摘要：设计认知无线网络路由算法时,需要兼顾主用户保护与路由性能两个方面。为了提高认知无线网络中次用户之间路由的端到端性能,提出了基于无线电环境地图的路由优化机制,该机制中无线电环境地图能够为次用户提供主用户保护有关的无线电环境数据。首先,无线电环境地图根据次用户的数据请求将各授权频段的可用概率与功率控制相关信息反馈到该次用户;其次,次用户可以计算出与上一跳次用户之间的链路稳定性以及传输时延;最后,目的次用户通过计算每条路由的端到端吞吐量的期望值,然后选取期望值最大的一条路由。仿真结果表明,该路由机制在平均分组投递率、平均端到端吞吐量、平均端到端时延方面均优于对比路由算法。

摘要：深度学习相比传统预测无线电环境地图(Radio Environment Map,REM)方法有着预测时间快、精度高的优点。然而模型为了保证预测的精度往往需要设计复杂的网络进行训练,导致耗费大量的训练时间。为降低模型的训练时长,实现REM快速构建,提出了一种改进深度学习模型结合环境编码的REM构建方法。该方法在深度学习网络结构中,通过利用轻量级视觉转换器(Mobile Vision Transformer,MobileViT)模块替换传统模型的卷积模块,增加了模型的全局视野;在输入数据预处理中,引入电波传播机理,提高了模型的可解释性与图像的一维熵,通过结合经验公式计算的路径损耗与天线位置图进行环境编码,进而与城市环境地图作为共同输入。仿真结果表明,改进模型在训练阶段具有更快的收敛速度;所提出的数据预处理方法能够对模型训练起到加速的作用。