认知协作传感器网络中基于有效容量的随机优化理论研究

Cognitive cooperative technology with the optimal resource allocation policies is an important method to improve the network capacity and intelligently manipulate the spectrum resources. However, so far, it is still rather challenging in applying these advanced technologies in mobile wireless sensor networks due to the stochastic movement characteristic of the node and the distributed nature of the network structure. Based on the effective capacity theory and the stochastic optimization theory, the project studies the joint resource allocation in cognitive cooperative wireless sensor networks (CC-WSN). Research content of the project includes, i) wireless network utility function which can fulfill the multimedia QoS constraints in the multi-hop CC-WSN, ii) the distributed resource allocation based on the multi-objective optimization theory and stochastic optimization theory, and iii) performance evaluation of the designed distributed resource allocation algorithms. Results of the project could provide a theoretical and experimental basis for future design of sensor networ architecture and key protocol algorithms. Novelty of the project relies on following two aspects, i) the project targets at studying the distributed stochastic optimization theory of the joint resource allocation strategies in the CC-WSN, which is new and unique, ii) the theoretical and methodological tools used to solve the distributed algorithm is novel for CC-WSN.

运用认知协作通信技术进行动态频谱管理和联合资源分配是提高无线通信网络承载能力的重要方法，然而在无线传感器网络中，网络结构的分布式特性和节点的随机移动性给这些先进技术的应用带来了巨大的困难。本项目以基于有效容量的随机优化理论为基本方法，研究认知协作无线传感器网络中的联合资源分配问题，具体包括：无线网络效用函数问题；融合多目标优化和随机优化理论的分布式资源分配算法；分布式算法的性能评估。项目从优化理论和分布式算法两个层面，从提高无线通信系统吞吐量的角度来优化传感器网络的网络体制，为未来传感器网络的体系结构和关键协议算法提供理论和实验基础。项目研究认知协作传感器网络中的分布式随机优化理论，研究目标比较新颖且有一定难度；从网络信息论的角度引入有效容量作为无线网络效用函数、并基于随机优化理论等数学工具剖析动态网络环境的统计特性及分布式资源优化算法，因此研究方法比较新颖且有一定的理论深度。

在认知协作传感器网络中，网络结构呈现分布式特性，节点具有随机移动特性。这些特性造成网络的信道衰落时变特性较强而且其概率分布很难确定、主要用户节点与次要用户节点的耦合关系比传统网络更为密切，给动态频谱管理和联合资源分配带来了巨大的挑战。.本项目将针对认知协作传感器网络的分布式特点和通信环境高度动态变化特性，深入研究联合资源分配的随机优化理论以及认知协作无线传感器网络中的联合资源分配问题，具体包括（1）基于有效容量和公平性效用函数进行多目标函数建模，以体现出主要网络和次要网络之间的折衷关系；（2）针对具体的网络环境及需要分配的资源，对资源分配问题建模成非线性优化问题，融合凸优化、多目标优化和随机优化理论分析非线性问题并推导出资源分配的解析解，以及对应的分布式资源分配算法；3）对分布式资源分配算法的收敛性、算法复杂度进行分析，并通过与其它资源分配算法对比进行性能分析。相关重要成果包括：（1）基于自适应信号处理理论中的随机平均工具（stochastic averaging tools）证实了随机优化理论在所规划的资源分配模型中的可行性和适用条件，以及随机资源分配算法的收敛性，并通过数值计算验证了相关理论；（2）基于多目标优化理论建模，分析了资源分配策略的pareto解，剖析了次要用户作为中继节点时消耗的功率与次要网络获得的时间/频谱资源之间的折衷关系，以及主要网络和次要网络服务能力间的折衷关系；（3）基于有效容量模型，从统计时延QoS性能保障的角度探索资源分配策略，并剖析了当时延QoS性能要求提高时，资源分配策略的变化趋势；（4）在underlay认知环境中，本项目扩展worst-case 方法到认知协作传感器网络中，将信道状态信息的不确定性建模为信道估计值与误差值之和，通过引入保护函数研究了资源分配算法的鲁棒性，并分析了算法性能与信道不确定性间的权衡折衷关系。.项目从优化理论和分布式算法两个层面，从提高无线通信系统吞吐量的角度来优化传感器网络的网络体制，为未来传感器网络的体系结构和关键协议算法提供理论和实验基础。