认知无线传感器网络中能量有效的频谱分配算法研究

摘要

传统的无线传感器网络所工作的免授权频段被日益增长的其他无线通信技术设备所挤占，由此带来的频谱资源短缺问题也越加严峻。得益于认知无线电理论的成熟和技术的进步，为缓解频谱资源紧张带来了新的契机。具备认知无线电技术的认知无线传感器网络则可根据自身需求，通过对周围利用率不高且空闲的授权频段实现实时感知和动态接入，从而在提升授权频谱利用效率的同时缓解认知无线传感器网络频谱资源紧张的压力。但认知能力的引入增加了能量开销，而无线传感器网络是一种资源受限的网络，因此不论从缓解频谱资源短缺还是节约能耗的角度，寻找一个更加适用于认知无线传感器网络特点的动态频谱分配算法来优化网络吞吐量以及能量效率则是迫切的现实需求。针对此问题，本文研究了基于能量效率的动态频谱分配算法，论文主要工作如下:
　　1.首先根据分布式认知无线传感器网络中节点自主性特点，在多智能体分布式独立增强学习模型的基础上引入时间轮流追踪机制，并提出一种多智能体最佳响应Q学习动态频谱分配算法。该算法以最大化网络的平均吞吐量和平均能量效率比为目标，实验结果验证了其收敛性以及有效性。
　　2.将认知传感器节点的平均能量效率定义为效益函数，结合博弈理论对节点功率分配过程进行建模和分析，并证明了该效益函数下的功率分配博弈的纳什均衡存在且唯一。在此基础上，提出一种基于能量效率的联合频谱和功率分配算法，该算法分别利用Q学习和二分法作为节点频谱和功率分配策略的迭代更新手段。实验仿真表明该算法在改善网络平均能效比、提高网络平均吞吐量以及减少信道切换次数上具有优势。

目录

声明

摘要

插图索引

附表索引

第1章 绪论

1．1 研究背景与意义

1．2 国内外研究现状

1．2．1 认知无线传感器网络的研究现状

1．2．2 无线通信网络中频谱分配问题的研究现状

1．3 认知无线传感器网络概述

1．3．1 认知无线传感器网络节点硬件架构

1．3．2 认知无线传感器网络模型及拓扑分类

1．3．3 认知无线传感器网络的优点

1．4 认知无线传感器网络中的频谱管理和功率控制

1．4．1 认知无线传感器网络中的频谱资源管理

1．4．2 认知无线传感器网络中能耗分析和功率控制

1．5 论文研究内容和结构安排

第2章 相关理论以及关键技术

2．1 认知无线电网络的频谱分配技术

2．1．1 频谱分配的主要分类

2．1．2 频谱分配的关键技术

2．1．3 频谱分配的基本原则

2．2 动态频谱分配经典模型

2．2．1 图论上色模型

2．2．2 微观经济学模型

2．2．3 马尔科夫判决过程模型

2．2．4 人工智能模型

2．3 增强学习理论及其算法求解

2．3．1 增强学习的基本概念及其组成要素

2．3．2 单个智能体增强学习模型及其算法求解

2．3．3 多智能体增强学习模型及其算法求解

2．4 小结

第3章 改进的Q学习频谱分配算法

3．1 引言

3．2 系统模型

3．2．1 网络模型

3．2．2 信道模型

3．2．3 时隙结构

3．3 频谱接入协议和竞争解决

3．3．1 频谱接入协议

3．3．2 竞争解决机制

3．4 问题描述和分析

3．4．1 相关参数及其定义

3．4．2 目标设定及分析

3．5 增强学习和问题映射

3．5．1 增强学习模型

3．5．2 问题映射

3．5．3 收敛性分析

3．6 改进的Q学习频谱分配算法及其实现

3．6．1 改进的Q学习算法

3．6．2 其他参数设定

3．6．3 算法实现

3．7 实验仿真

3．8 小结

第4章 基于能效的联合频谱功率分配算法

4．1 系统模型

4．2 能量效率比分析

4．2．1 问题描述

4．2．2 参数特性分析

4．3 功率分配博弈均衡的存在条件与求解

4．3．1 功率分配博弈Gpower：{N，P，U}的纳什均衡存在与唯一性分析

4．3．2 二分法更新最佳功率分配策略

4．4 频谱和功率联合分配算法

4．4．1 参数定义

4．4．2 信道和功率策略的更新

4．4．3 算法实现

4．5 实验仿真

4．6 小结

总结

参考文献

致谢

攻读硕士学位期间所发表学术论文情况