基于图论的动态频谱分配策略

针对颜色敏感图论着色频谱分配算法一般只应用于静态网络的问题,基于频谱分配的图论模型及颜色敏感图论着色频谱分配原理,提出了一种改进的最大化系统总收益规则下的动态频谱分配算法,并进行了仿真实验,对比分析了原有算法与新算法的性能.仿真结果表明,改进的算法虽然使认知网络总效益有所下降,但大幅度减少了时间开销,提高了系统的时效性.     

基于多目标遗传算法的认知无线电频谱分配

频谱共享技术是认知无线电的关键技术。基于多目标遗传算法,将认知无线电网络的最大系统效益和次用户间的最大比例公平作为目标函数,运用图论着色频谱分配模型,实现认知无线电中空闲频谱在次用户间的动态分配,并与颜色敏感图论着色算法（CSGC）进行了比较。通过仿真验证了该算法在认知无线电网络中进行频谱分配的可行性,且性能优于CSGC算法。     

一种改进的CSGC频谱分配算法

基于图论着色的频谱分配算法未充分考虑用户实际带宽需求,针对这一问题,本文在原算法基础上提出了一种改进的CSGC频谱分配算法。该算法引入了空闲频谱和用户请求两个时间因子,通过设置用户优先级函数,在进行二次频谱分配时最大限度地满足用户需求。仿真结果表明,该算法不仅保留了原CSGC算法的性能,而且大幅度提高了频谱利用率。     

一种认知无线电系统中联合的频谱分配新算法

本文从认知无线电系统实际应用出发,首先应用图论算法快速的预分配频谱,同时为再次分配提供了公平性,然后用博弈论思想对初次分配的信道优化,完成认知用户之间的频谱再次分配.最后仿真表明频谱的资源可以充分利用,在传输功率的约束下,每个认知用户提高自身的速率,合理地分配功率,证明了本文图论和博弈论联合的算法的有效性.     

一种采用并行免疫优化的频谱分配算法

基于图论的认知无线网络频谱分配是一个NP难问题,智能优化是求解此问题的有效方法．由于实时性是认知无线网络频谱分配不同于其他无线网络频谱分配的显著特点,故提出了一种基于主从式并行模型的并行免疫优化频谱分配算法,即在多个节点上同时并行计算种群中抗体的亲和度．给出了算法的主要思想、关键技术及基本实现步骤．仿真实验结果表明,该算法可以获得更高的网络收益,缩短频谱分配时间．与传统的经典串行算法相比,可以获得较理想的加速比和效率．     

认知无线网Underlay模式下频谱资源优化分配

为了实现对频谱资源最大限度再利用,有效缓解无线频谱资源紧缺的问题,通过分析无线认知网络共享方式下的物理连接和图论模型,建立了具有不同干扰强度频谱分配数学模型,并将此模型转换为以信道干扰系数最小化、次网络效益最大化和主用户最大干扰最小化的多目标优化问题,进而采用多目标改进遗传算法对认知无线网络进行频谱共享方案设计,且对其有效性进行了仿真分析.仿真结果表明,采用所提出的优化算法进行频谱分配与图论K-最大割方法相比,能更好地实现网络效益最大化,同时能减少对主系统的干扰.     

认知无线电中的联合准则频谱分配算法

动态频谱共享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．针对图论着色算法中产生的单轮分配聚集现象,提出了基于协作式最大化频谱总效用和协作式最大化比例公平的联合准则算法．该算法在计算节点间的着色标号时采用不同的准则,进而提高了用户间分配的公平性,同时降低了时间开销．     

认知无线电系统的一种联合频谱分配算法

在认知无线电系统中,博弈论算法从频谱共享池中获取频谱困难.为了提高自身传输速率,同时使频谱可以充分利用,采用图论算法快速地初次分配频谱,联合博弈论方法优化信道.仿真结果表明:在传输功率的约束下,联合频谱分配算法提高了自身的效用(速率),能够充分利用频谱资源,合理分配功率,仿真验证了图论和博弈论联合的算法是有效的.     

基于动态古诺博弈的认知无线电频谱贸易算法

为解决认知无线电频谱分配问题,提出了一种新的基于动态古诺博弈的频谱租借贸易算法。该算法考虑认知无线网络中频谱租借市场容量及次用户频谱价值两者均动态变化的特点,将用户之间的频谱租借贸易建模成动态古诺博弈,同时根据用户之间的频谱供需关系动态调整用户贸易的频谱价格及收益,促使每阶段用户效用最大化并达到频谱分配的目的。分析了频谱供需关系变化对贸易的影响,并通过仿真证明了该算法相比于静态古诺博弈模型能达到更高的频谱利用率。     

一种认知无线电系统频谱分配和频谱感知联合设计

目前对认知无线电系统频谱分配的研究均假定频谱感知的结果完全理想,这在现实条件下显然无法满足。考虑非理想频谱感知,结合正交频分复用（OFDM,Orthogonal Frequency Division Multiplexing）传输方式,提出一种频谱分配和频谱感知的联合算法。该算法在构造目标函数时引入了信任度函数,并通过迭代求解得到近似最优的子载波、功率分配和检测门限值。仿真结果表明,文章提出的联合设计在性能上优于传统的独立设计。     

基于POMDP强化学习的动态频谱分配算法

提出基于VCG机制的动态频谱分配博弈模型,解决了认知无线网络环境存在的信息约束限制、分布式特性和频谱分配动态、复杂性问题;提出一种基于动态频谱分配的部分可观察马尔可夫决策过程（POMDP）强化学习算法. 认知用户通过对历史信息的观察、统计,为提高竞拍策略的奖赏值而进行不断的学习获取最优竞拍策略. 将POMDP强化学习转变为信度状态马尔可夫决策过程 (belief MDP)最优策略学习. 采用值迭代算法求解信度状态MDP模型的解. 仿真结果表明,基于POMDP强化学习算法可显著改善认知用户的行为,提高动态频谱分配性能.     

能量有效性频谱感知和传输方案的联合设计

为了实现认知无线网络的能量有效性传输,在混合频谱共享方式下对频谱感知和传输功率分配的联合优化方案进行研究.首先将混合频谱共享方式下的能量有效性传输描述为一个多约束优化问题,并从理论上分析了最优的频谱感知和功率分配方案.结合理论分析结果,设计了低复杂度的联合优化迭代方案以逼近优化问题的最优解.仿真结果表明所提方案的性能与最优方案非常接近,而方案复杂度却大大降低.     

Statistical spectrum analysis and allocation in cognitive radio networks

The bandwidth of spectrum holes is time-varied in cognitive radio networks with dynamic spectrum environment, which leads to the traditional static spectrum allocation poor performance. To solve this issue, this paper derives the probability density function of bandwidth of spectrum holes and presents a novel spectrum allocation algorithm based on the stochastic multiple knapsack problem. Simulation results illustrate that the proposed algorithm can achieve a better performance than the existing algorithms when the bandwidth of spectrum holes is time-varied.     

Improved scheme for spectrum allocation in cognitive wireless sensor networks

In order to effectively allocate the idle spectrum and improve spectrum utilization of cognitive wireless sensor networks, it is necessary to design an efficient spectrum allocation algorithm. Aiming at the problem of spectrum allocation in cognitive wireless sensor networks, an improved method for spectrum allocation is suggested. A new chaotic dynamic clonal evolution algorithm is designed. Then the graph theory coloring model is established with the corresponding fitness function derived. Traditional evolutionary algorithms have the problem of premature convergence, so chaotic operators, adaptive operators and cloning operators are added to the traditional evolutionary algorithms to accelerate the convergence of the algorithm. The chaotic dynamic clonal evolutionary algorithm is compared with the simulated annealing algorithm and the ant colony algorithm by simulation. The simulation results show that compared with the ant colony algorithm and the simulated annealing algorithm, the chaotic dynamic clonal evolution algorithm can effectively improve the global search ability, and significantly improve the network benefit value of spectrum allocation. The results also show that the proposed chaotic dynamic clonal evolution algorithm can make full use of existing spectrum resources and improve the system throughput.     

一种行为信任模糊评估模型

针对认知无线电网络中反馈虚假频谱信息和强占频谱资源的恶意行为,提出一种行为信任模糊评估模型.把频谱感知行为和频谱使用行为作为两个评价因素,基于信任的主观性和不确定性使用模糊综合评判决策方法构建节点的信任评价.在合作频谱感知中,基于综合评判结果识别恶意节点以消除虚假反馈信息;在频谱分配中,使用模糊集合之间的格贴近度定义,计算实际综合评判集与理想综合评判集之间的差异,以此量化非恶意节点的可信程度,并结合多目标优化算法确定分配给节点的频谱资源.以上机制抑制了节点的恶意行为,激励了节点的合作行为,实现了物理层的频谱感知和MAC层的频谱分配的联合设计.仿真结果及分析表明,在恶意攻击下,该模型较已有模型在系统的感知性能、吞吐量和频谱分配的公平性方面都有较好的表现.     

均匀功率谱密度约束下的 OFDM-UWB比特分配算法

针对基于正交频分复用的超宽带系统（OFDM UWB）,提出一种自适应比特分配算法,以对抗超宽带信道的频率选择性衰落.以系统传输速率和均匀功率谱密度为约束条件,将比特分配问题转换为以误比特率（BER）为目标函数的最优化问题,给出了比特分配算法的具体步骤.仿真结果表明该算法可以有效地提高系统性能.     

认知D2D通信中基于博弈论的动态频谱分配方案

提出了一种新的基于非合作博弈的动态频谱分配方案,考虑多个蜂窝用户服务中心和具有认知能力的设备到设备(D2D)通信用户组,利用伯川德(Bertrand)博弈理论来解决用户频谱分配问题,分别对D2D对用户组和蜂窝用户服务中心的效用函数进行了改进,并给出了蜂窝用户服务中心的最优定价和D2D对用户组的动态价格调整策略,进一步证明了纳什均衡解的存在性和算法的收敛性.通过仿真实验,分析了不同蜂窝用户数和学习因子对所提出方案性能的影响.与现有结果进行比较显示,新方案在频谱利用率和系统公平性方面均有改进.