论文部分内容阅读
在认知网络中,机会接入吞吐量通常作为评价接入策略和共享策略的重要指标,以吞吐量最大化为目标函数构建的频谱感知优化问题已成为近年来的研究热点。协作感知网络的吞吐量与系统参数和感知参数等多种因素相关,因此提高吞吐量的问题是一个复杂的联合优化问题,本文基于集中式协作频谱感知网络结构对此问题进行了深入地研究,主要内容如下：1)基于窄带集中式协作频谱感知网络结构,建立了以认知网络机会接入吞吐量最大化为目标函数、以对主用户的干扰为约束条件的多参数优化模型,利用该模型可对感知时间、判决门限、参与感知的认知用户数、融合准则、感知周期进行联合优化。2)基于引入控制信道影响的优化模型,提出了分层优化方法,并通过仿真分析了在优化过程中感知时间、“k秩准则”的k值、参与感知的认知用户数和判决门限对联合优化问题的影响。仿真结果表明：所提议的联合优化策略明显提高了协作感知网络的吞吐量,同时,采用最优的k值时,认知网络的吞吐量对控制信道状态的变化具有鲁棒性。3)基于多带集中式协作频谱感知网络,建立了感知时间自适应的多带联合检测优化问题：在限制对主用户干扰的约束条件下,以吞吐量最大化为目标联合优化感知时间和判决门限。并通过理论推导证明,该优化问题在虚警和漏检概率较小时可以转化为凸优化问题,从而可采用内点障碍函数法求解。仿真结果验证了该算法的正确性,且仿真结果表明：认知用户协作的多带联合检测性能明显优于非协作的。