高密度物联网环境中基于认知型拓扑控制的ISM频段同频干扰减少研究

Co-Channel Interference is known as the outcome of resource constraints which occurs when multiple networks overlap. Therefore, reducing the Co-Channel Interference is becoming a highly focused issue for today's high-dense WLAN and also would be an important challenge to future IoT Environment. In this project, we adapt the core theory of Cognitive Network, which is an environmental study, analysis the wireless environment with Data Mining methods then control network topology in order to reduce the overlapped signal areas. The research considers two approaches, the first one is a proposal of a relative positioning based topology control method, which to provide a local-optimized personal wireless environments with wireless positioning based interference reducing scheme; another one is a proposal of an interference prediction based topology control method, which to provide a global-optimum to the public wireless environments with environmental analysis based interference reducing scheme. This project aims to bring a reference to effective resource sharing in public band, furthermore, presents a novel approach to topology control researches which target at the resource optimization.

高度密集的WLAN信号重叠空间将触发频繁的同频间射频牵制，这种WLAN同频干扰现象会造成公用频段的资源紧缺问题，成为未来物联网技术发展面临的一大挑战。 为此，提出一种以提高公用频段的空间使用率为目标的认知型拓扑结构控制设想，对此，参考认知网络的环境学习理论，拟采用结合数据挖掘的无线环境评估方法，分别对私有、共用WLAN环境进行拓扑结构的控制，使信号重叠空间得到简化，减少同频干扰。一方面，针对私有环境，提出一种基于相对定位的拓扑控制方法，开展基于无线定位的局部干扰减少研究；另一方面，针对公用环境，提出一种基于干扰预测的拓扑控制方法，开展基于环境评估的全局干扰减少研究。本课题不仅可对公用频段中空间资源的有效共享提供一定的参考依据，也可为面向资源使用率的拓扑结构控制研究提供新的思路。

本项目针对解决无线通信环境的同频干扰抑制问题，从基于相对定位的拓扑控制、基于干扰分析的拓扑控制方面展开了研究。基于相对定位的拓扑控制方面：通过研究无线信号传播模型中路径损耗的变化规律，提出了基于环境指纹的室内定位方法及基于二次指纹扫描的室内定位方法，为室内指纹定位相关应用揭示了高精确度、低定位成本指纹分析方法；通过研究移动终端的分布与干扰拓扑结构的相互关系，提出了基于室内相对定位的射频功率控制方法，为高密度环境的干扰抑制研究提供了一定的理论依据。基于干扰分析的拓扑控制方面：通过研究三维水下空间中水声通信同频干扰的形成与抑制规律，提出了基于蜂窝型集群结构的水声通信同频干扰抑制方法、基于虚拟路由空洞的抗干扰型流路由方法、以及用于辅助拓扑控制的基于埃克曼漂流模型的水下节点位置预测方法，为复杂拓扑结构的同频干扰抑制研究揭示了有效的干扰抑制途径及高效的抗干扰型数据传输方法。