多带联合检测在OFDM频谱感知中的应用

针对传统频谱感知方法局限在单个频带上的问题,介绍一种多带联合检测的频谱感知方法。以正交频分复用系统为背景,基于能量检测方法,联合多个频带选取最优门限向量,使其在总干扰受限的情况下,总吞吐量达到最大。仿真结果表明,与传统使用一致门限值的多带检测方法相比,该方法的有效性得到提高。     

双阈值能量检测的无线电网络协作频谱感知

针对认知无线电网络中协作频谱感知使能耗增加而降低网络寿命的问题,提出了一种双阈值能量检测的协作频谱感知方案.利用基于双阈值的能量检测方法最大化网络吞吐量,使能耗低于一个阈值同时保护主用户不受次用户的干扰.利用凸优化分析来获得感知时间和检测阈值的最佳值.仿真结果表明,方法能有效权衡网络吞吐量与能量效率之间的关系,相比传统的频谱感知方法,具有明显的优越性.     

遗传算法在认知无线电频谱感知中的应用

针对基于OFDM系统的多带联合检测方法中门限向量选取问题,在一定的主用户干扰限制下,充分考虑各子信道特征,建立了门限向量优化模型。将遗传算法应用其中求解最优门限向量,使认知系统吞吐量得到了优化。仿真结果表明,这种方法比传统未使用优化而取一致门限的频谱感知方法对吞吐量的提高更有效。     

无线传感器网络低能耗协作频谱感知方法

针对无线传感器网络能量受限问题,以双门限能量检测为基础,以最小化系统感知能耗为目标,提出了一种适合无线传感器网络的休眠与审核相结合的频谱感知方法。在获得目标检测性能条件下,该方法让部分传感器负责频谱感知工作,其他处于休眠状态,只让有准确感知结果的传感器发送1 bit感知结果到融合中心。理论分析和仿真结果表明,与传统的能量检测方法相比,该方法既有效减少了系统的感知能耗,又节约了带宽。     

动态主用户流量模型的跨层优化设计

为适应主用户流量变化较快的场景,在不完美频谱感知的情况下最大化认知用户的吞吐量,提出了一种基于集中式Overlay认知无线网络中感知时间与资源分配跨层优化算法。将优化目标分解为信道分配和检测时间同功率分配联合优化两个子问题,通过子算法迭代,最终得到感知时间与资源分配的联合最优解。仿真结果表明,相对于仅考虑频谱感知或资源分配的单层优化算法,该算法可在兼顾公平的前提下使次用户吞吐量得到有效提升。     

认知无线电系统协作频谱感知机制优化

为使干扰受限情况下的频谱感知效率达到最大,提出一种认知无线电系统协作频谱感知机制的优化方案。定义系统模型,运用协作频谱感知对系统目标进行联合优化,包括感知时间、传输时间、参与协作的感知用户数在内的感知参数优化。仿真结果证明,采用该优化方案,能在满足干扰受限的条件下最大化频谱感知效率。     

认知无线网络非理想协作频谱感知节能策略

认知无线网络中非理想协作频谱感知的感知用户数或设备增多会导致系统能耗增大。针对该问题,建立系统优化模型,推导认知传输的感知时间及认知发射机传输功率与系统能效的关系。由于感知时间和传输功率的联合优化问题很难直接解决,因此将其分解为2个子问题分别求解,并基于此提出一种联合优化算法。仿真结果表明,该算法能有效提高认知无线网络中的能效,达到节能优化的目的。     

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。     

p次方检测器的协作频谱感知网络性能优化

在保障主用户通信不受干扰的前提下,合理分配感知系统时隙,最大限度地增大认知网络吞吐量,提出优化方案,在考虑无线瑞利信道和一定错误率的报道信道条件下,对采用p次方检测器的协作频谱感知网络联合优化,得出p次方检测器的次方数和最佳感知时间τ,以使认知网络吞吐量最大。理论分析与仿真结果表明,协作频谱感知网络存在最佳次方数p和最佳感知时间τ,以满足认知网络吞吐量最大化,从而提高网络频谱利用率。     

物联网频谱感知的人工物理学优化实现

针对认知物联网中频谱感知的检测性能和能耗需求之间的相互制约性,将其建模为一个多目标优化问题,寻求性能与能耗之间的折衷解。进而提出一种基于人工物理学优化的解决方案,设计了适合问题求解的个体质量、微粒所受合力的计算方法。仿真实验表明,所提算法在基本不影响检测准确性的同时有效降低了能耗,适合认知物联网中的频谱感知。     

协作频谱感知的系统效用优化分析

协作频谱感知可以提升认知无线电的频谱感知能力,但不同的系统参数对协作频谱感知系统的性能会产生不同的影响。在综合考虑系统资源利用率和归一化吞吐量的情况下,对不同条件下用户数和感知时长对系统性能的影响进行分析。并在检测概率约束条件下,对结合系统检测概率和归一化吞吐量的系统效用提出优化方法,可以求出满足条件的最大系统效用值。仿真结果表明,在不同的环境和条件限制下,达到最大系统效用所需要的用户数和感知时长也是不同的。     

A Double Threshold Energy Detection-Based Neural Network for Cognitive Radio Networks

In cognitive radio networks (CoR), the performance of cooperative spectrum sensing is improved by reducing the overall error rate or maximizing the detection probability. Several optimization methods are usually used to optimize the number of user-chosen for cooperation and the threshold selection. However, these methods do not take into account the effect of sample size and its effect on improving CoR performance. In general, a large sample size results in more reliable detection, but takes longer sensing time and increases complexity. Thus, the locally sensed sample size is an optimization problem. Therefore, optimizing the local sample size for each cognitive user helps to improve CoR performance. In this study, two new methods are proposed to find the optimum sample size to achieve objective-based improved (single/double) threshold energy detection, these methods are the optimum sample size N* and neural networks (NN) optimization. Through the evaluation, it was found that the proposed methods outperform the traditional sample size selection in terms of the total error rate, detection probability, and throughput.

     

基于混沌和声搜索的最优线性协作频谱感知算法

为了进一步提高认知无线电频谱感知的准确性和可靠性,提出一种基于混沌和声搜索(CHS)的最优线性协作频谱感知算法。该算法基于能量检测的线性加权协作频谱感知模型,利用和声搜索(HS)算法本身的优化能力和混沌映射的遍历性、随机性等特点,通过求解最优权值的方法,提高频谱感知的性能。仿真实验结果表明,CHS算法的优化性能和收敛速度均优于传统的HS算法,基于CHS的最优线性协作频谱感知算法能够找到最优的权值,从而提高了复杂通信环境下的检测概率;并且在相同的虚警概率下,所提算法性能优于基于修正偏差因子的协作频谱感知算法。     

认知无线电网络基于QoS的监听时间与资源联合分配

以最大化所有认知无线电用户(CRU)的吞吐量为目标,同时保证每个CRU的服务质量(QoS)约束,研究了联合最优监听时间和资源分配问题,并基于此提出了一种监听时间与资源联合分配算法.在多信道认知无线电网络中,频谱监听和资源分配都会影响网络的吞吐量.兼顾二者的联合优化问题可以被分解为两个子问题:固定监听时间的资源分配问题, 以及固定资源分配策略的最优监听时间一维穷举搜索问题.提出的算法可以通过穷举搜索获得最优监听时间,并通过次梯度算法获得最优资源分配策略.仿真结果表明,提出的最优监听时间与资源分配算法可以最大化认知无线网络的吞吐量; 此外,各认知用户的QoS需求也能得到保证.     

认知无线网络中频谱预测的协作策略设计

在多主用户（PU）、多认知用户（SU）的认知无线网络（CRN）场景中,研究了频谱预测的协作策略设计问题。将频谱预测的协作策略设计问题归纳为一个优化问题,以整个CRN的吞吐率最大为优化目标,对参与协作的SU数量和数据融合门限进行优化,并提出一种搜索算法求解此优化问题,这是首次对协作频谱预测中的协作策略进行研究。在此基础上,提出了基于分组的协作频谱预测策略,并设计其帧结构。仿真结果表明,这种基于分组的协作频谱预测策略在满足虚警概率要求的前提下,能够以更低的协作预测能耗,达到更高的CRN吞吐率,从而提高了协作频谱预测的效率。     

非完美频谱感知下认知超密集网络的资源分配

针对实际认知超密集网络场景中认知无线电存在非完美频谱感知的情况,提出了一种基于非完美频谱感知的资源分配方案,目标是在考虑跨/同层干扰约束、保障用户服务质量下,最大化非完美频谱感知下认知超密集网络中次级网络的能效。为此,依据网络模型构建能效优化问题,其为混合整数非凸规划问题,先通过分时共享松弛法和丁克尔巴赫法将其转换成等价的凸优化问题,再使用拉格朗日对偶法求其最优解,以此获得最优能效时的子信道和功率分配策略。基于此,提出了一种迭代的子信道和功率分配算法;为权衡计算复杂度,还提出了一种实用的子信道和功率分配算法。仿真结果表明,所提算法都有效地提升了网络能效。     

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。