OFDMA毫微微小区网络中基于效用公平的功率控制策略

毫微微小区(Femtocell)网络能够增强室内覆盖,提高系统容量,但是在频谱共享正交频分多址(OFDMA) Femtocell网络中,同频干扰严重限制了网络的性能。针对频谱共享Femtocell网络中的上行链路,基于网络效率和毫微微小区用户间的公平性,该文提出合作纳什议价功率控制博弈模型,该博弈模型不仅考虑了对宏基站的干扰,而且考虑了毫微微小区用户最小信干噪比(SINR)需求。根据该博弈模型,进一步分析了具有帕累托(Pareto)最优的Kalai-Smorodingsky(KS)议价解。仿真结果表明,该策略既能保证用户公平性、最小SINR需求,又能够有效提高网络频谱利用率。     

Femtocell网络中基于双门限的两层协作频谱感知技术

在Femtocell和Macrocell构成的两层异构网络中,前人提出运用认知无线电的技术来解决网络中存在的干扰问题,但大多数研究主要集中在频谱资源的管理上,没有提出高效的频谱检测方法。本文结合认知无线电中频谱感知技术提出了基于双门限的两层协作频谱感知,检测出空洞的频谱资源分配给Femtocell用户使用,既能提高频谱资源的利用率,又能有效的抑制Femtocell与Macrocell之间的干扰。文中推导出了Femtocell用户基于双门限的两层频谱感知的检测概率和虚警概率,给出了Femtocell网络中感知信息两比特编码的融合准则和基于双门限的两层协作频谱感知的具体实施方法。仿真结果表明,所提算法能够有效提高Femtocell用户的频谱检测概率,通过对感知信息进行两比特编码,再将编码后的信息发送至融合中心进行融合,能够有效的提高整个系统的检测性能,抗噪声能力强。      

超密集小峰窝网中基于干扰协调的小区分簇和功率分配算法

干扰的有效管理是超密集小蜂窝网中的一个研究难点。该文提出将超密集小蜂窝网中的小区干扰协调和分簇相结合的算法,通过分配最优的功率降低干扰,最大化系统吞吐量。根据干扰的程度,将干扰强的小蜂窝划为一个簇,同一个簇内的小蜂窝共享频谱资源,协作为用户服务,簇与簇之间实现频谱复用。仿真结果表明,该算法在网络密集部署时,有效地减小干扰,提高系统吞吐量。     

Femtocell系统中认知无线电频谱感知技术

Femtocell技术是为解决3G网络的室内覆盖问题而提出,应用此技术可较好地改善室内信号质量。由于Femtocell同3G系统应用同样的频谱资源,因此可以应用认知无线电频谱感知技术解决频谱资源的复用问题。文中的研究背景为TD-SCDMA系统,分析了频谱感知的原理,给出了感知步骤,并提出了提高频谱感知精度的方法。     

一种基于贝叶斯博弈的传感器网络分簇算法

提出了一种基于贝叶斯博弈的无线传感器网络分簇算法.算法将无线传感器网络节点的簇头选择抽象为一个多人的博弈过程,节点之间通过不完全信息的静态博弈实现簇头的合理分布.算法在支付函数的设计时充分考虑了节点能耗和路径损耗等因素,因此通过博弈该算法能实现簇头的合理分布.仿真结果表明,算法在保证数据传输实时性的前提下可使网络能耗更加稳定、能量分布更加均匀,有效地延长网络生命周期.     

认知Ad hoc网络中基于市场的三级频谱分配方案

分簇是Ad hoc网络规模较大时采用的主要结构,而频谱分配是Ad hoc网络的关键技术之一。该文针对认知无线电环境的分簇Ad hoc网络,提出了一种新的基于市场的频谱分配方案,该方案中簇首节点依据业务比例从频谱管理中心购买频谱,簇内采用基于供需市场理论的频谱分配算法。分析了簇内频谱市场的两种迭代定价算法额外需求迭代算法和连续松弛迭代算法以及簇首需求订购的过程。该方案能实现各簇收益的最大化,簇首基于需求的频谱购买相对于等量购买进一步提高了频谱效用。仿真结果表明这种频谱分配方案能有效提高系统频谱效用,额外需求迭代算法和连续松弛迭代算法均表现出良好的收敛性能。     

基于Stackelberg博弈的网络虚拟化资源分配方法

在网络虚拟化环境中,基于Stackelberg博弈模型提出了静态博弈算法下网络运营商对频谱的定价策略及静态和动态博弈算法下各虚拟运营商的频谱分配方法,并推导了各运营商收益最大时的纳什均衡点。该方法能同时满足网络运营商和虚拟网络运营商收益最大化的需求。仿真结果验证了算法的有效性及纳什均衡点的存在性。     

基于博弈论的WSN有效分簇路由算法的研究

针对无线传感器网络中传感器节点能量受到限制及其能耗不均匀的问题,在经典的低功耗自适应分簇算法（LEACH）基础上,引入博弈理论概念,提出了一种基于博弈论的有效分簇路由算法。通过分析和仿真试验,结果表明与LEACH算法相比,该算法使簇分布更合理,达到了延长网络的生存周期的目的。     

空间复用认知无线电系统信道选择优化

在异构认知网络中,认知用户相对于主用户空间位置的不同可能提供空间复用的频谱接入机会,且空间复用的机会受限于干扰容限。首先引入用户空间位置干扰图,度量干扰和评估空间复用机会,在此基础上讨论了基于空间复用的系统吞吐量优化问题,并借助博弈论求解一组最优信道选择集合,主要工作是证明了该博弈问题是至少具有一个纯策略纳什均衡的精确势能博弈,且纳什均衡点是上述优化问题的最优解。最后,数值仿真验证了理论分析的正确性,同时证明考虑认知用户位置带来的空间复用后,系统吞吐量显著增加,有效提高了频谱利用率。     

认知无线多跳网中保证信干噪比的频谱分配算法

为解决无线多跳网络在固定频谱分配方式下所固有的信道冲突等问题,利用认知无线电的动态频谱分配技术,提出了一种适用于次用户组成的无线多跳网络的、underlay方式下的全分布式频谱分配算法。该算法将频谱分配问题建模成静态非合作博弈,证明了纳什均衡点的存在,并给出了一种求解纳什均衡点的迭代算法。大量仿真实验证明,该算法能实现信道与功率的联合分配,在满足主用户干扰功率限制的同时,保证次用户接收信干噪比要求。     

基于博弈论的D2D通信功率控制算法

针对多D2D通信用户共享蜂窝网络频谱资源中的干扰进行研究,为了减少D2D用户间干扰带来的影响,提出了一种改进的基于博弈论的D2D通信功率控制算法。算法中的博弈者是复用相同频谱资源的多D2D通信用户。建立了博弈模型,并在代价函数中引入代价因子,确定了效用函数,得到参与博弈的D2D用户的最优响应函数。文中对博弈均衡特性进行分析,证明了模型中的策略能够达到稳定状态。通过仿真实验验证了算法的有效性,并且与其他算法对比,证明使用此改进算法的D2D用户吞吐量更大,公平性更高。     

OFDM系统Femtocell网络下行联合资源分配

为进一步提高家庭基站(Femtocell)网络中频谱利用率并优化功率分配,在基于正交频分复用技术(OFDM)系统网络中,提出一种子载波联合优化的多用户资源分配算法,即以最大化频谱利用率作为目标函数,加入基站选择因子对家庭基站进行待机模式选择优化,再对用户的子载波资源进行公平分配,最后利用线性封顶注水算法对小区基站用户功率进行优化分配。仿真结果表明,多用户资源分配算法不仅使频谱和功率利用率都得到显著增长,而且提高了系统吞吐量和用户公平性。该家庭基站资源寻优模型有效地改善了频谱紧缺和功率浪费现状,降低了家庭基站之间的干扰。      

基于多层分簇优化的认知无线电网络协作频谱感知策略

针对认知无线电网络(CRN)中基于簇的频谱感知策略的检测性能和能耗问题,提出一种基于多层分簇优化的协作频谱感知策略。首先,将CRN分成多个簇,进而将簇分成多个组,再将组分成多个子组,构建三层分簇结构;然后,利用提出的优化算法获得最优的分簇参数和决策阈值;最后,通过投票机制和K-out-of-N规则对各级决策进行聚合,进行频谱感知。实验结果表明,该方案在获得较高主要用户(PU)频谱占用检测率的同时,能够最大限度地减少信道开销,提高了网络的吞吐量。     

毫微微小区系统中的干扰分析与节能技术利用

毫微微小区（Femtocell）基站外观与Wi-Fi接入设备相似,发射功率小,适用于家庭及办公室环境。在分析Femtocell系统的资源复用模型和接入过程的基础上,文章针对宏小区（Macrocell）和Femtocell混合网络的干扰问题,通过对随机到达的用户合理分配时频资源,提出一种功率控制方案。该方案能达到系统节能、降低干扰和提高系统性能的目的。     

基于博弈的大规模无线传感器网络分簇算法

合理的分簇方式能够有效延长大规模无线传感器网络(LS-WSN)的寿命,从而降低其部署使用成本。当前很多WSN分簇的研究均假设节点均匀分布,这与实际应用中的大规模WSN有所差距。该文针对节点非均匀分布的大规模WSN,提出了一种分簇算法。该算法在基于蜂窝结构虚拟网格的位置分簇之后,引入博弈理论设计分簇调整流程,使网络达到各簇中节点数尽量均匀的分簇状态。理论分析和仿真结果证明,通过该方法进行分簇,可以有效均衡各个簇中的节点数,从而延长网络有效寿命。     

OFDMA感知无线电网络中一种基于拍卖博弈的频谱共享新算法

在基于OFDMA的感知无线电网络中,为了最大化从网络的吞吐量,考虑了空间频率复用,通过干扰判据和邻接矩阵描述感知链路在子载波上的冲突,将最大化从网络和速率的问题建模为基于VCG机制的多个赢家的子载波拍卖博弈。通过逐一求解单个子载波上的二进制整数规划问题获得最优解。仿真结果表明,所提出的子载波拍卖算法有效地提高了感知无线电网络中资源的利用效率。     

超密集异构网中的Q学习资源调度算法

在超密集异构蜂窝网络中,随着低功率基站大量增加,且复用相同的频谱资源,小区间干扰(ICI)可能会变得很强,从而降低系统整体吞吐量。因此,文中提出一种基于Q学习的资源调度(QLRS)算法以尽可能地最大化系统容量。算法首先将小基站进行分簇,在每个调度周期根据簇内用户数量为每个簇调度资源;然后以系统整体吞吐量和能效为优化目标,对簇内有关联用户的小小区进行资源变更和优化,并将收益记录于Q表中,Q表经多次迭代收敛后,得到系统最优资源分配方案。仿真结果表明,与其他资源分配算法相比,文中提出的算法在保证能源效率与宏蜂窝吞吐量的条件下,进一步提高了系统整体吞吐量。     

一种新型认知无线电资源分配跨层技术

为有效利用频谱资源,提高频谱效率,文中利用环境感知技术,设计出认知无线电跨层结构框架,提出一种新的功率控制博弈BPCG（Bandwidth and Power Control Game Algorithm）算法。研究不同用户的频谱带宽分配和功率控制,该算法在确保频谱带宽有效分配前提下,通过对用户功率的有效控制,实现网络总吞吐量的提高。仿真结果表明该算法在相同的功率消耗前提下,网络吞吐量显著提高,并随频谱带宽的增加,实现网络吞吐量的最大化。     

多信道车载网络带宽调制算法

针对固定带宽车载网络频谱利用率低的问题,将半定规划法应用于多信道车载自组网带宽调制问题中,提出了一种车载自组网信道带宽调制算法.该算法首先在有频谱竞争的网络中测量相邻车辆间的距离,以确定网络冲突图;然后通过半定规划松弛来协调频谱的争用,最后以此为基础根据链路负载采用比例压缩策略求得频谱调制方案.仿真分析表明,该算法适用于多信道车载自组网,在动态拓扑环境下表现出较好的性能.     

基于完美信息博弈的多无线电信道分配算法

无线网络的信道分配博弈分析,可分为单冲突域和多冲突域建模。在ad hoc网络中,采用多冲突域建模更符合实际。将ad hoc网络建模为多冲突域模型,提出一种基于完美信息的非合作信道分配算法,验证了算法的收敛性,仿真结果表明该算法相比其他算法在多冲突域中更能最大化信道使用率。