论文部分内容阅读
认知无线电技术作为缓解无线频谱资源紧张局面的有效方法,已成为通信领域的研究热点。由于认知无线电网络频谱动态性和差异性,使得传统路由算法不能完全适用于它。本文通过分析、总结认知无线电网络的动态频谱分配与路由等相关技术的研究现状,针对不同架构的多跳认知无线电网络,设计了相应的端到端信道分配与路由策略。
首先,针对分布式认知无线电网络,提出了一种加权累积时延与累积干扰(WCDCI)路由度量,并通过MAC层的信道分配和网络层的路径选择相协作,利用按需路由机制实现了基于WCDCI的跨层路由算法。该算法以用户需求为依据,为网络端到端通信决策最佳的信道和路由。其次,针对混合式认知无线电网络,基于Overlay和Underlay频谱共享模型,对Underlay方式进行了重新定义:Ⅰ类Underlay和Ⅱ类Underlay方式。本文以着色图模型为路由分析模型,为了避免交叉节点的出现影响网络通信性能,将跳数和链路状态的加权和作为路由选择依据,以最小累积干扰为信道分配指标,基于Overlay和Ⅰ类Underlay频谱共享方式提出了一种信道分配和路径选择改进算法(ICARS),基于Ⅱ类Underlay频谱共享方式提出了一种具有功率控制的信道分配和路径选择算法(CARSPC)。
最后,本文不仅给出了算法的具体实现,还采用NS2网络仿真器对上述算法进行了性能评估。仿真结果表明,与基于WCETT的MR-LQSR路由协议和基于最小跳数的多信道扩展AODV路由协议相比,基于WCDCI的跨层路由算法获得的网络通信性能有明显的改善,为分布式认知无线电网络的路由设计提供了一种解决方案;与ICARS算法相比,CARSPC算法能获得更好的网络通信质量,更适用于混合式认知无线电网络。