认知无线网络下高效协作波束赋形抑制算法

发布时间：2021-07-10 09:04

　　为了解决当前算法存在的抗干扰效果不理想、频谱应用效率低下问题,设计一种认知无线网络下高效协作波束赋形抑制算法,基于认知无线网络结构组成,制定中继协作传输形式,并对整个过程中各传输周期实施分类,根据主用户与中继簇发送信号的最小信道容量,在最大比合并上推导出第一时隙中目的节点与窃听节点、主用户与次用户路径之间的信道容量,利用干扰节点对窃听节点实施干扰,完成目的节点与窃听节点的信息分集接收,依据相关中继节点容量,达成认知无线网络模型架构;经过主用户与指定次用户的信息传输,得到每个中继节点接收的信息量、高斯白噪声以及信道增益,采用最差信道推算出时隙容量,实现高效协作波束赋形抑制算法创建。仿真结果表明,上述算法不仅有效抑制节点间信号干扰,而且令频谱信噪比增益得到大幅度提升。 

【文章来源】：计算机仿真. 2020,37(11)北大核心

【文章页数】：5 页

【部分图文】：

认知无线网络模型框架图

采用图2中所示的周期型传输作为认知无线网络的总体传输过程,将各周期划分成三个阶段。第一个阶段就是时隙a,依据中继对算法进行选取后,主用户发送信息至指定次用户;采用具有次用户限制的波束赋形策略,使时隙b(即第二阶段)的所有次用户间在目的节点方向上生成主波束,窃听节点方向上则生成零空间;第三阶段是次用户协作所产生的回报,通过在主用户的频段中接入次用户,时隙c传输信息至目的节点。

假设除窃听信道外已知所有信道信息,将hS,Ri、hS,D以及hS,E分别为源节点S与第i个中继relay、目的节点D以及窃听节点E间的信道增益[8],第i个中继与目的节点D以及窃听节点E间的信道分别是hRi,D、hRi,E。高斯白噪声的均值与方差取值是0和δ2。次用户的高效协作波束赋形结构如图3所示。第一阶段中,主用户将信息S发送给指定次用户,则各中继节点的接收信息如下所示

【参考文献】：
期刊论文
[1]基于循环神经网络的卫星幅相信号调制识别与解调算法[J]. 查雄,彭华,秦鑫,李天昀,李广.  电子学报. 2019(11)
[2]双向MIMO中继网络中采用信道独立预编码的自干扰消除技术[J]. 何宪文,李智忠,姜斌,杨刚.  信号处理. 2019(10)
[3]基于贝叶斯自动相关性确定的稀疏重构正交频分复用信号时延估计算法[J]. 崔维嘉,张鹏,巴斌.  电子与信息学报. 2019(10)
[4]一种基于量化通道的鲁棒最优混合滤波算法[J]. 聂煊赫,冯宇.  高技术通讯. 2019(10)
[5]MIMO-X双向中继信道并存网络编码[J]. 刘锋,牛毅,曾连荪.  计算机工程与设计. 2019(09)
[6]基于角度分集接收机的多小区多用户MIMO-VLC系统[J]. 刘建开,岳殿武,赵正铎.  光通信技术. 2019(11)
[7]基于仅相位加权的宽零陷低副瓣波束赋形方法[J]. 周强锋.  现代防御技术. 2019(04)
[8]基于不完美信道状态信息的中继网络的优化算法设计[J]. 余战秋,胡延平.  电子测量与仪器学报. 2019(07)
[9]低副瓣任意波束直接合成算法研究[J]. 郑占旗,张立军,王宇颢,张小宾,王冠鹰,张建明.  电波科学学报. 2019(03)
[10]基于空间信道控制方式的频谱感知资源分配技术[J]. 谢朝臣,谭晓衡,刘琴,杨志军,刘玉川.  北京邮电大学学报. 2019(01)



本文编号：3275617