论文部分内容阅读
随着无线通信技术的不断发展以及人们对于无线业务的需求的迅速增加，无线频谱资源被不断消耗，因此无线频谱资源变得日益短缺。为了有效地利用现有的频谱资源来满足人们日益增长的需求，认知无线电技术被提出并得到快速的发展。认知无线电技术是继当前软件无线电技术后的下一代无线电技术。主要用于解决频谱再利用的问题。认知无线电能够通过探测周围频谱环境获得频谱的使用信息，并收集未被主用户使用的频谱资源进行再分配，次用户则通过改变自身的参数，根据频谱分配情况择机选择空闲频谱进行通信。由于OFDM调制技术具有弥补频谱间隙的优势，因此基于OFDM调制的认知无线网络技术受到了广泛的关注。本文主要解决认知无线网络中当信号采用OFDM调制时网络中子载波和功率资源的优化分配问题，该问题可以建模为一个多约束的优化问题。采用进化算法可以有效地处理该类问题。本文根据认知OFDM网络资源分配的模型，设计了不同的操作算子，并进行仿真实验，通过对比实验可以有效地证明其有效性。本文的主要工作包括如下：（1）提出了一种基于遗传算法的认知OFDM网络子载波优化分配算法，该算法主要解决资源分配中子载波分配的问题，采用启发式的种群分配和变异策略，使种群初始化和变异的效率更高。（2）提出了一种基于免疫克隆算法的认知OFDM上行链路资源优化分配算法，主要用于解决认知无线网络下行链路中采用OFDM调制时子载波与功率的联合分配问题。该方法采用免疫克隆算法基本框架并结合全新的种群处理策略，实现对子载波资源的优化分配，采用注水定理实现对功率资源的优化分配。（3）提出了一种基于免疫克隆算法的认知OFDM网络下行链路资源优化分配算法，主要用于解决认知OFDM无线网络下行链路的子载波与功率的优化分配问题。算法采用启发式的变异操作和灵活的克隆操作，并引入了等效噪声的概念，结合注水定理分配功率，实现了良好的效果。除此之外，该领域尚有许多问题亟待解决，如网络拓扑结构的优化，次用户接入策略，以及网络安全等问题。这些都是认知无线电技术未来的研究方向。本文工作得到了国家自然科学基金(No.61001202)，国家教育部博士点新教师基金(No.20100203120008)的资助。