基于非合作博弈的认知无线网络功率控制算法

为降低认知无线网络节点间的干扰,保证网络的服务质量,文章提出一种基于效益的非合作博弈的功率控制算法。该算法利用博弈原理,使认知用户对发射功率进行非合作博弈;并在理论上证明发射功率存在唯一的纳什均衡解。仿真结果表明,该算法不仅具有较好的抗噪声能力,还能在保证授权用户和认知用户服务质量的前提下,降低认知用户的发射功率,从而减少用户间的干扰,提升网络的性能。     

非合作博弈下功率与速率联合控制算法研究

针对已有的基于非合作博弈的功率控制算法中认知用户公平性的不足,提出了对认知用户的发射功率和传输速率进行联合控制的算法,在代价函数中设计了基于传输速率公平性的惩罚因子,同时还考虑了认知用户受到的干扰,与固定认知用户传输速率的功率控制算法进行仿真对比表明,在对认知用户发射功率进行调整的同时,通过调整认知用户的传输速率,能使认知用户在传输速率的分配上与目标传输速率的距离更小,更加体现了认知用户之间的公平性.     

认知无线电网络中功率控制方法的研究

分布式功率控制是认知无线电系统常用的功率控制方法之一.将非合作博弈论的方法应用于认知无线电的功率控制上,在Goodman所提出NPG模型以及NPGP模型上来进行代价函数的改进,并提出一种新的博弈算法来实现对认知无线电系统的功率控制.该算法不仅考虑到系统用户之间的公平性,同时还考虑到认知用户之间干扰的影响,并通过理论证明了其纳什均衡的存在性与唯一性.仿真结果表明,该算法不仅能使用户发射功率降低,同时还可以使用户的效用提高,并且收敛性较好.     

基于信道选择和自适应功率控制的动态频谱分配

针对频谱分配过程中会出现用户间的干扰问题,提出了一种基于信道选择和自适应功率控制的动态频谱分配算法.该算法的基本思想是将认知用户间频谱的竞争转化为以信道选择为策略空间的博弈模型,通过调整发射功率和利用改进后的效用函数来选择最优的分配策略.实验结果表明:该算法在实现频谱动态分配的同时减小了对授权用户的干扰,提高了系统总吞吐量.     

基于非合作博弈的端对端通信资源分配

针对端对端通信多用户间的资源竞争问题,提出基于非合作博弈的端对端通信系统资源分配算法.首先以干扰最小化为目标构建博弈的效用函数,并充分考虑各种用户间的干扰;然后构造该博弈的潜在函数,并分析纳什均衡的存在性;最后通过仿真实验分析算法的有效性和优越性.结果表明,相对于其他算法,该算法加快了收敛速度,提高了系统的吞吐量,保证了用户竞争资源的公平性,增强了干扰的鲁棒性.     

认知无线电中基于博弈论的功率控制算法

简要介绍了认知无线电技术和博弈论的相关知识,分析了非合作功率控制博弈模型算法特点.根据认知无线电的系统基本要求和特点,提出一种基于博弈论的功率控制算法.使得用户的发射功率和收益方面都比非合作功率控制算法的性能有了一定的提高,最后给出了仿真结果分析验证了该算法的性能.     

高密度D2D用户的潜在博弈资源分配算法

为解决高密度用户场景中多个设备到设备(D2D)用户复用同一个蜂窝用户资源时相互竞争的问题,提出了一种基于博弈论的D2D资源分配算法.首先构造基于最小化系统整体干扰的非合作博弈效用函数,同时考虑了系统中D2D用户之间的干扰以及D2D用户与蜂窝用户之间的干扰;继而设计该博弈的潜在函数,并证明该博弈过程是一个潜在博弈模型,进而证明了其纳什均衡的存在性.仿真结果表明,该算法相比现有方法具有更好的公平性和收敛性,能使用户获得更好的吞吐量,降低D2D用户受到的干扰.     

基于用户公平性的抗干扰频谱接入方法

针对共存式频谱接入方法中存在干扰的问题和多认知用户无线通信系统中认知用户之间的系统资源分配不公平的现象,提出了一种基于用户公平性的抗干扰频谱接入方法.在该方法中,如果认知用户能够帮助授权用户达到目标速率,就能够获得机会接入授权用户的频谱,认知系统根据认知用户的信道条件和吞吐量选择出一个认知用户接入授权用户的频谱.认知用户接入授权用户的频谱后,利用一部分带宽转发授权用户的信息帮助其达到目标速率,然后利用剩余的带宽发送自己的信息.由于认知用户使用不同的带宽分别发送授权用户和自己的信息,所以授权用户和认知用户之间不会产生干扰.研究了认知用户如何进行带宽分配,使得在保证授权用户达到目标速率的条件下,最大化认知用户的速率,以及如何进行认知用户选择,保证认知用户频谱接入的公平性仿真结果验证了该频谱接入方法的有效性和公平性.     

双层网络中一种协作博弈的动态资源分配方法

针对双层网络模型中宏小区用户层和毫微微小区用户层存在共信道信号互相干扰的问题,提出了一种协作博弈的动态资源分配(CGDRA)方法.该方法首先根据宏小区用户的路径损耗和QoS需求,对宏小区用户层的发射功率进行分配,然后以所有毫微微小区用户的数据速率之积作为效用函数,以毫微微小区用户的QoS需求为约束条件,构建了毫微微小区用户层总发射功率受限的协作博弈模型,并采用动态子载波分配算法和自适应功率分配算法得到了该博弈模型的低复杂度近似最优解,优化分配了毫微微小区用户的频谱资源和发射功率,提高了系统的传输速率.仿真结果表明:在双层网络中,CGDRA方法在系统数据速率和用户的公平性上获得了较好的折中;与最大最小公平性算法相比,系统的数据速率提高了30％;与最大速率算法相比更加公平.     

CR-OFDM系统中的一种新的动态频谱分配算法

文中基于对认知无线电技术以及OFDM系统传输特性的分析,提出了一种CR-OFDM系统中多用户资源分配新算法。该算法首先根据认知用户的QoS需求为其分配子载波,在保证不干扰授权用户正常通信的前提下,再利用改进的注水算法为每个认知用户分配功率,使得整个系统的信道容量最大化。仿真结果表明该算法能在保证误比特率和用户公平性的前提下显著提高频谱利用率。     

基于超模博弈的认知无线电频谱分配算法

为实现认知无线电系统吞吐量最大化的目标,以正交频分复用(orthogonal frequency division multiplexing,OFDM)为系统模型,提出了一种基于超模博弈的认知无线电频谱分配算法,该算法通过引入适当的价格函数来评估认知用户对主用户的影响,并以此为根据对认知用户施以一定的价格惩罚,最终达到减少认知用户时主用户干扰的目的.仿真结果表明,该算法最终能够达到收敛,降低了认知用户对主用户的干扰,明显地提高了系统的吞吐量.     

多小区认知无线电网络中基于非合作博弈的功率控制算法

功率控制技术是认知无线电网络的关键技术之一。本文对多小区认知无线电网络进行分析,建立非合作博弈模型,提出一种新的适用于多小区认知无线电网络基于非合作博弈的功率控制算法,分析指出了该算法存在唯一的纳什均衡,并通过数值仿真分析了该算法的性能,用户可以以相对较低的发射功率获得较高的效用和服务质量,具有一定的实用性。     

认知无线电中基于干扰温度的功率控制博弈算法

针对认知无线电系统中功率控制的问题,根据David Goodman的非合作博弈思想,设计了一个基于干扰温度的代价函数,并对效用函数中的有效函数作了改进,在此基础上提出一种基于干扰温度的功率控制博弈算法。在仿真分析中同几种常用的功率控制博弈模型作了对比,结果表明该算法能有效提高认知用户的帕累托效应,提高用户的吞吐量,保障认知用户和主用户的QoS需求,使网络资源得到平等共享。     

认知无线电中基于干扰温度的功率控制博弈算法

针对认知无线电系统中功率控制的问题,根据David Goodman的非合作博弈思想,设计了一个基于干扰温度的代价函数,并对效用函数中的有效函数作了改进,在此基础上提出一种基于干扰温度的功率控制博弈算法。在仿真分析中同几种常用的功率控制博弈模型作了对比,结果表明该算法能有效提高认知用户的帕累托效应,提高用户的吞吐量,保障认知用户和主用户的QoS需求,使网络资源得到平等共享。     

一种基于干扰对齐的用户选择与功率优化算法

在实际的认知无线电网络中,用户随机分布,各个用户间距离不相等,非授权用户较多,授权用户未被利用频谱资源有限,针对上述情况提出了一种基于干扰对齐的用户选择与功率优化算法.根据各个用户的位置关系,选出离授权用户较远的一组非授权用户进行通信,离授权用户较近的一组用户在该时隙静止,当非授权用户满足授权用户的干扰温度约束条件时,该算法通过对通信的非授权用户进行功率优化分配,提升系统的总容量.仿真分析表明,该算法能够在保证授权用户性能的同时,选出离授权用户较远的一组非授权用户进行通信,优化频谱效率.     

基于超模博弈的认知无线电频谱分配算法

为实现认知无线电系统吞吐量最大化的目标,以正交频分复用(orthogonal frequency division multiplexing,OFDM)为系统模型,提出了一种基于超模博弈的认知无线电频谱分配算法,该算法通过引入适当的价格函数来评估认知用户对主用户的影响,并以此为根据对认知用户施以一定的价格惩罚,最终达到减少认知用户对主用户干扰的目的。仿真结果表明,该算法最终能够达到收敛,降低了认知用户对主用户的干扰,明显地提高了系统的吞吐量。     

基于多目标优化认知无线电干扰抑制算法

认知无线电系统的重要原则是保障授权用户的通信质量,为了提高授权用户的通信质量必须有效抑制授权用户与认知用户的载波间干扰,为此提出了基于多目标优化的认知无线电干扰抑制算法。该算法通过分析频谱池中影响授权用户的载波间干扰能量,定位出认知用户子载波中对授权用户产生最大干扰的子载波序列,在满足认知用户数据传输率目标的前提下,屏蔽这些最大干扰子载波能有效抑制系统干扰能量。仿真结果表明,在满足认知用户目标误码率条件下,新的干扰抑制算法能明显抑制影响授权用户的载波间干扰,使授权用户获得更好的误码率性能。     

基于博弈论的OFDMA系统多小区资源分配算法

对于蜂窝正交频分多址(OFDMA)系统,相邻小区间的同频干扰是影响系统性能提升的重要因素。该文提出了一种用于OFDMA系统上行链路的多小区资源分配算法。该算法基于博弈论,各用户在速率要求限制下以最小化发射功率为目标,在各小区独立进行信道分配的前提下,用户通过基站反馈获得当前的信道分配方案及博弈状态(同频干扰水平),以此为基础进行发射功率分配,实现了一种分布式的资源分配算法。仿真结果表明,博弈算法可大大降低系统的发射功率,且优化信道分配下的博弈算法比固定信道分配下的博弈算法还可降低系统发射功率30%。同时,博弈算法的收敛速度较快,有利于实际实现。     

认知无线网络中基于免疫优化的比例公平资源分配

针对认知无线网络中基于OFDM技术的资源分配,将其建模为一个约束优化问题,进而提出了一种基于免疫克隆的求解方法. 算法采用两阶段资源分配方法,即先将子载波分配给用户,然后基于免疫优化算法给不同的子载波分配功率. 此外,算法充分考虑了主用户可容忍的干扰约束及次用户对资源的比例需求,更符合实际要求. 根据问题本身特点,设计了适合算法求解的编码、克隆、变异算子. 仿真实验结果表明,在总发射功率、误码率及主用户可接受的干扰等约束下,本算法可以获得较高的数据吞吐量,并保证次用户对资源需求的公平性.      

基于授权系统通信状态和波束形成对认知中继系统吞吐量的改进

提出了一种认知中继系统采用半双工放大转发(amplify forward,AF)模式下的功率分配方案,在保证授权用户通信质量不变和认知系统总发射功率受限条件下,最大化认知网络吞吐量,在此基础上分两步实现吞吐量的最大化。首先,在认知中继端采用多天线利用波束成型方法滤除接收转发的干扰信号,然后,根据授权用户通信状态制定不同的最优功率分配方案。仿真结果表明,相比传统的授权用户干扰受限算法,该算法可有效提高认知网络的吞吐量。