针对水下传感器网络的多用户干扰大和空间复用率低的问题进行了研究,提出采用AR模型预测信道未来状态,然后基于信道预测完成功率控制的算法,从而减小信道时空不确定性的影响。该算法利用随机几何理论,建立SINR(signal to interference-p...针对水下传感器网络的多用户干扰大和空间复用率低的问题进行了研究,提出采用AR模型预测信道未来状态,然后基于信道预测完成功率控制的算法,从而减小信道时空不确定性的影响。该算法利用随机几何理论,建立SINR(signal to interference-plus-noise ratio)模型,分析接收端的累积干扰状态,然后发送端在信道预测的基础上,以最小化网络中断概率为目标调整发送功率。实验仿真结果表明,基于信道预测的功率控制(power control based on predicted channel state,PCBPC)算法降低了网络能耗,提高了网络空间复用率。与NPC(nonpower control)算法相比,PCBPC算法在典型场景下将中断概率降低了14%,将网络功耗降低了33.3%,提高了空间复用率。展开更多
文摘针对水下传感器网络的多用户干扰大和空间复用率低的问题进行了研究,提出采用AR模型预测信道未来状态,然后基于信道预测完成功率控制的算法,从而减小信道时空不确定性的影响。该算法利用随机几何理论,建立SINR(signal to interference-plus-noise ratio)模型,分析接收端的累积干扰状态,然后发送端在信道预测的基础上,以最小化网络中断概率为目标调整发送功率。实验仿真结果表明,基于信道预测的功率控制(power control based on predicted channel state,PCBPC)算法降低了网络能耗,提高了网络空间复用率。与NPC(nonpower control)算法相比,PCBPC算法在典型场景下将中断概率降低了14%,将网络功耗降低了33.3%,提高了空间复用率。
