认知无线电中OFDM多用户频谱分配

针对认知无线电需要提高频谱利用率,限制功率以及保障QoS的要求,结合OFDM技术,研究了认知无线电场景中的多用户频谱分配,并给出了2种算法.其中,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,并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"来体现用户分配中的公平原则,并通过限制SIR得到频谱分配结果.仿真表明,最优、次优算法的性能好于基于FDMA的静态频谱分配算法,最优算法相对于FDMA能够有35%的容量提升;次优算法容量略有减小,但充分保障了用户的QoS需求.2种算法从不同层面满足了认知无线电的需求.     

多信道认知无线电频谱感知时间和门限联合分配

为提高多信道认知无线电的吞吐量,提出采用交替方向优化联合分配次用户的频谱感知时间和子信道感知门限.基于"先听后传"的次用户帧结构,建立了感知时间和门限的优化分配模型.该模型在保证满足主用户通信需求和子信道频谱感知性能的前提下,最大化次用户各子信道的吞吐量总和.联合优化算法通过交替优化感知时间和门限能够获得模型的最优解.仿真结果表明:存在最优的感知时间和门限最大化次用户的吞吐量,并且相比之前的方案,联合分配能够提高次用户的吞吐量.     

两种标准联合的认知无线电频谱分配算法

为了提高认知无线电系统频谱分配的公平性,本文提出了采用两种协作式标准计算子图的认知无线电系统的频谱分配算法．首先对一些子图采用CMSB标准,频谱分配完之后,对其他一些子图采用 CMPF标准．系统仿真结果表明,系统公平性相比于原来的改进的算法有了明显的提高,同时本文算法的瓶颈认知用户信道容量得到了较大程度的改善．     

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。     

认知无线电中频谱分配方法研究

为了解决频谱分配中的授权用户定价博弈问题,提出了一种基于博弈论的认知无线电频谱分配方法,结合控制理论中参数整定的思想对该方法中的参数进行了整定.将信道分配模型等效为博弈论中的差别双寡头市场模型,给出了认知用户的效用函数;根据博弈论中的Bertrand、Cournot均衡理论,给出了基于Cournot模型的利润函数和基于Bertrand模型的授权用户信道竞争价格的动态博弈算法.分析稳定的纳什均衡解与速率调整参数的关系,提出了利用控制理论中指数函数模型研究博弈过程速率参数快速整定和分析的方案,得出纳什均衡点和边际成本的关系,较高的边际成本可以获得高的出租信道价格,并通过仿真实验证明了指数函数模型整定速率参数方法的有效性.     

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．     

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.     

一种基于模糊Q学习算法的认知无线电频谱分配策略

认知无线电是一种智能推理学习的通信系统,为了实现认知无线电频谱分配智能学习过程,引入模糊Q学习方法.认知用户通过在线Q学习来调节模糊推理系统,得到最优的频谱分配模糊规则,实现自适应的频谱分配方案.最后将模糊Q频谱分配算法与非智能学习算法(模糊频谱分配算法以及随机分配算法)进行比较,仿真结果证明了该方案能在一定程度上提高系统带宽收益,同时降低系统的冲突率.     

认知无线电中传输阶段频谱感知研究

认知无线电系统中,如何进行有效地频谱感知是关系到次用户系统传输效能的首要问题,也是认知无线电长期的研究热点之一。传统的认知无线电中,频谱感知只发生在特定的感知阶段,而忽略了决策、传输阶段信息对频谱感知的支持作用。提出了一种充分利用传输阶段的信息进行频谱感知的方法,并基于感知结果优化下一阶段的发射功率分配。考虑基于解码信息的频谱感知算法,在传输阶段,次用户接收机在接收到次用户发射机的信息后,对信息进行解码;之后,将次用户信息从接收信号中去除,利用剩余的信号检测主用户的工作状态,并根据状态的不同,优化次用户下一阶段的发射功率。数值仿真结果表明,相对于传统的衬底式认知无线电算法（传输阶段的信息没有被用于频谱感知）,在对主用户造成相同的平均干扰情况下,提出的算法能够在一定程度上提升次用户平均信道容量。提出的算法通过对传输阶段信息的二次利用,能够为频谱感知行为提供更多的可用信息,提升检测主用户当前工作状态的正确率,在对主用户造成一定的平均干扰约束下,更加精确地控制次用户自身的传输参数,从系统机制的层面上提高了对通信信道的综合利用率。     

认知无线电网络中的合作频谱分配算法（增刊修改稿）

研究认知无线电网络中的动态合作频谱优化分配，给出了基于图着色理论的频谱分配模型，针对固定拓扑提出了加权分布式贪婪算法WDGA、基于公平性的分布式贪婪算法BFDGA及改进的随机分布式算法IRDA，分别实现了基于吞吐量、公平性及合作开销的频谱优化分配；针对可变拓扑提出了一种快速信道调整算法FCAA，在保证吞吐量和公平性性能的前提下可以明显减小开销。     

认知无线电网络子载波和功率分配

在干扰温度和总发送功率的限制条件下,提出了一种基于正交频分多址（OFDMA）接入方式的认知无线电网络上行链路子载波和功率分配算法,目标为最大化系统吞吐量。算法在初始分配方案的基础上不断调整,最终逼近最优分配方案。仿真结果表明,提出的算法在大幅度降低计算复杂度的同时,达到了接近穷举方案的性能。     

Novel Spectrum Allocation Algorithm Based on the Activities of Primary Users for Cognitive Radio Networks

In traditional cognitive radio (CR) network, most existing graph-based spectrum allocation schemes don’t take on-off behavior of primary users (PUs) into consideration. In this paper, a novel spectrum allocation algorithm based on the activities of the PUs is proposed. The proposed algorithm mainly focuses on the vacant probability of licensed spectrums. And it allocates the vacant spectrums considering the interference to the neighbor cognitive nodes and the probability fairness of different cognitive nodes during the allocation. Based on the definition of the obtained benefit of cognitive node, new utility functions are formulated to characterize the system total spectrum utilization and fairness performance from the perspective of available probability. The simulation results validate that the proposed algorithm with low system communication cost is more effective than the traditional schemes when the available licensed spectrums are not sufficient, which is effective and meaningful to a real CR system with bad network condition.     

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.     

基于分布式认知无线电的非合作博弈频谱分配算法

基于博弈论的认知无线电频谱分配问题,是目前认知无线电领域的研究热点之一.分布式认知无线电系统的网络容错能力强,易于架设并且通信可靠性高.采用博弈论算法对认知无线电网络的频谱分配进行建模分析,可以很好的提高自适应算法的性能和收敛速度且降低了算法的复杂度.仿真结果表明,该分布式系统中的频谱分配算法收敛速度快、复杂度低并且具有很好的通信可靠性.     

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.     

基于带疫苗注入VAMIGA的认知无线电波形优化

典型基于遗传算法的认知无线电(CR)引擎多采用加权法将多个优化目标转换为单目标进行处理,这容易漏掉最优解且引擎效率较低。针对该问题提出了一种带疫苗注入的自适应多目标免疫遗传算法(VAMIGA)。通过在CR问题中与强度Pareto进化算法(SPEA2)仿真对比,VAMIGA决策结果降低了2%~15%的发射功率,提高了6%~8%的调制指数,降低了6%~36%的误比特率。由此可见该算法能更有效地解决多目标优化和不同环境下的CR波形设计问题。     

Genetic Algorithm Based Combinatorial Auction Method for Multi-Robot Task Allocation

An improved genetic algorithm is proposed to solve the problem of bad real-time performance or inability to get a global optimal/better solution when applying single-item auction （SIA） method or combinatorial auction method to multi-robot task allocation. The genetic algorithm based combinatorial auction （GACA） method which combines the basic-genetic algorithm with a new concept of ringed chromosome is used to solve the winner determination problem （WDP） of combinatorial auction. The simulation experiments are conducted in OpenSim, a multi-robot simulator. The results show that GACA can get a satisfying solution in a reasonable shot time, and compared with SIA or parthenogenesis algorithm combinatorial auction （PGACA） method, it is the simplest and has higher search efficiency, also, GACA can get a global better/optimal solution and satisfy the high real-time requirement of multi-robot task allocation.     

认知无线电网络中的分布式动态频谱共享

研究了基于认知无线电技术的动态频谱共享,基于重复博弈理论设计了一种分布式动态信道接入和功率分配算法。在不影响主用户通信的情况下,每个认知用户能够根据自己的QoS需求和本地信息进行分布式信道选择和功率分配,在系统频谱效率和业务QoS之间进行有效折中。该算法具有较好的收敛性,能最大程度地满足用户的业务需求,更适用于异构网络和业务的应用。     

认知无线电最优用户选择协作频谱感知

提出了基于最优用户选择的协作频谱感知方案,通过引入Gerschgorin圆盘理论建立用户选择机制,筛选出信道条件最优的若干个认知用户,由其对应的感知数据空间生成全局判决统计量以实现最优协作感知,并在此基础上提出迭代门限算法,进一步优化感知性能.理论分析和仿真结果表明,该方案无需知晓授权用户信号、信道、噪声功率等先验信息,对噪声功率不确定性具有较强的鲁棒性,且当接收机采样次数和参与协作的用户数都受限时,感知性能仍然很稳定,可作为协作频谱感知的现实可实现方案.