动态认知无线电网络自适应QoS保障机制研究.pdf

Classified Index: TN915.43 U.D.C: 654 Dissertation for the Doctoral Degree in Engineering ADAPTIVE QoS-SUPPORT MECHANISMS FOR DYNAMIC COGNITIVE RADIO NETWORK Candidate ： Xin-Lin Huang Supervisor ： Prof. Gang Wang Academic Degree Applied for ： Doctor of Engineering Speciality ： Information and Communication Engineering Affiliation ： School of Electronics Information Engineering Date of Defence ： October, 2011 Degree-Conferring-Institution ： Harbin Institute of Technology 摘 要 摘 要 由于日益增长的无线接入业务需求以及授权频谱的低利用率现状，使得认知 无线电和动态频谱接入技术成为下一代通信网络（即认知无线电网络，Cognitive radio network ，CRN ）的核心技术。CRN 通过机会式的频谱接入来获得巨大的无 线带宽，从而提高频谱利用率。然而，CRN 没有固定的工作频带以及调制方式， 这些传输参数取决于频谱感知、频谱切换、频谱共享以及频谱管理等过程。为了 在 CRN 上实现多媒体传输，本文从上述四个过程出发逐步展开课题的研究。 首先，本文提出了一种基于空时数据挖掘和压缩感知的联合频谱感知算法。 频谱感知是认知无线电区别于传统无线电的关键技术，感知无线电环境是实现认 知无线电传输的基础。由于 CRN 布置在一定的空间内，不同的簇可能具有不同 的稀疏频谱，在联合频谱感知过程中不适合进行信息共享，这一课题目前在联合 频谱感知领域没有被很好地解决。本文提出使用基于狄利克雷过程（Dirichlet process, DP ）的分层贝叶斯模型来实现感知数据的自动分组，将具有同一稀疏频 谱的簇自动分到同一组。在每个组内，可以进行信息共享并实施分层贝叶斯推理 得出共享的超参数。因此，基于 DP 的分层贝叶斯模型充分利用了空间分集信息 对感知数据进行非参数分组。然而，顺序采集的压缩感知数据在时间上也是相关 的。为了进一步提高频谱判决的精确度，本文采用隐藏马尔科夫模型来描述隐藏 的信道状态与顺序采集的压缩感知数据之间的关系，并使用维特比算法来获得最 终的超参数以及更高精确度的频谱判决。仿真实验表明空时数据挖掘算法在恢复 信号的归一化均方误差、正确检测概率、虚警概率等方面的性能均优于目前的几 种频谱感知算法。 其次，为了通过频谱切换来保证多媒体应用的服务质量（Quality of Service, QoS ），必须对无线电环境进行周期性检测。然而，频谱感知必将引入额外的时 延。因此，本文将频谱切换与频谱感知进行联合跨层设计，具体为多媒体传输的 自