CN102026204A - 一种认知无线电蜂窝网动态频率分配方法 - Google Patents
一种认知无线电蜂窝网动态频率分配方法 Download PDFInfo
- Publication number
- CN102026204A CN102026204A CN2010106220257A CN201010622025A CN102026204A CN 102026204 A CN102026204 A CN 102026204A CN 2010106220257 A CN2010106220257 A CN 2010106220257A CN 201010622025 A CN201010622025 A CN 201010622025A CN 102026204 A CN102026204 A CN 102026204A
- Authority
- CN
- China
- Prior art keywords
- frequency
- cellular cell
- value
- sigma
- cellular
- 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.)
- Pending
Links
Images
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
本发明涉及一种认知无线电蜂窝网的动态频率分配方法,属认知无线电技术领域。本发明是根据基站和认知移动用户感知的每个蜂窝小区的可用频谱信息,建立一个实时的干扰频率表,再根据每个蜂窝小区的频率需求数,以及各蜂窝小区间的干扰约束条件,构造了一个代价函数,采用噪声混沌神经网络方法,将这个代价函数最小化,从而满足每个蜂窝小区的频率需求,避免了对授权用户的干扰,同时还避免了各蜂窝小区之间的相互干扰,并使频谱利用率最高。同时,本发明通过锁定每个小区的最低编号频率,使每个蜂窝小区能够相对固定地分配一个频率作为公共控制信道。
Description
技术领域:
本发明涉及一种认知无线电蜂窝网的动态频率分配方法,属于认知无线电技术领域。
背景技术:
自从无线通信技术诞生以来,为了对空中有限的频谱资源进行有效的管理,无线频谱资源的使用都是由政府部门统一进行规划,然后将各个频段分配给指定的用户,这些用户称为授权用户,未授权的用户,则不允许使用。现有的频谱资源,几乎都已经分配给了相应的授权用户。
然而,近几年来的研究调查发现,那些已经分配给授权用户的频段,其频谱利用率其实并不高,比如无线广播电视频段,就只有10%的频段被利用,其余的频段都长期处于空闲状态,被白白浪费了。另一方面,新兴的无线通信技术层出不穷,对频谱资源的需求越来越大,但政府部门却没有空闲频谱可以分配了。
在此背景下,一种新型的无线通信系统诞生了——认知无线电(CR:Cognitive Radio)。
相比传统的无线通信系统,认知无线电最大的特点,就是不需要分配授权频谱,认知无线电用户(以下简称认知用户)可以自主的感知周围的无线环境,如果某一授权频段没有授权用户占用,则认知用户就利用这个空闲频段进行通信,并确保不对授权用户造成干扰。任何时候,只要某个频段被授权用户占用了,则认知用户立即停止使用该频段,并重新去寻找其他的空闲频段。
所以,认知无线电是一个智能无线通信系统,涉及两个关键技术:频谱感知技术和动态频率分配技术(DFA)。频谱感知技术,要求认知无线电系统能够自主感知周围的无线环境,发现空闲频谱;动态频率分配技术,要求认知无线电系统能够根据空闲频谱信息,给每个认知用户分配可用频率,并且不对授权用户造成干扰。
动态频率分配方法,与认知无线电的网络结构密切相关,现有的认知无线电网络结构主要有无线区域网(WRAN)、点对多点网(PMP)、移动Ad hoc网(MAN)、无线网状网(Mesh网)。但是对于目前已经在技术上非常成熟的蜂窝网,却一直没有被应用到认知无线电系统,到目前为止,认知无线电蜂窝网的动态频率分配方法,在国内及国际上,还是研究空白。
如果将普通的蜂窝网直接应用到认知无线电系统,则面临着两个难题需要解决。
首先,每个蜂窝小区的可用频率都不是固定不变的,对每个蜂窝小区来说,任何一个可用频率随时都可能被授权用户占用,任何一个被授权用户占用的频率,也随时都可能因授权用户通信结束而变成可用频率,这就要求网络控制中心能够根据每个蜂窝小区的可用频谱信息,为每个蜂窝小区动态的分配可用频率,并且不对授权用户造成干扰。
其次,每个蜂窝小区都必须固定地分配一个可用频率,用来作为本小区的公共控制信道,这个公共控制信道用于基站对本小区所属的所有认知移动用户进行调度管理。
发明内容:
本发明的目的在于:提供一种认知无线电蜂窝网的动态频率分配方法,不仅能够根据每个蜂窝小区的可用频谱信息,为每个小区动态地分配可用频率,而且能为每个蜂窝小区相对固定地分配一个频率,作为公共控制信道。
本发明是通过如下的技术方案来实现上述目的的:
一种认知无线电蜂窝网动态频率分配方法,其特征在于:它包括以下步骤:
a)、由基站和认知移动用户对周围的无线环境进行频谱感知,获取各蜂窝小区的可用频率信息,
b)、根据每个蜂窝小区的可用频谱信息,由网络控制中心计算出一个实时的干扰频率表;
c)、根据干扰频率表、每个蜂窝小区的频率需求数,以及各蜂窝小区间的频率分配约束条件,构造一个代价函数;代价函数表示如下:式(1):
d)、采用噪声混沌神经网络(NCNN)方法,将代价函数第6项的值最小化,同时使代价函数第1、2、3、4、5项的值全部等于零。代价函数的第1、2、3项的值等于零,意味着各蜂窝小区之间不会产生相互干扰,第4项的值等于零,则各蜂窝小区的频率需求得到满足,所需的频率均已分配给各蜂窝小区,第5项等于零,则不会对授权用户造成干扰,第6项的值达到最小时,则整个认知无线电蜂窝网所分配的频率数最少,频谱利用率最高。
式(1)中各符号定义为:m表示蜂窝小区的总数,n表示可用的频率总数,x和y表示不同的蜂窝小区编号,i和j表示不同的可用频率编号。另外,用|x-y|表示两个蜂窝小区x和y的空间距离;|i-j|表示两个不同频率i和j在频域位置的间隔,也就是频率的距离。vxi表示NCNN的神经元输出,如果频率i分配给了蜂窝小区x,则vxi=1,否则vxi=0,vxj、vyi、vyj的定义与vxi的定义类似,仅仅只是脚标不同;六个常量Ae,Be,Ce,De,Fe和Ge是对应各项的惩罚参数,它们可以根据NCNN的收敛性能,分别进行调节。
式(1)的第1项是同场地约束(CSC:Co-Site Constraint)项,CSC要求所有分配到同一个蜂窝小区内的频率,都要保持一个最小的频率间隔,否则会产生严重的载波间干扰;本发明用L来表示频率i和j的间隔,同场地约束函数定义为:式(2):
当两个频率i和j的间隔小于L时,约束函数等于1,否则等于零。如果CSC得到满足,则第1项的值就会等于零。乘积项vxivxj表示频率i和j(j不等于i)被同时分配给了蜂窝小区x,且仅当约束函数fCSC(i,j)=0时,第1项的值才会等于零。
式(1)中的第2项是临道约束(AFC)项,AFC要求相邻蜂窝小区不能分配相邻的频率,否则会相互产生严重的载波间干扰。临道约束函数定义为:式(3):
当两个相邻频率的间隔小于2时,AFC约束函数等于1,否则等于0。如果AFC约束条件得到满足,则第2项的值就会等于零。乘积项vxivyj表示频率i和j(j不等于i)分别同时被分配给蜂窝小区x和y(y不等于x,并且蜂窝小区y属于蜂窝小区x的相邻蜂窝小区),当且仅当约束函数fAFC(i,j)=0时,第2项的值才会等于零。在第2项的求和符号中,符号Near表示蜂窝小区x的相邻蜂窝小区集合。
其中Dreuse表示频率重用距离,如果蜂窝小区x和y的距离小于重用距离,则函数值等于1,否则等于0。如果CFC约束条件得到满足,则第3项的值就会等于零。乘积项vxivyi表示频率i被同时分配给了蜂窝小区x和蜂窝小区y(y不等于x),且仅当约束函数fCFC(x,y)=0时,第3项的值才会等于零。
式(1)中的第4项是蜂窝小区的频率需求约束项,当且仅当所分配给每个蜂窝小区的频率数,刚好等于各蜂窝小区所需求的频率数时,第4项才会等于0。这里用Rx表示蜂窝小区x的频率需求数,所有蜂窝小区的频率需求,用一个频率需求向量R来表示,蜂窝小区x的频率需求数Rx,则是频率需求向量R的第x个元素。
式(1)中的第5项是干扰频率约束项,Txi是干扰频率表T的第xi个元素,如果频率i对蜂窝小区x是禁用的干扰频率,则Txi=1,否则Txi=0。乘积项vxiTxi表示,如果vxi=0或Txi=0,则乘积vxiTxi=0,也就是说,如果频率i对于蜂窝小区x是禁用频率,则只有vxi=0才能使第5项的值等于0。只有当所有蜂窝小区都满足了干扰频率的约束条件,第5项的值才会等于0。
式(1)中的第6项是频率压缩项,在满足每个蜂窝小区频率需求的情况下,如果能够采用更少的频率数,则可以提高频谱利用率。一个可行的办法,就是优先分配低编号的频率,高编号的频率只有在低编号频率不够用的情况下,才被逐渐分配下去。乘积项ivxi表示频率i和神经元输出vxi的乘积,如果分配给蜂窝小区x的频率i的编号越低,则乘积项ivxi的值就越小,则分配到所有蜂窝小区的频率数也就越少,因而频谱利用率也就越高。与其他几项不同的是,最后一项的值不会等于0,而是一个大于0的值,而且这个值无法预测,这是因为最后一项的值,其大小不仅要受蜂窝小区总数的影响,而且还要受当前所分配的频率数、频率编号、及惩罚参数Ge的影响,而当前所分配的频率数和频率编号,都是不可预测的,所以最后一项的值也就不可预测了。如果式(1)的第1、2、3、4、5项的值都等于零,第6项是一个大于零的值,而且即使NCNN再运行下去,第6项的值也不会再减小,则认为NCNN找到了一个最优解。
本发明的优点在于:
首先,成功解决了国内外一直未能解决的认知无线电蜂窝网的动态频率分配问题。在认知无线电环境下,尽管每个蜂窝小区的可用频率都不是固定的,随时可能被授权用户占用,但是本发明通过引入干扰频率表,不仅可以满足每个蜂窝小区的频率需求,而且避开了对授权用户的干扰。
其次,在DFA技术的基础上,如果挑选每个蜂窝小区的最低编号频率,作为本小区的公共控制信道,并将最低编号频率添加到干扰频率表,再对每个蜂窝小区剩下的频率需求进行DFA运算,则可以给每个蜂窝小区相对固定地分配一个频率,作为蜂窝小区公共控制信道,从而避免了公共控制信道频繁地被切换。如果某一个蜂窝小区的最低编号频率被授权用户占用了,网络控制中心只需重新执行一次DFA程序,即可更新。公共控制信道可以只是最低编号频率上的一个TDMA时隙或一个CDMA码道,最低编号频率上还剩下的信道资源(其他的TDMA时隙或CDMA码道),则可以用于本蜂窝小区的话音和数据通信。
附图说明
图1是49蜂窝小区的CRCN实例(有9个频率被授权用户占用);
图2是图1的干扰频率表(考虑9个占用频率);
图3是图1的分配频率表(每个蜂窝小区分配4个频率,考虑CSC、AFC、CFC及频率压缩);
图4是图1的分配频率表(每个蜂窝小区分配4个频率,考虑CSC、AFC、CFC,但无频率压缩);
图5是图1的分配频率表(和图3相比,仅10号蜂窝小区增加一个频率需求,且每个蜂窝小区的最低编号频率与图3相同,作为公共控制信道);
具体实施方式:
认知无线电蜂窝网的动态频率分配方法,它包括以下步骤:
根据各蜂窝小区的可用频率信息,由网络控制中心生成一个实时的干扰频率表,该干扰频率表,可以使每个蜂窝小区分配的频率,不会对授权用户造成干扰。各蜂窝小区的可用频率信息,由基站和认知移动用户对周围的无线环境进行频谱感知后获取。
根据干扰频率表和每个蜂窝小区的频率需求数,以及各蜂窝小区间的频率分配约束条件,构造一个代价函数,并采用噪声混沌神经网络(NCNN)方法,使这个代价函数的值最小;代价函数表示如下:
式(1):
在任何一个蜂窝小区内,如果有新的呼叫到达,需要增加频率数,则根据每个蜂窝小区的频率需求数,以及干扰频率表,利用NCNN方法,将代价函数第6项的值最小化,同时使代价函数第1、2、3、4、5项的值全部等于零。
为使本发明的目的、技术方案及优点更加清楚明了,以下结合附图举例对本发明做进一步的详细说明。
图1为本发明所采用的实例,是一个49蜂窝小区的认知无线电蜂窝网(CRCN)。图1中,有9个频率被授权用户占用了,分别对应着9个区域,如图1中的9个虚线圆圈O1到O9所示,这9个区域分别对应着9个被授权用户占用的频率2、10、19、27、35、43、52、60、68,对应的干扰频率表如图2所示,图2中黑色格子表示一个频率对所在的小区是禁用频率,空白格子表示可用频率。
比如在区域O2里面,频率10被占用了,那么对于区域O2所在的蜂窝小区3、4、5、6、9、10、11、12、13、16、17、18、19、23、24、25里面,频率10是禁用的。同时,为了避免对授权用户的干扰,频率8、9、11、12不能被分配给这些蜂窝小区(3、4、5、6、9、10、11、12、13、16、17、18、19、23、24、25),以满足CSC约束条件;频率9和11不能分配给小区2、7、8、14、15、20、22、26、29、30、31、32,以满足AFC约束条件;频率10不能分配给小区1、2、7、8、14、15、20、21、22、26、27、29、30、31、32、33、36、37、38、39,以满足CFC约束条件。这样,被授权用户占用的频率10以及所对应的三个约束条件,就构成了区域O2的干扰频率,如图2中的第8、9、10、11、12列的黑色格子所示。同样,对于其他区域O2到O9,其干扰频率的计算,也是同样的运算规则。
为了说明频率分配的三个约束条件(CSC、AFC、CFC),以图1中的蜂窝小区25为例。以蜂窝小区25为中心,对于CSC,设式(2)中的L=3,假设10号频率已经被分配给蜂窝小区25,根据式(2),为了满足CSC,则8、9、11、12号频率不能再分配给蜂窝小区25了,但编号小于等于7、大于等于13的频率却可以被分配给蜂窝小区25;对于AFC约束条件,如果10号频率被分配给了蜂窝小区25,根据式(3),则8、9号频率不能分配给与蜂窝小区25相邻的蜂窝小区(以下简称临小区),即蜂窝小区31、32、24、26、18、19,但除8、9号频率以外的其他频率,都可以分配蜂窝小区25的临小区。对于CFC约束条件,如果10号频率被分配给了蜂窝小区25,根据公式(4),则10号频率不能再分配给蜂窝小区25的临小区,以及蜂窝小区25的同频干扰小区,这里的同频干扰小区是指蜂窝小区39、33、27、20、13、12、11、17、23、30、37、38。本实例中的重用距离,定义为蜂窝小区25和21之间的空间距离,凡是空间距离小于重用距离的两个蜂窝小区,都不能分配给相同的频率,只有空间距离大于或等于重用距离的两个蜂窝小区,才可以分配给相同的频率。
基于式(1),可以推导NCNN的运动方程如下:
式(5):
其中uxi表示与NCNN的神经元输出vxi对应的输入。
采用欧拉方法,得到可软件仿真实现的NCNN离散时间模型:
式(6):
式(7):
式(8):
zxi(t)=(1-β1)zxi(t-1)
式(9):
Am[nxi(t+1)]=(1-β2)Am[nxi(t)]
式(6)中的t表示时间;式(7)为NCNN的神经元激活函数,μ0是陡峭因子;式(8)是神经元自反馈衰减函数,zxi(t)是神经元xi的自反馈连接权,其中zxi(t)≥0,β1是zxi(t)的衰减因子,且0<β1<1,衰减的zxi(t)用于产生暂态混沌;式(9)是NCNN的噪声衰减函数,nxi(t)是注入到神经元xi的输入端、服从均匀分布的随机噪声,nxi(t)的实际值变化范围是[-Am,Am],Am是噪声nxi(t)的幅度;β2是噪声幅度Am的衰减因子,0<β2<1。
式中的6个惩罚参数设置为:Ae=2,Be=3,Ce=2.5,De=8,Fe=5,Ge=0.05;其他参数按照通用的NCNN模型,设置为:k=0.95,α=0.12,β1=β2=0.06,μ0=0.55,zxi(0)=0.87,I0=0.65,Am=2;最大迭代次数设置为1000。
关于式(1)中的6个惩罚参数Ae、Be、Ce、De、Fe、Ge的设置规则,由于式(1)的最后一项不会收敛到零,所以可以先假定Ge=0,其余5个参数的初始值全部设置为1,即Ae=Be=Ce=De=Fe=1,然后根据NCNN的性能,分别增加或减少参数Ae、Be、Ce、De、Fe的值。例如,假设NCNN一次运行结束,发现第一项的值要比其他几项的值大,而且NCNN的迭代步长增加,甚至收敛到一个无效解(迭代次数超过1000),则相应的增加Ae的值,否则,Ae保持不变或者减小。采用同样的方法将参数Ae、Be、Ce、De、Fe的值设置好,最后再设置参数Ge的值。因为最后一项的值不会收敛到零,为了避免NCNN收敛到一个无效解,先假定一个任意的最优解,然后再考察这个最优解的相邻状态的代价函数值,要求相邻状态的代价函数值必须大于最优解的值。方法是将最优解的任何一个神经元输出修改为从1到0,这样公式(1)的前三项和第五项都会保值零值不变,但是第四项的值将会增加De/2,而最后一项的值将减少Gei(i=1,2,...,69,70),为了抑制相邻状态的无效解,就必须要求第四项的值的增加量,大于最后一项的值的减少量,即:式(10):
由于式(10)中i的最大可能取值为i=70,所以要求De>140Ge.的,这就是本实例将参数设置为De=8,Ge=0.05的原因。
另外,由于NCNN的神经元输出是连续的,而不是离散(二进制)的,如何将NCNN的连续神经元输出,转换为离散的二进制输出,这个问题,其实是一个NCNN的迭代终止条件问题。本实例采用的方法是,用一个49行70列的矩阵V来代表49个蜂窝小区70频率的神经元输出,在NCNN的运行过程中,每一步迭代结束,都检查V的所有行,例如第x行,迭代终止条件是,挑出第x行中最大的Rx个元素,将这Rx个元素全部设置为1,其余的元素都设置为0,如果此时公式(1)的第1、2、3、5项的值都等于0,并且NCNN再运行10步以上,最后一项的值也没有再下降,则认为NCNN找到了一个最优解,迭代终止。
基于上述参数设置,以及图2的干扰频率表,本实例给图1所示的认知无线电蜂窝网的每个蜂窝小区分配4个频率,对应的频率分配表如图3所示,黑色格子表示频率分配给相应蜂窝小区,空白格子表示未分配。
通过比较图2与图3,可以看出,图2中的所有干扰频率,都在图3中都被避开了,即图2中所有的黑色格子,在图3中相同位置处,都是空白格子,也就是说,在图2和图3中相同位置的格子,没有同时都是黑色的;图3中任一蜂窝小区所分配的频率,至少保持了3个频率间隔(CSC);任两个相邻蜂窝小区所分配的频率,至少保持了2个频率间隔(AFC);任两个被分配了相同频率的蜂窝小区,它们的空间距离,都大于或等于重用距离Dreuse(CFC)。
图3中,所有分配的频率都向低编号的频率收缩了,这得益于代价函数的最后一项,随着频率编号的增加,频率被分配的次数逐渐减少。例如:第66和70号频率仅被分配一次,而第67、68、69号频率则一次也没分配过,处于空闲状态。整个蜂窝网所用的总的频率数减少,则意味着频谱利用率提高了。
如果取消频率压缩项,将代价函数的最后一项惩罚参数设置为:Ge=0,其他参数保持不变,则相应的频率分配表如图4所示,所分配的频率依然避开了图2中的干扰频率,并满足了CSC、AFC、CFC三个约束条件。但是,所有频率被分配的次数都大致相等,这就是没有频率压缩的结果。
对于传统的蜂窝网,每一个蜂窝小区都固定分配了一个公共控制信道,基站通过公共控制信道,对本小区的所有移动台进行调度管理,这些管理包括新入网的移动台的登记注册、移动台通信请求、分配给临时的通信信道等等。与普通的蜂窝网一样,认知无线电蜂窝网的每一个蜂窝小区里,所有的移动台也是受控于基站,同样也需要给每个小区固定地分配一个频率作为公共控制信道。然而,在认知无线电蜂窝网里,有两个原因使每个蜂窝小区都无法分配给一个固定的频率作为公共控制信道:首先,在每个蜂窝小区里,任何一个频率随时都可能被授权用户所占用,所以没有一个可以固定分配的频率可用;其次,即使有某一个频率,可以固定的分配给某一个蜂窝小区,但在网络控制中心执行DFA程序的时候,会导致全网的频率重分配,频率重分配是指:很多正在通信中的移动用户,被迫切换到其他频率上,甚至会出现某两个移动用户的频率对换。很多时候,只有经过频率重分配,才有可能找到一个可用的空闲信道,分配给某小区。但是频率重分配的另一个后果,就是每个蜂窝小区,都不可能固定的分配给一个频率,作为公共控制信道。
为了解决这个难题,本发明采取了一个办法,通过锁定每个蜂窝小区的最低编号频率,来相对固定地给每个蜂窝小区分配一个频率作为公共控制信道。这样做还有一个好处是,对于新入网或越区切换到某小区的移动用户,只需从最低编号的频率开始搜索,就可以很快找到属于本小区的公共控制信道。
本发明的具体办法是,将每个蜂窝小区的最低编号频率,及其对应的三个干扰约束条件,添加到干扰频率表里面,结果干扰频率表里面,不仅包含了被授权用户所占用的干扰频率信息,而且包含了每个小区的最低编号频率信息。然后,对每个蜂窝小区扣除一个最低编号的频率之后,对还剩下的频率需求数,执行DFA程序。这样所分配的频率表,就可以保持最低编号的频率固定不变,直到某个蜂窝小区的最低编号频率被授权用户占用,再重新执行一次DFA程序,更新干扰频率表中的最低编号频率信息。
如图3所示,各蜂窝小区的最低编号频率,从1到49个蜂窝小区依次为:5、8、6、15、5、1、7、14、16、13、7、16、3、5、12、5、17、4、14、8、1、8、14、6、1、12、4、7、4、12、3、17、2、10、5、1、5、11、13、6、1、8、7、2、4、8、3、11、2。假定蜂窝小区10需要增加一个频率,即分配5个频率,其他蜂窝小区仍然保持4个频率需求数不变。则分配的频率表如图5所示。和图3相比,可以发现,图5中每个小区的最低编号频率,都和图3一样,固定不变。但除了最低编号频率,每个小区的其他频率,很多都已经被重分配了,即频率被切换了。对于图5的其他特征,包括约束条件及频率压缩等,都与图3相同。
如果有某个蜂窝小区的最低编号频率被授权用户占用了,则将该蜂窝小区的频率需求数,修改为包括所有的频率数(不是除最低编号频率的剩下的频率需求数),其他蜂窝小区的频率需求数保持不变,重新执行一次DFA程序,则该蜂窝小区的最低编号频率被更新了,而其他蜂窝小区的最低编号频率,仍然保持不变。
Claims (8)
1.一种认知无线电蜂窝网动态频率分配方法,其特征在于:它包括以下步骤:
a)、由基站和认知移动用户对周围的无线环境进行频谱感知,获取各蜂窝小区的可用频率信息,
b)、根据每个蜂窝小区的可用频谱信息,由网络控制中心计算出一个实时的干扰频率表;
c)、根据干扰频率表、每个蜂窝小区的频率需求数,以及各蜂窝小区间的频率分配约束条件,构造一个代价函数;代价函数表示如下:式(1):
d)、采用噪声混沌神经网络(NCNN)方法,将代价函数第6项的值最小化,同时使代价函数第1、2、3、4、5项的值全部等于零;代价函数的第1、2、3项的值等于零,意味着各蜂窝小区之间不会产生相互干扰,第4项的值等于零,则各蜂窝小区的频率需求得到满足,所需的频率均已分配给各蜂窝小区,第5项等于零,则不会对授权用户造成干扰,第6项的值达到最小时,则整个认知无线电蜂窝网所分配的频率数最少,频谱利用率最高。
2.根据权利要求1所述的一种认知无线电蜂窝网动态频率分配方法,其特征在于:式(1)中各符号定义为:m表示蜂窝小区的总数,n表示可用的频率总数,x和y表示不同的蜂窝小区编号,i和j表示不同的可用频率编号;另外,用|x-y|表示两个蜂窝小区x和y的空间距离;|i-j|表示两个不同频率i和j在频域位置的间隔,也就是频率的距离;vxi表示NCNN的神经元输出,如果频率i分配给了蜂窝小区x,则vxi=1,否则vxi=0,vxj、vyi、vyj的定义与vxi的定义类似,仅仅只是脚标不同;六个常量Ae,Be,Ce,De,Fe和Ge是对应各项的惩罚参数,它们可以根据NCNN的收敛性能,分别进行调节。
4.根据权利要求1所述的一种认知无线电蜂窝网动态频率分配方法,其特征在于:式(1)中的第2项是临道约束(AFC)项,AFC要求相邻蜂窝小区不能分配相邻的频率,否则会相互产生严重的载波间干扰;临道约束函数定义为:式(3):
当两个相邻频率的间隔小于2时,AFC约束函数等于1,否则等于0;如果AFC约束条件得到满足,则第2项的值就会等于零;乘积项vxivyi表示频率i和j(j不等于i)分别同时被分配给蜂窝小区x和y(y不等于x,并且蜂窝小区y属于蜂窝小区x的相邻蜂窝小区),当且仅当约束函数fAFC(i,j)=0时,第2项的值才会等于零;在第2项的求和符号中,符号Near表示蜂窝小区x的相邻蜂窝小区集合。
8.根据权利要求1所述的一种认知无线电蜂窝网动态频率分配方法,其特征在于:式(1)中的第6项是频率压缩项,在满足每个蜂窝小区频率需求的情况下,如果能够采用更少的频率数,则可以提高频谱利用率;一个可行的办法,就是优先分配低编号的频率,高编号的频率只有在低编号频率不够用的情况下,才被逐渐分配下去;乘积项ivxi表示频率i和神经元输出vxi的乘积,如果分配给蜂窝小区x的频率i的编号越低,则乘积项ivxi的值就越小,则分配到所有蜂窝小区的频率数也就越少,因而频谱利用率也就越高;与其他几项不同的是,最后一项的值不会等于0,而是一个大于0的值,而且这个值无法预测,这是因为最后一项的值,其大小不仅要受蜂窝小区总数的影响,而且还要受当前所分配的频率数、频率编号、及惩罚参数Ge的影响,而当前所分配的频率数和频率编号,都是不可预测的,所以最后一项的值也就不可预测了;如果式(1)的第1、2、3、4、5项的值都等于零,第6项是一个大于零的值,而且即使NCNN再运行下去,第6项的值也不会再减小,则认为NCNN找到了一个最优解。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010106220257A CN102026204A (zh) | 2010-12-31 | 2010-12-31 | 一种认知无线电蜂窝网动态频率分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010106220257A CN102026204A (zh) | 2010-12-31 | 2010-12-31 | 一种认知无线电蜂窝网动态频率分配方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102026204A true CN102026204A (zh) | 2011-04-20 |
Family
ID=43866917
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2010106220257A Pending CN102026204A (zh) | 2010-12-31 | 2010-12-31 | 一种认知无线电蜂窝网动态频率分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102026204A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103079212A (zh) * | 2013-01-28 | 2013-05-01 | 国家无线电频谱管理研究所 | 一种基于干扰矩阵的动态频率分配方法 |
CN104023338A (zh) * | 2013-03-01 | 2014-09-03 | 北京海格神舟通信科技有限公司 | 具有抗干扰功能的无线资源管理方法 |
CN109698726A (zh) * | 2019-01-10 | 2019-04-30 | 华中科技大学 | 一种基于机器学习的无线频谱资源分配方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102098678A (zh) * | 2010-12-23 | 2011-06-15 | 长江大学 | 一种大规模蜂窝移动通信系统动态信道分配方法 |
-
2010
- 2010-12-31 CN CN2010106220257A patent/CN102026204A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102098678A (zh) * | 2010-12-23 | 2011-06-15 | 长江大学 | 一种大规模蜂窝移动通信系统动态信道分配方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103079212A (zh) * | 2013-01-28 | 2013-05-01 | 国家无线电频谱管理研究所 | 一种基于干扰矩阵的动态频率分配方法 |
CN103079212B (zh) * | 2013-01-28 | 2015-09-09 | 国家无线电频谱管理研究所 | 一种基于干扰矩阵的动态频率分配方法 |
CN104023338A (zh) * | 2013-03-01 | 2014-09-03 | 北京海格神舟通信科技有限公司 | 具有抗干扰功能的无线资源管理方法 |
CN109698726A (zh) * | 2019-01-10 | 2019-04-30 | 华中科技大学 | 一种基于机器学习的无线频谱资源分配方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106358203A (zh) | 一种分布式认知无线传感器网络中基于q学习的频谱分配方法 | |
CN103916355B (zh) | 一种认知ofdm网络中子载波的分配方法 | |
CN104378772B (zh) | 一种蜂窝网络中面向小区无定形覆盖的小基站部署方法 | |
CN102271338A (zh) | 一种用于认知无线电网络的信道和功率联合分配方法 | |
CN115174396B (zh) | 一种基于数字孪生的低碳能源管控通信网业务管理方法 | |
CN102196579A (zh) | 异构无线网络并行多接入系统中联合资源分配快速算法 | |
CN105050192A (zh) | 密集网络中基于虚拟小区的干扰管理方法 | |
CN113162662B (zh) | 一种CF-mMIMO下的用户分簇及功率分配方法 | |
CN103269487A (zh) | 毫微微蜂窝网络下行链路中基于博弈论的动态干扰管理方法 | |
CN104640185A (zh) | 一种基于基站协作的小区休眠节能方法 | |
CN102026204A (zh) | 一种认知无线电蜂窝网动态频率分配方法 | |
Xu et al. | Stochastic game for Resource Management in cellular zero-touch deterministic industrial M2M networks | |
CN113630886B (zh) | 异构物联网中一种基于粒子群算法的频谱分配方法 | |
CN104602353A (zh) | 一种蜂窝移动通信系统中d2d链路的无线资源分配方法 | |
Azoulay et al. | Transmission power control using deep neural networks in TDMA-based ad-hoc network clusters | |
CN104159314A (zh) | 异构网络的分布式节能资源分配方法 | |
CN114423028A (zh) | 基于多智能体深度强化学习的CoMP-NOMA协作成簇与功率分配方法 | |
CN104618912B (zh) | 基于频谱感知的异构认知无线网络资源分配方法 | |
CN107333301B (zh) | 多属异构网络中的一种基于认知的联合资源再分配方法 | |
Yadav et al. | Deep Q-network based reinforcement learning for distributed dynamic spectrum access | |
Joshi et al. | Optimized fuzzy power control over fading channels in spectrum sharing cognitive radio using ANFIS | |
CN108282788A (zh) | 一种基于拟牛顿内点法的能量有效的资源分配方法 | |
CN115278896A (zh) | 一种基于智能天线的mimo全双工功率分配方法 | |
CN105228233B (zh) | 一种认知无线网络中基于单调性优化与线性搜索的功率控制方法 | |
CN112188564B (zh) | 一种基于簇的无线网络频谱资源分配方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20110420 |