基于OFDM的认知无线电系统中功率分配算法

针对基于正交频分复用(OFDM)的认知无线电系统中,子载波功率分配的最优化算法中出现的迭代运算繁琐、不易实现的问题,提出一种基于幂函数分布的次优化功率分配算法.该算法采用线性约束的凸优化数值运算方法,对认知用户频带内子载波的功率按照幂函数的数值特性依次分配,该算法具有运算速度快、易于实现的特点,并且有效地解决了授权用户受到认知用户频带内子载波带外泄漏功率的干扰问题.通过使用MATLAB建模仿真,结果表明,提出的算法方案在满足授权用户干扰门限的条件下,使得认知用户频带内信道容量能够达到最大化,并且在同样条件下提高了现有功率分配方案的最大传输速率.     

认知网络中基于纳什议价解的功率控制方法

本文基于合作博弈论中的纳什议价博弈理论,研究了认知无线电网络中的功率控制问题。提出一种基于信干扰比(Signal-to-Interference plus Noise Ratio, SINR)的效用函数模型,按照纳什定理基于该模型的合作功率控制算法获得的纳什议价解(Nash Bargaining Solution, NBS)可以保证整个系统的帕雷托最优性,同时通过证明纳什议价解实质是比例公平性的一般形式从而保证用户之间的公平性。在主要用户干扰温度限和认知用户的最大传输功率等限制条件下,按照纳什定理把基于NBS的功率控制问题转化为求解多重限制条件下的最优化问题,通过引入拉氏乘子求解该问题有效获得了各个认知用户的传输功率水平,实现SINR门限的要求。仿真结果表明本文算法有较快的收敛速度,同时较非合作算法相比可以有效改善认知用户之间的公平性和系统的整体性能。     

认知无线网络中基于业务区分的多信道MAC协议

为了满足认知无线网络中认知用户的业务服务质量需求,提出了一种基于业务区分的多信道媒体接入协议(SD-MAC).根据授权用户的信道使用模型以及认知用户的业务类型,实时业务采用基于预约的接入机制,而非实时业务则通过采用基于竞争的接入算法实现信道共享.理论分析和仿真结果表明,所提出的MAC协议能够有效提高实时业务的吞吐率,保证较低的接入时延,从而有效地提升系统性能.     

基于DF中继的认知OFDM协作系统的资源分配算法

针对多中继认知OFDM协作系统的中继和功率分配采用的拉格朗日对偶分解法虽然具有较好的性能,但计算复杂度较高这一问题,提出了一种低复杂度的资源分配算法。该算法放宽了中继选择因子的整数约束条件,综合考虑认知用户各子载波的信道条件和对主用户的干扰进行中继选择。根据系统总功率和干扰约束的特点,提出一种次优功率分配算法对功率进行分步求解,在保证系统容量有所增加的基础上降低了算法的计算复杂度。仿真结果表明:本文提出的算法不仅保证了认知用户对主用户产生的干扰在临界值以内,而且使认知用户的系统容量得到了较大的提升,具有一定的可行性。     

认知Ad Hoc网络多小区资源分配方案

在授权多小区频谱资源复用场景下,基于分级信道接入模型提出了一种认知Ad Hoc网络资源分配方案．授权小区将频谱资源进行区间复用,认知系统根据区域复用的不同划分可用频段,并在不同频段采取不同的接入方式;联合考虑链路传输需求及授权用户干扰保障设计传输效益因子,根据传输效益因子分配可用信道,运用拉格朗日对偶理论实现功率分配,并基于令牌环结构实现Ad Hoc链路局部信息交互．仿真表明,所提算法相对非复用认知场景系统容量可在相同指标下提升2%．     

认知无线电网络中具有中断概率约束的波束成形

研究了在认知无线电（CR）网络中发送端波束成形的算法设计. 为了保证服务质量,建立了以CR用户的中断概率和主用户的中断概率为约束条件,最小化CR网络发送端功率的数学优化问题. 仿真结果表明,在发送端已知信道协方差误差分布的情况下,所提算法可有效控制各CR用户的发射功率,提高CR网络性能和降低对授权用户的干扰.     

基于直扩技术的认知无线电资源管理信道研究

采用直接序列扩频技术,构建了一种具有低功率谱密度和较强干扰能力的资源管理信道,可较好地解决认知无线电感知信息传输时延问题,实现感知信息传输的及时性、可靠性.借助干扰温度概念,分析一定区域内资源管理信道对主用户的十扰,总结出主用户干扰温度与可容纳的认知无线电终端之间的关系.     

快速收敛的认知无线电功率控制算法

针对认知无线电系统中不同认知用户的通信需求,以码分多址（CDMA,code division multiple access)认知无线电系统为通信平台,通过设计一种有效的代价函数,提出了一种新的非合作功率控制博弈算法,并证明了该算法纳什均衡的存在性和唯一性.仿真结果表明,与其他几种功率控制算法相比较,该算法具有较快的收敛速度,能够以较低的功率水平满足不同用户的信干比要求.     

Overlapped OFDMA——新颖的多载波频谱共享传输机制

针对现有非连续正交频分复用(DOFDM)等系统通常只允许认知用户利用授权用户未使用的频带进行共享传输的问题,提出一种新颖的频谱共享传输机制,即混叠正交频分复用多址接入(Overlapped OFDMA),能够在一定条件下实现认知用户与授权用户的混叠频谱共享.通过对一般OFDM系统的信号结构进行研究发现,当认知用户的子载波带宽采用授权用户子载波带宽的一半进行传输、其频谱和授权用户频谱存在一定混叠时,只要认知用户保持和授权用户时域信号准同步且其子载波分配方案满足一定的限制条件,授权用户将不受干扰.由于各载波上的干扰都包含有其它载波的信息,因此认知用户可以通过适当的恢复算法将信息完整地恢复.仿真和分析结果表明,尽管Overlapped OFDMA会带来一定的复杂度,但授权用户的性能和DOFDM系统相比几乎相同,而认知用户却获得了更加优异的吞吐量性能.该机制为频谱共享传输体制的设计提供了新的可能性.     

基于鲁棒的认知无线电功率分配算法

考虑授权用户的干扰功率阈值,认知用户的总发射功率预算和各个SU的信干噪比,提出了一种基于鲁棒的多用户认知无线电能量有效的功率分配算法。利用凸优化的相关理论,采用拉格朗日算法得到增益最坏情况下的功率分配。仿真结果证明了该功率分配算法的可行性和有效性。     

Multi-criteria user selection scheme for learning-based multiuser MIMO cognitive radio networks

For multiuser multiple-input-multiple-output (MIMO) cognitive radio (CR) networks a four-stage transmiision structure is proposed. In learning stage, the learning-based algorithm with low overhead and high flexibility is exploited to estimate the channel state information (CSI) between primary (PR) terminals and CR terminals. By using channel training in the second stage of CR frame, the channels between CR terminals can be achieved. In the third stage, a multi-criteria user selection scheme is proposed to choose the best user set for service. In data transmission stage, the total capacity maximization problem is solved with the interference constraint of PR terminals. Finally, simulation results show that the multi-criteria user selection scheme, which has the ability of changing the weights of criterions, is more flexible than the other three traditional schemes and achieves a tradeoff between user fairness and system performance.     

认知无线电网络中的参数优化问题

针对在多协作用户宽带信道情况下,认知无线电网络中当信道增益固定时,检测时间、功率以及带宽分配等参数的优化问题,提出了各参数的联合优化算法.以信道容量为目标函数,给出了最优的资源分配算法.结果表明,该算法能够实现频谱接入并且极大地提高了次用户系统的总信道容量,且资源分配与主用户占用的概率、峰值发射功率和干扰约束等因素有关.在多认知用户网络中,参与合作的用户越多,接收信号的信噪比越高,次用户系统的总信道容量越大.     

认知MIMO系统中基于博弈论的干扰对齐算法研究

为消除用户间干扰,提高认知无线电多输入多输出（CR-MIMO）系统传输速率,给出一种基于博弈论的干扰对齐算法。该算法首先采用注水算法为主用户进行功率分配,同时设计次用户预编码使次用户信号落入主用户未分配功率的子信道。然后将次用户之间的多条干扰链路构成一个博弈群体进行求解,实现次用户之间的干扰对齐。此外,为最大化次用户传输速率,将次用户功率分配问题转换为布谷鸟鸟巢的选择问题,构造适应度函数,得到最优的功率分配方案。数值分析表明,该算法可以消除主次用户的干扰以及次用户之间的干扰,传输速率比最大信干噪比（Max-SINR）算法高2 b·s-1·Hz-2,同时,结合布谷鸟搜索算法进行功率分配后传输速率高于文献[13]。     

基于AF中继的OFDM认知系统的 功率分配和子载波配对算法

建立基于放大转发(AF)中继的正交频分复用（OFDM）的认知无线电系统模型,并推导出该系统中在对从用户的源节点和中继节点的总功率限制和对主用户的干扰限制条件下的联合最优功率分配和子载波配对算法.采用拉格朗日对偶分解法和次梯度法推导出最优功率分配算法,并将基于Hopcroft-Karp算法的子载波配对方法融合到功率分配的过程中,得到联合最优算法.根据系统总功率和干扰限制的特点,提出一种低复杂度的次优功率预分配算法.分别对最优功率分配算法和次优功率分配算法、Hopcroft-Karp子载波配对算法和源节点、中继节点采用相同子载波传输的固定子载波配对算法进行仿真比较.结果表明：采用功率分配和子载波配对的联合优化技术能够大大提高系统的频谱效率,具有一定的可行性.     

发射波束赋形消除感知用户对主用户干扰算法

针对如何完全消除感知用户对主用户的干扰问题,探讨了如何利用发射端的波束赋形消除感知用户对主用户的干扰。给出了感知网络和主用户网络共存的系统模型和一种最佳波束赋形算法。并对这种最佳波束赋形算法进行了性能仿真,仿真结果表明,该算法较迫零波束赋形算法在性能上更有优势。与经典的迫零波束赋形方法比较,该算法既能消除对主用户的干扰,提高了感知用户自身的性能。     

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.     

联合功率控制的D2D资源分配算法

针对D2D通信引入LTE网络中同频干扰以及能耗过大问题,首先基于模糊聚类算法,将D2D用户分成若干个D2 D用户组,并且基于中断概率最小为每个D2 D用户组寻找最优蜂窝用户资源,以降低用户间干扰、提高系统吞吐量。其次结合上述资源分配提出了一种有效的功率控制方案,调节资源分配后用户组内D2 D用户的发送功率,以提高系统能量效率。仿真结果表明：该算法降低了系统干扰,提高了系统吞吐量以及系统能量效率,同时又保证了D2 D用户获得无线资源的公平性。     

用RBF神经网络算法设计CR认知引擎

认知无线电是一种智能无线电通信系统,认知引擎的设计是其关键问题之一.认知引擎可通过推理与学习方法来实现认知无线电的感知、自适应与学习能力.为适合变化的无线环境,提出了用RBF神经网络设计认知无线电认知引擎的模型,根据经验知识和环境情况,动态重配置无线环境参数.基于802.11 a仿真平台模拟认知无线电通信模型,经样本值训练神经网络,利用该网络学习信道特征,并建立基于RBF神经网络的认知引擎.在对感知信息学习后,实现根据无线环境和用户需求来配置通信参数的功能.仿真表明,这种认知引擎能有效地实现认知无线电的学习重构功能,其预测精度比BP网络模型高出了10%~30%.