CN102186175B - 基于振荡器相位同步的认知网络动态频谱分配方法 - Google Patents
基于振荡器相位同步的认知网络动态频谱分配方法 Download PDFInfo
- Publication number
- CN102186175B CN102186175B CN 201110114595 CN201110114595A CN102186175B CN 102186175 B CN102186175 B CN 102186175B CN 201110114595 CN201110114595 CN 201110114595 CN 201110114595 A CN201110114595 A CN 201110114595A CN 102186175 B CN102186175 B CN 102186175B
- Authority
- CN
- China
- Prior art keywords
- oscillator
- spectrum
- graph
- phase
- synchronization
- 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
- 238000001228 spectrum Methods 0.000 title claims abstract description 114
- 230000001149 cognitive effect Effects 0.000 title claims abstract description 62
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000009826 distribution Methods 0.000 title abstract description 7
- 230000000295 complement effect Effects 0.000 claims abstract description 22
- 230000001360 synchronised effect Effects 0.000 claims abstract description 18
- 238000012163 sequencing technique Methods 0.000 claims abstract description 5
- 239000011159 matrix material Substances 0.000 claims description 11
- 238000009827 uniform distribution Methods 0.000 claims description 6
- 230000008878 coupling Effects 0.000 claims description 3
- 238000010168 coupling process Methods 0.000 claims description 3
- 238000005859 coupling reaction Methods 0.000 claims description 3
- 230000001502 supplementing effect Effects 0.000 claims 1
- 238000004040 coloring Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 9
- 230000002068 genetic effect Effects 0.000 description 7
- 238000004088 simulation Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000002474 experimental method Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 239000002699 waste material Substances 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
Images
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
本发明提出了一种基于振荡器相位同步的认知网络动态频谱分配方法,克服现有技术中频谱使用效率较低且用户花费较高的问题。其实现步骤是:(1)绘制频谱干扰图;(2)取补图;(3)初始化;(4)求解相位值;(5)判定相位同步;(6)节点分组;(7)同步组排序;(8)分配频谱;(9)获得频谱分配方案。本发明提出的方法减少了频谱分配过程中所需的时间,有效提高了频谱的使用效率;同时,该方法在频谱分配的过程中充分考虑了用户购买频谱时的花费,给尽可能多的用户分配费用较低的频谱,因而降低了认知网络中用户的总花费。
Description
技术领域
本发明属于通信技术领域,更进一步涉及无线通信网络中对认知网络进行动态频谱分配的方法,利用振荡器相位同步原理,提高了并行处理能力,可快速有效地得到认知网络的频谱分配方案。
背景技术
认知无线电技术被认为是解决无线电通信中频谱资源使用效率低下的最佳方案,该技术从频谱再利用的思想出发,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中的用户使用,以提高空闲频谱的使用效率。对认知网络进行动态的频谱分配是认知网络中的关键技术之一,人们也提出了很多方法来对认知网络进行动态的频谱分配,主要包括基于博弈理论的方法,基于图论的方法,和基于拍卖理论的方法。其中基于图论的方法是将认知网络的频谱分配问题转换成图着色模型,然后利用一些解决图着色问题的算法,如遗传算法,启发式算法等,来对该模型进行图着色,从而获得认知网络的频谱分配结果。现有的基于图论的频谱方法,大都没有考虑进行分配时所用的时间和认知用户在购买频谱时的花费问题,因此现有的方法有可能造成频谱资源在时间上的浪费和增加了用户通讯时的花费。
例如,东南大学申请的专利“认知无线电系统中一种基于图论的频谱分配方法”(专利申请号200910034227.7,公开号CN101662783A)。该专利申请所公开的基于图论的频谱分配方法是在计算分配优先级时,将信道可用度和信道连续度综合考虑,同时引入区域呼损率参数,减低了呼损率。该专利申请的方法存在不足之处是,不能实时地得到频谱分配结果,需用相对较长的时间来完成对整个网络进行频谱分配的过程,从而导致了频谱资源在时间上的浪费;同时,该方法在进行频谱分配的过程中侧重考虑了减低呼损率而忽视了认知用户的通讯花费,导致认知用户购买频谱时花费增多,影响了认知网络中频谱资源的优化性。
发明内容
本发明的目的在于克服上述已有技术的不足,提出一种基于振荡器相位同步的认知网络动态频谱分配方法,以有效地提高频谱的使用效率,同时降低认知网络中用户购买频谱时的总花费。
本发明的具体步骤如下:
(1)绘制频谱干扰图:将N个认知用户组成的认知网络拓扑结构抽象成图,图中每一个节点与每一个认知用户一一对应。
(2)取补图:对频谱干扰图取补图,写出该补图的邻接矩阵,若补图节点i与节点j之间有连接边,则其邻接矩阵中的对应元素aij=1,否则aij=0,矩阵对角线上的元素aii=1。
(3)初始化:生成与认知网络中可使用的频谱数M相同个数的空同步组。
(4)求解相位值:补图中的每一个节点与一个振荡器一一对应,振荡器的相位变化值对应节点的相位变化值,在MATLAB环境下,通过求解以下方程获得每一个振荡器在0~t时刻内的相位变化值:
其中,为振荡器i的相位随时间的变化率,wi为振荡器i的固有频率,该固有频率在[-0.1,0.1]之间随机产生且服从均匀分布,K为耦合强度,Kmax为补图中所有节点度的最大值,aij为补图的邻接矩阵中的对应元素,θi为振荡器i的相位,振荡器的初始相位在[0,2π]之间随机产生且服从均匀分布。
(5)判定相位同步:将N个振荡器在t时刻的相位值θ1t,θ2t…θNt两两进行比较,若相位θit与相位θjt满足关系式T<cos(θit-θjt),T(0<T<1)为阈值常数,则判定振荡器i与振荡器j相位同步,否则,判定振荡器i与振荡器j相位不同步。
(6)节点分组:在步骤(5)中得到的相位同步结果中,将每一组相位同步的振荡器所对应的节点放入一个同步组中,以此类推,完成将N个节点划分到M个同步组中的过程。
(7)同步组排序:将M个同步组按照其节点数从大到小的顺序依次排序。
(8)分配频谱:将M个频谱按照其费用从小到大的顺序依次分配给步骤(7)中排序后的同步组,每一个同步组都对应一个频谱。
(9)获得频谱分配方案:将同步组所对应的频谱分配给该同步组中所有节点所代表的用户共同使用,以此类推,完成给认知网络中的所有用户分配频谱的过程。
本发明与现有技术相比存在以下优点:
第一,由于本发明利用了振荡器的相位同步原理,可并行处理认知网络的频谱分配问题,克服了现有技术中处理较慢,耗费时间较长的问题。本发明的求解振荡器相位变化过程是一个并行处理过程,可大大减少对整个网络进行频谱分配时所需的时间,能够实时地对认知网络进行频谱分配,从而有效地提高频谱的使用效率。
第二,由于本发明在对认知网络进行频谱分配的过程中考虑了用户购买频谱时的花费,克服了现有技术中忽视认知用户通讯花费,导致认知用户购买频谱时花费增多的问题。本发明给尽可能多的用户分配费用较低的频谱,从而降低了认知网络中用户的总花费。
附图说明
图1为本发明的流程图;
图2为本发明实施例中认知网络的频谱干扰图;
图3为本发明实施例中认知网络的频谱干扰图的补图;
图4为本发明实施例中振荡器的相位变化图;
图5为本发明实施例中对认知网络用户的频谱分配结果图;
图6为本发明仿真实验中所采用的三组网络的频谱干扰图;
图7为本发明仿真实验中振荡器的相位变化图。
具体实施方式
参照图1,本发明的具体实施步骤如下:
步骤1.绘制频谱干扰图
本发明的实施例选择一个具体的认知网络进行频谱分配,绘制出的该认知网络的频谱干扰图如图2所示,图2中的12个节点1~12分别代表认知网络中12个不同的用户,有边连接的两个节点所代表的用户在通讯时会产生干扰,不能分配同一个频谱。
步骤2.取补图
对图2中的认知网络频谱干扰图取补图的步骤是,保持认知网络频谱干扰图中节点的网络拓扑结构不变,将每对节点间原频谱干扰图中有连接边的去掉,没有连接边的加上,就得到了该认知网络频谱干扰图的补图。图3中每一条边所连接的两个节点表示通讯时没有干扰的用户,即它们可共用频谱。若补图中节点i与节点j之间有连接边,则其邻接矩阵中的对应元素aij=1,否则aij=0,且aii=1,那么可写出图3的邻接矩阵为:
步骤3.初始化
生成与认知网络中可使用的频谱数相同个数的空同步组。本发明实施例中,该认知网络中有3个可使用的频谱,因此初始3个空同步组C1,C2,C3。用户购买频谱P1,P2,P3的花费分别为b1,b2,b3,满足b1<b2<b3。
步骤4.求解相位值
参照图3,补图中的每一个节点与一个振荡器一一对应,振荡器的相位变化值对应节点的相位变化值,此12个振荡器分别记为1~12。在MATLAB环境下,通过求解以下方程获得每一个振荡器在0~3秒时刻内的相位变化值,取值时间间隔为0.01秒:
其中,为振荡器i的相位随时间的变化率;wi为振荡器i的固有频率,该固有频率在[-0.1,0.1]之间随机产生且服从均匀分布;耦合强度K=6;补图中节点度指一个节点所拥有的连接边的个数,那么补图中节点度的最大值Kmax=4;aij为图3邻接矩阵中的对应元素;θi为振荡器i的相位,初始相位在[0,2π]之间随机产生且服从均匀分布。
通过求解振荡器的相位微分方程,可得到该12个振荡器的相位随时间的变化图,如图4所示。
步骤5.判定相位同步
将12个振荡器在第3秒时的相位值θ1t,θ2t…θNt两两进行比较,若相位θit与相位θjt满足关系式T<cos(θit-θjt),T=0.99为阈值常数,则判定振荡器i与振荡器j相位同步;否则,判定振荡器i与振荡器j相位不同步。判定后可知振荡器1,2,3,4,5之间两两相位同步,振荡器6,7,8,9之间两两相位同步,振荡器10,11,12之间两两相位同步。
步骤6.节点分组
在步骤5中得到的振荡器相位同步结果中,由于振荡器1,2,3,4,5之间两两相位同步,则将其对应的节点1,2,3,4,5放入第一个同步组C1,即C1{1,2,3,4,5}。以此类推,完成将12个节点划分到3个同步组中的过程,可得第二个同步组C2{6,7,8,9}和第三个同步组C3{10,11,12}。
步骤7.同步组排序
将同步组C1,C2,C3按照其节点数从大到小的顺序依次排列。由于同步组C1中有5个节点,同步组C2中有4个节点,同步组C3中有3个节点,因而排列好的同步组顺序为C1,C2,C3。
步骤8.分配频谱
将3个频谱按照其费用从小到大的顺序依次分配给步骤7中排序后的同步组。因为用户购买频谱P1,P2,P3时的花费分别为b1,b2,b3,满足b1<b2<b3,那么将频谱P1,P2,P3依次分配给同步组C1,C2,C3。
步骤9.获得频谱分配方案
将同步组所对应的频谱分配给该同步组中所有节点所代表的用户共同使用,即节点1,2,3,4,5所代表的用户共用频谱P1,节点6,7,8,9所代表的用户共用频谱P2,节点10,11,12所代表的用户共用频谱P3,就得到了本实施例中认知网络的频谱分配结果,如图5所示。该频谱分配结果中,给尽可能多的用户分配费用较低的频谱,从而降低了认知网络中用户的总花费。
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core2 2.4GHZ、内存2G、WINDOWS XP系统上使用MATLAB进行了仿真。
2.仿真内容:
选取三组不同结构的网络作为实验对象,此三组网络的频谱干扰图如图6所示,其中图6(a)、图6(b)和图6(c)分别为网络1、网络2和网络3的频谱干扰图。分别用基于遗传算法的图着色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,并记录其运行的时间。
基于遗传算法的图着色方法是将认知网络的频谱分配问题转换成传统的图着色模型,且每一个着色方案对应一个频谱分配结果,并用遗传算法的原理来求出该图着色模型的着色方案。该方法基于遗传算法原理,即在整个解空间里,通过对初始种群不断进行交叉操作和变异操作来不断产生下一代种群,进而逐渐逼近着色结果。而本发明中提出的方法主要利用振荡器的相位同步原理来对认知网络进行动态频谱分配。
实验中,分别用以上两种方法对这三组认知网络进行频谱分配,求出其频谱分配结果,并记录其运行时间。在采用本发明中提出的方法进行频谱分配时,能够得到这三组网络所对应的振荡器的相位变化图,如图7所示,其中图7(a)、图7(b)和图7(c)分别为网络1、网络2和网络3在实验中所对应的相位变化图,根据该相位变化图可以得到这三个网络的频谱分配结果。同时,下表为实验中记录的数据结果。
表1两种方法下求解频谱分配结果所需的时间
由表1可知,采用基于遗传算法的图着色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。但是,在求同一个认知网络的频谱分配结果时,本发明中提出的方法所需的时间远远小于基于遗传算法的图着色方法。
从以上说明可以看出,基于振荡器相位同步的认知网络动态频谱分配方法可大大减少对整个网络进行频谱分配过程中所需的时间,能够实时地对认知网络进行频谱分配,从而有效地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,例如用本发明的方法还可以对包含20个节点的认知网络,对包含50个节点认知网络,以及对包含更多节点的认知网络进行频谱分配。
Claims (2)
1.一种基于振荡器相位同步的认知网络动态频谱分配方法,具体步骤如下:
(1)绘制频谱干扰图:将N个认知用户组成的认知网络拓扑结构抽象成图,图中每一个节点与每一个认知用户一一对应;
(2)取补图:对频谱干扰图取补图,写出该补图的邻接矩阵,若补图节点i与节点j之间有连接边,则其邻接矩阵中的对应元素aij=1,否则aij=0,矩阵对角线上的元素aii=1;
(3)初始化:生成与认知网络中可使用的频谱数M相同个数的空同步组;
(4)求解相位值:补图中的每一个节点与一个振荡器一一对应,振荡器的相位变化值对应节点的相位变化值,在MATLAB环境下,通过求解以下方程获得每一个振荡器在0~t时刻内的相位变化值:
其中,为振荡器i的相位随时间的变化率,wi为振荡器i的固有频率,该固有频率在[-0.1,0.1]之间随机产生且服从均匀分布,K为耦合强度,Kmax为补图中所有节点度的最大值,aij为补图的邻接矩阵中的对应元素,θi为振荡器i的相位,振荡器的初始相位在[0,2π]之间随机产生且服从均匀分布;
(5)判定相位同步:将N个振荡器在t时刻的相位值θ1t,θ2t…θNt两两进行比较,若相位θit与相位θjt满足关系式T<cos(θit-θjt),T(0<T<1)为阈值常数,则判定振荡器i与振荡器j相位同步,否则,判定振荡器i与振荡器j相位不同步;
(6)节点分组:在步骤(5)中得到的相位同步结果中,将每一组相位同步的振荡器所对应的节点放入一个同步组中,以此类推,完成将N个节点划分到M个同步组中的过程;
(7)同步组排序:将M个同步组按照其节点数从大到小的顺序依次排序;
(8)分配频谱:将M个频谱按照其费用从小到大的顺序依次分配给步骤(7)中排序后的同步组,每一个同步组都对应一个频谱;
(9)获得频谱分配方案:将同步组所对应的频谱分配给该同步组中所有节点所代表的用户共同使用,以此类推,完成给认知网络中的所有用户分配频谱的过程。
2.根据权利要求1所述的基于振荡器相位同步的认知网络动态频谱分配方法,其特征在于,所述步骤(2)中对频谱干扰图取补图的步骤是,保持认知网络频谱干扰图中节点的网络拓扑结构不变,将每对节点间原频谱干扰图中有连接边的去掉这个连接边,没有连接边的加上连接边,就得到了该认知网络频谱干扰图的补图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110114595 CN102186175B (zh) | 2011-05-04 | 2011-05-04 | 基于振荡器相位同步的认知网络动态频谱分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110114595 CN102186175B (zh) | 2011-05-04 | 2011-05-04 | 基于振荡器相位同步的认知网络动态频谱分配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102186175A CN102186175A (zh) | 2011-09-14 |
CN102186175B true CN102186175B (zh) | 2013-10-16 |
Family
ID=44572233
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201110114595 Expired - Fee Related CN102186175B (zh) | 2011-05-04 | 2011-05-04 | 基于振荡器相位同步的认知网络动态频谱分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102186175B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103368910B (zh) * | 2012-03-31 | 2016-05-25 | 国际商业机器公司 | 虚拟无线通信网络系统及其建立方法 |
CN102612036A (zh) * | 2012-04-09 | 2012-07-25 | 西安电子科技大学 | 基于相位离散迭代的认知网络频谱分配方法 |
CN102902570A (zh) * | 2012-09-11 | 2013-01-30 | 西安电子科技大学 | 基于振荡器相位同步的嵌入式系统寄存器分配方法 |
CN103606165B (zh) * | 2013-12-03 | 2016-07-06 | 西安电子科技大学 | 基于网络相位同步的医学影像处理方法 |
CN104202747A (zh) * | 2014-04-17 | 2014-12-10 | 中兴通讯股份有限公司 | 一种频谱管理的方法、设备和系统 |
CN107277820A (zh) * | 2017-06-28 | 2017-10-20 | 陕西派瑞智能科技有限公司 | 基于振荡器相位正负耦合的ofdma网络动态频谱分配方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101689881A (zh) * | 2007-06-29 | 2010-03-31 | Lm爱立信电话有限公司 | 检测扩展频谱信号的存在 |
CN101951609A (zh) * | 2010-08-30 | 2011-01-19 | 西安电子科技大学 | 基于反图描述的认知网络动态频谱分配方法 |
-
2011
- 2011-05-04 CN CN 201110114595 patent/CN102186175B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101689881A (zh) * | 2007-06-29 | 2010-03-31 | Lm爱立信电话有限公司 | 检测扩展频谱信号的存在 |
CN101951609A (zh) * | 2010-08-30 | 2011-01-19 | 西安电子科技大学 | 基于反图描述的认知网络动态频谱分配方法 |
Non-Patent Citations (4)
Title |
---|
宋志远."认知无线电的频谱监测与分配",宋志远,西安电子科技大学,2009年9月.《万方学位论文》.2009,全文. |
宋志远."认知无线电的频谱监测与分配",宋志远,西安电子科技大学,2009年9月.《万方学位论文》.2009,全文. * |
莫文承."认知无线电的频谱分配算法研究",莫文成,西安电子科技大学,2008年8月.《万方学位论文》.2008,全文. |
莫文承."认知无线电的频谱分配算法研究",莫文成,西安电子科技大学,2008年8月.《万方学位论文》.2008,全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN102186175A (zh) | 2011-09-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102186175B (zh) | 基于振荡器相位同步的认知网络动态频谱分配方法 | |
Masaracchia et al. | Energy-efficient and throughput fair resource allocation for TS-NOMA UAV-assisted communications | |
Liu et al. | Joint user association and resource allocation for wireless hierarchical federated learning with IID and non-IID data | |
Oladejo et al. | Latency-aware dynamic resource allocation scheme for multi-tier 5G network: A network slicing-multitenancy scenario | |
Diao et al. | Joint trajectory design, task data, and computing resource allocations for NOMA-based and UAV-assisted mobile edge computing | |
Liu et al. | An energy-efficient task scheduling for mobile devices based on cloud assistant | |
Li et al. | An energy‐aware task offloading mechanism in multiuser mobile‐edge cloud computing | |
CN104105193A (zh) | 一种异构网络中基于Starckelberg 博弈的功率分配方法 | |
CN103687023B (zh) | 基于时延区分业务和比例性速率约束的优化无线资源方法 | |
CN115333956B (zh) | 一种多联盟非合作博弈的多智能体状态控制方法 | |
Pliatsios et al. | Joint wireless resource and computation offloading optimization for energy efficient internet of vehicles | |
CN104796993A (zh) | 异构网络中基于Stackelberg博弈的跨层资源分配方法 | |
Hanh et al. | Node placement for target coverage and network connectivity in WSNs with multiple sinks | |
Kilcioglu et al. | An energy-efficient fine-grained deep neural network partitioning scheme for wireless collaborative fog computing | |
CN103428805A (zh) | 一种基于链路抗干扰性的无线网络虚拟化映射方法 | |
Jiang et al. | Dynamic user pairing and power allocation for NOMA with deep reinforcement learning | |
CN106658526B (zh) | 一种超密集小蜂窝网络中基于模拟退火算法频谱分配方法 | |
CN106059734B (zh) | 基于边缘用户干扰度量值的Massive MIMO系统导频分配方法 | |
Zhao et al. | Ensemble federated learning with non-IID data in wireless networks | |
Yu et al. | A dynamic distributed spectrum allocation mechanism based on game model in fog radio access networks | |
CN107071784B (zh) | 一种超密集组网的频谱资源分配方法 | |
Altman et al. | Closed form solutions for symmetric water filling games | |
Wang et al. | Task and resource allocation in mobile edge computing: An improved reinforcement learning approach | |
CN103427884A (zh) | 基于移动自组网中泛在业务生成的多终端协同获取方法 | |
Li et al. | Resource sharing for cellular-assisted D2D communications with imperfect CSI: a many-to-many strategy |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20131016 Termination date: 20190504 |
|
CF01 | Termination of patent right due to non-payment of annual fee |