一种多授权认知无线电网络的在线网络选择方法

    公开(公告)号:CN108200633A

    公开(公告)日:2018-06-22

    申请号:CN201810127529.8

    申请日:2018-02-07

    Abstract: 本发明提出了一种多授权认知无线电网络的在线网络选择方法,针对在授权网络先验知识未知及非完美感知的情况进行网络选择方案设计,首先提出了冲突受限的在线网络选择方案,通过限制PU和SU之间的碰撞概率,减少SU用户通信对PU用户正常传输的干扰。冲突受限的网络选择方案能够有效的控制授权网络的碰撞概率在上限范围内,但是由于碰撞概率更新机制的局限性,会使CRN忽略授权网络中的空闲信道,造成接入机会的浪费。为了进一步提高CRN的吞吐量,本发明又提出了贪婪的在线网络选择方案和基于最小碰撞概率的在线网络选择方案。仿真结果表明,两种方案都能提升CRN系统的吞吐量,最小碰撞概率的在线网络选择方案更优,同时取得了更低的掉话率。

    一种多授权认知无线电网络的在线网络选择方法

    公开(公告)号:CN108200633B

    公开(公告)日:2020-11-20

    申请号:CN201810127529.8

    申请日:2018-02-07

    Abstract: 本发明提出了一种多授权认知无线电网络的在线网络选择方法,针对在授权网络先验知识未知及非完美感知的情况进行网络选择方案设计,首先提出了冲突受限的在线网络选择方案,通过限制PU和SU之间的碰撞概率,减少SU用户通信对PU用户正常传输的干扰。冲突受限的网络选择方案能够有效的控制授权网络的碰撞概率在上限范围内,但是由于碰撞概率更新机制的局限性,会使CRN忽略授权网络中的空闲信道,造成接入机会的浪费。为了进一步提高CRN的吞吐量,本发明又提出了贪婪的在线网络选择方案和基于最小碰撞概率的在线网络选择方案。仿真结果表明,两种方案都能提升CRN系统的吞吐量,最小碰撞概率的在线网络选择方案更优,同时取得了更低的掉话率。

    基于博弈论的多跳蜂窝网络资源分配方法及系统

    公开(公告)号:CN105916206B

    公开(公告)日:2020-01-10

    申请号:CN201510810366.X

    申请日:2015-11-20

    Abstract: 本发明提供了一种基于博弈论的多跳蜂窝网络资源分配方法及系统,该多跳蜂窝网络资源分配方法包括在两阶段的主从模型中,在第一阶段,上层的中继首先发表其激励的数值;在第二阶段,下层的中继根据上层的中继调整其发射功率。本发明的有益效果是:本发明设计了一种基于合作众包的在多跳蜂窝网络中的传输激励机制,通过设计在基站和中继之间,中继与中继之间的激励机制,基站既可以提高频谱利用率又可以减少设备的部署和管理费用,中继还可以通过参与合作传输获得一部分利润。

    基于博弈论的多跳蜂窝网络资源分配方法及系统

    公开(公告)号:CN105916206A

    公开(公告)日:2016-08-31

    申请号:CN201510810366.X

    申请日:2015-11-20

    Abstract: 本发明提供了一种基于博弈论的多跳蜂窝网络资源分配方法及系统,该多跳蜂窝网络资源分配方法包括在两阶段的主从模型中,在第一阶段,上层的中继首先发表其激励的数值;在第二阶段,下层的中继根据上层的中继调整其发射功率。本发明的有益效果是:本发明设计了一种基于合作众包的在多跳蜂窝网络中的传输激励机制,通过设计在基站和中继之间,中继与中继之间的激励机制,基站既可以提高频谱利用率又可以减少设备的部署和管理费用,中继还可以通过参与合作传输获得一部分利润。

    基于能量有效异构网络资源分配的方法及系统

    公开(公告)号:CN105142225A

    公开(公告)日:2015-12-09

    申请号:CN201510542918.3

    申请日:2015-08-28

    CPC classification number: Y02D70/00 H04W72/0473 H04W72/0493

    Abstract: 本发明提供了一种基于能量有效异构网络资源分配的方法及系统,该方法包括基站、中继、主机站,基站与用户通信通过一个或者多个中继,所有的计算工作均在主机站中进行,中继被视为远端射频单元。本发明的有益效果是:本发明的目的在于通过在认知无线电模型下将协作通信,极化滤波以及协作干扰技术结合起来,实现基于用户协作动态频谱接入的物理层安全模型,既能实现主用户信息的物理层安全性能提升,又在此基础上提上了主次级用户的吞吐量从而提升了频谱利用率。

    一种利用短相关模型预测长相关序列的方法

    公开(公告)号:CN102891770A

    公开(公告)日:2013-01-23

    申请号:CN201210404009.X

    申请日:2012-10-22

    Inventor: 张钦宇 高波 于佳

    Abstract: 本发明涉及一种利用短相关模型预测长相关序列的方法,针对自相似网络流量提出了一种基于EMD的ARMA模型自相似序列预测方法,首先利用EMD方法将自相似网络流量分解为若干个IMF,由于IMF(IntrinsicModeFunctions,固有模式函数简称“IMF”)的窄带特点,证明了IMF是短相关序列,从而将长相关序列建模预测问题转化为对若干个短相关序列的建模和预测,有效地降低了模型的复杂度;其次利用ARMA模型卓越的短相关建模预测能力,对分解后的IMF序列进行了预测;最后提出了一种可以进一步提高模型预测精度的方法,有效地降低了预测结果的归一化均方误差。通过本发明申请技术方案提出的方法具有预测精度高复杂度低的优点,并且对自相似流量的预测精度高于神经网络模型的预测精度。

Patent Agency Ranking