资源分配与合作在认知无线电网络中MAC层节点

文摘

一个合作的认知无线电网络中的动态频谱接入算法。该算法利用媒介访问控制层之间的消息交换机制辅助节点在许可经营的豁免范围乐队,以达到减轻干扰。利用模糊逻辑推理程序,以考虑的影响大量用户的共存干扰以及应对不确定性的消息交换,由于节点的移动性和大延迟更新的必要的信息。该算法应用于滤波器组多载波,以及正交频分复用系统中,其性能评估通过广泛的涵盖范围广泛的典型场景的模拟。实验结果表明改进的行为相比,之前的计划,特别是在不确定性的情况下导致低估的干扰水平。

1。介绍

移动设备的普及,加上不断增加的需求更高的数据率的支持,构成静态频率分配方案不理想,因为他们经常导致频谱未充分利用。认知无线电(CRs)支持机会频谱接入(OSA) [1)成为一个新的范例,提供了一个有效解决频谱稀缺的问题。然而,增加方差在频谱可用性结合终端用户的多样化的特征和服务质量(QoS)需求提出了一系列挑战,需要解决。

更具体地说,认知无线电系统操作的授权频谱乐队共存的初级和二级用户频谱感知的操作,定义为光谱的识别带可用于传输和频谱移动性,即无线信道的假期当检测到主用户,至关重要。另一方面,认知无线电系统的操作许可免除光谱波段,不同的运营商共存,需要高效的频谱决策和频谱共享算法以及功率控制机制减轻干扰。例如,如果所有用户传输的最大有效功率水平,然后每个用户造成重大干扰别人,这一事实可能导致减少总效用从网络的角度来看,最后,可怜的最终用户的QoS。

在这个范围,算法采用合作频谱共享为了最大化整个系统性能是必需的。这些算法需要分布式,为了有效地应用在ad hoc网络在无照经营的有必要进行同步的谱带,只有为用户相同的操作符。这样的算法还应该能够使用有效的消息交换计划为了最大化整个系统实用程序(因此,相关系统分为合作CR系统);然而,不确定性在消息交换也应该被考虑。此外,他们应该能够收敛在有限数量的迭代最优解决方案适用于实际系统。

为了解决一些以前的挑战,作者在2]提出一种迭代注水算法允许用户基于价格收敛到纳什均衡。该算法可以实现在一个分布式的方式与CRs谈判最好的传播力量和频谱。在[3),一个动态开放频谱共享介质访问控制(MAC)协议提出了无线ad hoc网络。这个协议执行实时动态频谱分配,允许节点自适应地选择任意频段的通信频谱可用性。在[4),一个分布式频谱分配方法,从先前的频谱分配和执行有限数量的计算适应最近的拓扑变化被认为是。根据拟议中的本地谈判方法,用户影响流动性事件自组织分成谈判组和适应他们的频谱分配近似一个新的最优无冲突任务。作者在5)提出一个用高效和公平的访问在开放频谱模型系统。三个策略驱动的效用函数,结合高效的频谱利用率和公平,和一个顶点标识机制用于构建集中式和分布式近似算法。在[6),一个组的协调方案和分布式组织设置和维护渠道提出了自适应算法,用户选择协调。在[7),一个算法,允许传输功率和传输频率同时选定了认知无线电通信竞争提出了一种频谱。最后,在[8),一种算法中,每个用户选择一个通道及其传动功率通过考虑信息关于网络中的其他用户造成的干扰。

在这篇文章中,一个算法基于频谱共享方案的8]分布式干扰补偿在许可经营的认知无线电提出了免除谱带。该算法改进使用的效用函数(8)来提高系统的可伸缩性在大量用户的情况下对和考虑不确定性,可能是由于用户移动性和大延迟干扰的更新价格。更具体地说,模糊逻辑推理程序是为了考虑利用大量用户的影响和相关的干扰以及应对不确定性的消息交换的过程。通过模拟算法的性能评估。在这个方向上,整个算法的实用价值与效用的一个简单的“总是选择最大有效功率”的政策。该算法也应用在滤波器组多载波(FBMC)和正交频分复用(OFDM)系统为了显示它的灵活性和功能的透明地利用一种改进的物理层,没有任何进一步的修改。此外,与分布式算法的比较8)是用于验证改进的总体效用水平下的不确定性导致低估25%的干扰。最后,为了量化改进使用传统的网络指标和显示更高的整体效用价值和参数之间的关系,直接影响到用户体验,比较的算法(8]的Signal-to-Interference-plus-Noise比(SINR)也执行。实验结果表明,SINR不断提高该算法的使用。

剩下的纸是组织如下。部分2详细描述了该算法。定义的模糊推理算法参数中概述部分3。节4,该算法的性能评估是通过模拟。最后,部分5包含结论和未来的工作计划。

2。算法概述

该算法的主要思想是,用户交换信息关于他们的干扰水平,使用显式的MAC层消息交换机制。发射机设置其功率不仅通过考虑自己的SINR信息,但也为其他用户效用的负面影响造成的更大的干扰将会增加的副作用特定用户的传输功率。这个函数作为counter-motive阻止用户总是增加传动功率对最大有效水平。

假设系统共有l用户对谱带K可用频道的SINR我用户对,在kth通道, ,是由以下方程(8]: 在哪里是用户的传输功率频道,获得之间的联系吗我th接收机和我发射机,噪音水平,,, ,是所有其他用户的传输功率通道k,和获得之间的联系吗我th接收机和j发射机。应该注意的是,,因为第一个表达之间的增益我th发射机和jth接收机,后者表达之间的增益jth发射机和我接收机。

在一般情况下,一个信号的载波频率是不同的;因此变化幅度的大小也会有所不同。相干带宽测量频率分离之后,两个信号将经验不相关的衰落。更具体地说,在频率选择衰落的情况下,信道的相干带宽小于信号的带宽。因此,不同频率成分的信号经验decorrelated消退。另一方面,在平坦衰落的情况下,信道的相干带宽大于信号的带宽。因此,所有频率成分的信号将会经历相同大小的衰落。在以下的分析中,flat-faded通道没有阴影的影响。flat-faded频道,没有延迟扩展和频率选择性,如前所述。因此,一个用于信道衰减系数。 Since the described channel is static, that is, the coefficient is fixed, the only attenuation present is the path loss. Therefore, in this particular case,h是严格通道衰减或通道增益。本文假定环境造成average-to-high损失(路径损耗指数= 3,城市价值的典型室内环境),因此信道增益,在那里d之间的距离吗jth发射机和我接收机。

以模型为用户对效用的影响我所有其他用户的传播,造成的干扰价格采用的概念(8]。价格被定义为干涉 在哪里对数效用函数和吗是一个user-dependent参数。如图所示,干扰价格表示边际效用退化由于边际增加持续的干扰。干扰用户之间交换价格是完全异步的方式,而每个用户可以更新自己的价格和功率在不同的时间。每个用户选择一个适当的传输功率,以最大化自己的效用的增加之间的区别-效用退化为他人,增加干扰所表达的干扰所造成的代价。具体来说,数学公式,8]试图最大化 这个方程的第一部分为用户香农容量密切相关我(常数项排除为了有一种形式,可以证明收敛在所有情况下(8])。增加这部分是直接相关的最大比特率的增加。然而,由于每个用户的传播被认为是噪音的其他用户,第二项表示其他用户,如果用户的效用损失我提高其传输功率。

该算法由以下步骤组成。( )初始化:为每一个用户在信道传输k,选择一个有效的传输功率和干扰的积极价值的价格。( )权力更新:为每一个用户在一个时间间隔,在那里是一组实例的用户积极的时间我将更新其传输功率和,设置最大化(3)。( )干预价格更新:为每一个用户我在一个时间间隔,在那里是一组实例的用户积极的时间我将更新其价格和干扰,计算并宣布干预价格更新并通知其他用户更新后的值。

步骤()和(异步)是重复的所有用户,直到算法达到最终稳定状态。为了执行的权力更新步骤(),用户选择从集合TP容许传输的功率,所以盈余(3)最大化。许用功率是等距的价值观提供了每一个源自先前通过添加一个常数增加,那么它可以证明了算法收敛,只要增量是足够小。此外,如果问题是分区,以便有一个可用的光谱区域,或执行该算法只对子组选择相同的光谱区域米下,那么它收敛于一个全球最大任意异步更新(8]。

为了执行算法,网络中每个用户需要知道自己的SINR价值和通道增益以及通道收益和价格公布的其他用户的干扰。SINR和一对用户之间的信道增益可以计算出接收和转发回发射机。用户可以计算出如果接收器之间的通道收益定期广播信标(9)(消息接收器之间和发射机在图1)。这些信息也可以通过一个专门提供需求定义从接收器发送的消息。因此,以防发射机需要渠道获得信息之前,接收下一个预定的灯塔,它可以请求这些信息来自接收者的反应的相对测量。最后,干扰价格值也可以以同样的方式传达消息从接收机对发射机在图1)。每个用户宣布一个干预价格,因此延迟所介绍的算法线性扩展的用户数量。这也意味着,考虑到以异步方式,更新分布式算法的复杂度是多项式的用户数量和可用功率水平(这取决于大小的权力的增量更新步骤)。

在算法的原始版本的8),干预价格的低估可能会发生在某些情况下。这可以由消息交换中存在的问题,例如,由于用户的移动或增加干扰价格更新时间间隔,考虑到异步更新所有用户。低估的影响是nonoptimal算法的收敛解。此外,随着用户对的数量增加,最高容许传输功率更有可能被选中,因为前面的问题升级。这是不可取的,因为它往往会导致干扰增加到一个潜在的大量的邻近用户,特别是对于上述原因的干扰被低估了。

因此,在这项工作中,一个系数”α介绍了“为了提高算法的可扩展性,以防大量用户共享同一频谱带和应对不确定性,如大型更新间隔和消息交换机制的问题。在这两种情况下,这是很危险的,对其他用户的干扰的影响传动功率的增加将会像前面解释的那样被低估。因此,因素α需要避免这种情况下通过增加重量的第二项(3),它表达了效用损失其他用户将从传动功率增加经验。在这种情况下,它将弥补干扰的低估,通过增加第二项的值,因此,它可以导致系统接近“完美”的消息交换(不会出现长时间的延迟,减少信息范围等等,减少第二项(3))。

如果系数包括重量乘以减去干涉项,然后下面的方程推导,目标是最大化: 在一个“真正的”协议实现中,参数的存储需求和可伸缩性等消息交换机制应该解决。此外,消息交换引入的开销和延迟应该考虑在一起与及时性等参数和路径最优(消息传输的可靠性)。然而,算法的原始版本的性能在8显示不大幅降低消息交换是不完美的(例如,如果节点只能与他们最亲密的邻居交换消息到一个特定的范围,或者一些消息丢失)。这个特点是事实的结果,在不完美的消息交换的情况下,该算法良好的“最坏情况”场景不受监管的最大许用功率传输,是减去词逐渐被低估的价值(3)。“优雅降级”一词指的是这一事实,当一定数量的消息丢失,系统的性能对最坏的情况下不会大幅下降。这个特点是非常理想的系统操作错误的或不可靠的环境中(例如,10])。在这部作品中,之前的财产与系数的引入进一步提高α提供处理不确定性的能力。

3所示。模糊推理

模糊逻辑是适合的目的定义的价值因素α因为它可以高效地处理模糊和不清楚需求,系统可以很容易地调整表现出理想的行为。模糊逻辑是基于模糊集理论,其中每一个对象都有等级的会员在各集。输入映射到隶属函数或设置(模糊化过程)。知识的限制域捕获的形式语言规则。两个目标之间的关系是使用模糊定义之间的包容和noninclusion支持和阻碍集相应的目标(11]。作为最后一步,所需的输出是defuzzified(数值)“然后”部分的规则来产生的。

模糊逻辑的一个重要的优势是,它可以透明地应用与其他著名的决策方法相结合,如多目标遗传算法(12)和游戏理论方法(13]。此外,适当的语言规则的定义可以用来减少信令开销,避免了乒乓球的现象,也就是说,当决定或选择和输入变量不是常数而是暂时出现倒退的行为。网络相关决策和资源分配提出了基于模糊逻辑的方法在不同的作品中,如(14),有前景的结果。

前面的原因,但主要是由于其有效性在处理不确定性和含糊不清的要求,选择模糊逻辑定义的价值系数α,也就是说,减去的重量interference-related术语(4)。具体地说,被定义为: 在哪里去模糊化后干扰重量是派生的。值的范围为了提供足够的分辨率能力模糊推理程序,还根据隶属度函数的特定范围。参数有价值的,而等于1。这意味着不能超过两个,这意味着干扰的低估预计不会超过100%。除此之外,消息交换是不被认为是非常可靠和算法降低向“总是与最大功率传输”(尽管低估的一部分仍然是缓解)。另一方面,如果不确定性非常低,第一项的和是收敛于零,方程的价值约等于原来的算法。对于所有其他案件中的第一项是一个非零值(0,1)区间,可以补偿的典型低估干扰由于不完美的消息交换。

模糊推理程序用于推导α的类型是“Mamdani”,因为它是直观,适合人类输入,灵活的和被广泛接受的。它接收三个输入(用户数量、流动性水平和更新时间间隔的干扰价格)并生成一个输出(干扰的重量)。输入隶属函数是三角(选择主要为简单起见在计算)和三个每个输入变量隶属度函数定义,因此模糊规则的数目。

输出变量的隶属度函数“干涉”是五和输出值设置范围(),为了实现更大程度的分辨率和灵活性的输出模糊推理程序。给出了隶属函数mf1-mf5标签“很低”,“低”、“温和”、“高”和“非常高”,分别在表1。

可以看到,用户的数量选择的主导因素,最大的影响最终结果。这是事实的结果,如果用户数量很大,即使是很小的传动功率增加一个用户有可能引起干扰增加,减少了大量用户的QoS如果其效果是低估了由于消息交换的不确定性。更新时间间隔和流动性水平有类似的权重,但不同的行为。第一个有统一的影响在整个有效范围的更新;而后者开始影响结果只有在一个相对高的水平,但在它大幅增加,因为只有在一个相对较高的灵活性,用户很可能低估了干扰他们会导致他人(由于消息交换的问题等)。

去模糊化方法用于生成最终的脆值是“重心”,也称为“重心(齿轮)”。下面这个方法决定的中心区域合并后的隶属函数;因此最终的输出给出了(6),u_我隶属度函数的中心吗μ_F(u): 去模糊化方法考虑了区域作为一个整体,计算重叠区域只有一次。

干扰的三维(3 d)表示重量(脆值的范围())的函数干扰价格更新时间间隔和流动性水平呈现在图2。

系数增加而更新时间间隔,因为它更有可能,发射机没有其他用户的干扰更新价格信息。增加大约是统一整个有效更新时间范围。另一方面,系数也随着流动性水平的增加而增加。然而,在这种情况下,增加不是统一的,而是达到相对较高的流动性水平后开始,然后迅速上升。表现出行为的结果是模糊规则表中定义1。

干扰重量的3 d表示来自指定的规则库和去模糊化方法作为干扰价格更新时间间隔的函数(定义为100秒但规范化()范围)和用户的数量(最多20个用户对)呈现在图3。

更新时间间隔,行为是类似于前面的情况。另一方面,系数与用户的数量也会增加。而大幅增加(由规则表1)和系数的值迅速上升甚至对于一个相对较小的用户数量。这是必要的,因为,正如前面提到的,当用户对的数量很大,即使是很小的增加干扰有可能影响许多用户和显著降低网络的整体效用。

干扰的3 d表示重量的用户数量的函数和流动性水平,描绘在图4,呈现参数上面解释的行为。的整体形式图类似于前面的;但是流动性水平开始影响阈值后交叉,结果如预期根据选定的一组模糊规则。

整个方法的推导最优传动功率的每个用户对如图5。最初,定义用户对的数量,加上流动性水平和干预价格的更新时间间隔。下一步,模糊性的价值观发生为了他们准备细化模糊逻辑上下文。模糊化过程后,模糊推理基于一组预定义的规则(表1)是应用。这些规则描述所需的系统的行为并定义输入参数的影响(用户数量、流动性水平和更新时间间隔)的价值干预的重量。模糊推理完成后,结果是defuzzified数值,让体重的脆值干扰。拓扑特征用于初始化模拟器和每个用户选择一个有效的初始值的传输功率和干扰价格。最后,用户进行异步更新他们的传输功率和干扰价格为了最大化(4)。过程完成后,当系统达到一个稳定点,没有用户请求修改传播水平。

4所示。绩效评估

该算法的性能评估通过广泛的MATLAB仿真。在这个方向上,最初的总体效用值算法相比,简单实用的“总是选择最大有效功率”政策以及原始算法的效用。该算法也适用于FBMC和OFDM系统以验证其灵活性和透明地利用一种改进的物理层的能力,没有任何进一步的修改。此外,一个场景的更新时间间隔长一些的消息延迟导致其他节点没有最新的价格信息干扰被认为是为了研究两种算法的性能在特定情况下的非理想的消息交换。最后,为了量化改进使用传统的网络指标和显示更高的整体效用价值和参数之间的关系,直接影响到用户体验,比较的算法(8]的SINR也执行。

正如前面所解释的那样,用户设定他们的功率,以最大化(4)。的总效用“有用”网络实用程序为每个用户的总和。用户之间的距离,构成一对是一个随机数()米范围,而用户之间的距离,并不是一对的随机值(]米范围。实际上这是一个更普遍和更重要的场景比使用完全随机值,(例如,经常遇到在一个会议室以及机场或火车站,同事在哪里开始点对点临时通信)。的价值在(5)被设置为500,因为干扰的重量需要值的范围(),以提供足够的分辨率能力。所有情况下,我们认为由于不确定性的存在不完美的消息交换(每四个消息丢失)导致25%低估的干扰。如果这样的不确定性不存在,那么该算法表现同样的算法(8]。在不确定性的存在,参数补偿干扰的低估和帮助系统接近最优收敛点,如前一节所描述的。

改善网络的总效用如果利用该算法对场景,在该场景中,每个用户使用最大允许传输功率以及算法的原始版本,不包括系数图中所示6。纵轴描述了实现有用的实用程序横轴表示相应的拓扑实例。的相当大的范围值选择的距离,加上节点之间的相对位置的随机性和不确定性的存在导致低估干涉的方法,不一定是一致的(例如,只有一些信息可能会被推迟),导致的最终价值效用函数变化显著不同实验的原始和该算法。因此,每个拓扑实例的最终效用是十个实验的平均效用相同的实例。最后,为了研究系统上的用户数量的影响,10双和20个用户对场景模拟。

场景,在该场景中,用户的效用总是使用最大功率传输级别定义了系统的行为的下界。算法比原始的人,绝大多数时候,更显著改善效用值越低。这个属性是非常重要的,因为它可以提高误比特率(BER),提高QoS从贫穷到可以接受的水平。此外;该算法总是优于总是最大功率的场景,而原算法在某些情况下会导致类似的性能。这样做的原因是,系数的存在在该算法不允许系统达到最坏的情况下完全不受管制的传播,因为它总是补偿至少一部分低估了干扰。另一个有趣的一点是,随着用户数量的增加,系统的平均效用显著减少虽然极端值不受影响。这是合理的,因为事实上展品累积行为的干扰,影响到所有其他用户对,因此减少了平均效用。然而,极端值主要拓扑的结果和用户对的相对距离,因此,不太敏感的用户数量。

下一步是比较的结果,该算法利用OFDM和FBMC系统。然而,一个简短的提纲FBMC技术是必需的。据传输基于滤波器的原理,传感器包括一个合成滤波器组(SFB),而接收机合并分析滤波器组(空军基地)。在结构、快速傅里叶变换(FFT)是目前在OFDM (15]。然而增强,完成一个过滤器银行,由多相网络(PPN)由一组数字滤波器,其脉冲响应系数在全球范围内形成了所谓的原型低通滤波器。FBMC系统有所增加硬件的复杂性相比古典OFDM方法但补偿的优点。等,它们不需要时间和循环前缀,而使用抵消QAM (OQAM)意味着完整的传输带宽容量。改善网络组成的十个用户的总效用对如果使用该算法与FBMC OFDM在图中进行了描述7。

这种改进源于这一事实FBMC使用低传动功率相同的带宽比OFDM (16),因此导致减少干扰。该算法能够透明地利用这种改进和翻译在增加效用值。

评估算法的适应能力的更新时间间隔长我们执行模拟假设的一些消息延迟,因此,其他节点没有最新的价格信息干扰,已经宣布。因此,“长时间更新”的定义,我们认为在这个工作至少等于两倍的平均更新时间(这样其他节点更新了宣布干预价格区间)。因为它已经建立了与最大功率传输的下界是原始和该算法的性能,在此场景中,我们评估最初的行为,该算法FBMC和OFDM为了研究的影响增加了每种情况下的延迟。

值得注意的第一点是,改善物理层FBMC甚至在这种情况下提供了一个显著的优势,超过该算法提供的优势。因此,使用FBMC与原算法对于这种情况比使用OFDM算法。最好的选择是使用和FBMC算法,结合改进的物理层功能的优势和改进上层函数。关于后者的观点,该算法始终优于原来当使用相同的物理层(FBMC)的假设下长延迟。此外,如果我们对比图8与图6我们可以得到一些额外的结论。具体来说,尽管平均效用值减少算法,该算法不受影响的原始的延迟增加,因此“优雅降级”的财产确实是增强。因为真正的系统通常要面对不理想的条件下,这个属性是非常可取的。

最后,它是非常重要的量化方面的性能改进传统网络指标显示更高的整体效用价值和参数之间的关系,直接影响到用户体验。因为之间的主要比较原始算法和提出的,其行为的SINR比较图9。SINR是选择最合适的指标进行比较,因为它直接反映在QoS和最终用户体验,也可以不考虑外部参数相比,如调制和编码方案,将影响例如最终系统的方方面面。这两个图是始终遵循类似的模式,但该算法优于原当干扰被低估了,因为它补偿干扰低估和提高SINR到可接受的水平,尤其是对较低的值。

关于算法的总体仿真时间和可伸缩性的属性,在所有情况下,迭代收敛的数量与用户对的数量。更具体地说,通常为10 ~ 30用户对不到三十,五十个迭代所需达到最终稳定状态。此外,平均执行时间Core2四Q9400在2.66 GHz CPU操作不到两分钟20用户对和大约5分钟30用户对。

5。结论

本文提出了一种改进算法,基于该算法的8),提出了合作DSA无照乐队,利用MAC层机制辅助节点之间的消息交换(干扰价格)以达到减轻干扰。这项工作的主要改进(相比8是引入一个系数α这是作为干扰项的重量,增加其影响在不完美的消息交换的情况下,干扰价格更新时间间隔,以及增加的用户数量。在这种情况下,对其他用户造成的干扰对提高传动功率的用户常常被低估,导致算法的收敛nonoptimal解决方案。在这种不确定性的存在,如果这低估被正确地定义权重参数,补偿系统近似最优行为的“完美”的消息交换。

重量参数的值是来自一个模糊逻辑推理程序。模糊逻辑被选中,因为它是特别有效处理不确定性和含糊不清的要求。此外,该算法的结果比较原始算法的总体效用水平(定义为用户效用的总和)干扰的不确定性导致低估25%之下。此外,算法之间的比较也在FBMC和OFDM系统。在这种情况下,使用FBMC实现效用增加。改善源于这一事实FBMC使用低传动功率相同的带宽与OFDM和因此导致减少干扰。此外,一个场景的更新时间间隔长一些的消息延迟导致其他节点没有最新的价格信息被认为是干涉,和两种算法的性能不理想的消息交换的情况下被评估。结果表明,该算法始终优于先前计划的SINR根据不确定性和可以透明地利用FBMC提供的改进的物理层。

确认

这项工作是在项目执行PHYDYAS已获得研究经费来自社区的第七框架计划。本文只反映作者的观点和社区不承担任何使用可能的信息包含在其中。同事的贡献从PHYDYAS财团特此承认。

引用

1. p . Pawelczak s波淋H.-S。w·a·巴哈教徒,r·普拉萨德,r·赫克马特”的服务质量评估的机会频谱接入:介质访问控制方法,”IEEE无线通信,15卷,不。5页,2008页。视图:出版商的网站|谷歌学术搜索
2. m . f . Wang Krunz,崔,“频谱管理认知无线电网络中,基于价格”第二届国际会议上面向认知无线电的无线网络和通信(CrownCom ' 07)2007年8月,页70 - 78。视图:出版商的网站|谷歌学术搜索
3. l . Ma x汉和c c。沈,“动态开放频谱共享无线ad hoc网络的MAC协议,”学报第一IEEE国际研讨会上新的前沿动态频谱接入网络(DySPAN ' 05)2005年11月,页203 - 213。视图:出版商的网站|谷歌学术搜索
4. 曹l . h .郑,“通过当地的讨价还价,分布式频谱分配”第二届IEEE通信学会学报传感器和临时会议通信和网络(SECON 05)2005年9月,页475 - 486。视图:出版商的网站|谷歌学术搜索
5. c .彭h .郑,b . y .赵”利用率和频谱分配的公平机会频谱接入,”移动网络和应用程序,11卷,不。4、555 - 576年,2006页。视图:出版商的网站|谷歌学术搜索
6. j .赵h .郑,G.-H。杨:“分布式协调在动态频谱分配网络,”学报第一IEEE国际研讨会上新的前沿动态频谱接入网络(DySPAN ' 05)2005年11月,页259 - 268。视图:出版商的网站|谷歌学术搜索
7. m . Bloem t Alpcan, t . Basar”stackelberg博弈的功率控制和信道分配认知无线电网络”第二届国际会议上绩效评估方法和工具2007年10月,法国南特。视图:谷歌学术搜索
8. j .黄r·a·贝瑞和m . l .韩起澜,“频谱共享与分布式干扰补偿,”学报第一IEEE国际研讨会上新的前沿动态频谱接入网络(DySPAN ' 05)2005年11月,页88 - 93。视图:出版商的网站|谷歌学术搜索
9. j .黄r·a·贝瑞和m . l .韩起澜,“分布式无线网络干扰补偿,”IEEE在选定地区通讯》杂志上,24卷,不。5,1074 - 1084年,2006页。视图:出版商的网站|谷歌学术搜索
10. o·a·拉瓦希德荷”分权管理的优雅降级分布式嵌入式系统”IEEE可靠的系统和网络研讨会论文集(DSN ' 08)安克雷奇,阿拉斯加,美国,2008年6月。视图:谷歌学术搜索
11. c•r .富勒,“模糊多准则决策:最近的进展”,模糊集和系统,卷78,不。2、139 - 153年,1996页。视图:谷歌学术搜索
12. 美国Buljore,神气活现的m, p . Martigne et al .,“介绍IEEE P1900.4活动”IEICE交易通讯,E91-B卷,不。1,2 - 9,2008页。视图:出版商的网站|谷歌学术搜索
13. w·魏和蔡明俊。王”,Fuzzy-MOGA-based在十字路口交通信号控制,”国际会议的程序在机器学习和控制论1卷,第644 - 639页,2003年11月。视图:谷歌学术搜索
14. a . Merentitis大肠Patouni: Alonistioti, m . Doubrava”重新配置或重新配置:认知机制为移动设备决策,”进行职业训练局第68届IEEE车辆技术会议(08年)2008年9月,页1 - 5,。视图:出版商的网站|谷歌学术搜索
15. h·张,d . Le Ruyet和m .特“频谱效率对比OFDM / OQAM -和OFDM-based CR网络,”无线通信和移动计算,9卷,不。11日,第1501 - 1487页,2009年。视图:出版商的网站|谷歌学术搜索
16. d . s . Waldhauser l·g·巴尔塔和j·a . Nossek“基于滤波器组的多载波系统”学报Techniken, Algorithmen和Konzepte毛皮Zukunftige问题影响(TakeOFDM ' 08),2008年。视图:谷歌学术搜索

版权

版权©2010 Andreas Merentitis和狂欢节Triantafyllopoulou。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。