基于POMDP的认知无线网络次用户多时隙信道选择算法

为了最大化认知无线网络次用户系统的吞吐量,同时减少信道选择过程中的计算量,在多条主用户信道的次用户多时隙系统中,用半马尔科夫链POMDP(Partially Observable Markov Decision Process)理论刻画次用户信道选择过程,并提出对应的认知无线网络信道选择算法。在每一个时隙开始时,次用户选择部分信道进行感知,之后根据感知结果选择不同的传输功率接入信道,对于没有被感知的信道,次用户可以直接接入。对POMDP问题求解给出最优策略、次优策略。通过在不同仿真环境下对最优策略、次优策略以及任意策略进行数值分析比较,论证了该设计算法的有效性。     

基于感知时间和传输时间的认知无线网络单信道选择联合优化模型

为了确保认知无线网络中次用户对主用户的干扰低于预定值的同时,最大化次用户系统的吞吐量,减少次用户丢失频谱机会的次数,提出单信道模式下次用户感知时间和传输时间被联合优化的算法。在单信道模型中,次用户以混合接入策略与主用户共享一条信道,通过综合考虑对主用户的干扰和次用户频谱机会丢失两个因素,对传输时间和感知时间进行联合优化。经过与固定的感知时间和传输时间算法仿真分析对比,验证了算法的有效性。     

分布式认知网络中多用户频谱接入算法研究

认知频谱接入技术通过感知侦测并伺机接入空闲频带,大大缓解了频谱资源稀缺和利用率低下的矛盾.在未知信道占用信息情况下,认知用户如何快速找到最优空闲信道,并避免相互之间的冲突,是认知接入算法的难点和关键技术.本文中提出一种低复杂度的分布式认知接入算法,通过学习物理层的感知结果和链路层的发送确认信息,同时获取主用户的信道占用概率和从用户之间的冲突概率,能快速选择感知信道,并有效避免了从用户之间的竞争.仿真结果表明,该算法在未知信道占用概率信息的情况下,网络平均吞吐量明显优于贪婪等算法,很好地解决了认知网络中多个从用户频谱共享问题,同时收敛速度较快.     

基于时频资源分配的认知无线中继网络物理层安全研究

提出了一种在认知无线中继网络物理层安全意义下的最优时频资源分配方案。在该方案中,主用户通过次用户的协作进行通信;作为回馈,允许次用户接入该频段传输信息。在次用户网络中,选择两个最优次用户,一个用作协作转发,一个用作协作干扰,同时在保证次用户网络传输速率的条件下,通过寻求系统的最优带宽分配因子、时隙分配因子以及次用户的协作功率,来最大化主用户的安全容量。仿真结果表明,提出的方案切实可行,能够显著提高主用户的安全容量。     

认知无线电网络中感知时间与功率分配的优化

针对多协作用户多信道的情况,讨论了当信道增益固定时,各子信道之间检测时间、总检测时间与传输时间,以及各子信道之间功率分配的问题。区别于以往的单独优化算法,提出了各参数的联合优化算法。以信道容量为目标函数,给出了最优的时间和功率分配算法。实验结果表明,提出的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。表明功率分配与信道上主用户占用的概率有关,而时间分配则与信道上主用户接收信噪比以及传输时自身的信噪比有关。在多认知用户网络中,参与合作的用户越多,接收与传输信噪比越高,次用户系统的总信道容量越大。对于认知无线电网络,还考虑了整体的实现。     

能量效率和碰撞概率联合优化的协作频谱感知算法

协作频谱感知能提高认知无线电网络的感知性能。随着认知网络频谱感知性能的提高,一方面感知网络将会消耗更多的能量;另一方面次用户拥有更多的机会接入授权频谱,次用户的吞吐量不断增加,同时在通信过程中主用户与次用户发生碰撞的概率也不断增大。本文提出了一种联合优化能量效率和碰撞概率的协作频谱感知算法,通过最优感知检测点判断节点所处信道状态,融合中心舍弃信道状态不好的节点使其不参与数据融合,既消除了信道状态不好的节点对全局判决的不良影响,又提高了能量利用率。仿真结果表明,该算法提高了网络的频谱检测性能,并延长了感知网络的生命周期。     

动态主用户流量模型的跨层优化设计

为适应主用户流量变化较快的场景,在不完美频谱感知的情况下最大化认知用户的吞吐量,提出了一种基于集中式Overlay认知无线网络中感知时间与资源分配跨层优化算法。将优化目标分解为信道分配和检测时间同功率分配联合优化两个子问题,通过子算法迭代,最终得到感知时间与资源分配的联合最优解。仿真结果表明,相对于仅考虑频谱感知或资源分配的单层优化算法,该算法可在兼顾公平的前提下使次用户吞吐量得到有效提升。     

认知无线电协作频谱感知机制的优化

频谱感知的目标是在尽量避免对主用户造成干扰的条件下为感知用户提供尽可能多的频谱接入机会。由于单用户频谱检测算法的局限性,协作频谱感知被提了出来。在满足对主用户干扰限度的条件下,为了使单个授权信道的频谱感知效率达到最大,引入一种新的协作频谱感知机制,联合优化包括感知时间、传输时间、参与协作的感知用户数目在内的感知参数,并通过穷尽搜索算法得到最优解。在此基础上研究了多个授权信道情况下的频谱感知效率问题,提出了一种授权信道选择分配方案。仿真结果验证了所提方法的有效性。     

认知用户基于预测的动态频谱接入算法

频谱接入技术的关键是解决认知用户如何选择合适的空闲信道以及认知用户间如何实现频谱共享.在公共控制信道较难获得的情况下,基于部分可观测Markov决策过程(POMDP)的频谱预测算法,可以显著地提高系统的吞吐量;由于认知用户之间缺少接入信息的交换,使得多个认知用户在同一时隙接入同一信道的冲突概率较大.针对多用户竞争冲突问题,通过引入竞争反馈的偏差因子,并利用均衡的混合信道选择策略对认知无线网络动态频谱接入过程进行研究.通过大量仿真对认知用户的吞吐量和频谱利用率以及碰撞率进行分析,研究表明,均衡的混合信道选择策略可以有效地提高系统的吞吐量及频谱利用率.     

认知用户基于频谱特征的动态频谱接入算法

认知无线电频谱接入技术的关键是指导认知用户如何选择合适的空闲信道以及如何在认知用户间实现频谱共享。在公共控制信道较难获得的情况下,基于部分可观测 Markov 决策过程（POMDP）的频谱预测算法,可以显著地提高系统的吞吐量。认知系统如果不加区分地使用授权频谱将可能导致所选择的频谱空洞不能满足认知用户需求。针对认知用户对不同信道容量的需求,引用适量选择原则,并运用融合接入策略,研究认知无线网络动态频谱接入过程。另外,通过大量仿真对认知用户的吞吐量和系统碰撞率进行分析,结果表明融合接入策略可以有效地提高系统的吞吐量及系统碰撞率。     

基于Q-learning的机会频谱接入信道选择算法

针对未知环境下机会频谱接入的信道选择问题进行研究。将智能控制中的Q-learning理论应用于信道选择问题, 建立次用户信道选择模型, 提出了一种基于Q-learning的信道选择算法。该算法通过不断与环境进行交互和学习, 引导次用户尽量选择累积回报最大的信道, 最大化次用户吞吐量。引入Boltzmann学习规则在信道探索与利用之间获得折中。仿真结果表明, 与随机选择算法相比, 该算法在不需要信道环境先验知识或预测模型下, 能够自适应地选择可用性较好的信道, 有效提高次用户吞吐量, 且收敛速度较快。     

认知无线电中基于POMDP的机会频谱接入方案

为了充分利用先验信息,更好地对空闲频谱进行接入,针对认知无线电的多信道接入问题提出了一种基于半可观马尔可夫决策过程的认知无线电频谱接入方案.该方案采用信任向量,结合当前感知结果对主用户行为进行预测,并利用半可观马尔可夫决策理论选择出当前空闲概率最大的信道进行接入.同时根据信道前后相关性对次用户的发送时间、休眠时间进行了...     

基于POMDP的跨层机会频谱接入优化设计

在功率受限的机会频谱接入(OSA)研究中,大多使用完全可观测马尔可夫决策过程(MDP)对环境建模,以提高物理层或介质访问控制(MAC)层指标,但由于感知设备的限制,无法保证用户对环境完全感知。为解决该问题,提出一种基于部分可观测马尔可夫决策过程(POMDP)与Sarsa(λ)的跨层OSA优化设计方案。结合MAC层和物理层,采用POMDP对功率受限且有感知误差的次用户频谱感知和接入过程进行建模,并将其转换为信念状态MDP(BMDP),使用Sarsa(λ)算法对其进行求解。仿真结果表明,在功率受限条件下,该Sarsa(λ)-BMDP方案的有效传输容量、吞吐量和频谱利用率分别比完全可观测Q-MDP方案低9%、7%和3%左右,其误比特率比基于点的值迭代PBVI-POMDP方案低20%左右,比Q-MDP方案高16%左右。     

认知无线网络中基于无休止多臂赌博机模型的多用户频谱接入机制

针对如何协调多个认知用户择机接入多段空闲频域信道的问题,提出了一种基于无休止多臂赌博机(RMAB)模型的动态频谱接入机制。首先,考虑到实际环境下认知用户的信道感知误差,推导出能有效处理感知误差的Whittle索引值算法,该算法通过历史经验积累给予每个信道一定的信任值,并综合考虑在当前信任值下选择每个信道的立即收益与未来收益的多少,选择出需要感知接入的信道;其次,对于多个认知用户接入相同信道时产生冲突的问题,提出了基于多标拍卖的协调机制,通过多标拍卖的方式处理认知用户之间的冲突。仿真结果表明,在相同的环境中,所提出的频谱接入机制与未处理误差的或者未采用多标拍卖的接入机制相比,认知用户获得的吞吐量更大。     

认知Ad hoc网络的频谱接入跨层设计方案*

为提高分布式认知Ad hoc网络的频谱感知精准性和能量有效性,提出了一种基于能量效率的频谱接入跨层设计方案。首先通过基于感知因子的完全二分图分解法对网络进行分簇,进而在簇内联合优化次用户的发射功率和接入概率,最终得到最优信道接入和功率分配方案。仿真结果表明,与传统算法相比该方案可通过合理分簇提高分布式认知网络的感知精度,在保证感知性能的条件下使系统能量效率得到有效提升。     

速率期望比较下的宽带频谱接入简化算法

为解决认知无线网络中宽带频谱感知模式的计算量大和感知时间延长等问题,提出了一种基于速率的认知无线网络低复杂度宽带频谱感知算法。在宽带频谱感知的基础上,设定选择条件,对信道的期望传输速率进行比较,确定需要感知的信道,以实现减少认知无线网络次用户系统的信道感知时间和感知计算量的目标。经过仿真实验分析对比表明,该算法可以有效地平衡次用户系统吞吐量最大化和主用户系统的干扰之间的矛盾。     

Cost-sensitive feature acquisition and classification

There are many sensing challenges for which one must balance the effectiveness of a given measurement with the associated sensing cost. For example, when performing a diagnosis a doctor must balance the cost and benefit of a given test (measurement), and the decision to stop sensing (stop performing tests) must account for the risk to the patient and doctor (malpractice) for a given diagnosis based on observed data. This motivates a cost-sensitive classification problem in which the features (sensing results) are not given a priori; the algorithm determines which features to acquire next, as well as when to stop sensing and make a classification decision based on previous observations (accounting for the costs of various types of errors, as well as the rewards of being correct). We formally define the cost-sensitive classification problem and solve it via a partially observable Markov decision process (POMDP). While the POMDP constitutes an intuitively appealing formulation, the intrinsic properties of classification tasks resist application of it to this problem. We circumvent the difficulties of the POMDP via a myopic approach, with an adaptive stopping criterion linked to the standard POMDP. The myopic algorithm is computationally feasible, easily handles continuous features, and seamlessly avoids repeated actions. Experiments with several benchmark data sets show that the proposed method yields state-of-the-art performance, and importantly our method uses only a small fraction of the features that are generally used in competitive approaches.     

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。     

基于禁忌搜索和Q-learning的CR-NOMA系统的功率分配算法

针对下一代移动通信对于高速率和大规模连接的需求,对认知无线电(CR)-非正交多址接入(NOMA)混合系统中通过优化功率分配来提升次用户总传输速率进行研究,提出一种基于禁忌搜索和Q-learning的功率分配(PATSQ)算法.首先,认知基站在系统环境中观测并学习用户的功率分配,次用户采用NOMA方式接入授权信道.其次,...     

基于部分可观测马尔可夫决策过程的水声传感器网络介质访问控制协议

针对水声传感器网络低带宽、高延迟特性造成的空时不确定性以及网络状态不能充分观察的问题,提出一种基于部分可观测马尔可夫决策过程(POMDP)的水声传感器网络介质访问控制协议.该协议首先将每个传感器节点的链路质量和剩余能量划分为多个离散等级来表达节点的状态信息.此后,接收节点通过信道状态观测和接入动作的历史信息对信道的占用概率进行预测,从而得出发送节点的信道最优调度策略;发送节点按照该策略中的调度序列在各自所分配的时隙内依次与接收节点进行通信,传输数据包.通信完成后,相关节点根据网络转移概率的统计量估计下一个时隙的状态.仿真实验表明,与传统的水声传感器网络介质访问控制协议相比,基于POMDP的介质访问控制协议可以提高数据包传输成功率和网络吞吐量,并且降低网络的能量消耗.