型频谱管理系统架构、频谱感知与频谱交易所涉及的一系列新问题.     

认知无线电频谱决策与重构技术

认知无线电（CR）是一种智能的通信系统,通过有效利用空闲频谱从而极大提高频谱利用率。本文研究认知无线电中频谱决策与自适应重构技术,提出了基于用户业务特性、无线环境以及CR节点能力的自适应频谱决策方案。当前基于加权遗传算法实现的CR自适应重构方法存在权重难以选取问题,本文提出了基于非支配排序免疫遗传算法的CR自适应重构方法。所提算法通过引入免疫算法中的浓度控制机制和均匀初始化技术改善遗传算法种群多样性,从而有效提高遗传算法的寻优能力。     

基于频谱地图的动态频谱管理及其半实物仿真

为了在动态频谱管理网络中快速获得频谱信息,提出了基于频谱地图的区域动态频谱管理框架。该架构由区域频谱管理中心、动态频谱接入网络和用频节点组成,其中区域频谱管理中心负责建立和下发频谱地图,提供频谱地图信息服务并实施网络管理和频谱实时协调。针对网络以较低开销快速获得频谱地图的需求,提出了定期分发、按需分发和更新实时分发3种频谱地图分发方式。基于通用软件无线电平台建立了半实物仿真系统对提出的架构进行仿真验证。仿真结果表明,在提出的架构下网络能够更充分地利用频谱资源,在网络吞吐量、时延和排队长度等指标上均有明显改善。     

基于功率分配的双向协作频谱接入方法

提出了一种基于功率分配的双向协作频谱接入方法.在该方法中,认知用户通过双向协作的方式接入授权用户频谱,使用一部分功率转发授权用户信息,帮助授权用户达到目标速率,然后使用剩余的功率发送自己的信息.该方法研究了认知用户如何对功率进行分配,在保证授权用户达到目标速率的条件下,最大化认知用户的速率.仿真结果验证了所提频谱接入方法的有效性,同时说明授权用户和认知用户都能够从所提频谱接入方法中获得好处.     

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。     

一种基于博弈论价格机制的频谱分配算法

为了提高认知无线电系统频谱分配的效率,建立了基于博弈论价格机制频谱分配系统模型,避免了价格因主系统频谱增加而降低的缺陷.该模型利用频谱政策服务器对特定区域的频谱进行统一分配,充分发挥了主系统的先动优势和次用户的后动优势.同时,根据次用户对不同频段的偏好引入差异性的概念,设计了认知无线电的静态博弈算法.该算法在深入分析频谱需求函数、次用户效用函数、主系统成本函数和主系统效用函数的基础上,以最大化主系统和次用户效用为设计目标,验证了纳什均衡点的存在性.仿真结果表明,在主系统对称和非对称2种情况下,所提算法能够有效地改善主系统的频谱利用率,提高主系统和次用户的效用.     

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。     

量子蜂群算法及其在认知频谱分配中的应用

基于人工蜂群理论和量子计算,提出一种新的离散组合优化算法——量子蜂群优化算法.该量子蜂群算法使用2种新的量子觅食行为完成整个量子蜂群的协同演进,快速找到最优的蜜源位置,通过对优化函数的测试验证其高效性.以该量子蜂群算法为基础,提出一种认知无线电频谱分配算法,与经典的遗传算法,量子遗传算法和粒子群算法等智能优化算法及敏感图论着色算法在不同的网络效益函数下进行仿真性能比较.仿真结果表明:本文提出的量子蜂群频谱分配算法均能够较好地找到最优解,优于经典的频谱分配算法和已有的智能频谱分配算法.     

基于动态多频谱感知的认知无线网络信道接入策略

针对固定频谱感知信道接入机制授权信道分配效率低的问题,提出一种多用户场景下基于动态多频谱感知的认知无线网络信道接入策略.该策略根据认知用户接入请求等级与空闲频谱发现概率为认知用户动态分配感知信道数量,首先分析了认知用户的最佳感知频谱分配数量,在此基础上通过建立认知用户信道接入模型和授权信道可用度更新机制,设计了一种动态感知频谱分配策略,并采用短视策略对网络吞吐量进行了分析.仿真结果表明,所提信道接入策略要比现有认知无线网络信道接入策略提高了网络吞吐量和认知用户接入的公平性,降低了认知用户的平均接入时延.     

认知无线网络中频谱预测技术研究进展

随着无线网络业务的迅猛增长,稀缺的无线频谱资源成为制约无线通信技术发展的瓶颈。认知无线电技术通过对授权频谱进行二次利用的方法为缓解频谱资源匮乏与日益增长的无线业务需求之间的矛盾提供了一种十分有效的技术解决方案。频谱预测技术作为认知无线电的关键技术之一,其在降低系统能量消耗,提高系统灵敏度,降低频谱冲突及提高系统容量等方面发挥重要作用。为此,对认知无线网络中频谱预测技术的研究现状及最新进展进行较为全面和深入的研究,从频谱感知,频谱决策,频谱迁移及频谱共享等4个方面对频谱预测技术及其在认知无线网络中的应用进行了分析,并指出频谱预测技术未来的发展趋势及存在的挑战。     

车联网中基于深度强化学习的高可靠资源分配算法

针对车联网环境下用户通信质量下降以及频谱资源紧张导致车辆与车辆（vehicle to vehicle,V2V）链路的关键信息传输难以满足高可靠性通信需求的问题,提出了一种基于深度强化学习（deep reinforcement learning,DRL）的高可靠资源分配算法。考虑干扰、传输时延和有效传输概率等约束条件,构建了车联网的可靠性保障优化问题;为了进一步保障V2V链路关键信息传输的可靠性,设计了压缩网络来压缩环境状态信息;根据可靠性保障优化问题设计了相应的奖励函数,并基于双深度Q网络（double deep Q-network,DDQN）设计了一种智能资源分配策略。仿真结果表明,所提算法能有效提高车联网的总速率,实现V2V链路关键信息的高可靠传输。     

弹性光网络中负载均衡的优先共享通路保护

为在弹性光网络中实现最大化的备份频谱资源共享,提出了一种基于负载均衡的优先共享通路保护算法.在降低网络的阻塞率和保护开销时,综合考虑业务的传输距离、频谱资源利用率及链路状态等因素,建立整数线性规划模型确立优化目标,并提出启发式算法对路由和频谱分配联合优化选路,从而提供100%的单链路故障保护.仿真结果表明,与传统共享通路保护算法相比,所提算法在降低网络阻塞率的同时更有效地降低了保护开销,最大限度地实现备份频谱资源的共享.     

基于多属性的二次迭代SAW供需匹配网络的研究

由于目前密集的无线通信用户数量、海量的通信业务数据交互的发展趋势,要求通信网络在单位面积上提供更优的供需匹配平衡策略.现有的无线网络频谱资源分配是一种固定分配方式,无法高效地利用有限的频谱资源,使得供需频谱分配不平衡性凸显.针对认知无线电技术领域中频谱资源管理进行了研究,提出一种基于多属性的二次迭代SAW供需匹配网络选择方法.该算法将频谱切换过程中采用的频谱判决机制由传统的顺序匹配法转为多属性加权判决.通过融合多属性效用理论和将无线通信业务分级,优化决策效果,改善了顺序匹配法,大大提高了频谱利用率.通过仿真对比,可以看到在同一段频谱的分配增益牺牲较小的应用场景下,频谱切换开销得到了大幅度降低,较理想地简化了分配方案的复杂度,进而提高了频谱利用率,使得算法的优化得到具体实现.     

基于预测机制的认知无线电机会频谱接入

基于认知无线电(CR)的机会频谱接入技术,近年成为一个研究热点,但大部分文献是根据当前主用户的频谱活动情况来指导次用户的频谱接入。提出一种新的接入机制,根据主用户过去和现在的频谱活动来预测其未来的频谱活动,从而使次用户可以接入可用性高的频段,减少与主用户发生冲突碰撞的可能性。另外,门限值的设定更进一步减少了不可靠的频段,使次用户的通信质量得以提高。通过仿真实验可看出,与传统的接入机制以及未设门限值的接入机制相比较,所提方案能有效地减少主次用户之间的冲突碰撞率。     

基于预测机制的认知无线电机会频谱接入

基于认知无线电(CR)的机会频谱接入技术,近年成为一个研究热点,但大部分文献是根据当前主用户的频谱活动情况来指导次用户的频谱接入。提出一种新的接入机制,根据主用户过去和现在的频谱活动来预测其未来的频谱活动,从而使次用户可以接入可用性高的频段,减少与主用户发生冲突碰撞的可能性。另外,门限值的设定更进一步减少了不可靠的频段,使次用户的通信质量得以提高。通过仿真实验可看出,与传统的接入机制以及未设门限值的接入机制相比较,所提方案能有效地减少主次用户之间的冲突碰撞率。     

宽带无线频谱分配建模研究

随着无线通信的发展,研究如何提高频谱利用率的方法是必然趋势。本文将具有不同特性的静态频谱,竞拍频谱以及动态频谱进行联合分配研究。对频谱可用性特性指标和基于M-LWDF算法的服务质量指标进行了详细的分析说明。并提出了一种有序匹配算法。该算法通过频谱可用性和服务质量指标的有序对应匹配,实现多种频谱资源相结合环境下的频谱分配方案。并通过与随机分配、先静态、后动态的分配方案进行对比,用MATLAB仿真工具验证了该算法在平均总速率、平均失败次数等方面的优越性。     

认知无线Mesh网的多信道MAC协议

随着宽带无线通信业务的发展,无线频谱资源日益紧张.本文在认知无线电频率感知技术的基础上,将其应用于无线Mesh网的多信道MAC协议(MMAC)中,提出了认知无线Mesh网的多信道MAC协议(CWMN-MMAC).本协议通过增加认知用户对频谱的感知和针对多跳特点的分布式协商,将空闲的频谱动态地分配给非授权用户使用,可以有效提高频谱资源利用率,并通过仿真,研究了协议ATIM窗对吞吐量的影响和主用户空闲时的信道利用率,根据仿真结果可以看到,该协议通过单网卡可以实现较好的信道利用率.     

相关瑞利信道上TWR-AM MQAM的频谱性能

本文研究瑞利衰落信道上天线相关双向中继自适应调制系统的频谱效率,其中两终端节点均采用最大比发射和接收信号,中继使用放大前传协议对接收到的信号进行处理。本文推导了采用离散自适应M进制正交幅度调制方式的系统平均频谱效率解析表达式。数值计算和仿真结果表明两终端节点的天线数目、天线间的相关度和中继的发射功率都对系统的频谱效率有影响。     

认知无线电网络中基于图着色的动态频谱分配

动态频谱分配是解决认知无线电网络中频谱资源利用率低下的有效手段.针对现有频谱分配中认知用户"饿死"这一难点问题,以最大化系统接入率为目标,提出一种基于图着色的动态频谱分配算法.构造了基于图着色模型的效能函数,通过动态更新可用矩阵完成有效的频谱分配.一系列仿真实验表明,所提算法获得了较高的系统接入率,兼顾了系统的吞吐量和公平性,具有比现有算法更优的性能.     

一种改进的分组协作频谱感知方法

认知无线电是一种新兴的智能无线系统,它能够感知授权频段的使用情况,当授权用户不使用时接入通信,当授权用户出现时从该频段退避,以缓解日益紧张的频谱资源使用。文中主要研究的是一种改进的分组协作频谱感知方法。首先分别介绍了两种性能较好的频谱感知算法:双门限频谱检测方法与分组协作方法,并仿真实现。在此基础上提出的改进算法是在分组协作中使用双门限检测方法,最后通过仿真,证明文中提出的融合算法其性能优于只使用分组协作感知或双门限检测方法。