认知无线电的频谱分配算法

合集下载

认知无线电中的频谱资源优化分配算法

认知无线电中的频谱资源优化分配算法随着科技的不断发展，无线电通信技术已经成为现代通信领域不可或缺的一部分。

在无线电通信中，频谱资源是最宝贵的资源之一，合理利用频谱资源是无线电通信发展的关键所在。

因此，频谱资源的优化分配算法也就成为了无线电通信领域中一个重要的研究方向。

认知无线电是一种新兴的无线电通信技术，通过实时感知无线电频谱利用情况，发现可用频率，避免与其他频段的干扰，从而实现了对频谱资源的最优化利用。

在认知无线电中，频谱资源优化分配算法的研究与应用具有重要的实际意义和应用价值。

频谱资源的分配算法一般分为静态分配和动态分配两种。

静态分配是指提前确定频率资源分配方案，对网络中频率使用的需求没有及时响应，一旦分配后难以进行调整。

动态分配则是根据实际需求对频率资源进行管理与分配，实现了更快速和更高效的资源分配。

因此，基于认知无线电的频谱资源优化分配算法主要采用动态频谱分配技术。

动态频谱分配技术是指通过实时监测无线电频谱的使用情况，自适应地分配可用的频谱资源。

该技术不仅能够充分利用频谱资源，而且可以在频谱使用状况发生改变时及时进行调整。

因此，动态频谱分配技术其在认知无线电通信中的应用受到了广泛关注。

频谱资源优化分配算法的核心在于如何有效地利用可用的频谱资源。

一般而言，频谱资源分配算法可以分为中心化算法和分布式算法两种。

中心化算法是通过中心节点控制所有的频率资源分配，而分布式算法则是通过各个节点之间的协作实现分配。

分布式算法适用于大规模网络，但是需要设计适合不同应用场景的信令交互机制，中心化算法则适用于小规模网络，但是在实现复杂功能时具有局限性。

总的来看，频谱资源优化分配算法的研究具有重要的理论与实践意义。

但是，在实际应用中，频谱资源优化分配算法的应用仍存在一些问题，如信号传输可靠性、频率干扰等，这些问题需要进一步深入研究与解决。

基于认知无线电的频谱分配算法研究

基于认知无线电的频谱分配算法研究频谱是无线通信中宝贵的资源，为了更高效地利用频谱资源，科学家们开发了一种新型的无线通信技术——认知无线电。

基于认知无线电的频谱分配算法研究就是针对认知无线电技术的特点和需求，进行频谱分配的算法研究，以提高频谱资源的利用效率。

认知无线电（Cognitive Radio，CR）是指具备智能感知和自主决策能力的无线通信系统。

与传统无线通信系统相比，认知无线电系统能够感知周围的频谱环境，根据感知结果进行自主切换和频谱分配，从而更好地适应不同的通信需求，在提高频谱利用率的同时减少干扰，提高通信质量。

基于认知无线电的频谱分配算法研究旨在根据信道状态和用户需求，实现根据需求时分配频谱资源的智能化。

其关键技术包括频谱感知、信道状态评估、频谱分配决策等。

下面将分别对这些关键技术进行详细介绍。

首先，频谱感知是认知无线电中的核心技术之一。

感知技术主要通过收集和分析周围频谱环境的信息，包括未使用的频谱资源、已使用频谱的占用情况以及其他无线设备的活动情况等。

通过感知技术，认知无线电可以准确了解当前的频谱状态，为后续的频谱分配决策提供参考。

其次，信道状态评估是根据感知结果对频谱通道的可用性进行评估的过程。

通过对信道的传输质量、干扰以及其他无线设备的活动情况等进行分析，认知无线电可以判断频谱通道的可行性和可靠性。

这些评估结果将作为频谱分配决策的依据，以确保分配的频谱能够满足用户的通信需求。

最后，频谱分配决策是通过基于感知结果和信道状态评估结果，智能地分配频谱资源给用户的过程。

在决策过程中，认知无线电可以考虑用户的通信需求、优先级以及频谱资源的利用程度等因素，以达到公平、高效的频谱分配。

通过智能化的频谱分配决策，认知无线电可以实时地对频谱资源进行优化配置，从而满足不同用户的通信需求。

基于认知无线电的频谱分配算法研究在无线通信领域有着广泛的应用前景。

它不仅可以提高频谱资源的利用效率，还可以提升通信系统的可靠性和效果。

认知无线电网络中的频谱动态分配方法探索

认知无线电网络中的频谱动态分配方法探索在认知无线电网络中，频谱动态分配方法是一项重要的技术，可以有效地解决频谱资源有限的问题。

本文将探索认知无线电网络中频谱动态分配方法的相关研究和应用。

为了充分利用无线电频谱资源，传统无线通信系统常常采用固定频谱分配的方式，将频谱资源划分为固定的信道，不同用户使用不同的信道进行通信。

然而，固定频谱分配存在一些问题，例如频谱资源利用率低、频谱浪费、频谱利用不均衡等。

认知无线电网络充分利用了无线电频谱资源的闲置情况，通过动态地分配和管理频谱资源，优化频谱资源的利用效率。

频谱感知是认知无线电网络中的一项关键技术，它指的是无线设备通过感知周围的频谱环境，了解当前频谱资源的使用情况。

频谱感知技术可以通过多种方式实现，例如接收端的能量检测、信号特征检测和协作频谱感知等。

通过频谱感知，认知无线电可以实时地获得频谱资源的可用情况，从而进行动态的频谱分配。

频谱分配是认知无线电网络中的另一个重要问题。

传统的频谱分配方法往往是固定的，不具备动态调整的能力。

而在认知无线电网络中，频谱分配可以根据实时的频谱感知结果和网络需求进行自适应的调整。

具体而言，频谱分配可以根据用户的通信需求、频谱资源的可用情况、网络的拓扑结构等因素，采用动态的、优化的方法进行。

通过动态分配频谱资源，可以有效地提高频谱的利用率，减少频谱资源的浪费。

在频谱动态分配方法的研究中，一种常见的方法是基于博弈论的调度算法。

博弈论是一种研究冲突和合作关系的数学工具，可以用于建模和分析无线电通信中的竞争行为。

通过博弈论，可以设计出合理的频谱动态分配策略，促使各个用户均衡地共享频谱资源。

此外，还有其他一些方法用于频谱动态分配，例如神经网络、机器学习等。

这些方法可以根据历史数据和实时感知结果，进行预测和优化，实现更加智能化的频谱分配。

频谱动态分配方法在认知无线电网络中有着广泛的应用。

首先，它可以优化频谱资源的利用，提高无线通信的容量和覆盖范围。

认知无线电中联合功率控制的动态频谱分配算法

认知无线电中联合功率控制的动态
频谱分配算法
认知无线电中联合功率控制的动态频谱分配算法是一种新型的动态频谱分配算法，它可以有效地提高无线电系统的性能。

该方法基于认知无线电技术，采用联合功率控制策略，实现动态频谱分配。

认知无线电中联合功率控制的动态频谱分配算法主要包括三个部分：信道估计、信道分配以及功率控制。

首先，通过信道估计，可以准确的获得认知无线电中的信道容量和质量，从而有效的协调子节点之间的信道使用情况；其次，通过信道分配，可以根据子节点的需求分配不同的信道，并尽可能提高利用率；最后，通过功率控制，可以根据子节点的当前信道使用情况，动态调整功率来提高发送效率，从而提高信道利用率。

认知无线电中联合功率控制的动态频谱分配算法可以有效地提高系统性能，具体表现在：首先，可以改善子节点的频谱使用效率；其次，将可以增加系统的容量，有效降低系统的信道分配时间；最后，可以提高系统的信号覆盖范围，并有效降低系统的干扰水平。

此外，认知无线电中联合功率控制的动态频谱分配算法还可以有效的抑制随机噪声，使系统稳定工作，并有效抑制了蜂窝网络中的传输层抗扰能力，从而提高系统的性能。

总之，认知无线电中联合功率控制的动态频谱分配算法是一种新型的动态频谱分配算法，可以有效地提高无线电系统的性能，提高系统的容量，降低系统的信道分配时间，提高系统的信号覆盖范围，有效抑制了系统的随机噪声，提高系统的传输层抗扰能力，从而获得良好的系统性能。

网络效益最大化的认知无线电频谱分配算法

中图分类号：ＴＰ３０１．６文献标识码：Ａ文章编号：１６７３ — ６２９Ｘ（２０１３）０８ — ００９１ — ０４
ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１６７３ — ６２９Ｘ．２０１３．０８．０２３
ＣｏｇｎｉｔｉｖｅＲａｄｉｏＳｐｅｃｔｒｕｍＡｓｓｉｇｎｍｅｎｔＡｌｇｏｒｉｔｈｍｗｉｔｈＮｅｔｗｏｒｋＢｅｎｅｉｔｆＭａｘｉｍｉｚａｔｉｏｎ
ＺＨＥＮＧＺｈｉ－ｇａｎｇ，ＸＵＥＦｅｉ，ＺＨＯＵＪｉｎｇ－ｑｕａｎ
－
ａｄｐｉｆｖｅｃｒｏｓｓｏｖｅｒａｎｄｍｕｔａｉｔｏｎｏｐｅｒａｔｏｒ、＾，ｉ也ｔｈｅｎｅｔｗｏｒｋｂｅｎｅｉｆｔｍａｘｉｍｉｚａｉｏｔｎａｓｈｅｔｇｏａ１．Ｂａｓｅｄｏｎｉｔ．Ｎｉｃｈｅｔｅｃｈｎｏｌｏｇｙｉｓｉｎｒｏｔｄｕｃｅｄ．
过仿真实验比较了本算法、颜色敏感图论算法与经典遗传算法的性能。结果表明基于自适应小生境的遗传算法不易陷入局部最优，在较少的代数内就可以找到理想最优解，能更好地实现网络频谱效益最大化，其性能优于颜色敏感图论算法和
经典遗传算法。
关键词：认知无线电；频谱分配；小生境ｉｉｖｔｅｒａｄｉｏｓｐｅｃｔｒｕｍａｓｓｉｇｎｍｅｎｔｂａｓｅｄｏｎｓｅｌｆ —ａｄａｐｉｔｖｅＮｉｃｈｅｇｅｎｅｉｃｔｌｇａｏｉｔｒｈｍｉｓｐｒｏｐｏｓｅｄ．ＳｉｍｕｌａｉｔｏｎｓａｒｅｃｏｎｄｕｃｔｅｄｔＯｔｏｍ－ｐａｒｅｔｈｅｐｒｏｐｏｓｄｅｍｅｈｏｔｄｗｉｈｔｃｏｌｏｒｓｅｎｓｉｉｖｔｅｇｒａｐｈｃｏｌｏｉｎｒｇｌｇａｏｒｉｔｈｍｎｄａｃｌａｓｓｉｃａｌｇｅｎｅｉｔｃｌｇａｏｒｉｈｍ．ｔＲｅｓｕｌｔｓｓｈｏｗｈａｔｔｔｈｅｐｒｏｏｓｐｅｄｍｅｈｏｔｄｃａｎｎｏｔｅａｓｉｌｙｔｒａｐｉｎｔｏｌｏｃｌａｏｐｉｔｍｕｍ，ａｎｄＣａ／ｌｉｎｆｄｈｅｔｏｐｔｉｍａｌｓｏｌｕｉｔｏｎｓａｆｔｅｒｏｎｌｙｓｅｖｅｒｌａｇｅｎｅｒａｉｔｏｎｓ，ｗｈａｔｉｓｍｏｒｅ，ｉｔｂｅｔｔｅｒｏｐｔｉ－ｍｉｚｅｓｎｅｔｗｏｒｋｓｐｅｃｔｒｕｍｕｉｔｌｉｚａｉｔｏｎ．Ｔｈｅｐｒｏｐｏｓｅｄｍｅｔｈｏｄｇｒｅａｌｔｙｏｕｔｐｅｆｏｒｍｓｈｅｔｃｏｌｏｒｓｅｎｓｉｉｔｖｅｇｒａｐｈｃｏｌｏｉｒｎｇｌｇａｏｄｔｈｍｎｄａｃｌａｓｓｉｃｌａ

网络效益最大化的认知无线电频谱分配算法

网络效益最大化的认知无线电频谱分配算法郑志刚;薛菲;周井泉【摘要】首先介绍了认知无线电系统中频谱分配的图论着色模型。

针对该模型以网络效益最大化为目标，设计了自适应的交叉和变异算子，并在此基础上引入小生境技术，提出了基于自适应小生境遗传算法的认知无线电频谱分配算法。

通过仿真实验比较了本算法、颜色敏感图论算法与经典遗传算法的性能。

结果表明基于自适应小生境的遗传算法不易陷入局部最优，在较少的代数内就可以找到理想最优解，能更好地实现网络频谱效益最大化，其性能优于颜色敏感图论算法和经典遗传算法。

%Firstly introduce the graph coloring model of spectrum allocation in cognitive radio system. According to this model,design self-adptive crossover and mutation operator with the network benefit maximization as the goal. Based on it,Niche technology is introduced. Then cognitive radio spectrum assignment based on self-adaptive Niche genetic algorithm is proposed. Simulations are conducted to com-pare the proposed method with color sensitive graph coloring algorithm and classical genetic algorithm. Results show that the proposed method cannot easily trap into local optimum,and can find the optimal solutions after only several generations,what is more,it better opti-mizes network spectrum utilization. The proposed method greatly outperforms the color sensitive graph coloring algorithm and classical genetic algorithm.【期刊名称】《计算机技术与发展》【年(卷),期】2013(000)008【总页数】5页(P91-94,99)【关键词】认知无线电;频谱分配;小生境;自适应;遗传算法【作者】郑志刚;薛菲;周井泉【作者单位】南京邮电大学电子科学与工程学院，江苏南京 210003;南京邮电大学电子科学与工程学院，江苏南京 210003;南京邮电大学电子科学与工程学院，江苏南京 210003【正文语种】中文【中图分类】TP301.60 引言当前无线通信技术发展迅速，尤其是无线局域网技术(WLAN)的发展，有越来越多的人通过无线的方式接入互联网，使得无线频谱成为越来越紧缺的资源。

认知无线电网络中的频谱资源分配方法研究

认知无线电网络中的频谱资源分配方法研究频谱资源是无线电通信中的关键资源之一。

在过去的几十年中，各种频率调制技术的不断发展使得无线电通信变得更加高效和方便。

然而，随着移动互联网、物联网和其他大规模无线网络的兴起，频谱资源的需求急剧增加，这就需要更高效的频谱资源分配方法。

认知无线电网络是一种重要的无线网络技术。

它是基于认知无线电技术的，可以有效地利用闲置的频谱资源，提高频谱利用率。

在认知无线电网络中，频谱资源分配方法是一个非常重要的研究领域。

当前，关于频谱资源分配方法的研究主要分为以下几个方面：1. 频谱感知技术频谱感知技术是认知无线电网络中的一项重要技术。

它可以使用无线电接收器获取可用频带的信息，包括频带的空闲时间和空闲频谱的宽度等。

使用这些信息，认知无线电网络可以更好地利用可用的频谱资源，并提高频谱利用率。

2. 频谱分配算法频谱分配算法是认知无线电网络中的另一个重要技术。

它可以根据当前的网络状况和频谱资源需求，动态地分配频谱资源，以最大限度地提高频谱利用率。

目前，常用的频谱分配算法包括基于贪心算法、基于遗传算法和基于深度学习的算法等。

3. 频谱漂移检测技术频谱漂移是指使用频谱资源的设备的工作频率发生变化。

它可能会导致频谱资源分配出现问题，降低了系统的性能。

因此，频谱漂移检测技术是认知无线电网络中的一项非常重要的技术。

它可以通过对设备工作频率的实时监测，及时发现频谱漂移现象，并采取相应的措施。

4. 频谱资源保护技术频谱资源保护技术是认知无线电网络中的一项重要技术。

它可以通过监测周围无线电环境，保护一些需要保护的频谱资源，避免被认知无线电设备使用。

同时，它还可以通过加密和其他安全措施，保护无线电通信的安全性。

5. 自适应频谱分配技术自适应频谱分配技术是认知无线电网络中的一项新兴技术。

它可以根据网络中设备和应用程序的实时需求，动态地分配频谱资源。

与传统的频谱分配算法相比，自适应频谱分配技术可以更好地适应网络环境的变化，提高了网络的适应性和性能。

认知无线电网络中的频谱分配算法研究

认知无线电网络中的频谱分配算法研究随着智能手机的普及和移动通信技术的不断发展，无线电网络已经成为人们日常生活中必不可少的一部分。

在无线电网络中，频谱分配算法起着至关重要的作用。

频谱分配算法指的是根据网络需求和无线电信道特性，对无线电信道进行合理分配，最大程度地提高网络的效率和容量，同时避免信道冲突和干扰。

本文将探讨认知无线电网络中的频谱分配算法研究，并对其进行深入分析和论述。

一、认知无线电网络的概念认知无线电网络（Cognitive Radio Network，CRN）是指在无线电传播中使用了一些人工智能技术的无线电通信系统。

其核心思想是通过对周围无线电环境的感知，并根据感知到的无线电信道信息，选择最优的频谱资源。

当然，要实现这一目标，需要依靠一些高效的频谱分配算法。

二、频谱分配算法的研究概述频谱分配算法是目前无线电网络中的重要研究方向，它不仅可以提高频谱利用率，还能有效地避免信道冲突和干扰。

自20世纪80年代以来，频谱分配算法研究始终是无线电通信的一个热点领域。

目前，主要的频谱分配算法包括扫描算法、最小影响算法、贪心算法、遗传算法等。

1、扫描算法扫描算法是一种非常简单的频谱分配算法，也是最早被提出的一种算法。

它通常是通过定期扫描空余频道来完成频谱分配的，这种算法的优点在于实现简易、计算量小。

但缺点也很明显，它只适用于小型网络，难以扩展。

2、最小影响算法最小影响算法是一种优化算法，通过选择对其他电台影响最小的频道，完成频谱分配。

这种算法重视频谱资源之间的冲突，频段全部利用时间较长，但也存在明显的弊端，即频段利用不足，频道切换频繁。

3、贪心算法贪心算法可以快速地对频道进行分配，并且能够最大限度地减少不必要的频段空置。

这种算法适合中等大小的网络，具有分配效率高、计算量小等优点。

4、遗传算法遗传算法是一种优化算法，它使用生物进化的思想来优化频道分配。

这种算法具有计算速度慢、可靠性较高等特点，在面对过大规模的网络时非常有效。

认知无线电系统中频谱分配算法的研究的开题报告

认知无线电系统中频谱分配算法的研究的开题报告题目：认知无线电系统中频谱分配算法的研究一、选题背景随着无线通信技术的不断发展和普及，移动设备的数量和种类越来越多，人们对于无线通信的需求也越来越高。

然而，现有的无线通信系统中已经使用的频谱资源已经达到了极限，频谱短缺已经成为制约无线通信系统发展的关键因素之一。

因此，如何合理地利用频谱资源来满足各类通信需求成为了当今无线通信领域的一个热门研究方向。

认知无线电系统是一种新型的无线通信技术，它通过对周围环境进行感知和分析，利用未被使用的频谱资源来满足不同用户的通信需求。

频谱分配算法是认知无线电系统的关键技术之一，它决定了认知无线电系统的性能和效率。

因此，对于认知无线电系统中频谱分配算法的研究成为了当前无线通信领域的一个重要研究课题。

二、研究目的本研究旨在探讨认知无线电系统中频谱分配算法的研究，并且开发一种高效的频谱分配算法，实现在认知无线电系统下对于频谱资源的优化利用。

具体目的如下：1.了解认知无线电系统的技术原理和应用现状。

2.分析目前认知无线电系统中频谱分配算法存在的问题，如频谱分配效率低、频谱分配策略复杂等，探讨改进方案。

3.针对现有算法的局限和不足，提出一种高效的认知无线电系统中频谱分配算法，并进行实验验证。

三、研究内容和方法研究内容：1.认知无线电技术原理和应用现状的分析。

2.现有认知无线电系统中的频谱分配算法分析。

3.针对目前分配算法中存在的问题，提出改进方案。

4.设计一种高效的认知无线电系统中频谱分配算法，并进行实验验证。

研究方法：1.文献研究法，收集和整理大量的相关文献，深入了解认知无线电技术和频谱分配算法的理论知识和应用现状。

2.数据分析法，通过对实验数据的分析，比较不同频谱分配算法的效率和可靠性。

3.算法设计和仿真实验法，设计并仿真实验提出的高效频谱分配算法，并对其效果进行验证。

四、预期成果1.论文：撰写一篇关于认知无线电系统中频谱分配算法的研究论文，明确研究目的、方法和成果，有效论证提出的算法优点和实际应用价值。

认知无线电中的联合准则频谱分配算法

认知无线电中的联合准则频谱分配算法刘玉涛;蒋梦雄;徐聪;谭学治【摘要】动态频谱共享技术允许认知用户接入未授权的频谱,可以有效地提高频谱资源的利用率.针对图论着色算法中产生的单轮分配聚集现象,提出了基于协作式最大化频谱总效用和协作式最大化比例公平的联合准则算法.该算法在计算节点间的着色标号时采用不同的准则,进而提高了用户间分配的公平性,同时降低了时间开销.%The dynamic spectrum access technology can achieve near-optimal spectrum utilization by allowing cognitive users to sense and utilize available spectrum opportunistically. Aiming at the "phenomena of once-assignment aggregation" of the graph coloring algorithms, a novel joint rules algorithm based on the collaborative max sum bandwidth rule and collaborative max proportional fair rule is proposed. The algorithm uses two different rules when calculating the node label, through which the allocation fairness between the cognitive users is improved, and the time overhead is reduced at the same time. Simulation results verify the feasibility and validity of the proposed algorithm.【期刊名称】《西安电子科技大学学报（自然科学版）》【年(卷),期】2012(039)002【总页数】6页(P45-50)【关键词】认知无线电;频谱分配;联合准则算法;公平性;时间开销【作者】刘玉涛;蒋梦雄;徐聪;谭学治【作者单位】中国电子科技集团公司第五十四研究所,河北石家庄050081;哈尔滨工业大学通信技术研究所,黑龙江哈尔滨150080;哈尔滨工业大学通信技术研究所,黑龙江哈尔滨150080;中国电子科技集团公司第五十四研究所,河北石家庄050081;哈尔滨工业大学通信技术研究所,黑龙江哈尔滨150080【正文语种】中文【中图分类】TN929.5在正交频谱接入的情况下,认知用户独立占用授权用户的信道而无须考虑来自其他用户的干扰,因此,可以采用图论着色模型来分析问题[1-2].将认知无线电的拓扑结构抽象成“图”,节点表示各个认知用户,节点之间的边表示邻接的两个用户采用相同的信道时产生的干扰.这样,认知用户之间的信道分配问题就转化为图论中的顶点着色问题[3-6].针对频谱差异性及认知用户的频谱效用问题,Peng[6]等提出了颜色敏感的图着色(Color Sensitive Graph Coloring,CSGC)算法.颜色敏感的图着色算法以一个最优化的效益函数为分配目标,按照某个分配准则对频段进行标记,选择标签最大的频段分配给用户使用.每次分配时系统选取对目标贡献最大的顶点,即每次获得最大标号的顶点.为了实现不同的预期目标,对于不同的效用函数,算法将采用不同的标号方法去满足效用函数的需求.协作式最大化总带宽(Collaborative Max Sum Bandwidth,CMSB)准则综合考虑了整个系统的利用率和对邻居节点的冲突,而协作式最大化比例公平(Collaborative Max Proportional Fair,CMPF)准则是在考虑相邻用户干扰的情况下最大化系统的比例公平性.颜色敏感的图着色算法的一个缺点就是运算量过大,并随着用户数和频段数的增加成非线性增加.因此,廖楚林[7]等提出了并行频谱分配算法.该算法可以得到与颜色敏感的图着色算法相同的分配矩阵,且缩短了分配周期,从而适应了认知无线电对环境的快速感知的要求.在上述算法中,不同准则是独立应用的.例如在颜色敏感的图着色算法中,协作式最大化总带宽准则的目标是最大化系统总效益,而协作式最大化比例公平准则的目标是最大化系统公平性,各准则不能同时使用.在并行算法中,如果标号计算时使用同一准则,极有可能产生将大量信道分给同一用户的情况,这种现象称为单轮分配聚集现象.因此,笔者提出了联合准则算法,在计算标号时各节点间采用不同的准则,进而减少了单轮分配聚集现象的影响,提高了分配的公平性,节省了时间开销.1.1 系统模型及假设假设M个授权用户和N个认知用户同时存在于1×1区域内,认知用户以“机会主义”的形式伺机接入授权用户的频谱,从而实现频谱资源的充分利用.假设授权用户与认知用户的覆盖范围均为0.3,在授权用户覆盖范围内的认知用户不能使用相应的频谱;同时,当认知用户之间的距离小于0.3时,他们不能使用同一条信道.假设认知用户采用x-QAM调制和理想的相位检测技术来接入授权用户的频谱,其效用可以用通信速率表示[8]:其中,Bj表示信道j的带宽;pi,j和分别表示用户i在信道j上的传输功率及增益;σ20为单位带宽上的噪声功率.K表示用户的误码率要求,它可以是x-QAM调制与山农容量之间的信噪比差异.对于加性高斯白噪声信道,K表示为其中,RBER表示误码率.1.2 优化目标频谱分配算法的评价标准主要有频谱总效用、用户公平性以及时间开销.为对各评价指标进行量化,给出效益矩阵、干扰矩阵和分配矩阵的定义.效益矩阵B=[bi,j]N×M,bi,j表示用户i使用频带j所带来的效益权重,这里用通信速率来表示.干扰矩阵C=[ci,k|ci,k∈{0,1}]N×N,ci,k=1表示用户i和用户k使用相同的信道时会产生干扰;当他们之间的距离大于0.3时,用户i和用户k可以使用相同的信道,即ci,k=0.频谱分配矩阵A=[ai,j|ai,j∈{0,1}]N×M,ai,j= 1表示频带j被分配给用户i.矩阵A必须满足无干扰条件,即对任意的信道j,当ci,k=1时,应有这样,可以得到频谱分配的以下优化目标:(1)最大化频谱总效用.其目的是找到最优的频谱分配矩阵,最大化系统的频谱资源利用率,可以表示为其中,ΛN×M表示所有可能的频谱分配矩阵.(2)最大化比例公平.其目的是保证分配过程中用户之间的公平性.为保持与用户效用单位的一致,用户间的公平性表示为[3,6](3)节省时间开销.在频谱分配过程中,设每次分配的时间开销为一个周期t,即相邻两次拓扑更新的时间间隔为t,则算法的时间开销为循环次数乘以t,完全由算法的循环次数来决定.联合准则算法根据不同准则的联合方式可以分为水平联合准则算法、垂直联合准则算法和混合联合准则算法.水平联合是指在每一轮的分配过程中一部分子图采用某一准则,其余子图采用另一准则;垂直联合是指先将一部分子图采用某一准则分配完毕,然后再将剩余子图采用另一准则进行分配;混合联合是指先将一部分子图采用某一准则分配完毕,然后再将剩余子图采用水平联合准则算法进行分配,即先垂直,后水平的联合方式.2.1 水平联合准则算法水平联合准则算法的流程为:首先,初始化拓扑图,把拓扑图分解为多个子图;然后在每个子图中独立地按照各自的准则计算标号值,不同的子图中的准则可能不同,其中有Mkα(Mk为第k轮分配时的子图数,α定义为水平联合系数,0≤α≤1)个子图中采用协作式最大化总带宽准则,其他子图采用协作式最大化比例公平准则.随后,在每个子图Gm=(Vm,Em)中选择使labeli,m最大的节点并将信道m分配给该节点,因此每一轮分配过程中可以分配Mk个信道.最后,更新整个拓扑结构图,去掉已分配完成的信道,更新已分配矩阵,重复以上的过程,直到所有子图分配完毕.联合准则算法的流程图如图1所示.事实上,当α=0时,联合准则算法即为改进的并行算法的协作式最大化比例公平准则算法;当α=1时,联合准则算法即为改进的并行算法的协作式最大化总带宽准则算法.2.2 垂直联合准则算法垂直联合准则算法的流程为:首先,初始化拓扑图,把拓扑图分解为多个子图;然后,将Mβ(0≤β≤1)个子图按照协作式最大化总带宽准则计算标号值,并进行分配;随后,将剩余的子图按照协作式最大化比例公平准则计算标号值,并进行分配,直到所有用户的频谱列表为空.事实上,当β=0时,垂直联合准则算法即为改进算法的协作式最大化比例公平准则算法;当β=1时,垂直联合准则算法即为改进算法的协作式最大化总带宽准则算法.2.3 混合联合准则算法混合联合准则算法的流程为:首先,将拓扑图分解为M个子图,对其中Mβ(0≤β≤1)个信道使用协作式最大化总带宽准则进行分配;然后,对剩余的M(1-β)个信道使用水平联合准则进行分配,联合系数为α.当β=1时,混合联合准则算法就是改进算法的协作式最大化总带宽准则算法;当β=0时,混合联合准则算法就是水平联合准则算法;当α=0时,混合联合准则算法就是垂直联合准则算法.下面以水平联合准则算法为例,寻找联合系数的确定方法.在水平联合准则算法中,水平联合系数α定义为每一轮计算标号的时候使用协作式最大化总带宽准则的子图数与该轮分配时的总子图数之比.为了分析水平联合系数对系统公平性的影响,对以下4种情况系统公平性随水平联合系数的变化情况进行仿真: (1)认知用户数N为10,信道数M为10;(2)认知用户数N为10,信道数M为20;(3)认知用户数N为20,信道数M为10;(4)认知用户数N为20,信道数M为20.每种情况下随机生成1 000个拓扑图,计算α取不同值时,1 000个拓扑图的系统公平性的平均值,其结果如图2所示.由图2可知,对于某一固定情况,水平联合系数α在0～1之间存在一个使得系统公平性最大的极值;对于不同的情况,使公平性最大的极值也不尽相同.例如对于情况(2),当α=0.15时可以使系统的公平性最大.事实上,如果进行多次的仿真,就可以发现,即使对于某一固定的情况,由于其拓扑结构的随机性和随机产生的拓扑数的有限性,使其公平性最大的α的极值也不是相同的.但α的极值也不是连续变化的,而是在几个值之间取值.因此,为了确定某一情况下α的极值,可以在该种情况下多次求解α的极值,然后取诸多数值中的众数作为该种情况的最佳α.认知用户数不同和信道数不同时,最佳α取值也不尽相同.笔者对认知用户数固定为5时最佳α随着信道数的变化规律进行了仿真,其结果如图3所示.由图3可知,不同认知用户数和不同信道数时最佳α不同,且没有明显的规律性,所以需要分别求出认知用户数及信道数变化时的最佳α值.同理,可以得出信道数固定时的最佳α变化规律,这里不再详细介绍.仿照水平联合系数的确定方法,可以同样确定垂直联合准则算法和联合准则算法的联合系数,这里不再详细介绍.下面对联合准则算法的性能进行仿真分析和验证.假设授权用户的信道是相互正交的,且各条信道的带宽均为20 k Hz,认知用户接收端的误码率水平为10-4.单位带宽上的噪声功率水平为10-11W/Hz,认知用户的发射功率及信道增益分别在[10 m W,100 m W]及[10-6,10-5]上随机分布.在分析过程中,为保证结果的正确性,对同一性能的比较各进行1 000次仿真.首先来分析和比较3种联合准则算法与颜色敏感的图着色算法和并行算法的用户公平性.当N=10时,用户公平性随M变化的情况如图4(a)所示;当信道数不变且M=20时,用户公平性随N变化的情况如图4(b)所示.由图可知,水平联合准则算法、垂直联合准则算法和混合联合准则算法的系统公平性相对于并行算法都有了较大的提高,三者之中水平联合准则算法的公平性最差,垂直联合准则算法好于水平联合算法,混合联合算法的系统公平性最好.图5所示分别为认知用户数与信道数不变时通过联合准则算法、颜色敏感的图着色算法以及并行算法得到的系统总效用.由图5可知,水平联合准则算法的认知用户总效益最高,垂直联合准则算法和混合联合准则算法的认知用户总效益略低,但是三者之间的差距比较小.图6所示为联合准则算法与颜色敏感的图着色算法和并行算法的时间开销比较.由图6可知,水平联合准则算法的时间开销与并行算法的时间开销近似相等;垂直联合准则算法的时间开销要大于水平联合准则算法.这是因为垂直联合准则算法将所有信道分为两部分,进行先后的分配,所以其时间开销接近于水平联合准则算法的两倍;混合联合准则算法的时间开销近似等于垂直联合准则算法.3种联合准则算法的时间开销都与信道数无关,但会随着认知用户数的增加而增加.联合准则算法是在并行算法的基础上提出的.该算法在分配信道的时候使用两种不同准则:协作式最大化总带宽准则和协作式最大化比例公平准则.通过对联合准则算法的仿真分析发现,水平联合准则算法相对于并行算法来说,在不增加时间开销的情况下提高了用户间分配的公平性及用户总效用;垂直联合准则算法的时间开销是水平联合准则算法的两倍,但其系统公平性远好于后者;混合联合准则算法的时间开销等于垂直联合准则算法,但系统公平性高于垂直联合准则算法.在研究中α的选取是根据多次试验得到的.以后的研究中笔者将探讨求解α的经验公式.此外还将进一步从理论上分析混合联合准则算法性能较好的原因.【相关文献】[1]Necker M C.Integrated Scheduling and Interference Coordination in Cellular OFDMA Networks[C]//Fourth International Conference on Broadband Communications,Networksand Systems.Raleigh:IEEE Inc,2007:10-14.[2]Agusti R,Ferrus R,Churchman M,et al.A Channel Allocation Algorithm for OSA-enabled IEEE 802.11 WLANs [C]//6th International Symposium on Wireless Communication Systems.Tuscany:IEEE,2009:468-472.[3]Zheng H,Peng C.Collaboration and Fairness in Opportunistic Spectrum Access[C]//2005 IEEE International Conference on Communications.Seoul:IEEE Inc,2005:3132-3136.[4]李一兵,杨蕊,高振国.基于着色理论的认知无线电频谱分配[J].系统工程与电子技术,2010,32(6):1109-1112. Li Yibing,Yang Rui,Gao Zhenguo.List-coloring Based Spectrum Access in Cognitive Radio Networks[J].Systems Engineering andElectronics,2010,32(6):1109-1112.[5]Wang W,Liu X.List-Coloring Based Channel Allocation for Open-Spectrum Wireless Networks[C]//2005 IEEE 62nd Vehicular Technology Conference.Stockholm:IEEECS,2005:690-694.[6]Peng C,Zheng H,Zhao B Y.Utilization and Fairness in Spectrum Assignment for Opportunistic Spectrum Access[J]. Mobile Networks and Applications,2006,11(4):555-576.[7]廖楚林,陈劼,唐友喜,等.认知无线电中的并行频谱分配算法[J].电子与信息学报,2007,29(7):1609-1611. Liao Chulin,Chen Zhe,Tang Youxi,et al.Parallel Algorithm of Spectrum Allocation in Cognitive Radio[J].Journal of Electronics&Information Technology,2007,29(7):1609-1611.[8]Liu Yutao,Jiang Mengxiong,Tan Xuezhi,et al.Maximal Independent Set Based Channel Allocation Algorithm in Cognitive Radios[C]//2009 IEEE Youth Conference on Information,Computing and Telecommunications.Piscataway: IEEE CS,2009:1-4.。

基于认知无线电的动态频谱分配算法研究

ＣＧＣ算法实现的目的是全局最优分配，Ｓ在不考虑上次分
配信息的情况下，新对每一个用户的频率使用进行分配，重因此运算量较大。在协作式和非协作式条件下，基于效益和公平性的考虑，以通过制定协作式最大带宽（ＭＳ）可ＣＢ和最大比
配算法来解决电磁频谱动态分配问题。
关键词：认知无线电；频谱分ｆ；ｉ算法ｇ中图分类号：Ｎ９５Ｔ２文献标识码：Ａ
文章编号：６３１３（０２０－０３０１７－１１２１）５０２－２中的元素，表示用户ｎ使用频谱ｉ能获得的效益（ｎ所带宽）的
化。
参考文献：
［】Ｗｅ．ｎ，ｎｉ．ｉ－ｏｏｉｇａｅｈｎｅＡｌｃｏ１ｉＷａｇＸｉＬｕＬｓＣｌｒｓｄａｎｌｌ￣ｉｔｎＢＣｏｎｆｒＯｅ－ｐｃｕＷｉｌｓｔｒｓＣ．ｒｃｅｉｇｆｏｐｎＳｅｔｍｒｅｓｗｏｋ［］ＰｏｅｄｎｓｏｒｅＮｅ
２供应方云和客户端云建模研究
假设：（）设整个过程中这ｈ个文件被下载次数分别为１
上
ｍｌ ≥ｍ２ ≥… …
ｍ。记Ｍ＝ｍ。ｈｉ
（）由于一般可以认为文件被下载的次数近似满足Ｚｐ２ｉｆ分布，以假定ｎ。分布也近似满足Ｚｐ分布，可ｌ的ｉｆ即ｍ；Ｃ一＝ｉ，其中Ｃ和．为常数。
＋＝＋

在遮蔽衰弱环境下认知无线电网络的高效频谱分配算法

现代空中交通管理课程报告学号：ZY1402111姓名：董鑫学院：电子信息工程学院2014年12月22日在遮蔽衰弱环境下认知无线电网络的高效频谱分配算法这篇文章主要提出了一种综合考虑节点的地理位置和衰落，通信线路的质量，初级网络和次级网络之间的干扰，用户的行为和二级用户间公平性等问题的新型动态频谱分配（DSA）算法。

仿真结果显示当使用该算法时，信道利用率达到了一个较高的水平。

一、介绍认知无线电技术是一种能够感知它周围的环境，以提供可靠并高效的通信为目标，可以学习和适应它的运行参数的无线电。

为了提高分配效率，二级用户将会被允许接入初级用户的频谱。

而目前有三种接入频谱的方案：interweave, underlay, overlay。

在interweave 方案中，SU只能接入当前没有被PU利用的频谱。

另一方面，underlay 接入方案中，只要SU所引给PU的干扰小于一个门限值，PU和SU就能同时利用同一频带。

Overlay方案为了缓和认知无线电中的干扰，在认知信号发送器上运用了一种复杂的编码技术。

而本篇文章所提出的算法将采用一种混合interweave和underlay的方案。

为了提高频谱分配的效率，应该协调介质访问，介质访问可以被分为两类：DAB和DSA。

而DSA能使二级用户接入没有被初级用户充分利用的频谱。

其他研究也提出了一些频谱分配的算法，然而他们都没有考虑到一些决定因素。

而该篇文章的贡献主要在四个方面：1、处理了由基站控制的次级用户间分享频谱机会的问题。

2、在优化问题中考虑了干扰的等级、通信线路可用性的概率和节点的地理位置等因素。

3、在算法中综合了interweave和underlay方案，并更倾向于interweave方案。

4、当同时给次级用户分配超过一个频道时，考虑到了次级用户节点间的公平性问题。

而以上这些方面之前并没有人综合的考虑过。

二、网络模型1、网络描述网络的拓扑结构被假设遵从密度为的齐次泊松点过程，因此节点的数量将是一个遵循泊松分布的变量，在网络M中有m个节点的概率为这篇文章所研究的无线频谱包含N个带宽为B的不重叠的频带。

认知无线电网络中基于婚姻配对的频谱分配算法

Ｓ，假设在中存在两个有序对（，和（ｍ’ ，Ｗ’ ），通过
Ｇａｌｅ — Ｓｈａｐｌｅｙ算法以后，假设存在和ｗ’ 相互喜欢的程
度都超过各自的配偶，即喜欢ｗ ’ 超过喜欢自己的配偶
组合数学中的匹配算法问题，它一般描述的情况是：有ｎ个男子和ｎ个女子，每个人对对方都有一个严格的偏好优
先级排序，在设置好双方的偏好优先级后，将他们进行匹配，使得任何一对夫妻对于对方的偏好优先级都要大于其
Ｗ，那么一定在与自己配偶结婚之前就对ｗ ’ 求婚了。如
果ｗ’ 接受了Ｉ１＂１的求婚，但最终却并未与配对，说明ｗ ’
，
的集合为｛ｌ，２ … … Ⅳ ｝，共有Ⅳ 个次用户。本文
引入稳定婚姻配对算法解决可用频谱的分配问题，以满足
次用户的需求及系统效用。本文首先设定了次用户对可用频谱的偏好优先级准
圜困国园
他们首先验证了稳定配对的存在性，并根据该算法得
还有相对于更喜欢的人存在，从而可以推断ｗ’ 对ｔＦＩ的喜欢不会超过自己的配偶。因此假设矛盾，最终会得到一个
稳定的配对。
他男女，即如果存在一对非夫妻的男子和女子，他们对于对方的喜好程度都大于各自的伴侣，这样的两对夫妻就称
为不稳定婚姻，会造成婚姻破裂，如果不存在此情况，就可得到一个稳定的婚姻状态。

认知无线电网络中的频谱资源分配算法研究

认知无线电网络中的频谱资源分配算法研究随着移动通信技术不断的发展，无线电网络已经成为我们日常生活中必不可少的一部分。

然而，与此同时，频谱资源的有限性也成为了无线电网络发展难以避免的问题。

为了更加充分地利用现有的频谱资源，频谱资源分配算法的研究变得愈加重要。

一、无线电网络中的频谱资源分配问题频谱资源的分配是无线电网络中的重要问题之一。

由于无线电信号必须占用一定的频带，因此不同的无线电信号必须分配不同的频谱资源。

在一定的时间和空间范围内，无线电网络需要对频谱资源进行合理分配，以满足多个用户的通信需求。

随着用户数量的不断增加以及数据传输量的不断增加，频谱资源的有限性也成为了无线电网络中不可避免的问题。

另外，由于不同用户之间的通信需求不同，因此在对频谱资源进行分配时，需要考虑不同用户的通信需求，以实现最优的资源分配。

二、常用的频谱资源分配算法1. 随机频谱资源分配算法随机频谱资源分配算法是一种简单的分配方法。

在该算法中，无线电网络将可用的频谱资源随机分配给用户，以满足其通信需求。

尽管该算法比较简单，但是由于其快速实现和易于操作的优点，该算法在一些应用场景中仍然被广泛使用。

2. 基于功率控制的频谱资源分配算法基于功率控制的频谱资源分配算法是一种基于信号强度进行分配的方法。

在该算法中，无线电网络可以根据用户的距离和信号强度对其进行不同的功率控制，并根据功率控制结果优化频谱资源分配。

该算法可以有效减少频谱资源的使用，从而达到节省资源的目的。

3. 基于QoS的频谱资源分配算法基于QoS(服务质量)的频谱资源分配算法是一种基于用户需求进行分配的方法。

在该算法中，无线电网络可以根据用户通信质量的要求，对可用的频谱资源进行不同的分配，以实现最佳的服务质量。

该算法可以有效提高用户的满意度和体验，从而提高网络的整体性能。

三、结语在无线电网络中，频谱资源分配是一个非常重要的问题。

为了更加充分地利用有限的频谱资源，我们需要进行不断的研究和探索，以找到最佳的分配算法。

认知无线电中频谱和功率分配算法研究的开题报告

认知无线电中频谱和功率分配算法研究的开题报告一、题目认知无线电中频谱和功率分配算法研究二、研究背景和意义随着移动通讯技术的不断发展和普及，无线电频谱资源日益紧缺，频谱资源的高效利用成为无线通讯领域亟待解决的问题。

传统的频谱分配方法存在着各种限制和局限，无法满足移动通讯系统不断增长的需求。

因此，认知无线电技术应运而生，认知无线电技术能够自适应地利用和管理频谱资源，可以有效地提高频谱利用率，降低无线通信成本，提升用户体验。

中频谱和功率分配是认知无线电技术的核心问题，其研究将对未来通讯系统的性能和应用范围产生深远的影响，具有重要的现实意义和理论意义。

三、研究内容和方法本研究计划针对认知无线电的中频谱和功率分配问题，研究分析目前的研究现状和发展趋势，在此基础上，提出创新的中频谱和功率分配算法并进行实验验证。

具体的研究内容包括：1.分析目前中频谱和功率分配算法的优缺点，总结经验和不足。

2.探究基于机器学习和神经网络的认知无线电中频谱和功率分配算法。

3.研究基于群智能的认知无线电中频谱和功率分配算法，如粒子群优化算法、遗传算法等。

4.设计并实现基于上述算法的中频谱和功率分配系统，并在实验环境下进行仿真和测试。

本研究将采用理论分析、算法设计和系统实验与仿真相结合的方法进行研究，旨在提出适合认知无线电的中频谱和功率分配算法，为移动通讯系统的实际应用提供有力支撑。

四、研究目标和计划本研究的主要目标是针对认知无线电中频谱和功率分配问题，提出高效、可靠的算法，并设计出基于上述算法的中频谱和功率分配系统，为认知无线电的实际应用提供支撑。

具体的研究计划如下：1.年初-年中：完成文献调研和相关理论的梳理，分析中频谱和功率分配算法的现状和发展趋势。

2.年中-年末：提出创新的中频谱和功率分配算法，并进行仿真和测试验证。

3.年末-明年初：撰写论文并进行论文答辩。

五、预期成果和参考文献本研究预期将提出一种高效、可靠的认知无线电中频谱和功率分配算法，并设计基于该算法的中频谱和功率分配系统，该算法在比较最新的算法后减小复杂性，我们将使用基础的随机森林算法实现。

一种认知无线电系统双门限频谱分配算法

ＡｌｇｏｒｉｔｈｍｉｎＣｏｇｎｉｔｉｖｅＲａｄｉｏＳｙｓｔｅｍ
ＷａｎｇＪｉｏｎｇｔａｏ，ＪｉｎＭｉｎｇ，ＬｉＹｏｕｍｉｎｇ，ＺｈｅｎｇＪｉｎｇｊｉｎｇ
以认知用户接人数量最大化为优化目标进行频谱分配；当信噪比介于两门限之间时，由授权用户单独进行数
据传输。理论分析和仿真表明，当授权用户信噪比低于较小门限时，所提方法能提高授权用户的信道容量；当授权用户信噪比大于较大门限时，所提方法可以提高认知用户的接人数量。关键词：认知无线电；双门限：频谱分配
ｓｐｅｃｔｒｕｍａｌｌｏｃａｔｉｏｎａｌｇｏｒｉｔｈｍｗａｓｐｒｏｐｏｓｅｄ．Ｔｗｏｓｉｇｎａｌ－ｔｏ－ｎｏｉｓｅｒａｄｉｏ（ＳＮＲ）ｔｈｒｅｓｈｏｌｄｓｗｅｒｅａｌｓｏｇｉｖｅｎ．ＩｆＳＮＲｉｓ
０曩∥ １｜ｌ ■
研究与开发ｌｌ＿叠一ｊｌｉ黑
Hale Waihona Puke 孽一种认知无线电系统双门限频谱分配算法
王炯滔，金明，李有明。郑静静
（宁波大学信息科学与工程学院宁波３１５２１１）
摘要：基于认知无线电系统中Ｕｎｄｅｒｌａｙ频谱共享模型，提出了一种双门限频谱分配算法。给定两个信噪比门

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

ቤተ መጻሕፍቲ ባይዱ
ｔｅｎｌｓｓｆｈａａｅｓｅｔｍａｌａｏｇｒｈｄＣＧ（ｏｒｅｓｉｒｈｏｏｎ）ｌｒｈａｄｒｈａｅｔｅｒｌｌｐｃｒｏｔｎｌｏｉｍａＳＣｃｌ＿ｎｉｖｇａｌｇａｇｉｍ，ｎ－ａｙｏｐｌｕｌｃｉａｔｎ０ｓｔｅｐｃｒｉｏｔｐ
ｏｏｅｈｔｈｒｂｅｏｏｔｎｃｓｒａｅｓｌｅｙｐｒｌｌｓｅｔｍｌｃｔｎａｇｒｔｍｎｔｅｌｈｆｐｓｓｔａｅｐｏｌｍｆｂｔｅｅｋｕｅｓｃｎｂｏｖｄｂａａｌｐｃｒａｌａｉｌｏｉｔｌｅｕｏｏｈｉｈｉｔｏｇ
认知无线电的频谱分配算法
席志红，晋野，李娅
（尔滨工程大学信息与通信工程学院，哈黑龙江哈尔滨１００）５０１
摘
要：认知无线电的频谱分配问题存在瓶颈用户，针对该问题，析了并行频谱分配算法和ＣＧ（ｏｒｅｓｉｅｇｐ分ＳＣｃｌ－ｎｉｖｒｈｏｓｔａ
第３卷第２期７
２１００年２月
应
用
科
技
Ｖｏ．７．．１３Ｎｏ２Ｆｂ２０ｅ．０１
ＡｐｌｅＳｉｎｅａｄＴｃｎｌｇｐｉｄｃｅｃｎｅｈｏｏｙ
ｄｉ１．９９．ｓ．０ — ７Ｘ２１．．３ｏ：０６￣ｉｎ１９６１．０２０３ｓ００００
ＸＩｈ－ｏｇＪＮＹｅＬｉｎ，Ｉ，ＩＺｈＹａ
（ｏｅｅｆｎｏｍｔｎｎＣｍｍｎｃｔｎｎｉｅｒｇＨａｂｎｎｉｅｇｎｖｒｔ，ａｂｎ５０１ＣｉａＣｌｇｏＩｆａｉａｄｏｕｉｉＥｇｅｎ，ｒｉＥｇｎｅｎＵｉｅｓｙＨｒｉ００，ｈｎ）ｌｒｏａｏｎｉｉ１
ａｄｔｅｓｅｔｍｔｉａｉｎｒｔｒｎｌｚｄａｄｓｍｕａｅ．ｈｉｌｔｎｒｓｌｉｄｃｔｓｔａｈｒｑｅｃｎｈｐｃｒｕｕｉｚｔａｅａｅａａｙｅｎｉｌｔｄＴｅｓｍｕａｉｅｕｔｎｉａｅｈｔｔｅｆｕｎｙｌｏｏｅｓｅｔｍｔｉａｉｎｏｅｂｖ－ｎｉｎｄｔｏａｇｒｈｌｓｅｓｍｅＨｏｖｒｔｅｉｏｓｍｉｇｉａａｌｌｐｃｒｕｉｚｔｔｏｅｍｅｔｅｌｏｔｍｓｓｍｏｔｈａ．ｗｅｅ，ｈｍｅｃｎｕｎｐｒｌｕｌｏｆｈａｏｗｉｉａｔｔｎｅ
ａｇｒｔｍｓｍｕｃｅｓｔａｈａｆＣＳｌｏｈｉｉｈｌｓｈｎｔｔｏＧＣｌｏｔａｇｒｈｍ．ｗｈｃｓｂｅｅｃａｏｍｅｔｔｅｒｑｉｅｎｆａｔａｌｃｔｏｆｉｉｈｉｎｆｉｌｔｅｈｅｕｒｍｅｔｏｓｌｏａｉｎｏｉｆ
ＡｂｔａｔＴｅｓｅｔｕａｌｃｔｎｉｏｎｔｅｒｄｏｈｓｏｔｎｃｓｒｏｓｌｅｔｉｐｏｌｍ，ｔｉｐｐｒｒｓｎｓｓｒｃ：ｈｐｃｒｍｌａｉｃｇｉｖａｉａｔｅｅｋｕｅ￣Ｔｏｖｓｒｂｅｏｏｎｉｂｌｈｈｓａｅｅｅｔｐ
ｃｌｉｇ算法，ｏｒ）ｏｎ提出在ＣＭＭＢｃｌｂｒｔｅｍｘｒｎｂｎｗｄｈ准则下，（ｏａｏａｖ－ａ－ｉ－ａｄｉｔ）ｌｉａ用并行分配算法来解决瓶颈用户问题，并对系统时
间开销和频谱利用率等性能指标进行了仿真分析．结果表明，行分配算法和ＣＧ算法的频谱利用情况大致相当，并ＳＣ但并行算法的系统时间开销却明显减少，更有利于满足认知无线电中频谱快速分配的要求．
关键词：认知无线电；频谱分配；ＳＣ算法；ＣＧ并行频谱分配算法
中图分类号：Ｐ９．Ｔ３１９文献标识码：Ａ文章编号：０９６１（０００ — ０９０１０ — ７Ｘ２１）２００ — ３
Ｓｅｔｕｌｃｔｎａｇｒｔｍｎｃｇｉｉｅｒｄｏｐｃｒｍａｌａｉｌｏｉｏｏｈｉｏｎｔａｉｖ
ｆｑｅｃｅｔｍｏｎｔｅａｉ．ｒｕｎｙｐｃｒｉｃｇｉｖｄｏｅｓｕｎｉｒＫｅｗｏｄ：ｏｎｔｅａｉ；ｐｃｒｍｌｃｔｎＣＧＣ；ａａｌｌｐｃｒｍｌｃｔｎａｇｒｈｙｒｓｃｇｉｖｄｏｓｅｔｕａｌａｉ；Ｓｉｒｏｏｐｒｌｅｔｅｓｕａｏａｉｌｏｔｍｌｏｉ
ＣＭＭＢ（ｏｌｏａｖ－ｘｍｉ－ａｄｉｈｃｉｒ．ｅｉｅ，ｈｅｆｒａｃｄｃｔｒｓｃｓｈｍｅｏｓｍｉｇｃｌｂｒｔｅａｉｍａ－ｎｂｎｗｄ）ｒｅｉＢｓｓｔｅｒｍｎｅｎｉａｓｕｈａｅｉｎｕｎｔｔａｄｐｏｉｏｔｔｃ