基于OFDM的认知无线网络中最小代价增量资源分配算法

认知无线电是解决频谱资源紧张,提高频谱利用率的有效方式之一。在保护授权用户不受过度干扰的前提下,为了充分利用基于OFDM的认知无线网络频谱资源,在分别考虑频谱检测可靠性和互干扰对资源分配影响的基础上,构建了一个联合功率控制和子载波分配的最优化目标。考虑算法实际可行性,提出了3个次优的基于最小资源代价增量的算法,即最小功率代价增量算法、最小干扰代价增量算法以及最小功率干扰加权和代价增量算法。数值仿真表明,相比于现有的静态等功率资源分配,所提算法的吞吐量性能均有明显提升,其中,最小功率干扰加权和代价增量算法整体性能最好。     

一种异构可重构的认知无线电平台及设计方法

未来无线通信频带越来越紧张,认知无线电可感知频谱,使认知用户和认证用户可以无干扰地共享频谱,并成为一种提高频谱利用率的重要方法。提出了一种基于SoC(System on Chip)的异构可重构认知无线电平台及设计方法,该方法满足认知无线电感知频谱、适应无线信道时变的要求,并能高效、低能耗地实现认知无线电的动态配置。     

Dynamic overlapped spectrum allocation based on potential game in cognitive radio networks

In order to make full use of wireless spectrum resources,the behavior of cognitive radio （CR）for dynamic spectrum allocation is analyzed based on the game theoretic framework.The traditional spectrum allocation schemes consider the spectrum allocation among independent frequency bands only,without taking into account mutually overlapped frequency bands.For this reason,an optimal allocation etiquette is defined to promote the cross characteristic of the frequency bands in a dynamic spectrum allocation model.New interference operator and interference temperature constraints are introduced in order to realize calculation of the interference,and the corresponding spectrum allocation scenario can be further formulated as a potential game.Based on the characteristic of dynamic selection using the game theory and the interference avoidance rule of interference temperature,the robustness of CR networks is increased and the scenario is more suitable for the dynamic changing of actual wireless communication and energy saving communication systems.Simulation results show that the signal to interference and noise ratio （SINR） level can be significantly improved through the optimal allocation of any available spectrum.The utilization rate of spectrum and throughput of overall CR networks are increased by fully utilizing the spectrum resources in the dynamic spectrum allocation model.     

基于频谱差异的动态频谱分配博弈算法

基于博弈论的认知无线电动态频谱分配,是目前认知无线电领域研究的热点之一。考虑到频谱差异性,采用古诺博弈(Cournot game)模型,在原有的定价函数中加入频谱相似度矩阵,提出了新的效用函数,使得更接近于实际网络环境。性能分析表明,考虑了频谱差异性的分配算法较原来算法更具多样性,适合实际网络分配。     

认知无线网络中一种基于博弈的自适应功率控制算法

为了实现认知无线电中频谱分配公平性以及满足需要省电的情况,提出了一种基于博弈论的自适应功率控制算法,并证明了纳什均衡发射功率的存在性与唯一性。该算法不仅通过博弈论效用函数表达功率控制过程,解决了远近不公平现象和解决省电难题,而且通过设定信干噪比的最大与最小阀值,可以将不满足阀值的信干噪比值通过自适应加权公式,将其调整到阀值范围内,以满足省电需要。通过仿真分析可知,与其他算法比较,该算法不仅解决了认知无线电的远近不公平性现象,还可以通过减少发射功率,有效地解决了省电问题,而且当信干噪比在设定的阀值外时,通过自适应调整,使之在阀值范围内,减少了功率的浪费。     

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。     

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。     

基于跨层优化的认知无线电频谱资源管理研究

考虑到认知无线电网络可用信道在工作频率、带宽、传输范围和干扰范围等不同方面所具有的特异性,基于跨层的优化框架被提出并应用在认知无线电的调度、频谱分配和其路由算法.该算法能够借助已知的信道特性构造出频谱调度矩阵,而且可以将混合型NP-hard线性规划问题简化,同时算法中的遍历算法可以显著降低构建调度矩阵的计算复杂度(从原来的O(2M)降低到O(M2)).仿真结果显示了该算法能够显著提高认知无线电网络的性能.     

基于混沌二进制粒子群算法的认知无线电频谱分配策略

为了解决认知无线电网络中以最大化网络效益为准则的频谱分配难问题,提出一种基于混沌二进制粒子群算法的动态时变频谱分配策略。在该策略中,针对二进制粒子群算法收敛速度慢且后期粒子搜索具有单一性的缺陷,引入混沌映射对初始种群和每代粒子位置进行遍历优化,以提高粒子的全局寻优性能,搭建降维频谱分配数学模型,降低算法计算繁杂度,减少时间开销。实验结果证明,所提算法收敛速率快,可获得较高的网络收益。     

认知异构无线网络中频谱切换建模与分析

在具有频谱认知功能的异构无线网络中,针对传统频谱切换算法未考虑次用户业务的多样性,且空闲信道不足造成次用户服务时延大的问题,提出基于次用户分级的频谱切换策略。与以往单一的认知无线电网络不同,该策略融合利用免授权频谱的开放式无线网络和机会式利用授权频谱的认知无线电网络,提出了认知异构无线网络场景。根据次用户的业务类型对其进行优先级划分,并在此基础上设计数据分割因子优化策略。进一步采用混合式抢占优先权(preemptive resume priority /non-preemptive resume priority,PRP/NPRP) M/G/1排队模型,分别对主用户网络和开放式无线网络中的频谱切换过程进行建模,提出一个最小化时延的动态自适应频谱切换策略。实验仿真了不同参数对次用户时延的影响,结果表明,该策略较传统的频谱切换策略明显提升了次用户的时延性能。     

基于超模博弈的认知无线电频谱分配算法

为实现认知无线电系统吞吐量最大化的目标,以正交频分复用(orthogonal frequency division multiplexing,OFDM)为系统模型,提出了一种基于超模博弈的认知无线电频谱分配算法,该算法通过引入适当的价格函数来评估认知用户对主用户的影响,并以此为根据对认知用户施以一定的价格惩罚,最终达到减少认知用户对主用户干扰的目的。仿真结果表明,该算法最终能够达到收敛,降低了认知用户对主用户的干扰,明显地提高了系统的吞吐量。     

协同认知网络中功率分配与协同节点选择

针对认知无线网络中次级用户通信性能优化问题,以最大化次级用户的传输速率为目标,研究引入协同通信的认知网络中协同节点选择和发送功率分配问题.通过引入中断概率增量因子,简化主用户接收机中断容量损失受限的约束条件,同时依据目标函数的不同将问题分解,对形成的原优化问题进行了有效求解.仿真结果表明,文中算法实现了最优的功率分配和协同节点选择,在保护主用户通信业务的前提下,有效地提升了次级用户的传输速率.     

认知无线电下航空通信频谱信道分配方法

在现代航空通信,尤其是以机场周边、战争区域等通信信道使用频繁并且各种有源或者无源干扰较大的通信环境下,传统的通信信道分配方法很难满足高速率大容量通信的需求。针对这种情况,提出了一种基于认知无线电的动态航空通信频谱信道分配方法。该方法利用通信延时,信噪比门限值和频谱分配效应等级来构建一种以通信质量为标准的反馈频谱分配模型,并利用该模型动态修正基于功率的信道分配方法。仿真从信号接入率和分配函数收敛速度两方面分析了所提出的方法、图色理论频谱信道分配方法和博弈论频谱信道分配方法的性能,结果表明,所提出的方法具有更高的信号接入率和更快的收敛速度。     

认知无线网络中基于随机博弈框架的频率分配

为了解决认知无线网络中分布式的动态频率分配问题,采用随机博弈的框架,将认知链路建模成自私理性的智能体,并提出了一种以最大化平均Q函数为目标的多智能体学习算法—MAQ。通过MAQ学习,分布式的智能体可以实现间接的协商而不需要交互Q函数和回报值,因为智能体的决策过程需要考虑其他用户的决策。理论证明了MAQ学习算法的收敛性。仿真结果表明,MAQ算法的吞吐量性能接近中心式的学习算法,但是MAQ只需要较少的信息交互。     

基于次用户检测能力的认知无线电频谱共享博弈

基于博弈论研究认知无线电系统中主用户和次用户频谱共享方法. 认知无线电系统中,主用户出售空闲频谱给次用户,以获得收益,次用户则通过博弈竞争空闲频谱资源. 由于不同的次用户检测能力各异,主用户对次用户的频谱共享意愿也不同. 根据次用户的检测能力强弱为认知用户设置优先级,提出将反映次用户检测能力的终端设备剩余电量百分比体现在价格函数中,从而得到新的效用函数. 通过仿真表明了该博弈算法能使频谱分配更加有效、公平、合理.      

认知无线电网络中动态频谱分配策略的收费方案

针对认知无线电网络中的动态频谱分配策略,考虑次级网络的响应性能,令中断传输的次级用户数据包立即离开系统.通过构造个人收益函数,基于可观察排队情形,给出均衡状态下系统中次级用户数据包的数量阈值,并建立一个带有传输中断的有限容量排队模型.基于Poisson 过程,建立转移率矩阵,导出次级用户数据包的平均响应时间,系统吞吐量和频谱切换率等性能指标.为了实现动态频谱分配的社会最优,面向次级用户提出频谱接入的收费方案,并给出该收费方案的数值结果.     

一种优化的认知无线电网络资源协同分配算法

在目前的认知无线电研究中,多用户OFDMA系统中如何实现子载波和功率的合理分配是研究的重点之一.针对认知无线电资源分配过程中出现的多认知用户资源分配不公平的问题,研究了认知无线电网络中授权用户占用子载带时,认知用户的吞吐量受限制的问题,提出了一种基于underlay频谱共享模式下的OFDMA认知无线电网络功率与子载带协同分配优化算法.该算法利用干扰门限的设置,使用原始感知信息(RSI)和信道状态信息(CSI)进行功率与子载波分配,然后分别进行功率控制和用户选择的计算,找到最优化传输功率与每个子载带最优使用用户,在保证授权用户免受有害干扰的前提下,使授权用户存在时,也可共享频谱传输,确保了系统的稳定性,提高了网络吞吐量.理论分析与仿真结果表明,相比传统的功率与子载波联合分配算法,该算法可以提高系统的平均加权吞吐量.     

认知无线电研究进展及应用前景

 认知无线电被认为是解决频谱资源紧缺、提高频谱利用率的有效途径,成为现代无线通信领域的研究热点之一。在广泛调研的基础上,从频谱政策演进、网络与标准发展等方面综述了近10年来认知无线电的研究进展,展望了认知无线电在智能电网、宽带蜂窝网、公共安全网和医疗体域网等新兴无线通信业务方面的应用前景,并提出认知无线电领域未来的研究方向。     

下垫式认知无线电网络的鲁棒功率分配算法

针对认知无线电网络功率分配的参数扰动性问题,提出一种基于保护因子的认知无线电鲁棒功率分配算法.该算法根据实际系统信道参数的扰动性,对授权用户干扰功率阈值引入保护机制进行鲁棒规划,运用Lagrange对偶算法和凸优化相关理论得到最优功率分配,解决了下垫式(Underlay)模式下认知无线电网络信道参数扰动性问题.仿真结果表明,该算法具有较好的鲁棒性,降低了算法复杂度,并提高了认知无线电网络的系统容量.     

基于超模博弈的认知无线电频谱分配算法

为实现认知无线电系统吞吐量最大化的目标,以正交频分复用(orthogonal frequency division multiplexing,OFDM)为系统模型,提出了一种基于超模博弈的认知无线电频谱分配算法,该算法通过引入适当的价格函数来评估认知用户对主用户的影响,并以此为根据对认知用户施以一定的价格惩罚,最终达到减少认知用户时主用户干扰的目的.仿真结果表明,该算法最终能够达到收敛,降低了认知用户对主用户的干扰,明显地提高了系统的吞吐量.