37、认知无线电网络与片上网络的资源分配与性能优化

认知无线电网络与片上网络的资源分配与性能优化

在当今的通信领域，认知无线电网络（CRNs）和片上网络（NoCs）面临着诸多挑战，如频谱资源稀缺和通信延迟问题。为了解决这些问题，研究人员提出了一系列创新的方法。

认知无线电网络的联合资源分配

认知无线电网络被认为是缓解频谱稀缺问题的有前途的解决方案。在CRNs中，未授权的二级用户（SUs）可以机会性地访问未使用的频谱频段，而不会对主用户（PUs）造成不可接受的干扰。然而，以往大多数关于认知无线电资源分配的研究要么只关注频谱分配，要么只关注功率分配，导致系统吞吐量较低。

为了解决这个问题，提出了一种基于和谐搜索算法和图着色理论的有效联合资源分配方法。该方法的目标是最大化系统吞吐量，同时保证用户的服务质量。

系统模型

传统的频谱分配图模型由信道可用性矩阵、信道奖励矩阵、干扰约束矩阵和无冲突信道分配矩阵组成。而新模型则包括信道可用性矩阵 (L)、信道增益矩阵 (G)、干扰矩阵 (C)、信道分配矩阵 (A)、功率分配矩阵 (P) 和可容忍干扰阈值向量 (T)。

• 信道可用性矩阵 (L) : 是一个 (N\times M) 的二进制矩阵，表示信道的可用性。其中，(l_{n,m}=1) 表示信道 (m) 可供用户 (n) 使用。
• 信道增益矩阵 (G) : 是一个 (N\times M) 的十进制矩阵，表示信道增益。其中，(g_{n,m}) 表示用户 (n) 使用信道 (m) 的增益上限。
• 干扰矩阵 (C) :