基于改进人工蜂群算法的认知无线电频谱分配

各类无线电业务的兴起和发展使得频谱资源处于拥挤的状态,然而当前的静态频谱分配机制导致频谱资源存在着部分频段紧缺和频谱利用不平衡的矛盾。认知无线电是一种提高频谱利用率的新技术。认知无线电系统中，动态频谱分配技术在利用闲置频谱资源上发挥关键作用。本文介绍了频谱分配的图论着色模型，提出一种改进的蜂群算法。基本人工蜂群算法存在搜索精度不高和收敛速度较慢的问题，本文改进的人工蜂群算法引入了基于差分进化算法的搜索策略和高斯变异的侦察策略，并且对选择策略进行改进，提高了种群的多样性。将改进的蜂群算法应用于频谱分配模型中，实验结果表明：改进的人工蜂群算法可以得到更好的系统收益，加快了收敛速度。     

填充式频谱共享中的功率分配算法分析

动态频谱共享技术允许认知用户接入未授权的频谱,可以有效地提高频谱资源的利用率。在分析了频谱共享的2种接入模式的基础上,提出了填充式频谱共享的系统模型。根据认知用户的效用函数,通过注水算法得到了用户间的功率迭代公式,进而求得了认知用户的功率和载波分配结果。仿真表明,该迭代算法在有效完成用户间功率与载波分配的同时能够在较短的时间内收敛。     

基于改进DQN强化学习算法的弹性光网络资源分配研究

针对光网络资源分配中频谱资源利用率不高的问题,提出了一种改进的深度Q网络（DQN）强化学习算法。该算法基于ε-greedy策略,根据动作价值函数和状态价值函数的差异来设定损失函数,并不断调整ε值,以改变代理的探索率。通过这种方式,实现了最优的动作值函数,并较好地解决了路由与频谱分配问题。此外,采用了不同的经验池取样方法,以提高迭代训练的收敛速度。仿真结果表明：改进DQN强化学习算法不仅能够使弹性光网络训练模型快速收敛,当业务量为300 Er l ang时,比DQN算法频谱资源利用率提高了10.09%,阻塞率降低了12.41%,平均访问时延减少了1.27 ms。     

蜂群优化神经网络的频谱感知

由于神经网络训练收敛速度慢、易陷入局部最优解,而最优解对神经网络的频谱感知算法性能影响大,因此为提高神经网络的频谱感知算法性能,采用蜂群算法交叉训练神经网络,加快训练收敛速度,降低均方误差。采用信号的能量、循环功率谱作为特征参数,提出了蜂群优化神经网络的频谱感知算法。仿真结果表明,在给定迭代次数下,相比能量法、循环平稳特征法、无蜂群算法交叉训练神经网络或RBF神经网络的频谱感知算法,本文算法具有更好的感知性能。      

一种利用优先经验回放深度Q-Learning的频谱接入算法

针对认知无线传感器网络中频谱接入算法的频谱利用率不高、重要经验利用率不足、收敛速度慢等问题,提出了一种采用优先经验回放双深度Q-Learning的动态频谱接入算法。该算法的次用户对经验库进行抽样时,采用基于优先级抽样的方式,以打破样本相关性并充分利用重要的经验样本,并采用一种非排序批量删除方式删除经验库的无用经验样本,以降低能量开销。仿真结果表明,该算法与采用双深度Q-Learning的频谱接入算法相比提高了收敛速度;与传统随机频谱接入算法相比,其阻塞概率降低了6%~10%,吞吐量提高了18%~20%,提高了系统的性能。     

基于膜量子布谷鸟搜索的双通道网络频谱资源分配

无线双通道Ad Hoc网络中, 有效分配簇间码分频谱资源是提高资源利用效率的关键技术之一.综合考虑子簇码分频谱资源需求和分配公平性, 给出了簇间码分频谱资源分配数学模型, 并转换为以最大化码分频谱资源效益和分配公平性为多目标的受约束离散优化问题.结合膜结构、量子计算和布谷鸟搜索算法, 提出一种新的离散组合优化算法——膜量子布谷鸟搜索算法.该算法使用量子鸟窝表征问题潜在解, 利用布谷鸟寻窝产卵的演化方法在基础膜中寻求单目标最优解, 通过膜间信息共享和非支配解等级排序求出具有多目标最优解的表层膜Pareto前端解集.仿真结果证明, 与经典优化算法相比, 该算法不仅能够同时求解单目标和多目标最优解, 而且具有更优的收敛性能, 能更好地实现码分频谱资源效益最优化.     

利用SSDF攻击特征的加权分布式频谱感知算法

协作频谱感知可以提高频谱感知的可靠性,但易遭到篡改感知数据(Spectrum Sensing Data Falsification,SSDF)攻击。该文利用SSDF攻击特征,判断邻居节点发送值是否是恶意状态值,并提出一种加权分布式协作频谱感知算法。该算法根据状态值在本地节点网络中的偏离程度,设定其融合权值。仿真结果表明,所提算法在节点收敛率和鲁棒性两方面,比基于梯度的协作频谱感知算法和基于最大差值的协作频谱感知算法都有所提升,检测性能也因此显著提高。      

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。     

基于频谱数据库的分布式动态频谱接入算法

频谱数据库是一种直接获得频谱信息的方式,针对在复杂多变的网络环境中用户之间缺少信息交互,研究了数据库协助和没有数据库情况下的动态频谱接入算法。一方面,次用户通过历史感知数据估计信道的可用性而进行信道选择,另一方面,次用户通过数据库获得更加可靠的频谱信息从而做出策略。证明了用户之间的博弈是一个超模博弈,通过提出的分布式学习算法能收敛到一个纯策略纳什均衡点。仿真结果表明,提出的联合数据库感知算法和数据库协助算法比依靠感知的结果收敛更快,获得的系统吞吐量接近最大,减少了用户决策的时延,提高了频谱利用率。     

利用身份代码加速分布式协作频谱感知

频谱感知是认知无线电领域的关键技术.在协作频谱感知中,分布式一致性加权算法检测性能较好但收敛速度慢.该文引入身份代码概念,用以区分各次用户的状态值和权值,避免节点间数据的重复融合,并提出了一种快速分布式加权协作频谱感知算法.仿真结果表明,所提算法检测性能与分布式一致性加权算法相当,同时收敛速度明显提升.     

基于Q-学习自适应蚁群算法的CR电频谱分配

认知无线电能有效实现频谱资源的再利用,是当前通信研究领域的热点之一。如何进行频谱的合理分配是实现认知无线电网络有效运作的关键问题。在图论着色模型的基础上,提出了一种基于Q-学习的自适应蚁群算法。通过仿真实验表明,该算法性能明显优于颜色敏感图着色算法,能更好地实现网络效益最大化。同时,比传统的蚁群算法寻优能力更强,收敛速度更快。     

基于非合作博弈论的未充分使用频谱定价算法

提出一种适用于＂未充分使用＂频段的定价算法。该算法基于非合作博弈模型,引入未充分使用频谱的收益因子,各授权用户在保证现有通信质量前提下以最大化收益为目标,通过用户之间的定价竞争,实现了一种分布式的动态频谱分配。仿真结果表明,该算法在频谱需求较大的情况下能有效提高＂未充分使用＂频谱的效益,同时算法收敛速度较快,便于实际应用。     

基于随机矩阵理论的协作频谱感知

认知无线电频谱共享技术在新一代无线通信网络中具有广泛的应用前景,频谱感知是其中最重要的环节。该文提出了一种新的在多认知用户环境中,基于大维随机矩阵理论的协作频谱感知算法。充分利用随机矩阵的渐近谱分布特性及小样本下最大特征值收敛特性来提高感知性能。理论分析和仿真结果均表明,新算法性能明显优于同类算法和典型的能量检测算法。     

基于Q学习自适应蚁群算法的认知无线电频谱分配

认知无线电能有效实现频谱资源的再利用,是当前通信研究领域的热点之一.如何进行频谱的合理分配是实现认知无线电网络有效运作的关键问题.在图论着色模型的基础上,提出了一种基于Q-学习的自适应蚁群算法.通过仿真实验表明,该算法性能明显优于颜色敏感图着色算法,能更好地实现网络效益最大化.同时,比传统的蚁群算法寻优能力更强,收敛速度更快.     

认知小蜂窝网络中基于干扰温度限制的下行能效资源分配算法

为最大化认知小蜂窝基站的能量效率,本文基于博弈论模型分析了下行联合频谱资源块和功率分配行为.在干扰受限环境下,多个基站采用分布式结构共享空闲频谱资源.为避免累加干扰损害主用户的通信,算法中引入了功率和干扰温度限制.由于具有耦合限制的分数形式的能量效用函数是非凸最优的,通过将其转化为等价的减数形式进行迭代求解.给定频谱资源块分配策略后,主博弈模型可被重新建模为便于求解发射功率的等价子博弈模型,并通过代价的形势解除耦合限制.仿真结果表明,本文所提算法能够收敛到纳什均衡,并有效提高了系统资源利用率和能量效率.     

基于多目标遗传算法优化弹性光网络的多路径保护机制

弹性光网络中多路径的保护方案相比单路径有效地降低网络带宽阻塞率,但会导致接收端多径时延差的问题,且业务的多路径分割传输策略使用了光网络较多的频谱资源。该文基于多目标遗传算法提出了遗传多路径保护算法(Genetic Multipath Protection Algorithm, GMPA),解决多路径时延差和节约频谱资源问题。在GMPA算法中,根据业务请求在光网络中建立K条边分离最短路径和带宽分配方案作为GMPA算法的初始种群,设计了一种联合考虑传输时延差和带宽资源分配的向量函数优化种群分类和拥挤距离排序。为提高算法的搜索能力和收敛速度,算法在交叉操作中设计个体自交叉方式,在变异过程中设置了带宽基因位变异范围及约束条件。仿真结果表明,相比多路径保护(Multiple Path Protection, MPP)算法和工作路径首次分配保护路径最后分配(Primary First-fit Modified Backup Last-fit, PF-MBL) 算法,GMPA算法获得最低的带宽阻塞率,其频谱资源利用率接近最优的MPP算法,路径间距离差异性能优于MPP算法。     

基于图论的认知无线网络频谱动态分配

在认知无线电网络中，图论与量子遗传算法相结合的频谱分配策略能够提高频谱利用率，但存在早熟和收敛精度不够等缺点。为了解决该问题而实现算法的优化，对图着色理论的频谱分配模型进行数学建模，并针对该模型提出了改进的量子遗传算法。首先，通过使用小生境技术初始化种群，使种群分布更加广泛、算法的收敛度更高；其次，根据进化代数对量子旋转角进行实时动态调整，对染色体进行阈值变异，防止个体陷入早熟，跳出局部解；然后，对干扰约束条件进行重新设计，有效地避免盲目性，提高了网络的公平性和网络效益。仿真结果表明，所提算法有效地提高了频谱利用率，极大地增强了网络系统的性能。     

认知无线电中基于MIMO-OFDM的限速率反馈资源分配算法

针对基于MIMO-OFDM技术的认知无线电系统,在考虑TCM编码的情况下提出了一种限速率反馈资源分配算法.该算法首先定义系统中各用户的有效发射模式集合;其次,根据链路质量指示函数,以最大化感知协作组吞吐量为目标进行初始的资源分配;然后,以确保认识用户公平享用频谱资源为目标,在认知用户间重新分配子载波和功率;最后,运用统计近似工具更新拉格朗日乘子并通过在线递归方法得到渐进收敛的资源分配解.仿真结果表明,该算法在保证授权用户权益的情况下不仅能有效提高感知协作组吞吐量,而且能保证认识用户公平享用频谱资源,并且具有反馈开销低的特点.     

基于分数间隔的双模式盲均衡算法研究

针对MMMA存在的收敛速度慢的问题,提出一种改进算法。此算法将MCMA和改进型MMMA结合起来,并且应用于分数间隔均衡器中。该算法初期采用MCMA收敛均衡,根据判决区域切换到改进型MMMA中进一步收敛,由于分数间隔均衡器解决了波特间隔均衡器因抽样率不高带来的频谱混叠问题,从而进一步地提高了均衡效果。仿真结果表明,改进算法收敛速度快,剩余误差小而且能克服相位偏移。     

认知Ad hoc网络中基于市场的三级频谱分配方案

分簇是Ad hoc网络规模较大时采用的主要结构,而频谱分配是Ad hoc网络的关键技术之一。该文针对认知无线电环境的分簇Ad hoc网络,提出了一种新的基于市场的频谱分配方案,该方案中簇首节点依据业务比例从频谱管理中心购买频谱,簇内采用基于供需市场理论的频谱分配算法。分析了簇内频谱市场的两种迭代定价算法额外需求迭代算法和连续松弛迭代算法以及簇首需求订购的过程。该方案能实现各簇收益的最大化,簇首基于需求的频谱购买相对于等量购买进一步提高了频谱效用。仿真结果表明这种频谱分配方案能有效提高系统频谱效用,额外需求迭代算法和连续松弛迭代算法均表现出良好的收敛性能。