论文部分内容阅读
在通信技术蓬勃发展的今天,认知无线电技术在缓解频谱资源短缺和高效利用频谱资源方面的优势,是其他同类技术所无法比拟的。在此基础上发展起来的认知无线网络,更是将这种智能的感知与管理技术提升到网络级别,实现了由传统单体认知到目前网络整体认知的质的变化,达到了认知无线网络全局优化的目的。 本文主要从基于分簇的认知无线网络组网过程入手,以优化网络寿命和吞吐量为目的,分析了认知无线网络在组网过程中所要处理的簇的形成,簇头轮换和信令交互三方面问题。 根据认知无线网络认知循环对外部激励的处理优先级的分类,主要分为以下两种:一是立即优先级的组网激励,在该激励下的认知循环会从认知协议栈中选取运算速度快、无需先验信息的组网算法和策略;另一种为一般优先级的组网激励,在该激励下的认知循环会从认知协议栈中选取具有全局优化功能的算法和策略。 本文分别对认知无线网络中立即和一般优先级的组网过程进行了详细的分析和研究。在充分考虑了认知无线网络的通信特点和退避授权用户的策略的前提下,提出了组网过程中的簇头选择算法、簇头轮换算法以及认知节点间发送数据时的多信道接入策略。 首先,针对基于分簇的认知无线网络组网过程中首要解决的分簇问题,对现有的簇头选择算法进行了阐述和分析,包括基于图论的极小连通支配集以及图着色启发式算法,详细分析了算法的流程并比较了其优缺点。随后从网络层的角度以延长网络寿命为优化目标,提出了基于分簇的认知无线网络立即优先级下的极大独立集簇头选举算法,该算法运算速度快,可以选举出局部最优的簇头集合,实现认知无线网络分簇的目的。此外,针对认知无线网络一般优先级组网要求提出了基于遗传理论的全局簇头搜索算法,该算法通过交叉、变异、纠错等算子实现了认知无线网络多目标网络性能优化的簇头集合搜索过程。 其次,为了延长认知无线网络的网络寿命,从物理层的角度出发,根据认知循环的优先级分类,本文分别提出了两类簇头轮换算法。首先,提出了基于固定阈值的认知无线网络簇头轮换算法,根据簇头对簇内成员通信量的统计,建立虚拟能量耗损表,时刻估算簇内成员的能量变化,当簇头节点剩余能量低于固定阈值时,在其所在的簇内启动本地簇头轮换策略。由于此过程中,不涉及过多的能量交互信息和先验信息,因此适合于立即优先级的认知无线网络组网要求;此外,针对一般优先级的组网要求,本文提出了认知无线网络自适应能量驱动双门限簇头轮换算法,提出了网络整体能耗模型,使得各簇头节点能够自适应调整轮换门限,实现了网络能耗均衡,提升了网络寿命。 最后,本文主要解决了在组网过程中单跳节点之间的多信道组网信令传递问题。通过对传统的IEEE802.11DCF中退避策略、基本接入策略和RTS/CTS接入策略进行必要的修改,提出了认知无线网络多信道接入策略。通过采用马尔科夫链描述网络中各认知节点在通信过程中的竞争状态,提出了多信道认知无线网络吞吐量计算模型,分析了认知无线网络吞吐量与网络参数变化的关系,并以优化认知无线网络吞吐量为目的提出了适合于立即组网要求的多信道 RTS/CTS接入策略和适合于一般组网要求的基于网络吞吐量自适应接入策略。 由于国内外对认知无线网络的研究刚刚起步,该论文提出的针对不同优先级要求下的网络层、物理层和MAC层组网算法及时的填补了国内外认知无线网络协议栈中组网算法的空白,为今后认知无线网络实际部署提供了可靠的理论依据。