认知无线电网络中基于随机学习博弈的信道分配与功率控制

传统的认知无线电频谱分配算法往往忽略节点的传输功率对网络干扰的影响,且存在节点间交互成本高的问题.为此,通过量化传输功率等级,以最大化弹性用户收益为目标,构建联合频谱分配与功率控制非合作博弈模型,证明了该博弈为严格潜在博弈且收敛到纳什均衡点.进一步,将随机学习理论引入博弈模型,提出了基于随机学习的策略选择算法,并给出了该算法收敛到纯策略纳什均衡点的充分条件及严格证明.仿真结果表明,所提算法在少量信息交互前提下能获得较高的传输速率,并提升用户满意度.

基于学习自动机理论与稳定性控制的自适应移动无线Ad Hoc网络分簇策略

移动无线Ad Hoc网络(MANET)是一种自组织、自配置的多跳无线网络.它不依赖于预先存在的基础通信设施或中心管理方式.分簇策略已被证明是一种能够模仿固定通信设施并提高网络可扩展性的有效途径.它能够将网络划分成若干子网并且被广泛地用于网络管理、资源管理、层次路由设计、服务质量改善与网络安全检测.在移动无线Ad Hoc网络中,频繁的节点移动、不佳的节点分布会减少簇的生存时间、降低通信质量并增加通信开销,而这些问题势必会降低簇的稳定性.此外,如何在动态环境下有效地调整分簇结构也是我们需要重点考虑的问题.一种高效的分簇策略应该是自适应的并且能够根据当前的网络环境与节点状态预测自身的分簇行为变化.针对上述问题,该文提出了基于学习自动机理论与稳定性控制的自适应MANET分簇策略(LASCA).文中首先推导出簇的期望生存时间模型与簇的可靠性通信度量模型.在此基础上,该文设计了簇首的稳定性度量模型进行簇首选择.该模型能够保证所选择的簇首节点构成的簇具有较好的生存时间且节点分布产生较小的通信开销,同时具有较高的通信可靠性,即提高了分簇的稳定性.针对以往工作并未考虑如何在动态分簇重构过程中降低簇首选择开销的情况,该文随后利用学习自动机理论构建了分簇行为认知模型,给出了节点簇首选择行为与概率函数的映射关系,并通过感知网络环境反馈对概率函数进行更新,从而有效地调整动态环境下的分簇结构,减少了不必要的簇首选择计算开销.实验结果表明,该文提出的分簇策略在稳定性指标方面有很好的表现,有效地降低了簇首节点与成员节点的更新次数,并在一定程度上降低了通信开销与簇首选择的计算开销.其中,在最大移动速度为10m/s的Random waypoint移动模型中,WCA、FCA、TVCA的簇首节点累积更新次数与该文提出的算法相比平均增多了39.4%、18.0%、20.4%,WCA、FCA、TVCA的成员节点累积更新次数与该文提出的算法相比平均增多了44.7%、7.2%、36.5%.该文提出的算法为后续设计具有分层结构的路由协议提供了良好的拓扑稳态控制机制,同时为后续构建复杂动态网络的行为认知模型提供了一定的理论启示.

LRTWR:区域实时车流量感知路由协议

城市环境下,车载自组网路由协议性能受交通车流量变化的影响,如何有效分析车流量与通信质量的关系是提高路由性能的关键,基于交通流量-时延模型,提出区域实时车流量感知路由协议(LRTWR)。该协议通过在路口设置RSU节点,统计区域范围内车流量变化,并以此建立区域时延模型,选择具有最小时延的传播路径,并通过贪婪转发和携带转发来完成路段内转发。实验结果表明,该协议在城市环境下,使车载自组网在不同交通状况下都能保持较低的丢包率和端到端时延。