【摘要】：如今的無線網絡朝著寬帶化和業(yè)務多樣化的方向發(fā)展,更多新的業(yè)務對傳輸容量和時延提出了更高的要求。然而現有的無線網絡采用固定頻譜管理模式,頻譜資源利用效率低下,使得資源緊缺和業(yè)務需求之間的矛盾日益加劇。在這種背景下,FCC提出可以利用認知無線電技術提高頻譜利用效率。在認知無線電網絡中,認知用戶通過頻譜感知可以發(fā)現未被授權用戶占用的空閑頻譜,并選擇一段空閑頻譜進行接入,實現頻譜的動態(tài)高效利用。認知用戶的頻譜接入包含頻譜感知和頻譜決策兩個基本過程,因此對頻譜感知與頻譜決策的優(yōu)化是認知無線網絡的研究熱點之一。 本文研究的就是一種頻譜感知與決策聯合優(yōu)化框架：序貫頻譜感知。在序貫頻譜感知中,認知用戶通過學習獲得頻譜的統計信息,并用于對以后的頻譜感知與決策行為進行優(yōu)化。序貫頻譜感知包含兩個研究內容：一,認知用戶以怎樣的順序感知頻譜,即頻譜感知排序；二,認知用戶何時停止頻譜感知并選擇哪個信道進行接入,即最優(yōu)停止規(guī)則。本文首先在單用戶網絡中針對不同的業(yè)務類型設計相應的序貫頻譜感知方法。其次針對多用戶分布式和集中式網絡分別給出了分布式和集中式序貫頻譜感知算法。論文最后研究了在未能獲得頻譜的先驗統計信息時,如何設計序貫頻譜感知方法。本文的主要研究內容如下： 首先論證了序貫頻譜感知框架之于傳統頻譜感知與決策框架的優(yōu)越性。本文首先介紹三種基本的頻譜接入框架：包括傳統的頻譜感知與決策分步優(yōu)化框架和基于部分可觀測馬爾科夫過程(POMDP)的框架,以及序貫頻譜感知框架。通過理論計算獲得了這三種框架下,認知用戶的平均傳輸容量和單位能量傳輸容量,從理論上比較了三種頻譜接入框架的優(yōu)劣。頻譜感知與決策分步優(yōu)化框架可以獲得最高的空閑頻譜發(fā)現效率,卻有最小的時隙效率；相反POMDP框架可以獲得最大的時隙效率,卻有最小的空閑頻譜發(fā)現概率；而序貫頻譜感知可以在空閑頻譜發(fā)現效率和時隙效率間作出很好的平衡,以最大化認知用戶的傳輸性能。仿真結果表明頻譜感知與決策分步優(yōu)化框架的性能最差; POMDP框架雖然可以獲得最優(yōu)的能量效率,但是卻獲得很低的傳輸容量；序貫頻譜感知框架在總體上最優(yōu)的,它可以獲得最高的傳輸容量和較高的能量效率。 其次針對不同的業(yè)務類型提出了不同的序貫頻譜感知方法。傳統研究并沒有考慮認知用戶的業(yè)務需求,不同的業(yè)務類型應該有不同的QoS(Quality of Service)要求,對于實時業(yè)務,要求較小的時延；對于非實時業(yè)務,要求較大的傳輸容量。針對實時業(yè)務,本文提出了新的貪婪算法,該方法在進行信道排序時綜合考慮了信道空閑概率、信道達到最低速率限的概率和探測SNR(Signal to Noise Ratio)時間消耗的影響,比起傳統方法能獲得更小的頻譜接入時延。針對非實時業(yè)務,本文提出了動態(tài)規(guī)劃方法和次優(yōu)的貪婪算法來進行信道排序,該貪婪算法由于作了簡化運算,因此其性能會比動態(tài)規(guī)劃方法差,但是其計算復雜度比動態(tài)規(guī)劃方法低。仿真實驗表明新方法比傳統方法具有更高的傳輸容量。在獲得了最優(yōu)信道感知序列后,本論文通過逆向遞歸算法獲得最優(yōu)停止規(guī)則,充分利用信道多樣性,以進一步增大傳輸容量；并設計了次優(yōu)的1-SLA(1-Stage Look-Ahead)停止規(guī)則,在保證算法性能的同時降低計算復雜度。但是實施停止規(guī)則需要在感知信道空閑后發(fā)射導頻信號探測信道質量,這將消耗額外的時間和能量。本文最后通過實驗檢驗了引入停止規(guī)則的有效性,結果顯示當信道個數較大且SNR探測時間較小時,更適合采用引入停止規(guī)則的最優(yōu)信道排序法。 然后研究了多用戶認知無線網絡序貫頻譜感知方法。在多用戶情況下,各用戶的頻譜感知序列間會相互影響,因此針對單用戶設計的序貫頻譜感知方法不適用于多用戶情況。在研究多用戶網絡序貫頻譜感知方法時,不僅需要考慮信道空閑概率、信道質量,還要綜合考慮用戶多樣性和多用戶間的沖突。本文針對分布式網絡和集中式網絡分別提出了分布式和集中式序貫頻譜感知方法。新的分布式貪婪算法改進了傳統單用戶貪婪算法中的勢函數,把用戶選擇信道這一單向選擇擴展到用戶-信道雙向選擇的過程,充分利用用戶多樣性提高網絡吞吐量。新的集中式算法,利用頻譜感知矩陣表示各個用戶的頻譜感知序列,對沖突帶來的容量損失進行具體計量,并利用改進的貪婪算法獲得最優(yōu)頻譜感知序列。新的分布式算法和集中式算法,與傳統方法進行比較時,可以獲得更高的傳輸容量、更好的公平性和更低的沖突率。分布式算法由于不需要中心協調器,實現簡單,算法復雜度低,且在信道空閑概率較低、誤警率較高和信道數量較大的情況下,性能很接近集中式算法。最后本文討論了多用戶序貫頻譜感知中的停止規(guī)則問題,給出了多用戶情況下類似單用戶的停止規(guī)則。發(fā)現在多用戶情況下,將信道感知序列的設置和停止規(guī)則的設計分開的序貫頻譜感知方法不是最優(yōu)的,信道感知序列的設置和停止規(guī)則的設計應該在一個系統的角度進行聯合優(yōu)化�；谶@種觀察,本文提出了在線序貫頻譜感知方法,該方法可以根據實時的感知結果和停止行為動態(tài)的調整信道感知序列,但是需要引入信息交互過程,不可避免的對網絡傳輸容量造成不利影響。通過仿真實驗發(fā)現,在信息交互時間相對信道探測時間較小時,在線序貫頻譜感知方法的性能要優(yōu)于集中式算法。 最后研究了在沒有信道統計信息的情況下,序貫頻譜感知的設計方法。在沒有信道統計信息的時候,認知用戶需要花時間進行感知以獲取這些信息,但同時又要利用已有的信息來為自己獲得盡可能多的收益,多臂賭博機可以很好的解決這種exploration和exploitation的平衡問題。本文將信道感知排序和停止規(guī)則分開討論,并且只考慮單用戶網絡。對于信道感知排序問題,由于信道排列種數太多,傳統的置信區(qū)間(UCB1)方法的累積收益損失會成信道數的指數形式增長,收斂速度太慢。因此本文提出兩種新的方法：虛擬采樣的UCB1方法和基于UCB1指數的貪婪搜索算法。虛擬采樣的UCB1方法充分考慮了不同信道排列間的相關性,使得用戶的學習速度大大增加�；赨CB1指數的貪婪搜索算法直接從信道的角度出發(fā),將UCB1方法融于貪婪搜索算法,使得用戶的決策快速收斂于最優(yōu)信道感知排序,其累積收益損失很快便不隨時間的增加而增加。仿真實驗表明虛擬采樣的UCB1方法和基于UCB1指數的貪婪搜索算法的性能要優(yōu)于傳統文獻中的方法。對于停止規(guī)則問題,本文考慮的是只有K種固定停止門限的簡單情況�；趥鹘y的UCB1方法,本文提出兩種新的算法：虛擬采樣方法和改進的UCB1指數方法。這里的虛擬采樣方法與信道排序中的虛擬采樣方法的原理一樣,通過挖掘“臂”間的相關性增加用戶的學習速度。改進的UCB1指數方法可以減少可選“臂”空間,從而增加算法的收斂速度。通過仿真實驗證實兩種新方法的累積收益損失都有明顯的降低。
[Abstract]:......
【學位授予單位】：武漢大學
【學位級別】：博士
【學位授予年份】：2014
【分類號】：TN925

【參考文獻】

相關期刊論文 前3條

1 楊曦;郭愛煌;張超;龔增;趙文暉;;認知無線電主動切換的延時優(yōu)化[J];電子測量技術;2009年09期

2 鄭仕鏈;楊小牛;;認知無線電頻譜切換目標信道訪問機制[J];電子與信息學報;2012年09期

3 朱星宇;周懷北;黃俊園;;認知無線網絡中基于信道感知排序的頻譜切換[J];電信科學;2013年04期

，

本文編號：2341115