基于粒子群算法的认知无线电功率分配问题研究
发布时间：2021-08-31 15:05
无线通信已与人们日常生活息息相关,需求量的不断提升以及对服务质量的高要求使得无线电频谱稀缺问题日渐明显。认知无线电（Cognitive Radio,CR）的诞生为解决和缓解这一窘境带来了希望。CR作为一种智能无线通信技术通过动态频谱分配与频谱共享实现对频谱资源的高效利用。在CR网络中存在两种优先级不同的用户:一种被称为授权用户（Primary User,PU）,它具有高优先级,对授权频带拥有绝对使用权;另一种被称为认知用户（Secondary User,SU）,它的优先级相对较低只能以‘伺机’的方式在确保不影响PU正常工作的前提下,与PU共享频谱。功率控制是实现CR网络中频谱共享的关键,功率控制技术通过采用不同模型及理论对SU的发射功率进行优化并自适应的调节发射功率,在保证CR网络内用户服务质量（Quality of Service,QoS）的同时实现频谱共享。随着智能优化算法的兴起,越来越多的智能优化算法和相关的改进算法应用到认知无线电功率分配问题研究中,粒子群算法更是成为该领域的热点。本文以粒子群算法（Particle Swarm Optimization,PSO）为基础并尝试改进...
【文章来源】：长春工业大学吉林省
【文章页数】：62 页
【学位级别】：硕士
【部分图文】：
美国联邦通讯委员会调查的频谱分配图
图 1.2 认知回路以上主要任务，实现认知无线电通信的关键技术有：谱感知感知技术其主要工作就是检测认知无线电网络中 PU 的通信状态，通过分布、调制类型以及频率成分的检测，确定无线网络中已授权频带的使基于单节点感知，从是否需要知晓 PU 信息的角度出发，提出了匹配滤量检测两种方法。前者检测准确率高但既需要先验信息又需安装专用的运算速度快但受噪声干扰严重。专门针对 SU 检测信号具有周期自相关特征检测方法被提出，它适用于各种不同调制方式的信号和噪声，但计要较长时间。在 CR 网络中，PU 的断开与连接是频繁且随机的，为了干扰，要求感知快速与准确，而以上方法均在可行性和实用性上有所欠，区别于单加点的多用户协作频谱感知技术是公认的一种理想方案，通端灵敏度和用户间的合作来提升准确度与计算速度。态频谱分配频谱分配以频谱感知为前提，在整个认知无线电网络中，可能同时存在
图 2.1 CR 网络模型图下垫式 CR 网络中，授权用户的工作状态受预先设定好的 IT 保护，当认知的干扰功率低于 PU 的 IT 阈值时，SU 被允许以较低的发射功率水平与 PU相同的频谱。考虑到认知用户发射机（Secondary User Transmitter，SU-Tx）户接收机（Primary User Receiver，PU-Rx ）之间的链路上的信道增益，上数学表达式可以表示如下:thiii h p I（2thI 是 PU 的干扰温度阈值，ih 是 SU-Tx 和 PU-Rx 之间的链路上的信道增益，用户i的发射功率。避免对 PU 正常通信产生干扰的前提下，每个 SU 的 SINR 必须高于确定的确保自身通信的可靠性，如下：id （2i 是认知用户 i 的 SINR，d 是确保认知用户可靠通信的最低 SINR。SU 的 S
【参考文献】：
期刊论文
[1]基于遗传粒子群优化的认知OFDM网络资源分配算法[J]. 董莉,宋晓勤,韩杰. 应用科学学报. 2017(03)
[2]离散量子粒子群优化的认知无线电频谱分配[J]. 刁鸣,张志强,高洪元. 计算机工程. 2015(11)
[3]基于遗传粒子群的认知无线电频谱分配[J]. 林培培,杨铁军. 无线电工程. 2014(09)
[4]基于QoS和干扰温度约束的多用户认知无线电网络最优功率分配（英文）[J]. 徐勇军,赵晓晖. 中国通信. 2013(10)
[5]基于艾宾浩斯记忆曲线的单词记忆软件设计[J]. 陈金凯,陈庆奎. 电子技术. 2013(02)
[6]基于遗传算法的认知无线电网络共同信道和功率最优分配[J]. 刘超,张顺颐. 南京邮电大学学报(自然科学版). 2012(06)
[7]基于组合混沌遗传算法的认知无线电资源分配[J]. 俎云霄,周杰. 物理学报. 2011(07)
[8]基于遗传算法的快速认知无线电系统[J]. 黄晨,魏胜群,张华伟,徐婷. 现代电子技术. 2010(07)
本文编号：3375106
【文章来源】：长春工业大学吉林省
【文章页数】：62 页
【学位级别】：硕士
【部分图文】：
美国联邦通讯委员会调查的频谱分配图
图 1.2 认知回路以上主要任务，实现认知无线电通信的关键技术有：谱感知感知技术其主要工作就是检测认知无线电网络中 PU 的通信状态，通过分布、调制类型以及频率成分的检测，确定无线网络中已授权频带的使基于单节点感知，从是否需要知晓 PU 信息的角度出发，提出了匹配滤量检测两种方法。前者检测准确率高但既需要先验信息又需安装专用的运算速度快但受噪声干扰严重。专门针对 SU 检测信号具有周期自相关特征检测方法被提出，它适用于各种不同调制方式的信号和噪声，但计要较长时间。在 CR 网络中，PU 的断开与连接是频繁且随机的，为了干扰，要求感知快速与准确，而以上方法均在可行性和实用性上有所欠，区别于单加点的多用户协作频谱感知技术是公认的一种理想方案，通端灵敏度和用户间的合作来提升准确度与计算速度。态频谱分配频谱分配以频谱感知为前提，在整个认知无线电网络中，可能同时存在
图 2.1 CR 网络模型图下垫式 CR 网络中，授权用户的工作状态受预先设定好的 IT 保护，当认知的干扰功率低于 PU 的 IT 阈值时，SU 被允许以较低的发射功率水平与 PU相同的频谱。考虑到认知用户发射机（Secondary User Transmitter，SU-Tx）户接收机（Primary User Receiver，PU-Rx ）之间的链路上的信道增益，上数学表达式可以表示如下:thiii h p I（2thI 是 PU 的干扰温度阈值，ih 是 SU-Tx 和 PU-Rx 之间的链路上的信道增益，用户i的发射功率。避免对 PU 正常通信产生干扰的前提下，每个 SU 的 SINR 必须高于确定的确保自身通信的可靠性，如下：id （2i 是认知用户 i 的 SINR，d 是确保认知用户可靠通信的最低 SINR。SU 的 S
【参考文献】：
期刊论文
[1]基于遗传粒子群优化的认知OFDM网络资源分配算法[J]. 董莉,宋晓勤,韩杰. 应用科学学报. 2017(03)
[2]离散量子粒子群优化的认知无线电频谱分配[J]. 刁鸣,张志强,高洪元. 计算机工程. 2015(11)
[3]基于遗传粒子群的认知无线电频谱分配[J]. 林培培,杨铁军. 无线电工程. 2014(09)
[4]基于QoS和干扰温度约束的多用户认知无线电网络最优功率分配（英文）[J]. 徐勇军,赵晓晖. 中国通信. 2013(10)
[5]基于艾宾浩斯记忆曲线的单词记忆软件设计[J]. 陈金凯,陈庆奎. 电子技术. 2013(02)
[6]基于遗传算法的认知无线电网络共同信道和功率最优分配[J]. 刘超,张顺颐. 南京邮电大学学报(自然科学版). 2012(06)
[7]基于组合混沌遗传算法的认知无线电资源分配[J]. 俎云霄,周杰. 物理学报. 2011(07)
[8]基于遗传算法的快速认知无线电系统[J]. 黄晨,魏胜群,张华伟,徐婷. 现代电子技术. 2010(07)
本文编号：3375106
本文链接：https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/3375106.html
