[01327257]基于认知的移动网络资源优化理论与方法研究

移动网络高度动态的拓扑结构和复杂多变的网络环境给资源的高效利用带来了挑战。

认知技术通过在广泛部署的网络节点进行网络状态的采集，大大提升了移动网络的资源管理能力以及优化调度潜力。

近年来，我们基于网络状态的认知技术，在物理层、网络传输层和应用层对资源的优化管理展开了多维度研究。

首先，利用芯片对信噪比、波形的感知结果，在基带信号处理中巧妙地分解来造成单次冲突的多个数据包，在物理层为数据的高并发、低功耗传输提供支撑。

为了降低网络负载、提升能量利用率，联合考虑了网络状态信息和时空位置间的映射关系，研究了一系列状态压缩感知的方法。

以此为基础，基于概率后缀树、最优化理论，构建信道占用、发送速率和功率的认知模型，并研究了网络资源的联合优化方法。

以充分利用资源、优化网络性能、改善通信质量为目标，研究了基于跨层认知技术的网络资源优化方法，基于跨网络层、传输层和应用层的认知结果，建立联合多层协作、拓扑控制的数据传输方法。

最后，在应用层，根据方向盘转向跟踪系统、智能设备陀螺仪等多种嵌入式传感器的感知结果，从基站优化部署、信号调制解码、能量和速率调节等多个角度进行联合优化，显著提升了移动网络中信息服务的用户体验。