论文部分内容阅读
认知无线电是为了解决频谱紧缺而提出的新技术。认知无线Mesh网络是一种结合了认知无线电和无线Mesh网络特点的多跳网络架构。认知无线Mesh网络中次用户可能与主用户产生传输碰撞,导致次用户路由频繁中断失效,端到端业务流传输不稳定;此外,在异构业务流并存条件下,不同类型业务流之间还存在资源冲突和相互干扰。针对这些问题,本文研究认知无线Mesh网络中的路由和资源分配问题。研究认知无线Mesh网络中最大化传输稳定性的路由选择问题。提出以期望速率作为路由选择的指标,来寻找在满足给定端到端跳数限制和速率要求的前提下,最大化期望速率的路由选择方案。仿真表明,提出的方案能为次用户业务流选择具有最大期望速率的路由,从而增强了次用户业务流传输的稳定性。分别研究认知无线Mesh网络中给定路由条件下实时和非实时业务流的资源分配问题。对于实时业务流,在保证已接入实时业务流服务质量QOS的基础上最小化其消耗的无线资源,使网络能够容纳尽可能多的实时业务流;对于非实时业务流,考虑最大化其总吞吐量。相应地,实时和非实时业务流的资源分配问题可分别建模为NP-Hard的混合整形非线性优化问题,设计了低复杂度的次优算法来求解上述问题。仿真结果表明,所提出的算法相较于对比算法,无论对于实时还是非实时业务流,都能够在消耗较少资源的条件下达到更好的性能。研究认知无线Mesh网络中异构业务流并存条件下的联合路由和资源分配问题。将其问题分解为长期性路由和周期性资源分配两个步骤。特别地,我们在资源分配中,引入干扰缓冲量,使网络中的实时和非实时业务流可以根据优先级进行资源分配。仿真表明使用论文提出的算法不论对于实时业务流还是非实时业务流得到的性能都大大优于使用认知贪婪算法得到的性能;并且在合理选择干扰缓冲量的情况下,所设计的低复杂度算法能使实时业务流的接入率或者非实时业务流的吞吐量接近非认知环境下的所能取得的性能。