基于空间拥塞博弈的自适应负载频谱分配算法研究

未来认知无线网络中,特定区域的频谱拥有者控制大量不同带宽的频谱带并为不同的认知用户提供通信服务,如何在这多个频谱服务提供者和多认知用户共存的环境中提高动态频谱访问的可靠性,从而实现频谱访问的负载均衡成为了一个关键问题。通过对上述多对多分配问题进行简化,并运用空间拥塞博弈模型对其进行扩展分析,提出了基于空间拥塞博弈的自适应负载频谱分配算法,对算法纳什均衡存在性进行了理论分析并详述了添加负载调控的效用函数设计。仿真实验结果表明,本算法能有效加快收敛速度,提高系统吞吐量,达到改善频谱访问可靠性和均衡负载的效果。     

基于OFDM的认知无线电用户频谱分配策略

结合正交频分复用(OFDM)技术,研究认知无线电场景中的多用户频谱分配策略,提出最优与次优2种算法。最优算法通过授权用户的SIR下限得到认知无线电的发射总功率,采用拉格朗日定理为每个认知用户分配子载波和功率。次优算法引入分配比例因子来体现用户分配的公平原则,通过限制SIR得到频谱分配结果。仿真结果表明,2种算法的性能优于现有基于FDMA的静态频谱分配算法,能从不同层面满足认知无线电的需求。     

基于用户间公平性的改进型频谱分配算法

针对目前频谱资源紧缺的现状,通过对图论着色模型的分析理解,提出了一种基于用户公平性的改进颜色敏感度的图论着色算法,该算法从用户的网络效益和使用频谱数出发,引入公平因子,改变频谱分配过程中给用户的分配优先级,保证频谱分配的公平性.通过仿真表明其可行性.     

基于图着色理论的最大效用频谱分配算法

研究基于图着色理论的频谱分配算法,提出一种改进的最大效用频谱分配算法。该算法生成类似于ISAA算法的用户效用矩阵和相应的干扰矩阵,选择最大效用用户或干扰值为0的用户进行频谱分配。仿真结果表明,该算法能有效减少频谱分配的时间开销,提高频谱的使用效率,最大化认知无线电系统的总效用。     

基于延迟认可算法的认知无线电频谱分配

提出两种在认知无线电CR(Cognitive Radio)用户数小于可用频谱数情况下,基于延迟认可算法的认知无线电频谱分配策略。两种策略都基于干扰温度模型,先分别计算CR用户对频谱的优先级排序和频谱对CR用户的优先级排序,然后在可用频谱数量多于CR用户数量情况下,应用延迟认可算法,将检测到的多个频谱分配给CR用户使用。仿真结果表明,通过多次循环分配,该策略能有效地降低分配复杂度,提高算法的收敛速度。     

基于连续双向拍卖的频谱分配算法研究

根据频谱分配的现状,不同区域的部分机构拥有不同带宽的频谱并且为认知用户提供通信服务,因此,对多个频谱服务提供者和多认知用户共存环境下的频谱资源进行简单、高效地分配与管理并提高动态频谱访问的可靠性就成为了一个关键问题。对以上多对多分配问题进行简化,将多个频谱服务提供者和多认知用户之间的复杂关系用市场交易机制描述,提出了基于连续双向拍卖的频谱分配算法,针对不同任务的优先级别设计了灵活的交易指令。对该算法进行实验仿真,仿真结果表明,该算法时间复杂度较低,能有效地加快收敛速度。     

认知网络中基于竞价模型的切换频谱分配

通过对最新竞价算法的分析,针对频谱分配过程中频谱使用率低下的缺点,提出一种认知无线电中基于竞价机制的具有较高频谱使用率的频谱分配算法。引入干扰价格,通过设置干扰价格指数,降低系统干扰,保证主用户的服务质量。数值仿真结果表明,该算法通过多次分配有效地提高了频谱的利用率,增加了系统的吞吐量。     

基于业务需求的动态频谱分配算法

动态频谱分配能有效解决频谱利用率低的问题,但已有的图论着色算法未考虑认知用户的业务需求,导致需求小的用户分配到更大的频谱,一定程度上造成了频谱浪费。为解决该问题,提出基于业务需求的动态频谱分配算法,使分配的信道与认知用户的业务需求适配。性能仿真结果表明,基于业务需求的算法能满足各用户的需求,性能更优。     

基于拍卖理论和高斯过程回归学习的频谱分配算法

针对认知无线网络中认知用户的频谱分配问题,提出了一种基于拍卖理论和高斯过程回归学习的频谱分配算法。该算法基于VCG拍卖模型,考虑认知用户对通信质量的要求,构造出更有效的收益函数。在频谱拍卖过程中,认知用户通过学习拍卖历史数据预测其他认知用户的竞价,并最优化其竞价策略。频谱拍卖人根据各认知用户提交的竞价来分配频谱资源。理论分析和仿真结果证明了该算法是有效的,并且能够提高频谱利用率和认知用户的收益。     

OFDMA系统中容量最大化的资源分配算法

为最大化OFDMA系统容量,提出一种信道容量最小子载波优先分配算法。在每次迭代注水过程中,假设所有子载波只能分配给一个用户,计算该用户对应于不同子载波所具有的信道容量,并对具有最小信道容量的用户优先分配子载波,以避免将信道容量差的子载波分配给用户。仿真结果表明,该算法解决了采用传统等功率方式计算子载波分配容量时准确率低的问题,相比WUF算法和WSA算法,在不同信噪比的情况下系统容量提高近15.7%和12.2%,达到最大化系统容量的目的。     

异构无线网络密集部署场景下高效网络接入及频谱分配

如何在异构网络重叠覆盖场景下实现动态耦合频谱资源高效分配以满足用户流量需求是下一代无线通信网络的重要挑战。综合考虑网络域频谱属性差异化及用户域需求多样化问题，以用户获得总带宽最大化为目标，将频谱资源分配建模为非线性多约束条件0-1整数规划问题，并设计了两种求解方法。首先，设计了一种基于改进匈牙利算法的化简方法，该方法通过对约束条件进行化简，将复杂模型转化为标准形式0-1规划，并通过对匈牙利算法进行改进，有效求解了该复杂的频谱分配问题；其次，设计了一种改进的遗传算法，把主网络干扰约束及次用户需求融合进适应度评估中，以修正不符合要求的基因，并利用精英主义思想保留优秀个体，以进化迭代到优秀个体。最后通过实验对提出的方法与粒子群优化方法的性能进行对比分析，实验结果显示化简方法具有较大的效率优势，而改进遗传算法可得到更大的带宽。     

Spectrum Allocation for Cognitive Radio Networks Using the Fireworks Algorithm

The fireworks algorithm features a small number of parameters, remarkable optimization ability, and resistance to a local optimum. Based on the graph coloring model, the fireworks algorithm is introduced for the first time to solve the spectrum allocation problem for cognitive radio networks, thus maximizing utility and fairness of spectrum allocation. Two-layer binary coding is adopted for individual fireworks. The first layer refers to the coding of cognitive users used to determine channels that can be connected with the user. The second layer refers to the auxiliary coding of channels responsible for addressing mutual interference among multiple cognitive users when they connect with the same channel at the same time. Explosion operator, mutation operator, and the selection operation are designed to allocate the spectrum for the cognitive radio network. Simulation results demonstrate superiority and efficiency of the proposed algorithm in terms of spectrum allocation.     

基于适应值预测的DABC认知无线电频谱分配算法

针对认知无线网络频谱分配过程存在的问题,提出了基于适应值预测策略的双人工蜂群算法（FP-DABC）。该算法设计的干扰门限阈值,提高了用户的接入数量;适应值预测方法的使用,加快了分配效率;同时算法对频谱分配过程公平性和系统整体性能进行了优化。实验仿真结果表明：FP-DABC算法牺牲了部分网络效益的同时,在用户满意度、分配率、平均分配时间、用户公平性和系统整体性能上均优于颜色敏感图着色算法（CSGC）和人工蜂群算法（ABC）。     

基于QoE的LTE多业务资源分配算法

高效地利用无线频谱资源和保证用户体验质量是未来无线网络的主要目标。基于此，提出一种基于QoE的LTE多业务资源分配算法。在考虑信道信息、QoS要求及公平性的基础上，引入QoE来计算的用户优先级。特别的，引入最小QoE约束来保证RT用户QoE要求；提出一种次优资源块（Resource Block，RB）分配算法来解决复杂的资源分配优化问题，该算法主要分为两步：保证RT用户最小QoE要求；最大化系统加权和速率。仿真结果表明，相较现有的RT/NRT资源分配算法，该算法在用户分组丢失率、平均QoE和小区频谱效率方面性能都有所提升。     

认知无线电中基于QoS分级的频谱分配策略

为提高认知无线电中的系统吞吐量,保证频谱分配的公平性,提出一种基于服务质量(QoS)分级的频谱分配策略。建立模糊综合判决模型,根据认知用户的业务类型判别其QoS级别,应用CMSB信道分配算法进行频谱分配。仿真实验结果表明,该频谱分配策略能在满足认知用户QoS需求的同时,保证较高的系统吞吐量和接入公平性。     

基于智能跳频的短波无线接入网动态频谱分配算法

针对现有短波无线接入网的固定式频谱分配方法难以满足使用智能跳频技术新要求的问题,分析智能跳频短波无线接入网的通信需求,提出智能跳频短波无线接入网的动态频谱分配策略及算法。首先将各机动用户和接入基站看作一子网;然后将对各子网的频谱分配建模为基于图着色理论的智能跳频短波无线接入网频谱分配模型;最后结合通信需求提出分配策略和算法,完成频谱分配并进行了仿真分析。结果表明,这些频谱分配策略及算法以不同的目标进行频谱分配,能够有效支撑智能跳频技术在短波无线接入网中的应用,与固定式频谱分配方法的定频通信相比,在网络效益、子网满意度、网络公平性、网络支持用户数和频谱利用率等方面均有明显提升,同时能有效降低互扰率。     

基于最大加权独立集的频谱分配算法

动态频谱接入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。频谱分配算法的时间开销和公平性是算法优劣的主要评价标准。本文从图论着色模型出发,构建了着色算法的评价体系及优化目标。针对用户间的公平性与分配的时间开销问题,在极大独立集的基础上提出了基于加权最大独立集的着色算法,获得了接近于最优的用户公平性,且该算法的时间开销等于信道数,与认知用户的数目无关。仿真分析验证了算法的正确性。     

认知无线电网络中基于需求的频谱资源分配算法研究

认知无线电网络中,已有的分配算法未考虑用户的需求,这样会导致需求小的用户分配到更多的资源。为解决上述问题,提出基于需求以及联合比例公平两种频谱分配算法,这两种算法均将用户需求作为频谱分配时需要考虑的因素。仿真结果表明,基于需求以及联合比例公平算法比原算法更能满足各用户的需求。     

空间相关信道下大规模MU-MISO系统频谱效率分析

针对大规模MU-MISO系统中频谱效率受信道和功率分配的影响,研究在空间相关信道下的频谱效率问题。首先通过发射信号的波程差确定导向矩阵得出用户发射相关矩阵,并结合大尺度阴影衰落和具有高斯分布的散射环境,建立空间相关信道;然后基于空间相关信道,通过预编码减少多用户之间的干扰,并仿真预编码对频谱效率的影响;最后在发射功率受限、各用户接收信号具有一定信干比场景下提出一种功率分配算法,使得系统的频谱效率总和最大化。仿真结果表明,在空间相关信道下RZF预编码的频谱效率优于MRT预编码频谱效率;与平均功率分配方式相比,提出的算法在频谱效率有了明显的提升,并具有较强的理论价值和实践意义。