一种全双工认知中继网络中实现能量高效的安全传输方法

在“绿色”安全通信背景下,提出了一种保证同时同频全双工认知中继网络物理层安全、不影响主用户性能且能量高效的中继簇功率分配方案,该网络包含两个认知源节点、多个认知中继节点、多个主用户节点以及多个主用户窃听节点。在考虑了自干扰消除率以及中继转发信息的公平性的基础上,分别针对中继节点选择放大转发与译码转发策略的情形,设计协作波束成形向量及人工噪声矩阵,并通过一种结合半定松弛技术的爬山算法来获取最优解。仿真结果与理论分析表明了方案的有效性与合理性,同时表明选择放大转发策略能够获取更高的总能量效率。     

基于势博弈的认知全双工中继选择策略研究

在对主用户干扰功率限制、自干扰限制和总功率干扰限制的网络中,针对认知中继选择算法复杂度较高的问题,提出基于势博弈理论的认知全双工协作网络下中继选择策略。认知中继选择问题被建模为使用认知协作网络的系统速率作为共同效用函数的势博弈模型,并分析出在没有不可行策略集信息的前提下,所提的博弈可以保证纯策略纳什均衡(NE)的存在性和可行性条件。在此基础上,给出全双工中继选择迭代算法,并对算法的复杂度进行讨论。仿真分析表明,所提算法在较低复杂度的情况下,能够获得最优或者接近最优速率的性能,并与传统的半双工中继模式相比,性能也有明显提升。     

在认知中继网络中基于放大转发与最佳中继的最优功率分配算法

由于受认知无线电与中继通信技术的启发,提出了一种认知中继网络模型.该模型由源节点、目的节点、认知中继节点及主用户(primary user,PU)构成.认知中继节点以与PU共存的方式为源节点辅助传输信息到目的节点,只要保证其对PU通信造成的干扰在PU干扰门限值以下.假设源节点、目的节点和认知中继节点之间的瞬时信道边信息(channel side information,CSI)和认知中继节点到主用户之间的均值信道增益已知的前提下,研究该模型中的认知中继节点分别采用放大转发(amplify-and-forward,AF)和基于AF的中继选择(selection AF,S-AF)下的功率分配策略,该策略以最小化系统中断概率为目标,同时也满足认知中继节点的发射功率约束(包括总发射功率和个体发射功率约束)和对主用户的干扰功率约束.最后,通过数值仿真来验证推导出的功率分配策略.仿真结果表明:本文提出的最优功率分配策略,无论在AF,还是S-AF下,均能明显的改善系统的中断性能和平均吞吐量;同时在S-AF下最优分配策略可以得到更高的平均吞吐量,因此中断概率更小.     

具有能量收集功能的认知中继网络安全性能分析

为提高认知中继网络在物理层上的安全性能,结合能量采集技术与人工噪声干扰技术,构建一种具有能量收集功能的认知中继网络模型。将认知用户的信号传输过程分为能量收集和信号处理2个时隙,在2个时隙中分别从认知源节点和目的节点处向窃听节点发送人工噪声,以干扰其窃听过程。分析各时隙中链路的信噪比情况,利用信噪比推导出选择最优中继和最小残留自干扰中继时中断概率与窃听概率的闭合表达式。仿真结果表明,相比轮询调度算法与设置干扰节点法,该模型能有效降低认知用户信号传输时的中断概率与窃听概率。     

认知无线中继网络最小化中断概率功率分配算法

为提升认知无线中继网络的中断性能,通过分析系统中断概率及用户功率分配情况,提出一种最小化中断概率的功率分配算法。给出在主用户干扰约束和总功率约束条件下最小化中断概率的数学优化方程组,根据用户的最大发射功率与干扰电平阈值的受限关系,分别考虑分配功率不超过干扰电平阈值、中继节点功率受限于干扰电平阈值以及所有节点受限于干扰电平阈值这3种情况,对应提出3种最佳功率分配方案,并基于KKT条件求解最优值。实验结果表明,该功率分配算法与基于频谱共享以及基于机会主义中继选择的中断概率分析方法相比,性能增益提升显著,并且在总功率、干扰电平变化的条件下,所采用的功率分配方案提升系统中断性能效果较好。     

认知中继网络功率分配的优化算法

本文研究了认知中继网络的功率分配策略。在基于AF(amplify-and-forward)和DF(decode-and-forward)中继模式下,考虑认知用户传输功率受限以及主用户干扰容限等因素,建立了认知中继网络吞吐量的非凸函数和凸函数优化模型;并利用拉格朗日乘子得到最优解。仿真结果表明,所提算法在认知用户传输功率受限以及主用户干扰容限下优化了认知中继网络的吞吐量。     

蜂窝网络中基于双层博弈的吞吐量最大化研究

如何提升系统的吞吐量是蜂窝网络中研究的热点。利用设备到设备通信(D2D)技术为蜂窝边缘用户设备提供中继支持，进而提升系统的吞吐量。描述一种中继节点选择和频谱分配的联合问题，帮助蜂窝边缘用户设备寻找合适的中继节点，并为D2D链路分配频谱，在满足D2D和传统蜂窝用户设备干扰约束的条件下使系统吞吐量最大化。为此，提出一种基于双层博弈模型的分布式算法，对上述问题进行求解。该博弈模型分为内层和外层；内层通过Stackelberg博弈理论为蜂窝边缘用户设备选择中继节点，并将其作为主节点，蜂窝边缘用户设备作为从节点；外层采用联合博弈理论为蜂窝边缘用户设备及其中继节点间的链路分配合适的频谱。仿真结果表明本文算法在能耗、吞吐量等方面的性能要优于其他典型算法。     

认知物联网中基于吞吐量最大化的中继节点的选择算法

针对无线供电的认知物联网(Internet of Things,IoT),提出基于吞吐量最大化的中继节点的选择(Maximizing Through-put-based Relay Selection,MTRS)算法.与传统中继节点的选择算法不同,MTRS算法采用动态地选择中继节点的策略.用户依据源节点广播信号质量决定...     

基于最大最小干扰的认知无线网络路由协议

针对认知无线网络中次用户对主用户的干扰问题,提出了一种基于最大最小干扰的路由协议。该协议通过对比不同路径对主用户的干扰温度,利用最大最小原则选择路由,能够实现在满足干扰温度限制的条件下,尽可能的充分频谱资源。通过大量仿真验证,该文算法实现的设计目的。     

无线网络功率最小化的分布式中继选择方法

中继协作已视作提高边沿用户能量有效性和服务质量的新型技术.因此,针对存在瑞利衰落的解码转发中继网络如何选择中继节点以最小化系统总功率的问题,提出了使用分布式拍卖算法选择合适的中继节点以最小化系统总传输功率.该算法首先通过信道传输功率的闭合表达式得到用户节点和中继节点的最小传输功率,然后根据分布式拍卖算法为用户节点分配合适的中继节点.仿真结果显示用户节点仅需要通过和中继节点交换少量信息就可以选择合适的中继节点.     

Multi-user rate and power analysis in a cognitive radio network with massive multi-input multi-output

This paper discusses transmission performance and power allocation strategies in an underlay cognitive radio (CR) network that contains relay and massive multi-input multi-output (MIMO). The downlink transmission performance of a relay-aided massive MIMO network without CR is derived. By using the power distribution criteria, the k^th user’s asymptotic signal to interference and noise ratio (SINR) is independent of fast fading. When the ratio between the base station (BS) antennas and the relay antennas becomes large enough, the transmission performance of the whole system is independent of BS-to-relay channel parameters and relates only to the relay-to-users stage. Then cognitive transmission performances of primary users (PUs) and secondary users (SUs) in an underlay CR network with massive MIMO are derived under perfect and imperfect channel state information (CSI), including the end-to-end SINR and achievable sum rate. When the numbers of primary base station (PBS) antennas, secondary base station (SBS) antennas, and relay antennas become infinite, the asymptotic SINR of the k^th PU and SU is independent of fast fading. The interference between the primary network and secondary network can be canceled asymptotically. Transmission performance does not include the interference temperature. The secondary network can use its peak power to transmit signals without causing any interference to the primary network. Interestingly, when the antenna ratio becomes large enough, the asymptotic sum rate equals half of the rate of a single-hop single-antenna K-user system without fast fading. Next, the PUs’ utility function is defined. The optimal relay power is derived to maximize the utility function. The numerical results verify our analysis. The relationships between the transmission rate and the antenna number, relay power, and antenna ratio are simulated. We show that the massive MIMO with linear pre-coding can mitigate asymptotically the interference in a multi-user underlay CR network. The primary and secondary networks can operate independently.     

一种双信道协作中继的认知网络功率分配算法

针对认知无线网络主、次用户的互相干扰对网络中断性能以及系统传输效率的影响进行了研究,采用一种双信道协作中继的传输方案来减少干扰,并提出一种基于中断概率的最优功率分配方案来改善中断性能和传输效率。在该传输方案中,主、次系统通过对接收的主信号和复合信号进行处理,采用连续的干扰解码和消除得到去干扰信号。该功率分配方案在保障主系统中断性能的前提下,提出次系统中断概率的优化方程,通过关联功率分配因子来实现最大化次系统吞吐量。实验结果表明,该算法在改善中断性能和系统吞吐量方面具有较好的效果。     

Distributed power control in cooperative cognitive ad hoc networks

In this paper, a relay selection strategy and distributed power control algorithm are proposed for the underlay spectrum sharing mode based cooperative cognitive ad hoc network with energy-limited users. The study aims to minimize the total power consumption of cooperative cognitive ad hoc network while ensuring the quality of service (QoS) requirement of cognitive user and keeping the interference to primary user below interference tolerance. The power control problem is transformed into a convex optimization problem. Based on Lagrange dual decomposition theory, a gradient iterative algorithm is constructed to search for the optimal solution and complete distributed power optimization. Simulation results show that the algorithm converges fast and reduces transmit power of cognitive users effectively while guaranteeing the QoS requirement.     

基于干扰温度限制的认知正交频分复用系统功率分配算法

在认知正交频分复用（OFDM）系统中,为避免对主用户（PU）的干扰,需要对认知用户（CU）基站的发射功率进行控制和分配。针对认知用户基站无法合理分配其发射功率及无法有效提高数据传输速率等问题,在传统注水功率分配算法的基础上,提出了一种双因子二分搜索最优化功率分配算法。该算法充分考虑认知用户信道上干扰温度的限制,首先,在满足总功率限制的条件下引入剩余函数;然后,利用剩余函数的单调性,通过双层二分搜索迭代方法求得拉格朗日因子的准确值;最后,通过拉格朗日因子的值求出各子信道上所分配的功率值。仿真结果表明,所提算法能有效利用主用户频带间的频谱空穴,在总功率限制和干扰温度（IT）限制下,最大化认知用户的数据传输率,其值逼近传统注水算法。同时该算法所得到的数据传输速率比总功率平均控制算法和干扰温度平均控制算法有明显的提高,在相同仿真环境下其传输总速率超出约4×105b/s。在迭代过程中所提算法处理时间较少,并体现出良好的鲁棒性。     

混合保护准则下基于NC-OFDM的认知无线电系统功率分配

针对主用户采用OFDM通信体制,认知用户采用NC-OFDM通信体制,认知用户共享主用户授权频谱的工作场景,研究了认知无线电系统功率分配策略。提出依据主用户不同工作状态,采用不同的约束准则:对认知用户工作信道,引入功率泄漏干扰因子约束认知用户的发射功率,以限制对主用户工作信道的泄漏功率强度;对主用户工作信道,设置主用户速率损失上限,以确保主用户正常工作。功率分配算法以混合约束准则为基础,最大化认知无线电系统的传输速率。仿真结果表明,与干扰功率约束机制相比较,本算法能显著提升传输速率。     

认知无线网络中基于凸优化的功率分配研究

主要研究认知无线网络中基于OFDM（orthogonal frequency dinsion multiplexing）的功率分配问题。为将认知用户(secondary user,SU)对主用户(primary user,PU)的干扰功率限制在主用户可容忍的范围内,同时最大化认知用户的传输速率,提出了基于凸优化理论的功率分配方案。仿真结果表明,在主用户可容忍的干扰极限和认知用户总功率约束下,该方案能最大化认知用户的传输速率。     

认知中继网络中的功率分配算法

无人机（Unmanned aerial vehicle, UAV）通信是当前无线通信领域的研究热点。为了保证地面移动端与UAV通信的可靠性,提出了基于空时块码（Space-time block code, STBC）的协作中继传输方案。为了提升频谱效率,本文利用认知无线电技术,于协作中继处分别采用放大转发(Amplify-and-forward, AF)和解码转发(Decode-and-forward, DF)两种协议进行传输,在主用户通信服务质量得到保证和认知用户传输功率受限的条件下,建立以认知中继网络的吞吐量最大化为目标函数的优化问题。采取拉格朗日乘子法与Karush-Kuhn-Tucker (KKT)条件相结合的方案来实现优化问题中最优功率的分配。最后,仿真结果不仅验证了所提方案的有效性,还表明了DF中继协议下认知中继网络的吞吐量优于AF中继协议。     

认知Mesh网络中的多信道MAC协议设计

现有认知无线Mesh网动态信道接入协议在利用空闲授权信道进行数据传输时,冲突概率较大。为此,提出一种基于声望模型的信道分配算法。该算法通过对各个授权信道传输的历史经验进行学习,使认知用户能够获取每个授权信道的声望值。在信道协商阶段,接收方认知用户根据信道的声望值大小,从可用信道集合中选取出期望传输成功率最高的信道,能较好地减少多个认知用户在同一空闲授权信道上的竞争,并有效降低认知用户与主用户发生冲突的概率。仿真结果表明,该算法能有效提高认知用户传输数据报文的成功率,增加网络的整体吞吐量。