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%。     

认知无线电网络中利用FEC和DE的多节点频谱感知算法

针对认知无线电网络(CRN)中空闲频谱感知困难的问题,提出了利用前向纠错和差分进化算法的多节点频谱感知算法;首先,利用基于差分进化算法的协同检测完成信号感知;然后,研究了信道噪声对频谱感知性能的影响;最后,分析了前向纠错技术在信道存在噪声时对频谱感知性能的影响;仿真实验将纠错和无纠错控制信道的不同信噪比作为依据,采用3种不同的检测方法评估了文章的算法;结果表明,在存在噪声的认知无线电网络中,该算法提高了系统的性能和检测概率,且协同感知算法的性能随着节点数目的增加而提高,该算法适合应用于实时性要求较高的应用程序.     

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。     

基于智能电网的频谱感知算法研究

宽带微功率（Broadband Micro-Power, BMP）无线通信系统是为满足智能配用电系统的通信需求，在非授权频谱资源上研究开发的电力无线专网系统。认知无线电（Cognitive Radio, CR）的频谱感知技术的引入，虽缓解了目前智能电网频谱资源紧张的问题，但系统在低信噪比下单用户的感知准确性仍需提高。针对上述问题，提出一种基于变步长的最小均方（Variable Step Size Least Mean Square, VSS-LMS）频谱感知算法。该算法在对原始发送信号幅度进行迭代估计时，增加两个参数作为调节器，可以灵活地调整步长，并对误差信号进行平滑处理，从而解决收敛速度与稳态误差的矛盾，实现高效的频谱感知。仿真实验表明，该算法不仅具有较好的收敛性，且在低信噪比下仍有较好的检测性能。与能量检测算法和LMS频谱感知算法相比，该算法使系统的频谱检测性能得到提升。     

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。     

基于合作博弈的认知卫星网络信道分配与上行功率控制算法

随着通信业务需求的不断增长,频谱资源的有限性使得卫星通信网络和地面网络都面临着严重的频谱危机。认知无线电技术的出现,使得卫星网络与地面网络共用频率资源以提升网络效用成为可能。文中对认知接入分配给地面网络作为主用户的同一频谱资源的认知卫星网络的功率控制和信道分配问题进行了研究。根据卫星网络和地面网络的特性构建了合理的系统模型,并利用中断概率门限表征了信道估计误差对系统容量的影响。为了保护主基站的通信性能,在考虑信道估计误差、信道资源约束、认知卫星用户最大发射功率和微波基站干扰约束的条件下,根据议价博弈理论设计了优化函数。其次,根据凸优化理论推导了最优发射功率和信道分配的闭式解,并在此基础上设计了一种对偶迭代算法来求解该优化问题。最后,根据卫星网络的特性设置了合理的网络参数,并根据参数利用Matlab仿真平台对提出的算法进行了仿真实验。仿真结果表明:所提方法在不同到达速率的条件下均具备良好的收敛性;信道估计误差会降低网络的总容量;所提方法在波束数多于15个时,相比比例公平性算法容量提升超过50 bps/Hz,相比最大容量法公平性能提升超过一倍,因此,相较于这两种方法,该方法能在系统容量和用户间公平性之间获得较好的折中。     

基于频谱聚合技术的多用户短波机会频谱接入

研究了分布式短波机会频谱接入系统中的信道探测问题。由于频谱资源的稀缺性,将认知无线电技术应用到短波通信得到了广泛关注。多个次级用户按序感知授权信道,根据感知结果决策出授权信道是否可用,利用频谱聚合技术实现数据传输。然而频谱聚合的能力受到无线通信设备的约束。本文提出一种在硬件受限条件下,考虑次级用户间相互影响的动态的停止方法。在该方法中,信道空闲概率能够随着信道探测过程而改变,并且次级用户能够定期地释放先前时隙感知的信道。仿真结果表明,所提的动态停止方法能够有效提高短波通信系统的网络性能。     

车联网D2D通信中最大化频谱资源利用率分配算法

无线通信技术快速发展,终端设备不断增多,为缓解这一现象,提升系统网络容量,针对车联网蜂窝D2D(device to device)通信资源分配问题,提出了一种最大化频谱资源利用率分配算法.该算法以最大化频谱资源利用率为优化目标,在满足车联网通信的基本服务质量(quality of service,QoS)下,通过V2V(vehicle to vehi-cle)和V2P(vehicle to people)共享信道资源来提高频谱资源利用率.首先利用信道状态信息定义的链路增益因子为终端用户找到潜在的通信链路集合;然后证明终端用户复用链路资源时功率分配问题为一个凸优化问题,利用凸优化理论求得最优传输功率;随后求解最优的信道匹配问题,此问题为多对一的加权匹配问题,为降低算法复杂度用KM(Kuhn Munkres)算法来求解.仿真结果表明,所提算法较其他算法能够有效地提升系统吞吐量、提高频谱资源利用率、提升网络性能,优化车联网通信资源分配问题.     

基于协作频谱感知的智能电网通信网性能研究

将认知无线电频谱感知技术应用于智能电网的通信网中,可以有效提高频谱资源的利用率。现有研究仅考虑单用户单供电商,但是对需求响应管理性能与感知能耗权衡问题却没有给出理想的解决方案。建立基于多节点协作频谱感知的多用户单供电商智能电网通信网模型。在此基础上,为求解该模型需求响应管理和能耗感知性能权衡问题,提出基于多目标粒子群(MOPSO)的求解方法。仿真结果表明,所提协作频谱感知模型可以显著提高系统需求响应管理性能;MOPSO算法可实现系统需求响应管理性能和感知能耗的最佳权衡,有利于决策者根据实际要求灵活选择最优方案。     

具有并行信道的认知无线网络性能评价研究

认知无线电是在当前频谱资源利用率低下的背景下提出的一种新型无线通信技术.认知无线设备通过自适应频谱感知寻找空闲频谱,实现频谱动态分配和频谱共享,显著提高可用频谱利用率.单信道认知无线系统已有很多研究,但是并行信道系统由于其自身的系统复杂性,研究成果较少.这里利用二状态的Markov链(Markov chain)来描述系统的数据到达特征和并行系统的信道特征,同时利用随机网络演算理论对数据到达过程和信道服务过程进行了形式化建模.通过建立随机到达曲线和随机服务曲线,刻画出数据流的到达特征和并行信道的服务特征,进而得出时延与积压的随机性能边界,对认知无线网络的性能进行评价.最后,通过数值分析与Matlab仿真验证了框架的有效性.     

认知无线电技术在煤矿井下的应用研究

针对现有煤矿井下无线通信系统载频和调制方式等参数固定、无法适应巷道信道模型变化而导致通信可靠性低的问题,提出了在煤矿井下无线通信系统中应用认知无线电技术的方案,即利用认知无线电技术感知通信系统所处巷道的频谱和信道模型,实时、自适应地调整载频、调制方式等传输参数的特点,从而优化煤矿井下无线通信网络的传输性能;综合分析了认知无线电在煤矿井下应用的可行性;最后给出了认知无线电在煤矿井下应用的实现模式。     

信息分发管理仿真系统的设计与实现

针对无线通信网络的服务质量(QoS)和网络拥塞问题,设计基于虚拟覆盖网技术的信息分发管理仿真系统。分析机动环境下无线通信的需求,通过在应用层建立虚拟覆盖网络,实现网络状态感知、QoS路由计算、业务传输优化等关键功能,并在OMNeT++仿真环境下进行系统实现。评测结果表明,该系统能提高无线通信网络的业务传输性能。     

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Matlab和通用软件无线电外设的频谱感知实现

为提高频谱资源的利用率,针对实际无线通信信道,搭建基于Matlab和通用软件无线电外设的无线通信系统平台,应用能量检测法对主用户信号进行频谱感知和可用频谱带宽估计,实现频谱检测并为次用户的频谱接入提供判断依据。实验结果表明,该方法能快速准确地实现无线电系统通信,并且在高信噪比和采样个数较多的情况下,能较好地检测频谱占用情况,满足认知无线电频谱感知的要求。     

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。     

认知智能电网邻域网络的频谱分配策略

可靠、高效的通信网络是充分发挥智能电网潜力的前提。针对智能电网的无线通信环境存在频谱短缺、资源利用效率低等问题,文中将认知无线电技术应用于智能电网的邻域网络通信中,引入认知智能电网概念以保证业务传输的公平性和有效性,考虑了通信过程中的信噪比和路径损耗后,选择网络吞吐量作为信道效益,并在拓扑结构固定的城市居民小区进行建模仿真。在此基础上,提出了一种改进二进制猫群(Weight Binary Cat Swarm Optimization,WBCSO)优化的频谱分配算法。首先,在二进制猫群算法(Binary Cat Swarm Optimization,BCSO)的速度更新公式中加入非线性动态的惯性权重,它随着迭代次数的增加而非线性地递减,以防止算法早熟;其次,引入繁殖算子,产生子代猫群以增加种群的多样性,以获取更好的全局最优解;然后,选用了4个常用的基准函数对改进后的算法进行性能测试,测试结果表明WBCSO算法的优化均值和标准差都优于BCSO算法;最后,以系统总效益和用户公平性为优化目标,将其与二进制遗传算法(Binary Genetic Algorithm,BGA)和二进制粒子群算法(Binary Particle Swarm Optimization,BPSO)进行了对比实验,仿真实验表明,WBCSO算法最终的系统总效益和用户公平性指数比BCSO算法分别高出了13.7%和14.6%,且比二进制群算法和遗传算法的性能都要好,进而表明改进二进制猫群算法在认知智能电网邻域网的频谱分配中具有收敛速度快、搜索能力强的特点。     

无线通信系统中信道拥塞动态调整的研究

无线通信系统的信道拥塞率能准确地反映信道的使用情况。分析了无线通信网覆盖中产生的信道拥塞,提出一种基于信道拥塞率的动态调整算法。该算法通过对无线通信系统网络侧统计数据的分析,动态调整系统中的信令信道和业务信道的比例,以解决无线通信系统中信道拥塞的问题。在相同的话务模型下,对算法应用前后进行仿真比较。仿真结果表明,采用所提算法可以提高网络的质量,特别是当短时间多用户同时申请信道时,可以明显提高系统的接通率。     

无线通信系统中信道拥塞动态调整的研究

无线通信系统的信道拥塞率能准确地反映信道的使用情况。分析了无线通信网覆盖中产生的信道拥塞，提出一种基于信道拥塞率的动态调整算法。该算法通过对无线通信系统网络侧统计数据的分析，动态调整系统中的信令信道和业务信道的比例，以解决无线通信系统中信道拥塞的问题。在相同的话务模型下，对算法应用前后进行仿真比较。仿真结果表明，采用所提算法可以提高网络的质量，特别是当短时间多用户同时申请信道时，可以明显提高系统的接通率。     

弹性光网络中基于频谱连续度的算法研究

针对光网络中可用的波长资源有限、频谱利用率不高的问题,提出了一种基于KSP算法的频谱连续度感知算法（KSPDP）。该方法在路由选择方面,用KSP算法求得源节点和目的节点之间的不同的路径长度,并根据业务请求所需的频谱资源数量,分配不同的路径。在频谱分配方面,算法将感知各链路的频谱连续情况,最大限度减少业务分配的路径上各链路的频谱碎片。仿真结果表明,所提出的算法与传统的最短路径RMSA算法相比,能降低频谱阻塞率,提高频谱资源利用率。     

认知智能电网中基于能效优化的频谱分配策略

针对智能电网的无线通信环境存在频谱短缺、资源利用效率低等问题,将认知无线电技术应用于智能电网的邻域网络通信中.引入认知智能电网概念以保证业务传输的公平性和有效性,提出一种基于改进二进制蝴蝶优化算法(BOA)的频谱分配策略,此方案考虑了通信过程中的信噪比和路径损耗,选择系统能量效率作为信道效益,并且在拓扑结构固定的城市居民小区进行建模仿真.首先,使用基于改进时变转换函数和扰动策略的二进制蝴蝶优化算法(IBBOA)为认知智能电网用户进行频谱分配;然后,采用基于接收信噪比的闭环功率控制算法动态调整用户的传输功率,减少认知智能电网用户和主要用户之间存在的干扰;最后,以系统能量效率和两个用户公平性指数为优化目标,与遗传算法(GA)和二进制粒子群算法(BPSO)进行对比实验.仿真实验表明,联合闭环功率控制的IBBOA算法所获得的系统能量效率比未联合闭环功率控制的NBOA算法高33.2%,IBBOA算法最终的系统能量效率和用户公平性指数fair比GA算法分别高出47.8%和62.6%,比BBOA算法分别高出17.6%和26.7%.结果表明所提方案能够有效抑制认知智能电网中用户间的干扰,大大提高频谱利用率和系统能量效率.