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.     

合作博弈框架下的资源分配

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。     

基于纳什谈判的家用热水器的优化运行

需求响应是智能电网灵活互动性的一种体现,在电力节能与电网削峰填谷中应用前景广阔.家庭热水器在需求响应中具有极大的优化运行潜力,但难以确定用电费用与热水温度两个目标之间的权重.为此,提出了一种基于纳什谈判的家用热水器优化方法,将热水器的用电费用与用户对水温的舒适度视为博弈的双方.通过纳什谈判的方法获得博弈过程的纳什谈判解,进而得到热水器的运行计划.仿真验证表明,该方法能有效地优化热水器的需求响应,同时实现了用电费用与用户舒适度之间的平衡.     

基于博弈论的异构无线网络动态选择

下一代无线通信网络的主要特征之一是移动终端可以灵活接入各个网络. 在异构网
络共存的下一代通信中,网络选择技术能提高频谱利用率和网络容量. 为此,设计了一个基于
非合作博弈的网络选择机制,以保证移动终端能从异构网络中选择合适的网络接入. 证明了
该博弈为潜博弈,分析了该机制中博弈的纳什均衡存在性和可行性,并设计了一个基于反应
动态机制的最优迭代算法求解博弈. 仿真表明,该算法能够收敛到纳什均衡,且其网络选择机
制具有近似最优的性能.     

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.     

基于纠缠态条件下量子斗鸡博弈模型的纳什均衡分析

应用双人量子博弈EWL模型,对量子斗鸡博弈的纳什均衡与博弈纠缠状态之间的联系进行研究.结果表明,当纠缠满足0≤r≤r_(th)时,存在纳什均衡QD,DQ;当纠缠满足γ_(th)γ≤π/2时,存在纳什均衡QQ,解决了经典博弈困境.     

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.     

异构蜂窝网络中功率有效的家庭基站分簇频谱分配策略

针对宏基站与家庭基站以及家庭基站之间的干扰和功耗问题,提出功率有效的家庭基站分簇频谱分配策略.在家庭基站用户中断概率条件下推导出一个簇内能容纳的家庭基站最大数目.在簇容量和中断概率限制的情况下,进一步推导出簇内家庭基站用户最小信干比和家庭基站最小干扰距离,以此严格保证簇内每个家庭基站用户的信干噪比,并据此提出家庭基站分簇和频谱分配算法.仿真结果表明,所提出的策略提高了网络的功率效率和家庭基站小区的频谱效率.     

一种多用户自适应协作信道分配方案

研究了多用户协作通信系统中最大化系统吞吐量的上行信道分配算法,提出一种启发式的信道分配协作方案,可兼顾用户QoS要求和系统吞吐量. 该方案通过生成虚拟的节点模拟协作功能,将协作信道分配问题简化为一个传统的信道分配问题,并将分配给虚拟节点的信道用于协作,以实现协作和信道分配的自适应. 仿真结果表明,在多用户系统中,该算法在满足用户QoS及提高系统吞吐量方面都能获得较好的性能.     

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.     

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.     

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.     

多种业务下OFDMA无线资源管理

研究多业务共存时OFDMA系统资源的自适应分配问题.系统优先为时间敏感业务分配资源以保证其对时延的要求,为其分配子载波簇以降低所需反馈信息量,通过增加子载波簇上的功率来降低其占用的频带.其次,将剩余资源灵活地分配给数据业务,着重考虑整比特分配后的剩余功率重分配以进一步提高系统吞吐量.仿真结果表明,在大信噪比时,经剩余功率重分配后频谱利用率可提高约50%,而时间敏感用户的掉线率几乎为0.     

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.