认知无线中继网络最小化中断概率功率分配算法

为提升认知无线中继网络的中断性能,通过分析系统中断概率及用户功率分配情况,提出一种最小化中断概率的功率分配算法。给出在主用户干扰约束和总功率约束条件下最小化中断概率的数学优化方程组,根据用户的最大发射功率与干扰电平阈值的受限关系,分别考虑分配功率不超过干扰电平阈值、中继节点功率受限于干扰电平阈值以及所有节点受限于干扰电平阈值这3种情况,对应提出3种最佳功率分配方案,并基于KKT条件求解最优值。实验结果表明,该功率分配算法与基于频谱共享以及基于机会主义中继选择的中断概率分析方法相比,性能增益提升显著,并且在总功率、干扰电平变化的条件下,所采用的功率分配方案提升系统中断性能效果较好。     

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。     

ICRN功率分配与中继选择联合优化

针对工业认知无线电网络中出现的无线干扰和冲突严重,特别是工业现场的金属环境和移动特性造成多径与阴影衰落,从而使得传输可靠性难以保证的问题,引入感知信道概率及信道可用度概念,提出一种联合优化中继选择与功率分配的算法。该算法给出3种认知中继选择方案,分别是信道增益最大准则、最近准则及调和平均准则,并在源节点和所选中继节点之间进行最优功率分配,以最小化网络中断概率。仿真结果表明,与平均功率分配算法相比,所提算法能更好地降低系统中断概率,提高传输可靠性。     

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.     

一种车联网分簇方法与簇内中继选择方法

针对车联网低时延、高可靠性的通信需求,提出了基于簇稳定的车辆分簇方法,有效增加通信时间,提高通信可靠性。在此基础上,研究功率受限的情况下车联网簇内数据分发的中继选择问题,提出了一种基于功率预分配的中继选择方法。该方法簇内车辆协作采用HDAF转发协议,在中继选择之前先对源节点和潜在中继节点进行功率分配,求取系统中断概率最小的功率分配因子,然后比较融入功率优化因子的各个节点的等效信道增益,选择出最优中继节点集合。数值结果表明:基于簇稳定的车辆分簇方法相比基于地理位置的分簇方法具有更高的稳定性。同时,提出的中继选择方法在相同条件下比传统的单中继选择方案和全中继选择方案具有更小的中断概率。     

一种双信道协作中继的认知网络功率分配算法

针对认知无线网络主、次用户的互相干扰对网络中断性能以及系统传输效率的影响进行了研究,采用一种双信道协作中继的传输方案来减少干扰,并提出一种基于中断概率的最优功率分配方案来改善中断性能和传输效率。在该传输方案中,主、次系统通过对接收的主信号和复合信号进行处理,采用连续的干扰解码和消除得到去干扰信号。该功率分配方案在保障主系统中断性能的前提下,提出次系统中断概率的优化方程,通过关联功率分配因子来实现最大化次系统吞吐量。实验结果表明,该算法在改善中断性能和系统吞吐量方面具有较好的效果。     

车载双向AF协作通信系统的中断性能分析

在车载通信系统中采用双向中继协作通信可以提升系统性能。然而,车辆移动造成的链路相关性会增大车载双向中继协作通信系统的中断概率。针对这个问题,建立了车载双向链路相关性系统模型,用相关系数描述车辆移动造成的双向链路特性,简化了系统中断性能分析。同时,在中继采用AF方式下得到系统中断性能的闭式解,且中断概率一定时,求得最优功率分配方案。数值分析表明,相关系数比功率分配系数对中断性能影响的幅度更大,相比传统单向AF中继协作通信系统的最优功率分配方案,最多可以节省4 d B的总功率。     

改进的解码转发多跳中继系统及最优功率分配

多跳信道的中断性能较差,且节点接收设备上的多跳分集信道较为复杂。为此,基于解码转发多跳信道和多跳分集信道,提出一种改进的解码转发多跳中继系统,解决上述2种信道性能和复杂度的矛盾。推导中断概率的计算公式,以最小化系统中断概率为目标,利用拉格朗日乘子优化各节点的功率分配。仿真结果表明,改进系统能获得比传统多跳中继系统更低的中断概率,最优功率分配方案下系统的中断性能优于均匀功率分配方案,并且性能优势随跳数增加更为明显。     

Two-path中继系统中基于最小化中断概率的功率分配方法

为了降低two-path中继系统的通信中断概率,针对DF协议中继,推导了two-path中继系统在存在中继间干扰情况下的中断概率闭式解,并在总功率受限的情况下,提出了一种最小化中断概率的最优功率分配算法。仿真验证结果表明该算法能够有效地降低系统的中断概率,提高系统的性能。     

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。