认知无线网络中集中式信道分配策略及性能分析

论文摘要

无线移动通信的快速发展使得有限的信道资源变得更加紧缺，传统的固定信道分配中信道资源存在很大的浪费，认知无线网络通过认知用户对授权用户暂时不用的授权信道的机会式占用，使信道资源得到了充分利用。合理的信道分配策略是提高信道资源利用率的关键问题之一。本文提出一种集中式的信道分配策略，并分别基于单信道和多信道对该策略进行性能分析及参数优化。首先，为了减轻认知用户用于信道竞争和信道搜索引起的系统负载，同时提高信道使用的均匀性，基于Hash算法，提出一种新的集中式信道分配HCCA(HashCentralized Channel Allocation)策略。其次，为了降低认知用户的数据损失率，并最大程度地提高授权用户的响应性能，将认知用户的缓存设为K (K>0)，授权用户的缓存设为零。将认知用户抽象为第I类顾客，授权用户抽象为第II类顾客，授权信道抽象为服务台，考虑到授权用户对授权信道的绝对使用权，建立具有两类顾客且第II类顾客具有抢占优先权的离散时间排队模型。然后，分别考虑单信道与多信道，假设数据到达间隔与服务时间都服从Bernoulli过程，采用二维马尔可夫链方法进行系统模型的稳态分析，导出对应的稳态解，并给出数据损失率、系统吞吐量、平均相应时间、信道利用率以及平均搜索次数等性能指标的表达式。最后，结合理论分析结果与HCCA策略的工作机制，进行数值实验和系统仿真，刻画认知用户缓存容量和信道总数等参数对系统性能的影响。综合考虑不同的性能指标，构造成本函数，对认知用户缓存容量和信道总数进行优化设置。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题研究背景与研究意义
• 1.2 国内外研究现状
• 1.3 课题的主要研究内容
• 1.4 论文的组织结构
• 第2章 信道分配机制及 HCCA 策略
• 2.1 认知无线网络的定义和特点
• 2.2 几种典型的认知无线网络
• 2.3 认知无线网络的信道分配策略
• 2.3.1 重叠式和交叉式信道分配策略
• 2.3.2 协作式和非协作式信道分配策略
• 2.3.3 集中式和分布式信道分配策略
• 2.4 一种新的集中式的信道分配 HCCA 策略
• 2.5 本章小结
• 第3章 单信道下 HCCA 策略及性能分析
• 3.1 单信道下 HCCA 策略的工作机制
• 3.2 基于单服务台的排队模型建立及解析
• 3.2.1 基于单服务台的排队模型建立
• 3.2.2 系统的状态转移概率矩阵
• 3.2.3 系统的稳态概率分布
• 3.3 单信道下 HCCA 策略的性能指标体系
• 3.3.1 数据损失率
• 3.3.2 系统吞吐量
• 3.3.3 认知用户的平均响应时间
• 3.4 本章小结
• 第4章 多信道下 HCCA 策略及性能分析
• 4.1 多信道下 HCCA 策略的工作机制
• 4.2 基于多服务台的排队模型建立及解析
• 4.2.1 基于多服务台的排队模型建立
• 4.2.2 系统的状态转移概率矩阵
• 4.2.3 系统的稳态概率分布
• 4.3 多信道下 HCCA 策略的性能指标体系
• 4.3.1 数据损失率
• 4.3.2 系统吞吐量
• 4.3.3 认知用户的平均响应时间
• 4.3.4 信道利用率
• 4.3.5 平均搜索次数
• 4.4 本章小结
• 第5章 系统实验与参数优化
• 5.1 系统仿真实验算法设计
• 5.1.1 授权用户性能指标的仿真统计
• 5.1.2 认知用户性能指标的仿真统计
• 5.2 单信道下 HCCA 策略的系统实验及参数优化
• 5.2.1 系统实验结果分析
• 5.2.2 认知用户缓存容量的优化设置
• 5.3 多信道下 HCCA 的系统实验及参数优化
• 5.3.1 系统实验结果分析
• 5.3.2 信道总数的优化设置
• 5.4 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间承担的科研任务与主要成果
• 致谢
• 作者简介