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。     

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。     

认知无线电中联合功率控制的动态频谱分配算法*

针对认知无线电网络动态频谱分配算法开展研究,基于最大独立集理论,提出一种改进的联合功率控制的动态频谱分配算法,通过联合功率控制机制,避免用户之间的相互干扰和对已分配信道链路的干扰,满足多用户应用需求,并减少节点能耗。该算法以最大独立集为分配起点,允许一次同时分配信道给多个互不干扰的链路,同时兼顾资源分配的公平性,能够有效减少分配的总次数和用户间的信息交互量。仿真结果显示改进的动态频谱分配算法在需求满足率和公平性上都优于原有算法。     

基于用户需求的图着色论频谱分配算法

对最新的图着色论频谱分配算法进行了分析,针对认知用户需求未得到满足的缺点,提出用户满意度,根据它来设置频谱分配优先级函数,对需求满足情况较差的用户优先进行分配,得到一种基于用户需求的图着色论频谱分配算法。仿真结果表明,提出的算法能增加系统信道效益,更好地满足多个用户的信道需求,提高了频谱利用率。     

宏-飞蜂窝双层网络中基于毫微微基站分组的资源分配

针对宏-飞蜂窝双层网络模型中宏小区（Macrocell）用户层和毫微微小区（Femtocell）用户层之间的跨层干扰和Femtocell之间的同层干扰,提出了一种基于毫微微基站分组的资源分配算法。该算法包括两个部分：一部分是宏基站先利用改进的差额法,设置虚拟的宏用户（MUE）,将之变为平衡的指派问题再为宏小区用户分配信道,然后用注水算法分配功率,保证宏小区用户的正常传输。另一部分是在保证宏小区用户的服务质量基础上,采用一种增强型的蚁群优化（EACO）算法,设定信息素浓度范围后对毫微微小区进行分组,避免了原始的蚁群算法有可能陷入局部最优的现象;再利用一种启发式算法和分布式功率分配算法分别对毫微微用户（FUE）进行信道和功率分配,在满足毫微微小区用户的数据速率需求下,最大化频谱效率。仿真结果表明,EACO有效地抑制了跨层干扰和同层干扰,既能保证用户的数据速率需求,又能有效提升网络频谱效率。     

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。     

基于图着色理论的认知网络频谱分配策略研究

为了解决认知网络下的动态频谱分配问题,结合图着色理论分析构建了认知系统频谱分配模型。在此基础上结合极大独立集(MIS)算法,通过设计综合分配权重,提出了一种基于信道效益的认知网络动态频谱分配算法。仿真结果表明,相比现有的MIS、Greedy算法,该算法能够有效提升实际认知网络系统的频谱利用率和公平性指标。     

超密集网络中基于小区分簇的资源分配

针对超密集网络中毫微微小区(Femtocell)之间同层干扰以及毫微微小区与宏小区(Macrocell)之间跨层干扰问题,提出了一种基于小区动态分簇的资源分配算法。该算法分为两步:第一步首先采用了基于速率公平性的子信道分配算法为宏用户分配子信道,接着利用注水算法分配功率;第二步首先根据毫微微小区之间的干扰权值大小,利用遗传模拟退火算法为FAPs分簇,其次利用启发式信道分配算法为FUEs分配子信道,采用KKT条件为用户分配功率。仿真表明,该算法能够有效抑制这两种干扰,满足用户速率需求,提升网络频谱效率。     

基于萤火虫算法的认知车载网络频谱分配

针对布谷鸟搜索算法在认知车载网中频谱分配收敛速度低的问题，提出了一种基于萤火虫算法的频谱分配方法。该方法考虑种群所获得的平均收益值，将频谱分配变量映射为萤火虫位置信息，并将车载网络的吞吐量转化为萤火虫的亮度值，采用萤火虫算法离散频谱分配变量并进行迭代寻优。数值结果表明，基于萤火虫算法的认知车载网络频谱分配方式的收敛速度快，且种群的平均收益值高于遗传算法和布谷鸟算法。     

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。     

一种公平的认知无线电系统下行频谱分配策略

目前关于认知无线电频谱分配的研究大多以最大化系统容量为目标,很少考虑认知用户的QoS需求,频谱分配方案设计缺乏公平性。针对主用户干扰限制和保障认知用户QoS需求,结合OFDM技术,研究了认知无线电场景中下行多用户分配算法。该算法构建不等式约束下的目标函数以最大化系统容量,通过拉格朗日(Lagrange)对偶优化法给出近似最优解。仿真结果表明,所提算法在牺牲系统和容量的前提下充分保证了次用户的QoS需求,提高了系统的公平性。     

资源受限的认知无线电系统优化合作频谱感知算法

认知无线电的首要任务就是动态地感知频谱,合作频谱感知提高了频谱感知的可靠性.目前大多数频谱感知算法采用全部认知无线电台参与感知,并且假设每个认知无线电台的信噪比的测量值为一常数.然而,由于无线信道的特性和环境差异,每个认知无线电台的信噪比是有差异的,同时系统资源也是有限的.基于此,在采用能量检测硬判决的合作频谱感知算法基础上,提出一种优化的频谱感知算法.它在满足给定系统探测概率及虚警概率前提下,采用部分性能较好的认知无线电台参与频谱感知,并使系统感知开销最小.理论和仿真证明了其合理及有效性.     

基于截断型序贯检测的协作频谱感知算法

本文针对低信噪比情况下认知用户的频谱感知需求,提出了一种基于截断型序贯检测的协作频谱感知算法。协作认知用户对接收到的信号序列进行分段处理,统计各自段内采样点能量值大于预设门限值的个数并将其作为本地检测统计量上传至融合中心,有效的减少了控制信道的开销。棣莫弗—拉普拉斯定理和中心极限定理的引入,又使得段内检测统计量近似为高斯分布,从而大大简化了后续似然比函数的理论推导和计算过程。性能分析及仿真结果表明,在目标检测性能相同的条件下,相比现有的能量检测算法,所提算法大大降低了所需的频谱感知时间。     

基于指数信任度函数的频谱感知改进算法

从多个用户合作感知的角度出发,针对目前的融合规则没有考虑感知结果的信任度,对现有的分布式感知算法进行改进,提出基于指数信任度的频谱感知算法;在认知无线电网络安全方面,将异常点感知引入到感知融合规则中,在指数信任度算法的基础上提出一种基于异常点的频谱感知算法,能抵御认知无线网络中出现故障的或者恶意认知用户;在提高感知速度和可靠性方面,结合指数信任度算法和异常点感知算法,将对感知信息的审核引入到频谱感知算法中,提出一种基于审核的频谱感知算法,该算法在提高感知速度的基础上能获得更好的感知性能。     

基于认知无线电的QoS路由算法

一般无线网络的路由协议不适合直接应用于认知无线电网络,需要提出一个新的路由算法以满足认知无线电网络端到端的服务质量(QoS)性能。认知无线电网络中的节点可以自主地进行信道选择和频谱切换,从而最大限度地满足流量需求和避免流内竞争。结合按需路由的基本流程,在充分考虑信道容量和流内竞争所带来的干扰对路由选择的影响下,提出了适用于认知无线电网络的基于容量和干扰的路由算法。仿真结果表明,基于容量和干扰的路由算法比另两种路由算法具有更好的端到端QoS性能。     

基于改进D-S证据理论的认知无线电频谱感知算法研究

针对基于D-S证据理论的认知无线电频谱感知算法在认知节点的感知信息存在较大冲突时会产生与实际情况相悖结果的问题,提出了一种基于改进D-S证据理论的认知无线电频谱感知算法。改进算法采用一种新的加权平均方法平均各个证据,比算术平均法更多地降低了异常证据的影响,同时通过计算证据到平均证据的距离来计算证据权值,解决了权值计算复杂度问题。实验结果表明,在认知节点的感知信息存在严重冲突时,改进算法可有效提高认知无线电频谱感知系统的感知性能。     

基于多融合准则的双门限协作频谱感知算法

认知无线网络中,现有协作频谱感知技术未考虑根据感知用户的可靠性程度,对其判决结果采用不同的融合策略。针对上述问题,提出了一种新的基于多融合准则的双门限协作频谱感知算法。该算法以双门限协作检测为基础,根据感知用户判决结果的可靠程度不同,采用AND准则和OR准则相结合的判决方法,对参与感知的用户判决结果进行分类融合。理论分析和仿真结果表明,该算法与协作频谱感知算法相比,能够显著改善认知无线网络的频谱感知性能。     

基于协作频谱感知的智能电网通信网性能研究

将认知无线电频谱感知技术应用于智能电网的通信网中,可以有效提高频谱资源的利用率。现有研究仅考虑单用户单供电商,但是对需求响应管理性能与感知能耗权衡问题却没有给出理想的解决方案。建立基于多节点协作频谱感知的多用户单供电商智能电网通信网模型。在此基础上,为求解该模型需求响应管理和能耗感知性能权衡问题,提出基于多目标粒子群(MOPSO)的求解方法。仿真结果表明,所提协作频谱感知模型可以显著提高系统需求响应管理性能;MOPSO算法可实现系统需求响应管理性能和感知能耗的最佳权衡,有利于决策者根据实际要求灵活选择最优方案。     

混合式动态频谱接入协议的研究

为了避免认知用户对主要用户的干扰,实现了频谱移动性的要求,提出了一种Ad Hoc认知无线电网络下的动态频谱接入协议.先使用分布式频谱侦测技术,建立基于AdHoc认知无线电的网络模型.认知用户利用马尔科夫模型预测可用频段,从而在每个时隙选择预测的可用频段进行侦测,降低设备技术要求,并节约能量.最后,给出了相应的认知无线电频谱接入方案和频谱分配算法,为每一条空闲频段选择合适的通信组,实现系统频谱利用的最大化.