基于认知的智能电网家域接入控制网络非合作博弈功率控制算法比较研究

智能电网家域网中应用认知无线电技术的主要目的是提高频谱利用率。功率控制是提高频谱利用率并实现频谱共享的主要手段之一,其通过减小认知用户间干扰来提高用户信干噪比性能,从而保证认知用户正常通信。研究基于认知的智能电网家域接入网络中三种不同功率控制算法的性能。通过仿真对比可得:三种算法收敛迅速,效率极高,在一定程度上都能降低系统开销,提高网络性能,对实际工程有很好的指导意义。     

密集异构网络中D2D通信的多对多资源共享

为解决高接入量、高数据速率需求下的频谱资源短缺问题,将D2D通信技术引入蜂窝网络,研究密集异构网络中D2D通信的多对多资源分配与功率控制问题.多对多频谱共享将显著提高频谱效率,但在密集场景下会产生干扰累积问题.针对干扰累积问题,提出基于集合划分的多对多资源共享方案,提高D2D用户接入率以及最大化系统吞吐量;设计基于连续凸逼近的功率优化算法,降低主次用户间的干扰,提高D2D用户的稳定性.将仿真结果与其它算法进行比较,验证了该算法可有效控制干扰,显著提高系统吞吐量和D2D用户接入率.     

基于博弈资源分配的认知异构网络干扰协调算法

基于underlay频谱共享模式的认知异构网络可有效缓解频谱资源短缺问题,但同时会加剧网络中的干扰。针对该问题,提出了一种基于非合作博弈模型的动态频谱分配和功率控制算法进行干扰协调。首先,考虑频谱共享造成的干扰问题,引入认知用户优先等级,将问题构建为联合动态频谱分配与功率控制的频谱定价博弈模型;其次,通过两阶段动态博弈得到纳什均衡解,实现认知网络层频谱资源合理分配和发射功率控制。仿真表明,所提算法能够实现不同优先级用户频谱资源的合理分配和认知基站发射功率控制,有效抑制认知异构网络的跨层干扰和层内干扰。     

认知无线电中基于博弈论方法的联合功率速率控制

在认知无线电网络中,认知用户在满足目标信干比的前提下,采用非合作博弈的方法以降低每个认知用户的发送功率。为解决认知无线电中共享频谱状态下的联合功率和速率控制问题,将系统中次级用户间的关系假定为非合作的竞争性关系,同时考虑次级用户对主用户的干扰容限,提出一种基于次级用户传输时延花费的非合作博弈联合功率速率控制算法,并证明该算法纳什均衡的存在性与唯一性。仿真结果表明,该算法可使用户在使用较小传输功率的情况下获得较高的效用值与较低的传输延时,同时使次级用户对主用户的干扰小于干扰阈值。     

OFDMA认知无线电网络中面向功率控制的频谱定价与分配

针对OFDMA认知无线电网络,提出一种基于Stackelberg博弈的频谱定价和分配模型.对于次基站控制次网络传输功率来保护主网络通信的场景,主基站可通过该模型获得最优的频谱定价方案.从功率控制的角度,重新设计次用户的效用函数,运用Stackelberg博弈对单个主基站和多个次用户在频谱租赁市场中的交易行为进行建模.通过逆向归纳法,求解市场均衡下的最优频谱定价,使得主基站在考虑主网络QoS降级的同时获得最大收益.此外,对于主基站只能获取本地信息的情形,提出了基于动态Stackelberg博弈的分布式频谱定价和分配模型.仿真实验表明,该模型能够在控制次网络传输功率的基础上,提供最优频谱定价和频谱分配方案.     

认知无线电中联合功率控制的动态频谱分配算法*

针对认知无线电网络动态频谱分配算法开展研究,基于最大独立集理论,提出一种改进的联合功率控制的动态频谱分配算法,通过联合功率控制机制,避免用户之间的相互干扰和对已分配信道链路的干扰,满足多用户应用需求,并减少节点能耗。该算法以最大独立集为分配起点,允许一次同时分配信道给多个互不干扰的链路,同时兼顾资源分配的公平性,能够有效减少分配的总次数和用户间的信息交互量。仿真结果显示改进的动态频谱分配算法在需求满足率和公平性上都优于原有算法。     

适用于频谱重叠共享CRN的分组调度算法

为在降低认知用户对主用户干扰的同时保障认知业务的服务质量(QoS),提出一种基于干扰控制的分组调度算法,适用于以频谱重叠共享方式接入的认知无线电网络。该算法在MLWDF-IM算法的基础上进行改进,定义干扰控制因子和服务紧迫性函数,以此设计调度策略。仿真结果表明,该算法能在干扰抑制性能略有降低的情况下提高业务的QoS。     

基于认知无线电的接入控制研究

研究认知无线电网络（CRN）中CR用户机会式占用频谱的接入控制。阐明CR用户与授权用户合作接入控制策略,针对实际网络环境分析CR用户基于Markov模型和具有预测机制的透明接入控制策略。对于CR用户不同业务需求以及网络中存在的各种干扰,总结了基于功率控制的透明接入控制策略。提出基于CRN的接入控制进一步研究的关键问题。     

基于非合作博弈的改进型认知无线电功控算法

在认知无线电网络中,当认知用户（CU）与主用户（PU）共享频谱带宽时,需要对认知用户的发射功率进行控制,以确保认知用户在满足自己的QoS且不影响主用户的前提下与主用户共享频谱带宽。利用博弈论的方法,设计了一种基于链路增益和干扰温度的代价函数,并据此提出了一种改进型非合作博弈功率控制算法（IPC-NG）。通过数学理论推导分析,证明了新的净效用函数存在纳什均衡且均衡点唯一,同时还分析了该算法的收敛速度。仿真结果表明,该算法不仅避免了对主用户的影响,也保证了每个CU的QoS需求,同时还提高了认知系统的吞吐量和净效用。     

认知无线电中基于博弈论的联合功率和速率控制算法

研究了认知无线电(CR)中共享频谱状态下的联合功率和速率控制问题。功率控制技术是认知无线电的关键技术之一,而下一代的网络也对速率的多样化传输提出了要求。将系统中次级用户(SU)间的关系假定为非合作的竞争性关系,同时考虑到次级用户对主用户的干扰容限,提出了基于博弈论的联合功率控制算法(NPRG),并证明了该算法的纳什均衡的存在性、唯一性。仿真结果证明了算法具有较快的收敛性,且能收敛到较低的功率和较高的速率。     

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.     

认知无线网络的Rubinstein博弈频谱共享方法研究

针对传统的功率控制算法限制认知用户的发射功率而影响其服务质量(Quality of Service, QoS)的问题,提出了一种基于功率控制的多人Rubinstein博弈频谱分配算法。该算法通过牛顿迭代公式降低认知用户的发射功率并依据各个用户间的干扰得到相应的链路质量;将经济学中的贴现因子与用户的链路质量建立映射关系;通过链路质量调整认知用户子博弈顺序使得网络总传输速率达到一个相对稳定的状态。仿真结果表明:多个认知用户在同一信道下共享频谱时,采用多人Rubinstein博弈算法对系统的总传输速率有明显的提升,使系统处于稳定且高速的传输状态并节省了一半以上的频谱分配时间。     

改进的协作频谱共享方案

针对认知无线电系统,提出一种改进的协作频谱共享方案,其中,次用户充当中继,协助主用户传输。改进方案采用解码-再生编码-转发中继协议,通过污纸编码有效地在发射端消除来自主用户信号的干扰,并且分配一部分功率协助传输主用户信号,保证主用户的中断性能。通过理论推导,得出次用户离主用户发射机的距离半径表达式。仿真结果表明,改进方案能有效扩大次用户的频谱共享范围,还提高了主用户和次用户的中断性能。     

混合模式下认知无线电网络的能效优化算法

认知无线电网络中,协作频谱感知利用多个节点同时感知可提高频谱感知检测性能。然而随着感知的次用户(SU)个数增加,导致能耗增高、能效(EE)降低。为解决这一问题,本文结合机会频谱接入和衬垫式频谱共享2种共享模式,构造基于混合频谱共享模式的能效模型,同时考虑3种不同的融合规则、主用户(PU)的再占据概率和报告信道误差,以最大化SU系统的EE为目标,使用拉格朗日乘子法与次梯度下降算法对感知时间、参与感知个数、次用户发射功率进行迭代优化求解。仿真结果表明,在最低服务质量要求(QoS)和发射功率的约束下,该能效优化算法能够实现更高的吞吐量和更高的能量效率。     

Adaptive power allocation with quality-of-service guarantee in cognitive radio networks

This paper proposes a novel power control policy for a cognitive radio network as an effort to maximize throughput under the average interference power constraint. The underlined policy ensures delay-related quality of service (QoS) requirements with reduced interference to the primary user. In this work we also take into account the peak and average transmit power constraints for the secondary user. An optimization problem associated with the power control policy is formulated based on a cross-layer framework, where the queue on data link layer is serviced by the power control policy at the physical layer. A recursive algorithm under the power constraints is developed to solve for the optimal solution. It is shown that the reduction of average interference to the primary user is related closely to the QoS requirements. The analysis derives the average interference power limits to the primary user in fading channels with guaranteed QoS requirements for the secondary user. The numerical results show the effectiveness of the proposed power control policy.     

认知MIMO频谱共享系统中基于感知的预编码优化

提出了一种基于时域频谱感知的空域频谱共享策略:先对主用户频谱进行时域感知,如果主用户不存在则立刻进行认知通信,否则根据感知结果调整波束方向和发射功率,以尽量减小对主用户的干扰。具体地,以预编码矩阵为优化参数,最小化次用户均方误差为优化目标,在对主用户的干扰功率约束下,得到了最优的预编码策略。此外,还分别研究了硬判决和软判决对预编码优化的影响。仿真结果表明,基于感知的频谱共享获得的符号均方误差小于传统的频谱共享策略;而基于软判决的频谱共享策略优于基于硬判决的策略。     

基于DQN的超密集网络能效资源管理

小基站的密集随机部署会产生严重干扰和较高能耗问题,为降低网络干扰、保证用户网络服务质量（QoS）并提高网络能效,构建一种基于深度强化学习（DRL）的资源分配和功率控制联合优化框架。综合考虑超密集异构网络中的同层干扰和跨层干扰,提出对频谱与功率资源联合控制能效以及用户QoS的联合优化问题。针对该联合优化问题的NP-Hard特性,提出基于DRL框架的资源分配和功率控制联合优化算法,并定义联合频谱和功率分配的状态、动作以及回报函数。利用强化学习、在线学习和深度神经网络线下训练对网络资源进行控制,从而找到最佳资源和功率控制策略。仿真结果表明,与枚举算法、Q-学习算法和两阶段算法相比,该算法可在保证用户QoS的同时有效提升网络能效。     

认知无线电中快速收敛的功率控制博弈算法

针对认知无线电中分布式功率控制算法收敛速度较慢的问题,提出了一种新的非合作博弈模型下的功率控制算法。算法主要通过构造基于信干比(SIR)的正切型代价函数来减少迭代次数,从而提高收敛速度。仿真结果表明,所提算法在满足认知用户信干比要求和主用户干扰温度容限下,与Koskie-Gajic算法和自适应功率控制（CR-NCPCG）算法相比,在收敛速度上有了大幅度的提高,能更好地满足系统实时性要求,并且在用户数小于20时,平均信干比至少提高了0.3dB,可以实现对认知用户发射功率的有效控制。     

认知网络中基于博弈论的联合功率控制与速率分配算法

针对认知无线网络上行链路中的资源分配问题,提出了一种适应于多小区认知无线网络的基于功率控制与速率分配的博弈算法。为了更加合理地控制用户的功率和速率,减小各次用户间的干扰,首先,在效用函数中分别给功率和速率设置了不同的代价因子,使其能够更加合理地控制用户,避免用户过度增加发射功率。其次,从理论上证明了该算法纳什均衡的存在性、唯一性以及算法的收敛性。最后,为了解决发射功率和传输速率的最优化问题,给出了联合功率控制和速率分配的迭代更新算法流程图。理论分析及仿真结果表明,与同类博弈算法相比,在保证通信质量的前提下,所提算法可以使得用户以较小的发射功率获得较大的传输速率和较高的信干噪比（SINR）,并且减小了用户间的干扰,提高了次用户系统容量。