认知网络中基于图论着色模型的频谱分配算法的分析

无线频谱资源的紧缺是无线通信发展的瓶颈,认知无线电技术被认为是解决无线频谱紧缺问题的一种新方法。本文首先介绍了认知无线电系统中频谱分配的图论着色模型,紧接着给出图论着色模型的数学描述,接下来对图论着色模型下的现有分配算法进行了总结,并算法对算法进行了比较。     

认知无线电为频谱分配技术研究

认知无线电是一种用于提高无线电通信频谱利用率的新的智能技术。论文首先简述了认知无线电的背景和概念;然后针对认知无线电分配频谱的功能,使用图论着色模型,详细地对比分布式greedy算法和分布式公平算法。     

基于混沌量子蜂群算法的认知无线电频谱分配

在图论着色模型的基础上,提出了一种基于混沌量子蜂群算法的认知无线电频谱分配方法.该算法基于人工蜂群理论,结合量子计算的高效性和混沌初始化的遍历性来实现频谱分配的优化问题.通过实验仿真比较了此算法与颜色敏感度图论算法、量子遗传算法、量子蜂群算法的性能,结果表明该算法具有更好的收敛性和网络效益.     

认知无线电中基于图论的频谱分配研究

认知无线电能够解决无线通信需求的增长和频谱资源的有限性这一矛盾,提高频谱资源的利用效率。文章讲述了认知无线电的关键技术,重点介绍了频谱分配技术,进一步分析了基于图论的频谱分配算法,最后介绍了下一步研究工作。     

基于微粒群算法的认知无线电频谱分配

提出了一种基于微粒群算法的认知无线电频谱分配算法,该算法能更好地实现网络总效益,从而提高用户的平均效益,并且使用一种新的目标函数评价算法的性能,通过仿真比较了本算法与颜色敏感图论着色频谱分配算法的性能。计算机仿真结果表明,提出的基于微粒群分配算法与颜色敏感图论着色分配算法相比,该算法能更好地满足网络需求。     

基于图论模型的改进型频谱分配算法

认知无线电技术能够感知周围无线电环境并择机使用频谱空洞。文章通过对现有的频谱分配算法研究分析,提出了基于图论着色模型的改进型频谱分配算法。该算法建立在授权用户状态动态变化的基础上,利用频谱下一时刻空闲概率降低授权用户的活动性对频谱分配的影响。仿真结果表明该算法有效提高了频谱概率上的效益并且保证了系统公平性。     

基于图论着色模型的频谱分配研究

认知无线电是可以感知外界通信环境的智能通信系统,其中的频谱分配技术是解决现在频谱资源匮乏、提高频谱利用率的一项热门研究.该文首先对认知无线电系统中基于图论着色的频谱分配模型及其数学符号描述进行介绍;然后对图论着色中的几种算法进行了详细研究并比较总结;最后简单阐述了现存的问题及其未来的发展趋势.     

认知无线网络中基于用户需求和频谱聚合的动态频谱分配

认知无线电技术可以感知周围无线环境择机利用频谱空洞,从而达到提高频谱效率的目的.在认知无线电网络中,现有的频谱分配算法大部分是基于连续频谱分配并且没有考虑用户的需求.但是连续频谱分配会生成许多小于用户需求的频谱片段,这些频谱片段不能被充分利用,从而造成频谱浪费.本文基于图论提出了一种联合考虑用户需求和非连续频谱聚合的频谱分配算法.在该算法中,非连续的频谱片段被聚合以尽可能多地满足用户总需求,充分利用了小的频谱片段,避免了频谱浪费,从而提高频谱效率.     

认知无线电系统中的自适应动态频谱分配方法

该文提出了一种认知无线电系统中多小区间的动态频谱分配方法。该方法提出了对检测到的空闲频谱的空闲时长的预测机制,在此基础上,提出了基于频谱可靠性的自适应频谱分配算法。该算法在提高系统稳定性的基础上,最大化频谱资源的连续性;不仅实现了认知系统中频谱切换率的降低,同时保证了各小区所分配频谱的连续性,避免系统开销的增加及频谱管理的复杂化。此外,该方法采用图论着色理论模型实现了各小区之间干扰的抑制。仿真结果验证了该文方法的正确性。     

基于并行分配算法的认知无线电频谱分配算法

针对传统频谱分配方式不合理造成频谱匮乏以及CSGC算法在频谱分配上消耗时间过长影响实时通信的问题,文中提出了一种基于并行分配算法的认知无线电频谱分配算法,其通过同时给各顶点进行上色,从而节省了时间开销。实验证明,并行算法不仅具有与CSGC算法同样的高频谱利用率,且其频谱分配时间开销更低,是一种理想的认知无线电频谱分配算法。     

Improved list coloring algorithm in cognitive radio based on time cost and demand satisfaction

For the cognitive users to access the licensed frequency bands opportunistically, cognitive radio is the best solution to mitigate the spectrum resource scarcity at the moment. Dynamic spectrum allocation is a key technology to implement cognitive radio efficiently on the condition that the licensed users must not be interfered. Up to now, the spectrum allocation algorithms based on the graph model seldom focus on enhancing spectrum utilization, speedy accomplishing and requirement satisfaction simultaneously. In this paper, an improved algorithm is proposed to decrease time cost and increase demand satisfaction simultaneously based on a List-Coloring algorithm provided by Wei Wang research group. This improved algorithm was studied by handling connected component in parallel and depressing user’s priority which demand has been met, respectively. And the spectrum utilization is effectively guaranteed at the same time. Our experimental results show that the proposed algorithm is an efficient method. Compared with the original List-Coloring algorithm, the time cost is reduced obviously and the demand satisfaction is greatly improved while only a few bandwidth rewards are lost by using the algorithm proposed in our study.     

基于Q学习自适应蚁群算法的认知无线电频谱分配

认知无线电能有效实现频谱资源的再利用,是当前通信研究领域的热点之一.如何进行频谱的合理分配是实现认知无线电网络有效运作的关键问题.在图论着色模型的基础上,提出了一种基于Q-学习的自适应蚁群算法.通过仿真实验表明,该算法性能明显优于颜色敏感图着色算法,能更好地实现网络效益最大化.同时,比传统的蚁群算法寻优能力更强,收敛速度更快.     

基于鲶鱼粒子群优化算法的认知无线电频谱分配

目前亟待解决如何获得认知无线电系统效益最大化问题,而求解最优频谱分配方法是一项关键技术,针对传统粒子群(PSO)算法收敛速度慢、易陷入局部最优解等缺陷,提出一种基于鲶鱼粒子群算法(CE-PSO)的认知无线电频谱分配方法。首先建立认知无线电频谱分配优化的数学模型,然后以用户取得的效益最大化为优化目标,引入"鲶鱼效应",保持粒子群的多样性,通过粒子间信息交流找到空闲频谱最优分配方案,最后采用仿真实验测试CE-PSO算法的有效性。结果表明,CE-PSO算法克服了PSO算法的缺陷,可以快速、准确地寻找到最优频谱分配方案,更好地实现系统效益的最大化,可以满足认知无线电系统的应用需求。     

基于改进遗传算法的认知无线传感网动态频谱分配方案

将认知无线电中的动态频谱分配技术应用在无线传感网中,针对工作在ISM(industrial,scientific and medical)频段的无线传感网面临的频谱资源紧缺问题,提出一种基于改进自适应遗传算法的动态频谱分配方案.该算法以图论着色模型为基础,以最大带宽收益和最小切换频率为目标函数,在交叉和变异过程中采用自适应交叉概率和变异概率代替固定的交叉概率和变异概率.仿真结果表明,与传统遗传算法和颜色敏感图论着色算法相比,该算法可以实现提高频谱利用率、降低能量消耗的预期目标.     

基于改进人工蜂群算法的认知无线电频谱分配

各类无线电业务的兴起和发展使得频谱资源处于拥挤的状态,然而当前的静态频谱分配机制导致频谱资源存在着部分频段紧缺和频谱利用不平衡的矛盾。认知无线电是一种提高频谱利用率的新技术。认知无线电系统中，动态频谱分配技术在利用闲置频谱资源上发挥关键作用。本文介绍了频谱分配的图论着色模型，提出一种改进的蜂群算法。基本人工蜂群算法存在搜索精度不高和收敛速度较慢的问题，本文改进的人工蜂群算法引入了基于差分进化算法的搜索策略和高斯变异的侦察策略，并且对选择策略进行改进，提高了种群的多样性。将改进的蜂群算法应用于频谱分配模型中，实验结果表明：改进的人工蜂群算法可以得到更好的系统收益，加快了收敛速度。     

基于图论的动态频谱分配

在认知无线电系统中,动态频谱分配是决定能否充分高效利用有限频谱的关键.文中建立起网络拓扑模型,分析了基于图论着色模型的动态频谱分配技术的发展过程、研究现状.并讨论了其未来的研究方向,主要是在算法改进上.     

分布式认知无线电网络中的主动频谱切换

主要研究分布式认知无线电网络中的频谱切换,并提出一种主动的频谱切换方案。认知用户通过感知结果与历史信息建立授权用户的活动模型,预测频谱的使用情况。在不对授权用户产生干扰的前提下,提前安排频谱切换。同时,采用基于蚁群任务分工算法的频谱选择方法,使得认知用户综合考虑通信参数,实现认知用户的按需切换,保证不间断的传输。仿真表明,提出的方案能够提前执行切换,并在较短的时间内完成业务量的传输,同时具备较高的灵活性,适用于分布式认知无线电网络。     

认知无线电中基于Stackelberg博弈的分布式功率分配算法

在underlay认知无线电场景中,为了让认知用户能随机地接入主用户正在使用的授权频段,且对主用户产生的干扰不高于主用户能够容忍的干扰温度门限,该文采用Stackelberg博弈机制进行认知用户的发射功率分配。将主用户作为模型中的leader,认知用户作为follower,认知用户使用主用户的授权频段时需以干扰功率为单位支付给主用户相应的费用,而主用户则可以通过调整价格,限制认知用户产生的总干扰功率不高于其所能容忍的干扰温度门限,以便获得最大收益。同时,不同认知用户间根据主用户制定的价格,进行非协作博弈。仿真结果表明,与集中式的最优功率分配算法相比,该文可通过简单的分布式功率分配算法获得与其相近的系统性能,且主用户与认知用户间只需进行少量的信息交互,这与需进行大量信息交互的集中式最优算法相比,具有较大的优势。