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。     

认知网络中基于博弈论的联合功率控制与速率分配算法

针对认知无线网络上行链路中的资源分配问题,提出了一种适应于多小区认知无线网络的基于功率控制与速率分配的博弈算法。为了更加合理地控制用户的功率和速率,减小各次用户间的干扰,首先,在效用函数中分别给功率和速率设置了不同的代价因子,使其能够更加合理地控制用户,避免用户过度增加发射功率。其次,从理论上证明了该算法纳什均衡的存在性、唯一性以及算法的收敛性。最后,为了解决发射功率和传输速率的最优化问题,给出了联合功率控制和速率分配的迭代更新算法流程图。理论分析及仿真结果表明,与同类博弈算法相比,在保证通信质量的前提下,所提算法可以使得用户以较小的发射功率获得较大的传输速率和较高的信干噪比（SINR）,并且减小了用户间的干扰,提高了次用户系统容量。     

认知无线网络中基于多用户公平性的功率分配

研究认知无线网络中保证多用户场景下保证用户速率需要的功率分配问题.提出了保证用户公平性的最小化用户实际传输速率与期望速率差值的优化模型,给出了一种集中式功率分配算法1;为了减少减少迭代次数,提出了一种改进的集中式算法2;最后给出了一种分布式的求解算法3.仿真结果表明三种求解算法都收敛于最优解,且集中式算法2的迭代次数明显小于集中式算法1,分布式功率分配算法有利于减少实现的复杂度.     

OFDM认知无线电网络低复杂度功率分配算法

在正交频分复用认知无线电网络中,研究多个功率约束条件下的功率分配问题。认知用户功率约束条件分为两类:对主用户频段的干扰约束与认知用户总传输功率约束。以最大化认知用户速率为目标,构建一个多约束条件优化问题,得出最优功率分配算法,在此基础上,通过对约束条件加以分解,提出一种低复杂度的次优功率分配算法。仿真结果表明,最优算法可以取得最大的认知用户传输速率;提出的次优算法可以极小的性能损失,在复杂度上取得较大优势。     

基于云免疫算法的认知无线网络参数优化

为了提高认知无线网络的参数优化效果,提出了一种基于免疫优化的认知引擎参数调整算法。免疫克隆优化是一种有效的智能优化算法,适合求解认知无线网络的引擎参数调整问题。免疫优化中,变异概率影响着算法的搜索能力;利用正态云模型云滴的随机性和稳定倾向性特点,提出了一种基于云模型的自适应变异概率调整方法,并用于认知无线网络的参数优化。在多载波环境下对算法进行了仿真实验。结果表明,所提算法收敛速度较快,参数调整结果与对目标函数的偏好一致,能够实现认知引擎参数优化。     

基于云免疫算法的认知无线网络参数优化

为了提高认知无线网络的参数优化效果,提出了一种基于免疫优化的认知引擎参数调整算法。免疫克隆优化是一种有效的智能优化算法,适合求解认知无线网络的引擎参数调整问题。免疫优化中,变异概率影响着算法的搜索能力;利用正态云模型云滴的随机性和稳定倾向性特点,提出了一种基于云模型的自适应变异概率调整方法,并用于认知无线网络的参数优化。在多载波环境下对算法进行了仿真实验。结果表明,所提算法收敛速度较快,参数调整结果与对目标函数的偏好一致,能够实现认知引擎参数优化。     

基于能量效率的认知无线网络联合优化算法

为提高认知无线网络能量有效性,提出一种基于能量效率的联合优化算法。在考虑主用户干扰容限的基础上构建了能量有效性模型,将优化目标分解为接入策略求解和功率优化问题,采用粒子群算法反复迭代,得到接入概率与功率分配的联合最优解。仿真结果表明,相对于不考虑功率优化或接入概率的传统优化方法,所提算法可使系统能量效率得到显著提升。     

基于多种群进化与粒子群优化混合的频谱分配算法

为了解决认知无线网络中的频谱分配问题,提出一种基于多种群进化与粒子群优化混合的频谱分配算法。它采用图论着色模型,首先使用遗传算法将多个种群进行独立进化,以提高种群的全局搜索能力;然后选出每个种群中的最优的个体作为粒子群优化的粒子,并通过控制每个粒子的初始速度方向来加快算法的收敛速度。最后以系统总收益最大化和用户间的公平性为优化目标与遗传算法和粒子群算法进行了对比实验,仿真结果表明,该算法在收敛速度、认知用户接入公平性和系统总收益3个方面的性能均优于遗传算法和粒子群算法。     

速率期望比较下的宽带频谱接入简化算法

为解决认知无线网络中宽带频谱感知模式的计算量大和感知时间延长等问题,提出了一种基于速率的认知无线网络低复杂度宽带频谱感知算法。在宽带频谱感知的基础上,设定选择条件,对信道的期望传输速率进行比较,确定需要感知的信道,以实现减少认知无线网络次用户系统的信道感知时间和感知计算量的目标。经过仿真实验分析对比表明,该算法可以有效地平衡次用户系统吞吐量最大化和主用户系统的干扰之间的矛盾。     

认知无线电网络中基于和声搜索的频谱分配与功率控制

针对认知无线电网络中功率控制和频谱分配过程存在互相影响的问题,提出一种基于和声搜索的频谱分配和功率控制算法。通过综合分析频谱分配和功率控制过程中的各种约束条件,建立了联合功率控制和频谱分配的系统模型。算法根据系统模型特点设计和声搜索算法下相应编码方案,采用多目标优化方法处理复杂的约束条件,并赋予可行解适当的优先权重。仿真实验表明,算法可以很好地解决认知无线电网络中的频谱分配和功率控制问题。     

基于MIMO多跳认知无线电网络的跨层优化研究

多输入多输出（MIMO）技术是突破香农（Shannon）容量限制的一项有效手段。而认知无线电（CR）是近几年的热点研究领域,它能够极大的提高网络资源使用效率。结合这两种技术,研究了基于MIMO的认知无线网络的跨层优化：路由选择、能量分配和带宽分配。采用对偶分解算法将主问题分解为网络层和物理层子问题,并提出了交替更新算法有效解决了物理层子问题。     

Mutual interference considered power allocation in OFDM-based cognitive networks: The single SU case

Efficient and conflict-free power allocation strategies in cognitive radio networks are being extensively studied in current research in order to meet the requirements of future wireless applications. In this paper, specifying the single secondary user (SU) with multiple primary user (PU) case, a novel power allocation scheme is developed for orthogonal frequency division multiplexing (OFDM) – based cognitive radio networks designed to maximize the capacity of the SU while limiting the interference to the PUs. First, the mutual interference between the SU and the PUs is comprehensively formulated as the restrictions on the SU’s transmission power. Secondly, the power allocation problem is analyzed and formulated as a constrained optimization problem which is concluded to a peak-power constrained water-filling formulation. Finally, a novel low-complexity water-filling algorithm is proposed to solve the optimization problem and the optimal power allocation result is achieved. In a simplified scenario, numerical results are exhibited to confirm the efficiency of the proposed water-filling algorithm, and the influence of the mutual interference on the power allocation and the system capacity is further illustrated.     

Interference aware resource allocation for hybrid hierarchical wireless networks

This paper addresses the problem of interference aware resource allocation for OFDMA based hybrid hierarchical wireless networks. We develop two resource allocation algorithms considering the impact of wireless interference constraints using a weighted SINR conflict graph to quantify the interference among the various nodes: (1) interference aware routing using maximum concurrent flow optimization; and (2) rate adaptive joint subcarrier and power allocation algorithm under interference and QoS constraints. We exploit spatial reuse to allocate subcarriers in the network and show that an intelligent reuse of resources can improve throughput while mitigating interference. We provide a sub-optimal heuristic to solve the rate adaptive resource allocation problem. We demonstrate that aggressive spatial reuse and fine tuned-interference modeling garner advantages in terms of throughput, end-to-end delay and power distribution.     

一种最大化网络吞吐量的认知无线Ad Hoc网络跨层优化算法

认知无线Ad hoc网络(cognitive wireless ad hoc networks)是由一组具有认知决策能力的节点以多跳无线方式组成的智能网络.网络容量的求解与网络吞吐量的优化是该类网络研究的难点.作者首先推导了混叠模式下认知无线Ad hoc网络容量上界的闭合表达式,并指出该上界只与用户空间分布特性相关;然后提出了一种新的基于遗传算法的跨层优化算法,通过联合优化邻居选择与功率分配实现网络吞吐量的最大化;最后仿真验证了该算法的有效性,结果表明网络吞吐量能较好地逼近网络容量上界.     

无线网络中需求驱动的动态频谱分配

研究无线网络中协同动态频谱接入模型下的动态频谱分配问题,在考虑基站频谱需求的基础上,将物理干扰模型下的动态频谱分配问题建模为一个非线性优化问题。通过将非线性优化问题转换为线性规划问题,提出一种无线网络中需求驱动的动态频谱分配算法,计算初始频谱分配,并应用迭代增强算法为节点添加多余信道。仿真结果表明,该算法在有效频谱利用率和平均满意度上都优于现有算法。     

ICRN功率分配与中继选择联合优化

针对工业认知无线电网络中出现的无线干扰和冲突严重,特别是工业现场的金属环境和移动特性造成多径与阴影衰落,从而使得传输可靠性难以保证的问题,引入感知信道概率及信道可用度概念,提出一种联合优化中继选择与功率分配的算法。该算法给出3种认知中继选择方案,分别是信道增益最大准则、最近准则及调和平均准则,并在源节点和所选中继节点之间进行最优功率分配,以最小化网络中断概率。仿真结果表明,与平均功率分配算法相比,所提算法能更好地降低系统中断概率,提高传输可靠性。     

多目标蚁群遗传算法在区域水资源优化配置中的应用研究

讨论了区域水资源优化配置算法.首先建立了区域水资源优化配置的数学模型,然后提出了采用多目标蚁群遗传算法解决这个多目标约束优化的问题.最终通过应用实例验证了算法的适用性.     

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。     

基于博弈资源分配的认知异构网络干扰协调算法

基于underlay频谱共享模式的认知异构网络可有效缓解频谱资源短缺问题,但同时会加剧网络中的干扰。针对该问题,提出了一种基于非合作博弈模型的动态频谱分配和功率控制算法进行干扰协调。首先,考虑频谱共享造成的干扰问题,引入认知用户优先等级,将问题构建为联合动态频谱分配与功率控制的频谱定价博弈模型;其次,通过两阶段动态博弈得到纳什均衡解,实现认知网络层频谱资源合理分配和发射功率控制。仿真表明,所提算法能够实现不同优先级用户频谱资源的合理分配和认知基站发射功率控制,有效抑制认知异构网络的跨层干扰和层内干扰。