论文部分内容阅读
论文围绕多跳无线网络以吞吐量最大化为目标的链路调度问题展开研究，重点解决单信道多跳无线网络和新型的多信道多跳认知无线电网络这两类不同网络类型下的链路调度问题。在传统的单信道多跳无线网络中，学术界主要针对图干扰模型下链路调度问题展开研究。图干扰模型对物理世界的无线通信干扰情况进行了简化，不能准确描述实际物理世界的干扰，物理干扰模型是一种能够更准确反应物理世界无线通信干扰的模型，但是目前学术界关于物理干扰模型下链路调度研究结果还非常少。为此，论文针对单信道多跳无线网络物理干扰模型下的集中式链路调度和分布式链路调度问题依次展开研究。在无线通信领域，针对频谱稀缺与可用频率利用率低的矛盾，可动态利用闲置频带的无线认知技术发展起来并得到研究界的广泛关注。相对于传统的单信道无线网络，在新型的认知无线电网络中，无线认知节点不再固定在一个信道上通信，而可以快速地在多个信道之间进行切换，有效利用空闲信道。但是，由于主用户活动的未知性，无线信道的质量是未知的。认知节点需要通过学习选择信道质量最好的信道进行传输。目前认知无线电网络的相关工作研究都集中在单跳网络场景，没有考虑多跳网络场景。而在实际应用中，无线网络大多以多跳的形式部署。为此，论文首次针对多跳认知无线电网络以吞吐量最大化为目标的动态接入问题展开研究。 论文针对上述三个研究问题，取得以下创新性研究成果: 1.单信道多跳无线网络物理干扰模型下通用有效的集中式链路调度算法。目前相关工作需要针对不同的发送功率分配方式设计不同的链路调度算法且这些算法理论上保证可达到的吞吐空间仍待提高。论文提出了物理干扰模型下通用有效的集中式链路调度算法。当链路发送功率为固定分配方式时，提出了一种适用于任意固定功率分配方式的链路调度算法。当链路发送功率为可变分配方式时，提出了一种联合功率分配的链路调度算法。算法可以达到的理论吞吐空间与网络的规模以及网络中队列的动态变化无关，不会随着网络规模的增加或者队列长度的增加而恶化。仿真实验结果验证了这两个算法的有效性。 2.单信道多跳无线网络物理干扰模型下分布式链路调度算法。目前物理干扰模型下分布式链路调度算法没有有效的理论保证且通信复杂度高。论文首次提出了物理干扰模型下oblivious和uniform这两种常用固定发送功率分配方式下低复杂度且具有理论保证的分布式链路调度算法。在oblivious发送功率分配方式下，证明所提的链路调度算法在理论上可达到常数近似的最优吞吐空间。在uniform发送功率分配方式下，证明所提的链路调度算法在理论上可达到对数近似的最优吞吐空间。在这两个分布式链路调度算法的执行过程中，每个节点只需要收集常数邻居范围内的链路调度和状态信息，无需在全网范围内广播和收集信息，极大降低了通信复杂度。仿真实验结果表明，所提的两个算法所达到的吞吐性能明显优于对比算法。 3.多信道多跳认知无线电网络吞吐量最优的信道接入算法。目前认知无线电网络动态接入问题的相关研究工作只考虑单跳网络场景。论文首次提出了多跳认知无线电网络动态信道接入算法。该算法利用线性组合MAB方法对每一个未知的信道质量进行学习与估测，极大地降低了学习过程的计算复杂度和空间复杂度。利用学习的信道质量，算法在信道接入过程中通过分布式执行Robust PTAS算法，以很低的计算、通信和空间开销实现分布式信道接入。算法在理论上被证明可以达到的平均吞吐量与最优算法的平均吞吐量的差值趋近于零，即几乎可以达到最优的网络吞吐量。仿真实验对比了论文所提的分布式链路调度算法与采用了不同的学习方法时论文所提的分布式链路调度算法的吞吐性能，实验结果表明论文提出的分布式链路调度算法明显优于采用了不同学习方法的对比算法。