基于SC-FDMA的宽带认知无线电网络中最优功率分配的研究

研究了基于单载波频分多址(SC-FDMA)的宽带认知无线电网络中非授权用户(NU)的最优功率分配(OPA)问题.首先给出了基于SC-FDMA的宽带认知无线电网络中非授权用户对授权用户的干扰功率模型.在此基础上,分别在下述两种约束条件下利用凸优化理论推导出了两种使非授权用户的和速率最大的最优功率分配(OPA)算法.约束条件一为:任一非授权用户的任一子载波对授权用户的干扰功率受限(IPCs);约束条件二为:所有非授权用户的所有子载波对授权用户的干扰功率受限(IPC).仿真结果表明,与等功率分配(EPA)和传统最优功率分配(C-OPA)算法相比,所提出的算法显著提高了非授权用户的可达和速率.     

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。     

认知无线电网络中多目标频谱分配与功率控制

针对Underlay接入方式的认知无线电网络中的功率控制问题进行了研究,提出同时考虑频谱分配和功率控制两个因素。并且为了同时满足用户的多种需求,将网络容量和功耗效率构建成一个多目标优化问题,然后提出了一种基于NSGA-Ⅱ的改进多目标优化算法对该问题进行建模求解,得到了适合用户不同需求的Pareto最优解集。最后将所提方法与SPEA-Ⅱ算法进行了实验对比,仿真结果表明,所提方法能够有效地搜索到优化解,并且能够满足不同情况下的频谱和功率分配要求。     

在认知中继网络中基于放大转发与最佳中继的最优功率分配算法

由于受认知无线电与中继通信技术的启发,提出了一种认知中继网络模型.该模型由源节点、目的节点、认知中继节点及主用户(primary user,PU)构成.认知中继节点以与PU共存的方式为源节点辅助传输信息到目的节点,只要保证其对PU通信造成的干扰在PU干扰门限值以下.假设源节点、目的节点和认知中继节点之间的瞬时信道边信息(channel side information,CSI)和认知中继节点到主用户之间的均值信道增益已知的前提下,研究该模型中的认知中继节点分别采用放大转发(amplify-and-forward,AF)和基于AF的中继选择(selection AF,S-AF)下的功率分配策略,该策略以最小化系统中断概率为目标,同时也满足认知中继节点的发射功率约束(包括总发射功率和个体发射功率约束)和对主用户的干扰功率约束.最后,通过数值仿真来验证推导出的功率分配策略.仿真结果表明:本文提出的最优功率分配策略,无论在AF,还是S-AF下,均能明显的改善系统的中断性能和平均吞吐量;同时在S-AF下最优分配策略可以得到更高的平均吞吐量,因此中断概率更小.     

认知中继网络中的功率分配算法

无人机（Unmanned aerial vehicle, UAV）通信是当前无线通信领域的研究热点。为了保证地面移动端与UAV通信的可靠性,提出了基于空时块码（Space-time block code, STBC）的协作中继传输方案。为了提升频谱效率,本文利用认知无线电技术,于协作中继处分别采用放大转发(Amplify-and-forward, AF)和解码转发(Decode-and-forward, DF)两种协议进行传输,在主用户通信服务质量得到保证和认知用户传输功率受限的条件下,建立以认知中继网络的吞吐量最大化为目标函数的优化问题。采取拉格朗日乘子法与Karush-Kuhn-Tucker (KKT)条件相结合的方案来实现优化问题中最优功率的分配。最后,仿真结果不仅验证了所提方案的有效性,还表明了DF中继协议下认知中继网络的吞吐量优于AF中继协议。     

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。     

认知无线电网络非协作博弈功率分配算法研究

发现干扰节点,并将功率适当地分配至各个可用频谱上,以提高节点数据率和网络吞吐量,是认知无线电网络当前的研究热点.本文提出一种基于非协作博弈功率分配方法(PANG),以提高认知无线网络系统吞吐量.PANG将认知网络节点功率分配问题转化为非协作博弈问题,并采用线性代价因子的方法抑制功率分配时的盲目性.理论分析表明,PANG存在纳什均衡点,具有帕累托最优解.本文使用Matlab对PANG算法进行仿真,仿真结果表明,PANG算法能够比PIWF算法更加合理的进行功率分配,并有效的提高系统吞吐量.     

认知中继网络功率分配的优化算法

本文研究了认知中继网络的功率分配策略。在基于AF(amplify-and-forward)和DF(decode-and-forward)中继模式下,考虑认知用户传输功率受限以及主用户干扰容限等因素,建立了认知中继网络吞吐量的非凸函数和凸函数优化模型;并利用拉格朗日乘子得到最优解。仿真结果表明,所提算法在认知用户传输功率受限以及主用户干扰容限下优化了认知中继网络的吞吐量。     

认知协作无线电网络下基于能效的资源联合分配

在认知协作无线电网络中,当次用户盲目地参与到中继主用户中,会选择不利于次用户系统能效的主用户,从而降低次用户系统整体的能效。针对该问题,提出一种资源联合分配方案。次用户有权拒绝不利于自身系统的协助申请,而是选择有利于其系统能效的主用户进行协助。在确定主用户集合的情况下,通过有效地分配带宽和功率来提高次用户系统的能效。仿真结果表明,该方案能够在保证各用户服务质量的情况下,实现次用户系统能效的提高。     

基于凸优化的认知中继功率分配

该文研究了基于凸优化的认知中继功率分配问题。考虑在干扰温度的限制下,如何通过合理的子载波功率分配使得系统容量最大化。文章依据凸优化理论给出该问题的最优迭代算法,并从改善算法平均时间复杂度的角度加以改进,进而提出一种次优算法。数值仿真结果表明,次优算法相比最优算法有一定的性能损失,但是计算复杂度大大减少。     

Joint optimal sensing time and power allocation for multi-channel cognitive radio networks considering sensing-channel selection

In this paper,we consider a multi-channel cognitive radio network(CRN)where each secondary user(SU)can only choose to sense a subset of channels.We formulate a joint optimization problem of sensingchannel selection,sensing time and power allocation under the constraints of average transmit power budget and average interference power budget,which maximizes the CRN’s total throughput.We propose a greedy algorithm to solve the joint optimization problem,which has much less computational complexity.Moreover,it is shown that the search space of the greedy algorithm can be further pruned.Finally,numerical results demonstrate that the greedy algorithm has comparable performance to the exhaustive search algorithm.     

认知无线电网络基于QoS的监听时间与资源联合分配

以最大化所有认知无线电用户(CRU)的吞吐量为目标,同时保证每个CRU的服务质量(QoS)约束,研究了联合最优监听时间和资源分配问题,并基于此提出了一种监听时间与资源联合分配算法.在多信道认知无线电网络中,频谱监听和资源分配都会影响网络的吞吐量.兼顾二者的联合优化问题可以被分解为两个子问题:固定监听时间的资源分配问题, 以及固定资源分配策略的最优监听时间一维穷举搜索问题.提出的算法可以通过穷举搜索获得最优监听时间,并通过次梯度算法获得最优资源分配策略.仿真结果表明,提出的最优监听时间与资源分配算法可以最大化认知无线网络的吞吐量; 此外,各认知用户的QoS需求也能得到保证.     

Optimal power allocation for cognitive relay networks: amplify-and-forward versus selection relay

We consider a cognitive relay network which is defined by a source,a destination,and cognitive relay nodes and primary user nodes.In this network,a source is assisted by cognitive relay nodes which allow coexisting with primary user nodes by imposing severe constraints on the transmission power so that they operate below the noise floor of primary user nodes.In this paper,we mainly study the power allocation strategies of this system to minimize the outage probability subject to total and individual power c...     

Multi-channel power allocation based on market competitive equilibrium in cognitive radio networks

Cognitive radios such as intelligent phones and Bluetooth devices have been considered essential goods in next-generation communication systems.Such devices will have to share the same frequency band owing to the limited bandwidth resource.To improve spectrum efciency,we formulate multi-channel power allocation as a market competitive equilibrium(CE)problem,and prove that its solution exists and is unique under the condition of weak interference.We then propose two distributed power allocation algorithms achieving CE,namely the fast convergent power allocation algorithm(FCPAA)and the social-fairness-aware FCPAA(SFAF).Theoretical analysis and simulation results demonstrate that the proposed algorithms lead to better system performance in terms of the guaranteed interference temperature constraint using the price mechanism instead of a strategy based on the Nash equilibrium.Moreover,it is shown that the FCPAA maximizes total utility,and converges more quickly than the method addressed in prior research with the help of improved round-robin rules.However,the FCPAA cannot ensure the same social fairness among secondary users as the SFAF scheme in both the non-fading channel and Rayleigh fading channel;the SFAF balances the individual utility by adjusting each user’s budget at the expense of a small quantity of system total throughput.     

认知无线电中基于时间差因子的频谱分配算法

为了降低认知系统的通信中断概率,提高认知系统的稳定性,在经典的图论着色模型基础上提出了一种改进的频谱分配算法。该改进算法引入一个频谱空闲时间和用户请求时间的差值因子,对于每个认知用户,该算法综合考虑频谱效益与时间差因子两个因素来分配频谱。仿真结果表明,改进算法使认知系统的中断概率远低于原算法。     

认知中基于业务和信道分级的分布式信道分配

为了支持更多的认知业务,提高认知系统的总体性能,提出了基于业务和信道分级的分布式信道分配算法.根据数据速率的不同,将认知用户的业务需求和可用信道分别分为不同等级,优先分配对应等级的空闲信道给干扰邻居数最小的认知用户,以保证更多的认知业务有机会获得空闲信道.仿真结果表明,算法能满足更多认知业务的需求,符合理论分析的结果.     

认知无线电网络中基于排队论的集中式频谱分配策略

传统的基于图着色模型和基于博弈论模型的动态频谱分配算法因存在计算复杂度高、收敛速度慢等缺陷,在实际网络环境中会造成很大的时延和能耗开销。针对主次用户共存,主用户交替转移忙闲状态的网络环境下,基于排队论模型提出了一种高效、低能耗的集中式频谱分配方案,并给出了该方案下次要用户的平均阻塞率和强制中断率的解析表达式。理论分析和仿真结果表明,所提的方案能够大幅度降低节点能耗。     

潜铺型卫星认知通信中上行链路功率控制

针对卫星通信中存在有效信道远小于注册频率的情况,提出了以潜铺型认知无线电为技术依靠的卫星上行链路功率控制算法。该算法以次要用户所获吞吐量与付出代价之差为效用函数,通过次要用户作为参与者建立的博弈模型进行纳什均衡求解,得到最优功率分配策略。该策略可满足次要用户自身需求,亦不影响主要用户系统正常通信,能有效提高频带使用率。在性能方面,指出了次要用户系统容量和预留信噪比的关系。仿真结果表明,在主要用户系统容许范围内次要用户数量越多则其系统吞吐量和系统收益越大,最后讨论了算法的实现复杂度。