CN101951609B

CN101951609B - 基于反图描述的认知网络动态频谱分配方法

Info

Publication number: CN101951609B
Application number: CN 201010267456
Authority: CN
Inventors: 吴建设; 焦李成; 李蕊; 缑水平; 李阳阳; 韩红; 王爽; 戚玉涛; 陈为胜
Original assignee: Xidian University
Current assignee: Xidian University
Priority date: 2010-08-30
Filing date: 2010-08-30
Publication date: 2013-04-17
Anticipated expiration: 2030-08-30
Also published as: CN101951609A

Abstract

本发明提出了一种基于反图描述的认知网络动态频谱分配方法，主要解决现有认知网络中用户花费较高且频谱使用效率较低的问题。其实现步骤是：(1)对认知网络的频谱干扰图取反图，得到反图模型G，该模型将利用颜色组把m个频谱分配给N个用户；(2)用图论的方法将反图模型G中的N个用户分到m个颜色组中；(3)将m个颜色组按照其节点数从大到小的顺序依次排列，并将m个频谱按照其费用从小到大的顺序依次分配给排列好的颜色组，则一个颜色组对应一个频谱，使同一个颜色组中的节点所代表的用户共用一个频谱，该共用的频谱为分配给其所在颜色组的频谱，完成了对认知网络的频谱分配。本发明能有效降低认知网络中用户购买频谱的总花费，提高频谱的使用效率。

Description

基于反图描述的认知网络动态频谱分配方法

技术领域

本发明属于无线通信网络技术领域，涉及认知网络的动态频谱分配，用于降低认知网络中用户购买频谱时的总花费，以及提高频谱的使用效率。

背景技术

现今的无线通信网络采取的是固定的频谱分配政策，即政府将固定的频谱分配给固定的注册用户或是根据地理位置分配频谱使用权，这种分配方式使得频谱的使用效率仅在15％-80％之间。随着无线电应用范围的不断扩展，频谱资源的稀缺成为无线电应用研究领域无法回避的重要问题。Joseph Mitola博士提出的认知无线电技术从频谱再利用的思想出发，能够对频谱资源达到有效利用并保持可靠通信能力。认知网络被认为是智能无线通信网络，它以灵活、智能、可重配置为显著特征，通过感知外界环境，并使用人工智能技术从环境中学习，有目的地实时改变某些操作参数，比如传输功率、载波频率和调制技术等，使其内部状态适应接收到的无线信号的统计变化，从而实现任何时间、任何地点的高可靠通信以及对异构网络环境有限的无线频谱资源进行高效地利用。认知网络的核心思想就是通过频谱感知和系统的智能学习能力，实现动态频谱分配和频谱共享。

认知网络的目的就是更好地利用网络中空闲的频谱，以提高频谱的动态分配能力，从而提高频谱的使用效率。因为部分的频谱已经被授权用户所占用，认知网络的任务就是在不影响授权用户正常通信的条件下，将授权用户所空闲的频谱分配给认知网络用户，从而提高了空闲频谱的使用效率。假设一个网络的某小区中有一个基站和N个认知用户。网络中的基站负责将该小区中授权用户暂时未使用的频谱分配给其认知用户，一旦检测到授权用户开始使用该频谱，那么基站将把备用的空闲频谱分配给该认知用户继续使用。

认知网络的体系构架很多，其中最具代表性的就是基于IEEE 802.22标准的无线区域网WRAN。基于IEEE 802.22标准的无线区域网WRAN使用未使用的电视广播信道，在对电视信道不产生干扰的前提下，为农村地区、边远地区和低人口密度且通信服务质量差的市场提供类似于在城区或郊区使用的宽带接入技术的通信性能。在WRAN系统中，基站和用户预定设备是主要实体，转发器是可选的实体，采用集中式的网络结构。在下行方向上，WRAN采用固定的点对多点星型结构，其信息传播方式为广播方式；在上行方向上，WRAN向用户提供有效的多址接入，采取按需多址DAMA和时分多址TDMA，即各用户网络终端设备CPE以传输需求为基础，根据DAMA和TDMA机制共享上行信道。用户通过与基站BS的空中接口接入核心网络，一个CPE可支持多个传输数据、语音和视频的用户网络的接入，通过BS可接入到多个核心网络。在CPE与BS之间，系统可通过转发器进行转发。在任何情况下，BS提供集中式的控制，包括功率管理、频率管理和调度控制。

现有的认知网络动态频谱分配方法只是将侦听到的空闲频谱随机分配给要使用的用户，没有考虑用户的花费和频谱的使用效率，也没有考虑通讯服务质量的好坏，因而增加了用户通讯时的花费，降低了频谱的使用效率，同时也影响了用户的通讯质量，造成用户在通讯过程中可能受到其它信号的干扰，影响其正常通讯。

发明内容

本发明的目的在于克服上述已有技术的不足，提出一种基于反图描述的认知网络动态频谱分配方法，以有效地降低认知网络中用户购买频谱时的总花费，提高频谱的使用效率。

本发明的技术方案是把认知网络的动态频谱分配问题转换成反图模型G，在反图模型G中，将认知用户组成的网络拓扑结构抽象成图，图中每一个节点代表一个认知用户，每一条边所连接的两个节点可以共用一个频谱。然后把代表用户的N个节点划分到m个颜色组中，并给每一个颜色组分配一个频谱。具体步骤包括如下：

(1)绘制出认知网络的频谱干扰图；

(2)对绘制出的认知网络频谱干扰图进行反图操作，得到反图模型为：G＝{N，V，E，B，M}，其中N为用户总数，V为代表所有用户的节点集，节点分别标记为1，2...N，E为所有无向边的集合，B为供用户选用的m个频谱的集合，M为m个独立的颜色组；

(3)将用户购买每一个频谱的花费分别记为b₁，b₂…b_m，将m个独立的颜色组分别记为C₁，C₂…C_m；

(4)在反图模型G中，判断每一个节点与其所有有连接的节点及其边所构成的子图是否为完全图，若为完全图则将其定义为完全分割图，并把每一个完全分割图中节点的标记放入一个独立的颜色组中，直接执行步骤(5)，若反图模型G中没有完全分割图，直接把反图模型G看作一个不包含完全分割图的图G′，跳转执行步骤(6)；

(5)在反图模型G中去掉所有完全分割图，得到一个不包含完全分割图的子图G′；

(6)在不包含完全分割图的子图G′中找出一个最大的完全连通子图，并把找到的最大完全连通子图中的所有节点的标记放入一个独立的颜色组中；

(7)在不包含完全分割图的子图G′中去掉步骤(6)中的最大完全连通子图，得到一个去掉最大完全连通子图后的子图G″；

(8)对去掉最大完全连通子图后的子图G″重复步骤(4)-(7)的操作，直到所有节点的标记都放入独立的颜色组中为止，即完成了把N个节点划分到m个颜色组的操作；

(9)计算出每个独立颜色组C₁，C₂…C_m中节点标记的个数，分别记为n₁，N₂…N_m，并把所有颜色组按照其节点数从大到小的顺序依次排列，将排列好的m个颜色组依次记为T₁，T₂…T_m；

(10)将B中的m个频谱按照其费用b₁，b₂…b_m从小到大的顺序依次排列，将排列好的m个频谱分别记为P₁，P₂…P_m；

(11)将m个频谱P₁，P₂…P_m依次分配给m个颜色组T₁，T₂…T_m，则一个颜色组对应一个频谱，使同一个颜色组中的节点所代表的用户共用一个频谱，该共用的频谱为分配给其所在颜色组的频谱，这样就给认知网络中的所有用户都分配了频谱，即完成了对认知网络的频谱分配。

在上述的方法中，所述的对绘制出的认知网络频谱干扰图进行反图操作，是保持认知网络频谱干扰图中节点的网络拓扑结构不变，将每对节点间原本有连接边的去掉，原本没有连接边的加上，得到反图模型G。

在上述的方法中，所述的判断每一个节点与其所有有连接的节点及其边所构成的子图是否为完全图，是判断该子图中每对节点之间是否都恰连有一条边，如果每对节点之间都恰连有一条边，则判该子图为完全图，否则判该子图不是完全图。

本发明由于在频谱分配的过程中充分考虑了用户购买频谱的费用，其中用图论的方法将N个节点划分成了m个颜色组，且每一个颜色组中的节点数为可以共用一个频谱最多的用户数，给尽可能多的用户分配费用较低的频谱，因而可以有效降低认知网络中用户的总花费。同时由于本发明在不产生干扰的条件下，用图论的方法将用户分成了最少的颜色组，给每一个颜色组分配一个频谱，所以可用最少的频谱满足认知网络中用户的正常使用，因而提高了频谱的使用效率。

附图说明

图1是本发明的流程框图；

图2是本发明实施例中认知网络的频谱干扰图；

图3是本发明实施例中认知网络的频谱干扰图的反图；

图4是本发明实施例中将反图去掉4个节点后的更新图；

图5是本发明实施例中将反图去掉6个节点后的更新图；

图6是本发明实施例中对认知网络用户的频谱分配结果图；

图7是本发明仿真实验中所采用的三组网络图。

具体实施方式

本发明主要包括三个部分：建立反图模型G，将反图模型G中的节点分入颜色组，给颜色组分配频谱。具体的步骤，参照图1描述如下：

步骤1.建立反图模型G。

本实施例主要针对一个具体的认知网络进行频谱分配，该认知网络的频谱干扰图如图2所示，其中，图中的7个节点1-7分别代表认知网络中7个不同的用户，且每一条边所连接的两个节点表示不能分配同一个频谱的用户。

1.1)对图2中的认知网络频谱干扰图取反图，即保持认知网络频谱干扰图中节点的网络拓扑结构不变，将每对节点间原本有连接边的去掉，原本没有连接边的加上，就得到了反图模型G，如图3所示，图3中每一条边所连接的两个节点表示可以分配同一个频谱的用户；

1.2)在反图模型G中，认知网络中的用户总数N为7，设用3个频谱P₁，P₂，P₃来分配给这7个用户使用，且用户购买每一个频谱的花费分别记为b₁，b₂，b₃，其中令b₁＜b₂＜b₃，该3个频谱将利用颜色组来分配，即把认知网络中的7个用户划分到3个颜色组中，再给每一个颜色组分配一个频谱，这里设3个独立的颜色组分别为C₁，C₂，C₃。

步骤2.将反图模型G中的节点分入颜色组。

2.1)在图3所示的反图模型G中，节点4与其所有有连接的节点1，2，6，可以组成一个子图，且该子图中每对节点之间都恰连有一条边，该子图为一个完全分割图，将该完全分割图中节点1，2，4，6的标记放入颜色组C₁中；

2.2)在图3所示的反图模型G中去掉节点1，2，4，6及与这四个节点相连接的所有边，得到一个不包含完全分割图的子图G′，如图4所示；

2.3)在图4所示的子图G′中，节点3，7所组成的子图为一个最大的完全连通子图，将节点3，7的标记放入颜色组C₂中；

2.4)在图4所示的子图G′中去掉节点3，7及与这两个节点相连接的所有边，得到一个不包含最大完全连通子图的子图G″，如图5所示；

2.5)对图5所示的子图G″重复步骤2.1)-2.4)的操作，直到所有节点的标记都放入颜色组中为止，在重复步骤2.1)时，将节点5的标记放入颜色组C₃中，即完成了将7个节点划分到3个颜色组的过程，这三个颜色组的分组集合为：C₁{1，2，4，6}，C₂{3，7}，C₃{5}，即颜色组C₁中有4个节点，颜色组C₂中有2个节点，颜色组C₃中有1个节点。

步骤3.给颜色组分配频谱。

3.1)将颜色组C₁，C₂，C₃按照其节点数的个数从大到小的顺序依次排列，由于颜色组C₁中有4个节点，颜色组C₂中有2个节点，颜色组C₃中有1个节点，因而排列好的颜色组顺序仍为C₁，C₂，C₃；

3.2)将频谱P₁，P₂，P₃按照其费用b₁，b₂，b₃从小到大的顺序依次排列，由于b₁＜b₂＜b₃，排列好的频谱顺序仍为P₁，P₂，P₃；

3.3)将排列好的频谱P₁，P₂，P₃依次分配给排列好的颜色组C₁，C₂，C₃，则一个颜色组对应一个频谱，使同一个颜色组中的节点所代表的用户共用一个频谱，该共用的频谱为分配给其所在颜色组的频谱，即节点1，2，4，6所代表的用户共用频谱P₁，节点3，7所代表的用户共用频谱P₂，节点5所代表的用户使用频谱P₃，就得到了本实施例中认知网络的频谱分配结果，如图6所示。

本发明的效果可以通过以下实验进一步说明：

1.仿真条件：

在CPU为core 22.4GHZ、内存2G、WINDOWS XP系统上使用C++进行了仿真。

2.仿真内容：

选取三组16个节点的网络作为实验的对象，其中这三组网络的频谱干扰图如图7所示，图7(a)为网络1的频谱干扰图，图7(b)为网络2的频谱干扰图，图7(c)为网络3的频谱干扰图。分别用基于图论的认知网络频谱分配方法和本发明中提出的方法求出这三组网络的频谱分配结果，并计算出在这些频谱分配结果下用户的总花费。

基于图论的认知网络频谱分配方法是将频谱分配问题转换成了传统的图着色模型，且每一个着色方案对应一个频谱分配结果，并用回溯法求出图着色模型的所有着色方案，即得到了认知网络的所有可能的频谱分配结果。因为该方法中没有考虑用户的花费，只是求出所有可能的频谱分配结果，且所有频谱分配结果是同一个优先级的。实验中，计算出采用该方法得到的每一个频谱分配结果下用户的总花费，从而可以求出用户总花费的平均值和其取值范围。而采用本发明中提出的方法可以求出认知网络的一个优化后的频谱分配结果，并计算出在该优化频谱分配结果下，认知网络中用户的总花费。

实验中，假设将4个频谱分配给这16个用户使用，且每一个频谱的花费分别定为10，12，14，16，则可以求出认知网络中用户购买频谱的总花费。下表为实验中得到的数据结果。

表1两种方法下的频谱分配结果及用户的花费

由表1可知，采用基于图论的认知网络动态频谱分配方法和本发明中提出的方法，都可以求出满足认知网络中所有用户正常通讯时所需要的最少频谱数。用基于图论的认知网络频谱分配方法求出的所有频谱分配方案的优先级是一样的，但是在这些方案中用户花费的差异是比较大的，可见若用该方法进行频谱分配，很可能增加了用户的花费；而用本发明中提出的方法可求出认知网络的一个优化频谱分配方案，在该频谱分配方案下用户的花费较小。

从以上说明可以看出，采用基于反图描述的认知网络动态频谱分配方法可以得到认知网络中的一个优化频谱分配方案，该分配方案能有效降低认知网络中用户购买频谱的总花费，以及提高频谱的使用效率。

上述实施方式仅是本发明的一个实例，不构成对本发明的任何限制，例如用本发明方法还可以对包含20个节点的认知网络，对包含50个节点认知网络，以及对包含更多个节点的认知网络进行频谱分配。

Claims

1.一种基于反图描述的认知网络动态频谱分配方法，包括如下步骤：

(1)绘制出认知网络的频谱干扰图；

(2)对绘制出的认知网络频谱干扰图进行反图操作，即保持认知网络频谱干扰图中节点的网络拓扑结构不变，将每对节点间原本有连接边的去掉，原本没有连接边的加上，得到反图模型为：G＝{N，V，E，B，M}，其中N为用户总数，V为代表所有用户的节点集，节点分别标记为1，2...N，E为所有无向边的集合，B为供用户选用的m个频谱的集合，M为m个独立的颜色组；

2.根据权利要求1所述的基于反图描述的认知网络动态频谱分配方法，其中步骤(4)所述的判断每一个节点与其所有有连接的节点及其边所构成的子图是否为完全图，是判断该子图中每对节点之间是否都恰连有一条边，如果每对节点之间都恰连有一条边，则判该子图为完全图，否则判该子图不是完全图。