基于遗传算法的全双工认知无线电网络信道分配策略研究

随着无线通信业务的不断增长和智能终端的日益多样化,无线频谱资源变得愈加紧缺,认知无线电作为一项能够有效解决频谱利用率过低的技术,近年来引起了学术界和工程界的广泛关注。在认知无线电网络中,次用户以合作频谱感知的方式智能判断主用户的工作状态,以便在授权频谱的空闲时段内接入并加以使用。将全双工通信技术引入到传统的认知无线电网络中,实现了频谱感知和数据传输的同步,既能确保数据传输的连续性,又能减少对主用户的干扰,对提升无线频谱利用率具有重要作用。对于多信道全双工认知无线电网络的信道分配,建立了次级网络吞吐量最大化模型,并通过惩罚函数法,将混合整数非线性规划问题转换成不带约束条件的非线性规划问题,提出了基于遗传算法的全双工认知无线电网络信道分配策略。仿真实验结果表明,该算法能在综合考虑算法复杂度和性能的情况下,完成信道分配并保证次级网络吞吐量的最大化。     

认知无线网络中多信道频谱感知周期优化算法

为了使认知无线电次用户发现并使用更多的空闲频谱资源,提出了一种多信道频谱感知周期优化算法。针对实际网络中各授权信道使用规律的不同,本文基于交替更新理论建立了多信道状态转移模型,将各信道感知周期的选取建模为一个带约束条件的多目标优化问题,并采用遗传算法对其求解,获得了相对较优的多信道感知周期向量。仿真结果表明,本文提出的目标函数能够有效衡量多信道空闲频谱资源检测率。当目标网络中包含8个授权信道时,所提算法可发现的空闲频谱资源占实际空闲频谱资源的68.23%,相对于以相同周期对各信道进行频谱感知的OFDM机制提高17.68%。     

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。     

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。     

基于莱斯信道的认知网络合作频谱感知

推导认知无线网络下单认知用户与多认知用户合作频谱感知的莱斯信道模型,并分别进行仿真。结果表明,莱斯信道下单认知用户的频谱感知效果远不及理想环境下的检测效果,但随着认知用户的增加,合作频谱感知的效果明显改善,在增加到一定程度后,甚至优于理想环境下的单用户的检测效果。     

认知无线电中基于多址接入信道的多用户联合频谱感知算法

针对多用户联合感知场景问题,考虑次用户至决策中心之间有损信道的情况,提出了基于多址接入信道（MAC）的联合频谱感知算法。在系统结构和数学建模基础上,分析了传统MAC算法渐近性、中断概率等性能。在次用户平均发射功率约束下,以最大化检测概率为目标,对基于MAC算法中的发射增益进行优化;并考虑了一定服务质量情况下最小化次用户数目的问题。仿真结果表明,MAC算法能够保证良好的检测性能,以决策中心错误概率为例,提出的优化算法取得了指数级的性能提升。     

一种多重信道感知的主动机制网络编码算法

针对网络编码算法的能量开销大、解码出错率高等问题,提出一种多重信道感知的主动机制网络编码算法,该算法建立了系统模型来分析网络编码的工作方式,以最小化样本作为代价,采用多重信道感知的方法来检验中继节点的编码效果,使网络从中继节点的编码效果中进行学习,从而将源信息发送给编码效果较好的中继节点。为了减少解码出错率,算法采用了一种主动机制,该机制依据源节点的发射功率和源信息的大小来控制终端的解码出错率,提高网络解码能力。实验仿真对比结果表明,提出的网络编码算法能够有效控制网络编码的出错率,并能有效减少网络开销。     

认知无线电中一种n步串行信道感知策略

为了提高频谱感知的整体性能,基于链路层多认知用户集中式协作感知思想,提出一种带缓冲区的双周期n步串行协作感知机制.该机制利用多认知用户分时、分段协作提高频谱感知效率,建立频谱池缩短被中断用户切换延迟时间,使用离散马尔可夫模型对感知参数建模,通过求解最优搜索步长和双感知周期比,提高认知用户频谱感知性能和QoS.仿真实验结果显示,该算法在感知效率、被迫中断概率和中断时间方面均优于随机搜索和传统串行搜索策略.     

一种新的基于遗传算法的盲FIR信道估计

为了改善盲有限脉冲响应FIR(Finite Impulse Response)信道估计性能,提出基于高阶统计协同进化遗传算法的盲FIR信道估计方法。通过协同进化的方法来改善标准遗传算法的搜索机制,并给出利用累积量拟合不同累积量切片的代价函数,通过最小化代价函数来估计信道系数。同时为了提高收敛速度,采用了基于高阶统计量数学关系的初始种群。仿真结果表明,新算法的收敛速度和精度均优于加权片算法和标准遗传算法等经典算法,尤其是在高阶信道中。     

一种新的优胜劣汰遗传算法

为防止进化种群早熟收敛，并考虑进化种群多样性与进化代数的关系，提出一种新的近亲交叉回避策略，该策略中实施亲交叉回避操作的下限随进化代数和种群平均海明距离变化，在此基础上提出一种新的优胜劣汰遗传算法，该算法能有效地避免近亲繁殖且体现了优胜劣汰思想，业已证明，提出的算法可以保证收敛到全局最优解，仿真结果表明，与简单遗传算法相比该算法是有效的。     

基于模拟退火遗传算法的认知无线电决策引擎

如何根据环境变化和用户需求智能调整无线电参数是认知无线电的基本功能.提出了遗传算法和模拟退火相结合的认知无线电参数调整方法,给出了该方法流程,运用多载波系统对算法性能进行了仿真分析.实验结果表明该方法改进了遗传算法中后期的爬山能力,优化得到的参数比单独使用遗传算法优化所得参数具有更高的归一化目标函数值,而且该方法能够在多个目标函数间进行权衡,参数调整结果与当前对目标函数的偏好一致.     

基于改进遗传算法的信道估计方案

为了提高通信系统信道估计的准确率,同时适应更大的数据量,进行更加复杂的数据计算,引入神经网络的方法进行信道估计,采用了BP和RBF神经网络进行实验对比,与传统信道估计方式相比有明显提升;在此基础上,进一步提出基于改进遗传算法优化的 RBF 神经信道估计方法,目的是帮助确定 RBF 网络的隐藏层参数, 使得网络的参数趋于全局最优解,信道估计器的性能从而得到提升。经过 MATLAB 仿真,改进后的RBF神经网络可以更好地解决信道估计问题,验证了此方法的可行性。     

分布式多业务系统信道分配算法

信道决策是认知无线电中的关键技术之一,近年来得到了广泛的研究。集中式算法是最常用的算法形式,但在认知无线电网络这种分布式系统中,集中式算法不易实现。基于Gale和Shapley的大学入学匹配理论,针对认知无线电信道的决策场景以及分布式组网特性,将多用户、多业务系统的信道分配问题建模为多对一匹配博弈,提出一种基于效用矩阵的分布式多用户多业务信道匹配算法。仿真表明,该算法收敛时间短,获得的效用与最优集中式算法接近,远优于随机接入算法。     

高阶循环特性下联合频谱感知算法研究

高效的频谱感知算法是认知无线电系统有效通信的前提;现有的能量检测算法复杂度较低,但其性能易受到噪声不确定度的严重影响,为提高频谱感知的速度和性能,采用了联合频谱感知算法;该方法利用双门限的能量检测法进行粗检,将判决结果划为三个区域,并使用高阶循环统计量检测算法对中间混淆区域进行二次判决;然后给出了噪声确定或不确定的情况下,联合频谱感知算法和单一检测算法的检测性能和算法复杂度的仿真分析;结果表明,联合频谱感知算法在增加计算复杂度不多情况下,得到较高的检测性能,优于单一检测算法,是一种快速准确的频谱感知算法。     

基于遗传算法的无线信道矩阵优化技术

在多用户无线通信系统,如何在消除信道间干扰的同时抑制噪声的增强,降低接收端信号检测的误码率是影响整个通信系统性能的重要问题.将各子信道的时状态信息联合构成信道状态矩阵H,然后结合遗传算法和格基约减算法提出了对信道矩阵H的优化方案,将矩阵H的各列向量看作给定格的一组基,在格中搜索到长度更短、正交性更强的一组格基构成改良矩阵(H),进而在消除子信道间干扰的同时抑制噪声的增强.仿真结果表明,将矩阵优化算法应用到发射信号的预处理中可以有效地降低接收端信号检测的误码率,提高信号传输的可靠性.     

一种基于循环谱特征识别的频谱感知算法

针对传统循环谱计算复杂度高的问题,提出一种基于循环谱特征识别的频谱感知算法,该算法采用自相关矩阵替代频域平滑方法计算信号的谱特征,在降低算法复杂度的同时,能够准确区分噪声与有用信号,利用软件无线电构建测试平台,用以验证算法的有效性.实验结果表明,该算法能够准确检测出频谱空穴,准确度大于90％,并能降低时间复杂度,可以满...     

基于MUSIC算法的宽带频谱感知

利用MUSIC算法进行宽带频谱感知时,主用户信号个数估计是关键问题。为此,提出一种动态门限搜索匹配的信号个数估计算法。利用信号子空间和噪声子空间的正交性动态调整门限,搜索与预设维度最匹配的信号个数作为最终的估计值。仿真结果表明,在低信噪比的情况下,该算法能准确估计信号个数,提高宽带频谱感知性能。     

基于CSM优先级的CogWMN联合路由与信道分配策略

认知无线Mesh网络(CogWMN)中的节点可以自主切换通信频率。当节点寻找路由和分配信道时,容易出现信道分配的不均衡化。为了提高非授权频段的利用率,发挥多信道并行传输的优势,提出一种在没有全局控制信道条件下的基于信道统计度量(CSM)优先级的联合路由与信道分配策略,以解决信道分配不均衡化问题,使网络内节点能以较少的跳数接入AP。仿真结果表明,所提策略能提高网络吞吐量和减少网络时延。     

一种基于遗传算法的RBF神经网络优化方法

提出了一种新的RBF神经网络的训练方法，采用遗传算法对RBF神经网络的隐层中心值和宽度进行了优化，用递推最小二乘法训练隐层和输出层之间的权值。在对非线性函数进行逼近的仿真中，验证了该算法的有效性。