异构频谱环境下基于联盟的分布式机会频谱接入

机会频谱接入是提高频谱利用率，解决未来频谱资源危机的关键技术之一，其过程可分为机会发现和信道接入两个阶段。目前大多数研究假设各认知节点处于同构频谱环境，且接入所需的认知信息完全已知。然而，在分布式多跳网络中，各认知用户获取全网认知信息是非常困难的。因此，如何利用局部信息获得全网最优是本项目需要解决的基本问题。同时受不同地理位置的影响，各认知节点面临异构频谱环境，感知到的频谱占用状况与空间位置密切相关，这就需要从空域的角度出发，提升多维频谱复用率。本项目提出基于联盟的机会频谱接入技术，其基本思路是通过联盟的自主建立，形成联盟内频谱同构、联盟间频谱异构的多联盟模型。然后从机会发现环节入手，提出联盟内最优共识达成算法，最后提出基于联盟合作的信道接入方案，实现局部信息条件下认知增益全网最优。本项目将为异构频谱环境下分布式机会频谱接入技术的研究提供新思路、新方法，为解决频谱资源紧张问题提供技术支撑。

机会频谱接入是提高频谱利用率，解决未来频谱资源危机的关键技术之一。受不同地理位置的影响，各认知节点面临异构频谱环境，且很难获取全网信息。在分布式网络中，如何利用局部信息实现全网性能优化是分布式机会频谱接入亟待解决的关键问题。解放军理工大学吴启晖教授领导的课题组，在国家自然科学基金项目“异构频谱环境下基于联盟的分布式机会频谱接入（编号：61172062）”的资助下，取得了如下主要研究成果：.针对异构频谱环境下联盟自主形成问题，建立联盟内频谱同构、联盟间频谱异构的多联盟模型，揭示影响联盟形成的各种因素和作用机理，构建基于局部信息交互，自主形成频谱同构联盟的机制，以及提出动态联盟形成与维护方法。.针对异构频谱环境下联盟共识达成问题，提出基于局部认知信息交互的联盟内部最优共识达成算法；提出在非理想交互信道下渐近最优的联盟共识达成算法，提高算法的稳健性；提出相邻联盟之间的交互合作机制，获取全局频谱态势，提升全网频谱检测性能。.针对异构频谱环境下基于联盟合作的信道接入，提出局部合作思想，解决不完全信息条件下分布式决策达到系统最优的问题；设计了能收敛到全局最优的基于相邻用户交互信息的博弈学习算法，并将单线式的博弈学习算法拓展为并行学习算法，在保证算法收敛性的同时加快收敛速率；提出了面向期望值优化的稳健博弈模型，及动态未知环境的多用户在线学习算法，提升了异构频谱环境下信道接入网络吞吐性能的稳健性。.本项目实施过程中，共发表重要学术论文30篇，IEEE期刊论文22篇（均SCI收录），国际会议论文8篇（均EI收录）。其中，4篇IEEE期刊论文入选ESI高被引论文，1篇获2015年度IEEE信号处理学会最佳青年作者论文奖，1篇获国际会议IEEE VTC2014-Fall的最佳论文奖。授权美国发明专利2项，国家发明专利5项。获2014军队科技进步三等奖1项。主办或协办了IEEE通信学会国际会议WCSP 2012-2015。培养毕业博士生4名，毕业硕士生6名。1篇博士论文被评为江苏省优秀博士学位论文。.项目所取得的研究成果在理论上有效解决了异构频谱环境下机会频谱接入所面临分布式联盟形成机制、联盟共识以及接入优化等重要问题，研究成果将为推动机会频谱接入技术在动态频谱管理中的广泛应用，解决频谱资源紧张等重大问题提供基础理论支撑与技术支持。