生物友好的认知水声网络频谱分配

为充分利用海洋哺乳动物和水声传感器网络(UASNs)共享的稀缺频谱资源,提出了一种生物友好的认知水声网络频谱分配(MMF-CASA)方法。将海洋哺乳动物作为主用户,传感器节点作为次级用户,设计了生物友好的认知水声网络通信机制。以次级用户系统容量最大化为目标建立效用函数,通过拉格朗日乘数法和功率控制与信道分配技术求解次级用户的发送功率与信道分配,设计了生物友好的水声网络频谱分配机制和算法。实现了主用户和次级用户信道共享,最大化了水下稀缺的频谱资源的利用率。仿真结果表明,采用生物友好的认知水声网络频谱分配方法能够避免传感器节点通信对海洋哺乳动物间通信的干扰,使网络的频带利用率和系统容量分别提高了37.4%和34.2%。     

非理想感知下动态信道绑定策略性能

为了分析非理想感知结果对认知无线网络系统性能的影响,针对动态信道绑定策略,考虑感知过程中可能出现的漏检错误和误警错误,建立了一种带有多服务台同步中断的修正的抢占优先排队模型。采用矩阵几何解方法给出主用户数据包干扰率、信道利用率及次级用户数据包平均时延等性能指标的表达式,并通过数值实验揭示了不同性能指标间的折中关系。建立了系统成本函数,给出了非理想感知条件下动态信道绑定策略的优化方案。     

一种基于认知无线电的资源分配优化算法

认知无线电可通过实时改变操作频段,动态利用授权用户的频谱空洞,从而提高频谱利用率。该文提出的资源分配优化算法为每个待分配信道找出最优合作节点集合,工作在同一信道的节点不会对授权用户产生干扰。通过仿真证明,该策略使认知网络平均吞吐量显著提高,同时各信道上的传输容量较同类算法也有较大的改善。     

基于无速率编码的认知无线电系统能量分配算法

针对目前广泛应用的认知无线电技术,研究最大化认知系统能量利用率的问题.全局计入信道特性和系统本身特性对能量利用率的影响,利用无速率编码对网络动态环境的自适应能力以对抗主用户不可预知的出现,研究基于无速率编码的多信道认知无线电系统的能量分配算法.通过引入周期频谱感知模型,提出的能量分配算法根据信道和系统特性分配从用户的感知能量和传输能量,利用系统门限约束干扰概率以保护主用户通信.仿真结果表明,对应不同的信道或系统特性,提出的算法均能够显著降低能耗,提高能量利用率.     

认知无线电中一种频谱聚合的切换策略

针对认知无线电频谱聚合系统下降低频谱切换延迟,减少频谱切换次数的问题提出一种主动式频谱切换策略。该策略在频谱聚合跨度的限制下,根据认知用户工作状态转移概率,制定其频谱切换的规则,以达到认知用户在利用频谱聚合技术的同时,实现平滑切换并避免与主用户发生碰撞的目的。另外,在此基础上提出了一种基于切换概率的候选信道选择方法,用来进一步降低频谱切换延迟和频谱切换次数。仿真结果显示当主用户到达的平均时间间隔高于50时隙,并且认知用户子信道的平均服务保持时间小于100时隙时,频谱聚合切换策略能将切换次数稳定在5次以下,同时将切换延迟降低到30时隙以下。仿真结果表明该策略既保证良好的实时性又尽量的减少由切换次数带来的系统开销,从而提高系统效率。     

认知无线电频谱检测机制研究

为了提高认知用户检测效率、改善认知用户检测性能以及提高频谱资源利用率,从检测模式、检测周期、检测时长和检测信道等多个角度,对认知无线电频谱检测机制中检测参数和检测策略的选取及优化方法进行了理论推导和定量分析。研究结果表明,通过对检测机制中参数和策略的优化,可解决认知无线电中仅凭借单纯物理层检测算法在检测效率和检测性能方面的局限性,在保护授权用户免受干扰的同时增加了认知用户的频谱接入机会。在此基础上进一步提出了认知无线电频谱检测机制中几个下一步研究方向及其难点问题和相关的解决方案。     

基于概率预测的动态频谱接入信道选择方法

对动态频谱接入中的多个频谱的选择问题进行了研究,综合考虑物理层频谱感知错误和信道衰落等不利影响,提出了一种基于概率预测的动态频谱接入策略.该策略基于交替更新过程的结论,能够在提高频谱利用率的前提下为认知网络中次用户选择可用度较好的信道.推导了该方法的时延性能理论分析结果,仿真结果表明,提出的算法与现有的随机频谱接入算法相比具有更好的时延性能.     

认知无线电自适应频谱感知时间分配机制

为最大化频谱利用率,根据主用户使用信道的频率和次级用户的数据传输需求推导得到最优次级用户数据传输时间.在毫秒级频谱空洞场景下,基于部分可观测马尔可夫决策过程提出一种自适应频谱感知时间分配机制.该机制根据前一时段的信念状态和能量感知结果判断在当前时段内的最优行为.仿真结果表明,该机制能够根据不同主用户和次级用户的冲突概率需求最大化频谱利用率.     

能量有效的频谱感知与接入策略联合优化算法

针对认知无线电网络中次用户节点能量受限问题,提出了一种联合考虑频谱感知和接入策略的能量有效优化算法。根据主用户非时隙接入信道可能与次用户发生碰撞的特点,基于连续时间马尔科夫理论对次用户的频谱感知和接入策略进行建模,在满足碰撞概率约束的条件下,通过合理设置次用户的感知时间和接入概率实现了感知性能与传输能效的有效折衷。仿真结果表明,相对于仅考虑感知时间或接入概率的传统优化算法,所提算法可使次用户的能量有效性得到显著提高。     

自组网中树型拓扑的认知无线电路由协议

为了解决认知无线电网络中频谱分配和路由选择相协调的问题,提出了树型拓扑的认知无线电路由协议.在分布式自组织网络中,非授权(次要)用户选择最优的空闲授权信道建立频谱树,同时在树的形成过程中,以多棵用户节点较少的频谱树代替一棵用户节点较多的频谱树,有效降低了每棵树的根节点负载.根据频谱树和基于最小时延的路由度量标准,建立了路由以完成次要用户间的通信.仿真结果表明,该协议能有效减少端到端的平均时延.     

认知无线网络中基于业务区分的多信道MAC协议

为了满足认知无线网络中认知用户的业务服务质量需求,提出了一种基于业务区分的多信道媒体接入协议(SD-MAC).根据授权用户的信道使用模型以及认知用户的业务类型,实时业务采用基于预约的接入机制,而非实时业务则通过采用基于竞争的接入算法实现信道共享.理论分析和仿真结果表明,所提出的MAC协议能够有效提高实时业务的吞吐率,保证较低的接入时延,从而有效地提升系统性能.     

认知无线电网络中的参数优化问题

针对在多协作用户宽带信道情况下,认知无线电网络中当信道增益固定时,检测时间、功率以及带宽分配等参数的优化问题,提出了各参数的联合优化算法.以信道容量为目标函数,给出了最优的资源分配算法.结果表明,该算法能够实现频谱接入并且极大地提高了次用户系统的总信道容量,且资源分配与主用户占用的概率、峰值发射功率和干扰约束等因素有关.在多认知用户网络中,参与合作的用户越多,接收信号的信噪比越高,次用户系统的总信道容量越大.     

异构认知网中基于能效的协作技术研究

针对异构认知网络场景,提出了一种主次系统“双赢”的高能效协作通信机制。在满足主次系统“双重”速率QoS要求下,该机制允许次级用户在接入主系统协助主用户传输数据的同时,换取一部分授权频谱资源来实现自身数据在异构网中的传输分流,以此提升次级能效。本文研究了该机制的次级加权能效最大化非凸资源优化问题,结合参数化的分式规划算法和黄金分割法提出了一种资源分配的迭代算法。仿真结果表明,所提机制在不降低主用户通信性能的情况下,提升了次级系统传输能效,实现了主次系统传输“双赢”的目的。     

一种认知无线电的智能电网通信业务数据分组调度机制

为了合理高效地利用现有无线频谱资源,保障智能电网中重要控制类信息传输质量的同时,尽可能地为其他业务提供相对高质量的服务,提出了一种智能电网认知无线传感器网络基于优先级的数据分组调度机制. 该机制基于差异化调度策略的思想,依据智能电力通信网流量的异构特性、业务特点和服务质量要求,为智能电力通信业务划分了优先级,进而对各个优先级设置了不同的策略,并重点考虑信道质量和信道切换造成的影响. 通过Matlab软件仿真验证,基于业务优先级的数据分组调度方案有效地提高了较高优先级次级用户数据分组的传输性能,对整个系统的利用率也有所提升.     

认知无线电网络中的分布式动态频谱共享

研究了基于认知无线电技术的动态频谱共享,基于重复博弈理论设计了一种分布式动态信道接入和功率分配算法。在不影响主用户通信的情况下,每个认知用户能够根据自己的QoS需求和本地信息进行分布式信道选择和功率分配,在系统频谱效率和业务QoS之间进行有效折中。该算法具有较好的收敛性,能最大程度地满足用户的业务需求,更适用于异构网络和业务的应用。     

一种适用于698~806MHz频段的认知MAC协议

针对广播系统与认知系统共存场景下的认知用户接入问题,提出一种适用于698⁸06MHz频段的认知MAC协议。该协议以分布式的方式对授权信道侦听,认知用户之间以协调的方式共享信道侦听结果,并采用基于竞争的方式接入空闲授权信道。利用蒙特卡洛仿真方法对所提出的协议进行了仿真。仿真结果表明,与传统MAC协议相比,该协议能够有效提高授权频段的频谱利用率,提升系统性能。     

认知无线电网络中基于检测概率的主用户定位算法

为了解决认知无线电网络中次用户对主用户进行定位的问题,提出了一种加权最小二乘的迭代定位算法。采用两状态马尔可夫模型作为主用户头像模型,能量检测作为次用户的感知模型。该算法可以在不干扰主用户正常工作的情况下,利用次用户之间的合作感知结果进行定位,并估计出主用户的三维地理位置位置信息。提出了一种可以降低定位算法复杂度的简化算法。通过对定位问题进行了理论分析,求出了均方误差的Cramer-Rao理论下界。仿真结果表明,算法的均方误差非常接近理论下界,能有效地估计主用户的三维位置信息,提高定位精度。     

Estimation for Traffic Arrival Rate and Service Rate of Primary Users in Cognitive Radio Networks

In order to estimate the traffic arrival rate and service rate parameters of primary users in cognitive radio networks, a hidden Markov model estimation algorithm (HMM-EA) is proposed, which can provide better estimation performance than the energy detection estimation algorithm (ED-EA). Firstly, spectrum usage behaviors of primary users are described by establishing a preemptive priority queue model, by which a real state transition probability matrix is derived. Secondly, cooperative detection is utilized to detect the real state of primary users and emission matrix is derived by considering both detection and false alarm probability. Then, a hidden Markov model is built based on the previous two steps, and evaluated through the forward-backward algorithm. Finally, the simulations results verify that the HMM-EA algorithm outperforms the ED-EA in terms of convergence performance, and therefore the secondary user is able to access the unused channel with the least busy probability in real time.     

认知Ad Hoc网络多小区资源分配方案

在授权多小区频谱资源复用场景下,基于分级信道接入模型提出了一种认知Ad Hoc网络资源分配方案．授权小区将频谱资源进行区间复用,认知系统根据区域复用的不同划分可用频段,并在不同频段采取不同的接入方式;联合考虑链路传输需求及授权用户干扰保障设计传输效益因子,根据传输效益因子分配可用信道,运用拉格朗日对偶理论实现功率分配,并基于令牌环结构实现Ad Hoc链路局部信息交互．仿真表明,所提算法相对非复用认知场景系统容量可在相同指标下提升2%．