基于多智能体近端策略优化的多信道动态频谱接入

为了在多用户多信道通信场景中应用动态频谱接入(Dynamic Spectrum Access,DSA)技术提高通信效率,保证用户公平,本文基于多智能体近端策略优化(Multi-Agent Proximal Policy Optimization,MAPPO)提出了MAPPO-DSA算法.该算法首先针对单信道接入在多个信道同时空闲时存在的频谱浪费问题,使用多信道接入作为解决方案.同时,多信道接入导致状态空间与动作空间指数增长,计算成本高,学习难度大.为此本文引入MAPPO深度强化学习(Deep Reinforcement Learning,DRL)算法,在复杂环境中高效学习和优化接入策略.通过设计优化MAPPO中观测及奖励等强化学习要素和共享网络参数来保证用户公平.最后,在不同场景下的实验结果表明,所提出的MAPPO-DSA能够学习到近似最优的接入策略,部分场景中的网络吞吐量逼近理论上限,显著优于现有算法,且有效保证用户公平.

无线通信中的频谱感知与动态频谱接入技术研究

随着无线通信技术的迅速发展,频谱资源日益成为一种宝贵的资源。频谱感知与动态频谱接入技术作为解决频谱资源管理难题的重要手段备受关注。本文综述了频谱感知与动态频谱接入技术在无线通信领域的研究现状与应用前景,分析了其在提升频谱利用效率、解决频谱拥塞和频谱管理等方面的重要作用。并结合实验分析,展示了这些技术的潜力和优势,为未来的频谱管理与通信技术发展提供了有益的参考。

基于深度强化学习的能量采集认知无线电动态频谱接入

为解决认知无线电(Cognitive Radio, CR)中频谱和能量短缺的问题,提出一种基于深度Q网络(Deep Q-Network, DQN)的动态频谱接入算法。次级用户(Secondary User, SU)通过基站射频信号采集能量,并在频谱感知后实现信道的自主接入。模型通过DQN训练,并使用奖励机制和训练算法优化,SU能够根据环境信息作出合适的接入策略。仿真结果表明,提出的深度强化学习(Deep Reinforcement Learning, DRL)模型性能优于无学习模型,提高了频谱感知准确率及用户吞吐量,对比结果证明了模型的适用性及合理的虚警率可以提升模型的学习性能。

面向多用户动态频谱接入的改进双深度Q网络方法研究

随着移动通信技术的飞速发展,有限的频谱利用资源与大量频谱通信需求之间的矛盾也日益加剧,需要新的智能方法来提高频谱利用率。本文提出了一种基于分布式优先经验池结合双深度Q网络的多用户动态频谱接入方法。通过该方法,次用户可以在动态变化的认知无线网络环境下根据自己感知信息来不断地学习,选择空闲信道完成频谱接入任务来提高频谱利用率。该方法采用分布式强化学习框架,将每个次用户视为一个智能体,各个智能体采用标准单智能体强化学习方法进行学习以降低底层计算开销。另外,该方法在神经网络训练的基础上加入优先级采样,优化了神经网络的训练效率以帮助次用户选择出最优策略。仿真实验结果表明该方法能提高接入信道时的成功率、降低碰撞率和提升通信速率。

基于概率密度估计的认知无线电动态频谱接入算法

提出一种基于概率密度估计的动态频谱接入算法,通过由支持向量机拟合出的授权频段空闲时长的概率密度对信道状态进行评估,认知无线电用户根据信道状况选择接入.该算法可以进行自适应调整,具有良好的实用性与灵活性.仿真结果表明,所提出的算法可以有效降低信道的冲撞率,同时提高认知无线电用户的吞吐量和服务质量.

基于K-均值聚类的动态频谱接入技术

为了有效降低次用户接入授权信道时对主用户造成的干扰以及次用户被阻塞的概率,提出了一种基于K-均值聚类的动态频谱接入方法。该方法首先将关注的频谱划分为若干子信道,尔后对每个子信道进行特征提取,借助频谱特征,用K-均值算法对子信道进行聚类,将子信道分别纳入白色、灰色和黑色频谱池。次用户在接入信道时,重点选择白色频谱池中的信道接入。理论分析和仿真结果表明,利用该方法能够有效降低次用户对主用户的干扰和次用户被阻塞的概率,提高信道接入效率。

基于动态频谱接入的应急移动通信系统

新兴的动态频谱接入(DSA)技术可以解决频谱稀缺问题。本文在研究荷兰典型的下一代应急网络xGEN的基础上,分析了DSA在应急通信网络中的应用需求,设计了分级混合网络架构的DSA应急移动专用通信网络及其基于软件无线电(SDR)平台的快速可重配置的应急终端结构,并探讨了DSA设备特有的动态频谱管理功能实现的关键技术。

认知无线网络中动态频谱接入性能分析

认知无线电技术利用频谱空洞进行通信,有效缓解了频谱资源紧缺问题,动态频谱接入是其核心技术。网络中主用户对授权频谱的使用效率较高时,次用户接入网络无法完成符合QoS要求的通信,只有当主用户频谱效率在一定门限值下时网络才适合次用户接入。有限频谱空洞资源只能满足有限次用户的通信需求,为了保证通信质量,网络在固定的主用户频谱效率下只能接入适量的次用户。提出用强制优先排队理论对认知无线网络中的动态频谱接入过程进行模拟,通过仿真对次用户的切换概率、阻塞概率两个QoS因子进行分析,在给定的QoS条件下,得到了网络适合次用户接入的主用户频谱效率门限值,以及在固定的主用户频谱效率下网络适合接入次用户的量。

基于学习策略的动态频谱接入信道选择及系统性能

为了提高认知无线网络的丢包率和吞吐量性能,运用基于学习策略的动态频谱接入方法感知授权信道.在已知主用户先验信息的条件下,认知用户根据主用户信号忙闲的统计特性,按照空闲状态概率从高到低的顺序依次对目标授权信道进行频谱感知,并接入第1个检测到的空闲信道.针对固定速率和可变速率2种业务类型,分别考察了认知无线网络的丢包率和吞吐量性能.在未知主用户先验统计特性的条件下,认知用户的平均错误预测概率直接影响着系统性能.仿真结果表明,与随机频谱感知性能相比,基于机器学习和预测的频谱感知的丢包率和吞吐量性能均有所提高.认知用户基于学习策略的动态频谱接入信道选择方法可以有效利用频谱空穴,提高系统频带利用率.

应急通信系统的动态频谱接入及性能分析

本文将传统的应急通信系统与认知无线电技术相结合,在授权用户、应急用户和一般认知用户这三类用户共享频谱池的前提下,提出了两种不同接入等级的认知无线电接入策略。在这两种接入策略下,对系统动态频谱接入过程,构建了基于三维马尔可夫链的分析模型。在该模型基础上推导了应急用户和其它认知用户的阻塞率及强制终止概率,给出了它们的数学闭合表达式,并对系统性能进行了分析。仿真结果表明:三级优先级接入策略,使得应急用户的阻塞率和强制终止概率得到了降低,该策略的采用很大程度上提高了应急用户的性能。

认知mesh网络服务区分的动态频谱接入策略

动态频谱接入策略是实现认知无线电网络高效利用频谱的关键。与传统认知无线电网络不同,认知mesh网络中不同QoS需求的多类型业务共同接入,为适应这一特点,提出服务区分的动态频谱接入策略。策略依据业务的QoS需求确立优先级,针对不同优先级业务采取不同的信道接入方案,实时业务依据最优传输延迟期望选择接入信道集合,在减小传输延迟的同时降低数据传输过程授权用户出现的概率,普通业务选择最优理想传输成功概率的信道,降低信道切换概率。理论与实验结果表明,与传统的认知网络频谱接入策略相比,提出的策略能提供不同业务的服务区分,满足实时业务的低延迟需求,降低数据传输的中断率,同时在授权信道空闲率与网络负载较大时吞吐量性能较优。

动态频谱接入中的侦测与避让技术

动态频谱接入技术对频谱实行动态管理,允许未授权用户在无干扰的情况下使用已授权用户的闲置频带,是解决现今无线频谱资源紧缺和利用率低等难题的有效途径,已成为无线通信领域的研究热点。本文介绍了动态频谱接入的侦测与避让方法,分析和讨论了各自的优缺点,并指出动态频谱接入需要进一步研究的问题和可能的发展方向。

智能电网异构通信网络环境下的动态频谱接入技术探讨

未来智能电网通信网络将是一个使用各种不同通信技术实现网络覆盖和业务提供的异构网络环境。现有的无线资源管理机制已经不能适应未来无线网络的发展需求。本文探讨了适合未来智能电网无线通信网络发展的特点以及电力企业环境特点的无线资源管理机制。本文基于IEEE P1900.4提供标准化模块,构建了电力通信网无线频谱管理体系架构,其主要目标是实现在智能电网异构通信环境下对各种无线资源的合理配置和优化。

认知MIMO无线网络中的多买家动态频谱接入技术

研究了认知MIMO无线网络中基于博弈论的动态频谱接入技术,以使得具有不同风险偏好的次级用户(买家)可以动态地选择竞标策略,同时主用户也可以根据系统情况,自适应地调整拍卖机制。基于非合作博弈设计了一个有限离散博弈模型,该博弈至少有一个混合策略的纳什均衡。基于自动学习机的概念,设计了一个有限反馈的分布式随机学习算法。仿真结果表明,所设计的算法具有良好的性能,与传统的固定竞拍机制和随机的选择竞价策略相比,该算法能够帮助主用户获得更高的利润,且让次级用户根据自身的风险偏好,选择一个合理的竞拍策略。

基于预留最优信道机制的CR动态频谱接入研究

在认知无线电网络中,如何提高次用户的性能是当前研究的热点。针对等级覆盖式频谱接入模型进行研究分析,考虑了动态频谱切换过程,建立三维的持续时间马尔可夫链模型,计算出切换概率、阻塞概率、掉线概率,并综合分析各个参数对这些概率的影响。同时提出为主用户预留最优信道数的方案,数值结果表明此方案能有效降低次用户的切换概率和掉线概率,使次系统的切换概率、阻塞概率、掉线概率更加均衡,且提高了次用户系统的接入容量。

认知用户基于频谱特征的动态频谱接入算法

认知无线电频谱接入技术的关键是指导认知用户如何选择合适的空闲信道以及如何在认知用户间实现频谱共享。在公共控制信道较难获得的情况下,基于部分可观测Markov决策过程(POMDP)的频谱预测算法,可以显著地提高系统的吞吐量。认知系统如果不加区分地使用授权频谱将可能导致所选择的频谱空洞不能满足认知用户需求。针对认知用户对不同信道容量的需求,引用适量选择原则,并运用融合接入策略,研究认知无线网络动态频谱接入过程。另外,通过大量仿真对认知用户的吞吐量和系统碰撞率进行分析,结果表明融合接入策略可以有效地提高系统的吞吐量及系统碰撞率。

动态频谱接入的Q学习优化算法

在认知无线电网络的中心架构下针对网络整体性能和用户需求,提出一种基于Q学习的动态频谱接入优化算法.该算法通过认知用户根据Q学习算法提出信道申请和控制节点;根据网络整体性能处理申请两个主要步骤的实施,完成动态频谱的接入.仿真与分析表明,该优化算法在满足用户频谱需求的同时使得网络整体性能得到明显的改善.

基于动态频谱接入机制的侦测与避让技术评述

动态频谱接入是解决现今无线频谱利用率低及资源紧缺等难题的有效途径。以如何解决频带冲突的UWB系统(3.168～4.752GHz)与WiMAX系统(中心频率为3.5GHz)共存问题为背景,引入动态频谱接入网络机制,介绍其接入机制思想及侦测与避让两大关键技术,并对其今后面临的挑战与发展方向作了相应的评述。

基于竞争双深度Q网络的动态频谱接入

针对多信道动态频谱接入问题,建立了存在感知错误与接入碰撞的复杂信道场景,提出了一种结合双深度Q网络和竞争Q网络的竞争双深度Q网络学习框架。双深度Q网络将动作的选择和评估分别用不同值函数实现,解决了值函数的过估计问题,而竞争Q网络解决了神经网络结构优化问题。该方案保证每个次要用户根据感知和回报结果做出频谱接入决策。仿真结果表明,在同时存在感知错误和次要用户冲突的多信道情况下,竞争双深度Q网络相比于同类方法具有较好的损失预测模型,其回报更稳定且提高了4%。

基于信道质量分析的动态频谱接入研究

动态频谱接入技术突破了传统静态频谱授权的束缚,可提升现有无线频谱的利用率,是解决频谱资源匮乏日益严峻与频谱利用率十分低下这一对基本矛盾的有效方法。但是,近年来的研究表明,动态频谱接入技术存在两大难题:探测无线频谱空穴和信道选择与接入。首先介绍了动态频谱接入存在的两大难题,然后针对每个难题阐述有效的解决方法,最后提出了基于信道质量分析的动态频谱接入模型。该模型优化了频谱感知次序,且将频谱预测考虑进模型,从而进一步降低了频谱感知时间。