认知无线网络中基于约束算子的二进制粒子群频谱分配算法

无线网络的频谱资源短缺问题日益严重,而动态频谱分配算法是解决此问题的一个有效方法.本文提出一种基于约束算子的二进制粒子群频谱分配算法,若多个次用户使用同一个频谱有干扰,则在对粒子做约束满足操作时,将此频谱分配给当前已获得频谱数较少的次用户,以提高频谱分配的公平性.仿真结果表明:与免疫克隆选择算法和传统的颜色敏感图着色算法[10]相比,在大多数情况下能实现更高的网络总带宽,提升频谱分配的公平性;在频谱干扰严重的情况下,频谱分配公平性提升更大.     

认知Mesh网络中基于免疫多目标优化的频谱分配

针对认知无线Mesh网络(CWMN)的频谱分配问题,提出了一种基于免疫多目标优化的实现算法。该算法将要求解的频谱分配建模为最大化总带宽和最小化占用频谱数的多目标优化问题,设计了适合问题求解的抗体编码方式、整体克隆算子和非支配抗体选择算子。仿真实验结果表明,所提算法可以求得CWMN频谱分配问题的Pareto最优解,提高了最大化总带宽,减少了最小化占用频谱,优化了频谱分配性能。     

一种公平的认知无线电系统下行频谱分配策略

目前关于认知无线电频谱分配的研究大多以最大化系统容量为目标,很少考虑认知用户的QoS需求,频谱分配方案设计缺乏公平性。针对主用户干扰限制和保障认知用户QoS需求,结合OFDM技术,研究了认知无线电场景中下行多用户分配算法。该算法构建不等式约束下的目标函数以最大化系统容量,通过拉格朗日(Lagrange)对偶优化法给出近似最优解。仿真结果表明,所提算法在牺牲系统和容量的前提下充分保证了次用户的QoS需求,提高了系统的公平性。     

基于频谱异构和用户移动的频谱共享算法研究

频谱共享允许多个认知节点以机会主义方式使用空闲频谱资源,而绝大多数的频谱共享研究没有考虑传输距离、错误率等方面的频谱异构特性。针对集中控制认知无线网络,提出一种基于频谱异构和用户移动的频谱共享算法。网络中不同类型的频谱信道具有不同的覆盖范围,认知用户可以静止或移动。认知用户的信道分配综合考虑了信道可使用时间、用户地理位置、接入公平性等因素,并在此基础上建立了一个信道分配效用函数,最终目的是最大化系统总效用。仿真结果表明,提出的频谱共享算法能够大大减少系统中的信道切换次数,同时系统其他方面的性能也能够得到保证。     

基于适应值预测的DABC认知无线电频谱分配算法

针对认知无线网络频谱分配过程存在的问题,提出了基于适应值预测策略的双人工蜂群算法（FP-DABC）。该算法设计的干扰门限阈值,提高了用户的接入数量;适应值预测方法的使用,加快了分配效率;同时算法对频谱分配过程公平性和系统整体性能进行了优化。实验仿真结果表明：FP-DABC算法牺牲了部分网络效益的同时,在用户满意度、分配率、平均分配时间、用户公平性和系统整体性能上均优于颜色敏感图着色算法（CSGC）和人工蜂群算法（ABC）。     

基于量子果蝇优化的认知无线网络频谱分配*

将频谱分配的二进制编码转化为量子序列编码,提出一种基于量子果蝇优化的认知无线网络频谱分配方法。首先,将果蝇优化算法(FOA)转化为量子果蝇优化算法(QFOA)算法,拓展FOA算法的应用范围;然后,采用选择、交叉、变异操作改进QFOA算法,提高算法收敛速度,增加样本种群多样性,避免算法陷入局部最优;接下来,利用改进QFOA算法对频谱分配的量子序列进行寻优,寻求最优的网络效益或者用户公平性,得到网络整体性能最优的频谱分配策略。仿真结果表明,改进的QFOA算法收敛速度快且跳出局部最优能力强,应用到认知无线网络频谱分配中,增加了网络资源利用率,提高了网络的整体性能。     

改进蜉蝣算法求解认知车载网络频谱分配问题

针对传统认知车载网络频谱分配效率低、速度慢的问题,提出基于改进蜉蝣优化算法的频谱分配算法。以反向学习、动态惯性权重、多阶段动态扰动及正余弦优化交配机制提升标准蜉蝣优化算法的寻优性能;将频谱分配变量映射为蜉蝣个体位置信息,将网络吞吐量和接入公平性作为评估蜉蝣位置的适应度函数,利用改进蜉蝣算法搜索最优频谱分配方案。实验结果表明,改进算法的搜索精度和收敛速度都有所提升,能够更快得到频谱分配方案,车载用户收益和分配公平性方面也更有保障。     

认知无线电中基于QoS分级的频谱分配策略

为提高认知无线电中的系统吞吐量,保证频谱分配的公平性,提出一种基于服务质量(QoS)分级的频谱分配策略。建立模糊综合判决模型,根据认知用户的业务类型判别其QoS级别,应用CMSB信道分配算法进行频谱分配。仿真实验结果表明,该频谱分配策略能在满足认知用户QoS需求的同时,保证较高的系统吞吐量和接入公平性。     

混沌拟态物理优化的认知频谱差异分配

针对认知无线电网络的频谱分配问题,提出了一种考虑频谱可用率的分配模型,并在约束处理时,将可用率更高的频谱分配给认知用户;基于频谱分配问题的NP(非确定性多项式)特性,进而提出了一种基于混沌拟态物理优化的智能算法。使用混沌的遍历性初始化种群,改进了微粒的作用力方程,避免算法陷入局部最优。仿真实验结果表明:该算法能获得更高的网络收益,提高了频谱使用效率。     

基于OFDM的多用户认知无线电系统的基于效用函数的跨层资源优化分配

提出了一个基于OFDM的多用户认知无线电系统的基于效用函数的跨层资源优化分配算法,该算法不仅能控制认知用户因为频谱泄露导致的对主用户的干扰,而且能够在多个认知子用户间平衡资源分配中的资源使用效率和公平性的问题。仿真结果显示,提出的算法就平均吞吐量或平均效用与现有的最具代表性的两种典型算法相比有更好的性能,同时认知子用户也获得了公平性的资源分配。     

Spectrum Allocation for Cognitive Radio Networks Using the Fireworks Algorithm

The fireworks algorithm features a small number of parameters, remarkable optimization ability, and resistance to a local optimum. Based on the graph coloring model, the fireworks algorithm is introduced for the first time to solve the spectrum allocation problem for cognitive radio networks, thus maximizing utility and fairness of spectrum allocation. Two-layer binary coding is adopted for individual fireworks. The first layer refers to the coding of cognitive users used to determine channels that can be connected with the user. The second layer refers to the auxiliary coding of channels responsible for addressing mutual interference among multiple cognitive users when they connect with the same channel at the same time. Explosion operator, mutation operator, and the selection operation are designed to allocate the spectrum for the cognitive radio network. Simulation results demonstrate superiority and efficiency of the proposed algorithm in terms of spectrum allocation.     

认知智能电网中基于能效优化的频谱分配策略

针对智能电网的无线通信环境存在频谱短缺、资源利用效率低等问题,将认知无线电技术应用于智能电网的邻域网络通信中.引入认知智能电网概念以保证业务传输的公平性和有效性,提出一种基于改进二进制蝴蝶优化算法(BOA)的频谱分配策略,此方案考虑了通信过程中的信噪比和路径损耗,选择系统能量效率作为信道效益,并且在拓扑结构固定的城市居民小区进行建模仿真.首先,使用基于改进时变转换函数和扰动策略的二进制蝴蝶优化算法(IBBOA)为认知智能电网用户进行频谱分配;然后,采用基于接收信噪比的闭环功率控制算法动态调整用户的传输功率,减少认知智能电网用户和主要用户之间存在的干扰;最后,以系统能量效率和两个用户公平性指数为优化目标,与遗传算法(GA)和二进制粒子群算法(BPSO)进行对比实验.仿真实验表明,联合闭环功率控制的IBBOA算法所获得的系统能量效率比未联合闭环功率控制的NBOA算法高33.2%,IBBOA算法最终的系统能量效率和用户公平性指数fair比GA算法分别高出47.8%和62.6%,比BBOA算法分别高出17.6%和26.7%.结果表明所提方案能够有效抑制认知智能电网中用户间的干扰,大大提高频谱利用率和系统能量效率.     

认知OFDM无线电系统基于公平度门限的资源分配

根据认知无线电的特点和正交频分复用(OFDM)的传输特性,提出了一种针对认知OFDM无线电系统的自适应资源分配算法。在传统的子载波分配过程中,具有优先权的用户将优先选择载波,但信道增益最大的载波并不一定会被其使用,这将导致载波利用效率下降。针对这一问题,该算法在载波分配过程中,通过公平度门限来决定载波分配的优先级,从而实现容量和公平度的折中。同时,在子载波和功率分配中使次用户对主用户的干扰功率限制在主用户可容忍的干扰极限内,保证了每个用户的通信要求。仿真结果表明,该算法在满足公平性的同时还提升了系统的容量。     

基于智能跳频的短波无线接入网动态频谱分配算法

针对现有短波无线接入网的固定式频谱分配方法难以满足使用智能跳频技术新要求的问题,分析智能跳频短波无线接入网的通信需求,提出智能跳频短波无线接入网的动态频谱分配策略及算法。首先将各机动用户和接入基站看作一子网;然后将对各子网的频谱分配建模为基于图着色理论的智能跳频短波无线接入网频谱分配模型;最后结合通信需求提出分配策略和算法,完成频谱分配并进行了仿真分析。结果表明,这些频谱分配策略及算法以不同的目标进行频谱分配,能够有效支撑智能跳频技术在短波无线接入网中的应用,与固定式频谱分配方法的定频通信相比,在网络效益、子网满意度、网络公平性、网络支持用户数和频谱利用率等方面均有明显提升,同时能有效降低互扰率。     

基于合作博弈的认知卫星网络信道分配与上行功率控制算法

随着通信业务需求的不断增长,频谱资源的有限性使得卫星通信网络和地面网络都面临着严重的频谱危机。认知无线电技术的出现,使得卫星网络与地面网络共用频率资源以提升网络效用成为可能。文中对认知接入分配给地面网络作为主用户的同一频谱资源的认知卫星网络的功率控制和信道分配问题进行了研究。根据卫星网络和地面网络的特性构建了合理的系统模型,并利用中断概率门限表征了信道估计误差对系统容量的影响。为了保护主基站的通信性能,在考虑信道估计误差、信道资源约束、认知卫星用户最大发射功率和微波基站干扰约束的条件下,根据议价博弈理论设计了优化函数。其次,根据凸优化理论推导了最优发射功率和信道分配的闭式解,并在此基础上设计了一种对偶迭代算法来求解该优化问题。最后,根据卫星网络的特性设置了合理的网络参数,并根据参数利用Matlab仿真平台对提出的算法进行了仿真实验。仿真结果表明:所提方法在不同到达速率的条件下均具备良好的收敛性;信道估计误差会降低网络的总容量;所提方法在波束数多于15个时,相比比例公平性算法容量提升超过50 bps/Hz,相比最大容量法公平性能提升超过一倍,因此,相较于这两种方法,该方法能在系统容量和用户间公平性之间获得较好的折中。     

一种基于认知无线电系统的公平信道分配算法*

由于在认知无线电网络中主用户与认知用户共存,如何在不对主用户造成干扰的前提下.对认知用户进行合理的资源分配显得尤为重要.以纳什协调解为优化目标,并考虑功率约束,提出一种公平信道分配算法.在仿真中,对以吞吐量最大化为目标的Maximal-Rate策略和考虑公平的Max-Min策略进行了对比,仿真结果表明.本算法有着与Ma...