基于文化算法的认知无线电优化研究

提出了基于文化算法的认知无线电优化方法,以通断键控系统为例设计了待优化的多目标参数,利用文化算法的指导空间概念,加快目标参数优化速度。计算机仿真结果表明文化算法的收敛速度明显优于遗传算法,在进化代数明显少于遗传算法的情况下获得近似遗传算法的优化结果,这一特性适合于对实时性要求较高的认知无线电优化。     

基于粒子群优化的认知无线电功率分配算法

针对认知无线电网络（CRN）中主用户（PU）的干扰功率阈值、 次用户（SU）的传输速率限制和信干噪比（SINR）需求, 提出一种基于蒸发因子的粒子群优化（LTPSO）算法, 其中蒸发因子根据粒子群学习因子设定, 建立新的粒子群记忆形式, 并对适应度值按比例进行筛选. 仿真结果表明, LTPSO算法获得了较好的优化效果.     

认知无线电的频谱分配算法

认知无线电的频谱分配问题存在瓶颈用户,针对该问题,分析了并行频谱分配算法和CSGC(color-sensitive graph coloring)算法,提出在CMMB(collaborative-max-min-bandwidth)准则下,用并行分配算法来解决瓶颈用户问题,并对系统时间开销和频谱利用率等性能指标进行了仿真分析.结果表明,并行分配算法和CSGC算法的频谱利用情况大致相当,但并行算法的系统时间开销却明显减少,更有利于满足认知无线电中频谱快速分配的要求.     

基于二进制人工蜂群算法的认知无线电决策引擎

为实现认知无线电系统参数的自适应调整功能,提出了一种基于二进制人工蜂群算法的认知无线电决策引擎。将认知无线电决策问题转化为多目标函数优化问题,并采用加权和方法将复杂的多目标函数优化问题归一化为简单的单目标函数优化问题。采用二进制人工蜂群算法对此优化问题进行求解,实现对无线电系统参数的优化调整。最后,通过一种多载波系统对算法性能进行仿真分析,仿真结果验证了该算法的有效性和实用性。     

基于多态蚁群优化算法的认知无线电动态频谱接入策略

为尽可能提高系统的网络收益及网络资源的利用率,针对原有蚁群算法搜索时间长、收敛速度慢及信息素单一等问题,提出一种基于时间效率的多态蚁群优化算法,借助信息素的增强型积累,为蚁群算法中蚂蚁的行动提供依据,并将其运用到认知无线电动态频谱接入中.以最大网络公平性和网络收益总和作为目标函数的仿真试验表明:改进后的算法能显著地提高系统的网络效益,保证系统的公平性,与此同时,节省了认知用户的搜索时间,使认知用户能更快速地接入可用信道,改进后的算法在加快收敛速度的同时,使得系统吞吐量也显著增加,提升了系统的整体性能.     

基于water-level调整的认知无线电传输速率计算算法

在瑞利衰落模型下,根据认知用户的效用函数,来解决认知无线电中的信道规划问题,进而得到认知用户的传输速率。当认知用户传输功率和比特误码率受限时,其最终效用仅与water-level有关,因此文中提出了一种基于water-level调整的功率分配及算法,实现了认知无线电中载波及功率的合理分配,并得到了认知用户的传输速率.理论与仿真分析表明:该算法具有较低的运算复杂度和接近于最优算法的认知用户效用;调整因子仅与算法的收敛速度有关,而与用户总效用及信道的分配结果无关.     

一种新的基于DFP算法的认知无线电信号检测算法

鉴于信号检测在认知无线电信号中的重要作用,研究了恒模盲信号检测算法（CMA）在认知无线电中的应用。针对于原有典型恒模盲信号检测算法的性能上的劣势,结合最优化理论,提出了一种线性受限拟牛顿恒模算法,称之为LC-DPFCMA,并将它与传统的线性受限恒模算法（LC-CMA）及最小二乘恒模算法（LSCMA）进行了仿真比较。仿真结果表明,提出的LC-DPFCMA算法比LC-CMA算法收敛效果较好;与LSCMA算法相比,算法复杂度有明显降低,且在低信噪比下表现优秀。     

基于协作中继的认知无线电网络性能优化

认知无线电被认为是一种在允许主从网络共存的情况下,完成高效频谱利用的智能无线通信系统.其中有一个基本挑战,是在最大化认知无线电用户的传输速率的情况下保证主网链接的服务质量(QoS).研究了在次要网络中基于协作的频谱存取方式.在严格的QoS要求下,认知无线电被允许传输的功率很低,因此传输速率受到限制.如果认知无线电用户可以获得来自周围认知无线电用户的协作,这将有利于提高传输速率.能够提供最大传输速率的最佳中继被用来进行协作.对峰值干扰受限和平均干扰受限的传输速率性能进行研究.仿真结果 表明,通过协作,认知无线电链路的传输速率可以提高,尤其是当直接链路的功率受限时.在平均干扰约束下,由于传输端和中继的功率适应性,传输速率优于峰值干扰限制下的情况.传输速率要优于直接传输.并且随着潜在中继数量的增长,将获得更高的增益.     

基于信道容量估计的一种认知无线电路由算法

针对传统的路由协议不适合在认知无线电网络中使用的问题,提出一种基于信道容量估计的路由算法—CRNRA( cognitive radio networks routing algorithm),该算法综合考虑了主用户可容忍的干扰以及主用户对感知无线( cognitive radio,CR)用户的干扰,对节点间的信道容量进...     

认知无线电协作频谱感知混合加权算法

协作频谱感知的关键技术是降低控制信道开销,笔者提出了一种基于信噪比的加权协作检测算法,采用双门限混合加权判决,融合中心根据当前检测信道贡献大小,从而计算和分配相应的加权值,降低无效的传输.模拟结果表明：该算法不仅检测概率有明显的提高外,而且平均感知比特数下降,从而降低了公共信道的开销.     

基于OFDM的认知无线电系统最优功率分配算法

在基于OFDM的认知无线电系统中,授权用户会受到认知用户带内子载波带外旁瓣泄漏功率的干扰。这里引入了功率控制参数来调整授权用户的干扰功率约束值,提出了一种认知用户子载波间的最优功率分配算法,通过求解一个凸优化问题来获得最优的功率分配方案。仿真结果表明:与其他算法相比,采用该方法获得的功率分配方案,在满足授权用户干扰功率约束值的条件下,可以使认知用户的信道容量最大化。     

基于注水原理的认知无线电协作频谱感知加权算法

协作频谱感知算法在提高频谱检测概率的同时也增加了控制信道开销,如何降低控制开销成为协作感知的关键技术之一.提出基于注水原理的加权协作检测算法,算法采用基于信噪比的能量检测器,根据检测信号的信噪比,用注水原理计算和分配权值,确定感知贡献,删除无效检测和传输.结果表明,提出的算法提高了检测概率,同时平均感知比特数下降,减少了控制信道开销.     

多态蚁群算法的认知无线电频谱分配

针对传统蚁群算法在认知无线电频谱分配中搜索时间长、信息素更新效率低等问题,提出了一种新的多态蚁群算法的认知无线电频谱分配方案。改变了传统蚁群算法单一信息素的调控机制,引入侦察蚁并给效益值较高的路径标记信息;以效益值为标准设置多态蚁群的各项指标;利用多态规则进行路径选点并更新信息素;最后与传统蚁群算法就最大平均网络效益和最大比例公平网络效益进行仿真对比。实验结果表明了多态蚁群算法的高效性和优越性。     

浅析基于协作频谱检测的认知无线电软融合算法

认知无线电是解决当前频谱资源短缺的一个有发展前景的新技术,频谱感知是认知无线电的一个基本和基础功能。在恶劣的无线通信环境诸如阴影、多径等不利因素影响下,使得单用户本地频谱检测算法有很大的局限性,因此协作频谱检测应运而生。认知无线电中协作频谱检测算法包括硬合并算法和软融合算法,本文主要探讨软融合算法。     

认知无线电空闲频谱的联合检测算法

为了提高认知无线电中感知用户对主用户(弱信号)的检测性能,提出了一种多个感知用户合作的分布式优化联合检测算法.该算法在知道主用户信号和噪声的概率分布的条件下,通过最优化理论中的逐步二次规划法,联合求解检测系统的最优融合准则和各感知用户的最优判决门限,使系统联合检测概率取极大值.该算法不受接收机检测方式的限制,数值求解收敛速度快.仿真结果表明,感知用户为5个、融合中心虚警概率为0.1、相关符号累积为255次、不同融合准则下各感知用户信噪比相同时,与最好的固定融合准则检测算法相比,该算法使联合检测概率在高斯白噪声信道和平坦瑞利衰落信道中分别提高了13%和5%.     

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.     

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。     

认知无线电中基于潜在博弈的信道分配算法

为最小化认知无线电系统的干扰水平,同时保证主用户的正常通信,提出了一种改进的基于博弈论的分布式信道分配算法,将次用户间的相互博弈构建为潜在博弈模型。效用函数不仅考虑了每个次用户对其他次用户和主用户的干扰,同时也考虑了其他次用户和主用户所产生的干扰。仿真结果表明,该算法具有较好的收敛性,分配结果能使主用户获得较好的吞吐量。     

认知无线电网络信道分配联合策略算法

在认知无线电网络中,次级用户在保证主用户通信服务质量不受影响的前提下,可以伺机复用主用户的空闲信道进行通信,以满足次级用户自身的通信需求,充分利用系统内的信道资源,并有效提升系统的合速率。考虑接收终端干扰的影响,提出一种基于underlay机制下的全干扰系统模型,并基于该模型提出一种联合策略的信道分配算法。联合策略算法采用加入了定向变异因子的改良遗传算法为多个次级用户分配信道,之后使用拍卖算法对信道内所有的次级用户进行功率分配或者信干噪比控制。仿真实验表明,提出的联合策略算法能够明显地提升系统合速率,保证次级用户间的公平性,并且以较快的速度收敛至纳什均衡,能够有效进行信道资源优化分配。     

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。