认知网络中协作感知吞吐量的优化

为了提高集中式认知网络的吞吐量,提出了基于信任度的吞吐量优化算法.该算法在主用户充分保护的前提下,以认知用户的吞吐量为目标函数,融合中心采用双门限值对本地感知结果进行融合.从理论上证明了吞吐量是全局漏检概率的增函数,当全局漏检概率等于门限值时,吞吐量达到最大值.并利用牛顿迭代法求出单节点概率,然后采用遍历法可得到认知用户吞吐量最大值.仿真结果表明,当信噪比为-14 dB时认知用户融合优化算法相对"AND准则"OR准则"以及"HALF准则"归一化吞吐量分别提高了0.62、0.3和0.09.     

认知无线电网络中次用户平均吞吐量的优化

协作频谱感知的认知无线电网络中,已有研究表明增加参与协作频谱感知的次用户数量能够提高感知性能,进而提高信道吞吐量。然而,由于信道容量的限制,不断增加参与协作感知的次用户数量并不会使信道吞吐量无限提高,反而会使次用户平均可获得的吞吐量不断降低。针对上述问题,该文以次用户平均吞吐量为优化目标,证明多信道条件下,对于任意给定的融合参数,次用户的平均吞吐量是感知时间的凸函数,并提出交叉迭代算法进行2维优化。仿真结果表明,当信噪比为-10 dB时,次用户使用交叉迭代算法获得的平均吞吐量较已有算法可提高20%以上。     

协作认知网络中基于融合准则与感知时间联合优化的策略

在协作频谱感知网络中,感知时间和数据融合准则均影响着感知性能.假设控制信道为二进制对称信道的前提下,基于“k秩准则”建立了协作感知网络吞吐量优化问题的数学模型,目的是在保护主用户利益的前提下联合优化感知时间和k值使认知网络吞吐量最大化.理论分析了最优感知时间和k值的存在性,并进行了相关的计算机仿真.仿真结果表明:所提议...     

认知网络中基于数据冲突的帧结构优化

在主用户数据流量的指数分布模型基础上,考虑认知用户和主用户之间必然存在的数据冲突的影响,基于认知网络有效数据吞吐量的最大化准则,建立了认知网络帧结构参数中感知周期与检测时间的联合优化模型。鉴于理论证明的困境,通过基于Armijo非精确线搜索的最速下降算法求得了优化模型的全局最优解,结果验证了优化模型的有效性,实现了认知网络的数据吞吐量与帧结构的折衷优化。搜索算法的结果与同时给出的理论数值仿真是一致的。     

无线认知网络国内外研究现状

无线认知网络(Wireless Cognitive Network,WCN)是在认知无线电(Cognitive Radio,CR)技术基础上形成的网络形态,是当今通信技术的前沿研究领域之一。无线认知网络具有高度智能化能力,能感知网络的环境信息和分辨当前的网络状态,并根据这些状态进行相应的规划、决策和响应。WCN主要应用于机会频谱接入(Opportunistic Spectrum Access)主用户(合法的授权用户,具有较高的优先权接入频谱),而次用户(具有认知功能的非授权用户)通过智能感知周围的无线环境,并在对主用户不造成有害干扰的情况下机会接入授权频谱。     

基于中继协作的认知无线电性能研究

频谱感知是认知无线电技术的关键。协作频谱感知能够充分利用网络资源,提高网络中认知用户的检测概率,降低认知用户的虚警概率。基于两个认知用户之间的中继协作,研究了协作频谱感知的感知性能与吞吐量的折衷。仿真结果表明：中继协作的频谱感知方法能够使得在充分保证对授权用户不造成干扰即检测概率一定时,能够有效地降低认知用户感知授权用户的虚警概率,缩短＂弱＂认知用户获得最大吞吐量的最优感知时间,提高其最大吞吐量,并提高认知系统的最大吞吐量。     

合作频谱感知吞吐量和感知时间关系的研究

频谱感知是认知无线电的关键技术之一,能量检测是频谱感知的常用方法.为了用最少的频谱感知时间得到最大的系统吞吐量,文中研究了在合作频谱感知情况下两者的关系.通过仿真得到,合作频谱感知可以增加系统的吞吐量,减少频谱感知时间,同时用户的数量以及帧长对增加系统吞吐量和减少感知时间均产生一定的影响.     

认知无线电技术研究

人们对于无线通信数据传输速率的要求越来越高,这必然会导致各种通信系统更加依赖于频谱资源,让本就供不应求的频谱资源变得日益紧张起来,从而对通信技术产生不利影响。不过,频谱资源在使用过程当中,却存在着严重的浪费现象,很多需要频谱资源的无线系统却不能得到频谱资源,让大量频谱资源出现了闲置的现象。对此,如何解决这一问题,关系到了通信系统的发展。文章主要分析了认知无线电技术对于频谱资源的有效利用,从而解决了频谱资源供求紧张问题,以及频谱资源大量浪费的问题,使频谱资源得到了优化配置和有效利用。     

认知无线电网络中基于强化学习的智能信道选择算法

认知无线电系统不仅要具有自适应性,更应具备一定的智能性。该文将强化学习理论引入到认知无线电系统中,用于解决次用户在频谱感知过程中的信道选择问题,提出了一种基于强化学习的信道选择算法。该算法在未知主用户占用规律和动态特性的前提下,仅通过不断与环境进行交互学习,便能够引导次用户选择“较好”信道优先进行感知,使次用户吞吐量得到提高。仿真结果表明,相对于现有信道选择算法,所提算法可有效提高次用户的吞吐量,并且在主用户使用规律发生变化时,能够自动实现二次收敛,可作为认知无线电系统迈向智能化的一种尝试。      

认知Ad Hoc网络吞吐量分析与优化

考虑两个无线Ad Hoc网络（主网络与次级网络）的并存模型:主网络与次级网络节点依照不同密度的空间泊松点过程并存于同一区域并共享同一频谱,两种网络节点均采用时隙ALOHA协议,按照各自的传输概率进行通信。本文首先根据随机几何理论对来自本网络的自干扰与来自其它网络的互干扰进行建模,然后分别推导了在AWGN信道和Rayleigh衰落信道下,单网络及并存式网络时节点平均吞吐量的闭合表达式,最后采用优化准则得到最佳传输概率,使节点平均吞吐量达到目标性能上的最优。仿真结果表明:经推导的闭合表达式与仿真值相近;在比例公平准则下,传输控制策略能达到主网络与次级网络之间公平性与高效性的折中。      

Sensing tasks allocation in cellular-based cognitive radio network

In Cognitive Radio (CR) Networks, especially in Cellular-based CR networks, in order to obtain the precise spectrum state which is available in the whole coverage, the spectrum sensing function need to be accomplished by the cooperation of multi-sensing nodes, i.e., cooperative spectrum sensing. This paper mainly focuses on the key question of the cooperative spectrum sensing: How many sensing nodes are required and how to allocate the sensing tasks to these sensing nodes in an effective way? In this paper, we classify the spectrum bands into three categories by a pre-sensing mechanism, in order to firstly exclude unavailable channels and select candidate channels for fine sensing in the next stage. Then the required number of sensing node for each candidate channel is determined by the proposed scheme. Through the scheme proposed in this paper, the sensing tasks allocation in cellular-based CR network can be accomplished in a high effective way and the sensing overhead could keep a low level.     

认知无线电中基于截断序贯检测的频谱感知技术

序贯检测的检测时间是随实际接收信号采样点的变化而不同的随机变量,在平均意义上,序贯检测有较高的检测速度,但是个别情况下可能需要很长的检测时间,为了避免这种现象的发生,同时提高认知无线电中频谱感知的速度,该文提出了一种截断序贯检测算法。首先分析了截断对传统序贯检测性能的影响,给出了虚警概率和漏检概率的上限,然后基于该性能上限得到了截断序贯检测的检测门限,最后给出了截断序贯检测算法的流程。仿真结果表明,该算法在有限的检测时间内,能够满足系统的性能要求,且其平均检测时间小于传统的能量检测。     

频谱异构认知无线电中基于吞吐量降的空时频谱机会感知

在认知无线电(CR)中,频谱感知是实现动态频谱接入的关键技术之一。为适当保护主用户并最大化次级用户的性能,目前大部分相关工作均是用虚报概率和漏检概率作为感知度量来确定最佳感知参数的。但这种度量是用主次用户的碰撞概率来衡量次级用户对主用户的影响的,没有考虑干扰强度的影响,仅适合同构频谱环境;在不同位置次级用户有不同接入机会的异构频谱环境中,并不能最大化频谱利用率。为此,该文首先定义了吞吐量降,并提出在异构频谱环境下采用吞吐量降作为一种新的感知度量。吞吐量降是指由于次级用户占用授权频谱而导致主用户吞吐量下降的百分比。在衡量次级用户对主用户的影响时,它综合了主次用户的碰撞概率和干扰强度两个因素;其次,研究了以吞吐量降为约束的次级用户吞吐量优化问题。最后,数值仿真证实了该方案比目前几种传统方案的频谱利用率显著提高。     

认知无线网络中一种基于蚁群优化的频谱分配算法

针对认知无线电中的频谱分配问题,该文提出一种基于蚁群优化的频谱分配方法。该方法在授权用户和认知用户共存的认知网络模型中,通过蚁群访问各个认知节点,并释放信息素,从而实现概率型的全局搜索的并行频谱分配算法。与传统的频谱分配方式比较,该算法能够进行增强型学习积累,快速收敛到最优路径,从而获得了最优的平均信道效益。文中对该算法进行了分析和说明,并通过仿真证明了算法的有效性和稳定性。     

基于次用户功率控制辅助的合作频谱感知

传统的合作频谱感知一般将感知环境建模为单级信道,且次用户一般都以相同的发射功率向数据融合中心报告感知数据,难以体现并利用不同次用户感知数据之间的空间分集差异。为解决此问题并有效地设置次用户在感知数据上报阶段的发射功率,该文提出了3种最优功率控制方案,以获得相应设计准则下参与合作感知的次用户最优发射功率。在融合中心理想具备感知信道和报告信道的统计特性时,通过理论推导获得了基于信道统计特性的功率控制闭式解方案;当信道统计特性难以现实具备时,分别获得了基于联合信道统计特性估计的最大特征功率矢量及盲加权多特征功率矢量方案。理论分析和仿真实验表明,在不同的先验信息条件下,3种方案的性能皆远优于缺少功率控制的合作感知方案。     

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。     

一种认知无线电周期数据传输优化机制

如何合理选择频谱感知时间和数据传输时间使系统传输效率最大化是认知无线电研究的一个重要方向,具有极其广泛的应用背景。针对该问题,该文提出一种认知无线电周期数据传输优化机制,并分别给出频谱感知时间、信道搜索时间以及数据传输时间的优化计算方法。从数值及仿真结果可知,在不同的主用户到达强度的情况下,所得到的最优频谱感知时间、最优信道搜索时间和最优数据传输时间能够确保对主用户的保护性并有效降低数据传输延迟。     

一种无人机侦察图像质量评价模型

机载压缩、链路传输等过程都可能导致无人机侦察图像质量下降,能否对其进行客观评价已引起人们的注意。目前,图像质量评价研究的主要困难是主观质量评价和客观质量评价之间存在偏差。利用峰值信噪比(PSNR)和结构相似度(SSIM)作为图像质量的描述参数,同时把侦察图像分为侦察态和搜索态2类,并基于支持向量机(SVM)进行分类建立无人机侦察图像质量客观评价模型。机载原始图像和压缩、传输后图像数据实验比较,该模型的输出能有效地反映图像的主观评价。     

基于次用户分级的PRP M/G/m排队论频谱切换模型

为满足次用户不同时延需求并提高信道利用率,该文提出一种基于次用户分级的PRP M/G/m排队论频谱切换模型。首先,根据次用户主要业务的时延需求不同,对次用户进行分级评价,将次用户分为时延敏感型和非时延敏感型用户,时延敏感型次用户具有更高的优先级来接入信道。其次,采用PRP M/G/m排队论来建立基于用户分级的频谱切换模型。同时推导和分析了该模型下不同优先级次用户扩展数据传输时间,进而提出了面向各级次用户自适应频谱切换策略。仿真结果表明,相较于已有频谱切换策略,该模型能有效降低次用户切换时延以及扩展数据传输时间,保证高优先级次用户的服务质量,提升次用户频谱切换的综合性能。