认知无线网络中一种新的频谱共享方法

频谱共享是认知无线网络关键技术之一。为消除认知无线网络中频率选择性信道下授权主用户与认知用户间的相互干扰,本文提出了一种新的频谱共享方法。该方法充分利用了无线通信系统中由信道的频率选择性衰落导致的不同用户信道的不相关性,通过求解矩阵方程获得预处理矩阵的通解,并在主用户和认知用户发射端分别进行预处理。从而实现认知系统中主用户与认知用户之间的相互零干扰,并使每个用户都可有效地传输数据。理论推导及系统仿真均表明,新方法可以有效地消除授权主用户与认知用户之间的双向干扰,实现不同用户平等地共享无线频谱资源。新方法可以提高频谱的利用率,一定程度上缓解无线频谱资源在当前及未来无线通信领域日益紧缺的矛盾。而且新方法也同样适用于不同认知用户之间共享频谱。      

基于合作博弈的多信道认知无线网络中的频谱共享算法简

采用合作博弈对多信道认知无线网络中的频谱共享问题进行了建模分析,提出了次用户在各信道上的信干噪比乘积作为合作博弈的效用函数。次用户在各信道上保证对主用户的干扰小于一定门限的要求下,通过最大化各自效用函数的乘积来进行功率分配。由于最大化次用户效用函数的乘积问题是非凸的,通过变量替换将其转化为了一个等价的凸优化问题,利用该凸优化问题的对偶分解,提出了一种次用户间的频谱共享算法。仿真结果表明,所提算法在次用户和速率与公平性之间进行了有效折中。     

认知无线网络中基于用户需求和频谱聚合的动态频谱分配

认知无线电技术可以感知周围无线环境择机利用频谱空洞,从而达到提高频谱效率的目的.在认知无线电网络中,现有的频谱分配算法大部分是基于连续频谱分配并且没有考虑用户的需求.但是连续频谱分配会生成许多小于用户需求的频谱片段,这些频谱片段不能被充分利用,从而造成频谱浪费.本文基于图论提出了一种联合考虑用户需求和非连续频谱聚合的频谱分配算法.在该算法中,非连续的频谱片段被聚合以尽可能多地满足用户总需求,充分利用了小的频谱片段,避免了频谱浪费,从而提高频谱效率.     

认知无线网中一种基于博弈论的低复杂度联合资源共享机制

在一类典型的认知无线网络中,多个次级用户通过支付费用竞争租用主用户授权频带的子带来传输信息。该文针对此类系统通过博弈论方法联合优化次级用户的发射功率和子带分配,及主用户的定价系数,同时最大化主用户和次级用户的收益。具体而言,该文基于逆向归纳法,将博弈问题分解为功率控制、子带分配和价格调整等3个耦合的子问题,并逐一求解,从而得到整个博弈的子博弈精炼纳什均衡。最后,该文基于理论分析结果,提出一种博弈均衡求解算法。仿真结果验证了该文的理论推导结果和该算法的有效性。     

一种兼顾速率公平的多用户子载波功率联合分配算法

随着无线通信技术的迅猛发展,无线资源的需求量越来越大,用户对服务质量的要求也越来越高,因此,未来通信系统需要智能地在用户服务质量(QoS)需求和无线资源限制间进行一个有效的折中。为了提高认知无线网络频谱利用率,在可用子载波、次级用户功率预算及公平性等约束条件下,基于速率自适应(RA)准则,提出了在认知正交频分复用(OFDM)系统中兼顾速率公平的多用户子载波功率联合分配算法。该算法将子载波和功率分配分为两步,在兼顾各次级用户速率公平性的同时,最大化链路容量。仿真结果表明,该联合分配算法在系统吞吐量与次级用户速率公平性之间可以取得有效的折中。     

基于认知OFDM的子载波功率分配改进算法

在认知无线网络中,建立了基于认知OFDM多载波资源分配数学模型,在授权用户干扰受限条件下,以最大化传输速率为目标进行认知用户的子载波功率分配。传统注水法被证明是最优的单用户子载波功率分配算法,在传统注水法功率分配基础上,提出了两种可行的子载波功率分配改进算法,改进算法一是通过对水面值的粗略估计快速确定不分配功率子载波,改进算法二不需要通过迭代计算水面值,只通过线性计算就可以直接确定不分配功率的子载波,且对授权用户不产生干扰。仿真结果表明,在改进的两种子载波功率分配算法下,认知用户的数据传输速率优于传统注水法功率分配时认知用户的数据速率,所提改进算法具有自适应特性且计算复杂度大大降低。      

认知无线网络中功率和信道接入的联合优化

在认知无线网络中,针对系统中所有用户能否接入同一信道进行通信的问题,提出了适用于不同情形的联合优化方案.在系统不可行的情形下,提出了联合优化功率和接入控制的方案.由于接入控制是NP问题,于是利用所提LP-PSO算法来实现优化控制,并分析和证明了所提算法的收敛性.在系统可行的情形下,提出了联合优化功率和传输速率分配的方案,通过改进拉格朗日对偶(Lagrange duality)算法来实现优化控制.数值结果分析表明,相比其他接入控制算法,虽然所提算法的时间复杂度有所增加但能够快速收敛,在有效地提高接入量的同时还能降低功率消耗,并能使传输速率得到更公平的分配.     

认知无线网络中一种基于蚁群优化的频谱分配算法

针对认知无线电中的频谱分配问题,该文提出一种基于蚁群优化的频谱分配方法。该方法在授权用户和认知用户共存的认知网络模型中,通过蚁群访问各个认知节点,并释放信息素,从而实现概率型的全局搜索的并行频谱分配算法。与传统的频谱分配方式比较,该算法能够进行增强型学习积累,快速收敛到最优路径,从而获得了最优的平均信道效益。文中对该算法进行了分析和说明,并通过仿真证明了算法的有效性和稳定性。     

基于合作形成的认知无线网络频谱共享策略

当具备不同利益的多个主网络竞争为单个次级网络提供频谱接入机会时,它们可以通过基于重复博弈模型的频谱共享机制实现对授权通信频段的合作垄断,从而最大化它们的整体数据传输效用。然而当某个主网络对未来传输效用不够重视时,它会为了获得比垄断效用更高的传输效用而偏离当前的合作垄断,从而降低了其他主网络的当前和未来数据传输效用。为此,2种新的频谱共享策略被提出以促使所有主网络形成更为灵活和可靠的频谱共享合作垄断。数值仿真表明,相比现有的触发策略,这2种新策略能够为所有主网络获得更优的整体数据传输效用。     

认知无线网络基于信号博弈的分布式功率控制算法

针对认知无线网络分布式环境下信道信息不对称导致资源分配冲突的问题,该文提出一种基于信号博弈的分布式功率分配算法。考虑具有竞争关系的次用户在不使用控制信道的情况下,通过信号博弈策略依次选择功率分配策略,达到信道信息共享的目的,能有效避免对主用户正常传输的干扰以及竞争次用户之间功率分配冲突。该文对均衡结果进行分析,仿真结果表明该算法可以有效估计信道增益,次用户的吞吐量相对于已有研究得到明显提升。     

认知无线电中的频谱共享技术

认知无线电（cognitive radio,CR）具有动态重用空闲频谱资源的能力,可以有效提高频谱利用率,是一种智能的频谱共享技术。文章给出了一种频谱共享的过程,阐述了频谱共享各个步骤包括频谱感知、频谱分配、频谱接入和频谱移动的概念、功能和研究现状,分析了频谱共享的关键技术,重点介绍了其中的频谱池策略、频谱分配算法和功率控制算法。     

认知无线电下行链路中的频谱共享算法

该文提出了一种适用于下行认知无线电系统的频谱共享算法,在保证对授权用户的干扰低于限制和总发射功率受限的条件下最大化系统总容量。分析了对授权用户的干扰并给出设置干扰限制的方法,在此基础上分两步实现总容量的最大化：先通过最大信道信干噪比原则实现最优的子载波分配;然后利用提出的双注水方法计算最优的功率分配。仿真结果表明,相比传统的频谱共享算法,该算法可以获得显著的系统容量增益。     

基于协作中继的LTE-A干扰对齐技术研究

为满足下一代移动通信系统高速率传输的要求,LTE-A系统引入了无线中继技术,用户终端可通过中继节点接入网络以获得高质量的服务。但是随着中继节点及用户的增加会导致系统的同道干扰更加突出,成为限制LTE-A网络容量的主要因素。因此,需要研究有效的干扰抑制技术以增强网络性能。近年提出的干扰对齐技术能够获得干扰网络的最大自由度并可达其最优容量。研究了基于低秩干扰空间的多小区干扰对齐技术,然后将该算法推广到LTE-A中继网络,提出了基于协作中继的LTE-A干扰对齐方案。仿真结果表明,提出的干扰对齐技术能够有效提高LTE-A中继网络容量。     

Adaptive Cooperative Spectrum Sharing Based on Fairness and Total Profit in Cognitive Radio Networks

A cooperative model is presented to enable sharing of the spectrum with secondary users. Compared with the optimal model and competitive model, the cooperative model could reach the maximum total profit for secondary users with better fairness. The cooperative model is built based on the Nash equilibrium. Then a conceding factor is introduced so that the total spectrum required from secondary users will decrease. It also results in a decrease in cost which the primary user charges to the secondary users. The optimum solution, which is the maximum total profit for the secondary users, is called the collusion state. It is possible that secondary users may leave the collusion state to pursue the maximum of individual profit. The stability of the algorithm is discussed by introducing a vindictive factor to inhabit the motive of deviation. In practice, the number of secondary users may change. Adaptive methods have been used to deal with the changing number of secondary users. Both the total profit and fairness are considered in the spectrum allocating. The shared spectrum is 11.3893 with a total profit of 65.2378 in the competitive model. In the cooperative model, the shared spectrum is 8.5856 with the total profit of 73.4963. The numerical results reveal the effectiveness of the cooperative model.     

基于认知无线电的双向中继网络的资源分配

针对认知无线电中的双向中继网络,研究了基于非完美感知的频谱机会式接入和频谱共享接入下的资源分配问题.与传统基于认知的双向中继的资源分配方法不同,提出的算法联合考虑了感知时间和次级系统的发射功率.在感知时间和发射功率满足条件的情况下,使次级系统的吞吐量最大.为了有效地保护主用户不受干扰,在每一跳都考虑了平均干扰功率约束,同时考虑次级系统总的功率约束.在非完美感知的频谱机会式接入和频谱共享接入机制下,新算法能够获得最优的感知时间和功率分配.最后,仿真比较了两种方案的性能,验证了新算法的有效性.     

认知无线电中基于SA-MIMO-OFDM的动态频谱共享方案

该文提出一种结合频谱自适应(Spectrum Adaptation,SA)与MIMO-OFDM技术的动态频谱共享方案。该方案基于功率门限模型实现非授权信号的自适应频谱成型,并给出了一种简单的动态功率分配算法以最大化比特率。仿真结果表明,该方案能够克服干扰温度模型的局部干扰问题,使用MIMO技术可进一步提高系统性能,通过动态功率分配算法可降低计算复杂性并提高频谱利用率。     

基于LTE-A技术无线资源管理的跨层联合博弈

提出了一种在LTE-A(long term evolution advanced,长期演进技术增强)技术下的无线资源管理跨层模型,阐述了模型的基本功能特征。以博弈论为依据,分析了无线网络资源的分配方式,并根据无线网络资源和系统协议栈中各层之间的联系,通过设计跨层结构,使各层博弈的目标统一。提出的理论模型面向多种无线网络资源,涉及多个无线网络协议栈层,实现了无线资源的综合管理以及各层之间的联合优化。     

分层认知无线电网络中基于稳定匹配的资源分配算法

频谱资源的合理分配是认知无线电技术追求的目标之一,随着认知无线电网络中的次用户(SUs)数量不断增加,频谱资源的精确、实时分配与管控越来越难以实现。针对此问题,该文提出一种分层的认知无线电网络(CRN)架构,多个管理实体专注于为各层用户提供频谱服务;并在该架构下,提出一种基于稳定匹配的资源分配算法,用户通过自主协商形成分配结果,不仅保证了主用户(PUs)对次用户的功率限制,还充分考虑了各自的效用。仿真结果表明,所提算法的性能接近于最优方案,并降低了计算复杂度和系统时延。