基于认知无线电系统的新型合作功率控制博弈算法

以改进的空时分集OFDM-CDMA系统为基础，研究已认知频谱资源的公平分配问题，根据信道状况，吞吐量最大化和功率限制需求，提出了一种合作功率控制纳什议价博弈算法，以有效地降低认知用户（secondary users）的发射功率，提高网络吞吐量。仿真结果表明该算法满足了认知用户公平共享频谱资源的需求，在相同功率消耗情况下，网络吞吐量显著提高。     

认知无线电合作频谱感知算法研究

频谱感知是实现认知无线电功能的前提条件,也是认知无线电领域的一个研究热点。近年来人们提出了很多频谱感知的方法,尤其是合作频谱感知算法日益受到人们的关注。综述了合作频谱感知技术的最新研究进展,从简单的线性信息融合算法到复杂的非线性感知算法,以及多天线合作感知等算法,通过仿真比较各种方法的检测性能,并展望未来频谱感知所面临的挑战和发展趋势。     

基于认知无线电的合作频谱感知算法研究

在认知无线电网络中,认知无线电用户需要准确、实时地检测到授权用户的存在以及闲置的频带。认知无线电中的合作频谱感知类比于无线传感网络中的分布式决策,即每一个传感器做出本地判决并将这些判决结果汇报给融合中心,再根据某种融合准则做出最终的判决。融合准则主要分为OR规则和AND规则。传统合作频谱感知是指所有的认知用户都参与合作。文中通过分析传统合作频谱检测的不足之处,提出只选择具有较高信噪比的认知用户参与合作。从仿真结果看出,此方法的检测性能较之传统的合作检测算法有了很大的提高。     

基于纳什议价的虚拟网多目标映射算法

请求接受率和节能是虚拟网映射过程中两个至关重要的指标,然而当前虚拟网映射问题的研究仅考虑单一指标,忽略了两者之间的关联和制约,导致虚拟网映射整体性能下降。该文提出一种基于纳什议价的虚拟网多目标映射算法(MOVNE-NB)：利用博弈论谈判技术,在纳什议价的框架下协商虚拟网映射的合理解;提出公平议价机制,避免参与人自私决策而导致议价失败。实验表明,MOVNE-NB算法不仅能产生一个帕累托有效解,且实现了请求接受率和节能的公平折中。

     

基于改进D-S证据理论的认知无线电频谱感知算法

在把D-S证据理论应用于多节点的频谱感知数据融合时,如果数据冲突较大则融合结果并不理想.为了解决上述问题,对D-S证据理论的证据组合规则进行了改进,给出了一个在数据冲突大时也适用的数据融合公式,并把这种改进的数据融合算法应用到多节点协作频谱感知中.MAT-LAB仿真测试与结果分析表明改进算法提高了频谱感知性能.     

基于认知无线电系统合作检测的数据融合研究

从多传感器数据融合角度研究认知无线电系统合作感知问题.对于特定的在线用户规模,存在一个最佳的参与部分融合用户数,可以固定选择每次检测的融和用户数使系统平均检测概率最大.在此基础上提出一种基于测量的融合方法,根据每次检测的接收信号状况动态调整参与融合的用户数.仿真表明,这种方法可以使系统检测性能在60%以上的检测中相对于固定融合用户数的方法有所提高.     

一种基于非对称纳什协商的认知无线电频谱共享新算法

该文研究基于MIMO-OFDMA的认知无线电系统频谱共享的新机制。首先构造了一个基于非对称纳什协商方案的效能函数,其次通过多用户最优匹配及两两协商新算法并证明其收敛性,最终实现了基于感知贡献加权的比例公平性频谱共享。仿真结果表明提出的方案不仅实现了频谱资源的公平有效分配,而且有利于最大化频谱感知的结果。     

认知无线电中协作频谱感知技术研究

由于无线通信用户的增多和采用的固定频谱分配模式,使频谱资源越来越紧缺,认知无线电的出现极大地提高了频谱的利用率。该文对基于能量检测的单节点检测和协作检测技术进行了分析和讨论,重点分析了协作检测中的数据融合算法,并对几种融合算法和能量检测算法进行了性能的仿真分析。通过分析及仿真结果可以看出,协作检测与单节点检测相比,有效地提高了检测概率。     

基于Q-Learning的认知无线电系统感知管理算法

认知无线电系统不仅是一个自适应系统,更应该是一个智能系统。该文将智能控制中的Q-Learning思想引入到认知无线电系统中,用于解决感知任务在认知用户之间的分配问题,给出了一种基于Q-Learning的感知管理算法。该算法在不知道信道状态信息以及不需要对主用户业务进行估计的假设下通过不断地与环境进行交互和学习来给认知用户分配感知任务。仿真表明,该算法能够提高感知效率,并且收敛速度较快,可作为未来认知无线电系统走向智能化的一种尝试。     

认知无线电中基于感知信息量化的合作频谱感知

针对认知无线电频谱感知性能的提高与传输开销的矛盾,本文提出了一种基于感知信息量化的合作频谱感知方案。该方法对各认知用户的本地检测结果采用3个判决门限进行2比特位的量化,在融合中心处对量化信息加权处理后,得到最终主用户是否存在的判决。本文详细研究了采用该方案的检测概率,虚警概率和吞吐量,理论分析和仿真结果表明,该方法在每个认知用户只增加1bit传输开销的前提下能够极大的改善检测性能,实现了检测性能与传输开销的较好权衡。     

Multiple Relay Selection Based on Game Theory in Cooperative Cognitive Radio Networks

Due to the inefficiency of traditional fixed spectrum allocation policies, the paradox of apparent spec-trum scarcity occurs while most of the bands are under-utilized. This has prompted proposals for Dynamic spec-trum sharing (DSS), which explains why Cognitive radio network (CRN) has been widely accepted as a promising approach to settle inefficient usage of scarce available radio spectrum. As a subset of DSS, Dynamic spectrum leasing (DSL) strategy has been proposed based on game idea, where Primary user (PU) has an incentive to allow Cog-nitive users (CUs) to access its licensed spectrum for a fraction of time in exchange for revenue. This paper pro-poses an approach, named multiple relay selection based on Game theory (GTMRS), to optimize the utilities of PU and CUs as a whole, where a pricing-based spectrum leas-ing mechanism is applied. While the parameter price c is jointly determined by PU and CUs, all selected cognitive user's optimal cooperative powers can be satisfied through a non-cooperative game among themselves. Numerical re-sults show that more CUs are involved in the cooperation and both utilities of PU and CUs as a whole are improved, which means the whole system throughput is increased.     

基于分形盒维数的频谱感知技术研究

为了降低频谱感知的计算复杂度,提高感知性能,该文提出基于分形盒维数的频谱感知方法。由于噪声与信号盒维数值存在差异,将分形盒维数作为检验统计量。仿真结果表明,该方法在高斯白噪声环境下,具有良好的检测性能,对噪声不敏感。并且计算复杂度低,易工程实现。     

基于信干比的认知无线电自适应功率控制算法

该文以空时编码(STBC) MC-CDMA网络系统为认知无线电通信平台,将一种基于SIR的非合作功率控制博弈算法应用于该认知无线电系统,并根据用户的SIR需求差异,对算法改进设计出新的自适应功率控制博弈算法(CR-NCPCG)。仿真结果表明CR-NCPCG算法以不同用户SIR需求为前提,通过不同用户功率的有效控制,实现了用户公平共享频谱资源的需求。     

认知无线电中基于Stackelberg博弈的分布式功率分配算法

在underlay认知无线电场景中,为了让认知用户能随机地接入主用户正在使用的授权频段,且对主用户产生的干扰不高于主用户能够容忍的干扰温度门限,该文采用Stackelberg博弈机制进行认知用户的发射功率分配。将主用户作为模型中的leader,认知用户作为follower,认知用户使用主用户的授权频段时需以干扰功率为单位支付给主用户相应的费用,而主用户则可以通过调整价格,限制认知用户产生的总干扰功率不高于其所能容忍的干扰温度门限,以便获得最大收益。同时,不同认知用户间根据主用户制定的价格,进行非协作博弈。仿真结果表明,与集中式的最优功率分配算法相比,该文可通过简单的分布式功率分配算法获得与其相近的系统性能,且主用户与认知用户间只需进行少量的信息交互,这与需进行大量信息交互的集中式最优算法相比,具有较大的优势。     

CR系统中基于微分博弈的功率控制算法

该文针对认知无线电系统动态性的特点,将微分博弈理论应用在认知无线电系统的功率控制中,建立了功率控制的非合作微分博弈模型,提出了一种基于微分博弈的分布式非合作功率控制算法。该算法在满足认知用户平均功率门限和QoS需求的基础上,实现了分布式动态功率控制,获得了反馈纳什均衡解析解。仿真结果表明,该算法可有效控制各认知用户的发射功率,增加系统吞吐量,提高系统性能。     

联合检测在认知无线电中的应用

在多用户认知无线电系统中，针对认知无线电联合频谱感知中用于传递感知信息的控制信道受限的问题，分析比较了纽曼-皮尔逊检测器和“K”秩法检测器的检测性能及其对控制信道的要求。仿真结果表明在设计联合频谱感知检测器时，需要在提高检测性能和降低对控制信道资源需求两方面进行综合考虑来选择满足系统设计要求的检测方法。     

认知无线电中频谱感知技术

固定频谱分配政策导致频谱使用率低下,为克服这一缺点,人们提出使用认知无线电技术实现动态频谱接入,从而有效利用频谱空穴。频谱感知是认知无线电的关键技术。文中介绍了目前已提出的频谱感知技术:发射机检测(包括匹配滤波器检测、能量检测和周期平稳特征检测)、合作检测、接收机检测及基于干扰温度的检测,仿真分析了各种方法的优缺点及有待解决的问题。为满足多用户环境和实时性要求,仍需探讨新的频谱感知方法,提高检测性能。     

认知无线电频谱分配的博弈论方法

认知无线电中频谱分配问题目前受到了极大的关注。在问题的分析中,涉及了大量策略选择问题,因而可以利用博弈论的相关原理对其进行分析研究。文章介绍了认知无线电频谱分配的一些关键问题,分析了博弈论方法在认知无线电研究中的应用条件,并阐述了认知无线电频谱分配问题的博弈论框架,为今后的相关研究起到积极的促进作用。     

Spectrum Sensing Based on Deep Learning Classification for Cognitive Radios

Spectrum sensing is a key technology for cognitive radios.We present spectrum sensing as a classification problem and propose a sensing method based on deep learning classification.We normalize the received signal power to overcome the effects of noise power uncertainty.We train the model with as many types of signals as possible as well as noise data to enable the trained network model to adapt to untrained new signals.We also use transfer learning strategies to improve the performance for real-world signals.Extensive experiments are conducted to evaluate the performance of this method.The simulation results show that the proposed method performs better than two traditional spectrum sensing methods,i.e.,maximum-minimum eigenvalue ratio-based method and frequency domain entropy-based method.In addition,the experimental results of the new untrained signal types show that our method can adapt to the detection of these new signals.Furthermore,the real-world signal detection experiment results show that the detection performance can be further improved by transfer learning.Finally,experiments under colored noise show that our proposed method has superior detection performance under colored noise,while the traditional methods have a significant performance degradation,which further validate the superiority of our method.