認知無線電和緩存網絡的關鍵技術研究.pdf

1、近年來，隨著移動終端的快速發(fā)展和各種以內容為中心的軟件應用的出現，移動數據流量呈爆發(fā)式增長。巨大的移動數據流量使當前的無線網絡面臨從頻譜資源到網絡架構的挑戰(zhàn)。為了應對快速增長的無線數據，本文考慮兩種有前景的技術。一種是通過頻譜共享來增加頻譜利用率的認知無線電技術。另一種是讓內容靠近用戶的內容緩存技術。
　　對于認知無線電技術，盡管國內外學者和研究機構在近年來進行了眾多相關研究，但是這些研究還不足以將該技術商用化。對于內容緩存技術，

2、全球對該技術的研究尚處于初期階段，還不成熟。為了將這兩種技術用于實際，我們還需要增加對這兩種技術的理解。鑒于此，本論文主要研究認知無線電技術和內容緩存技術中的幾個關鍵問題，主要工作和創(chuàng)新點如下：
　　1)在疊加共享（Overlay)認知網絡中，認知用戶利用頻譜感知技術判斷某一個頻段是否被主用戶占用，然后決定是否傳輸認知數據。我們考慮了非完美頻譜感知，并且研究頻譜感知時間和認知發(fā)射功率對認知網絡能量效率的影響。我們提出了兩種聯合優(yōu)化

3、頻譜感知時間和發(fā)射功率的算法來最大化認知網絡能效，并且分析了各自的計算復雜度。最后，我們通過仿真驗證了算法的有效性。
　　2)在襯墊共享（Underlay)認知網絡中，只要認知用戶能夠準確地控制對主用戶的干擾，認知用戶可以和主用戶同時使用授權頻段，從而提高頻譜利用率。為了準確地控制干擾，認知用戶發(fā)送端需要獲取到主用戶接收端之間的信道增益，也稱為交叉信道增益。我們提出了一種主動式交叉信道增益估計算法，得到了交叉信道估計的閉合表達式。

4、同時，我們考慮了加性高斯白噪聲對估計性能的影響，并且推導了估計器的上界和下界。另外，我們設計了認知用戶發(fā)射端的位置，從而優(yōu)化了認知用戶發(fā)射端對主用戶系統的影響。最后，我們通過仿真驗證了算法的有效性。
　　3)在設備直通（Device-to-Device， D2 D)協作的無線緩存網絡中，如果用戶的請求內容已經被提前存放到本地，那么用戶可以直接使用該內容；如果該內容沒有被存放到本地，而是存放到附近設備，那么用戶可以通過D2D傳輸獲得

5、該文件；如果該內容既沒有被存放到本地，也沒有被存放到附近設備，那么該用戶直接向基站或者服務器發(fā)出請求。在這個網絡中，我們通過仿真優(yōu)化了分布式內容存放方法，提出了啟發(fā)式D2D鏈路調度算法，和最優(yōu)D2D功率分配算法，并且分析了各種算法的計算復雜度。仿真結果說明，我們提出的算法能夠更加充分地利用網絡節(jié)點的存儲能力，降低基站或者服務器端的數據流量，提高D2D傳輸速率。
　　4)在實際的無線網絡中，網絡拓撲往往是分層的樹狀結構，而且各層的網