改进的细菌觅食算法求解认知无线网络频谱分配问题

认知无线网络中如何进行频谱合理的分配是实现动态频谱接入的关键技术之一。基于图论着色频谱分配模型,以最大化网络效益为目标函数,提出一种具有量子变异操作的改进的二进制细菌觅食优化算法,用以求解认知无线网络中空闲频谱在认知用户间的动态分配问题。通过仿真实验比较了本算法与颜色敏感图论着色算法、传统二进制细菌觅食算法的性能。结果表明:本算法性能明显优于颜色敏感图论着色算法,能更好地实现网络效益最大化,提高用户的平均效益;与传统二进制细菌觅食算法相比,改进后的细菌觅食算法寻优能力更强,收敛速度更快。     

基于VCG机制的动态频谱分配算法

针对在Underlay频谱共享方式下的认知无线网络动态频谱分配问题,在满足主用户服务质量（QoS）的前提下,建立一种非合作博弈模型,并设计其效用函数。在借鉴VCG机制的基础上,设计相应的收益函数,提出一种可以最大化认知无线网络系统吞吐量且保证公平性的分布式动态频谱分配算法。仿真结果表明,该算法收敛速度快、公平性强。     

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。     

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。     

基于效用函数的OFDM混合业务资源调度算法*

主要研究了QoS和BE两种混合业务场景下OFDM无线网络下行链路的资源调度问题,提出了一个基于效用函数的跨层资源调度模型,其能够自适应地对两种业务进行资源的联合优化分配。该模型被抽象为一个非线性整数规划问题,优化目标是系统总效用最大化,同时满足同信道干扰（CCI）约束以及QoS业务的质量要求。将该非线性整数规划问题转换为连续松弛凸规划问题进行求解,并结合最优松弛解,提出了一种简单的动态子载波分配算法,即MMU(mix-max-utility) 算法。仿真结果验证了该调度算法能使系统较好地支持混合业务,系统     

基于量子果蝇优化的认知无线网络频谱分配*

将频谱分配的二进制编码转化为量子序列编码,提出一种基于量子果蝇优化的认知无线网络频谱分配方法。首先,将果蝇优化算法(FOA)转化为量子果蝇优化算法(QFOA)算法,拓展FOA算法的应用范围;然后,采用选择、交叉、变异操作改进QFOA算法,提高算法收敛速度,增加样本种群多样性,避免算法陷入局部最优;接下来,利用改进QFOA算法对频谱分配的量子序列进行寻优,寻求最优的网络效益或者用户公平性,得到网络整体性能最优的频谱分配策略。仿真结果表明,改进的QFOA算法收敛速度快且跳出局部最优能力强,应用到认知无线网络频谱分配中,增加了网络资源利用率,提高了网络的整体性能。     

混合优化算法求解无线区域网络频谱问题

认知无线网络中,已有的频谱分配方案大多集中在比较广义的范围。设计了一种混合优化方案求解无线区域网络的频谱分配问题。给出了无线区域网的拓扑结构和分配模型,设计了求解问题的量子编码、观测算子,构造了一种改进的量子旋转门算子,实现了算法的并行实现机制。仿真结果表明,该算法具有可以获得较优的频谱分配性能。     

基于博弈学习的动态频谱分配算法研究

为了解决认知无线网络中的动态频谱分配问题,提高频谱利用率和避免干扰,提出了一种基于学习的库诺(Cournot)博弈模型,将授权用户对于空闲频谱的分配行为模拟为动态的博弈过程,并赋予授权用户学习的能力,通过对博弈过程中博弈者行为的学习和总结形成新的博弈策略,而且还比较了将最优反应学习算法和模拟退火算法应用到自适应博弈学习中系统的性能和用户的收益。仿真结果表明,两种算法均能够使授权用户通过学习达到策略的均衡,而有限理性下基于模拟退火的自适应博弈学习算法的鲁棒性更强,收敛性更好,且能够使授权用户获得更高的收益。     

基于认知无线电技术的动态频谱分配方案研究

随着物联网的发展,人们能够更加方便快捷地利用智能终端,随时随地接入到无线网络中进行业务数据传输.然而,激增的移动用户数量和业务的带宽需求,使得无线频谱资源日益稀缺,现有固定式频谱分配方案面临巨大挑战.面向物联网发展,如何满足用户的高移动性和呈爆炸式增长的业务传输需求成为物联网研究的重点.认知无线电技术,一方面允许用户终端自适应感知所处环境的频谱资源空闲信息,为用户营造一个无缝的接入环境,保证用户的高移动性;另一方面通过动态频谱分配有效地解决了频谱资源稀缺和现有授权频谱资源利用率低的问题,为用户的海量数据传输提供保证.作者基于认知无线电技术,提出了一个用户终端和网络端共同参与决策的两级动态频谱分配框架结构,并提出了两级动态频谱分配方案.该方案设计包含:空闲频谱资源排序选择算法和集中式的联合优化匹配算法.通过用户终端和网络端的协同工作,文中所提出的两级动态频谱分配方案能够有效满足用户的高移动性和业务传输服务质量需求,实现空闲频谱资源利用率和频谱间切换概率的联合优化,为移动用户的海量数据传输提供保证.仿真实验结果表明,与传统图匹配方法相比较,该方案能够平均提高全网服务质量有效吞吐量70%,平均降低频谱间切换概率56%.     

基于业务需求的动态频谱分配算法

动态频谱分配能有效解决频谱利用率低的问题,但已有的图论着色算法未考虑认知用户的业务需求,导致需求小的用户分配到更大的频谱,一定程度上造成了频谱浪费。为解决该问题,提出基于业务需求的动态频谱分配算法,使分配的信道与认知用户的业务需求适配。性能仿真结果表明,基于业务需求的算法能满足各用户的需求,性能更优。     

认知无线网络中的跨层资源优化

跨层资源优化是设计认知无线网络重要的一环,是典型的多目标优化问题。为此,提出一种自适应克隆与邻域选择优化算法解决认知无线网络中的资源优化分配问题。以使用带宽、消耗功率、数据传输速率等指标作为认知网络优化目标,并将其在算法中进行优化。通过2种典型测试函数的仿真比较,结果表明该算法能够有效解决认知无线网络中的频谱资源分配、功率控制及速率提升等多目标优化问题,且与SPEA-2算法和NNIA算法相比,具有明显的优越性。     

WSN中层次型拓扑控制与网络资源配置联合设计方法

综合考虑异构无线传感器网络中节点速率分配、簇的划分规则和链路层网络频带资源占用情况, 提出一种基于拓扑控制与资源优化分配的层次型路由算法. 在网络层, 该算法根据成员节点和簇首节点的速率分配机制建立节点流量平衡模型. 在链路层, 分析无线传感器网络频谱共享行为, 研究邻近用户间访问冲突的规避抑制模型, 重构网络频带资源. 通过引入带宽比例因子将可用频带划分成若干子带, 提高网络频带资源的利用效率. 本文基于跨层联合设计思路, 建立一个混合整数非线性规划问题,对异构无线传感器网络中拓扑控制和网络资源分配问题联合设计, 得到最优的分簇结果和资源分配方案. 最后, 在设定网络拓扑中评估性能, 仿真结果证实该算法在网络频带资源充分利用的同时, 可实现最优的簇首匹配和路由建立结果.     

Nonconvex dynamic spectrum allocation for cognitive radio networks via particle swarm optimization and simulated annealing

Dynamic spectrum access is a promising technique designed to meet the challenge of rapidly growing demands for broadband access in cognitive radio networks. By utilizing the allocated spectrum, cognitive radio devices can provide high throughput and low latency communications. This paper introduces an efficient dynamic spectrum allocation algorithm in cognitive radio networks based on the network utility maximization framework. The objective function in this optimization problem is always nonconvex, which makes the problem difficult to solve. Prior works on network resource optimization always transformed the nonconvex optimization problem into a convex one under some strict assumptions, which do not meet the actual networks. We solve the nonconvex optimization problem directly using an improved particle swarm optimization (PSO) method. Simulated annealing (SA), combined with PSO to form the PSOSA algorithm, overcomes the inherent defects and disadvantages of these two individual components. Simulations show that the proposed solution achieves significant throughput compared with existing approaches, and it is efficient in solving the nonconvex optimization problem.     

基于QoE的LTE多业务资源分配算法

高效地利用无线频谱资源和保证用户体验质量是未来无线网络的主要目标。基于此，提出一种基于QoE的LTE多业务资源分配算法。在考虑信道信息、QoS要求及公平性的基础上，引入QoE来计算的用户优先级。特别的，引入最小QoE约束来保证RT用户QoE要求；提出一种次优资源块（Resource Block，RB）分配算法来解决复杂的资源分配优化问题，该算法主要分为两步：保证RT用户最小QoE要求；最大化系统加权和速率。仿真结果表明，相较现有的RT/NRT资源分配算法，该算法在用户分组丢失率、平均QoE和小区频谱效率方面性能都有所提升。     

认知传感网络的信能无线传输优化

针对目前无线传感网络频谱资源匮乏、能源供给不足等问题,本文构建了一种新型的认知多播无线传感网络,并研究适用于该网络的信能协同传输问题。以网络中所有次级用户收集到的和能量为优化目标,结合多播技术,在次用户对主用户的干扰、次用户的信干噪比、次级发射器的发射功率的约束下,构建了一种非线性非凸优化问题。针对该优化问题,提出一种基于半正定松弛的算法,从而延长网络的生存周期;并在此基础上提出一种基于序贯参数凸逼近技术的优化算法以降低复杂度。仿真结果表明,本文所提的算法有效提高了次用户能量收集的性能。     

异构无线网络密集部署场景下高效网络接入及频谱分配

如何在异构网络重叠覆盖场景下实现动态耦合频谱资源高效分配以满足用户流量需求是下一代无线通信网络的重要挑战。综合考虑网络域频谱属性差异化及用户域需求多样化问题，以用户获得总带宽最大化为目标，将频谱资源分配建模为非线性多约束条件0-1整数规划问题，并设计了两种求解方法。首先，设计了一种基于改进匈牙利算法的化简方法，该方法通过对约束条件进行化简，将复杂模型转化为标准形式0-1规划，并通过对匈牙利算法进行改进，有效求解了该复杂的频谱分配问题；其次，设计了一种改进的遗传算法，把主网络干扰约束及次用户需求融合进适应度评估中，以修正不符合要求的基因，并利用精英主义思想保留优秀个体，以进化迭代到优秀个体。最后通过实验对提出的方法与粒子群优化方法的性能进行对比分析，实验结果显示化简方法具有较大的效率优势，而改进遗传算法可得到更大的带宽。     

Cross-layer resource allocation in wireless multi-hop networks with outdated channel state information

The cross-layer resource allocation problem in wireless multi-hop networks （WMHNs） has been ex-tensively studied in the past few years. Most of these studies assume that every node has the perfect channel state information （CSI） of other nodes. In practical settings, however, the networks are generally dynamic and CSI usually becomes outdated when it is used, due to the time-variant channel and feedback delay. To deal with this issue, we study the cross-layer resource allocation problem in dynamic WMHNs with outdated CSI under channel conditions where there is correlation between the outdated CSI and current CSI. Two major contributions are made in this work： （1） a closed-form expression of conditional average capacity is derived under the signal-to-interference-plus-noise ratio （SINR） model; （2） a joint optimization problem of congestion control, power control, and channel allocation in the context of outdated CSI is formulated and solved in both centralized and distributed manners. Simulation results show that the network utility can be improved significantly using our proposed algorithm.     

Coverage probability driven dynamic spectrum allocation in heterogeneous wireless networks

In this paper,we design a dynamic spectrum allocation(DSA) scheme for heterogeneous cellular wireless networks with special interest on guaranteeing the cell coverage probability.To this end,considering users spatial distribution,we propose a new interference control(IC) model,which guarantees SINR(signal to interference plus noise ratio) requirements of different services and ensures the coverage performance of base stations(BSs).Under such an IC model,we formulate the DSA scheme as a combinatorial optimization problem.Since the problem is computationally intractable,we design an algorithm for its solution based on graph coloring.Simulation results indicate that the proposed DSA scheme can increase the total spectrum utility while effectively controlling the interference among BSs and meeting SINR requirements of users.     

Optimization algorithm of cognitive radio spectrum sensing based on quantum neural network

In recent years, with the development of mobile communications and Wireless Local Area Network (WLAN) as well as restrictions on limited spectrum resources, wireless spectrum resources are increasingly strained. Cognitive radio, put forward as a concept of dynamic use of spectrum, solved the problem of low spectrum utilization rate brought by the current static spectrum allocation scheme and greatly improved the utilization of the existing spectrum resources. In order to overcome the shortcomings of traditional spectrum sensing and improve spectrum detection performance under low signal-noise rate, this paper proposed a spectrum perception algorithm based on quantum neural network (QNN) and carried out an optimization study on the spectrum sensing algorithm of cognitive radio. Through the simulation experiment, we found that the improved QNN algorithm showed more excellent convergence performance and detection capability.     

QoS provisioning wireless multimedia transmission over cognitive radio networks

The rapid growing of wireless multimedia applications increases the needs of spectrum resources, but today’s spectrum resources have become more and more scarce and large part of the assigned spectrum is in an inefficiency usage. Cognitive Radio (CR) technologies are proposed to solve current spectrum inefficiency problems and offer users a ubiquitous wireless accessing environment, relying on dynamic spectrum allocation. However, there are two unsolved problems in previous work: 1) based on the simplified Quality of Service (QoS) uniform assumption, specific requirements of different wireless multimedia applications cannot be satisfied; 2) aiming at single-objective optimization of spectrum utilization or handoff rate, the co-optimization of these two necessary objectives in CR networks has not been achieved. In this paper, we propose a Two-tier Cooperative Spectrum Allocation method (TCSA) to solve these two problems. TCSA consists of two functional parts: one is a Spectrum Adjacency Ranking algorithm implemented at the secondary users’ terminals to satisfy the QoS requirements for different wireless multimedia applications; and the other is a Max Hyper-weight Matching algorithm implemented at the cognitive engines of CR networks to co-optimize spectrum utilization and secondary users’ spectrum handoff rate. Simulation results show that, compared with the other Random matching algorithm and Cost minimized algorithm, TCSA can significantly improve the performance of CR networks in terms of secondary users’ throughput and spectrum handoff rate.