认知无线电网络中基于鲁棒优化的分布式资源分配问题研究

当前无线频谱资源日益紧张，能以"机会式"接入网络利用闲置信道的认知无线电技术被认为是解决频谱危机的一种有效方案。如何在复杂动态环境下兼顾多用户性能要求，最大限度地利用网络资源是亟待解决的问题。本项目关注动态网络环境对系统参数、优化性能的影响，提出将网络动态行为进行参数化表示，用随机变量和概率分析刻画不确定性及性能约束，建立具有随机变量概率约束的优化模型。在随机变量部分特征信息已知的条件下，利用组合投资优化和风险评价方法，实现模型确定性转化。考虑认知无线电网络用户非合作、分布式特点，通过改造评价函数将优化问题转化为可用迭代注水算法求解Nash平衡解的多用户竞争稀缺资源博弈问题，最终建立低复杂度的分布式资源分配方法。本项目的研究将为认知无线电网络技术的广泛应用提供理论依据和相关的技术支撑。

面对频谱资源日益紧缺的局面，如何在复杂动态环境下兼顾多用户性能要求，最大限度地利用网络资源是亟待解决的问题。本项目从节能优化和分布式算法实现两大方面着手，以提高网络资源利用率和增强算法鲁棒性为目标，分别针对典型的无线网络系统(认知无线电网络，无线传感器网络，家庭基站网络)，设计功率控制算法。将鲁棒优化，博弈论应用网络性能优化过程之中。通过概率约束优化模型建立，确定性问题转化，综合性能目标函数设计，博弈问题构建，分布式问题求解的技术手段，获得了较为实用的功率控制和干扰管理策略，有效提高了大规模无线网络系统的资源利用效率。共发表论文28篇，SCI收录17篇，授权专利2项。