社会认知无线网络优化和定价政策的节能策略

文摘

无线应用程序的快速增长导致需求的增加,频谱资源和通信能源。在本文中,我们首先介绍了一种新型节能策略在认知无线电网络中(crn),然后提出一个适当的定价政策为二级用户(超自然)包。我们分析数据包的行为在一个离散时间单服务器优先队列在multiple-vacation纪律。的帮助下Quasi-Birth-Death QBD过程模型,我们获得的联合分布苏数据包的数量和国家通过Matrix-Geometric基站(BS)解决方案的方法。我们评估苏数据包的平均延迟和系统的节能率。根据回报——代价表也许一模一个自然,我们分别研究了最优行为和社会最优行为的节能策略,使用一个基于标准粒子群优化的优化算法(SPSO)方法来搜索社会最优苏数据包的到达率。通过对比单独最优行为和社会最优行为,我们施加一个适当的入场费苏包。最后,我们目前的数值结果显示系统参数对系统性能的影响和定价政策。

1。介绍

无线应用的爆炸式增长,研究的热门话题之一是如何提高频谱效率以及减少通信消耗。认知无线电是最近和有前途的无线通信技术的发展1]。绿色能源驱动的认知无线电网络(crn)能够解放无线通信频谱和能量约束(2]。

在无线网络的一个关键挑战是如何控制基站(BS),以减少能源消耗。此外,我们还应该关注如何确保最终用户的服务质量(QoS)和频谱效率。从相关文献,我们发现主要的方法来释放能量约束是睡眠模式,可以减少由交流电源时,b是睡眠状态(3,4]。我们还发现,研究了认知无线电技术作为一种有效的解决方案来缓解频谱资源的限制(5]。此外,为了实现系统的社会利润的最大价值,人们越来越多的关注行为的数据包,包括单独最优行为和社会最优行为(6,7]。

在这种背景下,我们首先介绍一个节能策略crn的睡眠模式。提出战略强调了BS睡眠和清醒状态之间的切换来实现节能效果之间的权衡和响应性能。此外,我们评估系统性能通过构造一个Quasi-Birth-Death QBD过程模型和验证分析结果与模拟。根据回报——代价表也许一模一个自然,我们分别分析了最优行为和社会最优行为的节能策略,使用一个基于标准粒子群优化的优化算法(SPSO)方法来搜索二级用户的社会最优的到达率(超自然)包。通过对比单独最优行为和社会最优行为,我们施加一个适当的入场费苏包。

本文的其余部分组织如下。节3,我们描述一个节能策略与睡眠模式和系统模型,然后进行系统的稳定条件。节4,我们分析模型和推导出公式性能的措施。节5,我们将演示系统参数对系统性能的影响的数值结果。节6,通过理论分析和数值比较的单独最优行为和社会最优行为的节能策略,我们施加一个适当的定价政策。最后,我们总结的结论部分7。

2。相关的工作

在无线网络中,睡眠模式是降低能耗的关键技术之一。解决节能问题的一种重要方法是引入睡眠模式b。Dini等人研究了睡眠模式作为一个方法来减少能源消耗的BS长期演进(LTE)异构网络(HetNets)。此外,他们介绍了两种睡眠算法,即single-sleep多次睡眠,确定时间即时启用微或pico-BSs采用睡眠模式(3]。Rengarajan等人的最大节能特点可以实现在一个蜂窝无线接入网与睡眠模式下给定性能约束。通过考虑QoS被最终用户,他们的推导方法允许更现实的估计,可以用来评估方案利用睡眠模式节约能源的功效[4]。李等人提出了一种新的睡眠机制称为sleep-transmit模式(STM),它提供了一个解决方案通过增加传输状态到当前工作机制在无源光网络(其)标准。睡眠中断模式相比,STM实现功率降低29%,同时提供可比上游数据包延迟性能(8]。一些作者使用马尔可夫链技术评估与睡眠模式的节能机制在一个单一的用户终端(9,10]。与[9,10),我们更关心的睡眠模式b(而不是在用户终端)。在[11),Premalatha等人调查了节能方法对绿色通信网络,发现睡眠模式是废话的用于减少能源消耗。

最近,投机取巧的频谱访问机制在crn更加关注降低频谱短缺严重,现在无线通信的脸。认知无线电是一种无线通信的收发器可以智能地检测使用的沟通渠道和不立即进入未使用的渠道,同时避免占领的(12]。认知无线电被认为是解决频谱稀缺的乐队和无线服务来满足迅速增长的需求采用机会主义的频谱共享(13]。在[14),安瓦尔等人提出了一种新的文中针对multipacket接待(MPR)频道的访问策略为多个SUs访问主用户(PU)光谱。crn的概念被认为是一个繁荣的技术组合频谱效率高(12- - - - - -14]。除了高效的频谱使用情况,如何降低能源消耗是当前需要解决的问题。一个能量收获CRN设计不仅会缓解频谱短缺问题,但也导致绿色设计(15]。大多数现有的动态频谱接入(DSA)方案只考虑SUs授权频谱的传输而不考虑无照经营的乐队。为了减少下降和SUs阻塞概率,研究者将古典的计划,包括随机存取方案和基于预定的信道访问计划(16]。

博弈论在性能优化的应用越来越广泛和重要。Cuong等人研究了一个非合作的博弈问题M / M / 1排队控制认知无线电系统。在排队的游戏服务器故障,每个客户希望优化其利益在一个自私的分布式方式(17]。郑等人提出了一个分布式合作框架来提高能源效率的绿色蜂窝网络。基于交通负荷,邻近BSs合作优化BS切换(睡觉)策略,以最大限度地节约能源,同时保证用户的最小服务需求(18]。李和汉研究了个人和社会最优策略基于排队控制认知无线电系统。研究结果表明,单独最优策略不产生社会最优。单独的桥梁之间的差距和社会最优策略,提出了一种定价机制每个SU(收费服务7]。crn的Tran等人研究了定价频谱访问控制,网络运营商的服务条款对延迟敏感特征通过定价策略(SUs19]。

3所示。节能策略与睡眠模式和模型描述

3.1。节能策略与睡眠模式

crn的聚氨酯具有较高优先占用频谱。如果频谱感知结果完美,PU包的传输不会受到苏数据包,而打断苏数据包的传输PU包是可能的。苏包将队列缓冲区的头部为未来的传播。

传统crn总是清醒的BS即使没有任何数据包,PU包或包,传输或接收。在本文中,我们描述一个节能策略。为了减少能源消耗,BS会切换到睡眠状态从清醒状态时的频谱空闲和缓冲苏包是空的。

提出的节能策略,BS将两种状态之间切换,即睡眠状态和清醒状态,分别。(1)在睡眠状态,BS会在短时间内醒来在每一个时间段的边界听是否有包的到来。如果没有数据包到来之前,睡眠定时器到期,BS将开始另一个睡眠周期一旦睡眠定时器结束。如果PU包到达系统在睡眠状态,睡眠定时器将立即停止,BS会切换到清醒状态。如果没有苏PU包到达但至少有一个数据包到达在睡眠状态,BS会切换到清醒状态一旦睡眠计时器到期。(2)如果b处于清醒状态,所有的数据包将不断传播。PU包将传送高优先级,而苏伺机将发送的数据包。当所有的数据包传输完全睡眠定时器将启动和BS会切换到睡眠的状态。

我们注意,能耗低于b处于睡眠状态时,在清醒状态。通过这种方式,通信能量将被保存在crn睡眠模式。节约能源成本,苏数据包传输之前的时间将被推迟。对我们来说是必要的评估和优化系统性能的数学。

3.2。模型描述

我们认为CRN用单一授权频道。文中提出的节能策略采用这个系统。

我们考虑一个系统模型在离散时间字段中。时间被认为是分成固定长度的时间间隔,称为槽。标记为槽。我们认为早期到达系统(EAS)。换句话说,我们假设数据包的到来发生在开始的即时位置,标记为(,),而数据包的离开结束时发生的即时位置,标记为(,)。我们还假设数据包传输在槽内,和状态转换的废话发生在瞬间。

我们假设PU和苏数据包的到达时间间隔服从几何分布与参数和,分别。换句话说,PU和苏数据包的到达率和,分别。我们假设PU包的传输时间和苏数据包遵循几何分布与参数和,分别。不失一般性,我们不承担在描述系统模型。PU包传输纯损失和先发制人的头等大事,而苏数据包传输机会和中断重审。此外,我们假设睡眠定时器长度遵循几何分布与睡眠参数。

让 在即时苏的数据包的总数,让 是废话的即时状态(意味着BS处于睡眠状态,意味着BS清醒和PU包被传播,和意味着BS清醒和苏包传输)。根据上面的描述,一个二维过程组成的总数苏的数据包和国家建立了b。的状态空间给出如下:

让的概率是苏的数据包的数量和b的状态在稳定状态。给出如下:

让稳态概率向量,苏的数据包的数量。是由

让在稳态系统的概率分布。然后由

3.3。稳定条件

在系统中被认为是在这篇文章中,有两种类型的包,即聚氨酯包和数据包。当总交通负载苏PU包和数据包小于,系统将达到一个稳定状态。

我们首先解决交通负荷的PU包的概率定义为BS占领PU包。

crn的聚氨酯和抢占式优先级数据包传输。假设频谱感知是完美的,PU包的传输是独立的数据包。记得一次PU包到达系统,无论BS处于睡眠状态,PU包将立即传播。也就是说,PU包的传播也是独立的睡眠模式。出于这个原因,PU包的活动可以建模为一个简单的双态马尔可夫链。

从BS PU包的角度来看,有两个国家,即空闲状态和忙碌的状态。空闲状态意味着BS不是被PU包,而繁忙的状态意味着b被PU包。让的概率是BS处于闲置状态,让是废话处于忙状态的概率。b更改忙碌的状态从空闲状态的概率;也就是说,有一个PU包的到来。BS变化的概率从繁忙的状态是空闲状态;,PU包成功传输,系统没有PU包到达。我们可以得到平衡方程和归一化条件

它是直接获得和如下:

从交通负荷的定义PU包,我们知道交通负荷PU包的概率是BS处于繁忙状态。所以

我们定义的交通负荷苏数据包的概率,BS被苏包。因为有缓冲无限苏数据包的能力,没有苏包可以被阻塞。从苏的角度包,一旦一个苏数据包进入系统,这个苏包不会离开系统,直到成功地传播。所以交通负荷苏包给出如下:

结合(7)和(8),我们可以推出总交通负载如下: 系统的稳定性条件如下所示: 也就是说,

我们假设这稳定条件是应验在剩余的纸。

4所示。模型分析和性能的措施

4.1。模型分析

我们定义一步的状态转移概率矩阵的二维过程。据苏数据包的数量,我们给一个步骤的状态转移概率矩阵在一块结构如下: 在哪里 组件矩阵代表的苏数据包的数量在系统中更改从。特别是,我们重新定义三个特殊情况,如果,用,如果,用,如果,用。

的结构显示系统过渡只发生在相邻的水平。此外,很明显,转移概率矩阵的行后重复第三行。从书中写的中性粒细胞(20.),我们知道矩阵有一块三对角结构表明哪一个是一个QBD过程。

QBD过程的转移概率矩阵的充分必要条件正的复发是矩阵的二次方程 有一个最小的非负解和谱半径和六维随机矩阵 留下了不变的向量。当积极的复发,其平稳分布满足吗 在哪里是一个三维列向量的所有元素等于1。

分析这个模型,我们需要找到最小非负解矩阵(14)。事实上,很难找到一个分析这个系统的解决方案,因此需要一个数值解。在这种情况下,我们通常需要获得率矩阵的递归表达式。

首先,从(14),我们得到的迭代表达式如下: 在哪里是阶近似的和的初始值吗。然后,我们可以获得递归算法的算法1。

算法1(算法获得最小的非负解)。
步骤1。设置初始的迭代次数的初始值通过,误差精度,在那里大于,但无限接近。
步骤2。计算的表达式通过矩阵(17)。
步骤3。更新通过。如果 ,然后 ,转到步骤。其他的 。步骤4。输出。

的帮助下Matrix-Geometric解决方法和算法的递归算法1,我们可以得到稳态概率中定义的(2)。

4.2。性能的措施

在本节中,我们得到两个系统性能指标的平均延迟和节能率。

我们首先考虑苏数据包的平均延迟,用,它被定义为从一个苏的即时时间包连接系统的即时苏包成功地传播。很少的公式,平均延迟苏包给出如下:

接下来,我们推导出节能比率,它被定义为减少能源消耗每槽由于睡眠模式的引入。在清醒状态,能量消耗通常保存在睡眠状态。此外,额外的能量消耗将每个听力过程中提出的节能策略。因此,节能比率给出如下: 在哪里意味着BS并不占据的概率,和是能源消耗每槽时,b在清醒状态和睡眠状态,分别和是每个听力过程的能源消耗。

5。数值结果和讨论

在本节中,我们首先描述我们的实验环境,然后讨论了数值结果。调查crn的系统性能与睡眠模式不同的睡眠参数以及聚氨酯和苏数据包的到达率,我们[IEEE 802.11 n的指定的参数21]。

我们假设每个IEEE 802.11 n用户独立生成它的数据包。引用(21),我们设置了参数表1。

图1显示了平均延时苏包的变化和睡眠参数对于给定到达率苏包和PU包。

通过观察图1我们发现,相同的到达率PU包和苏数据包的平均延迟苏的数据包将减少睡眠参数增加。原因是睡眠参数越大,平均睡眠定时器长度越短,越早到达一个新苏包开始占用频谱,所以苏数据包的平均延迟时间会减少。

此外,当修复到达率苏的数据包,我们发现到达率PU包有双重的影响平均延迟苏的数据包。对于一个小的睡眠参数,平均延迟苏的数据包到达率会降低PU包增加。原因是,当睡眠参数越小,睡眠时间更有可能被终止由于PU包的到来;即主导因素影响从睡眠状态状态转换到清醒状态是聚氨酯数据包的到达率。PU包的到达率越大,越小的平均时间长度睡眠周期是和苏越短数据包将推迟在睡眠期间,所以苏数据包的平均延迟时间会减少。然而,对于一个更大的睡眠参数,平均延迟苏的数据包到达率会增加PU包增加。这是因为睡眠参数较大时,睡眠时间更有可能与睡眠定时器期满结束;影响的主要因素,从睡眠状态转换到清醒状态是睡眠参数。聚氨酯数据包的到达率越大,时间越长苏数据包将等待缓冲区,所以苏数据包的平均延时将会增加。

从另一个角度来看,我们发现同样的到达率PU包和相同的睡眠参数到达率越大苏数据包的平均延时越大苏的数据包。很明显,这是因为苏数据包的到达率越大,越苏包加入系统一段时间,所以苏数据包在缓冲区的数目更大,然后苏数据包的平均延迟将会增加。

图2说明了节能率变化和睡眠参数对不同到达率苏包和PU包。

从图2我们发现,相同的到达率PU包和苏数据包,节能比率将减少睡眠参数吗增加。因为睡眠参数越大,越短的平均时间长度睡眠周期和保存能量越少。另一方面,我们也发现同样的睡眠参数,节能比率将增加到达率PU包和苏的数据包减少。原因是聚氨酯和苏数据包的到达率越小,越有可能睡眠时期已经过去的事实与睡眠计时器到期所以PU和苏数据包将被推迟的时间越长在睡眠期间,然后节能比率将会增加。

对比结果如图1和2睡觉,我们得到的结论是,一个更大的参数不仅将导致一个更小的平均延时的苏包也较小的能源节约率;更小的睡眠参数不仅将导致一个更大的平均延时的苏包也是一个更大的节能率。也就是说,当设计的睡眠定时器长度提出节能策略,我们应该平衡SUs的平均延迟和系统的节能率。

6。性能优化和定价政策

苏所有的包都有自己的兴趣和独立让他们决定访问频谱;换句话说,他们是自私的。每个包都有一个目标,其净收益最大化。在本节中,我们首先探讨单独最优行为和社会最优的行为苏包,分别。然后,为了最大化社会利益,我们施加一个适当的入场费苏数据包定价政策。

为了分析单独最优行为和社会最优行为的苏数据包提出策略,给出一些假设如下:(1)前苏包决定加入缓冲,它没有任何关于系统的信息,如苏数据包的数量已经在缓冲和频谱状态。(2)苏数据包传输成功的奖励。(3)成本对于一个包在系统每单位时间。(4)苏净效益函数的单个包是相同的和添加剂。(5)苏包的服务原则是先到先得(先)。

6.1。性能优化

但是。单独最优行为

曾经是苏苏包加入缓冲,包将不能离开系统直到成功传播。SUs是风险中性的;也就是说,他们将预期净收益最大化。单独最优行为基于系统模型部分建成的3所示。2是直接的。净收益函数苏的包给出如下:

为了保证系统在稳定状态,我们到达率是最低的()和到达率是最高的。在这一约束下,到达率苏数据包的增加,平均延迟苏数据包生长和苏包的净收益减少。因为所有的猜测都是风险中性的,他们都努力访问频谱。条件下的苏数据包的到达率将尽可能大。与单独最优的到达率,SUs将达到一个平衡状态。对于这种情况,没有苏包动机偏离单方面从目前的平衡态。

分别讨论了SU数据包的最优行为提出的策略在闭区间内如下:(1)如果,净收益函数苏的包是负的。对于这种情况,净收益函数苏的数据包总是小于零。因此,是一个单独最优苏数据包的到达率。(2)如果,净收益函数苏的包是正的。对于这种情况,净收益函数苏的数据包总是大于零。因此,是一个单独最优苏数据包的到达率。(3)的情况下,如果,然后一个苏包加入缓冲将遭受负面效益。因此,这不能单独最优的到达率。同样地,如果苏,一个包,加入缓冲会得到好处,多由慢行。因此,这不能单独最优到达率。因此,存在一个唯一单独最优到达率受。

6.1.2。社会最优行为

现在我们将注意力转向社会优化。系统性能也应考虑从社会的观点。如果苏包是免费占用频谱,通过聚合的净收益苏包系统中,社会利益可以得到如下: 通过最大化社会利益在(21),我们可以得到社会最佳的到达率如下: ,““代表最大的论点,换句话说,给定的点集的功能得到最大值。

使用中使用的参数表1和设置和作为一个例子,我们展示的社会利润关于到达率变化苏的数据包在图3。

在图3到达率时,我们观察到苏包比较小,与到达率的增加苏的数据包,社会利润显示了一个上升的趋势;当到达率苏的包更大,与到达率的增加苏的数据包,社会利润显示一个下降的趋势。因此,存在一个社会最优的到达率和最大的社会利润。

我们注意到社会利润意味着苏净效益的包也等于零;也就是说,。对于这种情况,通过设置社会利润,我们也可以单独获得最佳的到达率。

在图3,社会最优利率标有“□”和单独最优到达率标有“■”。很明显,。这意味着有更多的苏包加入缓冲下单独最优行为。为了抑制单独最优的到达率并使其等于社会最优的到达率苏,我们施加一个适当的入场费包。

6.2。定价政策

为了提供一个合理的价格政策,我们应该首先搜索社会最佳的到达率苏的数据包。

6.2.1。优化算法

自社会利润在(21)是非线性的和连续的,很难给最佳到达率苏的数据包在数学上。我们向一个名为SPSO的智能优化方法22]。在SPSO的过程中,每个粒子的速度迭代调整,使粒子随机振荡在局部最优和全局最优位置。SPSO的概念的基础上,我们提出了一个算法来获得社会最佳的到达率苏包的算法2。

算法2(算法获取社会最佳的到达率)。
步骤1。初始化苏包数量,上界苏数据包的到达率,下界苏数据包的到达率,加速常数和在,最小值和最大价值惯性的重量,最大数量的迭代,和最大的价值的速度。
步骤2。随机集最初的到达率和初始速度为th ()包。设置初始的迭代次数。
步骤3。苏为每个数据包到达率计算社会利润 在哪里是苏数据包的平均延时到达率。
步骤4。搜索之前的最大社会收益和以前的社会最优的到达率为th ()包。
步骤5。苏识别数据包在搜索空间最大社会收益和分配变量的到达率通过 步骤6。计算惯性权重通过 步骤7。更新的速度和到达率th ()苏包 在哪里。和均匀随机变量。保持在范围内吗。
步骤8。更新的迭代次数。如果 ,然后转到步骤。其他的 。步骤9。输出。

6.2.2。入场费

当一个入场费是实施,修改后的净收益函数苏的包给出如下: 而修改后的社会利润给出如下:

比较(21)和(28),我们发现入场费的社会利润没有影响。也就是说,入场费社会最优的到达率和最大的社会利润将不会改变。

替换该算法获得的2到(27),让,我们可以获得入场费苏包如下: 在哪里是苏数据包的平均延时与社会最优的到达率。

对不同到达率PU包和睡眠参数,我们总结社会最优的到达率的数值结果苏的数据包和入场费苏包在桌子上2。

从表2到达率时,我们观察到PU包,作为睡眠参数增加,入场费苏数据包将会增加。这是因为睡眠参数越大,平均时间长度越短的睡眠周期,苏数据包的平均延时越短,越苏数据包将尝试加入系统。因此,为了控制SU数据包的数量在缓冲和保证社会利润最大,入场费苏数据包应该被设置更高。另一方面,我们发现,当睡眠参数,随着到达率PU包增加,入场费苏数据包将减少。原因是聚氨酯数据包的到达率越大,时间越长苏数据包将等待缓冲区,苏数据包的平均延时越大,苏和更少的数据包将尝试加入系统。对于这种情况,为了鼓励更多的苏包加入系统,获取最大的社会利润,苏的入场费数据包应该设置低。

7所示。结论

在本文中,我们首先介绍了crn的节能策略。通过构建一个QBD过程模型和使用Matrix-Geometric方案方法,我们提出了系统的稳定条件和分析性能的措施,如苏数据包的平均延迟和系统的节能率在稳定状态。回报——代价表也许一模的帮助下自然,我们分别研究了最优行为和社会最优行为的苏数据包提出节能策略。此外,我们搜查了独特的社会最佳苏数据包到达率通过使用一种基于SPSO的优化算法的方法。通过对比单独最优行为和社会最优行为,我们施加一个适当的入场费苏包。数值结果,我们说明了系统参数对系统性能的影响和定价政策。

在本文中,我们考虑一个CRN BS和均匀的包。在未来的工作中,我们将构建一个新的系统模型来捕获节能战略涉及多次反射crn和异构包。

相互竞争的利益

作者宣称没有利益冲突有关的出版。

确认

这项工作是由国家自然科学基金支持部分(没有。中国61472342)。

引用

1. a . h . k . Shin Kim Min, a·库马尔”的认知无线电动态频谱接入:从概念到现实,“IEEE无线通信,17卷,不。6,64 - 74年,2010页。视图:出版商的网站|谷歌学术搜索
2. x黄、t·汉和n .安萨里“green-energy-powered认知无线电网络。”IEEE通信调查和教程,17卷,不。2、827 - 842年,2015页。视图:出版商的网站|谷歌学术搜索
3. p . Dini m . Miozzo Bui, n和n .鲍多”一个模型来分析基站的节能在LTE HetNets睡眠模式,”《IEEE国际会议上绿色计算和通信和IEEE物联网和IEEE网络,物理和社会计算(GreenCom-iThings-CPSCom 13)IEEE,页1375 - 1380年,北京,中国,2013年8月。视图:出版商的网站|谷歌学术搜索
4. b . Rengarajan、g·里索和m . a . Marsan”能量最优移动接入网络基站密度与睡眠模式,”计算机网络卷,78年,第163 - 152页,2015年。视图:出版商的网站|谷歌学术搜索
5. 研究。梁,K.-C。陈、李g . y和p . Mahonen”认知无线电网络和通信:概述”,IEEE车辆技术,60卷,不。7,3386 - 3407年,2011页。视图:出版商的网站|谷歌学术搜索
6. y赵、美国金和w·悦,“一个可调频道键策略在集中式认知无线电网络及其性能优化,“质量技术和定量管理,12卷,不。3、291 - 310年,2015页。视图:谷歌学术搜索
7. h·李和z汉”,社会最优排队控制在认知无线电网络中受服务中断:队列或不排队吗?”IEEE无线通信,10卷,不。5,1656 - 1666年,2011页。视图:出版商的网站|谷歌学术搜索
8. p . j . Li检查者,c·a·陈et al .,“睡眠模式机制改善上游无源光网络的性能,”IEEE国际会议通信学报》(ICC的14)澳大利亚悉尼,页3871 - 3876,,2014年6月。视图:出版商的网站|谷歌学术搜索
9. 门敏,j。j儿子,b·d·崔”网络上的性能分析IEEE 802.16 e与睡眠模式和空闲模式,”电信系统卷,47号3 - 4、291 - 302年,2011页。视图:出版商的网站|谷歌学术搜索
10. s . De Vuyst k . De Turck d . Fiems s Wittevrongel和h . Bruneel“延迟和能量消耗IEEE 802.16 e睡眠模式的机制,”IEEE无线通信,8卷,不。11日,第5387 - 5383页,2009年。视图:出版商的网站|谷歌学术搜索
11. 诉Manonmani j . Premalatha, Anitha, p . Ganesan“节能绿色通信网络的方法,调查”印度科学与技术杂志》上,8卷,不。19日,1 - 5,2015页。视图:出版商的网站|谷歌学术搜索
12. g . Ghosh、p . Das和s . Chatterjee”的认知无线电动态频谱访问研究,“下一代网络的国际期刊》第六卷,没有。1,43-60,2014页。视图:出版商的网站|谷歌学术搜索
13. 研究所。林和K.-C。陈”,在认知无线电网络频谱意识到机会主义路由学报》第53 IEEE全球通信会议(GLOBECOM 10)2010年12月,页1 - 6,。视图:出版商的网站|谷歌学术搜索
14. a·h·瓦尔a . El Shafie a·穆罕默德·t·Elbatt和m . Guizani”Interference-based最优功耗认知无线电网络的访问计划,”计算国际会议、网络和通信(ICNC 15)加登格罗夫,页962 - 967年,加州,美国,2015年2月。视图:出版商的网站|谷歌学术搜索
15. a . O。埃尔詹、m . o . Sunay和s波淋”分析的能量收获绿色认知无线电网络”学报第一国际研讨会在认知蜂窝系统(CCS的14)2014年9月,IEEE,页1 - 7。视图:出版商的网站|谷歌学术搜索
16. r . n . Yadav, r . Misra,古普塔和美国巴”在CR机会频谱接入网络许可和授权频道,”分布式计算和网络国际会议(ICDCN 15)页39-47 ACM, 2015年1月,印度果阿。视图:出版商的网站|谷歌学术搜索
17. c t, n . h . Tran m·范·阮c . s .香港和美国李,“社会难以察觉的排队系统的优化策略在认知无线电网络中,“IEEE通信信,16卷,不。12日,第1947 - 1944页,2012年。视图:出版商的网站|谷歌学术搜索
18. r . j .郑y Cai, x Chen Li和h·张,“最佳绿色蜂窝网络基站睡觉:分布式合作框架基于博弈理论,“IEEE无线通信,14卷,不。8,4391 - 4406年,2015页。视图:出版商的网站|谷歌学术搜索
19. z n . h . Tran c . s .香港汉,和李,“最优定价影响平衡行为对延迟敏感用户的认知无线电网络中,“IEEE在选定地区通讯》杂志上没有,卷。31日。11日,第2579 - 2566页,2013年。视图:出版商的网站|谷歌学术搜索
20. m . f .中性粒细胞Matrix-Geometric解决方案在随机模型医学博士,巴尔的摩的约翰·霍普金斯大学出版社,1981年。视图:MathSciNet
21. d . Halperin b·格林斯坦a Sheth et al .,“解密802.11 n功耗,”国际会议程序对权力意识到计算和系统(HotPower 10),2010年,页1 - 5。视图:谷歌学术搜索
22. r波里,j·肯尼迪,t·布莱克威尔”粒子群优化”,群体智慧,1卷,不。1,33-57,2007页。视图:出版商的网站|谷歌学术搜索

版权

版权©2016 Shunfu金等。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。