一种新的认知无线电非合作功率控制博弈算法

当认知无线电网络以\"衬底式\"(Underlay)的方式与主用户网络共享频谱时,需要对认知用户进行功率控制,以确保认知用户在不干扰主用户的前提下,公平地共享认知频谱资源。利用博弈分析的方法,设计了一个基于链路增益因子的代价函数,并据此提出了一种新的非合作功率控制博弈算法。仿真结果表明,该算法的均衡结果既改善了用户的帕累托(Pareto)性能,又提高了链路增益较差的用户的吞吐量,实现了网络资源的平等共享。     

认知无线网络中基于Stackelberg博弈的功率控制新算法

针对认知无线网络中存在的干扰问题和功率消耗过大问题,提出了一种新的基于斯坦克尔伯格(Stackelberg)博弈的功率控制算法。建立了主次用户双层网络模型,将主用户设置为领导者,次用户设置为追随者,并对次用户产生的总干扰进行定量分析。在次用户多次博弈的过程中,动态地调整主用户单位干扰价格,在保证主用户自身正常通信前提下,尽量使得收益最大化,提高主用户的参与积极性。仿真实验表明,该算法在保证主次用户的服务质量（QoS）前提下,有效地减小了次用户的发射功率,而且能获得更高的系统容量。     

非合作博弈论在认知无线电中的功率控制方法探讨

介绍了认知无线电的物理层结构,提出了非博弈相对论在认知无线电中的一般分析方法。以最小化系统的总干扰水平为目标,借助引入新的代价函数构建了一种非合作博弈的功率控制模型,该模型能够对认知用户通过提高发射功率获得更大效益的行为进行惩罚,并通过对发射功率超过干扰温度的认知用户的严惩,使认知用户认识到牺牲一定的信干比可以带来整体效益的最优,从而避免了超过干扰温度后系统性能的迅速下降。     

认知星地一体化网络中能效最大化的鲁棒功率控制算法

如何提高能量效率是当前认知星地一体化网络研究的热点问题之一,而功率控制是提高能量效率的重要方法。另外,在实际中,由于信道信息评估误差和反馈时延致使所获得信道增益信息是不完美的,从而使得已有基于完美信息的功率算法不能满足系统性能。为此,针对认知星地一体化网络中无线信道信息不确定的情况,进行鲁棒功率控制算法的研究。首先,针对认知用户的瞬时信噪比和对主用户的干扰受信道衰落的影响而具有不确定性的情况,建立了最差情况下的鲁棒优化问题;其次,利用分式规划和拉格朗日对偶分解理论提出了一个低复杂度的鲁棒功率控制算法。仿真分析表明,提出的鲁棒功率控制算法不仅能够严格保证主用户的通信质量,并且与传统的非鲁棒功率控制算法相比能够提高网络能量效率。     

认知型飞蜂窝网络中的子信道分配与功率控制

为了解决宏蜂窝与飞蜂窝构成的两层异构网络上行干扰与资源分配问题,提出了一种在认知型飞蜂窝的双层异构网中结合子信道分配和功率控制进行资源分配的框架。通过对异构网中跨层干扰问题进行分析与建模,将求解最优子信道分配矩阵和用户发射功率矩阵作为干扰管理问题的解决方法。模型中认知型飞蜂窝网络子信道和飞蜂窝网络用户构成非合作博弈,双方利用效用函数最优值进行匹配,构成初始信道分配矩阵;再由接入控制器根据接入条件从初始信道分配矩阵中筛选用户,并优化接入用户的发射功率矩阵,得到最优子信道分配矩阵和功率矩阵。仿真结果表明,优化框架提高了双层异构网络中飞蜂窝网络用户的吞吐量和接入率,降低了异构网中跨层干扰。     

认知网中感知时间和功率控制的联合优化机制

针对认知无线网中为了最大化认知用户的吞吐量问题,提出了一种感知时间和功率控制的联合优化机制。该机制保证认知系统在低于一定干扰限制下,将认知用户吞吐量描述成为一个多约束优化问题,从理论上分析了最优功率分配方案与最优感知时间分配方案。根据理论分析结果,设计了联合迭代机制通过确定合适的感知参数从而达到最大化认知用户吞吐量的目的。仿真结果表明：提出的联合优化机制复杂度较低,并且该方案的认知吞吐量性能最接近理论最优方案的性能。     

HSDPA系统中HS-SCCH的功率控制算法

为提高高速下行链路分组接入(HSDPA)系统功率的利用率,降低干扰,提出了HS-SCCH控制信道的两种功率控制算法:基于下行DPCCH导频域的功率偏移和基于CQI的功率控制.仿真表明,当信道条件好、时延小的时候,第一种算法优于第二种算法大约1～2 dB;当信道条件差、时延大的时候,第二种算法优于第一种算法大约2～5 dB.两种算法结合使用时,能达到更好的效果.     

无人机蜂群网络非合作博弈的功率控制

无人机蜂群网络是一种由大量节点组成的分层、多簇结构的无线通信网络。重点研究了多信道条件下功率优化控制问题及措施,提出了一种基于非合作博弈的分布式功率控制方法。该博弈问题的价格因子设计考虑了网络节点重要度因子的影响,每个节点根据连接关系评估得到全网节点的重要度因子。给出了分布式价格功率控制算法。对所提出的算法进行典型场景下的仿真分析,结果表明该算法能够快速收敛,保证簇首、核心节点等高重要度节点的干扰容限,提高网络的可靠性,达到系统总体效用最优。     

多信道认知用户能量高效的最优功率分配

针对多信道认知用户能量效率问题,提出认知用户能量效率优化模型,进而优化传输功率和感知帧长。首先,多信道认知用户基于多带宽联合能量检测方案,在一定传输功率和干扰功率限制下,建立了以单位数据能耗为目标的最优化问题;其次,通过非线性分式规划的对偶优化将目标函数转换为内点法求解形式;然后,结合内点法和二分法给出算法流程,进而配置最优功率和感知时间。仿真结果表明,对应不同通信环境采用该优化方法都能通过配置最优功率和感知时间达到能量效率最优。     

认知无线电体系结构分析

分析了认知无线电网络的集中式、AdHoc式和Mesh式体系架构及其节点与链路特性。在认知无线电终端方面,分析了系统组成,并阐述了其认知引擎中环境感知模块、方案制定与优化模块、知识库、知识进化器和接口模块的功能定义以及认知循环过程。最后,论述了认知无线电的频谱感知、频谱分配以及功率控制关键技术。