基于学习与预测的认知网络路由决策与维护

由于频谱动态接入带来的节点可用信道随时间和空间变化的特性，使得认知网络路由与外界电磁环境尤其是授权网络行为之间存在相互作用。从而使得认知网络路由优化成为难题。本研究以认知网络路由为对象，以图论、拓扑学、概率论等为工具，基于自适应学习、最优化方法等理论，重点研究：认知用户可利用频谱随时间、空间的动态变化与邻居发现的关系；新的授权网络用户活动模型；认知网络拓扑的局部预测；主网络节点移动估计与次网络节点移动控制；带有联合约束的跨层动态路由协议的设计。通过解析路由决策与外部电磁环境因素之间的动态关联性，建立关联度模型，探索网络连通的演化规律，着重解决授权网络用户运动估计、邻居发现"消失"、信道切换"耳聋"、因资源受限路由优化被多变量约束等关键问题。在此基础上，完成一个试验性网络作为实证，并提出较完整的路由决策和维护的优化建议与解决方案。为认知网络下一步发展提供理论支持和科学依据。

1..基于频谱感知的跨层机会认知路由决策研究.针对认知无线自组织网络的复杂电磁环境及相关技术挑战，考虑认知无线网络可用频谱的高动态特性，以跨层协同思想为指导，将信道选择策略与路由选择技术相结合，将物理层的频谱感知技术、MAC层的调度机制与网络层的路由技术相联合进行跨层设计及优化，提出了基于双次协同频谱感知的机会认知路由策略以提高认知无线网络频谱的使用效率和可靠高效的传输能力。理论分析和仿真结果表明所提出的方案能够有效提高认知无线自组织网络端到端的服务质量和频谱利用率。.2..基于学习预测的移动认知网络路由方法.当移动成为认知网络的一个特征时，情形更为复杂，首先，次用户间能否通信不仅受次用户本身的影响，而且受主用户活动状况、主用户移动等的影响，使得认知用户间的链路很不稳定，网络拓扑不断变化。其次，次用户频谱动态接入和退出导致次用户可用信道随时间和空间变化，使得认知网络的拓扑以及路由问题呈现出不同于传统无线网络的特点。针对这个问题，通过学习预测，对认知网络连通性、中断概率、链路稳定性、链路功耗、拓扑优化、路径优化等加以研究，提出适用于认知中继网络的路径选择标准，依此标准导出瑞利衰落信道下认知中继网络的中断概率闭合表达式。提出链路代价最小的局部认知拓扑控制路由算法。.3..基于认知竞争的快速移动网络路由发现和修复方法.车载自组织网络是由车辆和路边设施作为节点构建的临时性自组织网络。考虑到网络节点高速移动、网络拓扑频繁变化的高动态性，提出基于接收者竞争和综合路由判据的路由协议。 首先设计新的路由判据方法，依据车辆节点可以采集到邻节点拓扑信息和依赖于GPS的车辆位置、速度等有效信息，量化了链路剩余生命时间和投影距离，通过数据融合得到优化的路由判据。各个接收节点根据该判据相互竞争取得数据包的转发权，有效地限制了网络控制信息的产生和传播。其次针对路由维护阶段提出基于上下游节点竞争的本地修复方法。由断裂处上下游节点根据稳定性状态竞争本地修复的权利，选择更加稳定的节点修复链路，减少二次断裂可能性。