一种基于TOPSIS信道排序的新频谱切换方案

将接近理想方案的序数偏好法(TOPSIS)应用于认知无线电网络的频谱切换中,通过对 影响切换性能的4个参数的融合,设计了一种基于TOPSIS算法的信道排序方案,通过仿真验 证,设计了各参数的权值。统计结果表明,提出的算法在80%的情况下要优于传统的切换算 法,可以有效减少认知用户的切换次数,提高有效数据传输速率,降低认知用户的通信中断 概率。     

主动式频谱感知的改进型信道切换算法

针对无线信道频繁切换而导致系统性能下降的问题,在传统算法的基础上,提出了改进型信道切换算法.通过信道空闲时长的预测和比较策略,在对首要用户干扰最小的前提下,对信道进行切换控制,有效降低了信道切换代价,减小了感知开销.仿真验证表明：采用改进型信道切换算法能够有效减少信道切换次数约20%.     

基于认知无线电的动态信道分配算法

动态信道分配技术是TD-SCDMA系统的关键技术之一,通过实施动态信道分配方案可以提高频谱利用率、系统容量和提升通信质量。结合现有的可移动边界分配策略,提出了一种基于认知无线电的动态信道分配算法。系统实时感知周围频谱环境,分析并利用空闲频道资源,实现信道的动态分配;最后进行了系统仿真,仿真结果表明改进后系统性能得到一定的提升。     

认知无线电频谱切换目标信道访问机制

针对认知无线电先应式决策频谱切换,该文提出按照信道平均空闲时间递减的顺序对目标信道进行访问的机制,证明了该机制在主用户信道空闲时间服从均匀分布、Rayleigh分布以及Weibull分布下均能够保证频谱切换失败概率最小。仿真结果表明所提机制得到的频谱切换失败概率要远远小于随机访问机制的切换失败概率。另外,当能够获得数十次信道空闲时间观测样本情况下,虽然存在估计误差,但所得频谱切换失败概率与理想最优频谱切换失败概率非常接近。     

一种认知无线电系统双门限频谱分配算法

基于认知无线电系统中Underlay频谱共享模型,提出了一种双门限频谱分配算法.给定两个信噪比门限,当信噪比低于较小的门限时,系统选择认知用户做中继协助授权用户进行数据传输,以授权用户信道容量最大化为优化目标进行频谱分配;当信噪比大于较大的门限时,系统允许认知用户之间进行低功率数据传输,以认知用户接入数量最大化为优化目标进行频谱分配;当信噪比介于两门限之间时,由授权用户单独进行数据传输.理论分析和仿真表明,当授权用户信噪比低于较小门限时,所提方法能提高授权用户的信道容量;当授权用户信噪比大于较大门限时,所提方法可以提高认知用户的接入数量.     

基于图论模型的改进型频谱分配算法

认知无线电技术能够感知周围无线电环境并择机使用频谱空洞。文章通过对现有的频谱分配算法研究分析,提出了基于图论着色模型的改进型频谱分配算法。该算法建立在授权用户状态动态变化的基础上,利用频谱下一时刻空闲概率降低授权用户的活动性对频谱分配的影响。仿真结果表明该算法有效提高了频谱概率上的效益并且保证了系统公平性。     

基于并行分配算法的认知无线电频谱分配算法

针对传统频谱分配方式不合理造成频谱匮乏以及CSGC算法在频谱分配上消耗时间过长影响实时通信的问题,文中提出了一种基于并行分配算法的认知无线电频谱分配算法,其通过同时给各顶点进行上色,从而节省了时间开销。实验证明,并行算法不仅具有与CSGC算法同样的高频谱利用率,且其频谱分配时间开销更低,是一种理想的认知无线电频谱分配算法。     

一种认知无线电网络频谱分配策略

频谱分配技术是认知无线电的关键技术之一,为适应认知无线电系统的时变特性,频谱分配算法必须有较快的收敛速度。在干扰温度模型下,提出一种基于Kuhn-Munkras算法的认知无线电频谱分配策略。该策略利用Kuhn-Munkras算法可以实现最佳匹配并且收敛速度快的特性,根据不同的用户在不同信道上所产生的效益的差异性,实现认知用户和信道的最佳匹配。仿真表明,基于Kuhn-Munkras算法的频谱分配在性能上优于传统的配对算法和greedy算法。     

认知无线电中基于频谱聚合的频谱分配算法

为了使认知用户可成功接入分配的频谱,进一步提高频谱利用率,提出了一种基于频谱聚合的分布式频谱分配算法(SADSA),该算法以图论着色为模型,算法过程考虑了认知用户的带宽需求和认知设备的最大聚合范围,仿真结果表明了该算法在认知用户接入率方面的优越性.     

基于认知无线电的动态频谱分配算法研究

在认知无线电系统中,动态频谱分配技术是保证频谱高效利用的关键技术,基于图论的动态频谱分配模型是实现频谱动态分配的重要研究模型,而频谱动态分配算法是实现频谱动态分配的核心.本文主要通过介绍几种频谱动态分配算法来解决电磁频谱动态分配问题.     

基于Q学习自适应蚁群算法的认知无线电频谱分配

认知无线电能有效实现频谱资源的再利用,是当前通信研究领域的热点之一.如何进行频谱的合理分配是实现认知无线电网络有效运作的关键问题.在图论着色模型的基础上,提出了一种基于Q-学习的自适应蚁群算法.通过仿真实验表明,该算法性能明显优于颜色敏感图着色算法,能更好地实现网络效益最大化.同时,比传统的蚁群算法寻优能力更强,收敛速度更快.     

基于图论的动态频谱分配

在认知无线电系统中,动态频谱分配是决定能否充分高效利用有限频谱的关键.文中建立起网络拓扑模型,分析了基于图论着色模型的动态频谱分配技术的发展过程、研究现状.并讨论了其未来的研究方向,主要是在算法改进上.     

Adaptive Channel Allocation Spectrum Etiquette for Cognitive Radio Networks

In this work, we propose a game theoretic framework to analyze the behavior of cognitive radios for distributed adaptive channel allocation. We define two different objective functions for the spectrum sharing games, which capture the utility of selfish users and cooperative users, respectively. Based on the utility definition for cooperative users, we show that the channel allocation problem can be formulated as a potential game, and thus converges to a deterministic channel allocation Nash equilibrium point. Alternatively, a no-regret learning implementation is proposed for both scenarios and it is shown to have similar performance with the potential game when cooperation is enforced, but with a higher variability across users. The no-regret learning formulation is particularly useful to accommodate selfish users. Non-cooperative learning games have the advantage of a very low overhead for information exchange in the network. We show that cooperation based spectrum sharing etiquette improves the overall network performance at the expense of an increased overhead required for information exchange.

填充式频谱共享中的功率分配算法分析

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。在分析了频谱共享的2种接入模式的基础上,提出了填充式频谱共享的系统模型。根据认知用户的效用函数,通过注水算法得到了用户间的功率迭代公式,进而求得了认知用户的功率和载波分配结果。仿真表明,该迭代算法在有效完成用户间功率与载波分配的同时能够在较短的时间内收敛。     

动态频谱分配与频谱共享研究综述

文中针对当前无线频谱政策和无线频谱技术局限所导致的频谱整体利用率低的问题,分析了能有效提高频谱利用率的动态频谱分配和共享技术的研究现状,包括相邻和分片动态频谱分配技术,共存和覆盖式频谱共享技术,感知无线电技术,以及频谱池技术,并讨论了其未来的研究方向,尤其是感知无线电和基于OFDM的频谱池方法.     

基于改进人工蜂群算法的认知无线电频谱分配

各类无线电业务的兴起和发展使得频谱资源处于拥挤的状态,然而当前的静态频谱分配机制导致频谱资源存在着部分频段紧缺和频谱利用不平衡的矛盾。认知无线电是一种提高频谱利用率的新技术。认知无线电系统中，动态频谱分配技术在利用闲置频谱资源上发挥关键作用。本文介绍了频谱分配的图论着色模型，提出一种改进的蜂群算法。基本人工蜂群算法存在搜索精度不高和收敛速度较慢的问题，本文改进的人工蜂群算法引入了基于差分进化算法的搜索策略和高斯变异的侦察策略，并且对选择策略进行改进，提高了种群的多样性。将改进的蜂群算法应用于频谱分配模型中，实验结果表明：改进的人工蜂群算法可以得到更好的系统收益，加快了收敛速度。     

基于Bertrand博弈论的动态频谱分配算法

研究了在多主用户参与的完全竞争模式下的频谱价格问题,建立基于博弈理论的经济模型,分析主用户的频谱利润和频谱价格与认知用户的频谱需求之间的关系。考虑了主用户数、频谱替代因子和学习速率对频谱价格、纳什均衡、收敛性及稳定性的影响。仿真结果表明,合理的频谱价格及传输参数,可以使主用户获得的利润最大化,合理的学习速率可以使主用户的频谱价格快速收敛,通过有偿频谱共享,充分调动了主用户的积极性,从而有效的缓解了认知用户频谱资源紧张的局面。     

基于潜在博弈的认知无线电频谱分配研究

为解决认知无线电网络中认知用户、授权用户共存情况下的频谱分配问题,提出了一种基于潜在博弈的认知无线电频谱分配模型,该模型以最小化系统总干扰水平为目标,认知用户采用避免机会浪费的改进型策略动态调整规则进行频谱选择,经过有限改进路径快速收敛到博弈的纳什均衡点。在30个认知用户和2个授权用户共存的场景下进行仿真实验,算法以较快的收敛速度实现了频谱分配的目标,证明了模型及算法的可行有效。