认知无线电网络中随机感知顺序的分析与优化

制定高效的频谱接入策略可使认知无线电在确保主用户既定服务质量水平的同时，显著提高频谱利用率。本文研究了具有随机感知顺序策略的分布式次级网络的建模、性能分析与优化。具体而言，当主用户返回时，次级用户建立可用信道的随机顺序，并以分布式方式寻找最佳传输和切换机会。通过马尔可夫链分析，研究了次级用户的平均吞吐量以及次级用户与主用户之间的平均干扰水平。提出了一种在控制平均干扰的同时最大化次级网络吞吐量的性能优化方案。研究表明，尽管传统观点认为如此，信道感知中的非零虚警概率反而能提高信道利用率，特别是在竞争过于激烈的密集次级网络中。随后，建立了两种简单实用的自适应算法以优化网络。第二种算法能够跟随非平稳条件下无线信道的变化，其性能甚至优于静态暴力优化，且计算需求极少。基于马尔可夫链分析建立的分析性能指标，从理论上研究了分布式算法的收敛性。最后，数值结果验证了分析推导，并展示了所提方案的有效性。结论表明，完全分布式的感知顺序算法无需集中管理或用户间消息传递，即可显著提升认知无线电网络的性能。