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。     

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。     

认知无线电网络中基于强化学习的智能信道选择算法

认知无线电系统不仅要具有自适应性,更应具备一定的智能性。该文将强化学习理论引入到认知无线电系统中,用于解决次用户在频谱感知过程中的信道选择问题,提出了一种基于强化学习的信道选择算法。该算法在未知主用户占用规律和动态特性的前提下,仅通过不断与环境进行交互学习,便能够引导次用户选择“较好”信道优先进行感知,使次用户吞吐量得到提高。仿真结果表明,相对于现有信道选择算法,所提算法可有效提高次用户的吞吐量,并且在主用户使用规律发生变化时,能够自动实现二次收敛,可作为认知无线电系统迈向智能化的一种尝试。      

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。     

一种基于OFDM的多用户认知无线电系统联合资源分配算法

针对频谱共享环境,研究了采用OFDM调制方式的多用户认知无线电系统中,综合考虑自身发射功率约束与主用户干扰功率约束的资源分配问题.基于最大化认知用户和速率的优化目标,给出了连续比特条件下最优的多水位注水功率分配表达式;针对更实际的整数比特要求情况,通过基于相对增益因子RG的子信道选择机制与每个认知用户内多约束的贪婪比特与功率分配策略,来最大限度地提高频谱利用率.仿真结果表明:联合的子信道、功率与比特分配算法在不同的参数设置下均达到了良好的性能,在不影响主用户通信的前提下有效地提高了认知系统的频谱利用率.     

基于认知无线电网络中用户需求频谱分配算法

在认知无线电网络中,对图着色频谱分配算法进行了分析,发现只有少数已有算法考虑到用户的需求是否得到满足,导致需求低的用户分配到过多资源。为解决这个问题,根据基于用户需求的图着色论频谱分配算法,对用户的满意度设置优频谱分配优先级函数,满意度差的用户进行优先选择分配,得到一种改进算法。仿真结果表明,基于用户需求的频谱分配算法的改进算法,能够增加系统的信道效益,提高用户的需求满意程度。     

多天线认知无线电网络多信道联合频谱感知策略

当前,以单天线认知用户组成的认知无线电网络同时协作检测多个信道的分配策略得到了广泛研究,而在认知用户可以灵活选取自身天线进行空间分集接收的条件下,当联合感知多信道时,多天线认知无线电网络如何获取最优的天线分配策略仍有待进一步研究。为解决这一问题,在限制各信道最大虚警概率的前提下,以最小化所有信道漏检概率之和为目标,建立了优化模型,并提出了基于分支定界的算法和基于贪婪思想的启发式算法。前者可以获得最优策略,但复杂度较高,后者以牺牲较小检测性能为代价,明显降低了复杂度,有效实现了检测性能与复杂度的平衡,并且在保护各个信道上主用户免受认知用户干扰层面,一定程度上兼顾了公平性。      

多跳认知水声通信中的分布式稀疏频谱检测算法

水声信道常表现为严重的频率选择性衰落、低的声波传播速度和严重的多径效应等。这些特性使得认知水声通信中的频谱检测变得非常困难。除此之外,水声通信网络通常为自组织网络,缺少融合中心,而基于融合中心的频谱检测算法需要将各个认知用户的感知数据传送到融合中心,因此该方法在认知水声通信中是不可行的。与认知无线电类似,由于低的频谱使用率,认知水声通信中的频谱也是稀疏的。考虑到水声信道的特殊性,基于压缩感知理论,该文对认知无线电中的压缩频谱检测算法进行了改进,提出了两种不同情况下(已知水声信道状态信息和未知水声信道状态信息)的适用于认知水声通信的分布式稀疏频谱检测算法。通过近邻认知用户之间的合作,这两种算法利用空间分集增益和联合稀疏特性来提高算法的频谱检测性能。通过分布式计算和局部优化,新算法使得认知用户与其近邻认知用户之间只需进行少量的数据交互。仿真实验结果证明了该文提出的算法在检测认知水声通信系统中频谱空洞的有效性。     

瑞利信道中自适应双门限频谱感知算法研究

频谱感知是认知无线电中的一项关键技术,能量检测、匹配滤波器检测和周期循环频谱检测是认知无线电中频谱感知技术中传统、经典的算法.基于能量检测的频谱感知算法因实现简单且不需要先验信息而被广泛应用,但低信噪比的情况下检测概率会降低,用户的检测性能不足,从而导致认知用户和主用户之间的冲突碰撞次数增多.针对以上存在的问题,在基于自适应频谱感知的基础上,利用噪声功率估计,提出了一种瑞利信道下的自适应双门限频谱感知算法.仿真结果表明,在低信噪比噪声不确定的情况下,这种算法能够大大提高检测概率,有效降低了认知用户和主用户之间的冲突碰撞次数,从而提高频谱的利用率.     

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。     

基于鲶鱼粒子群优化算法的认知无线电频谱分配

目前亟待解决如何获得认知无线电系统效益最大化问题,而求解最优频谱分配方法是一项关键技术,针对传统粒子群(PSO)算法收敛速度慢、易陷入局部最优解等缺陷,提出一种基于鲶鱼粒子群算法(CE-PSO)的认知无线电频谱分配方法。首先建立认知无线电频谱分配优化的数学模型,然后以用户取得的效益最大化为优化目标,引入"鲶鱼效应",保持粒子群的多样性,通过粒子间信息交流找到空闲频谱最优分配方案,最后采用仿真实验测试CE-PSO算法的有效性。结果表明,CE-PSO算法克服了PSO算法的缺陷,可以快速、准确地寻找到最优频谱分配方案,更好地实现系统效益的最大化,可以满足认知无线电系统的应用需求。     

认知无线电频谱分配的博弈论方法

认知无线电中频谱分配问题目前受到了极大的关注。在问题的分析中,涉及了大量策略选择问题,因而可以利用博弈论的相关原理对其进行分析研究。文章介绍了认知无线电频谱分配的一些关键问题,分析了博弈论方法在认知无线电研究中的应用条件,并阐述了认知无线电频谱分配问题的博弈论框架,为今后的相关研究起到积极的促进作用。     

认知无线电网络中基于动态信誉机制的频谱分配策略研究

认知无线电技术作为一种新型频谱共享技术而成为近年来研究的热点。如何确保频谱共享中资源分配的合理性和可靠性是认知无线电技术所面临的一个新的挑战。通过对认知用户不同情况下可能采取行为的分析和研究,提出一种结合VCG机制和主观逻辑理论的基于动态信誉机制的频谱分配策略。该策略能保证认知用户在理性的情况下提供真实的申请资源信息而对用户的非理性行为采取有效地控制。同时根据策略设计相应算法。仿真结果表明该算法能够有效地防止用户在申请资源时的欺骗行为以提高频谱利用率,并且能够减轻用户的非理性行为对系统造成的影响。      

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。     

A stochastic game framework for joint frequency and power allocation in dynamic decentralized cognitive radio networks

Cognitive radio networks (CRNs) have been recognized as a promising solution to improve the radio spectrum utilization. This article investigates a novel issue of joint frequency and power allocation in decentralized CRNs with dynamic or time-varying spectrum resources. We firstly model the interactions between decentralized cognitive radio links as a stochastic game and then proposed a strategy learning algorithm which effectively integrates multi-agent frequency strategy learning and power pricing. The convergence of the proposed algorithm to Nash equilibrium is proofed theoretically. Simulation results demonstrate that the throughput performance of the proposed algorithm is very close to that of the centralized optimal learning algorithm, while the proposed algorithm could be implemented distributively and reduce information exchanges significantly.     

An uplink resource allocation scheme for OFDMA‐based cognitive radio networks

Cognitive radio makes it possible for an unlicensed user to access a spectrum unoccupied by licensed users. In cognitive radio networks, extra constraints on interference temperature need to be introduced into radio resource allocation. In this paper, the uplink radio resource allocation is investigated for OFDMA‐based cognitive radio networks. In consideration of the characteristics of cognitive radio and OFDMA, an improved water‐filling power allocation scheme is proposed under the interference temperature constraints for optimal performance. Based on the improved water‐filling power allocation, a simple subcarrier allocation algorithm for uplink is proposed. The subcarrier allocation rules are obtained by theoretical deduction. In the uplink subcarrier allocation algorithm, the subcarriers are allocated to the users with the best channel quality initially and then adjusted to improve the system performance. A cursory water‐filling level estimation method is used to decrease the complexity of the algorithm. Asymptotic performance analysis gives a lower bound of the stability of the water‐filling level estimation. The complexity and performance of the proposed radio resource allocation scheme are investigated by theoretical analysis and numerical results. Copyright © 2008 John Wiley & Sons, Ltd.     

Novel distributed algorithm for coalition formation in cognitive radio networks for throughput enhancement using matching theory

In this paper, a novel algorithm is proposed for increasing the throughput in cognitive radio networks by forming coalitions among cognitive radio users in AWGN and fading channel environment. Although there have been numerous studies exploring the benefits of coalition formation in cognitive radio networks from the game theory perspective, there are several limitations in their application. To overcome the limitations of game theory, concepts from matching theory are used. Specifically, the stable marriage problem is used to formulate the interactions among the cognitive radio users as a matching game for collaborative distributed spectrum sensing under target detection probability constraint. The utility function is defined as the average probability of false alarm per cognitive radio user. The advantage of stable marriage is that it always converges to a stable matching and is Pareto optimal when the preferences of cognitive radios are strict. In the proposed model, the stable matching problem is extended to propose a novel algorithm to form coalitions of varying sizes for improving the utility of CR (false alarm and throughput). The coalitions formed using the algorithm are stable and do not deviate from the final matching. Using simulations and mathematical analysis, it is shown that the proposed algorithm leads to stable coalitions and returns significant improvement in terms of reduced probability of false alarm and improved throughput per cognitive radio user as compared to the noncooperative scenario.     

Resource allocation based on dynamic hybrid overlay/underlay for heterogeneous services of cognitive radio networks

In cognitive radio networks (CRNs), hybrid overlay and underlay sharing transmission mode is an effective technique to improve the efficiency of radio spectrum. Unlike existing works in literatures where only one secondary user (SU) uses both overlay and underlay mode, the different transmission modes should dynamically be allocated to different SUs according to their different quality of services (QoS) to achieve the maximal efficiency of radio spectrum. However, dynamic sharing mode allocation for heterogeneous services is still a great challenge in CNRs. In this paper, we propose a new resource allocation method based on dynamic allocation hybrid sharing transmission mode of overlay and underlay (Dy-HySOU) to obtain extra spectrum resource for SUs without interfering with the primary users. We formulate the Dy-HySOU resource allocation problem as a mixed-integer programming to optimize the total system throughput with simultaneous heterogeneous QoS guarantee. To decrease the algorithm complexity, we divide the problem into two sub-problems: subchannel allocation and power allocation. Cutset is used to achieve the optimal subchannel allocation, and the optimal power allocation is obtained by Lagrangian dual function decomposition and subgradient algorithm. Simulation results show that the proposed algorithm further improves spectrum utilization with simultaneous fairness guarantee, and the achieved Dy-HySOU diversity gain is satisfying.     

基于遗传蚁群优化算法的认知无线电频谱分配

针对认知无线电中的频谱分配问题,提出一种融合了遗传算法和蚁群算法优点的频谱分配方法。该方法利用遗传算法快速随机的群体性全局搜索能力生成初始解,然后利用衔接策略将遗传算法初始解转化为蚁群算法所需的信息素初始分布,最后利用蚁群算法正反馈、收敛高效的特点求取最优解。通过仿真比较了该方法与颜色敏感图着色算法的性能。结果表明动态融合了遗传算法和蚁群算法的优化算法性能明显优于颜色敏感图着色算法,它能更好地实现网络效益最大化。