CN102256261A - 一种具有网络认知能力的动态频谱接入方法 - Google Patents

Abstract

一种具有网络认知能力的动态频谱接入方法，属于无线通信技术领域。本发明包括如下步骤：步骤一：信道分配，可用频谱被分割成一系列频带，这些频带在带宽和发送范围上各不相同，这些频带即为信道；每个信道都完全正交，从用户同时可以使用多条信道；当几个用户在一定范围内同时使用同一个信道，就会造成冲突和干扰；所有的用户的位置都是固定不变的；步骤二：信道接入，在认知无线电网络中，从用户充分利用主用户未使用的信道，即从用户要机会的利用分配给主用户的信道的空闲时隙；利用二状态的马尔科夫模型，使用信道的主用户不考虑从用户的存在；步骤三：信道切换。

Description

一种具有网络认知能力的动态频谱接入方法

技术领域

本发明属于无线通信技术领域，特别是涉及一种具有网络认知能力的动态频谱接入方法。

背景技术

随着3G通信技术的成功应用，各种无线用户和无线业务快速增长，相应的协议和标准不断提出，但这些协议和标准都要求用户工作在某一具体的频谱范围。也就是说，当前频谱分配策略是静态频谱分配，即频谱一旦被分配给某一用户，其它用户就不能使用该频谱。因此，对新增加的无线用户而言，可用的频谱将会越来越少。这种静态分配策略严重降低了频谱利用率，阻碍了无线通信的进一步发展。因此，需要一种智能的、动态的频谱分配方法，以提高频谱的利用率。

网络认知技术是一项智能技术，通过赋予无线网络用户环境感知的能力，使其能够动态感知无线频谱的使用情况，通过动态改变网络接入策略，以提高网络频谱资源利用率。认知无线电(Cognitive Radio，CR)作为一项智能的频谱分配技术，能够使未被授权的用户(Secondary user，从用户)动态的调整其发送设备到授权用户(Primary user，主用户)的空闲频谱，从而实现从用户间的通信，并且不对主用户的通信造成干扰。认知无线电网络是一种新的通信网络，从发现空闲频谱到合理利用频谱，实现了传统通信网络所不具备的功能，其中CR是关键技术。在认知无线电网络中，主用户拥有接入的优先权，因此当主用户活跃时，从用户对主用户的影响要最小，保护主用户的性能至关重要。

CR是动态频谱接入(Dynamic Spectrum Access，DSA)的关键技术。基于CR的动态频谱接入技术通过确定CR用户是否可以接入网络以及采用何种参数接入，既能够提供足够的资源来保证网络服务质量(Quality of Service，QoS)，又不影响授权用户和网络中其他CR用户的性能，从而提高无线网络的频谱利用率，解决无线通信中频谱不足的问题。

本发明的发明人分析认为：动态频谱接入应该包括信道分配、信道接入和信道切换三个问题。这是由于目前主流的通信信道是频分复用和时分复用相结合的，只有同时解决了这三个问题，才能最大化的利用空闲信道的空闲时隙，从而提高信道的利用率。

当前，已经有一些关于认知无线电动态频谱接入方面的研究成果。例如利用网络编码模型、概率密度模型、整型非线性规划模型以及博弈学习模型，结果较好。但这些模型只关注于信道接入的问题，忽略了信道分配的问题，因此只能部分的解决动态频谱接入的问题。马尔科夫模型关注的是主用户的空闲状况与从用户无关，这种模型能够很好的解决从用户机会地利用频谱的问题，但是马尔科夫模型在运用在多用户多信道的模型时比较繁琐，必须改进或者与其它方法结合。

可见，目前很少有将信道分配、信道接入和信道切换这三个问题整体结合考虑，都只是部分考虑的。

发明内容

针对现有技术存在的缺点，整体全面地解决动态频谱接入的问题，本发明提出了一种具有网络认知能力的动态频谱接入方法。

为了实现上述目的，本发明采用如下技术方案，一种具有网络认知能力的动态频谱接入方法，包括如下步骤：

步骤一：信道分配，

可用频谱被分割成一系列频带，这些频带在带宽和发送范围上各不相同，这些频带即为信道；每个信道都完全正交，从用户同时能够使用多条信道；当几个用户同时使用同一个信道，就会造成冲突和干扰；所有的用户的位置都是固定不变的，通过网络级的基于图论着色理论的信道分配方法完成多用户多信道的分配；

步骤二：信道接入，

在认知无线电网络中，从用户充分利用主用户未使用的信道，即从用户要机会的利用分配给主用户的信道的空闲时隙；利用二状态的马尔科夫模型，使用信道的主用户不考虑从用户的存在，并且从用户能够利用主用户的空闲时隙完成通信；

步骤三：信道切换；

通过信道分配和信道接入模块，从用户能够分配到适合使用的信道和时隙，通过时隙空闲概率门限值和碰撞概率门限值的限制，使从用户能够在不同的信道和时隙进行切换；

步骤四：判断从用户数据是否发送完毕，若是，则执行步骤六；否则，转去执行步骤五；

步骤五：判断从用户是否有可用信道，若是，则转去执行步骤二；否则，执行步骤六；

步骤六：结束。

步骤一所述的信道分配，具体包括如下步骤：

步骤A：将整个认知无线电网络抽象成一个模型图G＝(S，E_I，V_U)，信道分配过程用图论着色模型建模；S为顶点，表示从用户个数，共有N个；E_I表示两个顶点间的边，即代表干扰关系，当i_n，k，m＝1，从用户n和从用户k使用信道m会互相干扰，这就意味着从用户n和从用户k之间存在着一条m色的边，不同颜色代表不同信道；V_U表示从用户n能够使用的信道和每个信道的效用值；

步骤B：计算主用户和从用户之间的距离，根据距离大小，分配给从用户可用信道，形成可用信道矩阵V；

步骤C：根据主从用户间的距离产生效用矩阵；

步骤D：计算两个从用户之间的距离，根据距离的大小判断是否存在干扰关系，结合信道矩阵V产生干扰矩阵I；当两从用户距离小于门限值，使用同一信道就会对双方造成干扰；

步骤E：根据不同规则进行信道分配：

令A＝u_n，m/(D_n，m+1)，B＝a_n，m×u_n，m，

CMSB规则，在考虑对邻居节点干扰下的最大信道效用准则：

$\mathrm{cmsb}\_{\mathrm{label}}_n=\underset{m\∈v_n}{\max }A,---\left(1\right)$

cmsb_color_n＝arg cmsb_label_n

NMSB准则，不考虑对邻居节点干扰下的最大信道效用准则：

$\mathrm{nmsb}\_{\mathrm{label}}_n=\underset{m\∈v_n}{\max }{u}_{n,m}---\left(2\right)$

nmsb_color_n＝arg nmsb_label_n

CMMB准则，考虑邻居节点，平均分配信道的情况下提高最小信道效用准则：

$\mathrm{cmmb}\_{\mathrm{label}}_n=-\underset{m\∈v_n}{\max }B$

                          (3)

$\mathrm{cmmb}\_{\mathrm{color}}_n=-\arg \frac{\mathrm{cmmb}\_{\mathrm{label}}_n*A}{B}$

CMPF准则，协作最大化信道分配公平性准则：

$\mathrm{cmpf}\_{\mathrm{label}}_n=\frac{{\max }_{m\∈v_n}A}{{\mathrm{\Σ}}_{m=0}^{m=M-1}B}---\left(4\right)$

$\mathrm{cmpf}\_{\mathrm{color}}_n=\arg (\mathrm{cmpf}\_{\mathrm{label}}_n*{\mathrm{\Σ}}_{m=0}^{m=M-1}B)$

NMPF准则，非协作最大化信道分配公平性准则：

$\mathrm{nmpf}\_{\mathrm{label}}_n=\frac{{\max }_{m\∈v_n}{u}_{n,m}}{{\mathrm{\Σ}}_{m=0}^{m=M-1}B}---\left(5\right)$

$\mathrm{nmpf}\_{\mathrm{color}}_n=\arg (\mathrm{nmpf}\_{\mathrm{label}}_n*{\mathrm{\Σ}}_{m=0}^{m=M-1}B)$

步骤F：根据所选准则进行节点标记和信道分配后，删除标记节点，将该节点的邻居节点的可用信道矩阵和信道效用矩阵更新，更新网络拓扑；

步骤G：判断邻居节点可用信道矩阵是否为空，若为空则判断算法结束，否则，转去执行步骤E。

步骤二所述的信道接入，具体包括如下步骤：

步骤A：在步骤一的假设下，进一步假设信道分为若干个时隙，每个时隙均相互独立；主用户采用时分复用的方式使用这些时隙进行通信，从用户感知空闲时隙并进行数据发送；

步骤B：假设信道空闲时隙服从帕累托分布，公式如下：

p(x)＝bk^bt^-b-1；0＜k≤t

$F\left(x\right)=P[X<t]=1-{\left(\frac{k}{t}\right)}^b---\left(6\right)$

公式(6)分别表示了帕累托分布的概率密度函数和累积分布函数；b是帕累托分布的尾部指数，k是随机变量x可以取到的最小值；计算从用户感知和发送数据后，信道的时隙仍然是空闲的概率：

$g_t^S={\left(\frac{I_{\max }-t+1}{I_{\max }-t+K_S+1}\right)}^b$

                              (7)

$g_t^T={\left(\frac{I_{\max }-t+1}{I_{\max }-t+K_T+1}\right)}^b$

从公式可以看出，每个时隙的空闲与否与从用户无关，主用户使用时隙时不用考虑从用户的存在；

步骤C：计算时隙空闲概率门限值及其对应的效用值：

步骤C-1：计算每个时隙从用户感知和发送对应的4种不同结果的概率；

当从用户感知检测信道时，即a_t＝0，此时对应的结果有2个，分别是信道空闲和信道忙，分别用Pr(δ^S＝I)和Pr(δ^S＝B)表示观测结果的概率，利用贝叶斯公式可以有以下结果：

$g_t^s=\left\{\begin{array}{c}\frac{(1-P_d)*\mathrm{Pr}({\mathrm{\&delta;}}^S=I)}{p_t[1-P_f-\mathrm{Pr}({\mathrm{\&delta;}}^S=I)*(P_d-P_f)]}\\ \frac{\mathrm{Pr}({\mathrm{\&delta;}}^S=B)P_d}{p_t[1-\mathrm{Pr}({\mathrm{\&delta;}}^S=B)*(P_d-P_f)]}\end{array}\right.---\left(8\right)$

从公式可以看出，从用户感知观测的结果不同，计算出的

就不同，根据前面已有的公式，可以确定Pr(δ^S＝I)和Pr(δ^S＝B)的值；

当从用户进行发送数据时，即a_t＝1，也有2种不同结果，即从用户成功发送数据和从用户未成功发送数据；两种结果的概率我们用Pr(δ^T＝A)和Pr(δ^T＝N)表示，利用贝叶斯公式有如下结果：

$g_t^T=\left\{\begin{array}{c}\frac{\left({1-\mathrm{\&gamma;}}_1\right)*\mathrm{Pr}({\mathrm{\&delta;}}^T=A)}{p_t[1-{\mathrm{\&gamma;}}_0-\mathrm{Pr}({\mathrm{\&delta;}}^T=A)*({\mathrm{\&gamma;}}_1-{\mathrm{\&gamma;}}_0)]}\\ \frac{\mathrm{Pr}({\mathrm{\&delta;}}^T=N){\mathrm{\&gamma;}}_1}{p_t[1-\mathrm{Pr}({\mathrm{\&delta;}}^T=N)*({\mathrm{\&gamma;}}_1-{\mathrm{\&gamma;}}_0)]}\end{array}\right.---\left(9\right)$

从公式可以看出，从用户发送数据结果的不同，计算出的

就不同，根据前面已有的公式，可以确定Pr(δ^T＝A)和Pr(δ^T＝N)的值；

这里存在几个假设：

(a)、从用户在进行频谱感知时，感知的结果有两个：时隙忙和时隙空闲；理想情况下，从用户每次感知的结果均能正确的反应时隙的状态，但是在现实场景中不可能做到无误差的感知检测，因此本发明提出了2个参数：P_f和P_d；P_f表示从用户的误报概率，P_d表示从用户的检测概率；

(b)、当从用户检测到时隙空闲的时候，从用户要进行数据发送，数据发送有成功和不成功两个结果；要求每次数据发送成功后，从用户接收端反馈给发射端ACK信号，发送不成功反馈NACK信号；但是，无线信道具有时变性，反馈的ACK和NACK信号有可能在信道传输过程中丢失，因此，提出2个参数：γ₀和γ₁；γ₀表示从用户未与主用户发生碰撞，但收到NACK的条件概率；γ₁表示从用户与主用户发生碰撞，收到NACK的条件概率；

通过这4个参数，结合概率论可以很好的模拟现实信道中的各种情况；结合贝叶斯公式，二状态马尔科夫模型，计算从用户的4种行为的概率，如公式(8)、(9)所示；

步骤C-2：计算每个时隙不同空闲概率的期待效用值：

$r_t(p_t,1)=K_T[R*p_t{g}_t^T\left({1-\mathrm{\&gamma;}}_0\right)+(1-p_t{g}_t^T)*({R-\mathrm{\&gamma;}}_1*R-C)]---\left(10\right)$

当从用户成功发送数据时会给予奖励，当与主用户冲突时，从用户会被给予惩罚；奖励因子和惩罚因子分别是R和C；

步骤C-3：计算每个时隙不同空闲概率下，从用户感知检测和发送数据的效用值：

$E(t,p)=\underset{\left\{\mathrm{0,1}\right\}}{\max }\{L(t,p),M(t,p)\}---\left(11\right)$

$L(t,p)=\frac{p_t{g}_t^S\left({1-P}_f\right)}{p_t{g}_t^S(1-P_f)+\left({1-p}_t{g}_t^S\right)\left({1-P}_d\right)}E({t+K}_S,p_t+K_S)$

$+\frac{p_t{g}_t^S{P}_f}{p_t{g}_t^S{P}_f+(1-p_t{g}_t^S)P_d}E(t+K_S,p_t+K_S)$

                                 (12)

$M(t,p)=\frac{p_t{g}_t^S\left({1-\mathrm{\&gamma;}}_0\right)}{p_t{g}_t^S(1-{\mathrm{\&gamma;}}_0)+\left({1-p}_t{g}_t^S\right)\left({1-\mathrm{\&gamma;}}_1\right)}E({t+K}_T,p_t+K_T)$

$+\frac{p_t{g}_t^S{\mathrm{\&gamma;}}_0}{p_t{g}_t^S{\mathrm{\&gamma;}}_0+(1-p_t{g}_t^S){\mathrm{\&gamma;}}_1}E(t+K_T,p_t+K_T)+r_t(p_t,1)$

$g_{t^{*}}^T<\frac{C-\left({1-\mathrm{\&gamma;}}_1\right)R}{({\mathrm{\&gamma;}}_1-{\mathrm{\&gamma;}}_0)R+C}---\left(13\right)$

利用公式(12)计算从用户感知检测和发送数据的效用值，使两个效用值相等的空闲概率就是空闲概率门限值

公式(13)给了一个可用时隙的限制性条件，可用时隙τ＜t^*；由公式(13)可以算出时隙的效用值；

步骤D：此效用值应该和步骤一中的步骤C计算出的信道效用值相结合；这样计算出的新的效用值既可以反映选择信道的效用，又可以反映选择时隙的效用；这是从用户做到频分复用和时分复用的关键；

步骤E：由公式(11)可以得出每个时隙的空闲概率门限值，当若干连续个时隙的空闲概率门限值小于该信道平均空闲概率，则该信道才可使用，并与步骤一中的步骤B结合；

步骤F：计算每个时隙的发送数据的碰撞概率值，定义碰撞率为从用户发送数据并且无ACK反馈信号的概率：

$P_{\mathrm{coll}}(t,p_t^{*})=\mathrm{Pr}[o^S=I]\&times;\mathrm{Pr}[o^T=N]---\left(14\right)$

步骤G：当时隙空闲概率门限值小于该信道平均空闲概率，并且当从用户发送数据时，每个时隙的碰撞概率值小于设定的碰撞门限值时，该时隙才可使用；

步骤H：假设信道的空闲时隙服从均匀分布，有如下公式：

$g_t^s=\frac{I_{\max }-(t+K_s-1)}{I_{\max }-(t-1)}$

                          (15)

$g_t^T=\frac{I_{\max }-(t+K_T-1)}{I_{\max }-(t-1)}$

分析均匀分布的

可以发现与帕累托分布的有相似特性；

步骤I：将公式(15)带入公式(8)-(14)中，重复前面步骤，计算出均匀分布下的每个时隙的空闲概率门限值、碰撞概率值和效用值。

步骤三所述的信道切换，具体包括如下步骤：

步骤A：根据步骤一中的步骤B和步骤二中的步骤E，从用户选择合适的信道，要求所选信道的第一个时隙是可被从用户使用；

步骤B：每次切换都切换到剩余可用时隙最多的信道，直到从用户数据发送完毕或者没有可用时隙用于发送数据；

number_SU＝number_SU-

                            (16)

{(last_time-begin_time)/(T)}

begin_time＝begin_time+[(last_time

                                         (17)

-begin_time)/T]+1

步骤C：当从用户没有可用信道或者可用时隙时，重新进行频谱感知；

$\mathrm{effec}\_\mathrm{time}\_\mathrm{ratio}=\frac{\mathrm{CR}\_\mathrm{amount\; tr\; ansmission\; time}}{\mathrm{Total}\_\mathrm{communicat\; ion}\_\mathrm{time}}---\left(18\right).$

本发明所涉及到的符号的定义如下：

P：主用户个数；

N：从用户个数；

M：主用户使用信道个数；

V＝{v_n，m|v_n，m∈(0，1)}_N×M，如果从用户n可以使用信道m，那么V_n，m＝1。V表示信道可用矩阵；

cmsb_label_n表示在CMSB准则下的用户标记；

cmsb_color_n表示在CMSB准则下的标记的颜色，即分配的信道；

nmsb_label_n表示在NMSB准则下的用户标记；

nmsb_color_n表示在NMSB准则下的标记的颜色，即分配的信道；

cmmb_label_n表示在CMMB准则下的用户标记；

cmmb_color_n表示在CMMB准则下的标记的颜色，即分配的信道；

cmpf_label_n表示在CMPF准则下的用户标记；

cmpf_color_n表示在CMPF准则下的标记的颜色，即分配的信道；

nmpf_label_n表示在NMPF准则下的用户标记；

nmpf_color_n表示在NMPF准则下的标记的颜色，即分配的信道；

U＝{u_n，m}_N×M，表示从用户n在成功使用信道m时所获的奖励。从用户位置不同，使用相同的信道所获得的奖励也不相同。U表示效用矩阵；

V_U＝{v_n，m×u_n，m}_N×M，表示有效信道效益矩阵；

I＝{i_n，k，m|i_n，k，m∈(0，1)}_N×N×M，如果i_n，k，m＝1，那么当从用户n和从用户k同时使用信道m，则会干扰。I表示干扰矩阵；

A＝{a_n，m|a_n，m∈(0，1)}_N×M，当a_n，m＝1表示信道m分配给了从用户n，A表示分配矩阵。所有的A都满足干扰矩阵I的限制；

D_n，m表示从用户n的邻居节点使用信道m的个数；

G＝(S，E_I，V_U)中，S表示认知用户，共有N个顶点；E_I表示两个顶点间的边，即代表干扰关系，当i_n，k，m＝1，从用户n和从用户k之间存在着一条m色的边；V_U表示从用户n可以使用的信道和每个信道的效用值；

r表示主用户有效传输半径；

d_min，d_max分别表示从用户最小和最大传输半径；

label_n表示标记用户；

color_n表示标记的颜色，即所分配的信道；

F_x(.)表示主用户空闲时间的累积分布函数；

K_s代表从用户感知时间；

K_T代表从用户发包时间；

表示从用户感知信道后，主用户仍然处于空闲的概率；

表示从用户发送数据后，主用户仍然处于空闲的概率；

I_max表示信道划分时隙数；

C表示单位时间的惩罚因子；

R表示从用户成功发送数据的奖励因子；

A＝{a_t：1(Transmit)，0(Sense)}表示从用户的行为空间；

δ^S∈{I(Sensin g IDLE)，B(Sensin g BUSY)}表示从用户感知行为；

δ^T∈{A(ACK)，N(NACK)}表示从用户发送数据接收到的反馈信息；

p_t表示主用户空闲的条件概率，即从用户发送数据的概率；

P_f表示从用户的误报概率；

P_d表示从用户的检测概率；

γ₀表示从用户未与主用户发生碰撞，但收到NACK的条件概率；

γ₁表示从用户与主用户发生碰撞，收到NACK的条件概率；

Pr(δ^S＝I)从用户检测到信道时隙空闲的概率；

Pr(δ^S＝B)从用户检测到信道时隙忙的概率；

Pr(δ^T＝A)从用户成功发送数据的概率；

Pr(δ^T＝N)从用户未成功发送数据的概率；

t^*从用户发送数据的截止时间；

E(t，p)表示从用户的效用值；

L(t，p)表示从用户感知监听信道的效用值；

M(t，p)表示从用户发送数据的效用值；

end_time表示可用信道最终可用时隙的最大值，也就是截止时隙，end_time≤T^*；

number_SU表示从用户的剩余包数；当number_SU为0或者接入时隙到达end_time，停止切换；

begin_time表示从用户每次接入信道的的初始时隙；

last_time表示从用户每次接入信道截止时隙；

T表示从用户每次连续发送数据所占用的时隙数；

effec_time_ratio表示信道有效时隙利用率；

表示从用户发送数据时的碰撞概率；

CR_amount transmission time表示从用户传输数据所占时隙数；

Total_communication_time从用户总共花费时隙数。

本发明的有益效果：

尽管现在已有多种方法对动态频谱接入进行了研究，但是本发明提出的方法从网络级全面地、认知地考虑信道分配、信道接入和信道切换的动态频谱接入问题，所提方法更全面和符合实际。本发明通过图论分析方法解决了网络级的信道动态分配问题，主要是考虑主从用户间的距离来进行信道分配；假设信道空闲时隙的概率密度函数来解决信道的复用，提高了信道的利用率，也更贴近实际运用，并且通过调节参数P_f，P_d，γ₀，γ₁来模拟理想和非理想的情况；最后提出了一个基于碰撞门限的信道切换模型，通过该模型能很好的保护主用户的性能，并使从用户能最大可能的减少切换次数。

附图说明

图1为本发明的主程序流程图；

图2为本发明建立的网络节点分布图；

图3为本发明网络级的基于图论着色理论的模型图；

图4为本发明的着色模型信道分配方法的程序流程图；

图5为本发明的关于信道时隙划分的理论分析图；

图6为本发明时隙空闲概率门限值的示意图；

图7为本发明理想情况下时隙空闲概率门限值的示意图；

图8为本发明非理想情况下时隙空闲概率门限值的示意图；

图9为本发明帕累托分布理想情况下碰撞概率的示意图；

图10为本发明的信道接入方法的程序流程图；

图11为本发明的信道切换模型图；

图12为本发明的信道切换方法的程序流程图；

图13为本发明的从用户个数与切换次数的关系图；

图14为本发明的从用户个数与感知次数的关系图；

图15为本发明的从用户个数与时隙浪费率的关系图。

具体实施方式

下面结合附图和具体实施方式对本发明作进一步地详细说明。

一种具有网络认知能力的动态频谱接入方法，包括如下步骤：

首先研究网络级的基于图论着色理论的信道分配方法，解决了网络级的多用户多信道的信道分配的问题，即做到了频分复用；其次在假设信道空闲时隙服从某种分布的基础上，研究了基于二状态的马尔科夫模型，同时分别讨论了理想情况和非理想情况的频谱感知的结果，做到时分复用，提高了信道的利用率；最后分析了信道切换的问题，在主从用户碰撞概率一定的情况下进行信道切换，最大可能的利用了信道时隙，降低了切换次数。

步骤一：信道分配

在研究信道动态频谱接入的问题之前，必须先解决信道的动态分配问题，只有分配了信道，才有信道接入。本发明是网络级的基于图论着色理论的合作的分布式信道分配方法，通过都多个从用户之间相互交换分配信息、协商信道分配，合力达到全局最优的信道分配目的。

可用频谱被分割成一系列频带，这些频带在带宽和发送范围上各不相同，这些频带即为信道；每个信道都完全正交，从用户同时能够使用多条信道；当几个用户同时使用同一个信道，就会造成冲突和干扰；所有的用户的位置都是固定不变的；

步骤A：将整个认知无线电网络抽象成一个模型图G＝(S，E_I，V_U)，信道分配过程用图论着色模型建模；S为顶点，表示从用户个数，共有N个；E_I表示两个顶点间的边，即代表干扰关系，当i_n，k，m＝1，从用户n和从用户k使用信道m会互相干扰，这就意味着从用户n和从用户k之间存在着一条m色的边，不同颜色代表不同信道；V_U表示从用户n能够使用的信道和每个信道的效用值；

步骤B：计算主用户和从用户之间的距离，根据距离大小，分配给从用户可用信道，形成可用信道矩阵V；本发明认为，主从用户之间距离越大，相互之间影响越小。此时考虑可用信道是建立在主从用户的距离的基础之上，并没有考虑主用户使用信道的活跃程度。如果主用户使用的信道的时间过长，即使主从用户间的距离很大，从用户使用该信道也会对主用户造成干扰。因此，可用信道矩阵V还必须和信道空闲状况相结合，这在信道接入中会补充。

步骤C：根据主从用户间的距离产生效用矩阵；相互间距离越大，从用户使用信道的效用值越高。本发明认为利用效用值可以使从用户倾向于优先选择与从用户相隔较远距离的主用户所使用的信道，从而保护主用户的性能。但是，此时的定义的效用值并不完善，因为信道是否能被从用户使用不仅仅取决于距离，还和信道的空闲状况有关。因此，效用值在信道接入中还会补充。

步骤D：计算两个从用户之间的距离，根据距离的大小判断是否存在干扰关系，结合信道矩阵V产生干扰矩阵I；当两从用户距离小于门限值，使用同一信道就会对双方造成干扰；

步骤E：根据不同规则进行信道分配：

令A＝u_n，m/(D_n，m+1)，B＝a_n，m×u_n，m，

CMSB规则，在考虑对邻居节点干扰下的最大信道效用准则：

$\mathrm{cmsb}\_{\mathrm{label}}_n=\underset{m\&Element;v_n}{\max }A,---\left(1\right)$

cmsb_color_n＝arg cmsb_label_n

NMSB准则，不考虑对邻居节点干扰下的最大信道效用准则：

$\mathrm{nmsb}\_{\mathrm{label}}_n=\underset{m\&Element;v_n}{\max }{u}_{n,m}---\left(2\right)$

nmsb_color_n＝arg nmsb_label_n

CMMB准则，考虑邻居节点，平均分配信道的情况下提高最小信道效用准则：

$\mathrm{cmmb}\_{\mathrm{label}}_n=-\underset{m\&Element;v_n}{\max }B$

                                (3)

$\mathrm{cmmb}\_{\mathrm{color}}_n=-\arg \frac{\mathrm{cmmb}\_{\mathrm{label}}_n*A}{B}$

CMPF准则，协作最大化信道分配公平性准则：

$\mathrm{cmpf}\_{\mathrm{label}}_n=\frac{{\max }_{m\&Element;v_n}A}{{\mathrm{\&Sigma;}}_{m=0}^{m=M-1}B}---\left(4\right)$

$\mathrm{cmpf}\_{\mathrm{color}}_n=\arg (\mathrm{cmpf}\_{\mathrm{label}}_n*{\mathrm{\&Sigma;}}_{m=0}^{m=M-1}B)$

NMPF准则，非协作最大化信道分配公平性准则：

$\mathrm{nmpf}\_{\mathrm{label}}_n=\frac{{\max }_{m\&Element;v_n}{u}_{n,m}}{{\mathrm{\&Sigma;}}_{m=0}^{m=M-1}B}---\left(5\right)$

$\mathrm{nmpf}\_{\mathrm{color}}_n=\arg (\mathrm{nmpf}\_{\mathrm{label}}_n*{\mathrm{\&Sigma;}}_{m=0}^{m=M-1}B)$

步骤F：根据所选准则进行节点标记和信道分配后，删除标记节点，将该节点的邻居节点的可用信道矩阵和信道效用矩阵更新，更新网络拓扑；

步骤G：判断邻居节点可用信道矩阵是否为空，若为空则判断算法结束，否则，转去执行步骤E；

步骤二：信道接入

在认知无线电网络中，从用户充分利用主用户未使用的信道，即从用户要机会的利用分配给主用户的信道的空闲时隙；利用二状态的马尔科夫模型，使用信道的主用户不考虑从用户的存在，这与现实生活场景十分吻合。

本发明假设信道空闲时隙服从帕累托分布。之所以选择帕累托分布，是因为现在网络流量的数字特征呈现出自相似性，具有很强的长相关特点，表现出明显的重尾分布特征；更重要的是，在新的3G和4G网络中，非语音流量逐渐增长，并且成为主要的网络行为，重尾分布特征越来越突出。由于网络行为的重尾分布，必然导致网络空闲时隙也服从重尾分布，而帕累托分布能准确地描述这种重尾分布特征。

步骤A：在步骤一的假设下，进一步假设信道分为若干个时隙，每个时隙均相互独立；主用户采用时分复用的方式使用这些时隙进行通信，从用户感知空闲时隙并进行数据发送；

步骤B：假设信道空闲时隙服从帕累托分布，公式如下：

p(x)＝bk^bt^-b-1；0＜k≤t

$F\left(x\right)=P[X<t]=1-{\left(\frac{k}{t}\right)}^b---\left(6\right)$

公式(6)分别表示了帕累托分布的概率密度函数和累积分布函数；b是帕累托分布的尾部指数，k是随机变量x可以取到的最小值；计算从用户感知和发送数据后，信道的时隙仍然是空闲的概率：

$g_t^S={\left(\frac{I_{\max }-t+1}{I_{\max }-t+K_S+1}\right)}^b$

$g_t^T={\left(\frac{I_{\max }-t+1}{I_{\max }-t+K_T+1}\right)}^b---\left(7\right)$

从公式可以看出，每个时隙的空闲与否与从用户无关，主用户使用时隙时不用考虑从用户的存在；

步骤C：根据以下公式计算时隙空闲概率门限值及其对应的效用值：

步骤C-1：计算每个时隙从用户感知和发送对应的4种不同结果的概率；

当从用户感知检测信道时，即a_t＝0，此时对应的结果有2个，分别是信道空闲和信道忙，分别用Pr(δ^S＝I)和Pr(δ^S＝B)表示观测结果的概率，利用贝叶斯公式可以有以下结果：

$g_t^s=\left\{\begin{array}{c}\frac{(1-P_d)*\mathrm{Pr}({\mathrm{\&delta;}}^S=I)}{p_t[1-P_f-\mathrm{Pr}({\mathrm{\&delta;}}^S=I)*(P_d-P_f)]}\\ \frac{\mathrm{Pr}({\mathrm{\&delta;}}^S=B)P_d}{p_t[1-\mathrm{Pr}({\mathrm{\&delta;}}^S=B)*(P_d-P_f)]}\end{array}\right.---\left(8\right)$

从公式可以看出，从用户感知观测的结果不同，计算出的

就不同，根据前面已有的公式，可以确定Pr(δ^S＝I)和Pr(δ^S＝B)的值；

当从用户进行发送数据时，即a_t＝1，也有2种不同结果，即从用户成功发送数据和从用户未成功发送数据；两种结果的概率我们用Pr(δ^T＝A)和Pr(δ^T＝N)表示，利用贝叶斯公式有如下结果：

$g_t^T=\left\{\begin{array}{c}\frac{\left({1-\mathrm{\&gamma;}}_1\right)*\mathrm{Pr}({\mathrm{\&delta;}}^T=A)}{p_t[1-{\mathrm{\&gamma;}}_0-\mathrm{Pr}({\mathrm{\&delta;}}^T=A)*({\mathrm{\&gamma;}}_1-{\mathrm{\&gamma;}}_0)]}\\ \frac{\mathrm{Pr}({\mathrm{\&delta;}}^T=N){\mathrm{\&gamma;}}_1}{p_t[1-\mathrm{Pr}({\mathrm{\&delta;}}^T=N)*({\mathrm{\&gamma;}}_1-{\mathrm{\&gamma;}}_0)]}\end{array}\right.---\left(9\right)$

从公式可以看出，从用户发送数据结果的不同，计算出的

就不同，根据前面已有的公式，可以确定Pr(δ^T＝A)和Pr(δ^T＝N)的值；

这里存在几个假设：

(a)、从用户在进行频谱感知时，感知的结果有两个：时隙忙和时隙空闲；理想情况下，从用户每次感知的结果均能正确的反应时隙的状态，但是在现实场景中不可能做到无误差的感知检测，因此本发明提出了2个参数：P_f和P_d；P_f表示从用户的误报概率，P_d表示从用户的检测概率；

(b)、当从用户检测到时隙空闲的时候，从用户要进行数据发送，数据发送有成功和不成功两个结果；要求每次数据发送成功后，从用户接收端反馈给发射端ACK信号，发送不成功反馈NACK信号；但是，无线信道具有时变性，反馈的ACK和NACK信号有可能在信道传输过程中丢失，因此，提出2个参数：γ₀和γ₁；γ₀表示从用户未与主用户发生碰撞，但收到NACK的条件概率；γ₁表示从用户与主用户发生碰撞，收到NACK的条件概率；

通过这4个参数，结合概率论可以很好的模拟现实信道中的各种情况；结合贝叶斯公式，二状态马尔科夫模型，计算从用户的4种行为的概率，如公式(8)、(9)所示；

步骤C-2：计算每个时隙不同空闲概率的期待效用值：

$r_t(p_t,1)=K_T[R*p_t{g}_t^T\left({1-\mathrm{\&gamma;}}_0\right)+(1-p_t{g}_t^T)*({R-\mathrm{\&gamma;}}_1*R-C)]---\left(10\right)$

当从用户成功发送数据时会给予奖励，当与主用户冲突时，从用户会被给予惩罚；奖励因子和惩罚因子分别是R和C；

步骤C-3：计算每个时隙不同空闲概率下，从用户感知检测和发送数据的效用值：

$E(t,p)=\underset{\left\{\mathrm{0,1}\right\}}{\max }\{L(t,p),M(t,p)\}---\left(11\right)$

$L(t,p)=\frac{p_t{g}_t^S\left({1-P}_f\right)}{p_t{g}_t^S(1-P_f)+\left({1-p}_t{g}_t^S\right)\left({1-P}_d\right)}E({t+K}_S,p_t+K_S)$

$+\frac{p_t{g}_t^S{P}_f}{p_t{g}_t^S{P}_f+(1-p_t{g}_t^S)P_d}E(t+K_S,p_t+K_S)$

                                    (12)

$M(t,p)=\frac{p_t{g}_t^S\left({1-\mathrm{\&gamma;}}_0\right)}{p_t{g}_t^S(1-{\mathrm{\&gamma;}}_0)+\left({1-p}_t{g}_t^S\right)\left({1-\mathrm{\&gamma;}}_1\right)}E({t+K}_T,p_t+K_T)$

$+\frac{p_t{g}_t^S{\mathrm{\&gamma;}}_0}{p_t{g}_t^S{\mathrm{\&gamma;}}_0+(1-p_t{g}_t^S){\mathrm{\&gamma;}}_1}E(t+K_T,p_t+K_T)+r_t(p_t,1)$

$g_{t^{*}}^T<\frac{C-\left({1-\mathrm{\&gamma;}}_1\right)R}{({\mathrm{\&gamma;}}_1-{\mathrm{\&gamma;}}_0)R+C}---\left(13\right)$

利用公式(12)计算从用户感知检测和发送数据的效用值，使两个效用值相等的空闲概率就是空闲概率门限值公式(13)给了一个可用时隙的限制性条件，可用时隙τ＜t^*；由公式(13)可以算出时隙的效用值；

步骤D：此效用值应该和步骤一中的步骤C计算出的信道效用值相结合；这样计算出的新的效用值既可以反映选择信道的效用，又可以反映选择时隙的效用；这是从用户做到频分复用和时分复用的关键；

步骤E：由公式(11)可以得出每个时隙的空闲概率门限值，当若干连续个时隙的空闲概率门限值小于该信道平均空闲概率，则该信道才可使用，并与步骤一中的步骤B结合；这样计算出来的可用信道避免了步骤1中进行信道分配的不足，还能降低主从用户的碰撞概率，保护住用户的性能，并且降低信道的切换概率。

步骤F：计算每个时隙的发送数据的碰撞概率值，定义碰撞率为从用户发送数据并且无ACK反馈信号的概率：

$P_{\mathrm{coll}}(t,p_t^{*})=\mathrm{Pr}[o^S=I]\&times;\mathrm{Pr}[o^T=N]---\left(14\right)$

步骤G：当时隙空闲概率门限值小于该信道平均空闲概率，并且当从用户发送数据时，每个时隙的碰撞概率值小于设定的碰撞门限值时，该时隙才可使用；主用户返回信道的概率随着时隙数增加而变大。因此，本发明将信道时隙的空闲概率和碰撞概率相结合，虽然降低了时隙的利用率但是明显的保护了主用的性能。

本发明不仅仅适用于帕累托分布，也适用于其他分布。例如，均匀分布，瑞利分布，高斯分布等。

步骤H：本发明认为从用户发送数据的时间越长，主用户返回信道的可能性就越大，也就是说

随着时隙t的增大而减小。假设信道的空闲时隙服从均匀分布，有如下公式：

$g_t^s=\frac{I_{\max }-(t+K_s-1)}{I_{\max }-(t-1)}$

                                (15)

$g_t^T=\frac{I_{\max }-(t+K_T-1)}{I_{\max }-(t-1)}$

分析均匀分布的

可以发现与帕累托分布的

有相似特性；

步骤I：将公式(15)带入公式(8)-(14)中，重复前面步骤，计算出均匀分布下的每个时隙的空闲概率门限值、碰撞概率值和效用值；

步骤三：信道切换

如果信道切换被触发并判决，要求其执行过程能够快速寻找并接入新的空闲信道或空闲时隙。特别是对于因授权用户遭受有害干扰而触发的信道切换，从用户需要立即退出并执行切换，否则会被强制中断，导致切换失败。

为了降低切换概率和强制中断概率，本发明提出了一种可用时隙预测机制，根据步骤2计算出每个从用户的可用信道的可用时隙，提前进行切换，避免了与主用户的碰撞冲突。具体步骤如下：

步骤A：根据步骤一中的步骤B和步骤二中的步骤E，从用户选择合适的信道，要求所选信道的第一个时隙是可被从用户使用；

步骤B：每次切换都切换到剩余可用时隙最多的信道，直到从用户数据发送完毕或者没有可用时隙用于发送数据；

number_SU＝number_SU-

                                            (16)

{(last_time-begin_time)/(T)}

begin_time＝begin_time+[(last_time

                                            (17)

-begin_time)/T]+1

步骤C：当从用户没有可用信道或者可用时隙时，重新进行频谱感知；

$\mathrm{effec}\_\mathrm{time}\_\mathrm{ratio}=\frac{\mathrm{CR}\_\mathrm{amount\; tr\; ansmission\; time}}{\mathrm{Total}\_\mathrm{communicat\; ion}\_\mathrm{time}}---\left(18\right)$

实施例

网络覆盖范围1000*1000m，网络中10个主用户任意分布，从用户个数从1增加到10，共有10个独立信道。如图2所示；本实施例采用一种具有网络认知能力的的动态频谱接入方法，如图1所示，步骤如下：

步骤一：信道切换

构建网络模型，任意生成从用户、主用户的位置，任意分配主用户使用的信道。可用频谱被分割成一系列频带，这些频带在带宽和发送范围上各不相同，这些频带即为信道。每个信道都完全正交，从用户可以使用多条信道。当几个用户在一定范围内，同时使用同一个信道，就会造成冲突和干扰。所有的用户的位置都是固定不变的。

步骤A：将整个认知无线电网络抽象成一个模型图G＝(S，E_I，V_U)，信道分配过程可用图论着色模型建模。S为顶点，表示从用户个数，共有N个；E_I表示两个顶点间的边，即代表干扰关系，当i_n，k，m＝1，从用户n和从用户k使用信道m会互相干扰，这就意味着从用户n和从用户k之间存在着一条m色的边，不同颜色代表不同信道；V_U表示从用户n可以使用的信道和每个信道的效用值。如图3所示，4个从用户使用3个信道，i_1，2，A＝1，D_2，A＝3。模型G可以有效地将实际问题抽象成数学问题。

步骤B：计算主用户和从用户之间的距离，当距离满足约束条件，则从用户可以利用主用户的信道，即可用信道矩阵V。当从用户过于靠近主用户的时候会对主用户造成干扰，过远时，不能对准确感知信道时隙的状况。在本实例中，假设r＝200m，d_max＝400m，d_min＝100m。当主从用户之间的距离与r的差值大于d_min时，信道可用；否则，信道不可用。在此步骤中，信道可用与否仅取决于主从用户间的距离，忽略了主用户的活跃程度，故考虑不是很全面，在信道接入步骤中会有改进。

步骤C：根据主从用户间的距离产生效用矩阵，即使从用户使用相同的信道，效用值也不相同；此效用值仅仅考虑了距离，未考虑信道空闲状况，因此效用值还要改进，下文会有说明。

步骤D：计算两个从用户之间的距离，依据距离的大小判断是否存在干扰关系，当两个从用户之间的距离小于干扰避免距离，并且两从用户还使用同一信道m，则两从用户关于信道m干扰。结合V产生可产生干扰矩阵I。在本实例中，从用户传输有效距离是(d_min，d_max)之间的任意数，当两从用户之间的距离小于两从用户的有效传输距离之和，则两个从用户使用同一信道存在干扰。

步骤E：根据不同规则进行信道分配；在本实例中，我们以CMSB准则为例，其他准则类似。

步骤G：根据CMSB准则进行节点标记和分配信道后，删除标记节点，更新网络拓扑。

步骤H：判断邻居节点可用信道矩阵是否为空，若为空则判断算法结束，否则，转去执行步骤E。当邻居节点矩阵为空集，表示所有从用户节点都已被标记，已经被分配信道。

具体过程如图4所示。

步骤二：信道接入

通过步骤1可以使每个从用户分配到合适的信道，从用户在选择信道接入时要考虑各种情况，最主要的考虑该信道是否被主用户正在使用。从图5可以看出，每个信道都被均匀的分为若干个时隙，每个时隙都可以发送数据，黑色部分表示主用户正在使用，白色部分为空闲时隙，从用户可以利用空闲时隙发送数据，并且在主用户使用该时隙前退出，不然就会发生碰撞，影响主用户的性能。

步骤A：在步骤一的假设下，进一步假设有信道若干个时隙，每个时隙均相互独立。主用户采用时分复用的方式使用这些时隙进行通信，从用户感知空闲时隙并进行数据发送；假设信道时隙服从二状态的马尔科夫模型。

步骤B：分别假设信道空闲时隙服从帕累托分布和均匀分布，计算从用户感知和发送数据后，信道时隙仍然是空闲的概率；公式中，F_x(.)表示主用户用户空闲时间的累积分布函数，K_s代表从用户感知时间，K_T代表从用户发包时间，I_max表示每个信道总共的时隙数。在本实例中，I_max为100，K_s，K_T可以任意改变。从公式可以看出，每个时隙的空闲与否与从用户无关，主用户使用时隙时不用考虑从用户的存在。因此，本发明是很符合实际的。

步骤C：计算每个时隙的空闲概率门限值和其对应的效用值；

当从用户成功发送数据会给予奖励，当与主用户冲突时，从用户会被给予惩罚。奖励因子和惩罚因子分别是R和C。本实例中R为1，C为10。通过调节R和C，可以有效的控制从用户发送数据的侵略性，保护主用户的性能，同时还能提高从用户的性能。

时隙的空闲概率不同，从用户的效用值也不相同。分别计算从用户在每个时隙的感知效用和发送数据效用。从图6可以看出，两个效用函数均是增函数，使两个效用函数值相等的的空闲概率就是空闲概率门限值。当空闲概率大于此概率，从用户可以发送数据，反之从用户感知监听信道。

步骤D：由公式(11)可以得出每个时隙的空闲概率门限值以及其对应的效用值，当若干连续个空闲概率门限值小于该信道平均空闲概率，则该信道才可使用，并与步骤一中得步骤B结合；计算该信道的效用值，并与步骤一中得步骤C结合。在本实例中，通过改变P_f，P_d，γ₀，γ₁的值，得到了不同的结果。如图7，8所示，分别表现了理想(P_f＝0，P_d＝1，γ₀＝0，γ₁＝1)和非理性(P_f＝0，P_d＝1，γ₀＝0.01，γ₁＝0.1)情况下的空闲概率门限值，从图中可以看出，感知时隙不同，门限值不同，感知时隙越短，感知次数越多，精确度越高，门限值就越低。可见，本发明能够很好的运用在理性和非理性情况。

步骤E：当空闲概率门限值小于该信道平均空闲概率，并且从用户发送数据时，每个时隙的碰撞概率值小于设定的碰撞门限值时，该时隙才可使用；如图9所示，本图表现的是信道空闲时隙服从帕累托分布并且理性情况下的碰撞概率曲线图，此曲线有明显的结构，在设定门限值时，可以很好的终止数据发送从而保护主用户的性能。

图10是信道接入算法的流程图。

步骤三：信道切换

如果信道切换被触发并判决，要求从用户能够快速寻找并接入新的空闲信道或空闲时隙。特别是对于因授权用户遭受有害干扰而触发的信道切换，从用户需要立即退出并执行切换，否则会被强制中断，导致切换失败。

为了降低切换概率和强制中断概率，本发明提出了一种阈值预测机制，根据步骤2计算出每个从用户的可用信道的可用时隙，提前进行切换，避免了与主用户的碰撞冲突。信道的时隙切换模型如图11所示。图12说明了本算法的流程图，具体步骤如下：

步骤A：根据步骤一中的步骤B和步骤二中得步骤E，从用户选择合适的信道，要求所选信道的第一个时隙是可被从用户使用。

步骤B：每次切换都切换到剩余可用时隙最多的信道，直到从用户数据发送完毕或者没有可用时隙用于发送数据。

步骤C：当从用户没有可用信道或者可用时隙时，重新进行频谱感知。

图13，图14，图15分别从三个方面描述了本实例的结果，从图中可以看出碰撞门限值减小，切换次数增加，感知次数增加，时隙利用率降低。这是由于碰撞门限值越大，主用户对碰撞容忍度越大，从用户就能更多机会的利用信道，从而提高时隙的利用率，降低感知次数和切换次数。将帕累托分布与均匀分布对比，可以发现均匀分布是一种理想情况下的结果，而帕累托分布通过调节尾部指数和碰撞门限值，能够近似到达均匀分布的结果，并且帕累托分布反映的情况更广。

Claims (4)

1.一种具有网络认知能力的动态频谱接入方法，其特征在于，包括如下步骤：

步骤一：信道分配，

可用频谱被分割成一系列频带，这些频带在带宽和发送范围上各不相同，这些频带即为信道；每个信道都完全正交，从用户同时能够使用多条信道；当几个用户同时使用同一个信道，就会造成冲突和干扰；所有的用户的位置都是固定不变的，通过网络级的基于图论着色理论的信道分配方法完成多用户多信道的分配；

步骤二：信道接入，

在认知无线电网络中，从用户充分利用主用户未使用的信道，即从用户要机会的利用分配给主用户的信道的空闲时隙；利用二状态的马尔科夫模型，使用信道的主用户不考虑从用户的存在，并且从用户能够利用主用户的空闲时隙完成通信；

步骤三：信道切换；

通过信道分配和信道接入模块，从用户能够分配到适合使用的信道和时隙，通过时隙空闲概率门限值和碰撞概率门限值的限制，使从用户能够在不同的信道和时隙进行切换；

步骤四：判断从用户数据是否发送完毕，若是，则执行步骤六；否则，转去执行步骤五；

步骤五：判断从用户是否有可用信道，若是，则转去执行步骤二；否则，执行步骤六；

步骤六：结束。

2.根据权利要求1所述的一种具有网络认知能力的动态频谱接入方法，其特征在于步骤一所述的信道分配，具体包括如下步骤：

步骤A：将整个认知无线电网络抽象成一个模型图G＝(S，E_I，V_U)，信道分配过程用图论着色模型建模；S为顶点，表示从用户个数，共有N个；E_I表示两个顶点间的边，即代表干扰关系，当i_n，k，m＝1，从用户n和从用户k使用信道m会互相干扰，这就意味着从用户n和从用户k之间存在着一条m色的边，不同颜色代表不同信道；V_U表示从用户n能够使用的信道和每个信道的效用值；

步骤B：计算主用户和从用户之间的距离，根据距离大小，分配给从用户可用信道，形成可用信道矩阵V；

步骤C：根据主从用户间的距离产生效用矩阵；

步骤D：计算两个从用户之间的距离，根据距离的大小判断是否存在干扰关系，结合信道矩阵V产生干扰矩阵I；当两从用户距离小于门限值，使用同一信道就会对双方造成干扰；

步骤E：根据不同规则进行信道分配：

令A＝u_n，m/(D_n，m+1)，B＝a_n，m×u_n，m，

CMSB规则，在考虑对邻居节点干扰下的最大信道效用准则：

$\mathrm{cmsb}\_{\mathrm{label}}_n=\underset{m\&Element;v_n}{\max }A,---\left(1\right)$

cmsb_color_n＝arg cmsb_label_n

NMSB准则，不考虑对邻居节点干扰下的最大信道效用准则：

$\mathrm{nmsb}\_{\mathrm{label}}_n=\underset{m\&Element;v_n}{\max }{u}_{n,m}---\left(2\right)$

nmsb_color_n＝arg nmsb_label_n

CMMB准则，考虑邻居节点，平均分配信道的情况下提高最小信道效用准则：

$\mathrm{cmmb}\_{\mathrm{label}}_n=-\underset{m\&Element;v_n}{\max }B$

                            (3)

$\mathrm{cmmb}\_{\mathrm{color}}_n=-\arg \frac{\mathrm{cmmb}\_{\mathrm{label}}_n*A}{B}$

CMPF准则，协作最大化信道分配公平性准则：

$\mathrm{cmpf}\_{\mathrm{label}}_n=\frac{{\max }_{m\&Element;v_n}A}{{\mathrm{\&Sigma;}}_{m=0}^{m=M-1}B}---\left(4\right)$

$\mathrm{cmpf}\_{\mathrm{color}}_n=\arg (\mathrm{cmpf}\_{\mathrm{label}}_n*{\mathrm{\&Sigma;}}_{m=0}^{m=M-1}B)$

NMPF准则，非协作最大化信道分配公平性准则：

$\mathrm{nmpf}\_{\mathrm{label}}_n=\frac{{\max }_{m\&Element;v_n}{u}_{n,m}}{{\mathrm{\&Sigma;}}_{m=0}^{m=M-1}B}---\left(5\right)$

$\mathrm{nmpf}\_{\mathrm{color}}_n=\arg (\mathrm{nmpf}\_{\mathrm{label}}_n*{\mathrm{\&Sigma;}}_{m=0}^{m=M-1}B)$

步骤F：根据所选准则进行节点标记和信道分配后，删除标记节点，将该节点的邻居节点的可用信道矩阵和信道效用矩阵更新，更新网络拓扑；

步骤G：判断邻居节点可用信道矩阵是否为空，若为空则判断算法结束，否则，转去执行步骤E。

3.根据权利要求1所述的一种具有网络认知能力的动态频谱接入方法，其特征在于步骤二所述的信道接入，具体包括如下步骤：

步骤A：在步骤一的假设下，进一步假设信道分为若干个时隙，每个时隙均相互独立；主用户采用时分复用的方式使用这些时隙进行通信，从用户感知空闲时隙并进行数据发送；

步骤B：假设信道空闲时隙服从帕累托分布，公式如下：

p(x)＝bk^bt^-b-1；0＜k≤t

$F\left(x\right)=P[X<t]=1-{\left(\frac{k}{t}\right)}^b---\left(6\right)$

公式(6)分别表示了帕累托分布的概率密度函数和累积分布函数；b是帕累托分布的尾部指数，k是随机变量x可以取到的最小值；计算从用户感知和发送数据后，信道的时隙仍然是空闲的概率：

$g_t^S={\left(\frac{I_{\max }-t+1}{I_{\max }-t+K_S+1}\right)}^b$

$g_t^T={\left(\frac{I_{\max }-t+1}{I_{\max }-t+K_T+1}\right)}^b---\left(7\right)$

从公式可以看出，每个时隙的空闲与否与从用户无关，主用户使用时隙时不用考虑从用户的存在；

步骤C：计算时隙空闲概率门限值及其对应的效用值：

步骤C-1：计算每个时隙从用户感知和发送对应的4种不同结果的概率；

当从用户感知检测信道时，即a_t＝0，此时对应的结果有2个，分别是信道空闲和信道忙，分别用Pr(δ^S＝I)和Pr(δ^S＝B)表示观测结果的概率，利用贝叶斯公式可以有以下结果：

$g_t^s=\left\{\begin{array}{c}\frac{(1-P_d)*\mathrm{Pr}({\mathrm{\&delta;}}^S=I)}{p_t[1-P_f-\mathrm{Pr}({\mathrm{\&delta;}}^S=I)*(P_d-P_f)]}\\ \frac{\mathrm{Pr}({\mathrm{\&delta;}}^S=B)P_d}{p_t[1-\mathrm{Pr}({\mathrm{\&delta;}}^S=B)*(P_d-P_f)]}\end{array}\right.---\left(8\right)$

从公式可以看出，从用户感知观测的结果不同，计算出的

就不同，根据前面已有的公式，可以确定Pr(δ^S＝I)和Pr(δ^S＝B)的值；

当从用户进行发送数据时，即a_t＝1，也有2种不同结果，即从用户成功发送数据和从用户未成功发送数据；两种结果的概率我们用Pr(δ^T＝A)和Pr(δ^T＝N)表示，利用贝叶斯公式有如下结果：

$g_t^T=\left\{\begin{array}{c}\frac{\left({1-\mathrm{\&gamma;}}_1\right)*\mathrm{Pr}({\mathrm{\&delta;}}^T=A)}{p_t[1-{\mathrm{\&gamma;}}_0-\mathrm{Pr}({\mathrm{\&delta;}}^T=A)*({\mathrm{\&gamma;}}_1-{\mathrm{\&gamma;}}_0)]}\\ \frac{\mathrm{Pr}({\mathrm{\&delta;}}^T=N){\mathrm{\&gamma;}}_1}{p_t[1-\mathrm{Pr}({\mathrm{\&delta;}}^T=N)*({\mathrm{\&gamma;}}_1-{\mathrm{\&gamma;}}_0)]}\end{array}\right.---\left(9\right)$

从公式可以看出，从用户发送数据结果的不同，计算出的

就不同，根据前面已有的公式，可以确定Pr(δ^T＝A)和Pr(δ^T＝N)的值；

这里存在几个假设：

(a)、从用户在进行频谱感知时，感知的结果有两个：时隙忙和时隙空闲；理想情况下，从用户每次感知的结果均能正确的反应时隙的状态，但是在现实场景中不可能做到无误差的感知检测，因此本发明提出了2个参数：P_f和P_d；P_f表示从用户的误报概率，P_d表示从用户的检测概率；

(b)、当从用户检测到时隙空闲的时候，从用户要进行数据发送，数据发送有成功和不成功两个结果；要求每次数据发送成功后，从用户接收端反馈给发射端ACK信号，发送不成功反馈NACK信号；但是，无线信道具有时变性，反馈的ACK和NACK信号有可能在信道传输过程中丢失，因此，提出2个参数：γ₀和γ₁；γ₀表示从用户未与主用户发生碰撞，但收到NACK的条件概率；γ₁表示从用户与主用户发生碰撞，收到NACK的条件概率；

通过这4个参数，结合概率论可以很好的模拟现实信道中的各种情况；结合贝叶斯公式，二状态马尔科夫模型，计算从用户的4种行为的概率，如公式(8)、(9)所示；

步骤C-2：计算每个时隙不同空闲概率的期待效用值：

$r_t(p_t,1)=K_T[R*p_t{g}_t^T\left({1-\mathrm{\&gamma;}}_0\right)+(1-p_t{g}_t^T)*({R-\mathrm{\&gamma;}}_1*R-C)]---\left(10\right)$

当从用户成功发送数据时会给予奖励，当与主用户冲突时，从用户会被给予惩罚；奖励因子和惩罚因子分别是R和C；

步骤C-3：计算每个时隙不同空闲概率下，从用户感知检测和发送数据的效用值：

$E(t,p)=\underset{\left\{\mathrm{0,1}\right\}}{\max }\{L(t,p),M(t,p)\}---\left(11\right)$

$L(t,p)=\frac{p_t{g}_t^S\left({1-P}_f\right)}{p_t{g}_t^S(1-P_f)+\left({1-p}_t{g}_t^S\right)\left({1-P}_d\right)}E({t+K}_S,p_t+K_S)$

$+\frac{p_t{g}_t^S{P}_f}{p_t{g}_t^S{P}_f+(1-p_t{g}_t^S)P_d}E(t+K_S,p_t+K_S)$

                                    (12)

$M(t,p)=\frac{p_t{g}_t^S\left({1-\mathrm{\&gamma;}}_0\right)}{p_t{g}_t^S(1-{\mathrm{\&gamma;}}_0)+\left({1-p}_t{g}_t^S\right)\left({1-\mathrm{\&gamma;}}_1\right)}E({t+K}_T,p_t+K_T)$

$+\frac{p_t{g}_t^S{\mathrm{\&gamma;}}_0}{p_t{g}_t^S{\mathrm{\&gamma;}}_0+(1-p_t{g}_t^S){\mathrm{\&gamma;}}_1}E(t+K_T,p_t+K_T)+r_t(p_t,1)$

$g_{t^{*}}^T<\frac{C-\left({1-\mathrm{\&gamma;}}_1\right)R}{({\mathrm{\&gamma;}}_1-{\mathrm{\&gamma;}}_0)R+C}---\left(13\right)$

利用公式(12)计算从用户感知检测和发送数据的效用值，使两个效用值相等的空闲概率就是空闲概率门限值

公式(13)给了一个可用时隙的限制性条件，可用时隙τ＜t^*；由公式(13)可以算出时隙的效用值；

步骤D：此效用值应该和步骤一中的步骤C计算出的信道效用值相结合；这样计算出的新的效用值既可以反映选择信道的效用，又可以反映选择时隙的效用；这是从用户做到频分复用和时分复用的关键；

步骤E：由公式(11)可以得出每个时隙的空闲概率门限值，当若干连续个时隙的空闲概率门限值小于该信道平均空闲概率，则该信道才可使用，并与步骤一中的步骤B结合；

步骤F：计算每个时隙的发送数据的碰撞概率值，定义碰撞率为从用户发送数据并且无ACK反馈信号的概率：

$P_{\mathrm{coll}}(t,p_t^{*})=\mathrm{Pr}[o^S=I]\&times;\mathrm{Pr}[o^T=N]---\left(14\right)$

步骤G：当时隙空闲概率门限值小于该信道平均空闲概率，并且当从用户发送数据时，每个时隙的碰撞概率值小于设定的碰撞门限值时，该时隙才可使用；

步骤H：假设信道的空闲时隙服从均匀分布，有如下公式：

$g_t^s=\frac{I_{\max }-(t+K_s-1)}{I_{\max }-(t-1)}$

                                (15)

$g_t^T=\frac{I_{\max }-(t+K_T-1)}{I_{\max }-(t-1)}$

分析均匀分布的

可以发现与帕累托分布的

有相似特性；

步骤I：将公式(15)带入公式(8)-(14)中，重复前面步骤，计算出均匀分布下的每个时隙的空闲概率门限值、碰撞概率值和效用值。

4.根据权利要求1所述的一种具有网络认知能力的动态频谱接入方法，其特征在于步骤三所述的信道切换，具体包括如下步骤：

步骤A：根据步骤一中的步骤B和步骤二中的步骤E，从用户选择合适的信道，要求所选信道的第一个时隙是可被从用户使用；

步骤B：每次切换都切换到剩余可用时隙最多的信道，直到从用户数据发送完毕或者没有可用时隙用于发送数据；

number_SU＝number_SU-

                                        (16)

{(last_time-begin_time)/(T)}

begin_time＝begin_time+[(last_time

                                            (17)

-begin_time)/T]+1

步骤C：当从用户没有可用信道或者可用时隙时，重新进行频谱感知；

$\mathrm{effec}\_\mathrm{time}\_\mathrm{ratio}=\frac{\mathrm{CR}\_\mathrm{amount\; tr\; ansmission\; time}}{\mathrm{Total}\_\mathrm{communicat\; ion}\_\mathrm{time}}---\left(18\right).$

Images