基于遗传粒子群优化的认知OFDM网络资源分配算法

针对采用正交频分复用的认知无线电网络中的多用户资源分配,提出一种在系统传输功率额定值、主用户的干扰阈值、次用户间的比例公平性等约束条件下能使系统容量最大化的资源分配算法.首先基于遗传算法设计一种子载波分配方案,然后采用基于多级惩罚函数的粒子群优化算法进行功率分配.仿真表明,所提算法能获得接近于最优算法的系统容量,且能提高用户间的比例公平性,同时降低计算复杂度.     

认知无线电网络中的动态波束形成

认知无线电技术能够大幅度提升频谱利用率,具有十分广阔的前景. 有效的波束形成算法能够在避免对主用户造成干扰的同时,保障认知用户的通信质量. 通常的认知波束形成算法均针对静止目标,而无线认知网络节点随时可能处于移动状态. 为此,研究了认知网络中机动目标的波束形成问题. 针对最大化信噪比、最小化主用户干扰和均衡认知用户信噪比3个不同的优化目标,分别提出了相应的波束形成解决方法. 利用粒子滤波对运动目标的DOA进行跟踪估计,并根据得到的DOA估计值来建模基站与认知用户之间的信道. 对于最大化信噪比的优化问题,将其转化为瑞利熵形式,得出问题的闭式解;对于最小化主用户干扰和均衡认知用户信噪比的优化问题,均采用凸优化方法将两个问题转化为二阶锥规划形式,通过内点法求解. 仿真实验结果证明了动态波束形成方法的有效性.     

认知网络中主用户接收机通信区域建模及分析

在现有认知无线网络模型综合分析的基础上,针对以主用户发射机为中心进行干扰区域建模的不足,提出一种基于主用户接收机为中心的认知网络模型.基于该模型,采用信息论的观点,在主用户最低吞吐量和主用户通信中断概率的限制条件下,分析得出了主用户通信半径、认知用户密度及主用户吞吐量的相互量化制约关系.数值分析结果验证了该模型在认知用户对主用户接收机干扰过程中的合理性和有效性.     

基于置信传播分组的多任务压缩频谱感知

针对认知无线电中主用户覆盖范围存在交叠区域的情况,给出先次用户分组再组内协作感知的方法. 首先提出一种基于简化置信传播(belief propagation, BP)的次用户频谱相似性分组算法,挖掘各次用户前一次频谱感知信息并提取相关参数,再根据相关参数利用BP算法对当前频谱感知次用户进行相似性分组. 在组内采用恢复效果较好的多任务压缩频谱感知方法来完成感知任务. 仿真结果表明,所提出的频谱感知方法与现有方法相比,能在混杂频谱环境下保证较好的虚警概率,同时提高频谱感知的正确检测概率,且随着全网感知用户数的增加,频谱感知结果也不断改善.     

认知网络中的容量最优机会干扰对齐接入

在传统认知网络中,认知用户只能接入主要用户的空闲频带,而不能同时与主要用户共享带宽. 为了更有效地利用频谱资源,提出一种容量最优机会干扰对齐接入算法. 在保证主要用户信道容量的基础上,认知用户与主要用户可以占用相同的频带同时接入网络,且认知用户对主要用户的干扰为零. 所提出的算法由混合网络基站估计信道状态信息,并计算主要用户的信道容量和系统总信道容量. 根据容量最优的准则确定预编码向量及解码向量. 当主要用户的信道容量与未接入认知用户相比几乎不下降,且总信道容量大于未接入认知用户的总容量时,认知用户以容量最优机会干扰对齐的方式接入网络. 仿真结果表明：在相同信道状态条件下,所提出的算法较现有算法具有更优的信道容量并可提高认知网络频带利用率.     

基于定价的认知无线网络按需多信道接入策略

在认知无线电多信道接入场景中,建立满足认知用户服务质量(QoS)需求的非合作博弈模型,定义CRN有效容量的概念,提出基于定价的按需多信道接入策略,推导价格函数的数学表达式,并给出按需迭代注水算法以实现该策略中的信道和功率分配. 仿真结果表明：按需多信道接入策略和按需迭代注水算法较不考虑QoS的一般接入策略在CRN有效容量和CR用户的QoS保证率上都有较大的性能改进. 在给定场景中,按需迭代注水算法能使CR用户的QoS保证率提高10%?20%;在稳定状态下,CRN的有效容量提高38%左右.     

认知无线电系统中的协作频谱共享博弈

该文运用协作博弈中的纳什讨价还价方法分析认知无线电系统中的频谱分配. 以所有次用户的收益乘积最大化为目标,引入次用户优先级参数以改进次用户的效用函数. 证明了在协作博弈过程中,新的效用函数存在纳什协商解,而且这个解是唯一的. 仿真结果表明,改进的协作博弈算法可通过参数设置来体现次用户之间的优先权,使次用户之间协作地进行博弈,使频谱分配更加公平有效.     

有限反馈MIMO系统下行链路用户调度与功率分配

研究基于有限反馈的下行MIMO系统中的用户调度和功率分配问题,并利用随机多波束形成的思想提出了相应的实现算法.所提出的用户调度算法只将各用户的最大和第2最大信干噪比及其对应的波束索引号反馈给基站,仿真结果表明,与现有方法相比,该算法更好地获得了所需反馈量和系统吞吐量之间的折衷.所提出的功率分配算法则充分利用了基站端所能获得的部分信道信息,仿真结果表明,与传统的平均分配算法相比,在发射总功率一定的情况下,该算法可以获得更高的系统吞吐量.将两种算法相互结合,可以在不增加反馈量的情况下获得更好的系统性能.     

认知网络中无线电信号智能感知方法研究

无线电信号在噪声波动情形下的检测性能有待提高.该文提出了认知用户根据无线电环境变化自动调整检测阈值的感知方法.融合中心应用坐标搜索算法为认知用户提供最优控制参数,认知用户依据最优参数设定检测阈值,并自主学习特定无线电环境下的最佳阈值.此外,该算法充分考虑了各认知用户的个体特征及其感知贡献,并提出了一种基于能量值的加权算法体现用户特征.实验结果说明该算法对噪声波动具有卓越的鲁棒性,在信噪比低于-15 dB时的检测概率远高于传统方法.     

认知无线电加权软合并联合频谱感知算法

为了提高认知无线电的频谱感知性能,提出了对认知无线电用户的检测信息进行加权软合并的联合频谱感知算法. 该算法通过降低对授权用户的干扰和提高认知无线电吞吐量,分别使用最小化干扰加权和最大化吞吐量加权. 算法为信噪比高的用户或者到合作中心信道增益低的用户分配较大的权重,能够提高高信噪比用户的检测信息在合作检测中所占的比例,同时补偿信道衰落对检测信息带来的损失. 仿真表明：该算法的性能比基于信噪比加权或非加权的算法更好,能够降低干扰并提高吞吐量,同时能够降低信道衰落对联合频谱感知性能带来的影响.     

放大-转发OFDMA中继系统多业务资源分配方案

针对独立功率限制、放大–转发OFDMA中继系统的多业务资源分配问题,提出一种在满足实时用户要求前提下,非实时用户数据速率最大化的资源分配方案. 根据业务的不同将问题分解为实时和非实时用户的资源分配两个子问题. 对于实时用户的资源分配,利用Lagrange方法计算. 对于非实时用户的资源分配,每个子载波分配给信道条件最好的用户,针对功率分配提出两步功率分配方法. 首先按照总功率约束进行初始功率分配,然后对各子载波的功率进行调整以满足独立功率约束. 对于子载波分配提出一种低复杂度的子载波集合分配算法. 仿真结果表明,该方案在满足多业务用户要求的同时使系统性能得到优化,且计算复杂度低.     

合作博弈框架的资源分配

提出一种多用户MIMO OFDM系统中的基于合作博弈框架的自适应资源分配算法,该算法在纳什讨价还价解（NBS）和Raiffa-Kalai-Smorodinsky讨价还价解（RBS）的Pareto最优解的基础上分配资源,使用户的速率能够最接近于Pareto最优解.仿真结果表明,该算法的性能明显优于固定分配方案,只是略逊于Max Rate方案,但是其公平性明显优于Max Rate方案和固定分配方案.     

EWA博弈抽象的认知无线电网络信道选择

通过协作频谱感知对信道可用性进行分析,构建网络可用信道的优先度表. 利用该优先度表,提出一种基于EWA学习博弈模型的信道选择算法. 与基于学习自动机算法和无悔学习算法对比的仿真结果表明,该算法可通过历史经验的学习选择对认知用户可用性最优的信道,能提高系统的有效吞吐量,并获得更好的资源分配公平性.     

基于疯狂自适应鱼群算法的认知无线电频谱分配

针对目前认知无线电网络中频谱利用无法满足指数级增长的通信需求、人工鱼群算法保持种群多样性差、全局搜索能力弱的问题,对图论频谱分配模型的人工鱼群算法进行了改进,得到了网络效益函数最优情况下的频谱分配.首先自适应调整视野和步长,保证算法前期较强的全局搜索能力和后期的收敛精度;然后在随机行为模式下引入疯狂算子,产生扰动以增加种群多样性.仿真实验对比了4种不同算法在相同模型参数下的系统总效益,同时对可用频谱和认知用户分别设置控制变量法测试算法性能.结果表明:改进后的人工鱼群算法全局搜索能力较强,具有较强的鲁棒性.     

基于GPS调度的OFDM系统低复杂度资源管理

针对OFDM系统的下行链路,提出了一种基于广义处理器共享（GPS）调度的低复杂度资源管理方案。方案通过MAC层－物理层的跨层设计达成了信道容量与用户公平性之间较好的折中：在MAC层采用GPS并行调度来达成用户对带宽的公平共享,并进一步提出了通过用户权重补偿来改进公平性的方法;在物理层结合采用次优子载波分配、平均功率分配和自适应调制以充分利用信道容量。仿真结果表明,本方案以较低的实现复杂度实现了与Shen提出的带比例速率限制的资源分配算法相近的性能。