CN102098684A - 认知无线网络中跨层资源分配系统及方法 - Google Patents

Abstract

本发明涉及无线通信技术领域，提出一种认知无线网络中跨层资源分配系统及方法，该方案收集各个用户终端上报的频谱检测结果和信道测量结果，结合各个用户的业务量及业务QoS参数，依据改进的最小费用最大流算法以及基于拉格朗日优化的搜索算法，对子信道分配、调制编码方案确定、数据包调度、功率分配等做出综合决策。可以满足多用户不同类型业务的QoS需求，并保持较高系统有效吞吐量，为认知网络提供一种有效QoS保证的资源分配机制。

Description

认知无线网络中跨层资源分配系统及方法

技术领域

本发明涉及无线通信技术领域，特别涉及认知无线网络中跨层资源的分配。

背景技术

随着各种无线通信新技术的不断出现以及各种无线业务的兴起，以及新一代宽带无线网络的大量出现(如LTE-A和WiMAX)，频谱资源短缺的问题日益严重。目前无线电频谱是采取固定方式分配给不同的网络(即为授权频谱)，由国家统筹规划管理。实际应用中的大量测量结果表明，这种固定频谱授权分配使用的方式导致某些频谱承载的业务量很大，出现严重的拥塞现象；而同时，也有些频谱的频谱使用效率极低，造成了频谱资源的严重浪费。认知无线电的提出被认为是解决这一问题最完美的技术方案。由此衍生的认知无线网络已被视为未来网络的主流发展方向。

现有网络的资源分配方案虽然已经十分成熟，但其往往只侧重某一方面的优势，在其他方面则存在较严重的缺陷。以LTE网络中eNode B资源调度器中的两种通用的调度算法——机会调度和公平调度为例：机会调度典型地被设计来最大化所有用户的传输数据速率之和，也称最大速率调度，只为特定部分频谱上拥有最好信道条件的用户分配信道。机会分配所引起的主要问题是很难确保公平和QoS要求；另外，用户数据不能总是等到信道条件足够有利时才传输，特别是对缓慢变化的信道。而比例公平调度的原理是，当用户瞬时信道质量相对于它自己随时间的平均信道质量较高时就调度该用户。这种方法能够避免信道资源不公平共享的问题，但这是在牺牲了部分系统吞吐量的情况下进行的，并且也没有考虑用户的QoS需求。而现实中，大多数调度算法都是两种方法的折中，并综合考虑QoS的要素。

随着认知网络的发展，其独有的频谱资源跳变性使得非认知网络的资源分配机制已不再适用，由于认知网络中可用频谱资源的动态变化，传统的资源分配机制已不能再为用户提供满意的QoS保证。

现有的针对认知网络的资源分配的方案中，较为成熟的仅有IEEE 802.22标准中提出的简要算法。与非认知网络中的调度算法相比，它仅仅是多考虑了物理层上报的频谱检测结果，对用户的QoS也并未有更多的考量。

目前关于认知网络的跨层资源分配机制的研究尽管较多，但大多数考虑的因素都不全面。有些仅从单纯提高系统吞吐量的角度出发，没有或较少考虑到用户QoS需求的影响，也就无法充分保证系统对认知用户QoS的满足；有些尽管将用户QoS参数纳入考虑范畴，但并未考虑实际情况中不同业务类型QoS需求的差别；有的尽管考虑得比较完善，但完成整个资源分配过程需要大量且长时的复杂运算，不适宜在实际系统中运用。

因此，有必要提供这样一种高效快速的方法，它基于系统各种有用认知信息，如用户业务类型和需求、频谱可用性、信道状况等，做出子信道分配、速率控制、功率分配等无线资源分配决策，能够实现在满足认知用户不同QoS需求的前提下尽可能最大化系统有效吞吐量的目标，优化系统性能。

发明内容

(一)要解决的技术问题

本方案解决多用户认知无线网络中基于不同业务QoS需求的无线资源分配问题，以实现在满足用户的QoS需求的前提下尽可能最大化系统有效吞吐量的目标，优化系统整体性能。

(二)技术方案

本发明适用于可实施集中式控制的网络部署场景中，提出了认知无线网络中跨层资源分配系统及方法。具体地，本发明采用如下技术方案：

首先，本发明提供一种认知无线网络中跨层资源分配系统，该系统包括：可重配置的认知基站11以及至少一个可重配置的认知终端12；其中，

所述认知基站11包括：

认知数据库111，接收并存储本小区内所有认知终端12上报的频谱检测结果和信道测量结果，为检测数据融合单元112和自适应调制编码单元113提供接口和用于分析计算的数值依据；

检测数据融合单元112，与认知数据库111相连接，用于根据所述认知数据库111中各个认知终端12上报的子信道的频谱占用状况，做出数据融合，并结合长期测量得到的主用户活跃度，计算出各个子信道的空闲概率；为无线资源分配决策单元115提供接口；

自适应调制编码单元113，与认知数据库111相连接，用于根据认知数据库111中各个认知终端12上报的子信道的信道质量，确定最佳的调制编码方案，并结合子信道空闲概率计算误码率的期望值；为无线资源分配决策单元115提供接口；

业务参数计算分析单元114，根据各个认知终端12的业务类型、数据包的排队状况计算分析业务平均时延和丢包率；为无线资源分配决策单元115提供接口；

无线资源分配决策单元115，与检测数据融合单元112、自适应调制编码单元113和业务参数计算分析单元114分别相连接，用于根据前述三个单元提供的接口，结合各个用户的不同QoS需求，在满足用户QoS需求的前提下进行可最大化系统有效吞吐量的无线资源分配决策；

基站参数重配置单元116，与无线资源分配决策单元115相连接，用于根据无线资源分配决策结果执行基站重配置与管理功能；

所述认知终端12包括：

频谱检测单元121，用于检测该认知终端12的主用户对频谱占用状况；

信道测量单元122，用于测量该认知终端12与认知基站11间在各个子信道上的信道质量；

终端参数重配置管理单元123，根据无线资源分配决策结果执行终端重配置与管理功能。

优选地，所述无线资源分配决策具体包括子信道分配、数据包调度和功率分配。

此外，本发明同时提供一种利用所述认知无线网络中跨层资源分配系统进行认知无线网络中跨层资源分配方法，所述方法包括步骤：

S201，小区的所有认知用户终端通过环境认知单元对其当前所处的外部无线环境进行认知；

S202，认知用户终端将认知信息上报到位于基站的认知数据库；

S203，位于认知基站中的数据融合单元根据认知数据库中各个终端上报的认知信息做出基于概率的融合和判决；

S204，自适应调制编码单元根据认知数据库中各个终端上报的认知信息确定调制方式与编码方案；

S205，位于认知基站中的资源分配决策单元依据各个用户的应用层业务参数和物理层参数，在MAC层做出满足优化目标的系统无线资源分配决策；

S206，资源分配决策单元将决策结果信息发送到位于认知基站内的基站参数重配置单元和位于认知用户终端内的终端参数重配置单元；

S207，由各个参数重配置单元分别引导并控制认知基站和各个认知终端执行决策结果，进行参数调整，并实施满足QoS需求的业务传输。

优选地，针对数据的每一帧周期性地执行无线资源分配流程，在步骤S201之前还包括步骤：

S301，在每一帧的开始，各个用户的业务以MAC协议数据单元PDU的形式到达基站的MAC层，存储在认知基站为各个用户分配的缓存中；

S302，认知基站进行初始功率分配，使得工作在任一子信道上的用户都具有相同的功率值。

优选地，步骤S201中，所述认知用户终端利用频谱检测单元进行频谱检测，收集到的各个子信道的频谱占用状况；利用信道测量单元进行信道测量，收集各个子信道的信道质量；

步骤S202中，所述认知用户终端将收集到的各个子信道的频谱占用状况信息以及各个子信道的信道质量信息上报到认知基站中的认知数据库。

优选地，步骤S203具体为：

认知基站中的检测数据融合单元根据认知数据库中各个认知终端上报的子信道的频谱占用状况，做出数据融合，并结合长期测量得到的主用户活跃度，计算出各个子信道的空闲概率。

优选地，步骤S204具体为：

认知基站中的自适应调制编码单元根据认知数据库中各个认知终端上报的子信道的信道质量，确定最佳的调制编码方案，并结合之前得到的子信道空闲概率计算误码率的期望值。

优选地，步骤S205具体包括：

S308，利用缓存队列长度值、子信道增益值、子信道空闲概率值构造状态矢量值，为所有用户终端分配子信道用于业务传输；

S309，根据子信道分配情况进行MAC PDU调度，由此更新缓存中各个用户的队列长度，并计算平均时延值和瞬时速率；

S310，判断是否满足业务的时延和瞬时速率的QoS需求，即判断是否时延<时延门限值，且瞬时速率>瞬时速率门限值；

S311，如果时延和瞬时速率值都满足需求，则结合前述计算的误码率的期望值，进行功率分配，直至满足业务平均误包率的QoS需求。

优选地，步骤S308中所述为所有用户终端分配子信道具体包括步骤：

S401，利用归一化队列长度值、归一化子信道增益值、子信道空闲概率值构造状态矢量值，初始化[用户-子信道]二维状态矩阵，使每个状态值针对不同用户不同子信道；

S402，构造单源单宿的有向图，其中源端S连接用户集，宿端D连接子信道集；

S403，根据业务请求类型将用户集划分为实时用户集A和非实时用户集B，分别由源端S与其连接；

S404，统计所有的实时业务MAC PDU包，将其总和设为P，判定P与子信道总数C的关系，为优先调度实时用户做准备；

S405，如果实时业务MAC PDU包总和P大于等于子信道总数C，则意味着会存在一定的丢包，将有向边SA的边容量设为C，有向边SB的边容量设为0；

S406，如果实时业务MAC PDU包总和P小于子信道总数C，则先调度实时业务，将有向边SA的边容量设为P，有向边SB的边容量设为C-P；

S407，为其他有向边确定边容量值和费用值，其中用户集与子信道集相连的各边的容量均为1，费用均为最大状态矢量值-状态矢量值；

S408，利用最小费用最大流原则求解，最终得到的用户集与子信道集之间的实际流向即为子信道分配结果：有流即分配子信道。

优选地，步骤S311中所述功率分配具体包括步骤：

S501，为满足最终为每个分配到子信道的用户都分配合适功率值的目标，初始化二维功率分配矩阵P(u，c)＝P_max，其中，u表示用户编号，c表示子信道编号，P_max表示系统每个子信道上所允许的最大功率值，是一个常数；

S502，构造拉格朗日乘子L，初始化功率递减因子dP和优化精度差dL；

S503，判断某一子信道是否被分配给一个用户；

S504，如果S503判断为否，则没有必要为该子信道分配功率；

S505，根据功率值计算拉格朗日乘数k，其中的功率值为初始分配的功率值或经过多次递减后的值；

S506，判断拉格朗日乘数是否为正数，此处需要为正数才能满足凸优化条件，如果为负数，则需要减小功率值并回溯到S505；

S507，如果得到的乘数为正数，需要进一步判断根据此时的功率值计算的误包率值是否满足用户业务的QoS需求，即是否低于最大容许的误包率值；如果不满足，则需要减小功率值并回溯到S505；

S508，如果已满足误包率需求，需要更进一步判断此时的拉格朗日乘子值是否已经逼近最大值Lm；如果不是，则说明不是一个优化值，则需要减小功率值并回溯到405；

S509，在S506、S507或S508任意一步判别失败后，均需要减小功率值；

S510，为分配至子信道c的用户u分配合适的功率值。

(三)有益效果

与现有的技术方案相比，本方案以满足用户不同QoS需求为基本前提，将不同类型业务的优先级纳入考虑范围之内，并尽可能最大化系统有效吞吐量为目标，更具有现实意义，也更符合用户的体验要求，为认知无线网络中用户QoS保证提供了一种切实可行的解决方案。

附图说明

图1为本发明中系统设备结构示意图；

图2为本发明中认知无线网络中跨层资源分配的方法流程图；

图3为本发明中更进一步优选的技术方案的资源分配方法的详细流程图；

图4为本发明中优选的子信道分配方法流程图；

图5为本发明中优选的功率分配方法流程图。

具体实施方式

为使本发明的目的、内容、和优点更加清楚，下面将结合附图对本发明的实施方式作进一步地详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

本发明适用于可实施集中式控制的网络部署场景中，主要通过认知基站与认知用户终端的交互来实施满足QoS需求的业务传输。具体地，本发明提供的认知无线网络中跨层资源分配系统如图1所示，系统主要包括可重配置认知基站以及可重配置认知终端两种设备：

其中，可重配置认知基站11包括认知数据库111、检测数据融合单元112、自适应调制编码单元113、业务参数计算分析单元114、无线资源分配决策单元115和基站参数重配置管理单元116：

认知数据库111：用于存储本小区内所有认知终端上报的频谱检测结果和信道测量结果，分别为检测数据融合单元和自适应调制编码单元提供接口，并作为其分析计算的数值依据。

检测数据融合单元112：根据认知数据库中各个认知终端上报的子信道的频谱占用状况，做出数据融合，并结合长期测量得到的主用户活跃度，计算出各个子信道的空闲概率。为无线资源分配决策单元提供接口，并作为其决策依据之一。

自适应调制编码单元113：根据认知数据库中各个认知终端上报的子信道的信道质量，确定最佳的调制编码方案，并结合子信道空闲概率计算误码率的期望值。为无线资源分配决策单元提供接口，并作为其决策依据之一。

业务参数计算分析单元114：根据各个终端的业务类型、数据包的排队状况计算分析业务平均时延和丢包率。为无线资源分配决策单元提供接口，并作为其决策依据之一。

无线资源分配决策单元115：根据前述三个单元的数据接口，结合各个用户的不同QoS需求，依据改进的最小费用最大流算法以及基于拉格朗日优化的搜索算法，实现优化目标，即在满足用户QoS需求的前提下做出尽可能最大化系统有效吞吐量的无线资源分配决策，包括子信道分配、数据包调度、功率分配等。

基站参数重配置单元116：根据无线资源分配决策结果执行基站重配置与管理功能，进而实现基站频率和工作参数的重配置。

同时，可重配置认知终端12包括频谱检测单元121、信道测量单元122和终端参数重配置管理单元123：

频谱检测单元121：用于检测该认知终端所在处主用户对频谱占用状况。

信道测量单元122：用于测量该认知终端与认知基站间在各个子信道上的信道质量。

终端参数重配置管理单元123，根据无线资源分配决策结果执行终端重配置与管理功能，进而实现终端频率和工作参数的重配置。

所述系统工作流程如图2所示：

首先对外部环境进行认知：该小区的所有认知用户终端通过环境认知单元对其当前所处的外部无线环境，如子信道的频谱占用状况和子信道的信道质量进行认知；

然后认知用户终端将认知信息上报到位于基站的认知数据库；

之后位于认知基站中的数据融合单元根据认知数据库中各个终端上报的子信道的频谱占用状况做出基于概率的融合和判决，自适应调制编码(AMC)单元根据认知数据库中各个终端上报的子信道的信道质量确定合适的调制方式与编码方案；

随后位于认知基站中的资源分配决策单元依据各个用户的应用层业务参数(包括业务量大小、业务类型、时延需求、速率需求以及误包率需求)并结合前述的物理层参数(包括基于概率的信道状况判决值、调制阶数、码率)，在MAC层做出满足优化目标的系统无线资源分配决策(包括子信道分配和功率分配)；

最后，资源分配决策单元将决策结果信息通过带外认知导频信道发送到位于认知基站内的基站参数重配置单元和位于认知用户终端内的终端参数重配置单元，由各个参数重配置单元分别引导并控制认知基站和各个认知终端执行决策结果，进行参数调整(包括工作频点、调制阶数、码率以及发送功率)，并实施满足QoS需求的业务传输。

更进一步地，在多用户集中式认知网络基于用户QoS需求的无线资源分配机制中，优选地采用系统周期性地执行无线资源分配流程的方案，在每一次无线资源分配流程中，终端都首先进行频谱感知和信道测量。这样，本发明所提供的认知无线网络中跨层资源分配方法优选的详细时序流程如图3所示：

S301：在每一帧的开始，各个用户的业务以MAC协议数据单元(Protocol Data Unit，PDU)的形式到达基站的MAC层，存储在认知基站为各个用户分配的缓存中。各个缓存的队列长度已知。

S302：认知基站进行初始功率分配，使得工作在任一子信道上的用户都具有相同的功率值，即为：最大允许的总功率/子信道总数。

S303：认知终端收到认知基站指示后，利用频谱检测单元进行频谱检测。

S304：认知终端收到认知基站指示后，利用信道测量单元进行信道测量。

S305：终端将收集到的各个子信道的频谱可用性信息以及各个子信道的信道质量信息上报到认知基站中的认知数据库。

S306：认知基站中的检测数据融合单元根据认知数据库中各个认知终端上报的子信道的频谱占用状况，做出数据融合，并结合长期测量得到的主用户活跃度，计算出各个子信道的空闲概率。

S307：认知基站中的自适应调制编码单元根据认知数据库中各个认知终端上报的子信道的信道质量，确定最佳的调制编码方案，并结合之前得到的子信道空闲概率计算误码率的期望值。

S308：利用队列长度值、子信道增益值、子信道空闲概率值构造状态矢量值，运用改进的最小费用最大流算法为所有用户终端分配最合适的子信道用于业务传输。具体的算法流程将在图5以及后续部分中描述。

S309：根据子信道分配情况进行MAC PDU调度，由此更新缓存中各个用户的队列长度，并计算平均时延值和瞬时速率。

S310：判断是否满足业务的时延和瞬时速率的QoS需求，即时延<时延门限值，瞬时速率>瞬时速率门限值。

S311：如果时延和瞬时速率值都满足需求，则结合前述计算的平均误码率值，运用基于拉格朗日优化的搜索算法进行功率分配，直至满足业务平均误包率的QoS需求。具体的算法流程将在图6以及后续部分中描述。

此外，结合矢量构造与图论的思想，本发明优选的技术方案中较为简单地解决了子信道与MAC PDU包匹配的问题，由此带来的改进的子信道分配方法的具体流程如图4所示：

S401：利用归一化队列长度值、归一化子信道增益值、子信道空闲概率值构造状态矢量值，初始化[用户-子信道]二维状态矩阵，即每个状态值是针对不同用户不同子信道的。

S402：构造单源单宿的有向图，其中源端连接用户集，宿端连接子信道集。图中所有边均为正向有向边。

S403：根据业务请求类型将用户集划分为实时用户集和非实时用户集，分别由两个节点A和B连接。

S404：统计所有的实时业务MAC PDU包，将其总和设为P。判定P与子信道总数C的关系。为优先调度实时用户做准备。

S405：如果实时业务MAC PDU包总和P大于等于子信道总数C，则意味着会存在一定的丢包，将有向边SA的边容量设为C，有向边SB的边容量设为0。

S406：如果实时业务MAC PDU包总和P小于子信道总数C，则先调度实时业务，将有向边SA的边容量设为P，有向边SB的边容量设为C-P。

S407：为其他有向边确定边容量值和费用值。其中用户集与子信道集相连的各边的容量均为1，费用均为最大状态矢量值-状态矢量值(目的是为了转化为最小费用最大流问题，否则是一个最大费用最大流问题，不宜求解，最大状态矢量值为所有状态矢量值中最大一个)。

S408：利用最小费用最大流原则求解这个图问题，最终得到的用户集与子信道集之间的实际流向即为子信道分配结果：有流即分配子信道。

其中，最小费用最大流原则是图论中常用的算法原则，具体为：首先给出零流作为初始流，这个流的费用为零，当然是最小费用的。然后寻找一条源点至终点的增流链，但要求这条增流链必须是所有增流链中费用最小的一条。如果能找出增流链，则在增流链上增流，得出新流。将这个流作为初始流看待，继续寻找增流链增流。这样迭代下去，直至找不出增流链，这时的流即为最小费用最大流。

在完成子信道分配以后，本发明还进一步地对功率分配进行了优化，优选地实施方式中，给出了满足业务平均误包率要求的功率分配搜索方法，具体的流程如图5所示：

S501：为满足最终为每个分配到子信道的用户都分配合适功率值的目标，初始化二维功率分配矩阵P(u，c)＝P_max，其中，u表示用户编号，c表示子信道编号，P_max表示该系统每个子信道上所允许的最大功率值，是一个常数。

S502：构造拉格朗日乘子L，初始化功率递减因子dP用于搜索最优功率值，初始化优化精度差dL用于判别是否达到优化目标。

其中，拉格朗日乘子L是根据常规凸优化求解规则构造的：

首先定义目标函数，

α(u，c)＝0，1表明上文已经得到的子信道分配情况(0表示未分配，1表示分配)，h(u，c)为用户u对应的子信道c的信道增益值，σ²表示服从高斯分布的噪声的方差(即噪声功率值)。

构造拉格朗日乘子为：

Nu表示用户总数，N_ch表示子信道总数，k为拉格朗日乘子，

为不同用户所允许的误包率最大值，p(P(u，c))＝1-[1-a·exp(b·P(u，c)·|h(u，c)|²/σ²)]^l(a，b为与具体调制编码方式相关的常数，l为数据包长度)。可见，当乘数k为0时，乘子取得最大值Lm。

S503：判断某一子信道是否被分配给一个用户。

S504：如果S503判断为否，则没有必要为该子信道分配功率。

S505：根据功率值计算拉格朗日乘数k，其中的功率值可能是初始分配的功率值，也可能是经过多次递减后的值。

具体地，

其中

表示对P(u，c)求偏导数。

S506：判断拉格朗日乘数是否为正数。此处需要为正数才能满足凸优化条件。如果为负数，则需要减小功率值并回溯到S505。

S507：如果得到的乘数为正数，需要进一步判断根据此时的功率值计算的误包率值是否满足用户业务的QoS需求，即是否低于最大容许的误包率值。如果不满足，则需要减小功率值并回溯到S505。

S508：如果已满足误包率需求，需要更进一步判断此时的拉格朗日乘子值是否已经逼近最大值Lm。如果不是，则说明不是一个优化值，则需要减小功率值并回溯到S505。

S509：在S506、S507或S508任意一步判别失败后，均需要减小功率值。

S510：为分配至子信道c的用户u分配合适的功率值。

与现有的技术方案相比，本方案以满足用户不同QoS需求为基本前提，将不同类型业务的优先级纳入考虑范围之内，并尽可能最大化系统有效吞吐量为目标。为了满足认知网络中大量层间认知信息交互的需求，跨层技术被运用到认知网络的资源分配决策过程中。一方面，MAC层获知物理层的频谱检测结果以及信道测量结果，并以此作为信道分配和功率分配的有力参照；另一方面，MAC层分析应用层的业务量以及业务QoS参数，并以此作为保证用户QoS的重要依据。

与此同时，重配置技术也为认知无线网络大规模实用奠定了坚实基础。它是软件无线电(Software Defined Radio，SDR)的演进技术，它的诞生使得终端设备及基站设备可以按照资源分配决策结果，灵活动态地配置诸如工作频谱、调制编码方式等参数，并允许其工作在任意资源使用模式下。跨层技术、重配置技术的联合运用，为研究适用于认知网络的基于用户不同业务的QoS需求的资源分配方法，提供了有力的支持。

与现有技术相比，本发明的技术方案结合认知网络的特性综合考虑了多方面决策因素，并仍然能够较为快速地给出决策方案。包含在该方案内的两个关键步骤，即基于改进的最小费用最大流算法的子信道分配方法与基于拉格朗日优化搜索算法的功率分配方法，能够在一帧内高效地解决认知网络中基于用户不同优先级业务的QoS需求的无线资源分配问题。

以上实施方式仅用于说明本发明，而并非对本发明的限制，有关技术领域的普通技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型，因此所有等同的技术方案也属于本发明的范畴，本发明的发明保护范围应由权利要求限定。

Claims (10)

1.一种认知无线网络中跨层资源分配系统，其特征在于，该系统包括：可重配置的认知基站(11)以及至少一个可重配置的认知终端(12)；其中，

所述认知基站(11)包括：

认知数据库(111)，接收并存储本小区内所有认知终端(12)上报的频谱检测结果和信道测量结果，为检测数据融合单元(112)和自适应调制编码单元(113)提供接口和用于分析计算的数值依据；

检测数据融合单元(112)，与认知数据库(111)相连接，用于根据所述认知数据库(111)中各个认知终端(12)上报的子信道的频谱占用状况，做出数据融合，并结合长期测量得到的主用户活跃度，计算出各个子信道的空闲概率；为无线资源分配决策单元(115)提供接口；

自适应调制编码单元(113)，与认知数据库(111)相连接，用于根据认知数据库(111)中各个认知终端(12)上报的子信道的信道质量，确定最佳的调制编码方案，并结合子信道空闲概率计算误码率的期望值；为无线资源分配决策单元(115)提供接口；

业务参数计算分析单元(114)，根据各个认知终端(12)的业务类型、数据包的排队状况计算分析业务平均时延和丢包率；为无线资源分配决策单元(115)提供接口；

无线资源分配决策单元(115)，与检测数据融合单元(112)、自适应调制编码单元(113)和业务参数计算分析单元(114)分别相连接，用于根据前述三个单元提供的接口，结合各个用户的不同QoS需求，在满足用户QoS需求的前提下进行可最大化系统有效吞吐量的无线资源分配决策；

基站参数重配置单元(116)，与无线资源分配决策单元(115)相连接，用于根据无线资源分配决策结果执行基站重配置与管理功能；

所述认知终端(12)包括：

频谱检测单元(121)，用于检测该认知终端(12)的主用户对频谱占用状况；

信道测量单元(122)，用于测量该认知终端(12)与认知基站(11)间在各个子信道上的信道质量；

终端参数重配置管理单元(123)，根据无线资源分配决策结果执行终端重配置与管理功能。

2.根据权利要求1所述的认知无线网络中跨层资源分配系统，其特征在于，所述无线资源分配决策具体包括子信道分配、数据包调度和功率分配。

3.一种利用权利要求1或2中所述认知无线网络中跨层资源分配系统进行认知无线网络中跨层资源分配的方法，其特征在于，所述方法包括步骤：

S201，小区的所有认知用户终端(12)通过环境认知单元对其当前所处的外部无线环境进行认知；

S202，认知用户终端(12)将认知信息上报到位于认知基站(11)中的认知数据库(111)；

S203，位于认知基站(11)中的数据融合单元(112)根据认知数据库(111)中各个终端(12)上报的认知信息做出基于概率的融合和判决；

S204，自适应调制编码单元(113)根据认知数据库(111)中各个终端(12)上报的认知信息确定调制方式与编码方案；

S205，位于认知基站(11)中的资源分配决策单元(115)依据各个用户的应用层业务参数和物理层参数，在MAC层做出满足优化目标的系统无线资源分配决策；

S206，资源分配决策单元(115)将决策结果信息发送到位于认知基站(11)内的基站参数重配置单元(116)和位于认知用户终端(12)内的终端参数重配置单元(123)；

S207，由各个参数重配置单元分别引导并控制认知基站和各个认知终端执行决策结果，进行参数调整，并实施满足QoS需求的业务传输。

4.根据权利要求3所述的方法，其特征在于，针对数据的每一帧周期性地执行无线资源分配流程，在步骤S201之前还包括步骤：

S301，在每一帧的开始，各个用户的业务以MAC协议数据单元PDU的形式到达基站的MAC层，存储在认知基站为各个用户分配的缓存中；

S302，认知基站进行初始功率分配，使得工作在任一子信道上的用户都具有相同的功率值。

5.根据权利要求3或4所述的方法，其特征在于，步骤S201中，所述认知用户终端(12)利用频谱检测单元(121)进行频谱检测，收集到的各个子信道的频谱占用状况；利用信道测量单元(122)进行信道测量，收集各个子信道的信道质量；

步骤S202中，所述认知用户终端将收集到的各个子信道的频谱占用状况信息以及各个子信道的信道质量信息上报到认知基站中的认知数据库。

6.根据权利要求5所述的方法，其特征在于，步骤S203具体为：

认知基站中的检测数据融合单元(112)根据认知数据库(111)中各个认知终端上报的子信道的频谱占用状况，做出数据融合，并结合长期测量得到的主用户活跃度，计算出各个子信道的空闲概率。

7.根据权利要求6所述的方法，其特征在于，步骤S204具体为：

认知基站中的自适应调制编码单元(113)根据认知数据库(111)中各个认知终端上报的子信道的信道质量，确定最佳的调制编码方案，并结合之前得到的子信道空闲概率计算误码率的期望值。

8.根据权利要求7所述的方法，其特征在于，步骤S205具体包括：

S308，利用缓存队列长度值、子信道增益值、子信道空闲概率值构造状态矢量值，为所有用户终端分配子信道用于业务传输；

S309，根据子信道分配情况进行MAC PDU调度，由此更新缓存中各个用户的队列长度，并计算平均时延值和瞬时速率；

S310，判断是否满足业务的时延和瞬时速率的QoS需求，即判断是否时延<时延门限值，且瞬时速率>瞬时速率门限值；

S311，如果时延和瞬时速率值都满足需求，则结合前述计算的误码率的期望值，进行功率分配，直至满足业务平均误包率的QoS需求。

9.根据权利要求8所述的方法，其特征在于，步骤S308中所述为所有用户终端分配子信道具体包括步骤：

S401，利用归一化队列长度值、归一化子信道增益值、子信道空闲概率值构造状态矢量值，初始化[用户-子信道]二维状态矩阵，使每个状态值针对不同用户不同子信道；

S402，构造单源单宿的有向图，其中源端S连接用户集，宿端D连接子信道集；

S403，根据业务请求类型将用户集划分为实时用户集A和非实时用户集B，分别由源端S与其连接；

S404，统计所有的实时业务MAC PDU包，将其总和设为P，判定P与子信道总数C的关系；

S405，如果P大于等于C，则意味着会存在一定的丢包，将有向边SA的边容量设为C，有向边SB的边容量设为0；

S406，如果P小于C，则先调度实时业务，将有向边SA的边容量设为P，有向边SB的边容量设为C-P；

S407，为其他有向边确定边容量值和费用值，其中用户集与子信道集相连的各边的容量均为1，费用均为最大状态矢量值-状态矢量值；

S408，利用最小费用最大流原则求解，最终得到的用户集与子信道集之间的实际流向即为子信道分配结果：有流即分配子信道。

10.根据权利要求8所述的方法，其特征在于，步骤S311中所述功率分配具体包括步骤：

S501，初始化二维功率分配矩阵P(u，c)＝P_max，其中，u表示用户编号，c表示子信道编号，P_max表示系统每个子信道上所允许的最大功率值，为一个常数；

S502，构造拉格朗日乘子L，初始化功率递减因子dP和优化精度差dL；

S503，判断某一子信道是否被分配给一个用户；

S504，如果S503判断为否，则没有必要为该子信道分配功率；

S505，根据功率值计算拉格朗日乘数k，其中的功率值为初始分配的功率值或经过多次递减后的值；

S506，判断k是否为正数，如果为负数，则功率值减小dP并回溯到S505；

S507，如果得到的乘数k为正数，进一步判断根据此时的功率值计算的误包率值是否满足用户业务的QoS需求，即是否低于最大容许的误包率值；如果不满足，则功率值减小dP并回溯到S505；

S508，如果已满足误包率需求，则更进一步判断此时的拉格朗日乘子L值是否已经逼近最大值Lm；如果不是，说明不是一个优化值，则功率值减小dP并回溯到S505；

S509，在S506、S507或S508任意一步判别失败后，均需要在原功率值上减小功率值dP；

S510，为分配至子信道c的用户u分配合适的功率值。

Images