基于图论的认知卫星通信频谱资源分配研究

针对认知用户在多重卫星异构网络覆盖条件下的资源分配问题,研究了基于图论的认知卫星通信系统资源分配算法。构建了基于多认知用户的认知卫星通信系统模型,分析了模型的层次结构和资源分配流程;在引入用户优先级和网络收益等因素的基础上,提出了基于图论的资源分配改进算法。相关仿真结果验证了改进算法的有效性,为认知卫星通信系统频谱资源分配提供了理论依据。

基于合作博弈的认知卫星网络信道分配与上行功率控制算法

随着通信业务需求的不断增长,频谱资源的有限性使得卫星通信网络和地面网络都面临着严重的频谱危机。认知无线电技术的出现,使得卫星网络与地面网络共用频率资源以提升网络效用成为可能。文中对认知接入分配给地面网络作为主用户的同一频谱资源的认知卫星网络的功率控制和信道分配问题进行了研究。根据卫星网络和地面网络的特性构建了合理的系统模型,并利用中断概率门限表征了信道估计误差对系统容量的影响。为了保护主基站的通信性能,在考虑信道估计误差、信道资源约束、认知卫星用户最大发射功率和微波基站干扰约束的条件下,根据议价博弈理论设计了优化函数。其次,根据凸优化理论推导了最优发射功率和信道分配的闭式解,并在此基础上设计了一种对偶迭代算法来求解该优化问题。最后,根据卫星网络的特性设置了合理的网络参数,并根据参数利用Matlab仿真平台对提出的算法进行了仿真实验。仿真结果表明:所提方法在不同到达速率的条件下均具备良好的收敛性;信道估计误差会降低网络的总容量;所提方法在波束数多于15个时,相比比例公平性算法容量提升超过50 bps/Hz,相比最大容量法公平性能提升超过一倍,因此,相较于这两种方法,该方法能在系统容量和用户间公平性之间获得较好的折中。

认知卫星通信频谱感知及资源分配技术综述

由于卫星频谱资源日益短缺,逐渐出现了资源“假性枯竭”的问题,但通信系统的频谱利用率却很低,因此必须提高卫星网络的频谱利用率。认知卫星通信能够解决这一问题。为了能够更好地研究认知卫星通信,简要阐述了认知无线电的基本原理,介绍了认知卫星通信的应用场景,通过分析和对比,总结了频谱感知及分配技术和功率控制技术的研究现状和优缺点,并展望了下一步的研究方向,为以后的研究奠定了基础。

认知卫星导航系统及其关键技术分析

认知动态系统是在认知科学和信息科学的基础上形成的一个崭新的研究领域,是未来信息科学的重要发展方向之一。本文在介绍了认知动态系统概念的基础上,提出了认知卫星导航系统,并对其关键技术进行了研究。主要是构建了认知卫星导航系统模型,并进一步分析了系统抗干扰的认知工作过程,最后对关键技术及其研究现状进行了分析和总结。

卫星认知无线电检测门限与功率分配联合优化算法

针对窄带卫星通信中频谱利用率不足的情况,以最大化带内数据传输量为目标,提出了基于卫星Underlay认知无线电的上行链路中信道检测门限与功率分配联合优化(JDPO)算法。首先根据检测误差、功率向量与数据传输量之间的运算关系构建了卫星Underlay认知无线电接入模型,之后将目标函数分解为检测门限与功率分配2个子问题分别进行优化,以加窗粒子群优化算法逼近了最优检测门限,根据库恩-塔克条件求解了最优功率分配向量。通过引入中间量使2个子算法反复迭代,最终得到了检测门限与功率分配的联合最优解。仿真结果表明:存在多个次要用户时,JDPO算法可以获得更多的带内数据传输量;与传统方法相比,JDPO算法的数据传输量最大可提高50%。

一种卫星认知无线网络高效频谱感知与分配策略

针对传统地面认知无线网络频谱感知机制直接应用于卫星通信网时存在的频谱感知效率与频谱利用率低下的问题,提出了一种新的适用于卫星认知无线网络的频谱感知与分配策略.该策略利用卫星覆盖范围大的优点,以卫星为频谱感知的中心节点,实现了对广域空间内多频段频谱的同步感知,克服了传统逐一频谱感知策略效率低下的问题.在此基础上,定义了频谱的有效性与可用度2个参数以表征空闲频谱特性.卫星节点和认知用户通过对空闲频谱的有效性与可用度进行综合分析,确定最佳可用频谱.理论分析与仿真结果表明,该策略提高了卫星认知无线网络频谱感知的效率,减小了认知用户与授权用户之间的频谱占用冲突概率.

卫星认知无线电CDMA上行链路功率控制

功率控制和动态频谱接入是提高卫星通信中频谱利用率的关键技术。非注册用户以频谱租赁方式可对注册用户付出的代价进行补偿,亦可完成自身通信需求。针对注册用户和非注册用户给出不同的效用函数,对由两种用户作为参与者建立的博弈模型进行纳什均衡求解,之后通过最大化系统容量条件完成效用占优选择,得到最优化功率分配策略。该策略可满足两种用户自身需求,亦可使系统通信容量最大。对于其性能,给出了两种用户数量和发送功率的关系,仿真结果表明,非注册用户数量在系统容限内愈多则系统总容量愈大,注册用户所要求的最低信干噪比则在一定范围内最佳。

感知不确定下卫星认知无线网络多频谱接入优化策略

针对卫星认知无线网络频谱感知不确定性较大导致传统频谱接入机制效率降低的问题,该文提出一种基于动态多频谱感知的信道接入优化策略。认知LEO卫星根据频谱检测概率与授权用户干扰门限之间的关系,实时调整不同频谱感知结果下的信道接入概率。在此基础上以系统吞吐量最大化为目标,设计了一种基于频谱检测概率和虚警概率联合优化的判决门限选取策略,并推导了最佳感知频谱数量。仿真结果表明,认知用户能够在不大于授权用户最大干扰门限的前提下,根据授权信道空闲状态动态选择最佳频谱感知策略,且在检测信号信噪比较低时以更加积极的方式接入授权频谱,降低了频谱感知不确定性对信道接入效率的影响,提高了认知系统吞吐量。

融合Stackelberg博弈和联邦学习的多星协作频谱认知方法研究

针对低成本和小型化低轨卫星的监测角度和方向分辨率相对较低、处理能力和峰值功率受限等因素造成单颗低轨卫星频谱认知能力弱的问题,提出了融合Stackelberg博弈和联邦学习的多星协作频谱认知方法。首先,结合各频谱认知卫星的可用算力、认知性能、处理与传输时延等特性,建立面向多频谱认知任务的协作卫星选择与算力资源分配算法;其次,基于所选择的节点和所分配的算力,设计低复杂度的多星协作频谱认知策略,其可自动辨识频谱空洞、检测干扰和识别调制模式。仿真实验结果表明,相比于单节点认知方法,所设计多星协作频谱认知策略能显著提升认知性能,且相比于对比模型,所设计策略中的模型可在不损失性能时,模型的参数量和浮点运算量降低分别可达96.69%和93.32%。

认知星地混合网络中基于干扰约束的最优功率控制方法

在认知星地混合网络中,当卫星用户作为次级用户时,为了不影响地面主用户系统的正常工作,在上行链路中要对卫星用户进行必要的功率控制。针对衰落信道场景,选择最大化卫星用户的遍历容量(EC)作为优化的目标函数,分别提出了基于峰值干扰功率约束(PIC)和平均干扰功率约束(AIC)的功率控制方法,并给出了最优发射功率的闭合表达式。仿真结果表明,卫星信道条件越好、地面干扰链路衰减越大,卫星用户的性能越好;除此之外,基于AIC的功率控制方法要优于基于PIC的功率控制方法。

星地认知网络中基于图论的动态频谱划分算法

在星地网络间的多授权用户卫星认知通信场景中,提出了一种基于图论的动态频谱划分过程。首先对图论模型进行介绍,其次分析了多授权用户(地面通信基站)条件下的卫星认知通信场景,根据认知用户(地面卫星用户)的感知范围并利用图论模型确定了其与授权用户间的感知矩阵,然后利用认知用户的吞吐量和授权用户的频谱空闲状态等通信参数,通过迭代的方式得到了最终的频谱接入矩阵,完成了多授权用户条件下的频谱划分。仿真结果表明:该算法可在认知用户的感知能力范围内,将认知用户划分到使其收益最大的授权用户频谱中。

基于Bi-LSTM及贝叶斯似然比检验的GEO与LEO卫星组合频谱感知

目前的频谱感知算法以模型驱动为主,其感知性能过于依赖预定的统计模型,这使得其在信道环境复杂的卫星通信场景中的部署变得困难。对LEO卫星过境期间的信噪比波动情况进行分析,结果显示信噪比的波动达到14 dB。针对该复杂场景提出了一种基于双向长短期记忆网络及贝叶斯似然比检验联合的频谱感知算法。该算法不需要任何主信号的先验知识,可自动从主信号中学习隐藏特征并做出决策。基于Neyman-Pearson准则,在神经网络输出端设计了一种基于阈值的检测方案,可方便地控制恒定的虚警概率。仿真结果表明,所提算法在信噪比为-14 dB的情况下,仍能达到83%的检测性能,且始终优于卷积神经网络、多层感知机和基于模型驱动的能量检测算法。

一种基于矩估计的低轨卫星频谱感知方法

提出一种基于矩估计(Moment Estimation,ME)的频谱感知(Spectrum Sensing,SS)方法来检测低轨(Low Earth Orbit,LEO)卫星信号。感知节点根据接收信号的二阶矩和四阶矩精确估计出LEO卫星信号功率;采用计算出的LEO卫星信号功率作为决策变量,对LEO卫星信号的存在性做出判断;从理论分析和仿真验证的角度,在认知卫星通信场景下将所提算法与其他算法进行性能比较,ME算法具有强鲁棒性并且能够更快完成对LEO卫星信号的检测,体现出本方法的有效性。

认知星地混合网络中基于能效最大化的最优功率控制方法

在认知星地混合网络中,当卫星系统作为主用户时,为了保证卫星用户正常的通信质量,在下行链路中必须要对地面次级用户进行必要的功率控制。考虑到绿色通信场景,选择次级用户的能量效率作为优化目标,提出了两种最优功率控制方法。两种方法分别使用了平均发射功率约束和峰值发射功率约束,而为了寻找最优能效值,提出了一种新的迭代搜索算法。仿真结果证明,所提搜索算法具有有效性和高效性,且干扰链路信道条件越好,次级用户性能越差。

认知星地混合网络中针对实时业务的高能效功率分配方法

在认知星地混合网络中,当卫星系统作为主用户系统时,下行链路场景中必须要对地面次级用户进行合理的功率分配,从而保证主用户的通信质量。针对绿色通信中的实时业务,选择次级用户的能量效率作为优化目标,提出了两种最优功率分配方法,给出了最优功率的闭合表达式,并在此基础上提出了一种迭代搜索算法,实现了对最优能效的高效查找。仿真结果表明,使用平均发射功率约束的功率分配方法,性能要优于使用峰值发射功率约束的方法。此外,干扰链路信道条件的改善,将使次级用户的性能变差。

基于LSTM神经网络的卫星频谱多门限感知算法

针对在卫星认知通信场景下传统频谱感知算法感知性能低、受通信时延影响大的问题,提出了一种基于长短期记忆(LSTM)神经网络的卫星频谱多门限感知算法。首先构建卫星认知通信模型,其次将仿真数据送入长短期记忆(LSTM)神经网络进行预测感知,采用动量随机梯度下降(SGDM)算法对网络进行更新,然后提出多门限算法对网络输出进行优化,最后与其他神经网络算法作性能对比。该算法无需构建特征值,实验结果表明:在卫星信道条件下,当面对低接收信噪比及低网络迭代次数时,该算法频谱感知性能要优于其他神经网络算法。

基于干扰效率的星地认知网络功率分配算法

针对Underlay模式基于能量效率的功率控制算法未能准确反映次用户与主用户之间干扰性能导致系统容量下降的问题,综合考虑次用户能量有限及卫星链路和地面链路的差异性,定义干扰效率为认知卫星用户总的传输速率与地面基站接收到的干扰的比值,建立了基于干扰效率的星地认知网络上行链路功率分配模型,在此基础上提出一种基于干扰效率的功率分配算法。通过引入干扰门限约束及信干噪比约束条件,利用非线性分式规划理论和拉格朗日对偶法求解出最优功率。仿真结果表明:该算法能在较好满足次用户通信质量的前提下,有效减少对主用户的干扰,提升系统的干扰效率。