基于QoS的认知无线电网络MAC协议(英文)

为提高认知环境中次用户的吞吐量性能,提出了一种基于QoS的MAC协议. 认知节点将信道状态映射为向量,收端与发端通过"与"操作得到最终的信道映射,并获得备选信道集合. 上层应用程序传来的数据根据QoS要求被划分为2个优先级,每种级别的数据对应不同的竞争窗口,从而保证了实时数据具有较高的优先级. 使用二维离散时间马尔科夫链分析了系统的性能并推导出系统吞吐量的数学表达式. 仿真结果证实,与IEEE 802.11 DCF相比,所提协议有助于提高系统吞吐量.     

一种认知无线电自适应双门限能量检测算法

针对传统频谱感知方法易受噪声波动影响的缺点,提出了一种认知无线电自适应双门限能量检测算法.该算法基于双门限能量检测,通过比较认知用户接收的能量值和预定义的门限值,判断当前信道状态并自适应地选择一轮感知或两轮感知.推导了所提算法的检测概率、虚检概率和感知时间的性能表达式,并采用蒙特卡洛仿真得到信噪比与检测概率、感知时间的...     

基于双代理结构的认知无线电动态频谱接入方案

与传统的频谱管理方式相比,动态频谱接入能够充分利用未被占用的频谱资源,提高频谱利用效率,缓解频谱资源紧张的局面。本文基于双代理结构的认知无线电场景及离散事件系统,提出了一种高效的动态频谱接入方案,并利用连续时间Markov链对该策略建模,计算机仿真结果验证了该方案的有效性及理论计算结果的正确性。     

基于非线性能量收集的全双工认知无线电网络频谱共享方案

提出一种基于全双工认知无线电网络频谱共享方案,其中全双工次级发射机（secondary transmitter,ST）非线性地从主要用户那里收集射频（radio frequency,RF）能量。ST从主要用户那里获取足够的能量后,它将协助主用户传输信号,以交换频谱共享的机会。在认知传输期间,ST采用叠加编码方案,用以实现连续的主用户数据中继和次用户数据传输。具体地说,ST和次接收机（secondary receiver,SR）存储并解码当前主用户信号。在SR处应用连续干扰消除和信息检测方案来提取所需的二次数据。主接收机（primary receiver,PR）将次用户数据视为干扰信息,通过执行联合解码以获得主用户数据。采用离散马尔可夫链模型模拟ST电池的充放电过程。在保证主用户系统传输性能的同时,通过最大化次用户系统可实现的速率来确定最优功率分配系数,该方案能显著提高主用户系统的传输性能,同时实现次用户系统的基本传输需求。     

认知无线电网络中基于盲源分离的频谱检测算法

认知无线电网络中,由于噪声不确定性降低认知用户频谱检测的准确性。将盲源分离算法引入认知无线电的频谱检测,提出了基于源分离的本地盲频谱检测算法,目标是在最大化用户信噪比的同时,降低噪声不确定性的不良影响,能在全盲的基础上完成本地频谱检测。仿真结果表明,所提出的算法可进一步提升认知用户对频谱检测的准确率,并降低噪声不确定性对统计判决的影响。     

基于认知无线电的传输参考超宽带系统窄带干扰抑制技术(英文)

为了改善主用户窄带干扰下的传输参考超宽带系统的性能,提出了一种认知传输参考超宽带系统.认知传输参考超宽带系统的发射机在检测主用户工作的频段后,采用在该频段陷波的椭球波发射脉冲以降低对主用户的干扰;接收机在相关接收处理前采用陷波滤波来降低主用户带来的窄带干扰.仿真结果表明:该系统在信干比为0dB的单个或2个窄带干扰影响下,误码性能接近于无窄带干扰下的系统性能;在信噪比为10dB且信干比在-20～10dB范围内变化时,误码性能变化不超过一个数量级.该系统具有极佳的抗窄带干扰能力,误码性能在不同信噪比下具有很强的健壮性,具有对同频段主用户更小的干扰.     

一种基于向量回归的无人机通信信道选择方法

由于无人机通常工作于复杂的电磁环境与多变的地理环境中,因此无人机通信通常采用跳频技术对抗干扰。然而传统的无人机跳频通信仅仅是简单的固定跳频信道接入,如当前使用信道发生用户冲突或者突然衰落时,通信可能会延迟甚至中断。因此,文章结合认知无线电技术（CR）,提出一种基于向量回归的无人机认知跳频通信信道选择方法,运用基于向量回归建立预测最小信噪比模型,基于CR建立跳频信道集并在当前跳频通信时同时检测下一跳通信信道状态及动态选择信道,从而保证了跳频接入的可靠性。仿真表明,此方法较传统跳频通信有更高的传输速率和较低的误码率,对无人机的通信质量有较大提升。     

一种基于 CDMA 自组网的通信网络 MAC 准同步协议

为了提高无线自组网通信网络吞吐量和数据包发送成功率,提出一种基于准同步 CDMA 的自组网MAC 协议,并对其收发电路进行设计。在采用零相关区序列的准同步 CDMA 系统中,到达接收端的各用户信号存在一定的相对时延,如果用户信号相对时延控制在零相关窗口范围之内,可以达到近似于同步的效果,同时零相关序列的相关性能大大提高了系统抗多址干扰和多径干扰能力。仿真结果表明,该协议的系统吞吐量是未采用零相关序列系统的 5 倍,在数据包发送数为 50 时仍有 30%的发送成功率。     

探析深度学习表征的一种新方法:社会认知网络特征(SENS)

近年来,深度学习在教育领域越来越受到重视,它被划分为三大维度:认知领域、人际领域和自我领域。已有的基于问卷、测试题和访谈等方式进行的学习效果分析,难以满足人们对于深度学习中的动态、过程和综合的分析需求。作为一种新的研究方法,社会认知网络特征(SENS)结合了社会网络分析(SNA)和认知网络分析(ENA)两种分析方法,能够很好地对深度学习的三个领域进行分析。通过对原有的SENS方法进行改进,提出了适合深度学习SENS方法的一般步骤,并对每个步骤进行详细的介绍;通过以两个典型案例展示如何利用SENS来促进深度学习,并将深度学习和在线协作数据分析相结合;提出了应用SENS的一些经验与建议,以期为今后研究深度学习提供新的思路和方法。     

一种基于SDN和多区域OSPF路由协议的动态网络

OSPF路由协议是一种应用广泛的路由协议,其在范围较大的单个区域运行时,由于LSA的泛洪传播,网络设备的LSDB数据会急剧增加,这造成了网络的运行效率迅速降低.多区域的OSPF协议能降低LSDB的数据规模,节省网络资源,但是其维护代价高,加重了网络管理的负荷.SDN机制使用控制器对网络进行统一管理,提高了网络的管理效率.一种基于SDN的多区域OSPF网络模型被提出,其利用SDN机制进行OSPF路由协议的配置下发,并根据LSDB规模自动的动态划分区域,这种模型不但减小了LSDB的规模,也克服了多区域OSPF配置代价高的缺陷.对新模型首先进行了模拟实验,实验得到的结果优良,随后利用新模型构建一个新的网络,新网络的各项参数正常.