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.     

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.     

一类重复模糊n人合作对策的Shapley值

以模糊结盟为工具,建立了重复模糊合作对策理论,把带加权函数的模糊n人合作对策的Shapley值推广到重复模糊n人合作对策中,并提出了模糊支柱序列的定义以及Shapley值在重复模糊合作对策下应满足的三条公理的概念,进而给出重复模糊n人合作对策下的Shapley值的计算公式及证明,最后给出一个例子予以应用。     

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.     

认知无线电中基于可信度的感知节点集选择

联合谱感知虽然可提高系统的感知性能,但随着感知节点数目的增加,系统资源的占用越来越多,系统传输 效率下降. 该文详细分析了联合谱感知方法的感知性能,得到感知节点集感知性能与感知节点数目和平均接收信噪比之 间的关系,在此基础上给出一种感知节点集的选择方法. 针对认知网络中可能存在的不可信节点对感知节点集选择方法 的影响,提出可有效剔除不可信节点的可信度检测方法. 综合上面两种方法,提出了基于可信度的感知节点集选择算法, 在进行感知节点集选择的同时可有效剔除不可信节点,有效地保证了所选节点集的感知性能. 仿真结果验证了算法的有 效性和可靠性.     

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.     

STBC-OFDM系统自适应加权并行多用户检测

针对多用户空时块码正交频分复用系统,提出了基于Turbo 码的自适应加权并行多用户检测方法. 该方法利用自适应加权多用户检测进行多用户信号分离,并将所获得的软比特信息作为Turbo 码的先验信息进行译码,将译码所得的外信息作为下次迭代中自适应加权多用户检测中权值的先验信息. 数值仿真结果表明：采用该方法的空时块码正交频分复用系统收敛较快,与自适应部分并行多用户系统、实验加权多用户系统、传统并行干扰抵消多用户系统进行比较,分别可获得1.8 dB, 2.5 dB 和3 dB 的增益.     

基于一种改进人工蜂群算法的认知无线电频谱分配

摘要：为提高人工蜂群算法的开采能力和收敛速度,在人工蜂群算法中引入动态加速因子和种群自适应比例因子,得到一种新的动态加速种群自适应人工蜂群算法. 将认知无线电TV频段频谱分配模型中的分配矩阵与动态加速种群自适应人工蜂群算法中的可行解相对应,分别以网络效益最大化和比例公平性为目标函数,实现了空闲TV频段频谱的合理分配. 仿真结果表明,与其他算法相比,该算法能更好地实现网络效益的最大化以及用户之间的比例公平性.     

基于QR分解算法的自适应抗干扰阵列最优权值并行提取

自适应抗干扰阵列系统通常采用数值稳定性良好的ＱＲ分解最小二乘法进行自适应处理。在需要最优权值的应用中,采用“回代法”或“权冲洗法”从阵列中得到权值。     

基于QoS的认知OFDM无线电系统自适应资源分配

摘要：根据认知无线电的特点和正交频分复用的传输特性,提出了一种针对认知OFDM无线电系统的自适应资源分配算法. 该算法在子载波和功率分配中,通过把次用户对主用户干扰的功率限制在主用户可容忍的门限以下,使次用户信道容量最大化. 同时,利用比例公平性保证了每个用户的通信服务质量. 仿真结果验证了所提算法的性能和有效性.     

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.     

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.