[01468544]异构无线网络频谱机会发现与资源优化

该项目属于电子与通信科学技术领域中无线通信方向。无线电频谱是国家重要的战略资源，人类对频谱资源的需求急剧膨胀，各种无线通信技术与应用的竞争愈加激烈，使得无线电频谱资源的稀缺程度不断加大。该项目围绕频谱机会高效发现与频谱资源高效利用这一主线开展研究工作，取得了系列原创性成果，已达到国际先进水平，主要包括以下三个方面：1.发现频谱资源的时空频多维多粒度异构特性，提出多维感知、序贯感知、边界感知、群智感知等系列方法，显著提升频谱机会发现能力。从发现的频谱资源复杂异构特性出发，该项目构建了异构频谱机会数学模型，提出了基于联合空时合作窗的多维频谱检测、基于核学习的边界检测、基于稀疏矩阵统计学习的稳健群智感知、基于统计学习与瞬时机会利用的最优信道探测等机制与算法，实现了频谱机会的高效检测与预测。2.发现动态频谱共享时异构无线网络资源需求的不均衡特性，提出认知协作通信、最佳中继协作和异构网络协作等频谱资源优化理论与方法，整体提升无线频谱资源的动态利用效率。随着各种无线网络(包括3G/4G、WiFi、蓝牙等)不断涌现，无线用户对异构无线网络资源的需求在时间和空间上呈现出不均衡性。针对复杂时空环境中需求的不均衡性，提出了认知协作通信、最佳中继协作与异构网络协作等频谱资源优化方法，使得异构无线网络能够根据业务需求自适应高效地调整频谱资源。3.发现干扰约束条件下机会频谱接入问题的数学结构特征，提出不同性能量度下最优无线资源分配的系列算法，显著降低了计算复杂度。针对授权用户性能约束下的频谱效率和能量效率最大化问题，该项目发现了在不同形式度量准则下具有统一可分解的数学结构，证明了干扰约束下无线资源优化可以分解为仅与授权用户数量相关的非线性规划形式，提出了基于凸优化理论的快速最优无线资源分配算法，并利用可分解的数学结构将算法复杂度从O(N3)降低为O(N)，实现了近似线性复杂度的无线资源分配。该项目20篇代表性论文均发表在IEEE JSAC、IEEE TWC、IEEE TSP、IEEE TCOM、IEEE COMMAG等国际权威学术期刊上，根据最新的Journal Citations Reports标准，SCI一区论文16篇，二区论文4篇，被美国科学院与工程院两院院士H.Vincent Poor等30余位IEEE Fellow级别的国内外著名专家引用，且20篇代表性引文全部发表SCI一区IEEE期刊上。20篇代表性论文中，单篇最高被引201次，被引超过40次的有8篇，Google累计引用863次，ESI高被引论文5篇，SCI被引数分别入选工程或计算机科学类别世界前1%，所代表的研究方向被ESI列为认知无线电领域十大研究前沿“Research Front”之一。据Web of Science数据库统计分析显示，该项目负责人在频谱机会发现方向上SCI高水平论文数位列世界第2位，在认知无线网络方面高水平论文数位列世界第4位。项目成员获第九届IEEE通信学会亚太区最杰出青年研究学者奖(每年仅1人)，获IEEE车载技术协会旗舰会议VTC2014-Fall最佳论文奖(获奖率0.36%)，担任IEEE COMMAG、IEEE COMST等国际权威期刊编委10人次，提交国际标准化提案6项，获授权发明专利10项，在重要国际学术会议和学术单位做邀请报告20余次，在相关学术领域形成了广泛影响。