基于公共DF中继的认知无线电中继选择和功率分配

为提高认知无线电网络中主用户和次用户的通信质量,并可简单有效地利用中继节点来控制主用户和次用户之间的相互干扰,提出了一种基于公共中继的最佳中继选择和功率分配方案.首先,在认知无线电网络中建立了基于公共DF中继的无线通信模型;然后,根据无线通信理论推导出要优化的目标函数;最后,在保证主用户中断概率低于目标值的前提下,利用凸优化理论得出了模型中的最佳中继选择和功率分配方案.仿真实验结果表明,与常见的直接传输方案和功率平均分配的中继方案相比,本文提出的中继选择和功率分配方案提高了次用户的通信距离和速率,并且降低了主用户的中断概率,为更好地解决认知无线电网络中主用户和次用户的相互干扰问题提供了新的思路.     

基于动态学习机制的MAS信任评价方法

为准确评价协作目标,在agent信任评价模型中引入动态学习机制。采用该机制,agent在协作中可以根据环境参数、历史交互信息动态调整信任评价方式,并且在模型中引入陌生人信誉,根据对陌生人熟悉度和可靠度的计算结果处理与陌生人的交互。实验表明,采用该机制,MAS在取得目标奖励的同时,可以动态选择信任评价方式,有效地对目标agent进行评价。