m基于中继协助的认知无线电频谱切换机制的matlab仿真分析

简介: m基于中继协助的认知无线电频谱切换机制的matlab仿真分析

1.算法描述

   认知无线电网络在进行频谱切换的时候,最为重要的问题是如何以最少的频谱切换次数实现频谱切换,同时保证较好的服务质量,这里,服务质量不仅是授权用户的服务质量,同时也要保证次用户的服务质量。所谓频谱切换,主要在在认知无线电网络中,当授权用户出现的时候,为了防止对授权用户服务质量的影响,次用户必须选择其他可选信道,此时,次用户就需要进行切换。

    目前为止,关于这方面的研究总结起来,主要有如下几个方面。

   通过使用能量检测、匹配过滤、循环侦测等技术来提高感知函数的过程增益,从而改善无线频谱感知的性能。

  通过在同一个频段范围内共存两个移动无线系统来提高频谱的使用效率。

    由于认知无线电是机会式地使用授权频谱,就会造成很多次用户在整个通信过程中频繁的进行切换,每进行一次切换就需要诸如频谱感知,切换请求,频谱分配,执行切换等过程,这些势必带来大量的时间开销。

   因此,保证次用户服务质量的一个最有效最直接的方法就是在传输过程中尽量减少切换次数。从服务质量角度考虑为次用户分配频谱空洞时间最长、带宽最宽的频谱无疑是最好的;然而从无线频谱资源的利用角度考虑,如果一个对服务质量要求不高的用户分配一个空洞时间长带宽较宽的频谱势必会造成资源的浪费,从频谱有效管理来说这种方法也是不可取的。  

    我们将主要研究基于切换概率的频谱分配算法,在保证服务质量的同时,减少频谱切换次数。这里,我们介绍了一种基于频谱空洞预留算法的频谱匹配算法。

1.png
2.png
3.png

   第7步:判断参加竞价的次用户数或者参加拍卖的授权频谱是否为零,如果都不为零,算法返回到 Step 2,继续执行下面步骤;如果二者之一为零,那么该算法结束。

2.仿真效果预览
matlab2022a仿真结果如下:
4.png
5.png
6.png
7.png

3.MATLAB部分代码预览

clear;
warning off;
% 
addpath 'My_Function\' %自定义函数路径
addpath 'My_Figure\'   %仿真结果图保存路径
addpath 'My_Result\'   %仿真结果及仿真中间结果数值保存路径
%参数化
lemda   = 0.2;
M       = 50;%用户数量
%信道数目
N       = 10;
lemda   = 1/2000 + (1/200-1/2000)*rand(N,1);%1/2000 ~ 1/200的均匀分布
 
% p:次用户传输功率; 
% N0 :信道的噪声功率;
% hi :用户i的发射机和接收机之间的信道系数。 
p  = 10;
No = 1;
 
 
for nn = 1:M
    nn
    TIME    = 1000;
    NUM     = 0;
    %中继信道lemda
    lemda2  =  1/1000 + (1/100-1/1000)*rand(N,1);%1/1000 ~ 1/100的均匀分布
    hi      = zeros(nn,1);
    for t = 1:TIME
        %Step 1,算法执行的开始,对参加竞价的次用户数等进行初始化。
        hi   = rand(nn,1);
        hicr = rand(nn,1);
        IIs = [];
        for i = 1:nn
            fail = 1;
            %首先判断是否存在中继用户
            %授权用户出现的概率
            P   = rand;
            P2  = rand;
            
            while fail == 1
                if P2 < 0.01%有认知用户
                    %Step 2,计算出次用户 i 对频谱 j 的估价vi
                    for j =1:N
                        Vi1(j) = 1 - lemda(j)/(log2(1+hi(i)*p/No));
                        Vi2(j) = 1 - lemda2(j)/(log2(1+hicr(i)*p/No));
                    end
                    %Step 3,计算出每个次用户最终提交的竞标价格bi
                    for mm1 =1:N
                        bi1(j) = Vi1(j) - randn(1);
                        bi2(j) = Vi2(j) - randn(1);
                    end
                    %Step 4,比较每个次用户的估价价格和自己提交的竞价价格的大小,如果估价
                    %价格小于竞标价格,说明频谱 j 不适合次用户 i,返回到 Step 2,否则
                    %直接执行下一步。
                    for mm1 =1:N
                        Vi_bi1(j) = Vi1(j) - bi1(j);
                        Vi_bi2(j) = Vi2(j) - bi2(j);
                    end
                    Vi_bi = [Vi_bi1,Vi_bi2]; 
                else%无认知用户
                    %Step 2,计算出次用户 i 对频谱 j 的估价vi
                    for j =1:N
                        Vi(j) = 1 - lemda(j)/(log2(1+hi(i)*p/No));
                    end
                    %Step 3,计算出每个次用户最终提交的竞标价格bi
                    for mm1 =1:N
                        bi(j) = Vi(j) - randn(1);
                    end
                    %Step 4,比较每个次用户的估价价格和自己提交的竞价价格的大小,如果估价
                    %价格小于竞标价格,说明频谱 j 不适合次用户 i,返回到 Step 2,否则
                    %直接执行下一步。
                    for mm1 =1:N
                        Vi_bi(j) = Vi(j) - bi(j);
                    end
                end
                %去掉小于0的
                Ind1 = find(Vi_bi>0);
                if isempty(Ind1)==1
                   fail = 1;
                else%没有中断,则选择%Step 5,找出最大的竞标价格及对应的次用户 i。
                   [VV,II] = max(Vi_bi);  
                   fail = 0;
                end 
            end
            IIs=[IIs,II];
        end
        %如果IIs前后不同,则说明成功,进行一次切换
        for iis = 1:length(IIs)-1
            if IIs(iis+1)~=IIs(iis)
               NUM = NUM+1;
            end
        end
    end
    PRO(nn) = NUM/TIME;
end
 
figure;
plot(1:M,PRO,'b','Linewidth',2);
xlabel('次用户个数');
ylabel('切换次数');
legend('基于竞价机制的中继协作频谱切换');
01_084_m
相关文章
|
5天前
|
算法 数据安全/隐私保护 计算机视觉
基于二维CS-SCHT变换和LABS方法的水印嵌入和提取算法matlab仿真
该内容包括一个算法的运行展示和详细步骤,使用了MATLAB2022a。算法涉及水印嵌入和提取,利用LAB色彩空间可能用于隐藏水印。水印通过二维CS-SCHT变换、低频系数处理和特定解码策略来提取。代码段展示了水印置乱、图像处理(如噪声、旋转、剪切等攻击)以及水印的逆置乱和提取过程。最后,计算并保存了比特率,用于评估水印的稳健性。
|
3天前
|
机器学习/深度学习 算法 安全
m基于Q-Learning强化学习的路线规划和避障策略matlab仿真
MATLAB 2022a仿真实现了Q-Learning算法在路线规划与避障中的应用,展示了智能体在动态环境中学习最优路径的过程。Q-Learning通过学习动作价值函数Q(s,a)来最大化长期奖励,状态s和动作a分别代表智能体的位置和移动方向。核心程序包括迭代选择最优动作、更新Q矩阵及奖励机制(正奖励鼓励向目标移动,负奖励避开障碍,探索奖励平衡探索与利用)。最终,智能体能在复杂环境中找到安全高效的路径,体现了强化学习在自主导航的潜力。
9 0
|
1天前
|
算法
m基于BP译码算法的LDPC编译码matlab误码率仿真,对比不同的码长
MATLAB 2022a仿真实现了LDPC码的性能分析,展示了不同码长对纠错能力的影响。短码长LDPC码收敛快但纠错能力有限,长码长则提供更强纠错能力但易陷入局部最优。核心代码通过循环进行误码率仿真,根据EsN0计算误比特率,并保存不同码长(12-768)的结果数据。
20 9
m基于BP译码算法的LDPC编译码matlab误码率仿真,对比不同的码长
|
4天前
|
机器学习/深度学习 算法 数据挖掘
基于GWO灰狼优化的CNN-LSTM-Attention的时间序列回归预测matlab仿真
摘要: 本文介绍了使用matlab2022a中优化后的算法,应用于时间序列回归预测,结合CNN、LSTM和Attention机制,提升预测性能。GWO算法用于优化深度学习模型的超参数,模拟灰狼社群行为以求全局最优。算法流程包括CNN提取局部特征,LSTM处理序列依赖,注意力机制聚焦相关历史信息。GWO的灰狼角色划分和迭代策略助力寻找最佳解。
|
5天前
|
数据可视化 算法
MATLAB Simulink晶闸管的特性分析
MATLAB Simulink晶闸管的特性分析
14 2
|
5天前
|
算法 计算机视觉
基于高斯混合模型的视频背景提取和人员跟踪算法matlab仿真
该内容是关于使用MATLAB2013B实现基于高斯混合模型(GMM)的视频背景提取和人员跟踪算法。算法通过GMM建立背景模型,新帧与模型比较,提取前景并进行人员跟踪。文章附有程序代码示例,展示从读取视频到结果显示的流程。最后,结果保存在Result.mat文件中。
|
5天前
|
资源调度 算法 块存储
m基于遗传优化的LDPC码OMS译码算法最优偏移参数计算和误码率matlab仿真
MATLAB2022a仿真实现了遗传优化的LDPC码OSD译码算法,通过自动搜索最佳偏移参数ΔΔ以提升纠错性能。该算法结合了低密度奇偶校验码和有序统计译码理论,利用遗传算法进行全局优化,避免手动调整,提高译码效率。核心程序包括编码、调制、AWGN信道模拟及软输入软输出译码等步骤,通过仿真曲线展示了不同SNR下的误码率性能。
9 1
|
5天前
|
存储 算法 数据可视化
基于harris角点和RANSAC算法的图像拼接matlab仿真
本文介绍了使用MATLAB2022a进行图像拼接的流程,涉及Harris角点检测和RANSAC算法。Harris角点检测寻找图像中局部曲率变化显著的点,RANSAC则用于排除噪声和异常点,找到最佳匹配。核心程序包括自定义的Harris角点计算函数,RANSAC参数设置,以及匹配点的可视化和仿射变换矩阵计算,最终生成全景图像。
|
5天前
|
数据安全/隐私保护
地震波功率谱密度函数、功率谱密度曲线,反应谱转功率谱,matlab代码
地震波格式转换、时程转换、峰值调整、规范反应谱、计算反应谱、计算持时、生成人工波、时频域转换、数据滤波、基线校正、Arias截波、傅里叶变换、耐震时程曲线、脉冲波合成与提取、三联反应谱、地震动参数、延性反应谱、地震波缩尺、功率谱密度
|
5天前
|
数据安全/隐私保护
耐震时程曲线,matlab代码,自定义反应谱与地震波,优化源代码,地震波耐震时程曲线
地震波格式转换、时程转换、峰值调整、规范反应谱、计算反应谱、计算持时、生成人工波、时频域转换、数据滤波、基线校正、Arias截波、傅里叶变换、耐震时程曲线、脉冲波合成与提取、三联反应谱、地震动参数、延性反应谱、地震波缩尺、功率谱密度

热门文章

最新文章