多载波认知无线电无线携能通信资源分配算法

认知无线电可通过频谱感知提高资源利用率,但会产生感知能耗,降低传输能量.为了保证认知无线电的传输性能,提出认知无线电可利用多载波实现无线携能通信,并分配通信资源,实现系统性能优化.认知无线电利用部分子载波传输信息,采集剩余子载波上主用户射频能量,补充感知耗能.提出的子载波和子载波功率联合优化算法,在保证能量、干扰和总功率受约束的基础上,可最优化系统的吞吐量和能量.仿真结果表明,能量采集会占用传输资源,需要合理分配子载波,使其在速率和能量间取得性能折中.提出的算法通过采集能量补充感知能耗有效地提高了系统吞吐量.     

基于免疫聚类的自动分层强化学习方法研究

为解决分层强化学习中现有的自动分层方法对环境和状态空间特性依赖过强的问题,提出了一种基于免疫聚类的自动分层强化学习方法．该方法以Sutton提出的Option框架为基础,在学习的初始阶段,每个Option仅包含一个人口状态且执行平坦策略,经过若干个学习周期对环境进行充分探测后,应用免疫聚类方法对状态空间进行聚类,同时生成每个聚类空间下的Option,并在学习过程中完成内部策略的学习,从而实现自动分层．以二维有障碍栅格空间内路径规划为问题背景进行了仿真实验,仿真结果表明该方法不受状态空间的结构性和可分割性以及强化信号延迟的影响．     

基于移动Agent的并行聚类算法模型

针对基于MPI环境的并行聚类算法需要手工配置数据,不利于调试程序等的不足,提出一个基于移动Agent的并行聚类算法模型.该模型以移动Agent为中心,负责系统性能数据的收集和计算任务的执行,可以实现数据的自动配置和计算.通过在基于移动Agent并行环境上的试验,该模型显示出良好的效率.     

伙伴选择问题的多Agent强化学习演化博弈方法

为了解决可供选择的企业伙伴组合规模日益扩大的问题,根据企业结盟伙伴选择招、投标问题的特点,建立了实现竞标费用和拖期惩罚费用之和最小的非线性整数规划模型.利用多Agent的强化学习思想和协调机制,在演化博弈算法的基础上,提出了多Agent强化学习演化博弈算法.将算法在多个不同规模的仿真实例上与遗传算法和演化博弈算法进行了对比分析,研究结果表明,该方法在处理规模较大的伙伴选择问题上,计算速度和达优率两方面的综合性能优势明显.     

认知无线电系统中OFDM多用户资源分配算法

基于认知无线电技术特点和OFDM传输特性,提出一种OFDM多用户资源分配算法．认知无线电用户根据感知的资源状况,针对用户的带宽以及QOS等要求,通过对子载波和功率的分配使得整个信道容量达到最大．本算法引入“调度因子”来体现用户子载波分配过程中“比例公平”的原则,保障每个用户都能满足一定的通信要求;引入“衰减因子”和用户设备类型,在不干扰授权用户通信的前提下进行多用户之间分配子载波和功率．算法采用“二步法”,以降低计算复杂度,满足于认知无线电实时性要求．仿真结果表明所提算法相对于FDMA方案信道容量至少提高40％．     

认知无线电系统中的联合功率控制

针对认知无线电系统的应用,提出了一种基于终端业务传输速率要求的限制区联合功率控制方案。该方案依据终端业务传输速率大小成比例的性质来分配终端发射功率。仿真结果表明,在认知无线电混合业务应用环境中,该方案可以兼顾不同业务速率终端传输速率的要求,为其分配比等功率分配方案更为合理的发射功率份额,提高了系统吞吐量和频谱利用效率。     

认知无线电中移动认知用户功率控制方法

传统认知无线电中的功率控制问题都是基于认知用户位置不变的情况,本文针对可移动认知用户的功率控制问题进行深入研究. 首先对不同通信场景进行分析和归一化整理,建立通用通信模型,极大的简化了干扰估计和功率控制算法;其次根据认知用户的可移动性,推导出授权用户所受干扰与认知用户移动距离和运动矢量方向的函数表达式,实现了认知用户对授权用户干扰的实时预测;根据预测结果采用最小发射功率准则实现认知用户的功率控制. 仿真结果表明,本文方法能够实时、高效的对认知用户进行功率控制,与采用固定步长的功率控制算法相比能够节约功耗20%.     

认知无线电中考虑机会容量的多业务资源分配

动态网络场景的频谱资源存在时变性,而传统基于静态特性的子载波组分配方式无法保障用户的业务需求．针对此问题,将子载波组的时变可用频谱资源建模成以子载波组中可用子载波数为状态的连续时间半马尔可夫模型,推导出子载波组机会容量的通用表示形式,并基于该模型结合不同用户的多业务需求以最大化系统机会容量为准则,提出了一种基于子载波组机会容量的多业务资源分配算法．仿真结果表明,所提算法在频谱环境变化场景下能有效保障用户多业务的需求．     

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。     

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。     

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.     

认知无线电中基于相似性的自适应分簇算法

针对认知无线电网络(CRN)中可用信道实时变化的特点,运用图形理论提出一种基于相似性的自适应分簇(CBAC)算法. 以用户可用信道的相似性为基础,结合考虑用户的移动性,通过计算节点权值实现CRN的优化分簇. 仿真分析证明,CBAC算法提高了系统的链路平均可用信道数,相比传统的分簇算法,能提高频谱的利用效率.     

认知无线电系统转移接入概率的动态子载波分配

针对认知无线电系统可用子载波的动态变化,提出一种基于接入概率的动态子载波分配方法. 该方法通过控制认知用户在子载波上的接入概率最大化系统的吞吐量,保证了用户的服务质量需求. 为简化求解过程,提出一种基于接入概率转移的启发式算法,该算法可将子载波接入概率在用户间转移,直至所有用户的速率需求都得到满足. 仿真结果表明,在瑞利衰落信道环境下启发式算法能得到全局最优解. 同时,与现有动态分配方法和载波侦听多路接入方法相比,新方法能有效地提高系统吞吐量性能.     

基于分布式认知无线电的非合作博弈频谱分配算法

基于博弈论的认知无线电频谱分配问题,是目前认知无线电领域的研究热点之一.分布式认知无线电系统的网络容错能力强,易于架设并且通信可靠性高.采用博弈论算法对认知无线电网络的频谱分配进行建模分析,可以很好的提高自适应算法的性能和收敛速度且降低了算法的复杂度.仿真结果表明,该分布式系统中的频谱分配算法收敛速度快、复杂度低并且具有很好的通信可靠性.     

基于连续感知信息的认知无线电普适性框架

认知无线电网络中,受当前频谱感知和功率分配概念的束缚,次用户系统的频谱利用率和信道容量仍十分有限。分析了传统的认知无线电框架,提出了一种基于连续感知信息的普适性框架,即次用户在得到感知信息后,不再对主用户是否存在进行二元判决,而是根据连续感知信息直接进行功率分配。分别在连续功率分配和多电平功率分配的场景下进行了数学建模,分析结果表明,所提出的普适性框架给出了认知无线电系统性能的理论上限,而传统的3种认知无线电框架仅是所提出的普适性框架的特殊情况。     

认知无线电网络子载波和功率分配

在干扰温度和总发送功率的限制条件下,提出了一种基于正交频分多址（OFDMA）接入方式的认知无线电网络上行链路子载波和功率分配算法,目标为最大化系统吞吐量。算法在初始分配方案的基础上不断调整,最终逼近最优分配方案。仿真结果表明,提出的算法在大幅度降低计算复杂度的同时,达到了接近穷举方案的性能。     

认知无线电具有时延约束的干扰功率分析

为量化认知无线电队列时延与干扰功率之间的关系,提出一种功率分配方案. 此方案以最小化主用户接收端平均干扰功率为目标,受限于次用户时延服务质量约束. 推导非对称Nakagami-m衰落信道平均干扰功率闭合解. 仿真结果表明,干扰功率与时延约束之间存在折中. 当时延约束较严格时,认知无线电系统通过天线分集可显著降低次用户对主用户的干扰.     

认知无线电网络中的合作频谱分配算法（增刊修改稿）

研究认知无线电网络中的动态合作频谱优化分配，给出了基于图着色理论的频谱分配模型，针对固定拓扑提出了加权分布式贪婪算法WDGA、基于公平性的分布式贪婪算法BFDGA及改进的随机分布式算法IRDA，分别实现了基于吞吐量、公平性及合作开销的频谱优化分配；针对可变拓扑提出了一种快速信道调整算法FCAA，在保证吞吐量和公平性性能的前提下可以明显减小开销。     

认知无线电系统的一种联合频谱分配算法

在认知无线电系统中,博弈论算法从频谱共享池中获取频谱困难.为了提高自身传输速率,同时使频谱可以充分利用,采用图论算法快速地初次分配频谱,联合博弈论方法优化信道.仿真结果表明:在传输功率的约束下,联合频谱分配算法提高了自身的效用(速率),能够充分利用频谱资源,合理分配功率,仿真验证了图论和博弈论联合的算法是有效的.