认知无线电网络非协作博弈功率分配算法研究

发现干扰节点,并将功率适当地分配至各个可用频谱上,以提高节点数据率和网络吞吐量,是认知无线电网络当前的研究热点.本文提出一种基于非协作博弈功率分配方法(PANG),以提高认知无线网络系统吞吐量.PANG将认知网络节点功率分配问题转化为非协作博弈问题,并采用线性代价因子的方法抑制功率分配时的盲目性.理论分析表明,PANG存在纳什均衡点,具有帕累托最优解.本文使用Matlab对PANG算法进行仿真,仿真结果表明,PANG算法能够比PIWF算法更加合理的进行功率分配,并有效的提高系统吞吐量.     

Multi-Radio Multi-Channel无线传感器网络中信道分配和路由策略

针对无线传感器网络中传输时延长、传输冲突大和吞吐量低等问题,提出了一种在Multi-Radio Multi-Channel无线传感器网络中信道分配和路由策略.该策略动态地建立k元n立方体拓扑结构,使用优化的静态信道分配算法提高节点的吞吐量,使用维序寻径的路由算法减少传输冲突.该方法适用于网络节点稠密、节点相互之间通信冲突大的情况,并且在单跳和多跳的网络环境下均适用.实验结果表明,基于k元n立方体这一拓扑结构的信道分配和路由策略与传统方法相比,有效地减少了端到端时延,降低了网络冲突,减少了节点能量消耗,延长了网络寿命,提高了网络吞吐量.     

一种改进的基于最少信道切换的路由算法

在Ad Hoc网络中,如何基于多信道有效地利用网络中的频谱资源,提高网络的性能,已经成为近几年来研究的热点。在DSDV路由协议的基础上,提出了一种基于减少网络中的信道切换的路由算法——OLCH-DSDV,该算法采用最小切换时延的信道分配策略,尽量减少信道切换产生的时延,从而降低了网络时延,提高了吞吐量。该算法要求源节点通过自身维护的路由和信道使用信息,选择到达目的节点的最优路径,也就是需要最少信道切换的路径。仿真结果表明该路由改进算法在有效提高系统吞吐量的同时,也有效地减少了网络中的传输时延。     

无线Mesh认知网络仿真研究

介绍一种基于C++的认知无线电仿真平台,针对平台中广度优先路由算法相对单一的问题,根据跨层设计思想,提出一种动态频谱分配的路由算法,实现吞吐量最大化、动态频谱分配和路由传输功耗控制。仿真结果表明,该算法能有效提高认知用户接入率、节点传输功率和端到端吞吐量等方面的性能。     

基于剩余能量的认知无线传感器网络频谱分配

针对当前无线传感器网络(WSN)使用的ISM频段频谱资源稀缺、传感器节点能耗受限等问题,将认知无线电技术应用到无线传感器网络,提出一种基于改进二进制灰狼优化算法(IBGWO)的频谱分配方案。该算法在标准灰狼算法(GWO)的基础上采用由适应度值比例构成的权重因子,动态调整算法的位置向量更新,同时使用一种动态转换函数,将个体位置映射,到二进制空间,具有平衡全局搜索和局部开发的能力。仿真实验表明,将改进后的灰狼优化算法应用于认知无线传感器网络频谱分配中,其收敛速度和寻优能力优于标准灰狼算法,能较好的实现认知无线传感器节点的剩余能量最大化,且次用户接入公平性优于其他算法。     

认知无线Mesh网络中联合功率控制与信道分配的拥塞避免

受制于频谱资源有限性及链路负载差异性,网络拥塞成为认知无线Mesh网络研究中亟待解决的关键性问题.针对该问题,通过量化节点通信功率等级,并综合考虑网络干扰、链路有效容量及流量守恒等因素,建模了联合功率控制与信道分配的拥塞避免模型.进一步,提出了基于嵌套优化的拥塞避免机制,包括基于遗传算法的功率控制与信道分配、基于遗传算法的路由调度以及基于链路需求的最优路由算法.分别设计了组合编码和序列编码规则及流量守恒的约束控制机制,以保证个体进化的有效性及算法的快速收敛.一系列仿真实验表明该算法能够有效提高网络吞吐量,满足数据传输的实时性需求.     

基于链路质量的认知无线电网络路由研究

针对认知无线电网络中多信道特性,提出了一种基于链路质量的多信道路由协议。该协议在充分利用频谱集合、提高网络吞吐量的同时,缩短了传输时延。给出了路由指标的具体计算过程,在选路的同时进行频段分配,使可用信道达到有效分配,并在降低时延的同时提高了网络吞吐量。仿真实验证明了该算法的有效性。     

认知无线传感器网络中基于流量的多路径路由

人们对无线传感器网络多路径路由问题的讨论很多,但从流量分配的角度来讨论路由问题相对较少。主要讨论无线传感器网络通过认知无线电租赁有限的频谱资源,从网络流量分配的角度,利用微分博弈模型来解决无线传感器网络多路径路由问题,同时也考虑了多路径路由的稳定性及经济效益问题。通过求微分博弈反馈纳什均衡的解对n条路径进行了动态流量分配,给出了可以提高认知无线传感器网络有效性、稳定性、可靠性及经济效益的多路径路由算法。     

基于CPSO的无线传感器网络路由优化

研究无线传感器网络路由优化问题,由于无线传感器节点的能量受到限制,通信过程能量损耗,影响网络的性能。传统粒子群算法难以获得最优网络路由方案。为延长网络生存时间,结合粒子群的快速性和混沌的遍历性优点,提出了一种混沌粒子群(CPSO)的无线网络路由优化方法。通过粒子群算法的自组织、动态寻优能力,并通过混沌机制对粒子群进行混沌扰动,增加多样性,加快最优路由优化速度,使网络最优路由和能量消耗间尽量平衡。仿真结果表明,相对于传统优化算法,CPSO提高了无线传感器网络路由优化速度,减少网络能量消耗,有效延长了网络生存时间,为提高整个网络通信效率提供了参考。     

适用于智能电网WSN的能量有效分簇路由协议

为有效解决智能电网无线传感器网络节点能耗不均衡导致网络寿命短的问题，提出一种基于改进灰狼优化器优化模糊C均值聚类的分簇路由协议GWFCA。用反向学习策略增强灰狼优化器的全局寻优能力，使用由反向学习灰狼优化器改进的模糊C均值聚类算法对网络节点均匀分簇，均衡网络负载。每个簇内，考虑节点的能量因素和位置因素动态选举簇首，提高簇首质量。稳定传输阶段，构造基于蚁群算法的簇间路由，提高能量效率，并将轮询调度引入簇内通信，进一步改善网络吞吐量。仿真结果表明，该算法能够有效提高能量效率，平衡网络负载，延长网络生存期。     

一种联合多信道分配决策的认知Mesh系统数据传输优化算法

在认知Mesh系统进行数据传输的过程中,为了提高数据包投递成功率及网络的吞吐量,减少网络延迟时间,提出一种联合多信道分配决策的认知Mesh系统数据传输优化算法(JCWN)。针对信道的干扰问题,建立了认知Mesh系统的干扰无向图,分析节点链路的网络干扰电平。在节点的路由请求阶段通过提出基于信道干扰电平的路由指标函数,并通过权重阈值来为节点链路分配干扰较小的信道。在路由选择上,联合多路由算法计算每条路由路径的信道干扰程度,为了保障节点传输数据的成功率而选择干扰程度更小的路由。实验仿真结果表明,在数据包投递成功率上,该算法相比POC算法以及基于RL的算法提高了20%以上,在提高网络吞吐量,减少延迟时间上也表现出了更好地效果。     

基于混合蛙跳算法的WSN路由优化算法

通过对无线传感器网络的拓扑结构和蛙跳算法的研究,针对能量受限的无线传感器网络生命周期较短的问题,提出一种基于混合蛙跳算法的WSN(W ireless Sensor Network)路由优化算法。该算法在生成青蛙时,考虑了节点的剩余能量,在局部优化过程中采用选择替换和变异两种方法,在全局优化中引入了多路径路由思想,并且充分利用了基站的信息资源和强大功能。仿真结果表明,该优化机制有效延长了W SN的生命周期,改善了网络性能。     

WSN中层次型拓扑控制与网络资源配置联合设计方法

综合考虑异构无线传感器网络中节点速率分配、簇的划分规则和链路层网络频带资源占用情况, 提出一种基于拓扑控制与资源优化分配的层次型路由算法. 在网络层, 该算法根据成员节点和簇首节点的速率分配机制建立节点流量平衡模型. 在链路层, 分析无线传感器网络频谱共享行为, 研究邻近用户间访问冲突的规避抑制模型, 重构网络频带资源. 通过引入带宽比例因子将可用频带划分成若干子带, 提高网络频带资源的利用效率. 本文基于跨层联合设计思路, 建立一个混合整数非线性规划问题,对异构无线传感器网络中拓扑控制和网络资源分配问题联合设计, 得到最优的分簇结果和资源分配方案. 最后, 在设定网络拓扑中评估性能, 仿真结果证实该算法在网络频带资源充分利用的同时, 可实现最优的簇首匹配和路由建立结果.     

面向最小延迟的无线mesh网络时隙分配问题研究

在基于IEEE802.15.4的工业无线传感器网络中,通过时分复用技术来实现节点间并行通信,以提高网络的吞吐量.通常,网络中的管理器根据全网拓扑对网络中的每个连接分配一个超帧中相应的时隙.不同的时隙分配方案中,连接在超帧中活动的顺序也不同,对网络性能的影响也不同.本文研究了不同时隙分配方案在网络吞吐量和数据延迟方面对网络的影响,定性分析了时隙分配方案与数据延迟的关系,并根据mesh结构的特点提出一种使用粒子群优化的算法,用于在网络管理器上对时隙分配进行优化,使得数据延迟最小化,以满足工业无线网络实时性应用的要求.     

基于能量优化的认知无线电网络组播路由协议

针对认知无线电网络节点动态频谱分配的特点,利用静态博弈方法,根据次用户占用频谱越宽所造成干扰越大,建立基于价格惩罚机制的古诺模型解决频谱分配问题,通过求解纳什均衡,频谱利用率达到最优。根据最小增量按需驱动思想建立了节约能量的组播树,提出基于能量优化的适用于认知无线电网络的按需组播路由协议。     

基于跨层议价博弈的认知无线电网络资源优化分配策略

如何合理分配有限的频谱资源是认知无线电网络的核心问题之一.通过对物理层功率控制和MAC层带宽分配需求的研究,建立以最大化系统吞吐量为目标的跨层优化模型.并在该模型的基础上设计一种基于跨层议价博弈的带宽与功率分配算法(Bandwidth and Power Allocation Algorithm-Cross Layer Bargaining Game,BPAA-CLBG).仿真结果表明该算法可以有效地提高认知无线电网络的频谱利用率,且在系统吞吐量方面较现有算法有明显的改善.     

基于蚁群优化的无线传感器网络路由算法

如何在资源受限的无线传感器网络中进行高效的数据路由是无线传感器网络研究的热点之一。基于群智能优化技术的蚁群优化算法被广泛应用于网络路由算法。提出一种无线传感器网络蚁群优化路由算法,能够保持网络的生存时间最长,同时能找到从源节点到基站节点的最短路径;采用的多路数据传输也可提供高效可靠的数据传输,同时考虑节点的能量水平。仿真结果表明:提出的算法延长了无线传感器网络的寿命,实现无线传感器网络在通信过程中快速、节能的路由。     

基于改进狮群算法的管道传感器网络覆盖优化

监测输送石油、天然气和水的管道是必要的，以避免浪费这些自然资源，提出了一种基于改进狮群算法的管道传感器网络覆盖优化算法。该算法模拟狮群行为，通过节点的定位和路由方案来避免这些资源在运输到相应目的地的过程中发生的损失，引入了Logistic函数和Levy飞行进行部署优化。以最小时延和丢包率为优化目标，把传感器节点以最大步长放置在不同长度的管道上进行部署优化。为了评估改进狮群算法的性能，通过30个基准函数测试，与其他启发式算法在不同维度上进行了比较，并将改进狮群算法应用于管道传感器节点部署。仿真结果表明，改进狮群算法在管道的网络覆盖率、端到端时延、吞吐量和网络寿命方面具有明显的优势。该算法最大的特点是管道越长，端到端时延优化效果越突出。     

蜂窝网络中基于双层博弈的吞吐量最大化研究

如何提升系统的吞吐量是蜂窝网络中研究的热点。利用设备到设备通信(D2D)技术为蜂窝边缘用户设备提供中继支持，进而提升系统的吞吐量。描述一种中继节点选择和频谱分配的联合问题，帮助蜂窝边缘用户设备寻找合适的中继节点，并为D2D链路分配频谱，在满足D2D和传统蜂窝用户设备干扰约束的条件下使系统吞吐量最大化。为此，提出一种基于双层博弈模型的分布式算法，对上述问题进行求解。该博弈模型分为内层和外层；内层通过Stackelberg博弈理论为蜂窝边缘用户设备选择中继节点，并将其作为主节点，蜂窝边缘用户设备作为从节点；外层采用联合博弈理论为蜂窝边缘用户设备及其中继节点间的链路分配合适的频谱。仿真结果表明本文算法在能耗、吞吐量等方面的性能要优于其他典型算法。     

一种节能的无线传感器网络路由协议的设计与实现

在无线传感器网络的路由协议中,基于簇的路由协议在拓扑管理、能量利用、数据融合等方面具有优势。本文针对目前已有协议能量消耗大、网络寿命短等问题,提出了一种能量感知的基于分布式簇算法的无线传感器网络协议EA-HEED。此协议改进了分布式的簇头选举算法,分配时分复用时隙并在簇头节点建立一棵路由树,从而提高簇头选举效率;设计了休眠冗余节点的簇内活动节点调度算法,减少能耗;采用考虑节点能量和节点与基站距离的簇头节点组织路由树方法、最小化网络开销以及能量负载平衡方法,优化路由协议,有效延长网络寿命。仿真结果表明,与LEACH和HEED协议相比,EAHEED协议可以进一步延长网络寿命。