...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>IEEE sensors journal >Large-Scale Multi-Cluster MIMO Approach for Cognitive Radio Sensor Networks
【24h】

Large-Scale Multi-Cluster MIMO Approach for Cognitive Radio Sensor Networks

机译：认知无线电传感器网络的大规模多集群MIMO方法

获取原文
获取原文并翻译 | 示例
   

获取外文期刊封面封底 >>

       
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

This paper proposes a large-scale cooperative multiple-input multiple-output (CMIMO) beamforming scheme for uplink (UL) access in broadband cognitive radio wireless sensor networks (CR-WSNs) sharing the same spectrum with a primary network and employing orthogonal frequency-division multiplexing. The CR-WSN is divided into clusters each consisting of cooperative nodes that form a virtual antenna array. Using particle swarm optimization (PSO), each cluster seeks the optimal transmit weight vectors that maximize the UL channel capacity of each cluster, while controlling the interference levels to the primary network. Under the assumption of very large number of sensor nodes at each cluster, semi-analytic expressions for the symbol error rate and the ergodic channel capacity of the CMIMO-based CR-WSN are derived and validated with Monte-Carlo simulation. The PSO-based capacity-aware (PSO-CA) scheme is compared with the one based on the traditional gradient search scheme (GS-CA) and the results show that PSO-CA requires considerably less computational complexity while achieving essentially the same level of performance as the GS-CA.
机译：本文提出了一种大规模协作多输入多输出（CMIMO）波束成形方案，用于与主网络共享相同频谱并采用正交频率的宽带认知无线电传感器网络（CR-WSN）中的上行链路（UL）接入。除法复用。 CR-WSN分为群集，每个群集由形成虚拟天线阵列的协作节点组成。使用粒子群优化（PSO），每个群集寻找最佳的传输权重向量，以最大化每个群集的UL信道容量，同时控制对主要网络的干扰水平。在每个群集中有大量传感器节点的假设下，得出了基于CMIMO的CR-WSN的符号错误率和遍历信道容量的半解析表达式，并通过蒙特卡洛仿真进行了验证。将基于PSO的容量感知（PSO-CA）方案与基于传统梯度搜索方案（GS-CA）的方案进行了比较，结果表明，PSO-CA所需的计算复杂度大大降低，同时实现了相同水平的PSO-CA。性能像GS-CA。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号