能量有效的频谱感知与接入策略联合优化算法

针对认知无线电网络中次用户节点能量受限问题,提出了一种联合考虑频谱感知和接入策略的能量有效优化算法。根据主用户非时隙接入信道可能与次用户发生碰撞的特点,基于连续时间马尔科夫理论对次用户的频谱感知和接入策略进行建模,在满足碰撞概率约束的条件下,通过合理设置次用户的感知时间和接入概率实现了感知性能与传输能效的有效折衷。仿真结果表明,相对于仅考虑感知时间或接入概率的传统优化算法,所提算法可使次用户的能量有效性得到显著提高。     

OSA中基于能量有效性的感知时隙长度优化设计

针对非时隙主网络中机会频谱接入系统,为了在感知性能与传输效率之间进行有效折中选取最优的感知时隙长度,采用连续时间马尔科夫过程对次用户的感知活动进行建模和分析,在满足对主用户的碰撞概率约束的前提下,设计接入策略控制次用户的接入概率,优化感知时隙长度,最大化次用户的能量有效性。仿真结果表明,次用户通过选取最优的感知时隙长度,可使其能量有效传输效率得到优化。     

基于无速率编码的认知无线电系统能量分配算法

针对目前广泛应用的认知无线电技术,研究最大化认知系统能量利用率的问题.全局计入信道特性和系统本身特性对能量利用率的影响,利用无速率编码对网络动态环境的自适应能力以对抗主用户不可预知的出现,研究基于无速率编码的多信道认知无线电系统的能量分配算法.通过引入周期频谱感知模型,提出的能量分配算法根据信道和系统特性分配从用户的感知能量和传输能量,利用系统门限约束干扰概率以保护主用户通信.仿真结果表明,对应不同的信道或系统特性,提出的算法均能够显著降低能耗,提高能量利用率.     

删余协作频谱感知性能分析及优化

提出了一种新的基于删余的协作频谱感知方法,通过减少实际发送的本地决策值数来节约控制信道带宽,降低检测性能对认知用户数的依赖; 分析了这种删余协作频谱感知在感知信道和报告信道均存在衰落下的性能,它可以有效解决报告信道衰落所带来的尾感知问题,降低了虚警率; 提出了进一步优化算法,算法在确保主用户受到足够保护的前提下,通过寻找最优的次用户数和相应的检测门限使次用户的接入机会最大化．仿真结果与理论分析相一致．     

基于概率密度估计的认知无线电动态频谱接入算法

提出一种基于概率密度估计的动态频谱接入算法,通过由支持向量机拟合出的授权频段空闲时长的概率密度,对信道状态进行评估,认知无线电用户根据信道状况选择接入. 该算法可以进行自适应调整,具有良好的实用性与灵活性. 仿真结果表明,所提出的算法可以有效降低信道的冲撞率,同时提高认知无线电用户的吞吐量和服务质量.     

基于加权多特征参数模型的动态频谱接入方法

为尽可能满足认知网络系统对认知用户多种类型业务的传输需求,提出了一种基于信道加权多特征参数模型分组聚类的动态频谱接入技术. 通过建立可接入信道的加权多特征参数模型,采用多目标聚类实现信道的频谱池分组划分,以实现认知用户频谱的动态接入,满足认知用户业务传输对频谱性能的需求. 通过多特征参数组合、动态频谱仿真实验验证,结果表明该方法可有效地实现信道的性能划分,提高认知用户的频谱接入效率和业务传输性能.     

协同无线网络中感知传输时间分配与功率控制的联合优化

针对协同无线网络中频谱感知和数据传输两阶段的时间分配及功率优化问题,在充分考虑认知用户在各个信道上的不同传输功率及其对授权用户出现概率的误检或漏检的基础上,提出了放大转发模式下基于最大化系统传输能效的感知传输时间分配和功率控制联合优化方案,并证明了该方案可以通过序列优化的方法来获得其全局最优解.仿真结果表明,协作中继传输方式下所获得的系统传输能效明显优于非中继传输方式,且随着感知传输时间分配比率的减小和授权用户信噪比的增加,系统性能将得到进一步提高.     

基于概率预测的动态频谱接入信道选择方法

对动态频谱接入中的多个频谱的选择问题进行了研究,综合考虑物理层频谱感知错误和信道衰落等不利影响,提出了一种基于概率预测的动态频谱接入策略.该策略基于交替更新过程的结论,能够在提高频谱利用率的前提下为认知网络中次用户选择可用度较好的信道.推导了该方法的时延性能理论分析结果,仿真结果表明,提出的算法与现有的随机频谱接入算法相比具有更好的时延性能.     

基于多特征参数模型聚类的动态频谱接入策略

为尽可能地提高认知网络系统对认知用户多种不同业务类型的传输质量,提出了一种基于信道多特征参数模型聚类的动态接入技术。在建立认知用户可接入信道的多特征参数模型的基础上,利用多目标聚类方法实现信道的频谱池划分,用于指导认知用户制定不同的信道动态接入策略,满足认知用户不同的业务传输对频谱性能的需求。通过了多种参数组合以及动态频谱仿真实验验证,结果表明该方法可有效地实现信道的性能划分,提高认知用户的频谱接入效率。     

认知无线电最优用户选择协作频谱感知

提出了基于最优用户选择的协作频谱感知方案,通过引入Gerschgorin圆盘理论建立用户选择机制,筛选出信道条件最优的若干个认知用户,由其对应的感知数据空间生成全局判决统计量以实现最优协作感知,并在此基础上提出迭代门限算法,进一步优化感知性能.理论分析和仿真结果表明,该方案无需知晓授权用户信号、信道、噪声功率等先验信息,对噪声功率不确定性具有较强的鲁棒性,且当接收机采样次数和参与协作的用户数都受限时,感知性能仍然很稳定,可作为协作频谱感知的现实可实现方案.     

认知无线电中传输阶段频谱感知研究

认知无线电系统中,如何进行有效地频谱感知是关系到次用户系统传输效能的首要问题,也是认知无线电长期的研究热点之一。传统的认知无线电中,频谱感知只发生在特定的感知阶段,而忽略了决策、传输阶段信息对频谱感知的支持作用。提出了一种充分利用传输阶段的信息进行频谱感知的方法,并基于感知结果优化下一阶段的发射功率分配。考虑基于解码信息的频谱感知算法,在传输阶段,次用户接收机在接收到次用户发射机的信息后,对信息进行解码;之后,将次用户信息从接收信号中去除,利用剩余的信号检测主用户的工作状态,并根据状态的不同,优化次用户下一阶段的发射功率。数值仿真结果表明,相对于传统的衬底式认知无线电算法（传输阶段的信息没有被用于频谱感知）,在对主用户造成相同的平均干扰情况下,提出的算法能够在一定程度上提升次用户平均信道容量。提出的算法通过对传输阶段信息的二次利用,能够为频谱感知行为提供更多的可用信息,提升检测主用户当前工作状态的正确率,在对主用户造成一定的平均干扰约束下,更加精确地控制次用户自身的传输参数,从系统机制的层面上提高了对通信信道的综合利用率。     

认知MIMO系统中基于博弈论的干扰对齐算法研究

为消除用户间干扰,提高认知无线电多输入多输出（CR-MIMO）系统传输速率,给出一种基于博弈论的干扰对齐算法。该算法首先采用注水算法为主用户进行功率分配,同时设计次用户预编码使次用户信号落入主用户未分配功率的子信道。然后将次用户之间的多条干扰链路构成一个博弈群体进行求解,实现次用户之间的干扰对齐。此外,为最大化次用户传输速率,将次用户功率分配问题转换为布谷鸟鸟巢的选择问题,构造适应度函数,得到最优的功率分配方案。数值分析表明,该算法可以消除主次用户的干扰以及次用户之间的干扰,传输速率比最大信干噪比（Max-SINR）算法高2 b·s-1·Hz-2,同时,结合布谷鸟搜索算法进行功率分配后传输速率高于文献[13]。     

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.     

联合功率控制的D2D资源分配算法

针对D2D通信引入LTE网络中同频干扰以及能耗过大问题,首先基于模糊聚类算法,将D2D用户分成若干个D2 D用户组,并且基于中断概率最小为每个D2 D用户组寻找最优蜂窝用户资源,以降低用户间干扰、提高系统吞吐量。其次结合上述资源分配提出了一种有效的功率控制方案,调节资源分配后用户组内D2 D用户的发送功率,以提高系统能量效率。仿真结果表明：该算法降低了系统干扰,提高了系统吞吐量以及系统能量效率,同时又保证了D2 D用户获得无线资源的公平性。     

认知无线电网络中基于演化博弈的协作频谱感知技术

 提出了一种基于演化博弈理论的认知网络协作频谱感知方法．对协作频谱感知中次级用户的传输时间和吞吐量进行分析,建立协作感知的博弈模型并研究其动态演化特性,基于次级用户吞吐量最大化准则,得到相应纳什均衡解,在此基础上提出一种次级用户自适应分布式学习算法．理论分析和仿真结果表明,这种协作感知方法在保证检测性能的基础上,有效减少了协作通信开销,提高了次级用户吞吐量．     

基于D2D的C-V2V车载协作通信资源分配算法

针对基于设备到设备(device-to-device,D2D)的蜂窝网络下车载无线通信技术(cellular-vehicle to everything,CV2X)中复用蜂窝用户资源带来的能效问题,提出了一种能效优化算法.通过新的功率控制方法最大化车载用户(vehicle user,V-UE)总能效,并利用能量收集技术...     

Joint optimization of cooperative sensing and transmission in energy-efficiency cognitive radio

Aiming at the low energy utilization caused by the sensing energy consumption of cognitive radio (CR), we propose to improve the energy efficiency (EE) of multi-channel CR by jointly optimizing cooperative spectrum sensing and transmission resources. Setting optimizing parameters such as cooperative spectrum sensing time, sensing threshold, transmission bandwidth and power, etc., the optimization model for maximizing EE is built based on the periodic cooperative spectrum sensing. The proposed non-convex optimization model is effectively resolved by a combined algorithm of the interior method and Dinkelbach's optimization. Simulation results show that when the detection probability is 0.6, compared with the traditional maximizing spectrum efficiency model, the transmission rate of the maximizing energy efficiency model increases by 100bit/(s·Hz^-1) under unit energy. The proposed model decreases the sensing power consumption and improves the energy utilization effectively.