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。     

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.     

生物友好的认知水声网络频谱分配

为充分利用海洋哺乳动物和水声传感器网络(UASNs)共享的稀缺频谱资源,提出了一种生物友好的认知水声网络频谱分配(MMF-CASA)方法。将海洋哺乳动物作为主用户,传感器节点作为次级用户,设计了生物友好的认知水声网络通信机制。以次级用户系统容量最大化为目标建立效用函数,通过拉格朗日乘数法和功率控制与信道分配技术求解次级用户的发送功率与信道分配,设计了生物友好的水声网络频谱分配机制和算法。实现了主用户和次级用户信道共享,最大化了水下稀缺的频谱资源的利用率。仿真结果表明,采用生物友好的认知水声网络频谱分配方法能够避免传感器节点通信对海洋哺乳动物间通信的干扰,使网络的频带利用率和系统容量分别提高了37.4%和34.2%。     

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．     

基于连接低干扰的无线Mesh网络信道分配算法研究

为合理地分配和利用无线信道资源,研究者们提出了许多关于多射频多信道无线Mesh网络的信道分配算法。该文针对无线Mesh网络的信道分配算法,以连接低干扰信道分配算法(CLICA)为基础,以提高网络容量(吞吐量)为目标提出了一种改进算法。该算法根据网络中各链路的干扰度来计算网络干扰度,通过减小网络的干扰度来提高网络吞吐量,以实现最小化网络干扰度的目标。构建信道分配的数学优化模型,通过NS2仿真验证比较改进前后算法的性能,求解出最优的信道分配。     

基于优化烟花算法的认知无线电频谱分配方案研究

针对无线通信领域内频谱资源短缺的问题，本文提出一种基于优化烟花算法的无线电频谱分配方案。以图论着色模型为背景，通过自适应合并策略对烟花爆炸半径进行改进，扩大烟花粒子的搜索范围，并引入交叉变异算子代替原本的高斯变异操作，增强烟花种群的多样性。同时，改进了选择策略，提高算法寻找最优解的能力，在Matlab平台上建立仿真实验。仿真结果表明，优化后的烟花算法寻优精度高、收敛速度快，较好地实现了网络效益的最大化，能够很好地解决频谱分配问题。该研究在认知无线电频谱资源分配方面具有重要意义。     

认知无线电网络中合作频谱感知参数优化

为提高频谱感知的效率,提出了一种在资源受限的认知无线电网络中合作频谱感知参数优化算法,在保证对授权用户的干扰不超过指定门限时,对信道利用效率与系统资源利用效率进行选择性加权,使认知无线电网络的感知效率最大化. 针对不同使用特征的授权信道,该算法均可求解出相应的最优感知参数组合. 仿真结果表明,在避免干扰授权用户的前提下,最优感知参数组合系统能最大化感知效率.     

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.     

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.     

小蜂窝认知网络中基于干扰和能量效率的动态频谱管理

针对基于非授权频段的小蜂窝认知网络中的抑制干扰和降低功耗问题,提出了干效性的概念,即传输每比特数据所产生的干扰.建立基于能效性和干效性的多目标收益函数,以最大化长期折扣收益为目标,利用随机动态优化理论中基于马尔科夫决策过程的Restless Bandits模型,计算其最优频谱管理决策,给出了动态频谱管理决策的过程.该方法具有分布式和动态特性且计算复杂度较低.仿真结果表明该方法能显著提高系统收益能效性、干效性等性能.     

感知无线电网络中最优的分布式功率分配

在干扰温度模型下,将分布式感知无线电网络与授权系统的频谱共享问题转化为有约束的非线性功率优化问题. 为了提高多个测量点场景下感知无线电网络的吞吐量,提出了一种全局最优的分布式功率分配算法. 该算法利用原始-对偶方法求解,通过有限的信息交换,实现了吞吐量最优的功率分配. 理论分析和仿真结果表明,算法的收敛结果满足干扰温度约束,系统吞吐量明显提升.     

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.     

认知Wi-Fi网络中使用相关均衡的频谱共享算法

认知Wi-Fi网络是基于认知无线电技术、感知和利用电视频谱白空的新型无线局域网．在该无线网络环境下,设计了集中式和分布式两种基于相关均衡的频谱共享算法．综合考虑了认知Wi-Fi网络的频谱分裂特性、多网间的互扰和用户的业务需求等,将频谱共享问题建模为非协作博弈．两种算法分别考虑了有效性和复杂度．其中,集中式算法可最大化网络整体收益,而分布式算法无须引入信息交互．仿真结果表明,相较于贪婪算法,这两种算法均能提升网络收益．     

一种基于认知无线电的资源分配优化算法

认知无线电可通过实时改变操作频段,动态利用授权用户的频谱空洞,从而提高频谱利用率。该文提出的资源分配优化算法为每个待分配信道找出最优合作节点集合,工作在同一信道的节点不会对授权用户产生干扰。通过仿真证明,该策略使认知网络平均吞吐量显著提高,同时各信道上的传输容量较同类算法也有较大的改善。     

基于Overlay-Underlay的功率控制路由算法

对现有混合式认知无线电网络频谱共享模型进行改进, 解决了现有路由算法在干扰与时延处理方面的缺陷, 提出了一种基于Overlay-Underlay频谱共享的路由算法. 该算法以着色图为路由分析模型, 以最短路径和链路状态作为路由指标, 以最小累积干扰为信道分配指标, 优先接入空闲授权信道, 否则利用功率冗余接入, 发展了一种具有功率控制的端到端路径选择和信道分配方法. 仿真研究结果表明了该算法的有效性, 与现有路由算法相比, 提高了网络吞吐量, 降低了丢包率和端到端时延.     

认知无线电网络中的参数优化问题

针对在多协作用户宽带信道情况下,认知无线电网络中当信道增益固定时,检测时间、功率以及带宽分配等参数的优化问题,提出了各参数的联合优化算法.以信道容量为目标函数,给出了最优的资源分配算法.结果表明,该算法能够实现频谱接入并且极大地提高了次用户系统的总信道容量,且资源分配与主用户占用的概率、峰值发射功率和干扰约束等因素有关.在多认知用户网络中,参与合作的用户越多,接收信号的信噪比越高,次用户系统的总信道容量越大.     

认知无线电多目标优化算法研究

认知无线电是指能够感知周围频谱环境并动态使用频谱资源的智能无线通信系统。认知无线电的多目标优化问题是一个典型的动态参数优化问题。以传输能量、数据率以及误比特率等多个参数为目标,采用一种基于DNA计算的非支配排序多目标遗传算法(DNA-GA)来对其进行优化。将CR可调参数进行编码作为染色体,产生大小为N的初始化种群,并根据CR目标函数计算个体适应度,再结合克隆操作使算法收敛于全局最优,最终得到CR系统的最优操作参数。仿真结果表明,DNA-GA可以在不同用户需求情况下获得较好的性能优化。