基于时间预测的多跳频谱切换算法研究

针对集中控制认知无线网络,在考虑频谱异构特性的同时,为保证频谱切换业务的服务质量,提出了一种多跳频谱切换算法。通过建立用户移动模型来预测分配信道的可使用时间;设计出路径中不同类型节点的路由处理方法;认知基站根据预测最短路径时间和路由请求包中的时间戳来选择最优路径。仿真结果表明,提出的多跳频谱切换算法能够大大降低切换阻塞概率,提高信道利用率;用户移动对信道可使用时间有着显著的影响。     

基于OFDM的认知无线电用户频谱分配策略

结合正交频分复用(OFDM)技术,研究认知无线电场景中的多用户频谱分配策略,提出最优与次优2种算法。最优算法通过授权用户的SIR下限得到认知无线电的发射总功率,采用拉格朗日定理为每个认知用户分配子载波和功率。次优算法引入分配比例因子来体现用户分配的公平原则,通过限制SIR得到频谱分配结果。仿真结果表明,2种算法的性能优于现有基于FDMA的静态频谱分配算法,能从不同层面满足认知无线电的需求。     

基于频谱池的认知无线电频谱切换分析

为了解决认知无线网络中认知用户频繁切换的问题,最大程度上降低认知用户的切换次数,在已建频谱池的基础上,提出了频谱空穴空闲时间由长到短的排队时间模型,并对该模型下的频谱切换概率问题进行对比研究.推导了一次认知业务请求服务时间内发生频谱切换的概率公式,研究了授权用户到达率与认知用户到达率对频谱切换概率的影响,给出了频谱切换的概率仿真,仿真证明该模型比随机信道选择的效果更优越.     

基于差分进化算法的认知无线电频谱分配

针对认知无线电系统中认知用户分配可用频谱问题,提出基于差分进化算法的认知无线电频谱分配算法。利用差分算法设置参数少、寻优能力强、不易于陷入局部最优等特点,得到可以使认知用户平均系统效益最大化的频谱分配方案。仿真结果表明,提出的算法不仅提高了用户平均系统效益,而且缩短了运行时间,提高了频谱分配效率。     

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。     

基于禁忌搜索和Q-learning的CR-NOMA系统的功率分配算法

针对下一代移动通信对于高速率和大规模连接的需求,对认知无线电（CR）-非正交多址接入（NOMA）混合系统中通过优化功率分配来提升次用户总传输速率进行研究,提出一种基于禁忌搜索和Q-learning的功率分配（PATSQ）算法。首先,认知基站在系统环境中观测并学习用户的功率分配,次用户采用NOMA方式接入授权信道。其次,将功率优化分配问题中的功率分配、信道状态和总传输速率分别表述为马尔可夫决策过程中的动作、状态和奖励,通过结合禁忌搜索和Q-learning的方法来解决该马尔可夫决策过程问题并得到一个最优的禁忌Q表。最后,在主次用户服务质量（QoS）和最大发射功率的约束下,认知基站通过查找禁忌Q表得到最优的功率分配因子,实现系统中次用户总传输速率的最大化。仿真结果表明,在总功率相同条件下,所提算法在次用户总传输速率和系统容纳用户数量上要优于认知移动无线网络（CMRN）算法、次用户预解码（SFDM）算法以及传统等功率分配算法。     

OFDMA认知无线电网络中面向功率控制的频谱定价与分配

针对OFDMA认知无线电网络,提出一种基于Stackelberg博弈的频谱定价和分配模型.对于次基站控制次网络传输功率来保护主网络通信的场景,主基站可通过该模型获得最优的频谱定价方案.从功率控制的角度,重新设计次用户的效用函数,运用Stackelberg博弈对单个主基站和多个次用户在频谱租赁市场中的交易行为进行建模.通过逆向归纳法,求解市场均衡下的最优频谱定价,使得主基站在考虑主网络QoS降级的同时获得最大收益.此外,对于主基站只能获取本地信息的情形,提出了基于动态Stackelberg博弈的分布式频谱定价和分配模型.仿真实验表明,该模型能够在控制次网络传输功率的基础上,提供最优频谱定价和频谱分配方案.     

基于最大加权独立集的频谱分配算法

动态频谱接入技术允许认知用户接入未授权的频谱,可以有效地提高频谱资源的利用率。频谱分配算法的时间开销和公平性是算法优劣的主要评价标准。本文从图论着色模型出发,构建了着色算法的评价体系及优化目标。针对用户间的公平性与分配的时间开销问题,在极大独立集的基础上提出了基于加权最大独立集的着色算法,获得了接近于最优的用户公平性,且该算法的时间开销等于信道数,与认知用户的数目无关。仿真分析验证了算法的正确性。     

认知无线电频谱切换的高效信道选择机制

针对认知无线电系统中,频谱切换效率低这个难点,采用分组匹配的思想,基于业务类型对用户进行分组,将用户分组与一种全面可靠的信道评估机制匹配。这种先分组后分配信道的切换算法能有效提高多个用户的复杂场景中频谱切换的效率。仿真结果表明,该算法能够减少认知用户拥塞概率、频谱切换次数以及切换延迟,提高频谱切换效率,有效保证系统服务质量。     

认知无线网络中混合式频谱分配策略及性能研究

针对认知无线网络中的非实时业务,考虑集中式频谱分配可以实现全局优化,分布式频谱分配具有更好灵活性的特点,引入随机退避和控制中心调度的协作机制,提出一种混合式频谱分配策略.基于系统中授权用户和认知用户分别占用的信道个数,建立一个二维Markov模型,在认知用户理想感知的前提下,给出系统的转移概率矩阵,并进行系统模型的稳态分析.导出混合式频谱分配策略下的信道利用率、认知用户中断率及阻塞率等系统性能指标,并通过系统实验,定量的刻画认知用户数,认知用户到达率及信道数对系统性能的影响.     

基于认知无线电技术的动态频谱分配方案研究

随着物联网的发展,人们能够更加方便快捷地利用智能终端,随时随地接入到无线网络中进行业务数据传输.然而,激增的移动用户数量和业务的带宽需求,使得无线频谱资源日益稀缺,现有固定式频谱分配方案面临巨大挑战.面向物联网发展,如何满足用户的高移动性和呈爆炸式增长的业务传输需求成为物联网研究的重点.认知无线电技术,一方面允许用户终端自适应感知所处环境的频谱资源空闲信息,为用户营造一个无缝的接入环境,保证用户的高移动性;另一方面通过动态频谱分配有效地解决了频谱资源稀缺和现有授权频谱资源利用率低的问题,为用户的海量数据传输提供保证.作者基于认知无线电技术,提出了一个用户终端和网络端共同参与决策的两级动态频谱分配框架结构,并提出了两级动态频谱分配方案.该方案设计包含:空闲频谱资源排序选择算法和集中式的联合优化匹配算法.通过用户终端和网络端的协同工作,文中所提出的两级动态频谱分配方案能够有效满足用户的高移动性和业务传输服务质量需求,实现空闲频谱资源利用率和频谱间切换概率的联合优化,为移动用户的海量数据传输提供保证.仿真实验结果表明,与传统图匹配方法相比较,该方案能够平均提高全网服务质量有效吞吐量70%,平均降低频谱间切换概率56%.     

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。     

基于信道预测的认知无线电混合频谱切换算法

针对认知无线电网络,提出了一种将被动式频谱切换与主动式频谱切换相结合的混合频谱切换算法。该算法基于主用户信道的连续时间马尔可夫链模型,预测出信道的未来状态信息,根据该预测结果周期性地对正在通信的认知用户执行主动式频谱切换。该算法对于由于碰撞而退出信道的认知用户执行被动式频谱切换。仿真结果表明,相对于被动频谱切换算法,混合频谱切换算法在保持认知用户阻塞概率和中断概率不变的前提下可显著减少认知用户和主用户间的碰撞次数,能够提高认知无线电网络的频谱利用率。     

基于二进制烟花优化算法的认知无线网络频谱分配

针对当前无线频谱资源稀缺和利用率低的问题,提出一种基于二进制烟花优化算法的频谱分配方法。每个烟花个体进行分布式爆炸搜索,并对最优烟花的爆炸半径采用改进公式动态更新;在变异环节中,针对粒子间信息交流不足的缺点,引入遗传算法的交叉变异算子,进一步增强种群多样性;对选出的最优个体使用Metropolis准则进行模拟退火扰动,避免陷入局部最优。仿真实验表明,二进制烟花优化算法在认知无线网络的频谱分配中具有寻优精度高、收敛速度快的特点,较好地实现了网络效益和用户比例公平性的最大化。     

基于博弈学习的动态频谱分配算法研究

为了解决认知无线网络中的动态频谱分配问题,提高频谱利用率和避免干扰,提出了一种基于学习的库诺(Cournot)博弈模型,将授权用户对于空闲频谱的分配行为模拟为动态的博弈过程,并赋予授权用户学习的能力,通过对博弈过程中博弈者行为的学习和总结形成新的博弈策略,而且还比较了将最优反应学习算法和模拟退火算法应用到自适应博弈学习中系统的性能和用户的收益。仿真结果表明,两种算法均能够使授权用户通过学习达到策略的均衡,而有限理性下基于模拟退火的自适应博弈学习算法的鲁棒性更强,收敛性更好,且能够使授权用户获得更高的收益。     

渔夫捕鱼优化算法的认知无线电频谱分配

针对认知无线电系统中认知用户频谱分配问题,提出一种基于渔夫捕鱼优化算法（SFOA）的频谱分配算法。以系统效益最大化为优化目标,建立认知无线电频谱分配优化的数学模型,采用设置参数少、易于编码实现、寻优能力强的渔夫捕鱼优化算法对模型进行求解,得到空闲频谱最优分配方案,在Matlab 2012平台上进行仿真实验。结果表明,SFOA不仅提高了用户平均系统效益,而且提高了频谱分配效率。     

认知无线Mesh网络中基于概率的贪婪频谱决策技术研究

认知无线电网络传统的频谱决策方法中次用户根据不同的判据选择信道,会引起信道竞争和拥塞。针对认知无线Mesh网络中基于概率的频谱决策方法,提出一种贪婪信道选择算法,当发生频谱切换时,其结合改进的抢占优先(相似文献   

基于博弈资源分配的认知异构网络干扰协调算法

基于underlay频谱共享模式的认知异构网络可有效缓解频谱资源短缺问题,但同时会加剧网络中的干扰。针对该问题,提出了一种基于非合作博弈模型的动态频谱分配和功率控制算法进行干扰协调。首先,考虑频谱共享造成的干扰问题,引入认知用户优先等级,将问题构建为联合动态频谱分配与功率控制的频谱定价博弈模型;其次,通过两阶段动态博弈得到纳什均衡解,实现认知网络层频谱资源合理分配和发射功率控制。仿真表明,所提算法能够实现不同优先级用户频谱资源的合理分配和认知基站发射功率控制,有效抑制认知异构网络的跨层干扰和层内干扰。     

基于SC-FDMA的宽带认知无线电网络中最优功率分配的研究

研究了基于单载波频分多址(SC-FDMA)的宽带认知无线电网络中非授权用户(NU)的最优功率分配(OPA)问题.首先给出了基于SC-FDMA的宽带认知无线电网络中非授权用户对授权用户的干扰功率模型.在此基础上,分别在下述两种约束条件下利用凸优化理论推导出了两种使非授权用户的和速率最大的最优功率分配(OPA)算法.约束条件一为:任一非授权用户的任一子载波对授权用户的干扰功率受限(IPCs);约束条件二为:所有非授权用户的所有子载波对授权用户的干扰功率受限(IPC).仿真结果表明,与等功率分配(EPA)和传统最优功率分配(C-OPA)算法相比,所提出的算法显著提高了非授权用户的可达和速率.