认知无线电网络频谱分配与协作集划分算法

针对协作认知无线电网络中较为复杂的多主用户与多次级用户共存场景,提出联合频谱分配与协作集划分问题,并将该问题形式化描述为整数0-1非线性规划问题,证明其是NP-hard的.首先,设计了集中式的遗传算法CGA(centralized genetic algorithm)对问题求解,对该算法进行齐次有限马尔可夫链建模并对其全局收敛性进行了分析;随后,提出了一种包含两阶段的分布式遗传算法DGA(distributed genetic algorithm),包括基于最小支配集的分簇与频谱预分配阶段和簇间协作集协商与簇内适应值精化阶段.此外,还提出一种快速收敛的DGA算法(fast-convergent DGA,简称FDGA)缩短分布式算法运行时间.仿真实验结果表明,根据能反映出算法性能的适应值结果对各算法进行比较:(1)小规模网络下CGA获得的解平均为通过穷举算法得到的最优值的92%;(2)随着网络规模的扩大,由于CGA搜索空间增大,DGA,FDGA在达到相同停机条件时获得的适应值比CGA提高约20%;(3)与DGA相比,FDGA虽能得到与DGA相近的结果,但却大大缩短了算法收敛的时间,更适应于大规模网络应用.

认知协作无线电网络下基于能效的资源联合分配

在认知协作无线电网络中,当次用户盲目地参与到中继主用户中,会选择不利于次用户系统能效的主用户,从而降低次用户系统整体的能效。针对该问题,提出一种资源联合分配方案。次用户有权拒绝不利于自身系统的协助申请,而是选择有利于其系统能效的主用户进行协助。在确定主用户集合的情况下,通过有效地分配带宽和功率来提高次用户系统的能效。仿真结果表明,该方案能够在保证各用户服务质量的情况下,实现次用户系统能效的提高。

基于多维资源自适应分配的协作认知传输机制

该文针对协作认知无线电网络提出一种时域、频域和空域资源联合分配的传输机制,在改善授权用户传输性能的前提下使参与协作的认知用户获得合理的回报。所提机制利用多天线认知节点担任中继,通过自适应的时隙划分与带宽分配,对两跳传输链路中的瓶颈予以消除;并在包含多个协作认知用户的场景中,给出一种考虑公平性的中继选择算法。该方法一方面采用比例公平的思想实现认知用户间的公平性,另一方面通过调整奖励因子,使中继获得合理的回报。仿真结果表明,所提算法能够改善授权与认知系统的数据速率,同时给予认知中继公平的回报。