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。

基于主用户活跃度的认知Mesh网络路由算法

针对认知Mesh网络中RASR路由算法存在冗余的控制开销以及选路时未考虑主用户对信道的利用率而导致路径不稳定的问题,提出一种基于主用户活跃度的认知Mesh网络路由算法——RPA(Routing based on Primary-user Activity)。RPA算法通过使用捎带式发布链路状态信息和根据主用户信道利用率选路两种新机制,增强路径稳定性、提高数据包传输的成功率、减小时延和控制开销。理论分析和仿真结果表明,与RASR算法相比,RPA在数据传送成功率、平均端到端时延和控制开销方面具有整体上更优的性能。

认知Mesh网络中基于免疫多目标优化的频谱分配

针对认知无线Mesh网络(CWMN)的频谱分配问题,提出了一种基于免疫多目标优化的实现算法。该算法将要求解的频谱分配建模为最大化总带宽和最小化占用频谱数的多目标优化问题,设计了适合问题求解的抗体编码方式、整体克隆算子和非支配抗体选择算子。仿真实验结果表明,所提算法可以求得CWMN频谱分配问题的Pareto最优解,提高了最大化总带宽,减少了最小化占用频谱,优化了频谱分配性能。

认知Mesh网络中基于暴露终端和隐蔽终端的路由发现算法

针对认知Mesh网络中NSAR路由算法在当网络中存在多个使用相同授权频带的主用户的时候仍然存在主用户暴露终端和隐蔽终端的问题,提出了一种基于暴露终端和隐蔽终端的路由发现算法—REH(Routing based on Exposed nodes and Hidden nodes)。该算法在路由发现的过程中通过在计算信道优先次序表的时候引入主用户曾占用信道次数信息来避免以上场景所出现的暴露终端和隐蔽终端问题,从而提高了数据包传送的成功率和平均吞吐量。理论分析和仿真结果表明,与NSAR算法相比,REH在数据包传送成功率和平均吞吐量方面的性能整体更优。

认知无线Mesh网络中联合功率控制与信道分配的拥塞避免

受制于频谱资源有限性及链路负载差异性,网络拥塞成为认知无线Mesh网络研究中亟待解决的关键性问题.针对该问题,通过量化节点通信功率等级,并综合考虑网络干扰、链路有效容量及流量守恒等因素,建模了联合功率控制与信道分配的拥塞避免模型.进一步,提出了基于嵌套优化的拥塞避免机制,包括基于遗传算法的功率控制与信道分配、基于遗传算法的路由调度以及基于链路需求的最优路由算法.分别设计了组合编码和序列编码规则及流量守恒的约束控制机制,以保证个体进化的有效性及算法的快速收敛.一系列仿真实验表明该算法能够有效提高网络吞吐量,满足数据传输的实时性需求.

认知无线Mesh网络联合多路径路由和信道分配策略

从路径交叉的角度为认知无线Mesh网络提出一种新的联合多路径路由和信道分配策略,该策略结合按需路由的基本流程,同时根据所选路径情况设置交叉节点的中继功能,以主用户曾经占用每个信道的最少次数作为衡量标准来选择信道,并给出了一种解决信道冲突的方案。仿真结果表明,所提策略与基于链接、基于干扰的策略相比,能够显著改善平均吞吐量和时延等网络参数性能。

自适应的认知无线Mesh网络QoS约束的路由与频谱分配算法

提出了一种自适应的满足QoS约束的路由与频谱分配(SA2JR)算法,SA2JR的目标是:在满足无线业务QoS约束的情况下,最大化无线业务接受率,让尽可能多的无线业务需求能够被满足。SA2JR包括2个部分,按需的κ-路径路由(κ-Routing)算法,以及QoS驱动的频谱分配(QDSA)算法。κ-Routing负责为每一个需求产生κ条潜在路由路径,QDSA算法自适应地进行频谱分配,目标是从κ-Routing产生的κ条潜在路由路径中找出一条满足QoS约束的可行路由路径。仿真结果表明SA2JR能达到预定目标,获得了较高的无线业务接受率。

一种认知无线Mesh网络中负载均衡的组播路由算法

提出了一种负载均衡的无线链路权值函数及计算算法LBWC,在此基础上,提出了一种满足QoS约束的负载均衡组播路由与频谱分配算法LMRS2A.LMRS2A的目标是:在满足无线组播业务QoS约束的情况下,均衡化网络的负载,最小化传输次数,优化网络资源的使用.LMRS2A算法首先采用LBWC算法计算无线链路的权值,进行负载均衡组播树的构造,然后采用基于无线广播特性的QoS约束频谱分配算法WBA2S对无线链路进行信道分配.仿真结果表明LMRS2A能达到预定目标,不仅避免了拥塞节点的产生,而且需要较少的传输次数.

认知无线Mesh网络中一种有效的多目标优化频谱分配算法

研究认知无线Mesh网络中多目标优化的频谱分配问题,即最大化总带宽和最小化占用频谱数。利用粒子群优化算法(particle swarm optimization algorithm,PSO)在多目标优化方面的优势,提出基于PSO的多目标优化频谱分配算法PSOSA。PSOSA算法不仅考虑频谱之间的差异,而且重新定义PSO的粒子及粒子的3种运算规则。仿真结果表明:PSOSA算法能在最大化总带宽的同时,最小化频谱占用数。

认知无线Mesh网络中满足QoS的高吞吐量安全路由协议

提出了一种综合考虑链路安全、链路冲突、链路可靠度与链路可用带宽的路由判据SIEB。SIEB包括链路安全和链路性能2个方面,在SIEB的链路安全权值计算中,为了抵御各种洞攻击,提出了基于两跳邻居反馈的链路信任值计算方法。在此基础上,提出了链路安全权值计算算法LSWC和链路性能权值计算算法LSPC,提出了分布式满足QoS约束的路由协议SIEBP,SIEBP的目标是:构造安全的路由路径,并且最大化网络吞吐量。仿真结果表明,SIEBP能达到预定目标,构造的路径能抵御黑洞、灰洞、虫洞等攻击,并且获得了较高的网络吞吐量。

认知无线Mesh网络中QoS约束的组播路由算法

对认知无线Mesh网络中满足QoS约束的联合组播路由及频谱分配问题进行研究,提出了一个针对该问题的求解框架,包括问题描述、解决方案的表示、适应度函数以及频谱分配算法.基于两种具有代表性的智能计算方法:遗传算法、模拟退火,提出了两种满足端到端延迟约束的组播路由及频谱分配算法GA-MRSA和SA-MRSA.这两种算法追求的目标是最小化组播树信道冲突总数,并且在获得较低的信道冲突数的情况下,还能占用较少的信道.仿真结果表明,所提出的两种算法能够达到预期目标,获得较低的信道冲突总数.

认知无线Mesh网络中基于概率的贪婪频谱决策技术研究

认知无线电网络传统的频谱决策方法中次用户根据不同的判据选择信道,会引起信道竞争和拥塞。针对认知无线Mesh网络中基于概率的频谱决策方法,提出一种贪婪信道选择算法,当发生频谱切换时,其结合改进的抢占优先(PRP)M/G/1排队理论为次用户选择最佳的目标信道。数值分析结果表明,该算法能够提高并均衡信道利用率,并且在次用户平均到达率较小的情况下,能进一步减少次用户的平均总传输时间,提高网络性能。

认知无线Mesh网络中一种协助的分布式组播调度算法

认知无线Mesh网络是下一代无线宽带通信系统的主要形式之一,它能通过使用授权网络未使用的频谱资源来提高网络带宽.组播是一种应用非常广泛的无线业务需求.本文主要研究CR-Mesh路由器和CR-Mesh终端之间的组播调度问题.由于CR-Mesh路由器和CR-Mesh终端具有可用信道异构的特征,这将导致无线业务组播的时间变长.本文的目标是最小化无线业务组播的时间,提出一种基于节点协助的分布式组播调度算法DAMSA,通过同组成员或者其他组成员的协助达到降低组播时间的目的.通过大量的仿真发现,我们提出的DAMSA算法不仅降低了无线业务需求的组播时间,而且提高了系统的吞吐量.

认知无线Mesh网络中资源节约的最小信道冲突值组播路由算法

认知无线Mesh网络中满足服务质量约束的多目标优化组播路由问题比单目标优化组播问题更加复杂,为了快速求解认知无线Mesh网络中满足服务质量约束的、以最小化资源消耗与最小化信道冲突值为目标的多目标优化组播路由问题,提出一种基于粒子群优化算法的问题求解框架,包括问题描述、粒子编码与粒子初始化、适应度函数、粒子飞行、粒子变异、粒子消环。粒子由表示节点之间连接关系的带权邻接矩阵表示,重新定义了用于粒子飞行的3种运算规则以及粒子飞行运算和粒子变异运算。仿真结果表明提出的算法能达到预定目标,资源消耗较低且能获得较低的信道冲突值。

认知无线mesh网络中基于协作学习自动机的自适应信道分配算法

在认知无线mesh网络多信道环境中处理繁重的数据业务是一项具有挑战性的任务。为了解决这个问题,提出了一种新的基于协作学习自动机(learning automata,LA)的自适应信道分配算法(CLACAA)。在所提出的算法中,LA被部署在邻近的互相协作的次用户上。为了LA能自适应地更新其动作概率向量,设计了一种线性奖赏无为方案;定义了一种新的信道利用率因子用于信道选择,以解决信道冲突发生的问题;给出了当信道由于大量输入请求而过载时的信道切换方案。实验仿真结果表明,该算法在提升网络吞吐量和数据传输率、降低切换时延和缓冲时延上有明显的优势。

认知无线Mesh网络中权重感知的组播路由算法

提出了一种无线组播业务权重感知的无线链路权值计算算法(links weights computing,LWC),在此基础上,提出了一种基于动态规划的满足QoS约束的分布式组播路由与频谱分配算法(weight-aware multicast routing algorithm,WMRA).WMRA算法的目标是最小化总的信道冲突值,同时考虑已接受组播业务的权重,高权重的组播业务相比低权重的组播业务具有较低的信道冲突值.WMRA算法首先采用LWC算法计算无线链路权值;然后,基于动态规划分布式地计算最小信道冲突值;最后,进行组播路由路径的构造,并进行频谱分配.仿真结果表明WMRA能达到预定目标,获得较低的信道冲突值.

跨层认知无线Mesh网络中多agent学习的功率分配策略

为了改善无线Mesh网络的无线电频谱的利用效率以及提高能源利用效率,提出跨层认知无线Mesh网络中多agent学习的功率分配策略。首先,通过多agent智能学习方法,将网络状态定位为一个有限状态马尔可夫决策过程,在环境状态变化时,通过任务来学习一个优化策略,最大化网络的资源和能量的总期望收益。其次,为了更好地节省网络能量,通过一种奖励机制和非合作博弈模式正式确定功率的分配问题,在每个环境状态下学习到最佳的功率分配策略。最后,实验仿真结果表明,该算法在提高频谱利用效率和能源效率上具有明显的效果。

认知无线Mesh网络中基于频谱聚合度的分簇算法

针对认知无线Mesh网络拓扑结构和可用频谱实时变化的特点,提出一种基于频谱聚合度分簇(SCDC)算法.该算法提出了节点间可用频谱的质量聚合度因子,联合节点位置变化信息,通过计算节点权值实现认知无线Mesh网络分簇的优化.另外,该算法通过簇内成员节点数量的约束阈值实现均衡网络负载.仿真分析证明,SCDC算法在维持网络拓扑相对稳定和提高频谱利用率方面更具优势.

认知无线Mesh网络中基于WTA的多约束QoS组播路由算法

针对认知无线Mesh网络传统的多约束QoS组播路由算法一贯的进行随机初始化种群这一问题,在没有增加智能算法的复杂度的同时,首次将武器-目标分配问题(weapon to target allocation,WTA)应用在群智能算法对初始种群的优化上,基于蚁群算法,将集火射击、分火射击和混合射击的思想加入到对初始种群的设计上,提出一种基于WTA的QoS组播路由优化算法。其目标是满足无线组播业务的QoS约束且不增加算法复杂度的同时,结合蚁群的强鲁棒性和并行性等性能优势。经过实验验证,在网络开销和时延等方面的指标具有很好改善。

改进智能算法的认知无线Mesh网络优化频谱分配算法

随着网络资源日益紧张,认知无线Mesh网络中的频谱优化分配问题的研究主要集中在总带宽的最大化和占用频谱数的最小化。文中考虑到杂草算法的多样性以及容易实现和编码快捷等特点,提出一种基于改进入侵杂草优化算法(IWO)的频谱优化分配方法(IIOW)。通过对扩散条件中调和指数的优化,使得扩散更加均匀准确,大大加快收敛速度,同时优化了适应度函数的曲线。仿真结果表明:基于改进IWO的优化算法能在最大化总带宽与最小化信道占用数的情况下,获得较为理想的适应度函数曲线,同时加快收敛速度。