CN101873183B - 基于数学空间的认知无线电频谱资源表征方法 - Google Patents
基于数学空间的认知无线电频谱资源表征方法 Download PDFInfo
- Publication number
- CN101873183B CN101873183B CN201010204176.0A CN201010204176A CN101873183B CN 101873183 B CN101873183 B CN 101873183B CN 201010204176 A CN201010204176 A CN 201010204176A CN 101873183 B CN101873183 B CN 101873183B
- Authority
- CN
- China
- Prior art keywords
- frequency spectrum
- spectrum resource
- space
- cognitive
- cognitive radio
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开一种基于数学空间的认知无线电频谱资源表征方法,主要解决现有技术无法支持频谱资源灵活利用的问题,其实现步骤是:(1)以描述频谱资源的独立参量为坐标轴建立坐标系;(2)基于频谱感知获得频谱的使用状态信息,形成频谱资源使用状态曲面;(3)根据认知系统业务需求,形成选取频谱空洞的可用约束条件;(4)按照可用约束条件在频谱资源状态曲面上选取,形成可用频谱资源状态;(5)基于可用频谱资源状态,在频谱资源取值空间中形成与之对应的取值子空间,作为可用频谱资源空间;(6)在可用频谱资源空间中,为认知系统业务需求找到合适的频谱资源矢量。本发明可以支持频谱资源的灵活利用,为认知无线电系统研究和频谱资源管理提供技术支持。
Description
技术领域
本发明属于无线通信技术领域,涉及认知无线电技术中的频谱资源表征方法,可用于认知无线电系统频谱资源的分析和具体的管理实施。
背景技术
认知无线电技术是对频谱进行高效利用的一种新兴通信技术。图1描述了认知无线电系统的工作过程,它通过对频谱环境进行感知探测以获得频谱资源的使用状态,经过学习机制进行分析之后,对频谱中尚存的可利用部分进行管理和分配,以满足更多业务的频谱需求。这种技术将一些被分配而未使用的频谱、以及一些虽然使用但未被充分利用的频谱找寻出来,并再次进行分配和使用,从而达到了较高的频谱利用效率,从一定程度上缓解了当前频谱资源紧张和业务发展的矛盾。其中,被确定可以再次利用的频谱部分被称为频谱空洞。
认知无线电技术本质上是对频谱这种稀缺资源的高效利用方法。频谱资源作为认知系统处理的对象,在频谱资源感知、频谱资源信息交流、频谱资源管理与分配等各个环节中都有所体现。因此,建立一个良好的针对频谱资源的表征方法,对于研究认知系统中的频谱资源的本质和规律以及进行具体的管理而言,都是至关重要的。
以往对频谱资源的研究中,大多是从获取频谱资源信息的方法、进行优化分配的方法等角度进行考虑,并未对构建频谱资源模型和表征方式进行深入探索。如在Simon Haykin的文章“Cognitive Radio:Brain-Empowered Wireless Communications”中,仅着重说明该如何进行干扰温度估计,以此探测频谱空洞,并进行合适的认知无线电业务通信频段的选取。而仅有的少量涉及认知无线电资源模型的研究中,针对频谱资源构建的模型也不够全面不够具体,无法支持对频谱资源的深入研究和实时管理。如在Vuk Marojevic的文章“Resource Modeling for a Joint ResourceManagement in Cognitive Radio”中,给出频谱信道的模型为Rr (i)=(<startfrequency[MHz]>,<end frequency[MHz]>,<owner>,<occupation[%]>),仅从统计意义上描述了频谱信道的占用概率状态和利用可能,就无法支持认知无线电系统任意地点、任意时间和任意频谱伺机插空的灵活利用,从而影响了频谱资源的充分利用。
发明内容
本发明的目的是针对现有研究的不足,对认知无线电领域频谱资源模型进行研究,提出了一种认知无线电频谱资源表征方法,以支持认知无线电系统任意地点、任意时间和任意频谱伺机插空的灵活利用,提高频谱资源利用率。
实现本发明的目的的技术思路,是以描述频谱资源的相关参量作为坐标轴建立坐标系,基于数学空间模型形成频谱资源空间,依照系统考察区间形成频谱资源的取值空间,在该空间内将频谱状态信息表示为频谱资源使用状态曲面,将满足选取指标的可用状态曲面所对应的取值空间部分构成可用频谱资源空间,作为认知系统可以利用与分配的频谱资源向量的集合,用该向量集合表征频谱资源。步骤包括如下:
1.设定描述认知无线电频谱资源的独立参量包括:时间time、空间位置location、频率frequency和功率谱密度power;
2.以上述4个独立参量作为坐标轴建立坐标系;
3.利用数学空间概念,由上述坐标系建立认知无线电频谱资源空间Rf,并由坐标系的基表示该空间中的任意向量r,即
Rf=Space(time,location,frequency,power)
r=(t,l,f,p)
其中,t、l、f和p为向量r在频谱资源空间中的坐标;
4.设定频谱资源空间各个坐标的取值范围(St、Sl、Sf和Sp),形成频谱资源空间的取值空间,即
t∈St l∈Sl f∈Sf p∈Sp;
5.通过频谱感知获得频谱资源的使用状态信息,将其置于频谱空间的坐标系中,形成频谱资源使用状态曲面Rs:
Rs=Function(t,l,f,p);
6.根据认知系统通信业务需求设定衡量频谱空洞的指标,形成选取频谱空洞的可用约束条件L;
7.按照可用约束条件L在频谱资源状态曲面上,将符合指标要求的状态选出,形成可用频谱资源状态Rb:
Rb=Judge(Rs|L)
其中,Judge(Rs|L)表示根据L在Rs上进行判决选取;
8.利用可用频谱资源状态,在频谱资源取值空间中按照下式形成与之对应的取值子空间,作为可以分配给认知用户的可用频谱资源空间Ru:
Ru=Set|could be assigned to CR user{r},r∈Rf;
9.在可用频谱资源空间中,按照下式找出频谱资源矢量Ra:
Ra=Select(Ru)
其中,Select(Ru)表示从Ru中选取出合适的频谱资源矢量。
本发明与现有技术相比具有如下优点
1.本发明由于以时间、空间位置、频率和功率谱密度作为必要的参量,对认知无线电系统中的频谱资源进行分析和表征,从而可以支持认知无线电系统任意地点、任意时间和任意频谱伺机插空的灵活利用,提高频谱资源利用率;
2.本发明由于根据时间、空间位置、频率和功率谱密度等参量构建频谱资源空间,从而使系统中所有具有实际意义的向量集合能够对应于认知无线电通信系统所管理的频谱资源状态;
3.本发明构建的频谱资源状态曲面能够完全的表示所有获取的状态信息,构成认知环结构中感知部分的结果,也是对频谱资源管理对象实际状态的描述,可以区分已被使用的频谱资源和可分配频谱资源;
4.本发明通过构建频谱资源取值空间、频谱资源使用状态曲面、可用频谱资源空间等,将认知无线电系统中的频谱资源管理过程归结为数学空间中对资源向量的处理过程,可以为认知无线电系统研究和频谱资源管理提供技术支持。
附图说明
图1是现有认知无线电系统工作过程图;
图2是本发明对认知无线电频谱资源的表征流程图;
图3是用本发明方法在固定时间、固定频率下,形成的位置与功率谱密度曲面图;
图4是用本发明方法在固定位置、固定频率下,形成的时间与功率谱密度曲线图;
图5是本发明对频谱资源状态进行判断与选择的结果图。
具体实施方式
参照图2,本发明的具体实施步骤如下:
步骤1:构建频谱资源空间。
定义认知无线电系统中的独立参量:时间time、空间位置location、频率frequency和功率谱密度power,依据数学空间的概念,以所定义的4个独立参量作为坐标轴建立坐标系,所构成的空间即为频谱资源空间Rf。
步骤2:建立频谱资源取值空间。
根据认知无线电系统的具体要求:系统工作的时段、系统工作的空间范围、系统感兴趣的频段以及系统感兴趣的功率谱密度范围,设定频谱资源取值空间,即各个维度坐标的取值范围。例如,某个认知无线电系统提出具体要求:时间为X年X月X日0时至24时,空间位置为某地区1000m×1000m平面位置之内,频率范围935MHz~960MHz,功率谱密度为-110dbm至0dbm,这即构成频谱资源取值空间。
步骤3:形成频谱资源状态曲面。
通过频谱监测、信息交流和计算等方式获取频谱使用的状态信息,例如时刻t、位置(x,y)、频率f处的干扰功率谱密度为p,所有的状态信息在频谱资源空间中即构成了频谱资源状态曲面,例如,图3为0时刻、频点935MHz处,形成的位置与功率谱密度曲面示例,图4为在位置(0,0)、频点935MHz处,形成的时间与功率谱密度曲线示例。
步骤4:构建可用约束条件。
根据认知无线电系统的业务请求:时段要求、位置要求、频段要求和功率谱密度要求,设定频谱资源选取的可用约束条件L,包括时间约束条件、地点约束条件、带宽约束条件和干扰功率限制约束条件,例如,认知系统在坐标位置(x0,y0)、需要维持时长T、带宽为W、干扰不超过I的频谱资源作为业务通信的要求,这即构成了可用约束条件。
步骤5:形成可用频谱资源空间。
依照可用约束条件,在构建的包含频谱资源使用状态曲面的资源空间中进行比较和选取,找出尚存在利用可能的可用频谱资源状态Rb,并以此为基础,形成可以分配并利用的频谱空间集合,即可用频谱资源空间Ru,图5给出了该步骤的简化示意,为了直观显示,仅取时间与功率谱密度两个维度进行说明。图5中,根据干扰要求设定的功率谱约束条件和根据频谱空洞维持时长设定的时间约束条件共同形成了对频谱状态的判断与选择,选取出的若干个区间即为可以利用的状态,在可用频谱资源状态所形成的曲线之上的部分即为可用频谱资源空间。
步骤6:选择频谱资源矢量。
在可用频谱资源空间中,依照认知无线电系统的业务需求,遍历可用频谱资源空间的各个状态,选择出适合认知无线电系统业务需求的频谱资源状态,构成频谱资源矢量Ra。
本发明的上述步骤与现有认知无线电系统工作过程一一对应。其中,步骤3中的获得频谱状态信息对应于认知无线电系统工作过程的频谱感知部分;步骤1-步骤5对应于认知无线电工作过程的频谱管理部分;步骤6对应于认知无线电工作过程的频谱资源分配部分。可见,本发明提出的基于数学空间的认知无线电频谱资源表征方法完全可以充分应用于认知无线电系统频谱资源的分析和具体的管理实施。
Claims (3)
1.一种为认知系统通信业务需求选取频谱资源的方法,包括如下步骤:
(1)设定描述认知无线电频谱资源的独立参量,包括:时间time、空间位置location、频率frequency和功率谱密度power;
(2)以上述4个独立参量作为坐标轴建立坐标系;
(3)利用数学空间概念,由上述坐标系建立认知无线电频谱资源空间Rf,并由坐标系的基表示该空间中的任意向量r,即
Rf=Space(time,location,frequency,power),
r=(t,l,f,p),
其中,t、l、f和p为向量r在频谱资源空间中的坐标;Space(time,location,frequency,power)表示由参数构建的多维空间,各个参数为空间的维度方向,参数的个数表示维度数量;
(4)设定频谱资源空间各个坐标的取值范围(St、Sl、Sf和Sp),形成频谱资源空间的取值空间,即
t∈St l∈Sl f∈Sf p∈Sp;
(5)通过频谱感知获得频谱资源的使用状态信息,r将其置于频谱空间的坐标系中,形成频谱资源使用状态曲面Rs:
Rs=Function(t,l,f,p),
其中,Function(t,l,f,p)函数表示由频谱状态信息构成的使用状态:
(6)根据认知系统通信业务需求设定衡量频谱空洞的指标,形成选取频谱空洞的可用约束条件L;
(7)按照可用约束条件L在频谱资源状态曲面上,将符合指标要求的状态选出,形成可用频谱资源状态Rb:
Rb=Judge(Rs|L)
其中,Judge(Rs|L)表示根据L在Rs上进行判决选取;
(8)利用可用频谱资源状态,在频谱资源取值空间中按照下式形成与之对应的取值子空间,作为可以分配给认知用户的可用频谱资源空间Ru:
Ru=Set|could be assigned to CR user{r},r∈Rf;
其中,Set|could be assigned to CR user{r}函数表示能够满足业务需求并分配给认知用户的向量r的集合,CR user表示提出业务需求的认知无线电系统用户;
(9)在可用频谱资源空间中,按照下式找出频谱资源矢量Ra:
Ra=Select(Ru),
其中,Select(Ru)表示从Ru中选取出合适的频谱资源矢量。
2.根据权利要求1所述的为认知系统通信业务需求选取频谱资源的方法,其中步骤(6)所述的根据认知系统通信业务需求设定衡量频谱空洞的指标,包括时间、地点、带宽和干扰功率限制。
3.根据权利要求1所述的为认知系统通信业务需求选取频谱资源的方法,其中步骤(6)所述的可用约束条件L,包括时间约束条件、地点约束条件、带宽约束条件和干扰功率限制约束条件。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201010204176.0A CN101873183B (zh) | 2010-06-18 | 2010-06-18 | 基于数学空间的认知无线电频谱资源表征方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201010204176.0A CN101873183B (zh) | 2010-06-18 | 2010-06-18 | 基于数学空间的认知无线电频谱资源表征方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101873183A CN101873183A (zh) | 2010-10-27 |
CN101873183B true CN101873183B (zh) | 2014-03-12 |
Family
ID=42997863
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201010204176.0A Expired - Fee Related CN101873183B (zh) | 2010-06-18 | 2010-06-18 | 基于数学空间的认知无线电频谱资源表征方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101873183B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102711120B (zh) * | 2012-05-23 | 2014-11-12 | 西安电子科技大学 | 基于ds证据理论的协作频谱感知方法 |
CN103441956B (zh) * | 2013-08-29 | 2016-12-28 | 西安电子科技大学 | 一种基于资源空间矢量运算的认知网络资源管理方法 |
US9426666B2 (en) * | 2013-11-26 | 2016-08-23 | The Boeing Company | Integrated resource planning for satellite systems |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1878014A (zh) * | 2006-06-30 | 2006-12-13 | 西安电子科技大学 | 认知无线电中频谱空洞的探测方法 |
WO2008144323A1 (en) * | 2007-05-14 | 2008-11-27 | Microsoft Corporation | Dynamic time-spectrum block allocation for cognitive radio networks |
CN101630982A (zh) * | 2009-08-19 | 2010-01-20 | 西安电子科技大学 | 基于并行压缩感知的宽带认知无线电频谱检测方法 |
-
2010
- 2010-06-18 CN CN201010204176.0A patent/CN101873183B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1878014A (zh) * | 2006-06-30 | 2006-12-13 | 西安电子科技大学 | 认知无线电中频谱空洞的探测方法 |
WO2008144323A1 (en) * | 2007-05-14 | 2008-11-27 | Microsoft Corporation | Dynamic time-spectrum block allocation for cognitive radio networks |
CN101630982A (zh) * | 2009-08-19 | 2010-01-20 | 西安电子科技大学 | 基于并行压缩感知的宽带认知无线电频谱检测方法 |
Non-Patent Citations (2)
Title |
---|
刘勤.认知无线通信系统的频谱资源管理.《中兴通讯技术》.2009,第15卷(第2期),第25-29页. |
认知无线通信系统的频谱资源管理;刘勤;《中兴通讯技术》;20090430;第15卷(第2期);第25-29页 * |
Also Published As
Publication number | Publication date |
---|---|
CN101873183A (zh) | 2010-10-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Bi et al. | Engineering radio maps for wireless resource management | |
Ding et al. | Spectrum inference in cognitive radio networks: Algorithms and applications | |
CN103167623B (zh) | 用于物联网(iot)应用的准动态频谱接入 | |
Atanasovski et al. | Constructing radio environment maps with heterogeneous spectrum sensors | |
CN105027601B (zh) | 用于无线电空白利用的方法和设备 | |
CN110430583A (zh) | 一种ssb波束优化配置方法及装置 | |
Rawat et al. | Secure radio resource management in cloud computing based cognitive radio networks | |
CN103139874B (zh) | 认知无线电中基于时间序列预测的信道选择方法 | |
US20190280966A1 (en) | Routing data through distributed communications network | |
CN101873183B (zh) | 基于数学空间的认知无线电频谱资源表征方法 | |
Li et al. | Joint optimization of electricity and communication cost for meter data collection in smart grid | |
Al-Anbagi et al. | Delay-aware medium access schemes for WSN-based partial discharge measurement | |
Belli et al. | A probabilistic model for the deployment of human-enabled edge computing in massive sensing scenarios | |
Bedogni et al. | Machine-to-machine communication over TV white spaces for smart metering applications | |
CN103441956B (zh) | 一种基于资源空间矢量运算的认知网络资源管理方法 | |
Chen et al. | Cooperative spectrum sensing using q-learning with experimental validation | |
CN104640117A (zh) | 一种实现频谱资源分配的方法及装置 | |
CN102595422B (zh) | 一种认知无线电系统中垂直并行的频谱分配方法 | |
Stusek et al. | LPWAN coverage assessment planning without explicit knowledge of base station locations | |
Luo et al. | Spectrum broker by geo-location database | |
Chen et al. | Spectrum measurement modelling and prediction based on wavelets | |
Weiss et al. | Dynamic geospatial spectrum modelling: taxonomy, options and consequences | |
CN105636059A (zh) | 一种分配频谱的方法和设备 | |
Nurpulaela et al. | IoT Frequency Band Channelization in Indonesia as A Recommendation for Machine-To-Machine Communication Preparation in the 5G Era | |
Hussain et al. | Computing platforms for big data analytics in electric vehicle infrastructures |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20140312 Termination date: 20190618 |