网络效益最大化的认知无线电频谱分配算法

首先介绍了认知无线电系统中频谱分配的图论着色模型。针对该模型以网络效益最大化为目标,设计了自适应的交叉和变异算子,并在此基础上引入小生境技术,提出了基于自适应小生境遗传算法的认知无线电频谱分配算法。通过仿真实验比较了本算法、颜色敏感图论算法与经典遗传算法的性能。结果表明基于自适应小生境的遗传算法不易陷入局部最优,在较少的代数内就可以找到理想最优解,能更好的实现网络频谱效益最大化,其性能优于颜色敏感图论算法和经典遗传算法。     

认知无线电网络中系统效益最大化的频谱分配

传统遗传算法和自适应遗传算法在优化认知无线电网络的系统效益时易陷入局部最优。针对该问题,通过引入反映每个染色体基因特性的欧氏距离,对遗传算法进行改进,提出一种系统效益最大化的频谱分配方案。实验结果表明,该方案的频谱分配性能优于基于传统遗传算法和自适应遗传算法的方案。     

认知无线电网络中频谱分配算法

随着科学技术的发展,无线通信技术逐渐趋于成熟,虽然频谱资源日益增多,但是认知无线电的频谱仍是处于紧缺状态,在一定程度上对无线通信的发展有着阻碍和抑制的作用。比如一些用户的需求在认知无线电网络中并没有得到满足,这一问题具体表现在频谱分配算法的不够严谨,存在很大的欠缺。     

基于NSGA-II算法的认知无线电频谱分配

认知无线电中,频谱拍卖是解决动态频谱分配的有效方法,其主要目的是最大化所有主用户的收益。然而,主用户间的收益是存在冲突的,给拍卖算法的优化带来了困难。为此,提出一种新的拍卖方案,来解决获胜者确定问题(Winner Determination Problem, WDP)。在该方案中,动态频谱拍卖问题被建模成多背包问题,并通过非支配排序遗传算法II (NSGA-II)得到最终的解决方案。最后,仿真实验结果表明,就解决WDP问题而言,与贪心算法相比,NSGA-II算法有更好的表现。     

基于混合蛙跳算法的认知无线电频谱分配

提出一种二进制混合蛙跳算法和基于该算法的认知无线电频谱分配方法。对该方法与颜色敏感图论着色算法进行仿真比较,结果表明在最大化网络总效益和最大化公平效益准则下,基于二进制混合蛙跳算法的频谱分配方法的性能较高。二进制混合蛙跳算法能找到理想最优解,颜色敏感图论着色算法得到的解与理想最优解偏差较大。     

基于粒子群算法的认知无线电频谱分配算法

针对认知无线电空闲频谱分配过程中整体性能优化问题,建立了频谱资源受限情况下实现系统总带宽收益最大化、认知用户接入公平性最优的多目标模型,并结合问题特点设计了基于粒子群优化算法的智能求解算法,给出了具体的实施步骤。从系统总带宽收益、用户接入公平性和系统整体性能3个方面,仿真比较分析了所提算法同协作最大化带宽总收益和协作最大化比例公平性准则下的敏感图着色算法的性能,结果表明该方法实现了系统总带宽收益和用户公平性的折中,整体性能优于敏感图着色算法。     

认知无线电中基于博弈论的频谱分配算法*

利用博弈论分析了认知无线电网络中动态频谱分配问题,构建了基于博弈论的认知无线电频谱分配问题模型,提出了基于潜在博弈论的分布式频谱分配算法,并得到了相应博弈过程的纳什均衡。仿真结果表明,该算法能在较短时间内收敛到稳定状态,潜在函数取值达到最大值、系统总干扰水平降到最小、用户的SIR水平得到明显改善,达到了潜在博弈下信道分配的纳什均衡,实现了提高频谱利用率的目的。     

基于延迟认可算法的认知无线电频谱分配

提出两种在认知无线电CR(Cognitive Radio)用户数小于可用频谱数情况下,基于延迟认可算法的认知无线电频谱分配策略。两种策略都基于干扰温度模型,先分别计算CR用户对频谱的优先级排序和频谱对CR用户的优先级排序,然后在可用频谱数量多于CR用户数量情况下,应用延迟认可算法,将检测到的多个频谱分配给CR用户使用。仿真结果表明,通过多次循环分配,该策略能有效地降低分配复杂度,提高算法的收敛速度。     

认知无线电网络频谱分配与协作集划分算法

针对协作认知无线电网络中较为复杂的多主用户与多次级用户共存场景,提出联合频谱分配与协作集划分问题,并将该问题形式化描述为整数0-1非线性规划问题,证明其是NP-hard的.首先,设计了集中式的遗传算法CGA(centralized genetic algorithm)对问题求解,对该算法进行齐次有限马尔可夫链建模并对其全局收敛性进行了分析;随后,提出了一种包含两阶段的分布式遗传算法DGA(distributed genetic algorithm),包括基于最小支配集的分簇与频谱预分配阶段和簇间协作集协商与簇内适应值精化阶段.此外,还提出一种快速收敛的DGA算法(fast-convergent DGA,简称FDGA)缩短分布式算法运行时间.仿真实验结果表明,根据能反映出算法性能的适应值结果对各算法进行比较:(1)小规模网络下CGA获得的解平均为通过穷举算法得到的最优值的92％;(2)随着网络规模的扩大,由于CGA搜索空间增大,DGA,FDGA在达到相同停机条件时获得的适应值比CGA提高约20％;(3)与DGA相比,FDGA虽能得到与DGA相近的结果,但却大大缩短了算法收敛的时间,更适应于大规模网络应用.     

基于差分进化算法的认知无线电频谱分配

针对认知无线电系统中认知用户分配可用频谱问题,提出基于差分进化算法的认知无线电频谱分配算法。利用差分算法设置参数少、寻优能力强、不易于陷入局部最优等特点,得到可以使认知用户平均系统效益最大化的频谱分配方案。仿真结果表明,提出的算法不仅提高了用户平均系统效益,而且缩短了运行时间,提高了频谱分配效率。     

基于极值优化的频谱分配算法

针对认知无线电网络中的频谱分配问题,融合频谱的连续可用概率,提出了一种改进的分配模型,并基于频谱 分配问题的NP 特性,提出了一种基于极值优化的启发式智能求解算法。仿真实验表明：本算法能获得较好的频谱分配效果, 有利于频谱资源的有效利用。     

基于遗传算法的全双工认知无线电网络信道分配策略研究

随着无线通信业务的不断增长和智能终端的日益多样化,无线频谱资源变得愈加紧缺,认知无线电作为一项能够有效解决频谱利用率过低的技术,近年来引起了学术界和工程界的广泛关注。在认知无线电网络中,次用户以合作频谱感知的方式智能判断主用户的工作状态,以便在授权频谱的空闲时段内接入并加以使用。将全双工通信技术引入到传统的认知无线电网络中,实现了频谱感知和数据传输的同步,既能确保数据传输的连续性,又能减少对主用户的干扰,对提升无线频谱利用率具有重要作用。对于多信道全双工认知无线电网络的信道分配,建立了次级网络吞吐量最大化模型,并通过惩罚函数法,将混合整数非线性规划问题转换成不带约束条件的非线性规划问题,提出了基于遗传算法的全双工认知无线电网络信道分配策略。仿真实验结果表明,该算法能在综合考虑算法复杂度和性能的情况下,完成信道分配并保证次级网络吞吐量的最大化。     

认知无线电在频谱感知和资源分配方面的探讨

认知无线电是一种智能无线电技术,具有自主寻找和利用空闲频谱资源的能力,它是解决无线通信需求增长与频谱资源稀缺的有效途径。本文简述了认知无线电的基本原理,对其在频谱感知和资源分配方面的研究进行了总结,并探讨了该技术发展需要解决的几个关键问题。     

基于萤火虫算法的认知车载网络频谱分配

针对布谷鸟搜索算法在认知车载网中频谱分配收敛速度低的问题，提出了一种基于萤火虫算法的频谱分配方法。该方法考虑种群所获得的平均收益值，将频谱分配变量映射为萤火虫位置信息，并将车载网络的吞吐量转化为萤火虫的亮度值，采用萤火虫算法离散频谱分配变量并进行迭代寻优。数值结果表明，基于萤火虫算法的认知车载网络频谱分配方式的收敛速度快，且种群的平均收益值高于遗传算法和布谷鸟算法。     

认知无线网络中多信道频谱感知周期优化算法

为了使认知无线电次用户发现并使用更多的空闲频谱资源,提出了一种多信道频谱感知周期优化算法。针对实际网络中各授权信道使用规律的不同,本文基于交替更新理论建立了多信道状态转移模型,将各信道感知周期的选取建模为一个带约束条件的多目标优化问题,并采用遗传算法对其求解,获得了相对较优的多信道感知周期向量。仿真结果表明,本文提出的目标函数能够有效衡量多信道空闲频谱资源检测率。当目标网络中包含8个授权信道时,所提算法可发现的空闲频谱资源占实际空闲频谱资源的68.23%,相对于以相同周期对各信道进行频谱感知的OFDM机制提高17.68%。     

认知无线电中动态频谱分配问题的研究

介绍了认知无线电的研究现状,对认知无线电系统中已有的动态频谱分配模型进行了分析并结合各种算法进行了比较。在此基础上总结并提出了频谱共享的一些挑战性问题,探讨了动态频谱分配的一些热点问题并构想了未来的发展方向。     

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。