基于认知无线电的IoT传感器网络资源分配算法研究

发布时间：2020-07-18 15:36

【摘要】：物联网产业应用领域广泛,照顾着我们的日常起居,为上百家重点行业的企业提供了服务。但这也意味着将会面临超高流量密度、超高频谱需求以及较大的设备间干扰等问题。认知无线电作为一门能有效解决以上问题的技术,开始被越来越多的学者认为可以作为物联网的关键技术。针对以上问题,本文重点研究了基于认知无线电的物联网传感器网络中的资源分配问题,并研究了基站的最优位置部署问题来达到有效的干扰管理,主要工作点如下:1.针对次基站的位置会直接影响主与次系统之间的干扰,联合信道资源的合理分配问题,本文提出了一种基于认知无线电的IoT传感器网络中为次基站分配最佳位置和最优信道的方案。该方案基于认知无线电underlay工作场景的干扰分析建立了多目标优化模型,目的在于保护主用户的正常活动下最大化次系统的吞吐量,同时最大化次基站的可覆盖用户数。由于该多目标模型是非线性的凸优化问题,因此本文使用粒子群算法对问题进行求解,该算法可在降低问题复杂度的情况下高效地取得最优解。仿真结果表明本文所提出的方案能在保障主用户优先权的同时优化次系统的性能表现,同时最大化基站的覆盖率。2.针对IoT传感器网络无线资源的稀缺和信道不完美带来的误差问题,提出了一种基于认知无线电的IoT传感器网络中为次用户在不完美信道模型下分配带宽和功率的策略。该方案首先基于主系统和次系统间的不同情况,分别建立了次级IoT用户与次基站、次级IoT用户与主用户间的不完美信道模型。其次提出了为次级IoT设备用户分配带宽和功率的机制,并考虑了当带宽不够分配时应采取的措施和惩罚机制。为了改善网络能效,本文把问题分为两个子问题:最大化次系统的传输速率的同时最小化次基站的发射功率。最后使用粒子群和加权切比雪夫算法对问题进行了分步求解,得到了用户的最优带宽和功率分配方案。仿真结果表明所提出的方案能在保证主用户的正常通信活动下提高资源利用率和网络能效。
【学位授予单位】：重庆邮电大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TN925;TP212.9

【参考文献】