基于分布式认知无线电的非合作博弈频谱分配算法

基于博弈论的认知无线电频谱分配问题,是目前认知无线电领域的研究热点之一.分布式认知无线电系统的网络容错能力强,易于架设并且通信可靠性高.采用博弈论算法对认知无线电网络的频谱分配进行建模分析,可以很好的提高自适应算法的性能和收敛速度且降低了算法的复杂度.仿真结果表明,该分布式系统中的频谱分配算法收敛速度快、复杂度低并且具有很好的通信可靠性.     

基于多目标遗传算法的认知无线电频谱分配

频谱共享技术是认知无线电的关键技术。基于多目标遗传算法,将认知无线电网络的最大系统效益和次用户间的最大比例公平作为目标函数,运用图论着色频谱分配模型,实现认知无线电中空闲频谱在次用户间的动态分配,并与颜色敏感图论着色算法（CSGC）进行了比较。通过仿真验证了该算法在认知无线电网络中进行频谱分配的可行性,且性能优于CSGC算法。     

OFDM技术在认知无线电中应用的研究

随着无线通信技术的迅速发展,频谱资源变得越来越紧张,如何充分利用频谱资源成为热点问题。认知无线电技术是解决这一问题的新方法,而OFDM技术灵活的选频方案为实现认知无线电系统提供了良好的平台。本文在阐述了两种技术各自优势和融合的可行性的基础上,提出了一种基于OFDM技术的认知无线电系统设计方案,包括系统的频率分配算法,系统框图和工作流程。在此基础上,仿真实现了基于OFDM技术的认知无线电系统,该系统在达到用户通信要求的同时,可以更加合理地分配和利用频谱资源,使系统的性能有显著的改善。     

一种基于注水算法的认知OFDM系统资源分配方法

无线频谱紧缺是限制无线通信与服务应用持续发展的瓶颈。在认知无线电系统中,无线认知用户可以智能地感知周围环境,搜索可用频谱资源,并进行动态的频谱接入,从而提高通信系统容量和频谱利用率。本文介绍了一种基于注水算法的认知OFDM系统的无线资源分配算法,并通过仿真表明相比传统的平均功率分配算法,系统吞吐量有明显提高。     

两种标准联合的认知无线电频谱分配算法

为了提高认知无线电系统频谱分配的公平性,本文提出了采用两种协作式标准计算子图的认知无线电系统的频谱分配算法．首先对一些子图采用CMSB标准,频谱分配完之后,对其他一些子图采用 CMPF标准．系统仿真结果表明,系统公平性相比于原来的改进的算法有了明显的提高,同时本文算法的瓶颈认知用户信道容量得到了较大程度的改善．     

认知无线电中OFDM多用户频谱分配

针对认知无线电需要提高频谱利用率,限制功率以及保障QoS的要求,结合OFDM技术,研究了认知无线电场景中的多用户频谱分配,并给出了2种算法.其中,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,并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"来体现用户分配中的公平原则,并通过限制SIR得到频谱分配结果.仿真表明,最优、次优算法的性能好于基于FDMA的静态频谱分配算法,最优算法相对于FDMA能够有35%的容量提升;次优算法容量略有减小,但充分保障了用户的QoS需求.2种算法从不同层面满足了认知无线电的需求.     

一种认知无线电系统中联合的频谱分配新算法

本文从认知无线电系统实际应用出发,首先应用图论算法快速的预分配频谱,同时为再次分配提供了公平性,然后用博弈论思想对初次分配的信道优化,完成认知用户之间的频谱再次分配.最后仿真表明频谱的资源可以充分利用,在传输功率的约束下,每个认知用户提高自身的速率,合理地分配功率,证明了本文图论和博弈论联合的算法的有效性.     

认知无线电系统的一种联合频谱分配算法

在认知无线电系统中,博弈论算法从频谱共享池中获取频谱困难.为了提高自身传输速率,同时使频谱可以充分利用,采用图论算法快速地初次分配频谱,联合博弈论方法优化信道.仿真结果表明:在传输功率的约束下,联合频谱分配算法提高了自身的效用(速率),能够充分利用频谱资源,合理分配功率,仿真验证了图论和博弈论联合的算法是有效的.     

基于混合overlay/underlay方式的认知无线电能效优化策略

为了提高现有频谱资源的利用率,认知无线电技术得到了广泛的关注.针对协作中继认知无线电系统中的能量效率问题,提出一种混合overlay/underlay传输方式的频谱共享策略,它兼具传统overlay与underlay方式的特性.在满足服务质量要求和功率约束的情况下,首先通过一种启发式方案对子载波进行匹配,再引入基于拉格朗日算法对功率分配问题进行优化,获得最优中继及最优功率分配,从而使整个系统的能量效率提高.仿真实验结果表明:基于混合传输方式下系统的能量效率得到显著提升,验证了所提方案的有效性.     

多载波认知无线电无线携能通信资源分配算法

认知无线电可通过频谱感知提高资源利用率,但会产生感知能耗,降低传输能量.为了保证认知无线电的传输性能,提出认知无线电可利用多载波实现无线携能通信,并分配通信资源,实现系统性能优化.认知无线电利用部分子载波传输信息,采集剩余子载波上主用户射频能量,补充感知耗能.提出的子载波和子载波功率联合优化算法,在保证能量、干扰和总功率受约束的基础上,可最优化系统的吞吐量和能量.仿真结果表明,能量采集会占用传输资源,需要合理分配子载波,使其在速率和能量间取得性能折中.提出的算法通过采集能量补充感知能耗有效地提高了系统吞吐量.     

认知无线网Underlay模式下频谱资源优化分配

为了实现对频谱资源最大限度再利用,有效缓解无线频谱资源紧缺的问题,通过分析无线认知网络共享方式下的物理连接和图论模型,建立了具有不同干扰强度频谱分配数学模型,并将此模型转换为以信道干扰系数最小化、次网络效益最大化和主用户最大干扰最小化的多目标优化问题,进而采用多目标改进遗传算法对认知无线网络进行频谱共享方案设计,且对其有效性进行了仿真分析.仿真结果表明,采用所提出的优化算法进行频谱分配与图论K-最大割方法相比,能更好地实现网络效益最大化,同时能减少对主系统的干扰.     

授权链路保护的频谱分配算法

研究了在保护授权链路的前提下认知无线电网络(CRN)的频谱优化分配问题。基于博弈论提出了一种新型的频谱分配模型,设计了一种保护授权链路的快速收敛的频谱分配算法(FCAPLL)。仿真分析证明,FCAPLL算法能在保护授权链路的前提下对认知无线电(CR)链路进行最优化频谱分配,有较快的收敛速度;同时仿真给出了网络性能参数与比例因子的关系,为FCAPLL应用于不同性能要求的CRN提供了依据。     

认知无线电多目标优化算法研究

认知无线电是指能够感知周围频谱环境并动态使用频谱资源的智能无线通信系统。认知无线电的多目标优化问题是一个典型的动态参数优化问题。以传输能量、数据率以及误比特率等多个参数为目标,采用一种基于DNA计算的非支配排序多目标遗传算法(DNA-GA)来对其进行优化。将CR可调参数进行编码作为染色体,产生大小为N的初始化种群,并根据CR目标函数计算个体适应度,再结合克隆操作使算法收敛于全局最优,最终得到CR系统的最优操作参数。仿真结果表明,DNA-GA可以在不同用户需求情况下获得较好的性能优化。     

能量有效性频谱感知和传输方案的联合设计

为了实现认知无线网络的能量有效性传输,在混合频谱共享方式下对频谱感知和传输功率分配的联合优化方案进行研究.首先将混合频谱共享方式下的能量有效性传输描述为一个多约束优化问题,并从理论上分析了最优的频谱感知和功率分配方案.结合理论分析结果,设计了低复杂度的联合优化迭代方案以逼近优化问题的最优解.仿真结果表明所提方案的性能与最优方案非常接近,而方案复杂度却大大降低.     

一种基于认知无线电的资源分配优化算法

认知无线电可通过实时改变操作频段,动态利用授权用户的频谱空洞,从而提高频谱利用率。该文提出的资源分配优化算法为每个待分配信道找出最优合作节点集合,工作在同一信道的节点不会对授权用户产生干扰。通过仿真证明,该策略使认知网络平均吞吐量显著提高,同时各信道上的传输容量较同类算法也有较大的改善。     

最小二乘SVM的CR认知引擎设计

认知无线电(CR)的核心是认知引擎设计.为适合变化的无线环境状况,提出了一种基于最小二乘支持向量机的认知无线电认知引擎设计方法,该引擎根据经验知识,动态重配置无线环境参数.在802.11a仿真平台上模拟认知无线电通信系统模型,通过样本值训练支持向量机的分类、回归模型,并利用该模型学习信道特征,建立相应的认知引擎.在对感...     

异构无线网络中基于强化学习的频谱管理算法

提出了一种基于归一化径向基函数的自适应启发评价强化学习算法,用于异构无线网络系统中自主的动态频谱分配.该算法利用归一化径向基函数自适应构建状态空间,加快学习速度;利用自适应启发评价机制减少不必要的探索,提高学习效率.通过与无线环境交互,算法学会为不同接入网内的各个会话动态分配合适的频段.仿真结果表明,在同等网络条件下,该算法能获取更好的频谱利用率和服务质量,性能优于确定性频谱分配策略和一般的动态频谱分配策略.     

认知Ad Hoc网络多小区资源分配方案

在授权多小区频谱资源复用场景下,基于分级信道接入模型提出了一种认知Ad Hoc网络资源分配方案．授权小区将频谱资源进行区间复用,认知系统根据区域复用的不同划分可用频段,并在不同频段采取不同的接入方式;联合考虑链路传输需求及授权用户干扰保障设计传输效益因子,根据传输效益因子分配可用信道,运用拉格朗日对偶理论实现功率分配,并基于令牌环结构实现Ad Hoc链路局部信息交互．仿真表明,所提算法相对非复用认知场景系统容量可在相同指标下提升2%．