基于认知技术的长时延协作网络研究

结题报告

项目介绍

AI项目解读

基本信息

批准号：
61671301
项目类别：
面上项目
资助金额：
58.0万
负责人：
柳宁
依托单位：
上海交通大学
学科分类：
F0102.信息系统与系统安全
结题年份：
2020
批准年份：
2016
项目状态：
已结题
起止时间：
2017-01-01 至2020-12-31

项目参与者：
杨峰；丁良辉；黄巍；臧广达；夏盼园；丛慧；程正雪；张陶盛；张亚飞；
关键词：
认知协作长时延

项目摘要

Networks with long propagation delay, such as underwater acoustic networks and shortwave networks, take an important role in application fields like security, transoceanic and military communication systems. We also know that cooperative and cognitive techniques can be used to increase the network spectrum efficiency significantly. However, current research seldom jointly considers all of them. We will do research on cognition and cooperation in networks with long propagation delay in this project. It includes three parts,.1. Sensing model in long-delay networks based on distributed dynamic Bayesian Networks, considering information diffusion rate, false and miss sensing probabilities, and variation of primary user’s channel..2. Resource allocation in long-delay networks using insurance theory with breach mechanism, considering sensing error because of long delay and collision probability due to access of primary users..3. Beamforming for non-reciprocal cooperative channels by using game theory, taking into account the channel status information..The results of the project will provide the theoretical foundation for the research and application of cognitive and cooperative technique in long-delay networks.

以短波、卫星、水声网络为代表的长时延网络在安防、远洋、军事等领域有着广泛应用。认知技术和协作通信技术可以有效提升网络频谱效率，但是目前研究较少考虑长时延环境和信道信息置信度性的影响。本项目拟实现以下目标：.1.协作频谱认知。充分考虑信息扩散速率、节点感知漏虚警概率等因素的影响, 使用分布式动态贝叶斯网络描述长时延网络的节点感知模型，利用分布式贝叶斯估计算法进行协作感知。.2.频谱资源分配。基于节点感知模型，考虑长时延导致的认知时效风险、用户数据碰撞风险，利用带有违约机制的保险理论进行长时延网络资源分配，设计兼顾频谱效率和碰撞概率的资源分配机制。.3.协作波束赋形。考虑长时延协作网络的信道不具备互易性的特点，提出基于分布式动态贝叶斯网络的效益函数，结合长时信道状态信息，利用博弈论解决长时延网络中协作波束赋形问题。.本项目的研究成果将为认知与协作技术在长时延网络环境中的研究与应用提供理论基础。

结项摘要

以短波、卫星、水声网络为代表的长时延网络在安防、远洋、军事等领域有着广泛应用。认知技术和协作通信技术可以有效提升网络频谱效率，但是目前研究较少考虑长时延环境和信道信息置信度的影响。本项目针对长时延信道的协作频谱认知、频谱资源分配以及协作波束赋形展开研究，取得以下重要结果:.(1)针对卫星长时延网络的资源分配，提出基于软件定义网络的新型低轨卫星网络架构和软件定义路由算法，降低了卫星网络的复杂度，降低了端到端时延和网络丢包率，提高网络吞吐量。.(2)针对长时延网络接入机制，提出了一种基于认知和动态门限的多优先级业务接入控制机制和基于强化学习的退避方法，在网络过载时能显著提高网络吞吐量、降低接入时延、提供健壮的QoS支持和网络接入性能。.(3)针对长时延网络传输机制，设计了一种基于毫米波通信模数混合阵列结构的信道估计算法，对各条路径的来波角度进行粗估计，利用波束赋形降低不同路径之间的干扰，达到路径分离的效果，引入和差波束算法，对来波角度进行精细化估计，动态跟踪实时变化的信道。.本项目的研究成果将为认知与协作技术在长时延网络环境中的研究与应用提供理论基础。