海上船舶宽带无线网资源调度算法的设计

发布时间：2020-11-04 18:34

　　 以海上需求为驱动的E-Navigation战略构想自提出以来,引起了各国学术界和工业界的广泛关注,我国也在积极地制定海上船舶无线网战略发展规划。为了解决带宽问题,将认知无线电技术应用于海上通信系统,资源调度是认知无线电的关键技术之一。图着色理论和Q-Learning算法是认知网络资源调度中常用的两种方法,它们对于集中式和分布式的海上认知网络资源调度具有良好的适应性。论文以海上船舶宽带无线网为背景,针对不同的应用场景分别提出了相应的资源调度算法,主要研究内容包括:1)在对认知无线电资源调度技术和强化学习理论进行归纳的基础上,针对海上通信网的网络拓扑结构特点和应用环境,将海上认知网络分为两种场景,并在此前提下分析了设计资源调度算法时面临的问题。2)设计了适用于集中式海上认知网络的基于图着色理论的满意度公平算法,针对用户平均满意度、满意度公平性、系统总效益以及弱势用户等方面对算法和敏感图着色算法进行对比,仿真结果表明满意度公平算法在公平性等方面具有更好的效果。3)根据海上船舶通信远海岸场景的特点,分析了在信道业务特征动态变化的情境下传统的基于Q-Learning的资源调度算法的不足,在此基础上提出了一种应用于分布式海上认知网络的适用于动态信道业务特征的资源调度算法,算法可以在环境特征发生改变后再次快速收敛,通过仿真验证了算法在动态信道业务特征场景下的有效性。4)以独立Q-Learning资源调度算法为基础,引入多智能体系统思想,针对多用户存在的分布式海上认知网络提出了一种协作Q-Learning的资源调度算法,通过对该算法和独立Q-Learning资源调度算法进行仿真和对比,表明了算法在频谱冲突率和系统总容量方面具有较好的性能。
【学位单位】：哈尔滨工程大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：TN925;U665.2
【文章目录】：
摘要
abstract
第1章 绪论
    1.1 课题背景及研究意义
    1.2 国内外研究动态
        1.2.1 认知无线电国外研究动态
        1.2.2 认知无线电国内研究动态
    1.3 海上船舶通信场景分析
    1.4 论文研究内容及结构安排
第2章 理论基础
    2.1 认知无线电及其相关技术
        2.1.1 频谱感知
        2.1.2 频谱共享和功率控制
        2.1.3 资源调度
    2.2 强化学习理论
        2.2.1 强化学习概述
        2.2.2 强化学习的基本框架
        2.2.3 强化学习常用算法
    2.3 本章小结
第3章 基于图着色理论的满意度公平算法
    3.1 基于图着色理论的满意度公平算法
        3.1.1 场景分析
        3.1.2 算法目标
        3.1.3 数学模型
        3.1.4 算法原理
        3.1.5 算法流程
    3.2 仿真结果及其分析
    3.3 本章小结
第4章 基于Q-LEARNING的分布式资源调度算法
    4.1 适用于动态信道业务特征的Q-LEARNING算法
        4.1.1 场景分析
        4.1.2 算法目标
        4.1.3 算法原理
        4.1.4 问题映射
        4.1.5 算法流程
    4.2 仿真结果及其分析
    4.3 本章小结
第5章 基于多用户协作的分布式资源调度算法
    5.1 场景分析
    5.2 多智能体系统
        5.2.1 基本概念
        5.2.2 多智能体系统的协作机制
    5.3 基于协作Q-LEARNING的资源调度算法
        5.3.1 算法目标
        5.3.2 算法框架
        5.3.3 算法描述
        5.3.4 算法流程
    5.4 仿真结果及其分析
    5.5 本章小结
结论
参考文献
攻读硕士学位期间发表的论文和取得的科研

【参考文献】

相关期刊论文 前10条

1 姜永;陈山枝;胡博;;异构无线网络中基于Stackelberg博弈的分布式定价和资源分配算法[J];通信学报;2013年01期

2 刘军;谢秀峰;;基于排队时延及博弈分析的认知无线网络信道分配算法[J];通信学报;2012年06期

3 王钦辉;叶保留;田宇;李文中;陆桑璐;陈道蓄;;认知无线电网络中频谱分配算法[J];电子学报;2012年01期

4 何利;郑湘渝;刘振坤;;基于图着色理论的最大效用频谱分配算法[J];计算机工程;2011年19期

5 瞿越;鲜永菊;徐昌彪;;基于用户需求的图着色论频谱分配算法[J];计算机应用;2011年03期

6 胡罡;刘丽霞;李宏建;徐明;;无线认知网络中一种分布式最大频谱分配算法[J];国防科技大学学报;2010年05期

7 吴启晖;刘琼俐;;基于DAQL算法的动态频谱接入方案[J];解放军理工大学学报(自然科学版);2008年06期

8 柳海涛;;基于博弈论的认知无线电频谱分配模型[J];通信技术;2008年08期

9 桂林;武小悦;;部分可观测马尔可夫决策过程算法综述[J];系统工程与电子技术;2008年06期

10 陈星;贺志强;吴伟陵;;基于循环平稳的多天线感知无线电频谱检测[J];北京邮电大学学报;2008年02期

相关博士学位论文 前2条

1 李红岩;认知无线电的若干关键技术研究[D];北京邮电大学;2009年

2 刘红杰;基于认知无线电的动态频谱管理理论及相关关键技术研究[D];北京邮电大学;2009年

相关硕士学位论文 前10条

1 丁明刚;基于多智能体强化学习的足球机器人决策策略研究[D];合肥工业大学;2017年

2 程启明;基于改进敏感图着色算法的认知无线电频谱分配研究[D];西南交通大学;2016年

3 魏伦炳;基于认知无线网络频谱分配技术研究[D];贵州大学;2015年

4 刘磊;基于ABC算法的认知无线电频谱协作感知与分配[D];燕山大学;2012年

5 黄云霞;基于改进Q学习的认知无线网络动态频谱接入算法研究[D];电子科技大学;2012年

6 李晓静;基于强化学习的动态频谱分配算法的研究[D];南京邮电大学;2011年

7 张敏;基于图论的认知无线电网络频谱分配算法研究[D];汕头大学;2010年

8 赵新蕾;认知无线电中基于主从用户差异性的调度算法[D];北京邮电大学;2010年

9 张靓;基于匹配博弈的认知无线电频谱分配技术研究[D];哈尔滨工程大学;2010年

10 曾轲;基于博弈论的认知无线电频谱分配技术研究[D];电子科技大学;2007年

本文编号：2870452