一种基于排序蚁群算法的无线Mesh多径路由协议

无线Mesh网络因其较好的鲁棒性、可覆盖区域广、低成本、接入便利等优点,在临时布置通信网络逐渐得到了重用,在无线通信技术中扮演着越来越重要的角色。针对无线Mesh网络的特点,提出一种基于改进蚁群算法的多径路由协议Fortified Ant协议。与传统的蚁群算法路由协议相比,该协议对蚁群算法进行改进,在蚁群算法基础上加入排序算法,同时在该协议中加入多径传输,在主路由失效时马上启用备份路由,保证信息传输的时效性和可靠性。实验结果表明,与ADOV、DSR和ACO路由算法相比,该算法能迅速发现质量较优的多条路径,具有收敛快、开销少等优势。     

CRN中基于隐马尔科夫模型的信道选择方法

频谱感知技术作为CRN(Cognitive Radio Network)的关键技术之一,能够对空闲信道进行有效的探测,然后再重新分配给次级用户SU(Secondary Users)。针对现有频谱感知技术在感知新信道过程中时延较大、选择信道达到最优的问题,提出一种基于信道选择机制的HMM(Hidden Markov Model)方法。以减小感知时延,并对频谱范围进行优化,进而估计节点的带宽范围以将信道分配给SU。与现有方案相比,该方法具有更好的端到端吞吐量、且具有更低的运行时间和平均端到端延迟。     

联合机器学习的D2D通信多中继选择机制

在D2D通信中,当源节点与目的节点间的距离过大时,可以通过引入中继节点来改善通信质量。当通信衰落严重时,单中继无法有效改善通信质量,此时可以引入多中继参与通信。针对D2D网络多中继通信,提出一种基于机器学习中Q-learning算法的多中继选择机制。首先,判断源节点与目的节点之间通信是否需要合作中继;其次,通过考虑D2D网络中通信能量消耗来对Q-learning算法中的Q函数的回报值进行定义;最后,通过计算D2D通信传输距离和通信接收端信噪比得出满意度函数。综合考虑回报值和满意度,获得协作中继集。仿真结果表明,基于Q-learning算法的多中继协作可以显著减少传输延迟,平衡网络负载。