1 認知網(wǎng)絡(luò)研究現(xiàn)狀
隨著無線網(wǎng)絡(luò)的飛速發(fā)展，網(wǎng)絡(luò)環(huán)境(外部運行環(huán)境和內(nèi)部網(wǎng)絡(luò)環(huán)境)變化越來越大，傳統(tǒng)的Internet結(jié)構(gòu)已經(jīng)不能滿足發(fā)展的需求，因此需要設(shè)計新的體系結(jié)構(gòu)來滿足日益復(fù)雜的網(wǎng)絡(luò)環(huán)境需求。David提出在Internet的體系結(jié)構(gòu)中增加一個知識平面，將認知概念擴展到了整個通信網(wǎng)絡(luò)，并包含于網(wǎng)絡(luò)的各個協(xié)議層次。這就是認知網(wǎng)絡(luò)的概念。認知網(wǎng)絡(luò)[1-2]能夠觀察、感知和學習網(wǎng)絡(luò)環(huán)境狀態(tài)，智能決策并自適應(yīng)調(diào)整節(jié)點和網(wǎng)絡(luò)的配置與行為(如交換、路由、資源分配等)，進而達到對網(wǎng)絡(luò)性能的智能優(yōu)化。
“認知”一詞來源于人工智能。認知網(wǎng)絡(luò)只有具備了學習和決策能力，才能夠真正具有認知能力，因此，智能決策是認知網(wǎng)絡(luò)的核心技術(shù)。認知網(wǎng)絡(luò)的智能決策涉及人工智能理論、機器學習、推理機制等方面的技術(shù)。有代表性的是Nicola Baldo的模糊決策[3]。Nicola Baldo在研究認知網(wǎng)絡(luò)的接入方法時使用模糊值表示不同應(yīng)用的相關(guān)性能參數(shù)，利用模糊邏輯推理和模糊計算評估每個網(wǎng)絡(luò)接入機會的服務(wù)質(zhì)量并使用模糊決策技術(shù)選擇最合適的接入機會。Alex Chia-Chun Hsu的統(tǒng)計信道分配認知MAC協(xié)議和William C. Headley在認知無線的自動模式分類中都引入了智能決策算法。但這些決策方法依據(jù)的規(guī)則和策略都是固定的，系統(tǒng)在運行過程中不能夠根據(jù)環(huán)境的變化規(guī)律調(diào)整決策，不能達到真正認知的目標。
目前，對于認知網(wǎng)絡(luò)的研究重點集中在介質(zhì)訪問控制(MAC)[4]、路由技術(shù)[5-6]和QoS等方面。其中，認知網(wǎng)絡(luò)QoS研究主要包括3類：一類是數(shù)據(jù)鏈路層QoS[7-11]，數(shù)據(jù)鏈路層QoS結(jié)合認知無線電能夠自適應(yīng)調(diào)整節(jié)點所使用的頻譜的特征，采用動態(tài)頻譜分配技術(shù)，改善網(wǎng)絡(luò)的QoS；第二類采用跨層設(shè)計的思想，在節(jié)點進行路由選擇時考慮數(shù)據(jù)鏈路和物理無線環(huán)境的狀態(tài)，根據(jù)底層狀態(tài)動態(tài)選擇路由[12]；第三類則是從用戶角度出發(fā)提出一種保障用戶QoS水平的動態(tài)配置方法[13]。上述研究都是針對通用的認知網(wǎng)絡(luò)而展開的，未考慮應(yīng)急通信場景的特定需求(如網(wǎng)絡(luò)環(huán)境不可預(yù)知、時延敏感、臨時通信等)，因此直接應(yīng)用于應(yīng)急通信場合有一定的局限性。
2 體系結(jié)構(gòu)與模型
Sutton[14]、Nolan[15]、Mahonen[16]和Thomas[2]都在認知網(wǎng)絡(luò)的體系結(jié)構(gòu)與模型方面進行了研究。其中，Sutton和Nolan重點研究認知網(wǎng)絡(luò)中具有可配置能力的平臺框架，提出一種基于元素的節(jié)點體系結(jié)構(gòu)，網(wǎng)絡(luò)節(jié)點可由異構(gòu)的軟件或硬件元素來組建，用XML配置文檔來定義和描述節(jié)點。體系結(jié)構(gòu)中未考慮如何支持分布式推理、集體決策和分布式學習。Mahonen提出一個基于可配置網(wǎng)絡(luò)的支持優(yōu)化決策的認知節(jié)點框架以及分布式推理算法IGA。Thomas提出的認知框架是一個比較完整的框架結(jié)構(gòu)，包括3層：端到端的用戶目標、認知過程、具備軟件自適應(yīng)能力，但是也存在一些不足之處。首先，認知過程的具體邏輯結(jié)構(gòu)(即認知過程中推理、學習、決策3者之間的關(guān)系)沒有明確給出；其次，認知網(wǎng)絡(luò)概念與目前傳統(tǒng)網(wǎng)絡(luò)概念之間的關(guān)系在Thomas的框架中也未明確說明；最后，Thomas框架中將Network API定義為認知過程與軟件自適應(yīng)網(wǎng)絡(luò)的接口，這種定義方式使得認知過程與低層自適應(yīng)網(wǎng)絡(luò)的耦合過于緊密，靈活性和可擴充性差。
Sutton、Nolan、Mahonen和Thomas研究的認證網(wǎng)絡(luò)都沒有具體針對應(yīng)急通信，然而應(yīng)急通信的需求越來越明確，為此我們提出了支持應(yīng)急通信的認知網(wǎng)絡(luò)的體系結(jié)構(gòu)與模型，主要研究應(yīng)急通信系統(tǒng)建模、應(yīng)急通信業(yè)務(wù)定義與描述、支持應(yīng)急通信的認知網(wǎng)絡(luò)的體系結(jié)構(gòu)。
2.1 QoS需求描述
將應(yīng)急通信定義為具有“時間關(guān)鍵”特征的通信。“時間關(guān)鍵”的概念源于軍用戰(zhàn)術(shù)通信網(wǎng)絡(luò)中從發(fā)現(xiàn)目標、定位目標、直到攻擊目標的時間限制要素。時間關(guān)鍵通信是根據(jù)突發(fā)事件的等級，制訂從通信節(jié)點提出發(fā)送數(shù)據(jù)請求開始，經(jīng)網(wǎng)絡(luò)各節(jié)點路由、交換和匯聚處理，通過各種無線接入網(wǎng)關(guān)，直至信息到達指定的目的節(jié)點的時間限制。時間關(guān)鍵通信以QoS指標為基礎(chǔ)、以電信ATM標準中關(guān)于業(yè)務(wù)種類的定義方法為參考來定義應(yīng)急通信業(yè)務(wù)，同時，考慮可擴充性和通用性需求，適應(yīng)應(yīng)急通信業(yè)務(wù)需求的描述，并采用XML語言來描述業(yè)務(wù)。
2.2 網(wǎng)絡(luò)物理結(jié)構(gòu)
由于傳統(tǒng)應(yīng)急通信高成本、單點通信的局限性，將傳統(tǒng)應(yīng)急通信的節(jié)點擴展為網(wǎng)。應(yīng)急通信系統(tǒng)網(wǎng)絡(luò)物理結(jié)構(gòu)如圖1所示。
圖1將傳統(tǒng)應(yīng)急通信節(jié)點(海事衛(wèi)星、VSAT衛(wèi)星地面站和移動站等)作為無線網(wǎng)關(guān)使用。在異常事件發(fā)生區(qū)域以無線Ad hoc網(wǎng)絡(luò)(可以是WLAN，無線Mesh或無線傳感器網(wǎng)絡(luò)等無線區(qū)域網(wǎng)絡(luò))作為基本物理承載網(wǎng)，救援人員通過無線Ad hoc網(wǎng)絡(luò)保持聯(lián)系、接受命令和采集災(zāi)害區(qū)域信息，進而提高信息采集精度、擴展應(yīng)急通信網(wǎng)絡(luò)的覆蓋范圍，達到提高應(yīng)急通信系統(tǒng)性價比的目標。多個異構(gòu)的Ad hoc網(wǎng)絡(luò)邏輯上共同組成了一個認知網(wǎng)絡(luò)，每個Ad hoc網(wǎng)絡(luò)可以看成是一個通信域，多個域之間通過認知網(wǎng)絡(luò)將其融合為一個邏輯上的認知系統(tǒng)。認知網(wǎng)絡(luò)能夠認知周圍復(fù)雜網(wǎng)絡(luò)環(huán)境(主要是無線、移動環(huán)境)，自適應(yīng)控制網(wǎng)絡(luò)各節(jié)點的行為(路由、無線頻率分配等)，保證應(yīng)急通信業(yè)務(wù)所需要的“時間關(guān)鍵”特性的服務(wù)質(zhì)量。
2.3 網(wǎng)絡(luò)體系結(jié)構(gòu)
認知網(wǎng)絡(luò)是建立在傳統(tǒng)網(wǎng)絡(luò)之上的邏輯網(wǎng)絡(luò)(即軟件定義的網(wǎng)絡(luò))，其底層依附于各種異構(gòu)的傳統(tǒng)網(wǎng)絡(luò)(如Internet、以太網(wǎng)、GSM、WLAN等)，這些傳統(tǒng)網(wǎng)絡(luò)各自具備不同的協(xié)議棧結(jié)構(gòu)?；趹?yīng)急通信的實際場景限制，我們將在各種異構(gòu)的Ad hoc網(wǎng)絡(luò)中進行研究，這在一定程度上可降低問題的復(fù)雜性。
認知網(wǎng)絡(luò)體系結(jié)如圖2所示?？蓮恼J知用戶、認知網(wǎng)絡(luò)和傳統(tǒng)網(wǎng)絡(luò)3個視角層次來描述認知網(wǎng)絡(luò)體系結(jié)構(gòu)。將認知功能的邏輯結(jié)構(gòu)細化為推理、學習、決策3個功能實體，引入兩個邏輯功能實體傳感器和執(zhí)行器，用執(zhí)行器和傳感器來表示認知網(wǎng)絡(luò)與底層可重構(gòu)網(wǎng)絡(luò)之間的接口。整個體系結(jié)構(gòu)包括兩個反饋控制環(huán)：
(1)反饋控制環(huán)1
用戶應(yīng)用與認知網(wǎng)絡(luò)之間的反饋控制：應(yīng)用向網(wǎng)絡(luò)提出QoS需求->認知網(wǎng)絡(luò)推理與決策->網(wǎng)絡(luò)反饋對該應(yīng)用QoS是否支持->應(yīng)用調(diào)整QoS需求。
(2)反饋控制環(huán)2
認知網(wǎng)絡(luò)與傳統(tǒng)網(wǎng)絡(luò)之間的反饋控制：認知網(wǎng)絡(luò)測量物理網(wǎng)絡(luò)環(huán)境QoS數(shù)據(jù)->QoS決策->網(wǎng)絡(luò)行為自適應(yīng)。
2.4 物理網(wǎng)絡(luò)與QoS邏輯功能間的映射
執(zhí)行器和傳感器合并為一個認知代理，部署在應(yīng)急通信系統(tǒng)中能夠采集QoS相關(guān)信息或?qū)嵤㏎oS控制的節(jié)點和設(shè)備上。認知控制點負責進行學習、推理和決策，認知控制點屬于邏輯功能實體，物理上可以部署在應(yīng)急通信系統(tǒng)的任何節(jié)點設(shè)備上，也可以單獨增加硬件節(jié)點來實現(xiàn)該功能。認知控制點之間構(gòu)成了一個傳統(tǒng)網(wǎng)絡(luò)上的認知網(wǎng)絡(luò)，通過對認知代理采集上的應(yīng)急通信的QoS信息進行推理決策，控制認知代理的行為，實現(xiàn)基于認知網(wǎng)絡(luò)的QoS控制。
3 QoS控制和優(yōu)化策略
目前關(guān)于認知網(wǎng)絡(luò)的QoS控制的研究尚處于起步階段，特別是針對應(yīng)急通信這種環(huán)境變化快速、不可預(yù)知且需要支持實時多媒體業(yè)務(wù)、交互式業(yè)務(wù)等多種業(yè)務(wù)需求的應(yīng)用場景，研究實用可靠的QoS保障機制和策略尤為重要。我們從認知網(wǎng)絡(luò)QoS控制問題建模、智能頻譜分配策略和優(yōu)先級業(yè)務(wù)的跨層路由算法設(shè)計3個方面進行相關(guān)研究。
3.1 QoS控制過程
基于對認知網(wǎng)絡(luò)模型的研究，采用控制論中反饋控制環(huán)的思想對認知網(wǎng)絡(luò)QoS控制過程和機制進行建模。從圖2的認知體系結(jié)構(gòu)可知，認知網(wǎng)絡(luò)QoS控制的核心是一個學習-決策的過程，各種認知學習模型都可以用一個統(tǒng)一的反饋環(huán)進行描述。基于Col John Boyd提出的OODA環(huán)來描述認知網(wǎng)絡(luò)QoS反饋控制過程，設(shè)計一個包括4個功能組件的認知網(wǎng)絡(luò)QoS循環(huán)控制過程：時間關(guān)鍵的QoS相關(guān)指標測量、確定QoS調(diào)整目標、QoS決策、網(wǎng)絡(luò)行為自適應(yīng)。認知網(wǎng)絡(luò)QoS反饋控制如圖3所示。
在圖3所示認知網(wǎng)絡(luò)QoS反饋控制過程的基礎(chǔ)上，為了增加認知網(wǎng)絡(luò)決策的智能，在認知過程中不斷豐富認知網(wǎng)絡(luò)的知識，實現(xiàn)網(wǎng)絡(luò)的決策隨環(huán)境的變化而不斷地學習和優(yōu)化，為此，在QoS反饋控制過程中引入機器學習功能?；趯W習的認知網(wǎng)絡(luò)QoS決策流程如圖4所示。
3.2 頻譜與時隙分配策略
以支持軟件無線電技術(shù)的節(jié)點作為基本的數(shù)據(jù)鏈路層環(huán)境，考慮異構(gòu)用戶存在情況下的動態(tài)信道分配技術(shù)。無線信道滿足如下假設(shè)條件：每個節(jié)點都有相同的頻譜分配；每個節(jié)點都有相同的頻譜分配概率(即系統(tǒng)所有的可用頻譜在每個節(jié)點都可以是有效的)；節(jié)點支持無線信道上的一發(fā)多收；同一頻率可以再進行時分復(fù)用。動態(tài)信道分配策略分為兩個階段：第一個階段是異構(gòu)用戶的動態(tài)頻譜分配；第二個階段是同一頻率下的不同優(yōu)先級QoS保證的動態(tài)時隙分配。
動態(tài)頻譜分配算法，首要考慮在不同發(fā)射頻譜之間的切換的代價。換言之，在一次通信過程中，沿途所涉及的全部節(jié)點的頻率切換之和最小的頻譜分配方案就是最高效的分配方案。鑒于上述分析，以“最少切換”思想的頻譜選擇算法，選擇目標節(jié)點和目的節(jié)點之間被盡量多連續(xù)節(jié)點共享的頻率。
頻譜選定后，需要為不同優(yōu)先級業(yè)務(wù)分配不同的通信時隙。“時間關(guān)鍵”特征的應(yīng)急通信系統(tǒng)對時延有嚴格的限制，在時延敏感的大前提下，不同類型的業(yè)務(wù)對帶寬的需求是不同的。在應(yīng)急通信場景下，按業(yè)務(wù)的重要程度設(shè)計優(yōu)先級，因此優(yōu)先級越高的業(yè)務(wù)越需要確保其所需要的QoS。因此，在不同優(yōu)先級業(yè)務(wù)的時隙分配時，采用“高優(yōu)先級確保”的時隙分配策略，首先滿足高優(yōu)先級業(yè)務(wù)對信道帶寬的需求。只有高優(yōu)先級業(yè)務(wù)的QoS需求全部滿足后，再考慮低優(yōu)先級的，這樣的策略與應(yīng)急通信的特殊通信需求(首先滿足重要信息的傳輸，公平性不是必需考慮的因素)是一致的。
3.3 跨層路由算法設(shè)計
支持應(yīng)急通信的認知網(wǎng)絡(luò)是疊加在Ad hoc網(wǎng)絡(luò)上的，由于Ad hoc網(wǎng)絡(luò)的特點和應(yīng)急通信的“時間關(guān)鍵”特性，Ad hoc網(wǎng)絡(luò)的QoS路由問題重點在研究如何利用有限的帶寬資源快速有效地建立最優(yōu)鏈路。由于Ad hoc網(wǎng)絡(luò)的路由性能受無線數(shù)據(jù)鏈路的影響很大，而認知網(wǎng)絡(luò)是在跨層設(shè)計的思想下發(fā)展而來的，因此將無線鏈路相關(guān)的參數(shù)(如信道信噪比、信道發(fā)射功率等)作為選擇路由算法的約束條件。
由于應(yīng)急通信對節(jié)點的健壯性要求高，節(jié)點在協(xié)作通信的同時，還需要有“自我保護意識”，即節(jié)點是“自私”的。換言之，應(yīng)急通信系統(tǒng)不希望出現(xiàn)某些節(jié)點為了轉(zhuǎn)發(fā)其他節(jié)點的信息而耗盡自身的能量，造成通信覆蓋上的盲點。博弈論考慮游戲中的個體的預(yù)測行為和實際行為，并研究他們行為的優(yōu)化策略?；诓┺睦碚摲治稣J知網(wǎng)絡(luò)的QoS路由，將節(jié)點的路由轉(zhuǎn)發(fā)問題建立博弈模型。其中：節(jié)點對應(yīng)博弈者；根據(jù)不同業(yè)務(wù)QoS需求的不同，利用模糊邏輯定義節(jié)點的路由轉(zhuǎn)發(fā)行為，節(jié)點轉(zhuǎn)發(fā)信息對系統(tǒng)的實時通信是有貢獻的，因此需要給予獎勵。但是轉(zhuǎn)發(fā)數(shù)據(jù)包需要消耗節(jié)點的電源能量，對節(jié)點自身的健壯性不利，因此需要懲罰。另外，節(jié)點周圍鄰居轉(zhuǎn)發(fā)包對節(jié)點本身也有利，需要獎勵。按照上述思路可建立認知網(wǎng)絡(luò)QoS路由的博弈模型。
3.4 在線分布式學習算法
在機器學習的范疇中，根據(jù)學習的反饋類型不同，學習技術(shù)可以分為監(jiān)督學習、非監(jiān)督學習和強化學習三大類。考慮到監(jiān)督式學習和非監(jiān)督學習都需要訓練數(shù)據(jù)，而應(yīng)急通信環(huán)境往往是不可預(yù)知的，因此很難事先準備大量訓練數(shù)據(jù)。而強化學習不需要訓練數(shù)據(jù)，僅依靠簡單的試錯來學習得到最優(yōu)行為策略，這非常符合應(yīng)急通信場景下節(jié)點資源和能力有限且需要在線學習能力的情況。因此，應(yīng)采用強化學習算法來實現(xiàn)認知節(jié)點的在線學習。
圖5所示的QoS決策系統(tǒng)包括兩部分內(nèi)容：推理機和強化學習器。QoS決策系統(tǒng)接受網(wǎng)絡(luò)環(huán)境狀態(tài)輸入，使用推理機制根據(jù)相應(yīng)的QoS策略進行推理，得到推理結(jié)論并輸出相應(yīng)的自適應(yīng)動作。網(wǎng)絡(luò)環(huán)境在系統(tǒng)自適應(yīng)動作的作用下，根據(jù)狀態(tài)轉(zhuǎn)移函數(shù)由當前狀態(tài)變遷到新的狀態(tài)。系統(tǒng)學習模塊接收網(wǎng)絡(luò)環(huán)境對于系統(tǒng)自適應(yīng)動作的獎賞反饋，采用強化學習算法學習得到新的自適應(yīng)決策策略并將該策略提供給推理機制以備后續(xù)的QoS決策使用。QoS決策系統(tǒng)通過不斷地學習，可以得到QoS決策策略，使得網(wǎng)絡(luò)的自適應(yīng)動作的回報累計值最大。
4 應(yīng)用場景
隨著無線通信技術(shù)、人工智能技術(shù)和信息處理技術(shù)的飛速發(fā)展和日益成熟，認知網(wǎng)絡(luò)技術(shù)的應(yīng)用將會越來越廣泛，如何保證應(yīng)急通信場景下認知網(wǎng)絡(luò)的服務(wù)質(zhì)量是認知網(wǎng)絡(luò)研究中迫切需要解決的問題。
本文基于“時間關(guān)鍵”特征定義和描述應(yīng)急通信業(yè)務(wù)的QoS需求，從不同視角定義支持應(yīng)急通信的認知網(wǎng)絡(luò)體系結(jié)構(gòu)與模型；基于反饋控制理論研究認知網(wǎng)絡(luò)的QoS控制，并設(shè)計了群體決策和在線分布式學習算法以實現(xiàn)認知網(wǎng)絡(luò)的QoS控制。以上論述的結(jié)構(gòu)體系和QoS技術(shù)可以用于以下應(yīng)急場景。
(1)城市突發(fā)事件
突發(fā)事件處理是現(xiàn)代化城市管理的重要研究課題，突發(fā)時間往往發(fā)生在難以預(yù)料的場合和環(huán)境(如商場突發(fā)火災(zāi))。突發(fā)事件處理部門的人員(公安、消防、醫(yī)療)到達現(xiàn)場后成功處理突發(fā)事件的前提是要迅速、準確地了解現(xiàn)場情況。支持應(yīng)急通信的認知網(wǎng)絡(luò)能夠在突發(fā)事件現(xiàn)場快速組網(wǎng)并通信，準確、及時地傳遞各種相關(guān)信息。系統(tǒng)能夠隨網(wǎng)絡(luò)環(huán)境的變化自適應(yīng)調(diào)節(jié)以便保證不同業(yè)務(wù)按照其所需要的服務(wù)質(zhì)量傳輸，減少由于不了解現(xiàn)場情況而帶來的人民生命和財產(chǎn)的損失。
(2)地震災(zāi)害救援
中國2009年的四川地震及2010年的玉樹地震都帶來了巨大的人員傷亡和財產(chǎn)損失，而其對人們心靈帶來的損害更是無法彌補的。當時由于地震造成傳統(tǒng)電信網(wǎng)絡(luò)癱瘓，外部救援的人員無法了解地震中心的情況，只能靠個別新聞工作者帶去的少數(shù)海事衛(wèi)星電話與外界保持聯(lián)系。地震中心的受災(zāi)情況的視頻若干天后才被傳出，而且主要是靠飛機航拍的。救援人員到達現(xiàn)場后，通過支持應(yīng)急通信的認知網(wǎng)絡(luò)快速組網(wǎng)并通信，大面積采集各種災(zāi)害現(xiàn)場的信息，不僅可以為救援的調(diào)度和指揮提供一手的信息，而且能提高救援的針對性、最大限度減少災(zāi)害現(xiàn)場人員的傷亡。同時，時刻保持通信對災(zāi)害現(xiàn)場的救援人員來講也是一種保護，具有很大的社會效益。
5 結(jié)束語
支持應(yīng)急通信的認知網(wǎng)絡(luò)是網(wǎng)絡(luò)和通信發(fā)展的必然產(chǎn)物，是信息社會發(fā)展的需要。支持應(yīng)急通信的認知網(wǎng)絡(luò)QoS技術(shù)的研究將應(yīng)用于緊急事件處理、災(zāi)害救援等領(lǐng)域，將產(chǎn)生重要的社會效益。就目前的研究狀況來看，對支持應(yīng)急通信的認知網(wǎng)絡(luò)QoS技術(shù)的研究還存在很多不足，需要業(yè)界人士的進一步研究。
6 參考文獻
[1] CLARK D D, PARTRIDGE C, RAMMING J C, et al. A Knowledge Plane for the Internet [C]//Proceedings of the Conference on Applications, Technologies, Architectures, and Protocols for Computer Communication (SIGCOMM '03),Aug 25-29,2003, Karlsruhe, Germany. New York,NY,USA:ACM,2003: 3-10.
[2] THOMAS R W, DASILVA L A, MACKENZIE A B. Cognitive Networks [C]//Proceedings of the 1st IEEE International Symposium on New Frontiers in Dynamic Spectrum Access Networks (DySPAN '05), Nov 8-11, 2005, Baltimore, MD,USA. Piscataway, NJ,USA: IEEE, 2005:352-360.
[3] BALDO N, ZORZI M. Cognitive Network Access Using Fuzzy Decision Making [C]//Proceedings of IEEE International Conference on Communications (ICC’07), Jun 24-28, 2007, Glasgow, UK. Piscataway, NJ,USA: IEEE, 2007: 6504-6510.
[4] 曾志民, 郭彩麗. 認知無線電網(wǎng)絡(luò)的MAC層關(guān)鍵技術(shù) [J]. 中興通訊技術(shù), 2009,15(2):20-24.
[5] 滑楠, 曹志剛. 認知無線電網(wǎng)絡(luò)路由研究綜述 [J]. 電子學報, 2010,38(4): 910-918.
[6] 李紅艷, 李建東, 周丹. 認知網(wǎng)絡(luò)路由技術(shù) [J]. 中興通訊技術(shù), 2010,16(1):50-52.
[7] MATSUI S, WATANABE I, TOKORO K. Application of the Parameter-free Generic Algorithm to the Fixed Channel Assignment Problem [J]. Systems and Computers in Japan, 2005,36(4): 71-81.
[8] HUA Yao, ZHU Yanfeng, NIU Zhisheng. A Channel Assignment Scheme in High Density WLANs to Mitigate Pesudo Capture Effect [C]//Proceedings of the IEEE Global Telecommunications Conference (GLOBECOM '07),Nov 26-30,2007, Washington, DC,USA. Piscataway, NJ,USA: IEEE, 2007: 4796-4800.
[9] LI Xuejun, HAN P, CHONG Joo. WLC20-6: A Fixed Channel Assignment Scheme for Multihop Cellular Network [C]//Proceedings of IEEE Global Telecommunications Conference (GLOBECOM’06),Nov 27-Dec 1, 2006,San Francisco, CA, USA. Piscataway, NJ, USA: IEEE, 2006:5p.
[10] KRISHNAMURTHY S, THOPPIAN M, KUPPA S, et al. Time-efficient Distributed Layer-2 Auto-configuration for Cognitive Radio Networks [J]. Computer Networks,2008, 52(4), 831-849.
[11] THOPPIAN M, VENKATESAN S, PRAKASH R, et al. MAC-layer Scheduling in Cognitive Radio based Multi-hop Wireless Networks [C]//Proceedings of the 7th IEEE International Symposium on a World of Wireless, Mobile and Multimedia Networks (WoWMoM’06),Jun 26-29, 2006, Niagara-Falls/Buffalo, NY, USA. Piscataway, NJ, USA: IEEE,2006: 191-202.
[12] GHOSH C, AGRAWAL D P. Channel Assignment with Route Discovery (CARD) Using Cognitive Radio in Multi-channel Multi-radio Wireless Mesh Networks [C]//Proceedings of the 1st IEEE Workshop on Networking Technologies for Software Defined Radio Networks(SDR’06),Sep 25,2006,Reston,VA,USA. Piscataway, NJ, USA: IEEE, 2006: 36-41.
[13] 馮光升, 王慧強, 馬春光, 等. 面向認知網(wǎng)絡(luò)的用戶QoS動態(tài)自配置方法 [J]. 通信學報, 2010,31(3): 133-140.
[14] SUTTON P D, DOYLE L E, NOLAN K E. A Reconfigurable Platform for Cognitive Networks [C]//Proceedings of the 1st International Conference on Cognitive Radio Oriented Wireless Networks and Communications(CROWNCOM’06), Jun 8-10,2006,Mykonos Island, Greece. Piscataway, NJ, USA: IEEE, 2006: 5p.
[15] NOLAN K E, SUTTON P D, DOYLE L E. A Framework for Implementing Cognitive Functionality [C]//Proceedings of the 51st SDR Forum General Meeting and Technical Conference (SDR’06), Nov 13-17, 2006, Orlando, FL. 2006.
[16] MAHONEN P, PETROVA M, RIIHIJARVI J, et al. Cognitive Wireless Networks: Your Network Just Became a Teenager [C]//Proceedings of the 25th IEEE International Conference on Computer Communications (INFOCOM’06), Apr 23-29,2006, Barcelona, Spain. Piscataway, NJ,USA: IEEE, 2006.
張冬梅，北京郵電大學博士畢業(yè)，北京郵電大學計算機學院副教授，從事網(wǎng)絡(luò)與軟件安全、網(wǎng)絡(luò)通信、自組織網(wǎng)絡(luò)方面的研究，已發(fā)表SCI/EI檢索論文20余篇。
張世棟，北京郵電大學計算機學院在讀博士研究生。