基于VCG机制的动态频谱分配算法

针对在Underlay频谱共享方式下的认知无线网络动态频谱分配问题,在满足主用户服务质量（QoS）的前提下,建立一种非合作博弈模型,并设计其效用函数。在借鉴VCG机制的基础上,设计相应的收益函数,提出一种可以最大化认知无线网络系统吞吐量且保证公平性的分布式动态频谱分配算法。仿真结果表明,该算法收敛速度快、公平性强。     

基于空间拥塞博弈的自适应负载频谱分配算法研究

未来认知无线网络中,特定区域的频谱拥有者控制大量不同带宽的频谱带并为不同的认知用户提供通信服务,如何在这多个频谱服务提供者和多认知用户共存的环境中提高动态频谱访问的可靠性,从而实现频谱访问的负载均衡成为了一个关键问题。通过对上述多对多分配问题进行简化,并运用空间拥塞博弈模型对其进行扩展分析,提出了基于空间拥塞博弈的自适应负载频谱分配算法,对算法纳什均衡存在性进行了理论分析并详述了添加负载调控的效用函数设计。仿真实验结果表明,本算法能有效加快收敛速度,提高系统吞吐量,达到改善频谱访问可靠性和均衡负载的效果。     

基于业务需求的动态频谱分配算法

动态频谱分配能有效解决频谱利用率低的问题,但已有的图论着色算法未考虑认知用户的业务需求,导致需求小的用户分配到更大的频谱,一定程度上造成了频谱浪费。为解决该问题,提出基于业务需求的动态频谱分配算法,使分配的信道与认知用户的业务需求适配。性能仿真结果表明,基于业务需求的算法能满足各用户的需求,性能更优。     

基于用户分配和负载的频谱分配算法

提出了一种基于用户分配和负载的频谱分配算法.该算法包括两部分:用户分配子算法和频谱分配子算法.用户分配子算法首先基于聚类划分理论,使分配到相同访问点下的用户具有相近的信噪比,缓解了无线接入网络中普遍存在的远近效应问题.在该用户分配基础上,频谱分配子算法根据各访问点的负载及其关联用户信噪比的平均值计算最优频谱分配.该算法具有可实现性、多项式时间的计算复杂度以及比例公平性.真实数据驱动的仿真实验结果表明,该算法能够有效地提高系统吞吐量,同时大幅度减小访问点的报文缓冲区队长.     

基于预售机制的动态频谱分配算法研究

在认知无线网络环境下,为高效合理地进行频谱资源的管理与分配,引入经济活动中的预售机制,提出了基于预售机制的动态频谱管理(PS-DSM)方案.针对方案频谱市场分级架构及运作流程进行详细阐述,对方案中基础市场(BM)频谱分配细节进行了基于超模博弈方法的分析与仿真,实验结果表明,该方案能有效的减少时延,加快收敛速度,提高频谱利用效率.     

物联网环境下基于演化博弈的动态频谱分配算法

研究物联网环境下垄断频谱市场中两个有限理性的服务提供商基于需求响应的价格竞争。服务提供商购买频谱拥有者提供的频谱,相互动态竞争提供给次用户使用以谋求自身利益的最大化。引入动态频谱接入,同时考虑次用户对价格的反应,将服务提供商的动态价格策略选择建模为演化博弈模型。通过复制动态,提出的算法收敛到演化稳定均衡(ESS)。仿真结果表明所该算法是收敛的,可以达到ESS,分析结果验证了演化博弈算法的稳定性和有效性。     

基于博弈论的动态频谱分配技术研究

提出了一种改进的动态频谱分配博弈模型,对现有的频谱定价函数进行改进,在授权用户对单位频谱价格满意的条件下,频谱价格与授权用户提供带宽数量和次用户的频谱需求数量有关。此外,在次用户的效用函数中,考虑了频谱置换参数,并分析了置换参数和信道质量对次用户动态博弈以及次用户达到纳什均衡的影响。最后,分别用静态博弈和动态博弈分析了次用户之间的竞争频谱行为,并通过仿真验证,次用户的策略最终可以收敛到纳什均衡。     

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%.     

基于蛙跳博弈优化算法的认知频谱分配

为有效分配与使用认知传感器网络中存在的空闲频谱,提高网络的吞吐量,提出了一种基于蛙跳博弈优化算法(Improve Swarm optimization method based on Leapfrog Game, ISLG)的认知频谱分配方案。节点采用双天线降低路由中的信道冲突概率,并针对在认知无线传感器网络(Cognitive Radio Sensor Networks, CRSN)中使用传统路由方案容易导致的节点间路由限制与热区问题,提出了基于三角剖分分层的自适应路由(Adaptive PU Quantity Routing Based on Triangulation Layering, APRT),通过避免路由中多枝节点出现的方式增加网络吞吐。频谱分配中,基于主用户位置信息,以蛙跳博弈基础寻优的分配群进行再移动,提高了频谱分配的可靠性。仿真实验表明,相比其他经典群优化算法,所提方案可以有效提高全局搜索能力,频谱分配后的系统吞吐量有了明显提升。     

基于SAC强化学习的车联网频谱资源动态分配

针对车联网频谱资源稀缺问题,提出一种基于柔性致动-评价（SAC）强化学习算法的多智能体频谱资源动态分配方案。以最大化信道总容量与载荷成功交付率为目标,建立车辆-车辆（V2V）链路频谱资源分配模型。将每条V2V链路作为单个智能体,构建多智能体马尔科夫决策过程模型。利用SAC强化学习算法设计神经网络,通过最大化熵与累计奖励和以训练智能体,使得V2V链路经过不断学习优化频谱资源分配。仿真结果表明,与基于深度Q网络和深度确定性策略梯度的频谱资源分配方案相比,该方案可以更高效地完成车联网链路之间的频谱共享任务,且信道传输速率和载荷成功交付率更高。     

避免干扰的低能耗无线传感器网络动态频谱分配算法

将动态频谱感知与无线传感器网络相结合,提出一种频谱分配算法,它能在避免对授权用户产生干扰的同时,根据一定的分配规则,提高传输可靠性及频谱利用率.通过仿真证明,该算法可减少网络节点在传输过程中发生频谱切换的概率,从而降低了节点能耗;同时数据包成功传送到接收端的比例也比同类算法有所提高.     

基于萤火虫算法的认知车载网络频谱分配

针对布谷鸟搜索算法在认知车载网中频谱分配收敛速度低的问题，提出了一种基于萤火虫算法的频谱分配方法。该方法考虑种群所获得的平均收益值，将频谱分配变量映射为萤火虫位置信息，并将车载网络的吞吐量转化为萤火虫的亮度值，采用萤火虫算法离散频谱分配变量并进行迭代寻优。数值结果表明，基于萤火虫算法的认知车载网络频谱分配方式的收敛速度快，且种群的平均收益值高于遗传算法和布谷鸟算法。     

一种基于频谱供需实时匹配的改进动态频谱分配机制

无线电技术的发展对频谱的需求越来越迫切,从而促使频谱分配由传统的静态分配向动态分配发展。针对多网络通过中心频谱代理协商接入同一段频谱的应用场景,提出一种基于频谱供需实时匹配的改进动态频谱分配机制。与一般的顺序动态频谱分配方式不同,该机制不再在每一个分配周期重新对各网络进行频谱的重分配,而是根据各网络在前后两个分配周期内的频谱供需变化,进行网络间频谱供应与频谱需求之间的匹配。仿真结果表明,相比于顺序分配动态频谱分配,在栖牲较小的分配增益前提下,各网络频谱切换次数可减少75%以上。     

基于联合优先级调度的协作动态频谱分配机制设计

在协作频谱接入过程中,共享频谱各网络中的频谱需求呈现高度动态性,现有机制难以兼顾分组传输时延和服务公平性。针对这一问题,提出一种基于联合优先级调度的协作动态频谱分配机制。将频谱分配问题建模为比例公平模型并联合网络的服务等级和用频请求的到达时间为各网络设定动态服务优先级,解得分配结果后,基于分配频谱的中心频率与需求频谱的中心频率最近的原则将频谱资源分配给各网络。仿真结果表明,与已有的基于网络固定优先级调度、基于网络动态优先级调度和基于用频请求动态优先级调度的协作频谱分配机制相比,本机制能够更好地保证网络获取频谱的公平性,并且在分组传输时延性能上有所改进。     

动态跃迁转移蚁群算法

给出了一种改进的蚁群算法,该算法对蚂蚁初始位置选择上进行优化,能较大地提高进化速度,并且还通过动态地调整跃迁转移概率,减少了停滞,加快了收敛速度,实验表明对于某些TSP问题,实验结果优于国外最新的成果。     

基于云遗传退火的贝叶斯网络结构学习算法

针对贝叶斯网络结构学习对算法高效性的要求,提出将云遗传算法和模拟退火算法相结合的云遗传模拟退火算法,以云遗传算法的选择、云交叉和云变异来完成模拟退火算法中的更新解操作;同时,针对算法在特定条件下陷入早熟收敛的问题,提出了改进的云交叉算子和云变异算子。仿真实验结果表明,所提云遗传模拟退火算法能有效提高贝叶斯网络学习的效率和准确性。     

基于用户间公平性的改进型频谱分配算法

针对目前频谱资源紧缺的现状,通过对图论着色模型的分析理解,提出了一种基于用户公平性的改进颜色敏感度的图论着色算法,该算法从用户的网络效益和使用频谱数出发,引入公平因子,改变频谱分配过程中给用户的分配优先级,保证频谱分配的公平性.通过仿真表明其可行性.