CN104202757B - 一种认知无线电网络性能最优检测方法 - Google Patents
一种认知无线电网络性能最优检测方法 Download PDFInfo
- Publication number
- CN104202757B CN104202757B CN201410408312.6A CN201410408312A CN104202757B CN 104202757 B CN104202757 B CN 104202757B CN 201410408312 A CN201410408312 A CN 201410408312A CN 104202757 B CN104202757 B CN 104202757B
- Authority
- CN
- China
- Prior art keywords
- secondary user
- channel
- sequence
- probability
- user
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
本发明涉及一种认知无线电网络性能最优检测方法,属于认知无线电通信系统领域。本发明首先根据n个主用户随机占用信道的情况构建信道分配序列;然后计算次级用户占用信道的概率序列;接着计算次级用户占用信道时贡献的吞吐量序列;再根据不同的次级用户个数,形成不同的信道分配序列,分别计算网络吞吐量总和;最后通过对不同的次级用户个数获得的网络吞吐量总和进行对比,选取最优次级用户个数。本发明具有认知无线电网络能够智能感知无线频谱环境,自动搜寻闲置频谱,并采用学习和决策算法自适应地改变通信系统的协调模型,为提高频谱利用率开辟了崭新的途径;能高效的利用闲散的频谱资源,减少了频谱资源的浪费。
Description
技术领域
本发明涉及一种认知无线电网络性能最优检测方法,属于认知无线电通信系统领域。
背景技术
随着无线通信业务的迅猛发展,对频谱的需要持续增长以及优质频谱资源分配殆尽,然而授权频谱的利用率并不高。导致这一矛盾的原因,是由于传统的信道分配采用固定分配方式,通常会出现信道资源分配不均,甚至浪费的情况,这与当前日益增长的频谱资源需求矛盾。因此,为了解决这一矛盾,提出认知无线电(Cognitive Radio,CR)技术,它通过感知频域、时域和空域等频谱环境,自动搜寻并利用己授权频段的空闲频谱,实现不可再生频谱资源的再利用,允许次级用户(Secondary User,SU)在不干扰主用户(Primary User,PU)正常通信的条件下二次利用PU的频谱资源, 它能动态地使用频谱,大幅度地提高了频谱利用率。而择机频谱接入是认知无线电的关键技术之一,择机频谱接入允许次级用户使用主用户暂时未使用的频谱,一旦主用户需要时再归还给主用户使用。这种择机接入的方式给接入算法和协议的设计带来了新的挑战,特别是在分布式网络中,没有基站或中心控制节点,这时次级用户如何选择信道,以减少次级用户之间的冲突,避免对主用户的干扰是择机频谱接入算法必须解决的问题。针对分布式网络中,次级用户由于硬件条件的限制,无法获知全部信道的可用状态,只能选择其中几条进行检测、接入。
目前,虽然国内外研究者对认知无线电频谱分配做了许多研究,提出了一些认知无线电频谱分配的数学模型,并在这数学模型的基础上研究了相关的具体算法,但这些研究主要针对集中式网络结构,对于分布式网络结构频谱分配算法研究较少。另外,对于集中式网络结构,以前的研究主要考虑系统整体性能的提高,对于认知用户服务质量的需求差异和公平性问题考虑有所欠缺。目前的频谱资源大多数采用固定分配方式,授权频段的信道资源丰富,但大多利用率极低。这种矛盾严重制约着无线通信业务的发展。认知无线电技术有效地缓和了这一矛盾。认知无线电网络能够智能持感知无线频谱环境,自动搜寻闲置频谱,并采用学习和决策算法自适应地改变通信系统的协调模型,为提高频谱利用率开辟了崭新的途径。本发明方法采用分布式自主决策方法,来优选最佳的协调规则模型,能高效的利用闲散的频谱资源,减少了频谱资源的浪费。
发明内容
本发明提供了一种认知无线电网络性能最优检测方法,以用于解决当前存在的频谱资源固定分配、单一检测以及复杂的集中式分配结构等带来频谱利用率低下、可用频谱带资源浪费等问题。
本发明的技术方案是:一种认知无线电网络性能最优检测方法,首先根据n个主用户随机占用信道的情况构建信道分配序列;然后计算次级用户占用信道的概率序列;接着计算次级用户占用信道时贡献的吞吐量序列;再根据不同的次级用户个数,形成不同的信道分配序列,分别计算网络吞吐量总和;最后通过对不同的次级用户个数获得的网络吞吐量总和进行对比,选取最优次级用户个数。
所述认知无线电网络性能最优检测方法的具体步骤如下:
Step1、构建信道分配序列
根据n个主用户随机占用信道的情况构建信道分配序列M=[M 1,M 2,…M n ]:
如果次级用户占用了信道,则对应信道分配序列中的元素为1;
如果主用户占用了信道,则对应信道分配序列中的元素为0;
如果多个次级同时检测到信道空闲且主用户未占用该信道,则对应信道分配序列中的元素为0;
Step2、次级用户占用信道的概率序列
在一个周期内,通过次级用户检测信道分配序列:
Step2.1、当次级用户检测信道分配序列中第n个元素时,则停止检测,并根据计算次级用户在第i次检测时能占用第i个信道的概率;根据次级用户检测信道分配序列时计算得到的占用某信道的概率,得到占用信道的概率序列P=[P 1,P 2,…P n ],i=1,2,…n,C为常数;
Step2.2、当次级用户不能检测到信道分配序列中第n个元素时,则次级用户未能检测的元素占用信道的概率为零,并针对次级用户已经检测到的m个信道根据计算次级用户在第i次检测时能占用第i个信道的概率;根据次级用户检测信道分配序列时计算得到的占用某信道的概率,得到占用信道的概率序列P=[P 1,P 2,…P n ],i=1,2,…m,m<n,C为常数;
Step3、次级用户占用信道时贡献的吞吐量序列
Step3.1、当通过步骤Step2.1计算得到次级用户占用信道的概率序列,则接着根据计算次级用户占用信道时贡献的吞吐量,再根据B i 构建吞吐量序列B=[B 1,B 2,…B n ];其中,f(i)=表示次级用户占用第i个信道的效率,T为周期,t为感知时间,R(M i )表示信息传输率,i=1,2,…n;
Step3.2、当通过步骤Step2.2计算得到次级用户占用信道的概率序列,则接着根据计算次级用户占用信道时贡献的吞吐量,再根据B i 构建吞吐量序列B=[B 1,B 2,…B n ];其中,f(i)=表示次级用户占用第i个信道的效率,T为周期,t为感知时间,R(M i )表示信息传输率,i=1,2,…m,m<n;
Step4、网络吞吐量总和
根据不同的次级用户个数,形成不同的信道分配序列,分别计算网络吞吐量总和B sum ;其中B sum =;
Step5、最优次级用户个数选取
通过对不同的次级用户个数获得的网络吞吐量总和进行对比,选取网络吞吐量最大者所对应的次级用户个数作为最优次级用户个数。
本发明的有益效果是:
1、具有认知无线电网络能够智能感知无线频谱环境,自动搜寻闲置频谱,并采用学习和决策算法自适应地改变通信系统的协调模型,为提高频谱利用率开辟了崭新的途径。
2、采用分布式自主决策方法(是相对集中式来说的,分布式自主方法,其实就是它不需要一些类似于基站等一些硬件设施来支撑,完全靠用户自身的一些信息来确定协调规则),来优选最佳的协调规则模型,能高效的利用闲散的频谱资源,减少了频谱资源的浪费。
3、符合通信系统的要求,顺应时代的发展,因而有其开发和研究的必要性。
附图说明
图1为本发明的流程图。
具体实施方式
实施例1:如图1所示,首先根据n个主用户随机占用信道的情况构建信道分配序列;然后计算次级用户占用信道的概率序列;接着计算次级用户占用信道时贡献的吞吐量序列;再根据不同的次级用户个数,形成不同的信道分配序列,分别计算网络吞吐量总和;最后通过对不同的次级用户个数获得的网络吞吐量总和进行对比,选取最优次级用户个数。
所述认知无线电网络性能最优检测方法的具体步骤如下:
Step1、构建信道分配序列
根据n个主用户随机占用信道的情况构建信道分配序列M=[M 1,M 2,…M n ]:
如果次级用户占用了信道,则对应信道分配序列中的元素为1;
如果主用户占用了信道,则对应信道分配序列中的元素为0;
如果多个次级同时检测到信道空闲且主用户未占用该信道,则对应信道分配序列中的元素为0;
具体为:
当有50个次级用户时,信道分配序列为:
当有100个次级用户时,信道分配序列:
当有200个次级用户时,信道分配序列:
Step2、次级用户占用信道的概率序列
在一个周期内,通过次级用户检测信道分配序列:
Step2.1、当次级用户检测信道分配序列中第n个元素时,则停止检测,并根据计算次级用户在第i次检测时能占用第i个信道的概率;根据次级用户检测信道分配序列时计算得到的占用某信道的概率,得到占用信道的概率序列P=[P 1,P 2,…P n ],i=1,2,…n,C为常数;
Step2.2、当次级用户不能检测到信道分配序列中第n个元素时,则次级用户未能检测的元素占用信道的概率为零,并针对次级用户已经检测到的m个信道根据计算次级用户在第i次检测时能占用第i个信道的概率;根据次级用户检测信道分配序列时计算得到的占用某信道的概率,得到占用信道的概率序列P=[P 1,P 2,…P n ],i=1,2,…m,m<n,C为常数;
具体为:
周期T=10s,感知时间t=0.1s,次级用户检测信道分配序列中第n个元素时,则停止检测,并根据计算次级用户在第i次检测时能占用第i个信道的概率;根据次级用户检测信道分配序列时计算得到的占用某信道的概率,得到占用信道的概率序列P=[P 1,P 2,…P n ],i=1,2,…n,C=5,e为自然对中的底数;得到P为:
Step3、次级用户占用信道时贡献的吞吐量序列
Step3.1、当通过步骤Step2.1计算得到次级用户占用信道的概率序列,则接着根据计算次级用户占用信道时贡献的吞吐量,再根据B i 构建吞吐量序列B=[B 1,B 2,…B n ];其中,f(i)=表示次级用户占用第i个信道的效率,T为周期,t为感知时间,R(M i )表示信息传输率,i=1,2,…n;
Step3.2、当通过步骤Step2.2计算得到次级用户占用信道的概率序列,则接着根据计算次级用户占用信道时贡献的吞吐量,再根据B i 构建吞吐量序列B=[B 1,B 2,…B n ];其中,f(i)=表示次级用户占用第i个信道的效率,T为周期,t为感知时间,R(M i )表示信息传输率,i=1,2,…m,m<n;
具体为:通过步骤Step2.1计算得到次级用户占用信道的概率序列,则接着根据计算次级用户占用信道时贡献的吞吐量,再根据B i 构建吞吐量序列B=[B 1,B 2,…B n ];其中,f(i)=表示次级用户占用第i个信道的效率,T为周期,t为感知时间,R(M i )表示信息传输率为10bit/s,i=1,2,…n;得到B为:
Step4、网络吞吐量总和
根据不同的次级用户个数,形成不同的信道分配序列,分别计算网络吞吐量总和B sum ;其中B sum =;
具体为:
当有50个次级用户时,信道分配序列为:
B sum =63.8726bit/s;
当有100个次级用户时,信道分配序列:
B sum =122.6103bit/s;
当有200个次级用户时,信道分配序列:
B sum =37.3207bit/s;
Step5、最优次级用户个数选取
通过对不同的次级用户个数获得的网络吞吐量总和进行对比,选取网络吞吐量最大者所对应的次级用户个数作为最优次级用户个数。
具体为:通过对比,可知当有100个次级用户时,网络吞吐量最大,即对信道的频谱资源的利用率最高,效果最好;从若是次级用户个数过多时,例如大于200个,则会造成太多的碰撞,反而降低利用率;若是次级用户个数过少时,会造成对信道的检测不饱和而减低频谱资源的利用。总之,次级用户的个数相对于信道个数来说,过多或过少都是不好的,都会造成不能最大程度或最优的利用信道频谱资源。
实施例2:如图1所示,首先根据n个主用户随机占用信道的情况构建信道分配序列;然后计算次级用户占用信道的概率序列;接着计算次级用户占用信道时贡献的吞吐量序列;再根据不同的次级用户个数,形成不同的信道分配序列,分别计算网络吞吐量总和;最后通过对不同的次级用户个数获得的网络吞吐量总和进行对比,选取最优次级用户个数。
所述认知无线电网络性能最优检测方法的具体步骤如下:
Step1、构建信道分配序列
根据n个主用户随机占用信道的情况构建信道分配序列M=[M 1,M 2,…M n ]:
如果次级用户占用了信道,则对应信道分配序列中的元素为1;
如果主用户占用了信道,则对应信道分配序列中的元素为0;
如果多个次级同时检测到信道空闲且主用户未占用该信道,则对应信道分配序列中的元素为0;
具体为:
当有50个次级用户时,信道分配序列为:
当有100个次级用户时,信道分配序列:
当有200个次级用户时,信道分配序列:
Step2、次级用户占用信道的概率序列
在一个周期内,通过次级用户检测信道分配序列:
Step2.1、当次级用户检测信道分配序列中第n个元素时,则停止检测,并根据计算次级用户在第i次检测时能占用第i个信道的概率;根据次级用户检测信道分配序列时计算得到的占用某信道的概率,得到占用信道的概率序列P=[P 1,P 2,…P n ],i=1,2,…n,C为常数;
Step2.2、当次级用户不能检测到信道分配序列中第n个元素时,则次级用户未能检测的元素占用信道的概率为零,并针对次级用户已经检测到的m个信道根据计算次级用户在第i次检测时能占用第i个信道的概率;根据次级用户检测信道分配序列时计算得到的占用某信道的概率,得到占用信道的概率序列P=[P 1,P 2,…P n ],i=1,2,…m,m<n,C为常数;
具体为:
周期T=5.6s,感知时间t=0.1s,次级用户不能检测到信道分配序列中第n个元素时,则次级用户未能检测的元素占用信道的概率为零,并针对次级用户已经检测到的m个信道根据计算次级用户在第i次检测时能占用第i个信道的概率;根据次级用户检测信道分配序列时计算得到的占用某信道的概率,得到占用信道的概率序列P=[P 1,P 2,…P n ],i=1,2,…m,m<n;C=5,e为自然对中的底数;得到P为:
Step3、次级用户占用信道时贡献的吞吐量序列
Step3.1、当通过步骤Step2.1计算得到次级用户占用信道的概率序列,则接着根据计算次级用户占用信道时贡献的吞吐量,再根据B i 构建吞吐量序列B=[B 1,B 2,…B n ];其中,f(i)=表示次级用户占用第i个信道的效率,T为周期,t为感知时间,R(M i )表示信息传输率,i=1,2,…n;
Step3.2、当通过步骤Step2.2计算得到次级用户占用信道的概率序列,则接着根据计算次级用户占用信道时贡献的吞吐量,再根据B i 构建吞吐量序列B=[B 1,B 2,…B n ];其中,f(i)=表示次级用户占用第i个信道的效率,T为周期,t为感知时间,R(M i )表示信息传输率,i=1,2,…m,m<n;
具体为:通过步骤Step2.2计算得到次级用户占用信道的概率序列,则接着根据计算次级用户占用信道时贡献的吞吐量,再根据B i 构建吞吐量序列B=[B 1,B 2,…B n ];其中,f(i)=表示次级用户占用第i个信道的效率,T为周期,t为感知时间,R(M i )表示信息传输率为10bit/s,i=1,2,…m,m<n,m=56;得到B为:
Step4、网络吞吐量总和
根据不同的次级用户个数,形成不同的信道分配序列,分别计算网络吞吐量总和B sum ;其中B sum =;
具体为:
当有50个次级用户时,信道分配序列为:
B sum =37.1783bit/s;
当有100个次级用户时,信道分配序列:
B sum =73.5718bit/s;
当有200个次级用户时,信道分配序列:
B sum =22.1854bit/s;
Step5、最优次级用户个数选取
通过对不同的次级用户个数获得的网络吞吐量总和进行对比,选取网络吞吐量最大者所对应的次级用户个数作为最优次级用户个数。
具体为:通过对比,可知当有100个次级用户时,网络吞吐量最大,即对信道的频谱资源的利用率最高,效果最好;从若是次级用户个数过多时,例如大于200个,则会造成太多的碰撞,反而降低利用率;若是次级用户个数过少时,会造成对信道的检测不饱和而减低频谱资源的利用。总之,次级用户的个数相对于信道个数来说,过多或过少都是不好的,都会造成不能最大程度或最优的利用信道频谱资源。
实施例3:如图1所示,一种认知无线电网络性能最优检测方法,首先根据n个主用户随机占用信道的情况构建信道分配序列;然后计算次级用户占用信道的概率序列;接着计算次级用户占用信道时贡献的吞吐量序列;再根据不同的次级用户个数,形成不同的信道分配序列,分别计算网络吞吐量总和;最后通过对不同的次级用户个数获得的网络吞吐量总和进行对比,选取最优次级用户个数。
所述认知无线电网络性能最优检测方法的具体步骤如下:
Step1、构建信道分配序列
根据n个主用户随机占用信道的情况构建信道分配序列M=[M 1,M 2,…M n ]:
如果次级用户占用了信道,则对应信道分配序列中的元素为1;
如果主用户占用了信道,则对应信道分配序列中的元素为0;
如果多个次级同时检测到信道空闲且主用户未占用该信道,则对应信道分配序列中的元素为0;
Step2、次级用户占用信道的概率序列
在一个周期内,通过次级用户检测信道分配序列:
Step2.1、当次级用户检测信道分配序列中第n个元素时,则停止检测,并根据计算次级用户在第i次检测时能占用第i个信道的概率;根据次级用户检测信道分配序列时计算得到的占用某信道的概率,得到占用信道的概率序列P=[P 1,P 2,…P n ],i=1,2,…n,C为常数;
Step2.2、当次级用户不能检测到信道分配序列中第n个元素时,则次级用户未能检测的元素占用信道的概率为零,并针对次级用户已经检测到的m个信道根据计算次级用户在第i次检测时能占用第i个信道的概率;根据次级用户检测信道分配序列时计算得到的占用某信道的概率,得到占用信道的概率序列P=[P 1,P 2,…P n ],i=1,2,…m,m<n,C为常数;
Step3、次级用户占用信道时贡献的吞吐量序列
Step3.1、当通过步骤Step2.1计算得到次级用户占用信道的概率序列,则接着根据计算次级用户占用信道时贡献的吞吐量,再根据B i 构建吞吐量序列B=[B 1,B 2,…B n ];其中,f(i)=表示次级用户占用第i个信道的效率,T为周期,t为感知时间,R(M i )表示信息传输率,i=1,2,…n;
Step3.2、当通过步骤Step2.2计算得到次级用户占用信道的概率序列,则接着根据计算次级用户占用信道时贡献的吞吐量,再根据B i 构建吞吐量序列B=[B 1,B 2,…B n ];其中,f(i)=表示次级用户占用第i个信道的效率,T为周期,t为感知时间,R(M i )表示信息传输率,i=1,2,…m,m<n;
Step4、网络吞吐量总和
根据不同的次级用户个数,形成不同的信道分配序列,分别计算网络吞吐量总和B sum ;其中B sum =;
Step5、最优次级用户个数选取
通过对不同的次级用户个数获得的网络吞吐量总和进行对比,选取网络吞吐量最大者所对应的次级用户个数作为最优次级用户个数。
上面结合附图对本发明的具体实施方式作了详细说明,但是本发明并不限于上述实施方式,在本领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下作出各种变化。
Claims (2)
1.一种认知无线电网络性能最优检测方法,其特征在于:首先根据n个主用户随机占用信道的情况构建信道分配序列M=[M1,M2,…Mn];然后计算次级用户占用信道的概率序列Pi;接着计算次级用户占用信道时贡献的吞吐量序列Bi;再根据不同的次级用户个数,形成不同的信道分配序列M,分别计算网络吞吐量总和最后通过对不同的次级用户个数获得的网络吞吐量总和进行对比,选取最优次级用户个数。
2.根据权利要求1所述的认知无线电网络性能最优检测方法,其特征在于:所述认知无线电网络性能最优检测方法的具体步骤如下:
Step1、构建信道分配序列
根据n个主用户随机占用信道的情况构建信道分配序列M=[M1,M2,…Mn]:
如果次级用户占用了信道,则对应信道分配序列中的元素为1;
如果主用户占用了信道,则对应信道分配序列中的元素为0;
如果多个次级同时检测到信道空闲且主用户未占用该信道,则对应信道分配序列中的元素为0;
Step2、次级用户占用信道的概率序列
在一个周期内,通过次级用户检测信道分配序列:
Step2.1、当次级用户检测信道分配序列中第n个元素时,则停止检测,并根据计算次级用户在第i次检测时能占用第i个信道的概率;根据次级用户检测信道分配序列时计算得到的占用某信道的概率,得到占用信道的概率序列P=[P1,P2,…Pn],i=1,2,…n,C为常数;
Step2.2、当次级用户不能检测到信道分配序列中第n个元素时,则次级用户未能检测的元素占用信道的概率为零,并针对次级用户已经检测到的m个信道根据计算次级用户在第i次检测时能占用第i个信道的概率;根据次级用户检测信道分配序列时计算得到的占用某信道的概率,得到占用信道的概率序列P=[P1,P2,…Pn],i=1,2,…m,m<n,C为常数;
Step3、次级用户占用信道时贡献的吞吐量序列
Step3.1、当通过步骤Step2.1计算得到次级用户占用信道的概率序列,则接着根据Bi=f(i)×R(Mi)计算次级用户占用信道时贡献的吞吐量,再根据Bi构建吞吐量序列B=[B1,B2,…Bn];其中,表示次级用户占用第i个信道的效率,T为周期,t为感知时间,R(Mi)表示信息传输率,i=1,2,…n;
Step3.2、当通过步骤Step2.2计算得到次级用户占用信道的概率序列,则接着根据Bi=f(i)×R(Mi)计算次级用户占用信道时贡献的吞吐量,再根据Bi构建吞吐量序列B=[B1,B2,…Bn];其中,表示次级用户占用第i个信道的效率,T为周期,t为感知时间,R(Mi)表示信息传输率,i=1,2,…m,m<n;
Step4、网络吞吐量总和
根据不同的次级用户个数,形成不同的信道分配序列,分别计算网络吞吐量总和Bsum;其中
Step5、最优次级用户个数选取
通过对不同的次级用户个数获得的网络吞吐量总和进行对比,选取网络吞吐量最大者所对应的次级用户个数作为最优次级用户个数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410408312.6A CN104202757B (zh) | 2014-08-19 | 2014-08-19 | 一种认知无线电网络性能最优检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410408312.6A CN104202757B (zh) | 2014-08-19 | 2014-08-19 | 一种认知无线电网络性能最优检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104202757A CN104202757A (zh) | 2014-12-10 |
CN104202757B true CN104202757B (zh) | 2017-10-27 |
Family
ID=52087968
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410408312.6A Active CN104202757B (zh) | 2014-08-19 | 2014-08-19 | 一种认知无线电网络性能最优检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104202757B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104994509B (zh) * | 2015-05-07 | 2018-10-02 | 昆明理工大学 | 一种认知无线电中应用的信道随机征用方法 |
CN105721082B (zh) * | 2016-02-16 | 2018-01-16 | 北京理工大学 | 一种应用于认知无线电的多用户信道感知方法 |
CN106851661A (zh) * | 2017-01-09 | 2017-06-13 | 黑龙江科技大学 | 矿井下认知无线系统及其固定周期多次竞争的频谱分配方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101711032A (zh) * | 2009-11-23 | 2010-05-19 | 哈尔滨工业大学 | 对未知环境模型特性的认知无线电动态智能频谱接入方法 |
CN101730254A (zh) * | 2009-11-27 | 2010-06-09 | 上海交通大学 | 无线电网络吞吐量的频谱感知优化方法 |
KR101078771B1 (ko) * | 2009-05-28 | 2011-11-02 | 울산대학교 산학협력단 | 신뢰도에 기초한 스펙트럼 센싱방법 및 이를 이용한 cr 시스템 |
CN102595491A (zh) * | 2012-01-31 | 2012-07-18 | 北京邮电大学 | 一种认知无线电网络中的数据传输方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8335474B2 (en) * | 2008-02-01 | 2012-12-18 | Nokia Corporation | Correlation-based detection in a cognitive radio system |
-
2014
- 2014-08-19 CN CN201410408312.6A patent/CN104202757B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101078771B1 (ko) * | 2009-05-28 | 2011-11-02 | 울산대학교 산학협력단 | 신뢰도에 기초한 스펙트럼 센싱방법 및 이를 이용한 cr 시스템 |
CN101711032A (zh) * | 2009-11-23 | 2010-05-19 | 哈尔滨工业大学 | 对未知环境模型特性的认知无线电动态智能频谱接入方法 |
CN101730254A (zh) * | 2009-11-27 | 2010-06-09 | 上海交通大学 | 无线电网络吞吐量的频谱感知优化方法 |
CN102595491A (zh) * | 2012-01-31 | 2012-07-18 | 北京邮电大学 | 一种认知无线电网络中的数据传输方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104202757A (zh) | 2014-12-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104640220B (zh) | 一种基于noma系统的频率和功率分配方法 | |
CN104936186B (zh) | 基于布谷鸟搜索算法的认知无线电网络频谱分配方法 | |
CN102869018B (zh) | 认知无线电中保证通信连续性的信道和功率联合分配方法 | |
CN103248461B (zh) | 基于波束成形的多小区干扰对齐迭代算法 | |
CN104254130B (zh) | D2d用户链接与蜂窝用户共享资源的分配方法、装置及系统 | |
CN102017682A (zh) | 一种下行小区间干扰协调方法和基站 | |
CN104202757B (zh) | 一种认知无线电网络性能最优检测方法 | |
Zhang et al. | Energy and spectrum efficient power allocation with NOMA in downlink HetNets | |
CN103987047A (zh) | 一种面向密集用户区域的集群ap频道分配和功率调整方法 | |
CN103796221B (zh) | 一种认知无线电系统中的参数配置方法和设备 | |
CN106658526B (zh) | 一种超密集小蜂窝网络中基于模拟退火算法频谱分配方法 | |
CN104158604B (zh) | 一种基于平均共识的分布式协作频谱感知方法 | |
WO2014018539A1 (en) | Method and apparatus for inter-carrier load balancing | |
Bala | Throughput enhancement of cognitive radio networks through improved frame structure | |
CN103596181A (zh) | 认知无线电网络中基于拓扑控制的频谱资源分配方法 | |
CN102752860B (zh) | 无线通信网络中的协作分布式资源分配方法 | |
Pinagapany et al. | Solving channel allocation problem in cellular radio networks using genetic algorithm | |
CN103052163A (zh) | 一种信道借用方法 | |
CN106550367B (zh) | 一种基于负载变化的动态干扰协调方法和基站 | |
CN104093155A (zh) | 一种td-scdma频率分配方法 | |
CN102480734B (zh) | 一种分配时频资源的方法和装置 | |
CN106059728B (zh) | 一种大规模mimo系统中的基于相移的导频设计方法 | |
CN104486766B (zh) | 基于认知无线电技术的频谱聚合资源分配方法 | |
CN108024370B (zh) | 一种基于认知的原始资源与检测出的空穴资源联合分配方法 | |
CN105657846A (zh) | 一种功率最小化的双层迭代ofdm子载波分配算法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |