认知无线网络中一种基于蚁群优化的频谱分配算法

针对认知无线电中的频谱分配问题,该文提出一种基于蚁群优化的频谱分配方法。该方法在授权用户和认知用户共存的认知网络模型中,通过蚁群访问各个认知节点,并释放信息素,从而实现概率型的全局搜索的并行频谱分配算法。与传统的频谱分配方式比较,该算法能够进行增强型学习积累,快速收敛到最优路径,从而获得了最优的平均信道效益。文中对该算法进行了分析和说明,并通过仿真证明了算法的有效性和稳定性。     

认知无线电网络的一种协作频谱感知方案

认知无线电技术能够让非授权用户利用已经分配给授权用户的频段.为了不对首要用户的工作造成干扰,认知用户需要对频谱进行不间断的监测来判断首要用户是否存在.因此,频谱的感知是认知无线电技术的关键.协作频谱感知能够充分的利用网络资源,提高网络中的认知用户的检测概率.文中笔者简单地介绍了一种协作频谱感知的方案.仿真结果表明,通过该方法能够提高网络中认知用户的检测概率,提高网络的检测灵敏度.     

基于干扰消减的认知无线电频谱分配算法

在认知无线电网络的频谱分配过程基础上,提出了一种基于干扰消减的频谱分配算法.该算法通过将可用频谱分配给能够同时无干扰地接入同一频谱的所有认知用户来提高授权频谱的使用率.同时,该算法参考各个认知用户在初始阶段的可用频谱数量来为未分配到频谱资源的认知用户进行频谱分配,对频谱分配过程的公平性进行了优化.仿真结果表明,该算法能够在认知用户数量较多、可用频谱紧张的情况下获得较高的吞吐量.     

采用最小最大准则的协作频谱感知融合

给出了采用最小最大准则实现认知无线电系统协作频谱感知融合的方法,以在主用户出现在授权频段的先验概率未知的情况下利用概率计算实现认知无线电系统的协作频谱感知融合。该方法可实现同步和异步感知信息的融合。仿真验证了算法的性能,并与采用估计主用户出现在授权频段的先验概率并进行基于概率的感知融合算法性能进行了比较。结果表明:给出的算法可有效实现主用户出现在授权频段的先验概率未知时的协作频谱感知融合。     

基于潜在博弈的认知无线电频谱分配研究

为解决认知无线电网络中认知用户、授权用户共存情况下的频谱分配问题,提出了一种基于潜在博弈的认知无线电频谱分配模型,该模型以最小化系统总干扰水平为目标,认知用户采用避免机会浪费的改进型策略动态调整规则进行频谱选择,经过有限改进路径快速收敛到博弈的纳什均衡点。在30个认知用户和2个授权用户共存的场景下进行仿真实验,算法以较快的收敛速度实现了频谱分配的目标,证明了模型及算法的可行有效。     

一种基于能量检测的协作式频谱感知算法

为提高认知无线电系统中频谱检测的可靠性,提出了一种基于能量检测的协作式频谱感知算法。利用授权用户的状态在相邻感知帧之间变化的概率小这一特性,通过将当前感知帧的能量值与相邻值相结合来判断授权用户状态,这样当授权用户使用授权频段时,所提算法能有效减小采样信号能量值骤减时发生误判的概率。另外给出了所提算法检测概率和虚警概率的闭式表达式。理论分析和仿真结果表明,所提算法比传统的协作式频谱检测算法检测性能好。     

一种基于功率控制和潜博弈的动态频谱分配算法

功率控制是感知无线电重配置的重要内容之一。结合功率控制的动态频谱分配策略可以有效提高频谱分配的性能。文章构建了一种潜博弈模型,通过在授权链路保护算法中加入功率控制机制,进一步降低对系统中授权用户和其它感知用户的干扰,提高通信链路的信干噪比,改善分配算法的性能。仿真结果表明算法达到了预期的效果,保证了感知无线电系统可靠通信。     

一种结合信道性能的频谱分配算法

在认知无线电网络中,由于授权信道的时变性,各可用信道的性能相差较大。为避免过多使用忙闲交替频繁的信道,首先用ON—OFF模型建模授权信道的使用情况,并推导了认知用户切换概率,提出了一种用信道状态变化率衡量信道性能的方法。在此基础上提出了一种结合信道性能的频谱分配算法,在网络吞吐量相同或相近情况下优先分配性能较好的信道。仿真分析表明,这种结合信道性能的频谱分配算法在降低切换概率的同时提高了实际总效益。     

基于授权用户状态迁移统计特性的频谱感知算法

通过动态监测各个频段使用状况并机会性地接入空闲频谱,认知无线电技术可显著提高已分配频段的频谱利用效率,继而有效地缓解频谱资源日趋枯竭的现状。文章首先采用一类具有记忆特性的状态迁移模型来刻画授权用户行为;综合考虑漏检概率与虚警概率的影响,建立了频谱检测的代价函数;在此基础上,采用最大后验概率准则实现检测算法,并对理论算法进行修正,使其满足实际场景下低复杂度、低检测时延要求。借助于有限状态机模型所隐含的编码增益,该算法能显著提高检测性能,数值仿真也进一步验证了算法有效性。     

认知无线电技术发展及其对频谱管理政策的影响分析

认知无线电技术的核心就是对频谱采取动态的分配方式,在授权用户不使用的情况下,其他用户在不对授权用户产生干扰的情况下可使用授权用户频段或非授权频段,从而提高频谱的利用效率。本文首先分析了目前频谱管理面临的问题,在此基础上,对认知无线电关键技术以及对标准组织的研究进展进行了介绍,最后从频谱管理、运营、技术3个层面上阐述了认知无线电技术为频谱管理带来的机遇与挑战。     

OFDMA中频谱感知的功率控制算法研究

结合认知无线电的特点,将基于频谱感知的功率控制算法应用到OFDMA系统中,建立了PA-OFDMA(Power Adaptation-OFDMA)仿真模型,实现了认知环境下的多址接入技术。该模型基于频谱感知信息,通过一种功率阈值分配算法自适应地为每个子信道分配一个独立的功率阈值,限定使用该信道认知用户的最大发射功率,实现非授权用户与授权用户的频谱共享。与干扰温度模型进行了比较,仿真结果表明,该模型解决了干扰温度模型中的局部干扰问题,提高了系统容量,具有较高的频谱利用率和较低的误比特率。     

基于呼叫接纳控制（CAC）的动态频谱接入机制

在认知无线电系统中,认知用户利用授权用户的频谱空洞进行通信,达到提高频谱利用率的目的。动态频谱接入技术是认知无线电系统的关键技术,在文中我们提出了一种使用呼叫接纳控制（CAC）的动态频谱接入机制,经过仿真验证该机制能有效地减小认知无线电系统中认知用户的切换概率,同时次用户对信道的使用率会略有下降。     

一种基于干扰温度限制的信道与功率联合分配新算法

随着无线通信业务的不断增长,频谱资源越来越紧缺,然而另一方面大量授权的无线频谱却被闲置或者利用率极低,于是认知无线电技术应运而生,已成为无线通信领域的研究热点。认知无线电的基本思想是次用户（认知用户）利用主用户（授权用户）未占用的空闲频谱进行通信,其可用无线资源是根据授权用户的频谱使用情况而动态变化的。因此,能否实现对系统可用无线资源的合理有效管理,对整个认知无线电系统性能的优劣起着决定性作用。本文提出了一种在干扰温度限制下基于公平的功率与信道联合分配算法,该算法在主用户干扰温度及次用户发射功率的双重限制下,以最大化系统容量为基本目标,实现信道与功率的联合分配,并且引入贫困线来保证各个用户信道分配的公平性。论文建立了该问题的非线性规划数学模型,给出了模型的求解方法,并进一步设计了具体分配算法及其步骤。论文对干扰门限分别为-90dBm、-95dBm、-100dBm、-105dBm、-110dBm时的系统归一化容量累积分布函数进行了仿真比较,发现当干扰门限越低时,本文算法的优势越明显。这是因为在干扰门限较低时,干扰温度限制是功率分配的主要制约因素,而本文的算法正是基于干扰门限进行分配的。因此基于干扰温度限制的公平的功率与信道联合分配算法具有良好的性能,在保证了系统的公平性效益的同时,提高了系统的归一化容量。      

认知无线电下行链路中的频谱共享算法

该文提出了一种适用于下行认知无线电系统的频谱共享算法,在保证对授权用户的干扰低于限制和总发射功率受限的条件下最大化系统总容量。分析了对授权用户的干扰并给出设置干扰限制的方法,在此基础上分两步实现总容量的最大化:先通过最大信道信干噪比原则实现最优的子载波分配;然后利用提出的双注水方法计算最优的功率分配。仿真结果表明,相比传统的频谱共享算法,该算法可以获得显著的系统容量增益。     

一种认知无线电系统双门限频谱分配算法

基于认知无线电系统中Underlay频谱共享模型,提出了一种双门限频谱分配算法.给定两个信噪比门限,当信噪比低于较小的门限时,系统选择认知用户做中继协助授权用户进行数据传输,以授权用户信道容量最大化为优化目标进行频谱分配;当信噪比大于较大的门限时,系统允许认知用户之间进行低功率数据传输,以认知用户接入数量最大化为优化目标进行频谱分配;当信噪比介于两门限之间时,由授权用户单独进行数据传输.理论分析和仿真表明,当授权用户信噪比低于较小门限时,所提方法能提高授权用户的信道容量;当授权用户信噪比大于较大门限时,所提方法可以提高认知用户的接入数量.     

一种认知无线电网络频谱分配策略

频谱分配技术是认知无线电的关键技术之一,为适应认知无线电系统的时变特性,频谱分配算法必须有较快的收敛速度。在干扰温度模型下,提出一种基于Kuhn-Munkras算法的认知无线电频谱分配策略。该策略利用Kuhn-Munkras算法可以实现最佳匹配并且收敛速度快的特性,根据不同的用户在不同信道上所产生的效益的差异性,实现认知用户和信道的最佳匹配。仿真表明,基于Kuhn-Munkras算法的频谱分配在性能上优于传统的配对算法和greedy算法。     

认知引擎中决策方法的研究

认知无线电(Cognitive Radio,CR)技术通过智能的频谱管理来解决频谱资源"短缺"问题,它能够感知到授权用户的空闲频谱,并有效地加以利用,从而减少与授权用户的冲突。现有无线电参数调整策略无法根据环境变化和用户需求进行智能调整,认知引擎中的决策方法能够解决该问题。遗传算法(Genetic Algorithm,GA)和二进制粒子群算法是实现认知引擎决策的典型算法,在对2种算法进行了介绍之后,仿真比较了2种算法在性能方面的差异。     

基于业务感知的协作频谱决策机制研究

认知无线电频谱分配中为了追求绝对公平而采用随机分配策略,然而由于次用户业务服务质量要求不同,会导致用户中断概率增加.在主用户行为预测模型中应用二状态马尔科夫链,主用户出现概率随机产生,不能反映信道真实状态.为此,提出时频联合检测与实时监测相结合的主用户行为预测,在频谱分配中区分业务类型.仿真结果显示,所提算法次用户平均中断概率优于随机分配机制.     

认知无线网络中基于用户需求和频谱聚合的动态频谱分配

认知无线电技术可以感知周围无线环境择机利用频谱空洞,从而达到提高频谱效率的目的.在认知无线电网络中,现有的频谱分配算法大部分是基于连续频谱分配并且没有考虑用户的需求.但是连续频谱分配会生成许多小于用户需求的频谱片段,这些频谱片段不能被充分利用,从而造成频谱浪费.本文基于图论提出了一种联合考虑用户需求和非连续频谱聚合的频谱分配算法.在该算法中,非连续的频谱片段被聚合以尽可能多地满足用户总需求,充分利用了小的频谱片段,避免了频谱浪费,从而提高频谱效率.     

基于中继协作的认知无线电性能研究

频谱感知是认知无线电技术的关键。协作频谱感知能够充分利用网络资源,提高网络中认知用户的检测概率,降低认知用户的虚警概率。基于两个认知用户之间的中继协作,研究了协作频谱感知的感知性能与吞吐量的折衷。仿真结果表明：中继协作的频谱感知方法能够使得在充分保证对授权用户不造成干扰即检测概率一定时,能够有效地降低认知用户感知授权用户的虚警概率,缩短＂弱＂认知用户获得最大吞吐量的最优感知时间,提高其最大吞吐量,并提高认知系统的最大吞吐量。