多射频无线网络中多信道分配方法的研究

针对多射频多信道无线网络信道分配中用户收益不均衡和网络资源利用率低的问题,给出了一种基于博弈论的信道分配策略,该策略在考虑信道分配有效性、公平性的同时,基于不完美信息博弈,给出了一种使网络负载更均衡的算法,并通过实验仿真验证了算法的鲁棒性和有效性。     

基于自适应遗传算法的蜂窝网络信道分配

为解决遗传算法用于蜂窝网络固定信道分配时存在的过早收敛问题,通过采用最大需求优先最小冲突初始化方式、渐进式变异技术和一种新的交叉概率、变异概率自适应调整策略,提出一种自适应遗传算法。通过评估一组benchmark问题,证明该算法对解决信道分配问题具有较强的最优解收敛能力,收敛速度较快。     

多射频多信道无线网络信道分配研究进展

介绍了多射频多信道网络的概念和特点,归纳了信道分配的设计目标和相关问题,详细阐述和分析了当前典型的信道分配算法,指出了当前多射频多信道网络的信道分配算法存在的一些问题,并对未来的研究策略和发展趋势进行了探讨。     

一种异构多接口多信道无线网络的信道分配算法

多接口多信道技术是无线网络环境中减少链路干扰、提高网络吞吐量的有效途径,但如何合理有效地进行信道分配已成为多接口多信道无线网络所面临的主要问题之一.针对自私的网络节点,本文使用非合作博弈对异构条件下多接口节点的信道分配问题进行建模分析,其纳什均衡解为解决该问题所需的稳定的信道分配方案.本文首先讨论纳什均衡的存在条件并提出实现纳什均衡的分布式算法.此外,考虑到实际网络中节点仅能感知局部信道信息以及接口工作信道受限等因素,本文进一步改进算法并通过仿真实验对其收敛性进行证明.     

认知无线网络中基于遗传算法的异构信道频谱感知策略

在具有异构信道的认知无线网络环境中,各异构信道具有不同带宽、不同感知时间、不同使用概率、不同稳定度。在给定的时间槽内,感知的信道数目不同,以及感知的信道不同,频谱感知获得的带宽也不同,并且频谱感知耗费的时间也不同,传输的时间也不同。因此,针对如何选择待感知的信道,提高次用户获得的带宽,以及用于传输的时间,提出基于遗传算法的异构信道频谱感知策略GAHS(Genetic Algorithm based on Heterogeneous channels spectrum Sensing strategy)。仿真结果表明GAHS能提高节点获得的带宽和用于传输的时间。     

基于改进并行遗传算法的蜂窝网络信道分配

在蜂窝移动通信中,用户需求的不断增长使可用的频谱资源日益紧缺,采用较优的优化算法进行信道分配就显得非常重要。针对这一问题,首次提出了细粒度主从式并行遗传算法,其特点是在进化的过程中动态改变邻域单元,来维持进化过程中的种群多样性,防止算法进入局部最优而过早收敛,增强算法的全局搜索能力。实验仿真表明,该算法对信道分配问题有很强的最优解搜索能力,收敛速度也较快,具有一定的实用价值。     

一种改进的自适应遗传算法

为了提高遗传算法的搜索效率，引进了父子竞争机制，采取一多点交叉操作技术，提出了一种改进的自适应遗传算法，并通过一个多元多峰数学函数对最佳个体保留遗传算法(Elitist-Reserved GA，EGA)、自适应遗传算法(Adaptive GA，AGA)以及文中提出的改进算法(Multi-point Crossover Adaptive GA，MAGA)进行比较评估，验证了该方法的合理性和可靠性。     

一种多接口多信道VANET动态信道分配算法研究

为了合理地实现多接口多信道车载自组织网络（VANET）车辆节点间通信信道的动态分配,提出了一种基于通信双方车辆节点信道切换队列的动态信道分配算法。定义了车辆节点的射频接口状态,给出了信道的性能因子以及信道切换队列的生成方法,通过综合考虑通信双方车辆节点的射频接口状态和信道切换队列,快速自主地建立通信链路,从而解决了信道公平接入和分配不合理的问题。通过软件仿真比较可以看出,该算法实现了信道的动态分配,减小了平均端到端时延,增加了网络平均吞吐量,显著提高了多接口多信道VANET的网络性能。     

多优先级的卫星网络信道分配算法

为了解决终端接入卫星网络的信道分配问题,充分利用卫星网络有限的信道资源,在分析终端级别和业务级别多样性的基础上,加入优先级标识,建立多终端和多业务优先级模型,分析接入满意度与接入阻塞率、链路带宽和链路总时延的关系,建立接入满意度模型,提出信道竞争机制和带宽压缩机制,进而提出基于多终端和多业务优先级的信道分配算法。仿真结果表明,相比传统算法,该算法可以根据不同终端和不同业务级别分配卫星网络的信道资源,提高接入满意度,进而提高信道利用率。     

可变频宽无线网络中信道频谱分配与链路调度

考虑信道频宽对链路传输距离和链路间干扰的影响,对可变频宽无线网络现有的累积干扰模型进行了改进,并基于改进的干扰模型对可变频宽无线网络的信道频谱分配和链路调度问题进行了建模分析。设计了一种两层优化算法对信道频谱分配和链路调度问题进行解耦,提出了一种考虑链路负载需求满足程度的链路优先级指标,启发式地构建并发传输信道分配矩阵的方法。仿真结果表明,两层优化算法能够在合理时间内收敛,启发式方法能够高效地构建并发传输信道分配矩阵。     

多信道无线Mesh网络公平带宽分配算法

针对基于IEEE802.11的无线Mesh网络(WMN)在按多跳方式转发数据时存在带宽分配不公平的问题,提出一种改进算法DBAS。通过检测子节点包含的活动终端数量,计算分配指数并发送给子节点,使其能根据分配指数调整介质访问控制层的竞争窗口参数。在子节点向父节点发送数据时,采用加权轮询调度算法进一步保证带宽分配的公平性。NS2实验结果验证该算法的有效性。     

结合混合式信道分配的无线MESH多路径路由协议

为了优化无线Mesh网络中的多接口多信道网络资源,对单接口多路径路由协议和单路径信道分配策略进行了深入的分析研究,提出了与混合式信道分配方式相结合的多路径路由协议(AODV-MP),实现了网络中多条路径的并行传输,从而提高网络的整体吞吐率。并根据多路径路由协议自身的特性,结合与邻居节点干扰相关的因素——信噪比(SNR),提出了多路径路由的路由度量判决WCETTSNR,同时将该路由度量作为负载流量分配的比例标准。利用NS2网络仿真平台对该多路径路由协议进行测试,结果显示AODV-MP在网络吞吐率上提高了45%,并在高负载情况下,较大幅度地减少了网络延时。     

改进GA-BP神经网络的无线信道预测方法

无线信道建模与仿真中,实现一种高效率、高准确性的无线信道预测方法是具有非常重要意义的。针对该需求,提出一种基于多种群遗传算法（Multi-population genetic algorithm, MPGA）-反向传播（Back propagation, BP）神经网络的无线信道预测方法。该方法通过改进遗传算法,优化BP神经网络中神经元的权值和阈值,以此改善BP神经网络预测精度差的问题,从而极大提高了BP神经网络的预测性能。将射线跟踪算法的理论值和BP神经网络结合,实现更高效的无线信道预测方法。通过对比遗传算法（Genetic algorithm, GA）-BP神经网络模型和MPGA-BP神经网络模型的预测误差,发现MPGA-BP神经网络模型的预测结果优于GA-BP神经网络模型,证明了所提出无线信道预测方法具有良好的精确度,可以更高效地进行无线信道预测。     

GPRS/GSM网络中的无线信道分配算法研究

随着GPRS/GSM移动接入网的广泛应用,有效的信道分配算法在保证网络服务质量中的重要性开始凸现。该文描述了GPRS/GSM移动接入网的信道分配过程,对固定信道分配算法和动态信道分配算法进行了详细分析,并采用自行开发的GPRS/GSM网络仿真软件模拟语音业务与分组数据业务动态共享信道资源的过程,从而比较了不同的信道分配算法对接入网服务质量的影响,结果显示动态信道分配方案在增加系统运算量的同时可以很好地支持网络通信的质量。     

基于线性网络编码的无线网络信道接入机制

为了提高无线自组织网络的通信性能,针对当前网络信道接入机制存在的不足,提出一种基于线性网络编码的信道接入机制(LNC)。首先对传统网络信道接入机制的工作原理和缺陷进行分析,然后采用线性网络编码方式提高数据包传输效率,最后运用马尔科夫链模型对LNC进行数学建模,并通过仿真实验对其性能进行分析。仿真实验结果表明,相对于传统网络信道接入机制,LNC不仅提高了网络的吞吐量,降低了节点的数据包丢失率,而且提高了信道利用率。     

基于亲缘选择的遗传算法

针对传统遗传算法容易陷入局部最优解的缺陷,借鉴生物中亲缘选择的思想,提出基于亲缘选择的遗传算法。该算法构造新选择算子,通过按亲缘关系放弃一个解而获得另一个解来保证算法在最优解的领域内的有效搜索,提高遗传算法对全局最优解的搜索能力和收敛速度。仿真结果表明,该算法正确有效,性能优于现有的传统算法。     

基于协同进化遗传算法的模型拟合研究

普通遗传进化算法在解决模型拟合问题中,建模与优化顺序结构时优化效果有限、拟合速度慢、稳定性低。针对上述问题,提出基于协同进化遗传算法的模型拟合算法。该算法将建模与优化问题抽象成多种群间协同进化,通过种群间整体的适应度值交换,将种群关联起来,扩大智能算法建模过程中参数优化的时空作用范围。各种群间含有不同基因表达,在解决局部问题时具有自包含性,有利于更好地发挥各智能算法(遗传算法、遗传规划)的优势。实验结果表明,该算法的稳定性和收敛速度优于传统遗传进化算法。     

基于可进化性的自适应遗传算法

针对传统遗传算法容易陷入局部最优解的问题,提出一个基于可进化性的自适应遗传算法。将个体可进化性作为适应度函数的参数加入到随进化代数动态调整的非线性适应度函数中,动态调整整个种群的交叉与变异概率以逸出局部最优。实验结果表明,该算法可改善适应度不高但具有较好进化能力个体的生存概率,且提高了种群多样性与搜索效率。     

基于非平稳时频分析的无线网络信道均衡算法

在无线网络数据通信中,由于阵元码间干扰导致信道具有非平稳特性,产生信道失衡效应,需要进行信道均衡设计,提高无线网络的数据传输性能.传统方法采用Hilbert变换扩频方法进行通信信道均衡,通过Hilbert变换使离散数据解析化,由于信道多径扩展导致码间干扰,为了提高信道均衡效果,提出一种基于非平稳时频分析的无线网络信道均衡算法.构建无线网络数据传输的空间多径信道模型,采用时频分析方法进行通信信号码间干扰抑制处理,采用提取的时频特征对通信信道进行正交频分复用分解,采用时频特征分析方法,对相位偏移进行空间码元重组,去掉路径相移偏量,实现信道均衡.仿真结果表明,采用该算法具有较好的信道均衡性能,能有效抑制通信信道的码间干扰,降低无线网络数据通信的误比特率,改善通信质量.     

基于模拟退火的混合遗传算法研究

针对常规遗传算法会出现早熟现象、局部寻优能力较差等不足,在遗传算法运行中融入模拟退火算法算子,实现了模拟退火的良好局部搜索能力与遗传算法的全局搜索能力的结合。经验证,该混合算法可以显著提高遗传算法的运行效率和优化性能。