基于认知的异构无线网络中联合资源管理方法研究

未来的无线移动通信系统将是由多种无线接入网络融合在一起的异构网络，同时用户终端也向多种无线模式配置演化，可以接入不同制式的网络。传统的无线资源管理机制已经不能适应未来异构网络的发展需求。本项目基于认知功能，研究异构网络融合中的关键技术之一：联合无线资源管理技术。基于IEEE 1900.4标准，设计异构网络环境下的联合无线资源管理系统的框架；基于强化学习（Reinforcement Learning）的算法，研究在异构网络中实现高效频谱利用效率的动态频谱分配方法；基于多目标决策理论，研究在异构网络环境下复杂因素决定的多网络接入选择策略。通过理论分析和仿真验证的方式，验证上述算法和策略的有效性。研究成果为实现异构网络环境下资源的动态高效利用，更好的协调和支持网络的学习、决策、融合等行为，在更高的层次上实现网络性能的飞跃提供支持。

未来的无线移动通信系统将是由多种无线接入网络融合在一起的异构网络，同时用户终端也向多种无线模式配置演化，可以接入不同制式的网络。传统的无线资源管理机制已经不能适应未来异构网络的发展需求。本项目基于认知功能，研究异构网络融合中的关键技术之一：联合无线资源管理技术。本项目的研究成果包括：.（1）在IEEE 1900.4框架下，提出了一种有效的终端重构策略。该策略将本征向量法与改进的TOPSIS法结合起来，可以迅速将终端的可选重构模式依照优先顺序排列，供终端决策；同时，该策略可以在任意时间为用户提供最佳服务质量。（2）提出了一种基于归一化径向基函数的自适应启发评价强化学习算法，用于异构无线网络系统中自主的动态频谱分配。该算法通过与无线环境交互，为不同接入网内的各个会话动态的分配合适的频段。（3）基于模糊推理和Q学习算法，提出一种适用于认知网络的集中式动态频谱分配策略。该策略利用利用强化学习的在线学习方法，并结合模糊推理算法，在考察认知网络环境的可变性和不确定性的基础上，给出恰当的频谱分配决策。（4）结合强化学习中的Q-学习算法及策略再用机制，提出一种基于案例推理的最优策略产生模型，以此来实现网络对无线资源自主高效的联合管理。（5）针对传统拍卖方法在认知无线网络动态频谱分配中的低效问题，提出了一种基于单频段多赢家拍卖的动态频谱分配算法。该算法在原始贪婪算法的基础上增加了多重贪婪策略，以较低的计算复杂度获得了较优的解；改进了VCG机制，在保留占优策略激励兼容特性的基础上，提高了卖家的收益，有效抑制共谋的发生。（6）提出一种演进的动态级调度算法EDLS，用于终端重构过程中的资源调度。该算法改进了任务聚类方法，能够提高时间编辑的效率；充分考虑了任务之间的数据交互，进而有效地减少CRT平台重构时间。.研究成果为实现异构网络环境下资源的动态高效利用，更好的协调和支持网络的学习、决策、融合等行为，在更高的层次上实现网络性能的飞跃提供支持。