认知网络中基于连续双向拍卖的动态频谱分配

非合作认知无线电网络中,多个主用户和多个第2用户并存．主用户和第2用户是自私的和理性的,主用户和第2用户都希望在不影响他人收益的前提下获得自己的最大收益．这符合连续双向拍卖市场对用户的假设条件．针对这一特点,基于实验经济学理论,提出了基于模糊逻辑连续双向拍卖的动态频谱分配策略．在频谱拍卖过程中,主用户和第2用户均采用基于模糊逻辑的报价策略．采用该方法,主用户和第2用户可以根据交易情况实时调整自己的报价步长,减少报价次数,迅速完成交易．仿真结果表明该方法的频谱分配效率为85％,较好地解决了非合作认知网络中多对多环境下的动态频谱分配问题．     

一种基于信道节点的动态频谱分配算法

兼顾认知用户需求和系统运算开销,提出了以信道作为图着色顶点的动态频谱分配算法。建立了分配模型,介绍了基于图论的频谱资源分配算法,分析了该算法与已有图论算法的优劣。仿真结果表明,改进算法具有一定优越性。     

基于POMDP强化学习的动态频谱分配算法

提出基于VCG机制的动态频谱分配博弈模型,解决了认知无线网络环境存在的信息约束限制、分布式特性和频谱分配动态、复杂性问题;提出一种基于动态频谱分配的部分可观察马尔可夫决策过程（POMDP）强化学习算法. 认知用户通过对历史信息的观察、统计,为提高竞拍策略的奖赏值而进行不断的学习获取最优竞拍策略. 将POMDP强化学习转变为信度状态马尔可夫决策过程 (belief MDP)最优策略学习. 采用值迭代算法求解信度状态MDP模型的解. 仿真结果表明,基于POMDP强化学习算法可显著改善认知用户的行为,提高动态频谱分配性能.     

基于动态古诺博弈的认知无线电频谱贸易算法

为解决认知无线电频谱分配问题,提出了一种新的基于动态古诺博弈的频谱租借贸易算法。该算法考虑认知无线网络中频谱租借市场容量及次用户频谱价值两者均动态变化的特点,将用户之间的频谱租借贸易建模成动态古诺博弈,同时根据用户之间的频谱供需关系动态调整用户贸易的频谱价格及收益,促使每阶段用户效用最大化并达到频谱分配的目的。分析了频谱供需关系变化对贸易的影响,并通过仿真证明了该算法相比于静态古诺博弈模型能达到更高的频谱利用率。     

一种认知无线电系统中联合的频谱分配新算法

本文从认知无线电系统实际应用出发,首先应用图论算法快速的预分配频谱,同时为再次分配提供了公平性,然后用博弈论思想对初次分配的信道优化,完成认知用户之间的频谱再次分配.最后仿真表明频谱的资源可以充分利用,在传输功率的约束下,每个认知用户提高自身的速率,合理地分配功率,证明了本文图论和博弈论联合的算法的有效性.     

一种基于模糊Q学习算法的认知无线电频谱分配策略

认知无线电是一种智能推理学习的通信系统,为了实现认知无线电频谱分配智能学习过程,引入模糊Q学习方法.认知用户通过在线Q学习来调节模糊推理系统,得到最优的频谱分配模糊规则,实现自适应的频谱分配方案.最后将模糊Q频谱分配算法与非智能学习算法(模糊频谱分配算法以及随机分配算法)进行比较,仿真结果证明了该方案能在一定程度上提高系统带宽收益,同时降低系统的冲突率.     

基于多目标遗传算法的认知无线电频谱分配

频谱共享技术是认知无线电的关键技术。基于多目标遗传算法,将认知无线电网络的最大系统效益和次用户间的最大比例公平作为目标函数,运用图论着色频谱分配模型,实现认知无线电中空闲频谱在次用户间的动态分配,并与颜色敏感图论着色算法（CSGC）进行了比较。通过仿真验证了该算法在认知无线电网络中进行频谱分配的可行性,且性能优于CSGC算法。     

基于满意度的动态频谱分配问题研究

针对频谱资源的有效利用问题,提出了利用动态调整频宽技术建立频谱分配模型,通过降低服务等级的方式服务所有的次用户。考虑到物理层协议的重要性,为多个次用户组成的集中认知无线网络设计了一个MAC协议,以满足异构频宽的需求,并来验证动态频谱分配模型。实验结果表明,该模型和固定频宽模型相比,频谱利用率提高了38%,公平度是90%。     

认知无线电中OFDM多用户频谱分配

针对认知无线电需要提高频谱利用率,限制功率以及保障QoS的要求,结合OFDM技术,研究了认知无线电场景中的多用户频谱分配,并给出了2种算法.其中,最优算法通过授权用户的SIR下限得到认知无线电的发射总功率,并采用拉格朗日定理为每个认知用户分配子载波和功率;次优算法引入"分配比例因子"来体现用户分配中的公平原则,并通过限制SIR得到频谱分配结果.仿真表明,最优、次优算法的性能好于基于FDMA的静态频谱分配算法,最优算法相对于FDMA能够有35%的容量提升;次优算法容量略有减小,但充分保障了用户的QoS需求.2种算法从不同层面满足了认知无线电的需求.     

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。     

电力市场下基于图论方法的网损分摊

潮流跟踪法是解决电力系统网损分摊问题的有效手段。在潮流分析的基础上,考虑了有功功率与无功功率的耦合性,提出了应用图论的方法对整个网络中的网损进行潮流跟踪的新方法,进一步把各支路网损精确地分摊到发电侧或负荷侧。通过对9节点系统进行算例分析,验证了该方法的正确性和合理性。     

认知无线电网络中的合作频谱分配算法（增刊修改稿）

研究认知无线电网络中的动态合作频谱优化分配，给出了基于图着色理论的频谱分配模型，针对固定拓扑提出了加权分布式贪婪算法WDGA、基于公平性的分布式贪婪算法BFDGA及改进的随机分布式算法IRDA，分别实现了基于吞吐量、公平性及合作开销的频谱优化分配；针对可变拓扑提出了一种快速信道调整算法FCAA，在保证吞吐量和公平性性能的前提下可以明显减小开销。     

基于VCG机制和POMDP强化学习的动态频谱分配算法

以认知无线网络动态频谱分配问题为研究对象,提出一种通用的动态频谱分配博弈框架,将频谱的动态变化、认知用户的可能影响频谱分配的自私的网络行为、频谱分配中的信息约束限制和分布式特性在动态频谱环境中加以考虑,通过VCG机制的部署和实施,有效的解决动态频谱分配问题,防止自私用户可能存在欺骗行为;为进一步提高认知无线网络中频谱分配方法的性能,提出了一种动态频谱分配的POMDP强化学习算法,通过认知用户依据它们自身历史信息的观察统计和学习,预测当前竞拍策略,通过累积折扣奖赏影响动态频谱分配。仿真结果表明,基于POMDP强化学习算法可以显著的改善认知用户的行为,提高动态频谱分配性能。     

认知D2D通信中基于博弈论的动态频谱分配方案

提出了一种新的基于非合作博弈的动态频谱分配方案,考虑多个蜂窝用户服务中心和具有认知能力的设备到设备(D2D)通信用户组,利用伯川德(Bertrand)博弈理论来解决用户频谱分配问题,分别对D2D对用户组和蜂窝用户服务中心的效用函数进行了改进,并给出了蜂窝用户服务中心的最优定价和D2D对用户组的动态价格调整策略,进一步证明了纳什均衡解的存在性和算法的收敛性.通过仿真实验,分析了不同蜂窝用户数和学习因子对所提出方案性能的影响.与现有结果进行比较显示,新方案在频谱利用率和系统公平性方面均有改进.     

认知无线电系统的一种联合频谱分配算法

在认知无线电系统中,博弈论算法从频谱共享池中获取频谱困难.为了提高自身传输速率,同时使频谱可以充分利用,采用图论算法快速地初次分配频谱,联合博弈论方法优化信道.仿真结果表明:在传输功率的约束下,联合频谱分配算法提高了自身的效用(速率),能够充分利用频谱资源,合理分配功率,仿真验证了图论和博弈论联合的算法是有效的.     

认知无线网Underlay模式下频谱资源优化分配

为了实现对频谱资源最大限度再利用,有效缓解无线频谱资源紧缺的问题,通过分析无线认知网络共享方式下的物理连接和图论模型,建立了具有不同干扰强度频谱分配数学模型,并将此模型转换为以信道干扰系数最小化、次网络效益最大化和主用户最大干扰最小化的多目标优化问题,进而采用多目标改进遗传算法对认知无线网络进行频谱共享方案设计,且对其有效性进行了仿真分析.仿真结果表明,采用所提出的优化算法进行频谱分配与图论K-最大割方法相比,能更好地实现网络效益最大化,同时能减少对主系统的干扰.     

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.     

Novel Spectrum Allocation Algorithm Based on the Activities of Primary Users for Cognitive Radio Networks

In traditional cognitive radio (CR) network, most existing graph-based spectrum allocation schemes don’t take on-off behavior of primary users (PUs) into consideration. In this paper, a novel spectrum allocation algorithm based on the activities of the PUs is proposed. The proposed algorithm mainly focuses on the vacant probability of licensed spectrums. And it allocates the vacant spectrums considering the interference to the neighbor cognitive nodes and the probability fairness of different cognitive nodes during the allocation. Based on the definition of the obtained benefit of cognitive node, new utility functions are formulated to characterize the system total spectrum utilization and fairness performance from the perspective of available probability. The simulation results validate that the proposed algorithm with low system communication cost is more effective than the traditional schemes when the available licensed spectrums are not sufficient, which is effective and meaningful to a real CR system with bad network condition.