分布式无线感知网络节点部署算法研究

在无线感知网络节点部署中,目标区域的覆盖率大小对信号检测的效果具有重要的意义,通过智能优化算法来提高区域覆盖率已成为当前无线感知网络节点部署领域的研究热点之一。为了提高分布式无线感知网络对目标区域内的重点区域的覆盖率和减少冗余感知节点的投放,论文提出了一种分布式无线感知网络节点部署算法。该算法首先通过随机部署满足连通性的少量感知节点后初次工作来定位和估计出重点区域,然后将估计出的重点区域融入到粒子群算法的目标函数和粒子更新方程中实现对感知节点的重新部署,从而更好的优化了重点区域的覆盖率和减少冗余感知节点数量。仿真结果表明,与标准粒子群算法及其他优化算法相比,论文所研究的算法有更高的覆盖率和更低的迭代次数。      

基于权值优化的认知WiMax信号协同识别

传统的正交频分复用(OFDM)系统识别算法只能识别出接收信号是否为基于全球微波互联接入技术(WiMax)的OFDM信号,但无法判断该信号是认知信号,并且在复杂电磁环境下识别正确率低.为此,提出了一种协同识别认知WiMax无线网络OFDM信号的算法.该算法首先利用OFDM信号的循环自相关特性估计信号的有用符号时间,并通过估计各协同感知节点的信噪比对时间参数的估计值进行加权,得到有用符号时间的协同估计值,进而判断接收信号是否为基于WiMax系统的OFDM信号;再通过自私攻击策略,实现对OFDM信号是否是认知WiMax信号的判别,为进一步研究认知WiMax网络节点定位技术奠定了基础.仿真结果表明,与非协同识别算法相比,提出的协同识别算法在多径和低信噪比条件下具有更高的识别率.     

联合RSSD和TDOA技术的认知协同定位算法研究

在认知无线网络通信中,主用户的位置信息对于认知用户借用信道接入通信具有重要意义,通过协同定位技术来提高定位性能已成为当前认知无线电领域研究热点之一。论文提出了一种基于RSSD/TDOA技术的协同定位算法,该算法适用于对主用户发射功率和主用户信号发射瞬时时间等先验知识未知的应用场景。算法首先通过凸包算法对主用户的位置进行识别,然后再采用RSSD/TDOA协同算法对主用户进行定位,并通过顽健性较强的泰勒级数展开法来提高定位精度。仿真结果表明,论文所提的在认知无线网络中实现对主用户定位的算法相比较而言具有更高的定位精度和时效性。