认知无线传感器网络中频谱管理的能效优化研究

《认知无线传感器网络中频谱管理的能效优化研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、万方数据中图分类号卫塑2§UDC39学校代码!Q§3圣密级公珏硕士学位论文认知无线传感器网络中频谱管理的能效优化研究Ene唧一E街cientop劬i刎onforSpeC仃己H11ManagememinCo盟itiveRadioSensorN咖orks作者姓名：学科专业：研究方向：学院(系、所)：指导教师：黄华信息与通信工程认知无线网络信息科学与工程学院彭军教授论文答辩日期丝!继篁：堡答辩委员会主中南大学2014年5月万方数据学位论文原创性声明㈣㈣帅㈣Ⅷ㈣Ⅲ啪咖ⅢIIY2686307本人郑重声明，所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。尽我所

2、知，除了论文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得中南大学或其他教育机构的学位或证书而使用过的材料。与我共同工作的同志对本研究所作的贡献均已在论文中作了明确的说明。申请学位论文与资料若有不实之处，本人承担一切相关责任。作者签名：j牡日期：醴年兰月盈日学位论文版权使用授权书本学位论文作者和指导教师完全了解中南大学有关保留、使用学位论文的规定：即学校有权保留并向国家有关部门或机构送交学位论文的复印件和电子版；本人允许本学位论文被查阅和借阅；学校可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用复印、缩印或

3、其它手段保存和汇编本学位论文。保密论文待解密后适应本声明。作者签名：监导师签名丝日期：趁年白望日万方数据认知无线传感器网络中频谱管理的能效优化研究摘要：认知技术的频谱动态管理在增加网络频谱利用率的同时，必将增加节点的能耗，这对于能量、存储和计算等资源受限的认知无线传感器网络是一个十分严峻的问题，因此如何高效地使用有限的节点能量来延长生存时间，已成为认知无线传感器网络面临的首要挑战。本文以能效优化为目标，考虑频谱效率和能量效率的均衡，对认知无线传感器网络中的频谱检测和频谱决策技术进行研究。首先，通过分析协作频谱检测的全局误警率和检测率，结合筛选机制和休眠调度机制，对协

4、作频谱检测的多目标优化问题进行建模；通过相对基学习初始化种群并利用竞赛机制进行变异操作，提出一种快速多目标差分进化算法来求解频谱检测的多目标优化问题，为了加快算法收敛速度和维持解的多样性，设计一种交叉参数动态变化方法和种群选择方案，在均衡检测性能和能量效率的同时为频谱决策提供准确有效的信息。然后，在实现频谱检测多目标优化的基础上，通过信道表征与网络能效分析，建立了一种自适应频谱决策框架；基于该决策框架，建立学习模型并设计学习策略选取方案，提出一种基于分布式策略估计Q学习的信道和功率联合决策算法，降低协作通信开销，减少能量消耗；同时根据状态行为对被访问的次数，设计学习

5、率的动态调整方法，加快学习算法的收敛速度，实现网络能效的最大化，进而延长网络生存时间。最后，利用Matlab网络仿真工具对本文提出的协作频谱检测多目标优化和频谱决策能效优化算法进行仿真实验，验证算法的有效性。图28幅，表2个，参考文献79篇。关键词：认知无线传感器网络；能效优化；频谱检测；频谱决策；差分进化；增强学习分类号：TN925；39II万方数据Ene唧．E伍cientOpthizationforSpectmmMaIlagementhlCo朗itiveI锄ioSensorN咖orksAbstract：CogIlitionbasedspec勃rLlmmanage

6、mentleadstothe王li曲util泣ationrateofspec协JmwKleincreasetheenergyconSumptionofnetworknodes．Hbnce．howtoex￡endthe1i南timeofnetworkshasbecometheprimarychallengefortheresourCe—coIlstIAiIledCog血iveRadioSellsorNe觚od(s．Aimedatke印ingtrade—o凰be铆eenthee衢cienCyofspec仉IlIlandenergy，researChonspectnlms

7、ensmganddecisionmtheCo鲥tiveRadioSensorNe俩orksareconduCtedmthjswork．Winlsle印mgscheduleandcenSoringscheme疵egrated，amodelforcooperativespec句mmsensillgwi：thmulti—objeCtiveoptir试zationisestablished，衄ou曲锄lyzir培theglobahateofdeteCtionandfalseal踟1．Andaf瓠tmulti-objectivedif梵rentialevolutional