认知无线网络动态权值调整的频谱切换策略

认知无线网络中,次用户的目标信道选择受次用户传输功率、信道衰落因子、信道带宽、信道可用率等因素影响。针对基于多属性判决的频谱切换没有充分考虑各因素的重要程度和动态变化问题,本文提出了基于动态权值调整的频谱切换策略。根据主观经验和网络环境变化动态调整权值,采用多属性简单加权法计算各信道目标函数值,根据目标函数值降序排列结果选择切换的目标信道。仿真结果表明,本文所提出的算法能够减少次用户的切换次数,提高有效数据传输速率。      

认知无线网络基于信号博弈的分布式功率控制算法

针对认知无线网络分布式环境下信道信息不对称导致资源分配冲突的问题,该文提出一种基于信号博弈的分布式功率分配算法。考虑具有竞争关系的次用户在不使用控制信道的情况下,通过信号博弈策略依次选择功率分配策略,达到信道信息共享的目的,能有效避免对主用户正常传输的干扰以及竞争次用户之间功率分配冲突。该文对均衡结果进行分析,仿真结果表明该算法可以有效估计信道增益,次用户的吞吐量相对于已有研究得到明显提升。     

一种适用于B3G移动通信系统下行共享信道的调度算法

本文针对后三代(B3G)移动通信系统中的宽带无线信道特性和流媒体业务特征,分析了可用于高速下行共享信道的各种传统分组调度算法,提出面向流媒体业务能够提高系统吞吐量的基于优先级公平调度(Priority-Based Fairness Scheduling,PBFS)算法.该算法根据各移动用户收发信道质量和业务传输的QoS要求动态调整各用户的业务传输优先级,确定下行共享信道的调度方案.并给出该算法的简化形式S-PBFS.仿真结果表明,与传统调度算法相比,S-PBFS算法在数据包传输时延受限的条件下具有无线信道利用率高、实现复杂度低等特点.     

认知无线电系统中最大化吞吐量的多信道检测-传输方案

研究了认知无线电系统中最大化认知用户吞吐量的多信道检测-传输方案,分别设计了信道状态信息不可获取和信道状态信息可获取情况下的最优检测-传输方案设计,并综合分析了各信道频谱检测的虚警,漏检以及检测时长对认知用户吞吐量的影响。在信道状态信息不可获取时,认知用户需要在每一时隙开始时,就决定需要检测的信道集合以及相应的检测时长。而在信道状态信息可获取情况下,提出了自适应检测-传输方案。该方案在每个信道检测完成之后,认知用户可以根据已知的检测结果以及信道状态信息来不断调整检测-传输策略。仿真结果显示,该自适应检测-传输方案能有效的提高认知用户的吞吐量。     

认知无线网络中基于主用户行为的联合路由和信道分配算法

针对认知无线网络中主用户行为将导致频谱瞬时变化而影响路由稳定性的问题,提出了一种基于主用户行为的路由和信道联合分配算法。该算法通过采用呼叫模型对主用户行为建模,并根据动态源路由协议的路由寻找机制,在目的节点等待多个路由请求分组后选择受主用户行为影响最小的路由,然后沿着所选定路径的反方向传送路由回复分组并完成信道分配。理论分析证明了算法中的链路平均持续时间期望与主用户活动概率成反比且具有与网络节点数成正比的计算复杂度。仿真结果表明,该算法具有比Gymkhana路由方案更高的分组投递率和更低的平均分组时延。     

一种具有QoS保证的无线分组调度算法

为提高系统吞吐量对指数规则（EXP-rule）调度算法进行了改进。改进的指数规则（WEXP-rule）算法根据各移动用户收发信道质量和业务传输的QoS要求动态调整各用户的业务传输优先级,确定下行共享信道的调度方案。并给出该算法的简化形式SWEXP-rule。仿真结果表明,与传统调度算法相比,SWEXP-rule算法在数据包传输时延受限的条件下具有无线信道利用率高、实现复杂度低等特点。     

认知MIMO系统中改进的干扰信道学习算法

针对认知MIMO系统中认知用户获知干扰信道的问题,提出了一种改进的盲信道学习算法。该算法用循环雅可比方法估计干扰信道矩阵的零空间,其参数是利用主用户的功率控制机制,通过二分搜索法获得。然后以抑制认知用户对主用户的干扰为目标,提出在学习过程中动态调整二分搜索精度的方法来改善算法收敛性能。理论分析和仿真结果表明,所提算法比BNSL算法收敛速度明显加快,信道学习过程中对主用户的干扰有明显改善。      

基于POMDP的次用户多时隙信道选择算法

为了最大化次用户系统吞吐量,同时减少信道选择过程中的计算量,在多条主用户信道的次用户多时隙系统中,用半马尔科夫链(Partially Observable Markov Decision Process,POMDP)理论刻画次用户信道选择过程,并提出了对应的信道选择算法。在每一个时隙开始时,次用户选择部分信道进行感知,之后根据感知结果选择不同的传输功率接入信道,对于没有被感知的信道,次用户可以直接接入。对POMDP问题求解采用了最优策略、次优策略以及任意策略,并通过在不同仿真环境下的数值分析比较,论证了所提算法的实用有效。     

认知蜂窝网络环境下的上行节能方法研究

针对蜂窝网用户在高速数据传输时能耗过高的问题,基于认知蜂窝网络模型,提出了一种通过合理利用认知网络资源进行多网络并发传输的最大能效传输策略。该策略利用多模终端可以同时接入不同网络进行并发传输的特点,建立用户能效模型,并通过研究并发传输时不同网络可用信道状态、能耗和数据传输速率之间的关系,得出使用户能效最大的认知网络资源使用和数据传输速率分配算法。仿真结果表明,该最大能效策略能够有效提升用户的能效。     

认知无线电网络中基于强化学习的智能信道选择算法

认知无线电系统不仅要具有自适应性,更应具备一定的智能性。该文将强化学习理论引入到认知无线电系统中,用于解决次用户在频谱感知过程中的信道选择问题,提出了一种基于强化学习的信道选择算法。该算法在未知主用户占用规律和动态特性的前提下,仅通过不断与环境进行交互学习,便能够引导次用户选择“较好”信道优先进行感知,使次用户吞吐量得到提高。仿真结果表明,相对于现有信道选择算法,所提算法可有效提高次用户的吞吐量,并且在主用户使用规律发生变化时,能够自动实现二次收敛,可作为认知无线电系统迈向智能化的一种尝试。