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。     

一种利用优先经验回放深度Q-Learning的频谱接入算法

针对认知无线传感器网络中频谱接入算法的频谱利用率不高、重要经验利用率不足、收敛速度慢等问题,提出了一种采用优先经验回放双深度Q-Learning的动态频谱接入算法。该算法的次用户对经验库进行抽样时,采用基于优先级抽样的方式,以打破样本相关性并充分利用重要的经验样本,并采用一种非排序批量删除方式删除经验库的无用经验样本,以降低能量开销。仿真结果表明,该算法与采用双深度Q-Learning的频谱接入算法相比提高了收敛速度;与传统随机频谱接入算法相比,其阻塞概率降低了6%~10%,吞吐量提高了18%~20%,提高了系统的性能。     

认知中继网络中基于频谱感知的自适应功率控制策略

针对采用联合overlay和underlay频谱共享模式的认知中继网络,基于频谱感知结果和干扰信道条件,提出了自适应功率控制策略,从理论上分析了次用户的中断概率。通过Monte-Carlo仿真,与单一overlay或underlay频谱共享模式和固定功率控制方案下次用户的中断性能进行了比较。仿真结果表明,采用自适应功率控制方案,在相同中断概率条件下,次用户对主用户的干扰概率降低了70%~80%;在相同干扰概率条件下,次用户的中断概率降低了1~2个数量级,频谱共享性能得到了有效提高。     

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。     

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。     

主用户活跃性下的多功率分配策略

考虑到认知用户在信息传输过程中主用户的状态可能随时变化,提出了一种新的功率分配模式——多功率分配策略。在基于频谱感知的系统模型中,以认知系统的吞吐量为目标函数,得出了主用户感知过程的多种状态,并分配三种不同的功率,最大化认知系统的容量。仿真结果表明,随着主用户活跃指数的逐渐提高,所提新模型的功率分配策略要优于传统方法。同时分析了新的功率分配下平均干扰功率与主用户接收端的信噪比对系统吞吐量和最优感知时间的影响,进一步验证了所提出新策略的有效性。〖HT5H〗关键词：〖HT5K〗认知无线电;主用户活跃;频谱感知分配;多功率分配;吞吐量最大化     

优先级保护的分布式动态频谱分配算法

对认知无线网络中动态频谱分配算法进行了研究,在分析原有的ADP（Asynchronous Distributed Pricing）算法的前提下,运用合作博弈的理论提出了具有干扰价格因子的ADP算法,分配过程中所有用户发布自己的干扰价格,用户在选择信道和功率的时候需要考虑到自身的效用和对其它用户的干扰,可以在有效保证高优先级用户性能的前提下最大化网络效用。仿真结果表明,该算法可以达到纳什均衡并且具有极快的收敛速度,可以提高高优先级用户的信干噪比。     

基于智能计算的认知无线电网络频谱分配算法研究

随着无线通信业务的迅速增长,有限的频谱资源越来越抢手,同时现有的固定频谱分配方式较难满足通信终端对频谱资源的需求。认知无线电技术通过感知获取系统中的自由频谱资源信息,并使用相应的频谱分配算法选择当前系统中的自由频谱资源,供网络用户在系统中进行分配。频谱分配过程中,传统算法较难实现公平性和系统效能最大化,而对传统算法进行智能优化往往是解决问题的有效途径。本文将对目前认知无线电发展现状进行分析,并通过对传统算法及相关优化算法进行分析和叙述,以便未来更好地解决频谱分配中的问题。     

改进粒子群算法在频谱功率分配中的应用

在认知无线电中,由于次用户干扰门限要求的存在,传统频谱功率分配方式获得的次用户有效信道容量较低。针对这一问题,提出了一种基于粒子群算法的频谱功率分配算法。首先建立基于干扰距离的认知网络干扰模型,将频谱功率分配问题转化为函数优化问题,并借助混合随机变异思想的粒子群算法进行求解;针对寻优过程中的约束问题,提出了一种基于投入产出比的外点法,保证粒子群在可行域中寻优,最终获得频谱功率分配。仿真结果表明,与传统算法相比,所提算法能够获得较高的次用户有效信道容量。     

应用深度学习的信号解调

针对噪声干扰信道下的信号解调问题,提出了应用深度学习的信号识别方法,通过识别信号完成信号解调。深层置信网络使用受限波尔兹曼机为基本单元,设计针对通信信号识别的多层深层置信网络。通信信号首先变换为特定表征序列,并以此构建完备的训练集合对深度置信网络进行逐层的无监督学习和全局有监督的微调反馈学习,在深层置信网络的权重参数优化过程中实现对通信信号的特征提取与识别。仿真实验表明,与传统调制信号解调方法相比,应用深度学习的信号解调方法的检测性能有约0.4 dB的提升。     

一种新的用户随机选择平分功率协作协议

大量的研究结果证明,无线网络中一个或者多个中继节点具有协助传输信息的优点。在实际情况中,参与协作的每个用户均要决定协作时序及协作对象。为此,提出一种传输速率只降低一半,而分集指数可达到满分集的协议。在分布式网络中,每个节点根据接收信号的即时信噪比独立决定所协助的用户对象,并在协作时隙内将功率平均分配给被协助对象。由于协作时隙采用平分功率协作,无论参与协作的用户数目如何变化,网络的数据速率都只降低为不协作情况的1/2。     

认知无线电网络子空间映射频谱共享

针对集中式多用户多天线认知无线电网络,分析了子空间映射能够为认知系统提供的通信机会以及理想信道条件下的空间子信道分配方案。在此基础上,提出了一种基于子空间映射的频谱共享策略。根据认知系统的感知结果,计算可以利用的空间子信道数,通过认知用户接入控制和子空间映射避免或抑制系统间干扰,从而在保证授权用户通信质量的前提下,为认知用户提供通信机会。仿真结果表明,与已有的子空间映射频谱共享方法相比,该策略不仅具有更高的认知系统可达和速率,而且能够为认知系统提供更多通信机会。     

基于拉普拉斯先验算法的多维度频谱感知

全双工认知无线电LAT（Listen-and-Talk）模型能够在次用户传输数据的同时进行频谱感知,这要求感知用户能在次用户自干扰的影响下检测当前是否存在主用户。利用全局功率谱模型的方法实现了对当前用户的使用频段、发射功率和位置坐标的多维度感知,以此辨别该用户的身份。在求解数学模型时,选取了拉普拉斯近似函数用作未知参数的先验概率密度函数,与现有方法相比,提升了算法收敛速度,并获得了准确性更高的结果。     

一种基于信誉值拍卖的区块链下的感知收益分配机制

实现频谱共享,需要以实时准确地掌握主用户的频谱占用情况以及频谱交易信息为前提。为此,在利用群智感知以及区块链的前提下,提出了三层式的基于区块链的认知无线电系统,即物理层、传输层以及应用层。其中区块链网络位于传输层,用以记录交易信息,并利用区块链的去中心化以及去信任化特性以保证交易的安全性与可靠性。特别地,为了激励系统中Crowd Sensor积极地参与频谱感知,提出了基于信誉值拍卖的感知收益分配算法。Crowd Sensor依据自身的信誉值对任务进行报价,报价高者可执行任务,且获得较高的收益。仿真结果表明,所提算法保障了感知收益分配的公平性。因此,激励更多的Crowd Sensor参与感知任务可以提升频谱感知的稳定性与安全性。     

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。