论文部分内容阅读
认知无线电技术(Cognitive Radio,CR)作为解决非授权频谱段(Industrial,Scientific,Medical,ISM)频谱危机的关键技术受到关注。次级用户(Secondary User,SU)的活动受主要用户(Primary User,PU)的影响,一方面,为了避免对主要用户产生干扰,次级用户需要进行频谱感知对可用授权信道进行探测,对主要用户(Primary User,PU)活动的有效监测是部署CR技术、有效利用频谱资源的重要前提。但是,频繁的频谱感知会极大的增加能耗,进而减少网络的生命周期。另一方面,次级用户的传输稳定性受主要用户影响。当主要用户的活动较为频繁时,次级用户的链路频繁中断传输以避免对主要用户的干扰,导致链路不稳定、触发重传,降低了网络吞吐量。因此,减少主要用户带来的负面影响,优化频谱感知能效、保障通信链路稳定,对资源有限的认知无线电传感器网络(Cognitive Radio Sensor Networks,CRSN)尤为重要。本文将围绕CRSN,针对基于主要用户行为预测的优化方案展开研究,主要工作和创新点如下:第一,为了优化频谱感知的能耗,剔除传统方案中的冗余节点,提出了基于隐马尔科夫模型(Hidden Markov Model,HMM)的冗余节点剔除方案。同时,基于全局感知精度和剩余能量,提出了基于代表性节点选择的协作频谱感知方案,实现对频谱感知的能耗优化。实验结果显示,通过剔除冗余节点和代表性节点选择,该方案能够有效地降低频谱感知的能耗,提升了网络能效。第二,由于多跳认知无线电传感器网络中标记样本获取困难,提出了基于半监督学习的主要用户行为预测模型,优化了标记样本数量。为了降低主要用户活动对次级用户的影响,提出了新的路径选择标准,定义为通信可靠度,这一新的标准反映了中继节点能够成功通信的概率,从而降低主要用户活动对次级用户的影响。实验结果表明,该方案有效地减少了认知无线电传感器的存储成本,保障了传输稳定性。