Interference-Constrained Scheduling of a Cognitive Multi-hop Underwater Acoustic Network

本文研究了在主用户干扰约束下的认知多跳水下声学网络的最优调度问题。针对水下声信道特有的长传播时延、距离与频率相关的路径衰减、半双工调制解调器以及跨跳间干扰等关键特性，提出以时隙分配替代频隙分配作为核心调度策略，并构建了符合实际信道特性的离散时间马尔可夫链系统模型。将中心化调度问题建模为带主用户吞吐量损失约束的受限部分可观测马尔可夫决策过程（POMDP），推导出最优动态规划算法；但鉴于其计算复杂度不可行，进一步挖掘奖励函数的单调性与结构性质，设计出具有显著复杂度降低的高效近似算法。在此基础上，拓展至去中心化场景，建立受限去中心化POMDP（Dec-POMDP）模型并提出相应近似求解方案。此外，首次显式建模次用户数据包长度对干扰水平的影响机制，并联合优化包长选择。仿真结果表明，所提方案在严格满足主用户吞吐损失约束的前提下，显著提升系统端到端吞吐量；在特定业务负载下，相较传统频隙分配方案，吞吐增益最高可达50%，验证了时域资源协同调度在水下认知网络中的有效性与适应性。