基于RBF神经网络的认知无线电认知引擎设计

认知无线电(CR)是一种智能无线通信系统,它能根据环境变化、业务需求动态调整参数,提高系统性能,其核心技术是认知引擎的设计。认知引擎可引入人工智能领域的推理与学习方法来实现CR的感知、自适应与学习能力。为适应变化的无线环境和用户需求,提出基于径向基神经网络(RBF)的CR认知引擎设计方法,该法通过对经验知识和环境的学习,重配置通信参数,以达到资源合理分配,提高系统性能。该引擎由两层RBF神经网络组成,外层神经网络学习全局属性,内层神经网络学习局部属性,以解决路由协议及局部参数的学习配置。在训练RBF神经网络学习模型后,根据定义的两个测试基准函数,评估模型性能,仿真验证了该学习模型的有效性,且能够有效实现CR学习重构。

无线电认知技术用于广播电视频谱监测的构思

本文对无线电认知理论进行了介绍,并提出了将无线电认知技术用于广播电视频谱监测的构思,阐述了构思方案,并通过实例对仿真结果进行了分析。

IRS辅助的感知增强认知无线电网络资源分配方案

在过去的几十年里,大部分可用频谱已被用于高速通信服务。这导致了无线通信系统中的频谱资源稀缺问题。另一方面,大量可用频谱的利用率并不高。为提升通信系统的频谱利用率,学界提出了基于共享的认知无线电技术。认知无线电允许次用户与主用户共享频谱资源,对于提升无线通信网络的频谱效率十分重要,然而目前基于认知无线电的通信网络存在着低信噪比情况下感知性能低下、严苛干扰条件下性能提升受限等缺点。最近,智能反射面(Intelligent Reflecting Surface,IRS)被广泛应用在无线通信的各个领域,可以智能调控无线传输环境以满足频谱和能效的高要求。为了进一步提升认知无线电感知性能与频谱效率,提出了一种新颖的IRS辅助的感知增强频谱共享认知无线电网络。针对此网络,建立了次用户和速率最大化优化问题,联合优化次基站波束赋形向量、智能反射面相移矩阵、感知时间。因存在变量耦合,所构建的优化问题是非凸的,提出一种基于块坐标下降(Block Coordinate Descent,BCD)的迭代算法以交替优化波束形成和智能反射面相位以及感知时间。以逐次凸逼近(Successive Convex Approximation,SCA)求解非凸目标和约束函数,并利用半正定松弛(Semidefinite Relaxation,SDR)解决秩一条件约束,采用一维搜索来寻找最佳感知时间。通过仿真结果证明提出的方法能够快速收敛且对认知无线电网络的感知性能以及频谱效率有较大提升作用。

基于DDRQN的认知无线电频谱共享

研究多个主用户动态访问多个信道,而多个次用户对主用户的行为一无所知且对频谱状态部分可观测情况下,次用户的动态频谱接入问题。为了解决多用户多信道的复杂认知无线电网络环境中状态空间部分可观测环境导致的高计算量问题,充分利用与认知无线电网络一样具有认知能力且具有强大自适应性的深度强化学习技术DDRQN方法,通过在线学习找到最优频谱接入策略。利用DDRQN方法的目标是学习一种碰撞率低且信道利用率高的信道访问策略,同时基于DDRQN方法提高代理的可扩展性,以应对多速率和多代理场景的多种问题。

射频能量收集认知无线电网络的最优时限约束频谱接入

为了在能量收集与传输时限约束下优化认知无线电网络次用户的机会式频谱接入,该文综合考虑信道状态的时变性与观测性,基于队列所有数据包的传输紧迫性对次用户时限约束频谱接入进行马尔可夫决策过程(MDP)建模。证明此MDP建模具有单链性质,进而使用价值迭代算法求解确定性平稳ε-最优策略,有效降低了最优策略求解复杂度。仿真结果在不同网络参数配置下验证了该文策略相较于贪婪策略的吞吐率性能优势。

基于STARS的安全认知无线电联合波束成形优化算法

基于可重构智能表面(RIS,reconfigurable intelligent surface)的安全认知无线电(SCR,secure cognitive radio)系统均假设次用户(SU,secondary user)和主用户(PU,primary user)在基站(BS,base station)的同一侧,仅能够实现通信区域的部分覆盖,限制了RIS部署的灵活性和有效性。为了解决上述问题,提出了一种新的基于同时透射和反射表面(STARS,simultaneously transmitting and reflecting surface)的SCR系统。在该系统中,STARS能够实现通信区域的全覆盖,利用透射波束成形向量提高SU的接收信号强度,同时利用反射波束成形向量降低SU对PU的干扰,为SCR系统的设计提供了新的优化自由度(DoF,degree of freedom)。考虑SU保密率约束、PU干扰功率约束(IPC,interference power constraint)和STARS透射/反射参数约束,从降低系统总功耗角度出发,以最小化BS发射功率为目标,构建BS主动波束成形向量和STARS透射/反射波束成形向量联合优化问题。这一最小化问题是变量耦合非凸问题,很难直接求解,提出了基于凸差松弛(DCR,difference-of-convex relaxation)方法和顺序秩一约束松弛(SROCR,sequential rank-one constraint relaxation)方法的交替优化(AO,alternating optimization)算法,联合设计BS主动波束成形向量和STARS透射/反射波束成形向量。仿真结果表明,所提算法具有良好的收敛性能,能够有效降低SU对PU的干扰,且与传统RIS、随机相位、最大比传输(MRT,maximum-ratio transmission)和等能量分裂(Equal ES,equal energy splitting)方案相比,BS发射功率分别降低了8.3%、15.4%、5.9%和5.3%。

认知无线电系统多接入用户信息新鲜度研究

为了解决物联网信道资源有限的问题以及提高物联网系统的信息时效性,考虑了包括一个主用户(primary user,PU)和两个次用户(secondary user,SU)节点的多接入认知无线电(CR)物联网系统模型。在PU工作状态和SU数据队列稳定的约束下,分别分析了第一个SU节点在先来先服务(first come first served,FCFS)、后来先服务(last come last served,LCLS)以及包丢弃队列下的平均信息年龄(age of information,AoI),推导了在阈值策略下第二个SU节点的平均AoI。然后,提出了使第一个SU平均AoI最小化,并且第二个SU的平均AoI低于给定阈值的优化问题。优化问题的约束条件是凸的,但所得到的目标函数是非凸的,故引入了一种次优技术,利用双层凸优化算法得到最优解。仿真结果给出了所考虑优化算法在不同系统参数下的性能,该算法在不同系统参数和多天线影响下的性能表现良好。后续工作可以考虑扩展到两个以上次用户的CR物联网系统。

基于博弈论的认知无线电动态频谱分配策略

对于无线网络频谱分配过程中存在系统收益低和频谱利用率不理想等缺陷,引入干扰价格来控制认知用户发射功率引起的干扰,建立频谱租赁模型,并提出非合作博弈下的动态频谱分配策略,以提高频谱利用率,改善系统收益;创建非合作博弈下的效用函数,推导纳什均衡解,并在权衡网络效用后确定效用权重因子。仿真实验结果证实,所提算法最优发射功率小,频谱利用率高,可获得更优的系统收益。

基于区块链的认知无线电网络电视频谱资源分配方法

随着无线网络技术的发展,电视频谱资源日益稀缺。提出一种认知无线电网络(Cognitive Radio Network,CRN)中基于区块链的电视频谱资源分配方法。主用户(Primary Users,PUs)可以在满足自己通信质量要求的情况下对次用户(Secondary Users,SUs)的干扰功率进行定价来控制SUs的传输,SUs根据自身利益,选择是否付出一定的代价接入PUs的频段,且资源分配方案通过智能合约记录在区块链上。将PUs与SUs之间的相互作用制定为一个斯塔克尔伯格(Stackelberg)博弈问题,利用所采用的算法求解均衡。仿真结果表明了所提方法的有效性。

DRL下UAV辅助认知无线电网络资源优化研究

认知无线电和能量收集技术为解决频谱利用率低和电池受限的问题提供了思路。为解决来自窃听者的安全威胁所导致的信息泄露问题,本文研究应用无人机协同干扰来增强多用户的物理层安全,以最大化安全速率。在底层模式下UAV辅助的能量采集认知无线电系统中,采用多智能体近端策略优化算法,结合长短期记忆网络增强序列样本数据的学习能力,提高算法的训练效率和有效性。仿真结果验证了所提方法的有效性和扩展性。

基于认知无线电的AD HOC网络智能选频技术研究

传统的电台设计以高速跳频体制来应对复杂电磁环境,但该体制灵活性差,实际的通信效果和抗干扰能力不如预期,针对此情况提出传统跳频+智能选频跳频的MIX链路传输机制解决方案。设计基于认知无线电的智能选频技术,使得网络节点设备始终工作于当前最佳的信道条件下,达到任何时间任何地点的高度可靠通信和对频谱的有效利用的目的。对其中的基于网络的电磁环境快速认知、本地频谱感知、主动波形感知、网络频率资源规划自适应选频互干扰问题解决等关键技术进行了分析和研究。

认知无线电技术在广播电视监测中的应用

在经济社会高速发展的趋势下,广播电视业务迎来了全新的发展阶段,陆续产生了多种新技术,对提高广播电视节目质量具有重要的意义。由于广播电视监测的技术难度大,故认知无线电技术不可或缺。当前随着研究的深入,无线电认知的相关理论和技术都有显著发展,特别是在广播电视监测领域,认知无线电技术取得了良好的应用效果,在未来还有巨大的技术应用和发展潜力。基于此,本文重点分析了广播电视监测中认知无线电技术的相关应用,对实际工作具有指导与借鉴意义。

IRS辅助SIMO-MAC认知无线电系统频谱感知优化策略

认知无线电(Cognitive Radio, CR)通过允许次用户与主用户共享频谱,在提高无线通信的频谱效率方面具有重要意义。最近,智能反射表面(Intelligent Reflecting Surface,IRS)的提出,使我们可以通过IRS反射元件重构信道环境来提高无线通信系统的通信质量。本文提出了一个IRS辅助的单输入多输出多址接入信道(Single Input Multiple Output Multiple Access Channels, SIMO-MAC) CR网络,并结合一种新型的IRS辅助多用户协作频谱感知方案来增强感知性能。目标是在次用户的功率约束以及对主用户的干扰约束下,通过联合优化次用户发射功率分配和IRS相位,最大化次用户的和速率。为了解决所建立的变量耦合的非凸问题,我们采用基于块坐标下降的高效交替优化算法,首先通过拉格朗日乘子法和注水功率分配算法以及Karush-Kuhn-Tucker (KKT)算法求解得到最优的功率分配,然后构造多目标优化问题,利用连续凸逼近、半定松弛方法将非凸问题转化为一个半正定规划的凸问题,从而求解出IRS相移矩阵的近似最优解。仿真结果表明,本文所提方案可以极大地提高认知无线电网络的频谱感知性能以及频谱效率。

非线性能量收集认知无线电网络的次用户吞吐量最大化方案

针对一对主用户和M对次用户构成的认知无线电网络(cognitive radio network,CRN),研究了非线性能量收集的认知无线电网络的次用户吞吐量最大化问题。具体来说,对于考虑次用户发射器(secondary transmitter,ST)电路功率的情况,首先将主用户吞吐量需求下的次用户吞吐量最大化(secondary throughput maximization,STM)问题建模为一个非线性优化问题,然后将它转化成凸优化问题,最后提出一种联合使用黄金分割和二分法的低复杂度算法,获得主用户发射器(primary transmitter,PT)能量传输和次用户信息传输的最优时间分配以及主用户发射器的最优发射功率。对于忽略次用户发射器电路功率的情况,首先证明次用户吞吐量最大化问题的凸特性,然后设计了一个更高效的算法来求解。仿真结果表明,相比等时间分配方案和链路增益优先级方案,提出的设计算法能显著提升次用户吞吐量。

基于LSTM神经网络的认知无线电协作频谱预测

针对频谱资源紧缺问题,采用认知无线电网络中协作频谱预测关键技术来提高频谱预测的准确率,该技术能够有效避免在单用户频谱预测中容易受到环境干扰而对预测结果产生影响的问题。首先利用排队论对授权信道状态进行建模,通过LSTM对信道未来时隙状态进行预测,然后汇总出最终的预测结果。最后通过将LSTM与RNN、MLP方法进行Python仿真对比,以预测准确率和F1值作为性能指标进行验证,结果表明LSTM优于其他两种算法。

基于改进麻雀搜索算法的认知无线电频谱分配

针对认知无线电中以最大程度提高网络效益为目的的频谱分配问题,提出了一种基于麻雀搜索算法的改进算法。首先,考虑到种群多样性对实验结果的影响,利用透镜成像反向学习策略,在最优个体基础上产生新个体,进而继续寻优,来进一步提高算法的收敛精度;然后,采用变步长设计,在影响步长因素的关键参数中加入步长调整机制,可以调节局部精度和全局最优之间的平衡关系。再对种群中负责侦查预警的麻雀位置引入Levy飞行策略来更新其位置,有助于增强算法跳出局部极值能力和总体寻优的性能。最后,将改进的麻雀搜索算法应用于认知无线电的频谱分配问题,通过与遗传算法、粒子群算法、海鸥算法及基础麻雀搜索算法进行对比仿真表明,改进的麻雀搜索算法,相比于基础麻雀算法和其他算法,具有更高的网络效益和更快的收敛速度,可以达到有效改善频谱利用率的目的。

基于认知无线电的频谱感知技术经典算法研究

基于认知无线电通信系统的核心技术频谱感知经典算法,详细阐述各个算法模型设计原理及实现机制。最后,对频谱感知技术经典算法的优缺点进行了比较,并对频谱感知技术的未来研究趋势进行了展望。

认知无线电网络中超模博弈的功率分配方法

为了解决现有认知无线电网络中存在的能耗和功率分配的问题,本文提出了一种基于超模博弈的underlay能量采集认知无线电网络的功率分配方法。首先,将能量采集技术引入到认知无线电网络中构建一个能量采集认知无线电网络。其次,将次用户之间的相互作用建模为超模博弈模型,并且引入了公平评价系数以提高次用户之间的公平性。接着,定义了次用户网络的效用函数,通过最大化次用户网络的效用函数,求解出超模博弈的纳什均衡解,即得到均衡的功率分配方案。最后通过仿真验证了所提方法的有效性。

认知无线电技术研究综述

随着人类社会信息化程度的不断提升,人们对信息的需求量不断提高,作为信息传输过程中的重要一环,无线通信系统也得到了迅猛发展,各种新型无线业务的不断出现和发展,导致了频谱供需矛盾日益明显,尤其是5G商用以来,让业界对频谱的稀缺性有了更加直观的认知。而另一方面,当前大多数的无线频谱资源分配是以人工管理和静态分配的方式实现的,其无线频谱资源的利用率往往较低,导致了珍贵频谱资源的浪费。认知无线电网络作为实现动态频谱分配、提高频谱资源利用率的有效途径,受到了产业界的广泛关注。主要从频谱感知、频谱分析、频谱决策三大模块对认知无线电进行了介绍与研究。

可重构智能反射面辅助认知无线电多天线安全传输方法

考虑一个可重构智能反射面(RIS)辅助的频谱共享认知无线电(CR)多输入多输出(MIMO)安全通信系统。在存在窃听者的情况下,配备有多根天线的次级发送机与次级用户进行通信。首先,利用统计信道状态信息,得到了系统遍历安全速率的确定性等价表达式。然后,在满足总发送功率约束和干扰功率约束的条件下,提出一种结合泰勒级数展开法和拉格朗日乘子法的交替优化算法,联合优化了发送协方差矩阵和RIS相移矩阵。最后,仿真结果验证了所提算法的有效性。