《認知無線電網路的自適應QoS保障機制研究》是依託同濟大學，由黃新林擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：認知無線電網路的自適應QoS保障機制研究
- 項目類別：青年科學基金項目
- 項目負責人：黃新林
- 依託單位：同濟大學
中文摘要,結題摘要,
中文摘要
針對日益增長的無線接入業務需求以及授權頻譜的低利用率現狀，本項目主要研究多媒體套用在認知無線電網路（CRN）上傳輸的關鍵技術。首先，針對不同的簇可能具有不同的稀疏頻譜，提出了一種基於空時數據挖掘和壓縮感知的聯合頻譜感知算法，算法充分利用感知數據的空間和時間分集信息來獲得高精度的頻譜判決。其次，為了通過頻譜切換來保證多媒體套用的服務質量（QoS），本項目將頻譜切換與頻譜感知進行聯合跨層設計，得到多媒體傳輸的最佳頻譜感知周期及數據包分配方案。最後，為了在簇內同其它次要用戶在上行鏈路中公平地分享可利用頻譜資源，提出了一種基於機器學習理論的分散式、協作式以及填充式的頻譜共享機制，為次要用戶的每個數據包選擇最佳的子載波、發射功率以及調製方式，從而提高多媒體套用的QoS。
結題摘要
為了提高無線頻譜資源的利用率，本項目研究了認知無線電網路中的關鍵技術，即聯合頻譜感知、自適應頻譜感知周期和數據包分配方案以及智慧型跨層分配策略。首先，項目針對不同的簇可能具有不同的稀疏頻譜，提出一種基於非參數分組機制的聯合頻譜感知算法，提高頻譜判決結果的精確度。具體的技術由三個方面組成：（1）共享機制：本項目採用具有稀疏特性的分層模型作為信道狀態的先驗知識，提出一種協作的、非中心式的基於貝葉斯推理的頻譜感知算法，使用多個SU的壓縮感知數據來挖掘共享的超參數；（2）分組機制：本項目在共享機制的基礎上繼續擴展，引入基於DP的分層貝葉斯模型來實現壓縮感知數據的自動分組，並在各個組內實施共享機制（分層貝葉斯推理）得出共享的超參數；（3）時域挖掘：在上述分組機制對空間分集信息進行充分挖掘後，本項目提出使用HMM對每個SU的壓縮感知數據進行時域挖掘，充分利用之前採集的壓縮感知數據來提高頻譜判決結果的精確度。其次，項目針對基於時分多址接入技術的多用戶接入可用信道場景，提出了穩定信道狀態模型來描述無線通信接口中多用戶的接入及數據包載入問題。具體的技術由兩個方面組成：（1）所有次要用戶採用S-ALOHA多址接入技術，可用信道被分成若干時隙用於次要用戶的數據包傳輸，來自各次要用戶的數據包必須在時隙的起始位置開始傳輸。針對多用戶接入多信道的場景，本項目分析各用戶在子載波上的成功投包率的穩定狀態方程；（2）根據上述的穩定狀態方程，在目標次要用戶載入了一定比例的數據包到某子載波上時，我們可以估計各子載波上所有次要用戶的穩定信道狀態。最後，項目針對基於NC-OFDM技術的認知無線電網路，提出一種基於貝葉斯模型的智慧型頻譜分配機制，實現了動態跨層分配。具體的技術由三個方面組成：（1）針對多媒體套用，在基於NC-OFDM系統的CRN中將機器學習套用於動態跨層分配策略；（2）本項目為了推導閉環的基於時延的效用函式，將排隊論和全貝葉斯模型結合在一起；（3）本項目使用了時間視窗的概念來計算多媒體套用的歸一化吞吐量。與要求的數據包傳輸速率相比，時間視窗能夠清晰地刻畫可以同時傳輸的數據包個數，從而定義了基於吞吐量的效用函式。本項目在學術研究方面，學科交叉特色突出。致力於將機器學習理論套用於認知無線電網路，使得網路能夠動態學習和捕捉到無線電環境的變化和規律，研究成果為認知無線電網路的智慧型化奠定了理論基礎。
