无线区域网单小区中下行链路的子信道分配

本文首先分析了无线区域网(WRAN)中认知基站与无线麦克风之间以及认知无线电用户与无线麦克风之间的干扰,在此基础之上建立了一种新的无线区域网与无线麦克风共存的模型。然后以最大化系统下行链路速率为目标,给出了无线区域网单小区中信道分配的数学模型。为了使这一混合整数规划问题快速求解,将信道分配问题等效为二部图中的最大匹配问题,运用图论中的匈牙利算法求得了问题的最优解。仿真结果表明了文中所述方法的有效性。     

认知通信机会容量最大化的信道分配研究

通过数值分析表明认知用户的均匀分配将最大化认知无线网络通信机会容量。在此基础上进一步设计了最优的认知用户数和相应的信道分配算法。理论推导和数值分析表明,最优认知用户数主要取决于主用户信道数与相应的认知用户通信需求概率。同时发现,在一定主用户通信需求概率下,存在一个最优的认知用户通信需求概率,使认知无线网络通信机会容量最大。该算法为相应情况的认知无线网络配置提供了一定的理论依据。     

认知无线电中的一种协作式频谱礼仪

认知无线电技术可以更有效地利用频谱资源,但是由于其允许多种无线技术共存与竞争,而多种无线技术对频谱资源的无序利用会降低其利用率。因此,该文提出了一种协作式频谱礼仪,其基本思想是认知用户之间共享有用信息,通过有用信息的共享来协调认知用户之间的行为,从而使认知用户能够协调对频谱资源的利用,同时在接入可用频谱资源时遵循一定的规则以避免相互间的碰撞．     

主从信号共存条件下联合频谱感知方法

在认知无线电中,由于隐主用户问题的存在,使得认知用户信号可能与主用户信号共存于同一频段,使得现有频谱感知算法感知主用户信号存在困难。因此,在已知认知用户信号先验信息的基础上,提出一种联合频谱感知方法来解决主从信号共存时现有频谱感知算法难以感知主用户信号的问题。联合频谱感知算法先对接收信号进行去认知用户信号的预处理,然后用典型频谱感知算法进行主用户信号检测。该算法的理论分析和仿真数据表明:在主从信号共存时,所提的联合频谱感知算法与典型的频谱感知算法相比,不仅能够有效地感知主用户信号,而且同时消除了认知用户信号对主用户信号感知的影响。     

基于次用户权重和能耗的无线电频谱分配博弈

为了在认知无线电系统中公平分配频谱,基于古诺博弈对频谱分配模型加以改进。融合中心凭借各认知用户的提交结果整理出当前的空闲频谱,依据次用户提交正确结果的概率为其设置权重系数,将能够反映认知用户检测能力强弱的权重系数体现在价格函数中,基于重置的价格函数和次用户的感知损耗参数,得到改进的效用函数。仿真结果表明,改进算法存在纳什均衡,体现了融合中心分配频谱的公平性,能提高系统的整体检测性能。     

生物友好的认知水声网络频谱分配

为充分利用海洋哺乳动物和水声传感器网络(UASNs)共享的稀缺频谱资源,提出了一种生物友好的认知水声网络频谱分配(MMF-CASA)方法。将海洋哺乳动物作为主用户,传感器节点作为次级用户,设计了生物友好的认知水声网络通信机制。以次级用户系统容量最大化为目标建立效用函数,通过拉格朗日乘数法和功率控制与信道分配技术求解次级用户的发送功率与信道分配,设计了生物友好的水声网络频谱分配机制和算法。实现了主用户和次级用户信道共享,最大化了水下稀缺的频谱资源的利用率。仿真结果表明,采用生物友好的认知水声网络频谱分配方法能够避免传感器节点通信对海洋哺乳动物间通信的干扰,使网络的频带利用率和系统容量分别提高了37.4%和34.2%。     

基于邻居节点分组的认知无线电Ad Hoc网络公共控制信道分配算法

针对目前认知无线电Ad Hoc网络中公共控制信道分配在网络拓扑变化下性能差以及对主要用户活动鲁棒性差等问题,提出了一种基于邻居节点分组的公共控制信道分配算法。该方法根据认知无线电Ad Hoc网络频谱异构性对认知节点及其1跳邻居节点进行分组操作,然后利用最大边二分团建立起分组认知节点与可用信道集的映射关系,最后将控制信息时延和控制信道吞吐量联合起来构成可用控制信道效用函数,进而选择具有最大效用函数值的可用控制信道作为邻居节点组的最优控制信道。仿真结果表明:该算法性能优越,在认知节点密度和主用户数量增加时,能优化公共控制信道选择并有效降低业务传输时延,较好地适应了认知网络信道可用性空-时变换特性。     

基于动态古诺博弈的认知无线电频谱贸易算法

为解决认知无线电频谱分配问题,提出了一种新的基于动态古诺博弈的频谱租借贸易算法。该算法考虑认知无线网络中频谱租借市场容量及次用户频谱价值两者均动态变化的特点,将用户之间的频谱租借贸易建模成动态古诺博弈,同时根据用户之间的频谱供需关系动态调整用户贸易的频谱价格及收益,促使每阶段用户效用最大化并达到频谱分配的目的。分析了频谱供需关系变化对贸易的影响,并通过仿真证明了该算法相比于静态古诺博弈模型能达到更高的频谱利用率。     

认知网络中快速自适应功率控制算法

采用sigmoid函数设计了一种自适应效用函数,该函数仅与认知用户的信干噪比门限和当前获得的信干噪比相关,因此可以通过自适应改变信干噪比门限实现认知用户的机会频谱接入,并快速满足其服务质量要求．同时,兼顾用户公平性重新设计代价函数来改善纳什均衡功率解的帕累托有效性．在此基础上基于非合作博弈论提出一种功率控制模型,经证明该模型符合超模博弈,从理论上保证了纳什均衡解的存在性和惟一性．并提出一种自适应功率控制算法,仿真结果表明该算法可以保证约10次迭代收敛,与参考算法相比节省约8％的功耗,在获得的效用上有近15％改善．     

基于多目标遗传算法的认知无线电频谱分配

频谱共享技术是认知无线电的关键技术。基于多目标遗传算法,将认知无线电网络的最大系统效益和次用户间的最大比例公平作为目标函数,运用图论着色频谱分配模型,实现认知无线电中空闲频谱在次用户间的动态分配,并与颜色敏感图论着色算法（CSGC）进行了比较。通过仿真验证了该算法在认知无线电网络中进行频谱分配的可行性,且性能优于CSGC算法。     

认知无线电网络频谱竞标和定价

为充分利用空闲的电视(TV)广播信道,给出了一个层次化频谱贸易模型,分析了TV广播机构、运营商、用户驻地设备间的交互. 将多个TV广播机构和多个运营商间的频谱贸易建模为双向拍卖,给出了简单易行的算法. 使用演化博弈理论描述认知用户在选择运营商时的动态行为,用中心化算法实现网络选择的演化过程;用非合作博弈描述运营商间的接入价格竞争. 为追求最大化利润,运营商应合理地联合决定所需的TV信道数和业务接入价格. 数值结果揭示了频谱贸易模型性能. 所提的方案改善了无线频谱使用效率,提高了经济和社会效益.     

Deployment optimization of the self-organized network on near space platforms based on the game theoretical learning algorithm

Aiming at the self-organized networking problem on near space (NS) communication platforms, a distributed optimization method for the deployment of the network on NS platforms is proposed based on the game theoretical learning algorithm. First, the self-organized network deployment on NS platforms is modeled as a potential game, and the optimizing objective is the network’s coverage area and the quality of service. Then the potential game can be solved by the Restricted Spatial Adaptive Play (RSAP) algorithm, which leads the game to a guaranteed Nash equilibrium with convergence in probability. The Nash equilibrium is the extremal solutions to the objective function of the deployment optimization. The game theoretical learning method enables NS platforms to be deployed in a distributed way without the global information on regions to be covered. Simulation results show that the proposed optimization method deploys the nodes of the MANET on demand, and can quickly achieve the optimal configuration.     

多小区OFDMA系统中的分布式资源分配策略研究

针对多小区OFDMA系统中的上行动态子载波和功率分配问题,提出了一种基于潜博弈模型的分布式功率控制算法,各移动台根据本地信息按照最佳反应动态原则依次更新自己的功率,理论分析和仿真结果均表明系统具有惟一的稳定状态．该功率控制算法能迅速收敛于稳定状态．与纯迭代注水算法相比,该算法对系统的能量效率有显著提高．     

OFDMA网络比例公平性的中继资源分配

在中继协作正交频分多址（OFDMA/Relay）系统中,应用协作博弈论提出一种比例公平性的多用户中继资源（子载波和功率）分配方案.定义了用户基于比特传输速率的效用函数,并建立中继资源分配的协作博弈模型.求解此博弈的纳什议价解（NBS）具有较高的计算复杂度,为此,提出一种快速子载波与功率联合分配算法,即：先进行固定发射功率的最优子载波分配,再进行最优的发射功率分配,最终通过上述迭代方式获得联合资源分配的NBS.仿真试验表明：与已有的OFDMA/Relay系统资源分配算法相比,所提出的NBS求解算法能够在提高系统频谱资源利用率的同时,对用户进行更为公平的中继资源分配.     

Fully distributed resource allocation strategy in Femtocell networks

A fully distributed proportional resource allocation algorithm with QoS (Quality of Service) guarantees has been proposed to solve the serious co-tier interference caused by the deployment of femtocells. Based on a potential game algorithm, we design a half-allocation strategy and a probabilistic quit strategy in which the finite resource can be allocated according to users’ demand and the interference resource can be quitted according to a probability distribution function. Simulation results show that this algorithm has excellent performance in fairness, spectrum spatial reuse and convergence. All the features verify that our algorithm is a simple and efficient solution for resource allocation in femtocell networks without any information exchange.     

整车物流企业联盟的协同收益分配模型

根据整车物流企业联盟的特点,构造了协同收益分配博弈,给出了博弈特征函数的定义和计算方法。在分析博弈应具备特征的基础上,针对已有分配方法的不足,引入了体现个体贡献差别的权重因子和相对收益差,提出了基于加权相对收益的协同收益分配模型。采用某整车物流企业联盟的实际运营数据,对该模型进行计算并将计算结果与基于夏普利值的分配方案和基于核仁的分配方案进行比较。实例求解及对比分析结果表明,所提出的模型既统筹全局又兼顾个体利益,是一个公平、合理的收益分配方式;基于该模型的分配方案同时满足了有效性、基本个体合理性、扩展个体合理性、基本稳定性、扩展稳定性,能够保证整个联盟的稳定性以及各个成员企业的积极性。     

基于非合作博弈的中继网络分布式资源分配

提出一种可应用于正交频分复用多址(OFDMA)中继网络的分布式资源分配算法. 基于将模型描述为基站与中继的非合作功率分配博弈(RNCPAG), 设计出2种效用函数, 并以最大化效用函数为准则, 证明在总功率受限的约束下, 该算法存在并收敛于唯一的纳什均衡点. 研究表明, 同传统的平均功率分配算法相比, 分布式博弈算法以牺牲少量的迭代步数为代价, 获得更高的系统容量和资源效率.     

干扰信道中基于竞争博弈的准最佳功率分配方案

频率选择性高斯干扰信道下多用户总速率最大化的问题被建模成一个带有补偿函数的非合作博弈模型．补偿函数也近似成子信道之间进行博弈的模型(子信道博弈)．通过子信道之间的迭代计算,子信道博弈能够达到一个纳什均衡,也就是渐近最佳补偿．接着提出了多领导斯坦克尔伯格均衡的概念,来描述带有渐近最佳补偿函数的非合作博弈的均衡点．利用凸优化技术,开发了一种迭代多水平面功率注水算法,来达到斯坦克尔伯格均衡．在该均衡点上,所有用户都会工作在准最佳速率区域边界上．仿真结果表明,迭代多水平面功率注水算法所能达到的总速率比迭代功率注水算法有明显的提高,并且能达到一个准最佳的可达速率区域．     

超密集网络中非合作博弈的功率分配算法

为了抑制超密集网络中小小区基站的密集化部署带来的干扰,并提高系统的吞吐量,本文研究了频谱共享超密集网络中的功率分配策略.首先,针对非凸的系统和速率最大化问题,采用非合作博弈模型将其转化为每个用户效益函数最大化的凸子问题,并通过设计一种动态定价使得非合作博弈模型的纳什均衡点（NE）是原优化问题的驻点.其次,为了保证宏小区用户的服务质量（QoS）,模型中引入了干扰功率约束条件来抑制宏小区受到的干扰.最后,在此非合作博弈论框架下,设计了一种迭代式的基于全局信息的功率分配算法.每次迭代通过求解KKT条件获得每个用户的最优发射功率,通过理论推导证明了迭代算法可收敛到博弈模型的NE.此外,为了减少迭代算法的信令开销、提高资源利用率,还提出了一种基于局部信息的功率分配算法.仿真结果表明,所提出的基于全局信息的功率分配算法比对比方法具有更好的传输性能,所提出的基于局部信息的功率分配算法在保证较好的传输性能的前提下有效地减少了信令开销.