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。     

认知无线电中基于相似性的自适应分簇算法

针对认知无线电网络(CRN)中可用信道实时变化的特点,运用图形理论提出一种基于相似性的自适应分簇(CBAC)算法. 以用户可用信道的相似性为基础,结合考虑用户的移动性,通过计算节点权值实现CRN的优化分簇. 仿真分析证明,CBAC算法提高了系统的链路平均可用信道数,相比传统的分簇算法,能提高频谱的利用效率.     

基于加权多特征参数模型的动态频谱接入方法

为尽可能满足认知网络系统对认知用户多种类型业务的传输需求,提出了一种基于信道加权多特征参数模型分组聚类的动态频谱接入技术. 通过建立可接入信道的加权多特征参数模型,采用多目标聚类实现信道的频谱池分组划分,以实现认知用户频谱的动态接入,满足认知用户业务传输对频谱性能的需求. 通过多特征参数组合、动态频谱仿真实验验证,结果表明该方法可有效地实现信道的性能划分,提高认知用户的频谱接入效率和业务传输性能.     

一种认知无线电网络中的新型主动频谱选择算法

为提高认知无线电(CR)网络频谱分配的持续性,建立基于交替更新过程的授权用户频谱利用模型,定义频谱的可用率和稳定度两个概念作为衡量可用频谱质量的参数,在此基础上提出了一种新型的主动频谱选择算法(PSSA)．算法通过估计频谱的可用性,并依据频谱满足CR用户业务时长要求的概率,选择可用性好且能满足业务时长要求的最佳频谱接入,实现了PHY/MAC层与应用层的频谱接入跨层优化．仿真表明PSSA算法可有效降低频谱的冲撞率,同时算法可自适应设置频谱特性参数的权值及频谱可用性的门限值,具有很好的灵活性．     

基于概率预测的动态频谱接入信道选择方法

对动态频谱接入中的多个频谱的选择问题进行了研究,综合考虑物理层频谱感知错误和信道衰落等不利影响,提出了一种基于概率预测的动态频谱接入策略.该策略基于交替更新过程的结论,能够在提高频谱利用率的前提下为认知网络中次用户选择可用度较好的信道.推导了该方法的时延性能理论分析结果,仿真结果表明,提出的算法与现有的随机频谱接入算法相比具有更好的时延性能.     

基于多特征参数模型聚类的动态频谱接入策略

为尽可能地提高认知网络系统对认知用户多种不同业务类型的传输质量,提出了一种基于信道多特征参数模型聚类的动态接入技术。在建立认知用户可接入信道的多特征参数模型的基础上,利用多目标聚类方法实现信道的频谱池划分,用于指导认知用户制定不同的信道动态接入策略,满足认知用户不同的业务传输对频谱性能的需求。通过了多种参数组合以及动态频谱仿真实验验证,结果表明该方法可有效地实现信道的性能划分,提高认知用户的频谱接入效率。     

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%。     

认知无线电中自适应分步合并协作频谱感知算法

在等增益合并协作频谱感知基础上,提出了一种新的频谱感知算法．根据认知用户接收信噪比的变化,通过自动调整参与协作频谱感知的认知用户数,以减少认知无线电网络中的数据开销．推导了瑞利衰落信道下采用此算法时,认知用户通过控制信道发送到中心控制器的平均数据量的计算公式．理论分析和仿真结果表明,和等增益合并协作频谱感知算法相比,在保证频谱检测性能的前提下,该算法减少了认知用户通过控制信道到中心控制器的平均数据开销．     

认知无线电网络中合作频谱感知参数优化

为提高频谱感知的效率,提出了一种在资源受限的认知无线电网络中合作频谱感知参数优化算法,在保证对授权用户的干扰不超过指定门限时,对信道利用效率与系统资源利用效率进行选择性加权,使认知无线电网络的感知效率最大化. 针对不同使用特征的授权信道,该算法均可求解出相应的最优感知参数组合. 仿真结果表明,在避免干扰授权用户的前提下,最优感知参数组合系统能最大化感知效率.     

基于分群的自适应双门限合作频谱感知

针对认知无线电系统中,通知信道不理想对传统合作频谱感知的不利影响,提出了一种改进的合作频谱感知机制:认知用户被分成若干群,选择群内通知信道增益最大的认知用户为中心节点,采用自适应双门限机制负责群内合作频谱检测,并将检测结果报告给认知基站进行合并以确定授权用户是否存在.仿真结果表明:相对传统的合作频谱感知,该机制能降低通...     

Sparse channel estimation for MIMO-OFDM systems using distributed compressed sensing

A sparse channel estimation method is proposed for doubly selective channels in multiple-input multiple-output (MIMO) orthogonal frequency division multiplexing (OFDM) systems. Based on the basis expansion model (BEM) of the channel, the joint-sparsity of MIMO-OFDM channels is described. The sparse characteristics enable us to cast the channel estimation as a distributed compressed sensing (DCS) problem. Then, a low complexity DCS-based estimation scheme is designed. Compared with the conventional compressed channel estimators based on the compressed sensing (CS) theory, the DCS-based method has an improved efficiency because it reconstructs the MIMO channels jointly rather than addresses them separately. Furthermore, the group-sparse structure of each single channel is also depicted. To effectively use this additional structure of the sparsity pattern, the DCS algorithm is modified. The modified algorithm can further enhance the estimation performance. Simulation results demonstrate the superiority of our method over fast fading channels in MIMO-OFDM systems.     

协作频谱感知中的信道搜索机制优化

频谱感知是认知无线电网络中需要解决的首要问题。为了提高频谱感知的整体性能,该文对链路层的协作频谱感知机制进行了研究,针对其中的信道搜索感知场景,提出了一种联合优化信道搜索方案。在该方案中,基站根据各信道的空闲概率大小,选择最优的信道搜索次序,并对不同信道的搜索时长进行一定的加权处理,确保以较长的时间优先搜索空闲概率较大的信道,从而使按需信道搜索过程的切换延迟以及由此造成的QoS损失最小化。仿真实验的结果显示,这种联合优化搜索方案在信道搜索场景下的平均搜索时长始终小于现有的2种搜索方案,这说明其搜索性能具有明显的改善。     

压缩传感及其在稀疏信道估计中的应用

压缩传感是一种全新的数据采集、处理方式,它能够从极少数的观测样本中准确的恢复出原始数据.这个特点使其能够很好的应用在具有稀疏特性的通信环境下.对压缩传感及其在稀疏信道估计中的应用进行研究,总结了应用压缩传感进行信号采集、处理的一般方法.在系统阐述压缩传感理论之后,以具有稀疏性的超宽带通信信道和OFDM水声通信信道为例,...     

删余协作频谱感知性能分析及优化

提出了一种新的基于删余的协作频谱感知方法,通过减少实际发送的本地决策值数来节约控制信道带宽,降低检测性能对认知用户数的依赖; 分析了这种删余协作频谱感知在感知信道和报告信道均存在衰落下的性能,它可以有效解决报告信道衰落所带来的尾感知问题,降低了虚警率; 提出了进一步优化算法,算法在确保主用户受到足够保护的前提下,通过寻找最优的次用户数和相应的检测门限使次用户的接入机会最大化．仿真结果与理论分析相一致．     

基于压缩感知的MIMO-OFDM系统稀疏信道估计方法

在多输入多输出正交频分复用(MIMO-OFDM)系统中, 信号经过频率选择性衰落的信道后, 在接收端需要进行均衡和相干信号的检测, 故准确的信道估计量必不可少. 传统的信道估计方法均基于信道抽头是密集型的假设, 利用线性重构算法, 如最小二乘(LS)或最小均方误差(MMSE)等, 可以达到Cramer-Rao下界(CRLB). 然而, 通过物理信道测量发现, 在实际通信系统中, 宽带信道抽头分布通常表现出稀疏特性. 通过充分利用信道的稀疏特性, 该文将压缩感知中的CoSaMP重构算法应用于MIMO-OFDM系统的稀疏多径信道估计. 在达到与传统的信道估计方法相同性能的前提下, 基于CoSaMP的信道估计方法以非常小的计算复杂度为代价, 大大减少了导频信号开销, 从而提高了频谱资源利用率.     

利用最优空闲信道的认知无线电MAC协议

提出了一种利用最优空闲授权信道通信的认知无线电介质访问控制(MAC)协议. 采用该协议的每个次要（非授权）用户根据对多个授权信道的感知结果,选择最优的空闲授权信道通信,该协议同时解决了“隐藏”终端和“暴露”终端的问题. 并建立数学模型分析了在饱和网络状况下该MAC协议的吞吐量. 仿真结果表明,数学模型可以精确计算该MAC协议的饱和吞吐量.     

A novel spectrum prediction scheme based on SVM in cognitive radio networks

In cognitive radio networks, Secondary Users (SUs) have opportunities to access the spectrum channel when primary user would not use it, which will enhance the resource utilization. In order to avoid interference to primary users, it is very important and essential for SUs to sense the idle spectrum channels, but also it is very hard to detect all the channels in a short time due to the hardware restriction. This paper proposes a novel spectrum prediction scheme based on Support Vector Machines (SVM), to save the time and energy consumed by spectrum sensing via predicting the channels’ state before detecting. Besides, spectrum utilization is further improved by using the cooperative mechanism, in which SUs could share spectrum channels’ history state information and prediction results with neighbor nodes. The simulation results show that the algorithm has high prediction accuracy under the condition of small training sample case, and can obviously reduce the detecting energy, which also leads to the improvement of spectrum utilization.     

非理想决策传输条件下的协作频谱感知

现有的基于决策融合的协作频谱感知方案大多数都是以理想的通用控制信道为前提,没有考虑实际决策传输中也存在衰落及噪声干扰,对此,将感知信道和控制信道建模为Suzuki信道,提出一种基于最小错误概率决策估计和K/N决策融合的协作频谱感知方案. 数值分析和仿真结果表明,非理想决策传输条件下的协作感知性能较理想条件下有一定恶化,在控制信道信噪比较低的情况下,其性能甚至不如本地感知. 在此基础上,研究了阴影衰落的空间相关性对协作感知性能的影响. 仿真结果显示,随着次用户之间距离的增大,阴影相关性的不利影响将逐渐减小.     

低精度ADC下的大规模MIMO-OFDM信道估计算法

针对低精度模数转换器(ADC)下的大规模多输入多输出正交频分复用(MIMO-OFDM)系统,提出一种基于量化压缩感知的信道估计算法——块稀疏多比特迭代硬阈值(B-MIHT)算法。该算法挖掘了大规模MIMO-OFDM系统信道的块稀疏特性,通过构建等效块稀疏信道矩阵结合多比特迭代硬阈值算法,基于训练序列对低精度ADC下的大规模MIMO-OFDM系统进行信道估计,并在MATLAB平台进行仿真实验。结果表明:B-MIHT算法能够准确地恢复低精度ADC下的大规模MIMO-OFDM系统信道信息,在系统量化精度为5 bits的条件下具有良好的信道估计性能,信噪比为30 dB时,误码率(BER)为5.45×10^-3,归一化均方误差(NMSE)为1.73×10^-3,且在信道路径数增多的情况下其信道估计性能损失相对较小。