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。     

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.     

Cognitive information metrics for cognitive wireless networks

Considering the dynamic changes and uncer- tainty features of the radio environment in cognitive wireless networks （CWNs）, the environment cognition ability is critical for the performance evaluation of CWNs design and optimization. However, there are no effective metrics to evaluate the ability and gain of information cognition in CWNs from an information theory perspec- tive. Therefore, the novel cognitive information concept is proposed and defined as a metric to evaluate the uncer- tainty of both the internal and external environments of one system that can be removed by other systems or nodes using cognitive radio techniques. As an intelligent wireless communication system that is aware of its surrounding radio, network, and user multi-domains environment, the more cognitive information it achieves, the higher level cognitive capability it is. In this paper, we define and analyze the mathematical features of cognitive informa- tion. Results reveal that the increase of cognitive infor- mation can improve the spectrum efficiency and reduce the interference probability simultaneously in CWNs. Thus cognitive information can be regarded as a metric for CWNs optimization. Finally, we apply the theory of cog- nitive information in the parameters optimization in energy detection and cooperative spectrum sensing.     

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。     

基于不同分组层策略的认知无线电网络性能分析

文中根据次用户采用的不同分组层策略,提出了两种认知无线电网络模型及其性能分析方法,推导了次用户的丢包率、分组时延、吞吐量以及频谱利用率表达式。同时,为了验证理论分析模型的准确性,对认知无线电网络的性能进行了仿真。分析和仿真结果表明：（1） 分析模型能准确地评估认知无线电网络的性能;（2）次用户的丢包率、分组时延和频谱利用率随着业务流入速率的增加而增加;（3）使用认知无线电技术,能大大提高频谱利用率;（4）次用户采用不同的分组层策略对频谱利用率的影响很小,但对吞吐量的影响很大。     

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。     

基于迟滞噪声混沌神经网络的TDMA广播调度

分组无线网络的时分多址(Time Division Multiple Access,TDMA)广播调度问题是一个经典的NP-hard组合优化问题,可用神经网络求解.混沌动力学、随机游动和迟滞动力学均能够有效地提高神经网络的优化性能.为了提高迟滞动力学在噪声混沌神经网络中的优化能力,又不增加噪声混沌神经网络的参数,将噪声混沌神经网络的噪声幅值作为Sigmoid函数的中心参数,并通过神经元的输入变化来控制噪声幅值形成迟滞环,提出了一种新型的迟滞噪声混沌神经网络.对神经元状态演化行为的研究表明,该网络能够同时演化出混沌倒分岔、随机游动和迟滞等动力学行为.对分组无线网络的TDMA广播调度问题的仿真表明,提出的迟滞噪声混沌神经网络具有更好的优化性能.     

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.     

Joint channel allocation and power control with fairness in multi-hop cognitive radio networks

This paper investigates channel allocation and power control schemes in OFDM-based multi-hop cognitive radio networks.The color-sensitive graph coloring(CSGC) model is viewed as an efficient solution to the spectrum assignment problem.The model is extended to combine with the power control strategy to avoid interference among secondary users and adapt dynamic topology.The optimization problem is formulated encompassing the channel allocation and power control with the interference constrained below a tolerable limit.Meanwhile,the proposed resource allocation scheme takes the fairness of secondary users into account in obtaining the solution of optimization.Numerical results show that the proposed strategy outperforms the existing spectrum assignment algorithms on the performance of both the network throughput and minimum route bandwidth of all routes,as well as the number of connected multi-hop routes which implies the fairness among secondary users.     

基于协作频谱感知的多无人机通信网络谱效优化研究

针对无人机应用场景频谱效率较低的问题,提出一种结合认知无线电技术的多无人机通信网络谱效优化方案.首先基于协作频谱感知,建立空地信道下多机协作的认知无人机网络模型,设置无人机（unmanned air vehicle,UAV）数量、感知时间和判决门限等优化参数,在此基础上提出高谱效联合优化算法对构建的非凸优化问题求解,最后分析无人机飞行过程中谱效的变化情况.仿真结果表明,存在最优感知时间使系统谱效获得最大值,且UAV数量和判决门限等因素会影响该谱效最优值;提出的高谱效联合优化算法具有较好的收敛性,有效提高了UAV次级认知网络的频谱效率.      

一种认知无线Ad hoc网络跨层最优频谱共享方案

针对由认知无线电组成的Ad hoc网络中的频谱共享提出了一个跨层方案.通过综合考虑认知用户之间的干扰约束和流量需求,特别考虑到用户双向连接以及信道的非均匀性,以BFP(bandwidth-footprint-product)值最小为目,建立了一个二进制整数线性规划(BILP)模型.仿真结果给出了最优的频带分配和路由选择方案.     

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。     

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。     

CDMA无线网络覆盖优化策略

在移动通信的建设和维护过程中，网络规划与优化是两个重要的环节。合理的无线网络规划与优化可使网络在时间与空间上达到最大程度的覆盖；本文围绕与CDMA网络服务质量相关的无线网络规划、优化等问题，进行了较深入地探讨。     

一种认知无线网络中TCP拥塞窗口的在线学习方法

在认知无线电中,改进传输层协议提高吞吐量的方法引起了业界的广泛关注。采用可用带宽测量技术,提出了一种基于ACK时间间隔的在线学习方法(TCP-Learning)。该方法能够快速地学习到网络链路中可用剩余带宽;并能够快速调整TCP拥塞窗口。仿真结果表明,在链路处于良好状态下,TCP-Learning吞吐量略优于Reno和Vegas等传统拥塞控制算法,但在链路较差情况下,TCP-Learning吞吐量明显优于Reno和Vegas等传统拥塞控制算法。     

基于一种特殊队列的认知无线电网络性能分析

提出了一种被分成延时和丢弃两部分的特殊队列,建立马尔科夫模型分析了基于此队列的用户个数受限的认知无线电网络性能,并推导其丢包率、分组时延以及频谱利用率表达式,同时,对认知无线电网络进行仿真.分析和仿真结果表明:(1)分析模型能准确预测认知无线电网络性能;(2)次用户的丢包率和分组时延随着延时队列长度的增大分别减小和增大,而频谱利用率不受延时队列长度的影响;(3)采用认知无线电技术,能大幅提高频谱利用率.     

多信道认知网络的直观信道感知策略

为了提高频谱利用率,认知无线电技术可使非授权用户在不影响授权用户正常通信的情况下,利用瞬时的频谱空穴满足自身通信需求。如何通过感知频谱及时有效地发现频谱空穴是一个至关重要的问题,尤其是对于多信道认知无线电网络。针对多信道认知无线电网络,该文在连续时间Markov链的信道占用模型基础上,根据信道状态可能发生变化的概率,提出了一个动态的直观信道感知策略,并考虑了感知周期的影响。仿真结果表明:在感知周期合适的情况下,该策略能够有效地发现并利用频谱空穴,并且比周期感知和随机感知策略消耗更少的能量用于感知。     

认知无线电系统中检测时间和检测周期的联合优化

认知无线电中频谱感知是实现动态频谱接入的重要前提和核心环节,检测时间和检测周期是频谱感知算法中非常重要的两个参数,它们的取值直接影响了频谱空穴的检测概率和主次用户的碰撞概率。从最大化次用户的平均频谱利用率出发,在目标检测概率的限制下,提出了检测时间和检测周期联合优化的二维单目标最优化问题,基于能量检测,建立了联合优化的数学模型,并进行了理论推导和分析,找到了使认知系统频谱利用率最大的检测时间和检测周期求解方法。通过与仿真结果的比较,验证了理论推导的正确性。仿真结果表明,次用户频谱利用率分别随检测时间及检测周期的增加先增大后减小,存在使次用户频谱利用率最大的最优值。     

改进人工鱼群算法在认知无线电决策引擎中的应用

针对遗传算法、粒子群算法等应用于认知无线电决策引擎时存在收敛速度慢,容易陷入局部最优解的缺陷,提出了一种基于改进人工鱼群算法的认知无线电决策引擎．利用改进人工鱼群算法全局收敛性强、鲁棒性能好、初值敏感度低等特点,更快速、高效地优化调整传输参数,从而寻找特定条件下的最优配置方案．仿真结果表明,在多载波通信系统下,该认知决策引擎具有收敛精度高、平均适应度值高、稳定性强等特点,性能优于二进制量子粒子群认知引擎．