CN102316594B - 认知无线网络中跨层资源分配和分组调度的方法 - 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和分组调度的方法，该方法综合考虑了认知无线网络中的每个用户业务的优先级；等待分配频谱的次用户组成的缓冲池中的队列长度、分组超时情况；用户的最小速率需求；认知无线基站的发射功率上限等信息，依据改进的CHCRM算法统一对用户子载波分配、动态调制方式、多用户分组数据的服务顺序、功率及比特分配等MAC层和物理层的参数进行跨层配置，以实现对认知无线网络的跨层整体优化。降低了系统的平均时延，减小了系统丢包率。

Description

认知无线网络中跨层资源分配和分组调度的方法

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分配和分组调度的方法。

背景技术

第三代移动通信系统(3G，The 3rd Generation)始于20世纪90年代中后期，3G系统的主要特征是：提供更多的业务种类、前后向兼容性较好、全球无缝漫游、容量较大、高数据速率，高频谱利用率。其中，TD-SCDMA技术是中国独立制定的3G标准，TD-SCDMA技术具有系统容量大、频谱利用率高、抗干扰能力强等优点。TD-SCDMA技术同时运用了很多关键技术来支持其功能的实现。例如：智能天线技术、多用户检测技术、功率控制技术、动态信道分配、多载波技术、软件无线电技术。

3G系统相比2G虽然有很大的改进，但由于用户对多媒体业务以及高速率数据通信业务的旺盛需求和3G技术的自身局限性，导致3G系统仍然不能够满足用户不断增长的需求。移动通信系统仍然需要对数据传输速率、前后兼容性、频谱利用率、抗干扰性、传输质量、容量、系统部署灵活性等方面做较大的提高。

近年来，认知无线网络技术受到了业界和学术界的广泛关注和研究，被认为是下一代移动通信系统中应该具备的关键技术：随着无线通信业务需求的快速增长，无线频谱资源变得日益紧张。然而，现有的无线通信系统所采用的固定频谱分配机制(即把频谱分配给固定的授权用户或固定的业务)却使得频谱资源在时间和空间上不同程度地被闲置。为提高频谱利用率，解决频谱资源短缺，研究人员提出认知无线网络技术，认知无线网络是一个智能无线通信系统，它通过智能感知无线频谱环境，自动搜寻闲置频谱，并采用一定的学习和决策算法来适应地调整发射功率、载波频率、编码策略等参数，进而提高频谱利用率。

如图1所示，典型的认知无线网络是一个分层结构，其网络通信系统包括：核心网1000、接入网2000、用户设备3000、外部网络4000。其中用户设备3000包括若干个主用户设备3100、若干个次用户设备3200；接入网2000包括一个或多个无线网络子系统，每个无线网络子系统，包括一个或多个主用户基站2100，一个或多个次用户基站2200，一个或多个感知节点2300。该认知无线网络在接入网2000处对外通过主用户基站2100接入核心网1000，从而实现与外部网络4000通信；在接入网2000内部主要由认知无线基站2200、感知节点2300、主用户设备3100、次用户设备3200四部分构成，其中，主用户即授权用户，对无线环境中的频段拥有优先使用权。感知节点2300即大量部署在认知无线网络中的具有感知空闲频谱能力的传感器，它通过数据采集模块获取周围无线环境中的空闲频谱及信道质量等信息，并定期将该信息传送给基站。认知无线网络基站汇集感知节点传来的信息，将未被主用户占用的空闲频谱汇聚到一个频谱池，根据速率需求和信道状况进行动态调制，并分配给次用户使用。次用户即为非授权用户，次用户通过基站提供的资源分配信息动态改变使用的频谱，避免对主用户的通信造成干扰。基站收集感知节点传回的关于空闲频谱和信道状况的信息，并根据每个次用户的具体速率需求，统一对认知无线网络中的资源进行配置和管理。

认知无线网络的资源分配方法是认知无线网络技术研究中的一个关键问题。由于认知无线网络由大量的高密度分布的基站、感知节点和用户构成，资源分配需要充分考虑空闲载波数量、用户的速率需求、信道质量、误码率限制与发射功率等参数。但是随用户数量和子载波数量的增加，认知无线网络资源分配问题复杂度呈指数级增长，使得传统的资源分配方法无法满足多用户认知无线网络的需求。而且，由于认知无线网络的特点，其网络设备的功率、误码率以及计算复杂度受到限制，低于普通无线网络，在这种情况下，当前的无线网络资源分配方法无法保证认知无线网络的传输质量和网络性能，也难以提高网络的容量和传输速率。

发明内容

(一)要解决的技术问题

本发明针对认知无线网络中的资源分配方式的整体优化问题，同时在功率有限、分布式控制的条件下完成对多个目标用户的资源分配和调度任务，保证了认知无线网络的传输质量和网络性能，提高了网络的容量和传输速率。

(二)技术方案

本发明适用于分层结构的无线认知网络中，提出了认知无线网络中跨层资源分配和分组调度方法。具体地，本发明的方法包括步骤：

S1，感知节点通过数据采集模块获取小区中的子载波、时隙信息；并将这些信息定时传送给认知无线基站；

S2，根据每个次用户业务的具体情况，在用户的最小速率需求和认知无线基站的发射功率上限的限定下，统一进行迭代决策运算，并输出相应的调度决策信息；

S3，将调度决策信息发送给数据缓冲池，进行多用户分组数据的服务顺序的确定；

S4，在确定完多用户分组数据的服务顺序后，将每个用户待发送数据经过信道编码和交织，根据所述调度决策信息中包含的子载波分配决策信息，将用户数据分配到待发送帧中未被主用户占用的空闲时隙的空闲子载波上；

S5，系统中相邻的几个子载波组成资源块，根据所述调度决策信息中包含的功率及比特分配决策信息，对每个资源块进行相应阶数星座图的调制，完成本次跨层资源分配和分组调度。

优选地，步骤S2中，所述每个次用户业务的具体情况包括：每个次用户业务的优先级；等待分配频谱的次用户组成的缓冲池中的队列长度、分组超时情况。

优选地，设置一个循环周期，每隔一定的时间周期性地循环执行所述步骤S1-S5。

优选地，步骤S2中，在进行迭代决策运算之前，先随机地生成多个初始资源分配和分组调度方案集合P₀，并生成适应度函数。

优选地，步骤S2中，所述迭代决策运算的每次迭代运算过程为：

S201，将经过n次与n-1次迭代后形成的资源分配和分组调度方案集合P_n与P_n-1进行相加，得到集合D_n；

S202，将集合D_n中的元素进行随机配对，将每一对中两个分配方案的参数部分交换，得到集合D_n′；

S203，集合D_n′与P_n-1相加得到集合D_n″，分别求出集合D_n″中的每个分配方案的适应度函数值，从D_n″中选取适应度函数值较大的前若干个分配方案形成本次迭代运算的结果集合P_n+1。

优选地，对于有M个由多个子载波构成的子信道、每帧中有J个可用的通信时隙、K个等待资源分配和分组调度的次用户、最高符号速率为T bits/symbol的认知无线系统，资源分配和分组调度方案集合中的每个方案的矩阵表示为：

$(A,C)=\left[\begin{array}{cccc}(a_{\mathrm{1,1}},c_{\mathrm{1,1}})& (a_{\mathrm{1,2}},c_{\mathrm{1,2}})& ...& (a_{1,J},c_{1,J})\\ (a_{\mathrm{2,1}},c_{\mathrm{2,1}})& (a_{\mathrm{2,2}},c_{\mathrm{2,2}})& ...& (a_{2,J},c_{2,J})\\ .& .& & .\\ .& .& (a_{m,j},c_{m,j})& .\\ .& .& & .\\ (a_{M-\mathrm{1,1}},c_{M-\mathrm{1,1}})& (a_{M-\mathrm{1,2}},c_{M-\mathrm{1,2}})& ...& (a_{M-1,J},c_{M-1,J})\\ (a_{M,1},c_{M,1})& (a_{M,2},c_{M,2})& ...& (a_{M,J},c_{M,J})\end{array}\right]$

其中，a_m，j∈{1，2…K}，c_m，j∈{1，2…T}，(a_m，j，c_m，j)表示将第m个子信道的第j个时隙上的资源块以符号速率c_m，j bits/symbol分配给次用户a_m，j。

优选地，所述适应性函数为：

其中，P(A，C)表示资源分配和分组调度方案(A，C)所对应的发射功率，P_max为系统的最大发射功率，向量

为用户业务优先级的归一化向量，向量为队列长度和分组超时向量，向量

为次用户的速率向量，s_k为向量

中次用户k的速率，s_min为次用户的最低速率要求。

(三)有益效果

本发明提供了一种用于认知无线网络中的跨层资源分配与分组调度方法，该方法综合考虑了认知无线网络中的每个用户业务的优先级；等待分配频谱的次用户组成的缓冲池中的队列长度、分组超时情况；用户的最小速率需求；认知无线基站的发射功率上限等信息，统一对用户子载波分配、动态调制方式、多用户分组数据的服务顺序、功率及比特分配等MAC层和物理层的参数进行跨层配置，以实现对认知无线网络的跨层整体优化。降低了系统的平均时延，减小了系统丢包率。

附图说明

图1为认知无线网络中网络通信系统的体系结构示意图；

图2为资源分配与分组调度方法的单次分配流程；

图3为每个用户的平均包到达速率为0.5时，不同资源分配方法下的包平均时延随用户数目的变化情况；

图4为分别使用基于轮询算法、最大载干比算法的资源分配方法及跨层资源分配与分组调度方法，且用户平均包到达速率为0.5时丢包率随SNR的变化情况；

图5为当每个用户的速率需求为2.5时，系统吞吐量随用户数的变化情况。

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。

本发明提供了一种用于认知无线网络中的跨层资源分配与分组调度方法，该方法综合考虑了认知无线网络中各种业务需求，以实现对认知无线网络的跨层整体优化。具体地，该方法的一般流程为：

步骤1：感知节点通过数据采集模块获取小区中的子载波、时隙信息；并将这些信息定时传送给认知无线基站。

步骤2：所述认知无线基站根据每个次级用户业务的优先级；等待分配频谱的次用户组成的缓冲池中的队列长度、分组超时情况；用户的最小速率需求；认知无线基站的发射功率上限等信息，统一进行迭代决策运算，在到达指定次数的迭代运算后输出相应的调度决策信息(分别发送给相关执行模块来执行)。

步骤3：将调度决策信息发送给数据缓冲池，进行多用户分组数据的服务顺序的确定；完成后，每个用户待发送数据再经过信道编码和交织，送到子载波映射模块，根据所述调度决策信息中包含的子载波分配决策信息，将用户数据分配到待发送帧中未被主用户占用的空闲时隙的空闲子载波上；系统中相邻的几个子载波组成资源块，自适应调制模块根据所述调度决策信息中包含的功率及比特分配决策信息，对每个资源块进行相应阶数星座图的调制，完成本次跨层资源分配和分组调度。然后，经过一定时间以后开始进入下一个循环周期，重新从步骤1开始循环执行。

其中，在步骤2中，首先构建初始的资源分配与分组调度方案集合和适应度函数，随后进行迭代决策运算，在到达指定算法迭代次数后输出最终的决策信息。

具体地，在本发明中采用矩阵表示跨层资源分配与分组调度方案：假设认知无线系统中共有M个由多个子载波构成的子信道，每帧中有J个可用的通信时隙，K个等待资源分配和分组调度的次用户，最高符号速率为T bits/symbol。系统中每个子信道和时隙构成一个资源块，它是资源分配和分组调度的基本分配单位。采用CHCRM(CHCResource Management，CHC资源管理)算法(CHC是Eshelman于1991年提出的一种改进的遗传算法的缩写，前一C代表跨世代精英选择Cross generation elitism selection，H代表异物种重组Heterogeneous recombinant，后一C代表大变异Cataclysmic mutation)，认知无线系统中的资源分配与分组调度方案可以用式(1)所示的个体矩阵来表示：

$(A,C)=\left[\begin{array}{cccc}(a_{\mathrm{1,1}},c_{\mathrm{1,1}})& (a_{\mathrm{1,2}},c_{\mathrm{1,2}})& ...& (a_{1,J},c_{1,J})\\ (a_{\mathrm{2,1}},c_{\mathrm{2,1}})& (a_{\mathrm{2,2}},c_{\mathrm{2,2}})& ...& (a_{2,J},c_{2,J})\\ .& .& & .\\ .& .& (a_{m,j},c_{m,j})& .\\ .& .& & .\\ (a_{M-\mathrm{1,1}},c_{M-\mathrm{1,1}})& (a_{M-\mathrm{1,2}},c_{M-\mathrm{1,2}})& ...& (a_{M-1,J},c_{M-1,J})\\ (a_{M,1},c_{M,1})& (a_{M,2},c_{M,2})& ...& (a_{M,J},c_{M,J})\end{array}\right]---\left(1\right)$

其中，a_m，j∈{1，2…K}，c_m，j∈{1，2…T}，(a_m，j，c_m，j)表示将第m个子信道的第j个时隙上的资源块以符号速率c_m，j(单位bits/symbol)分配给次用户a_m，j。利用感知节点传来的信道状态及频谱分配信息配置个体矩阵，当主用户通信占用相应的资源块时，将资源分配和分组调度个体矩阵上相应位置的资源块的符号速率置零，以避免对主用户的通信造成干扰；同样，当发现有资源块所有频谱对所有次用户深衰落时，同样将该资源块的符号速率置零，以避免信道条件较差的资源块大量消耗发射机的功率。

对适应度函数进行设计时，所述适应度函数的输入参数包括：某一个子载波和时隙分配方案中的所有参数、每个用户业务的优先级；等待分配频谱的次用户组成的缓冲池中的队列长度、分组超时。所述适应度函数的输出参数是系统总传输速率大小和分组调度公平性的加权值，适应度函数用于评价分配方案的优劣程度，某个子载波和时隙分配方案的适应度函数的值的越大，表示该分配方案所带来的系统总传输速率和分组调度公平性越佳。同时，如果某个分配方案不满足本发明所指定的约束条件，则其适应度函数的值定为0，表示该分配方案无效。

针对拥有K个次用户的认知无线系统，首先根据每个用户业务的优先级进行量化。当K个次用户业务依优先级被量化为

其中，代表第k个次用户优先级的g_k有(g_k≥0)，对该式进行如式(2)所示的归一化，得到用户业务优先级的归一化向量，如式(3)。

(其中，g_max＝max(g₁，g₂，…g_K))     (2)

$\stackrel{\→}{E}={(e_1,e_2,...,e_k)}^{\′},$ (0≤e_k≤1)                    (3)

跨层资源分配与分组调度方案也综合考虑由等待分配频谱的次用户组成的缓冲池中的队列长度和分组超时情况。设缓冲池中有K个次用户，每个用户的分组最长队列长度为L，跨层资源分配与分组调度方案对队列长度和分组超时情况进行矩阵形式的量化。设第k个次用户的第l个分组的等待时间被量化为w_k，l，当队列中相应位置没有等待发送的分组时，将等待时间置零。分组越接近丢弃分组临界时间，w_k，l越大。根据以上原则，次用户的分组队列长度和分组超时情况量化为如式(4)形式的矩阵。

$W=\left[\begin{array}{cccc}{w}_{\mathrm{1,1}}& w_{\mathrm{1,2}}& ...& w_{1,L}\\ w_{\mathrm{2,1}}& w_{\mathrm{2,2}}& ...& w_{2,L}\\ .& & & .\\ .& & w_{k,l}& .\\ .& & & .\\ w_{K-\mathrm{1,1}}& w_{K-\mathrm{1,2}}& ...& w_{K-1,L}\\ w_{K,1}& w_{K,1}& ...& w_{K,L}\end{array}\right],$ (w_k，l≥0)                        (4)

根据次用户的数量，对队列长度和分组超时矩阵W按行求和，得到队列长度和分组超时向量，如式(5)所示。

$\stackrel{\→}{Q}=\left[\begin{array}{c}{q}_1\\ .\\ .\\ .\\ q_k\\ .\\ .\\ .\\ q_K\end{array}\right],$ $(q_k=\underset{l=1}{\overset{L}{\mathrm{\Σ}}}{w}_{k,l})---\left(5\right)$

根据式(1)所示的资源分配与分组调度方案的个体矩阵，对每个次用户进行符号速率加权，得到每个次用户的速率，如式(6)所示。

$\stackrel{\→}{S}=\left[\begin{array}{c}{s}_1\\ .\\ .\\ .\\ s_k\\ .\\ .\\ .\\ s_K\end{array}\right],$ $(s_k=\underset{m=1}{\overset{M}{\mathrm{\Σ}}}\underset{j=1}{\overset{J}{\mathrm{\Σ}}}{c}_{m,j},(a_{m,j}=k))---\left(6\right)$

根据用户业务的优先级、缓冲池中的队列长度和分组超时情况对速率进行修正，得到适应度函数，如式(7)所示。

$\mathrm{Fitness}(A,C)=\underset{k=1}{\overset{K}{\mathrm{\Σ}}}\stackrel{\→}{S}\·\stackrel{\→}{E}\·\stackrel{\→}{Q}---\left(7\right)$

由于系统发射功率有限，需要对适应度函数进行修正。当资源分配和分组调度方案(A，C)所对应的发射功率为P(A，C)时，需要确保分配方案不超过发射机的功率限制，由此得到第一个限制条件，如式(8)所示。

P(A，C)≤P_max                                (8)

当部分用户有严格的最小速率需求s_min时，添加第二个限制条件，如式(9)所示。

s_k≥s_min                                     (9)

由此得到了经过修正的适应度函数，如式(10)所示。

在了解上述资源分配与分组调度方案及适应度函数的定义之后，步骤2中首先根据步骤1获取的信息随机地生成多个初始资源分配与分组调度(具体涉及子载波和时隙分配)方案集合P₀，即多个以式(1)的形式表示的随机方案矩阵的集合。其中，集合P₀中方案的个数越多，则所产生的决策信息将有更大的概率接近最优解，但是程序运行时间将会较长；因而具体的方案个数在系统最优解和最佳性能间进行均衡考虑，至少应设为和系统中用户数目属于同一个数量级，也可由系统管理员预先设定。

随后按照如图2中示出的流程进行迭代运算的每一次分配决策运算。需要说明的是，在迭代运算过程中，每次迭代运算的结果都是一个由若干个子载波和时隙分配方案组成的集合，需经过n次迭代运算后形成的资源分配和分组调度方案为P_n(上述第一次随机生成的多个初始子载波和时隙分配方案组成的集合为P₀)。

迭代运算流程为：首先将经过n次与n-1次迭代后形成的资源分配和分组调度方案集合P_n与P_n-1进行相加，得到D_n(第一次运行时，由于P₁尚未产生，则直接使用P₀作为D₁)；然后将集合D_n中的元素进行随机配对，则每一对中都有2个子载波和时隙分配方案，设为V和V′，然后，通过轮询算法，随机选取V和V′中的一部分参数进行单点交叉，如下式所示：

交叉后的V和V′变为V″和V′″，集合D_n中全部元素随机配对并进行部分参数的单点交叉后结果为D_n′，然后再将D_n′与P_n-1进行相加，得到D_n″，对D_n″中的每个分配方案分别求出其适应度函数的值，然后，根据各分配方案的适应度函数值，对分配方案进行排序，再从D_n″中选择出前若干个适应度函数值较大的分配方案，得到本次迭代运算的结果P_n+1。选择出方案个数占方案总个数的比例会影响算法性能和收敛速度，过小的选择比例会使算法收敛缓慢，选择比例越大，新个体的产生速度就越快；但过大的选择比例会破坏原有的个体结构，使算法变成了完全的随机搜索过程，降低了算法的性能。因此，在实际算法运行过程中，一般根据经验或通过反复试验选取一个较优的选择比例，经过若干次试验，选择比例在四分之一到三分之一之间较佳。

在完成指定次数的迭代运算以后，从最终的集合中选取适应度函数值最大的那个子载波和时隙分配方案，作为最终决策信息。其中，指定迭代次数越大，求解出的分配方案的适应度值越大，程序运行时间也越长，造成时延增大，但是，当指定迭代次数达到某一阈值以后，随着迭代次数的增长，求解出的分配方案的适应度值的增长会越来越慢，所以，在不超出时延上限的情况下，指定迭代次数应该选取该阈值，经过若干次试验，该迭代次数的阈值通常为90次迭代到150次迭代之间。

本发明的方法中考虑了每个用户业务的优先级；等待分配频谱的次用户组成的缓冲池中的队列长度、分组超时情况；用户的最小速率需求；认知无线基站的发射功率上限等信息，统一对用户子载波分配、动态调制方式、多用户分组数据的服务顺序、功率及比特分配等MAC层和物理层的参数进行跨层配置，以实现对认知无线网络的跨层整体优化。

为了验证本发明的方法的实际性能，在仿真平台上分别测试比较了跨层资源分配与分组调度方法、基于轮询算法的资源分配方法及基于最大载干比算法的分配方法的性能。

假设系统带宽为30MHz，系统中共有2048个子载波，每个子载波频宽为15kHz，每25个子载波构成一个频宽为375kHz的子信道，允许的最高调制阶数为64QAM。系统帧长为10ms，每帧中有20个可供分配的通信时隙，每个时隙时长0.5ms，每个时隙包含7个OFDM符号，即每个时隙和子信道构成了一个0.5ms×375kHz的时频资源块作为资源分配和分组调度的基本单位。主用户会随机占用20％-70％的资源块用于通信，设次用户数为10，用户数据包到达服从泊松分布，误比特率为10^-4，非实时业务丢包时延为1s，实时业务丢包时延为0.2s。

图3为每个用户的平均包到达速率为0.5时，不同资源分配方法下的包平均时延随用户数目的变化情况。由图3可以看出，基于轮询算法的资源分配方法由于给每个用户分配相同数量的频谱资源，导致通信速率较高的用户频谱资源紧张，包的平均时延较大；而基于最大载干比算法的资源分配方法优先选择链路条件好的用户进行传输，没有考虑信道状况较差的用户速率需求，导致部分用户的通信时延较大，增大了系统的平均时延；跨层资源分配与分组调度方法综合考虑了用户业务的优先级、缓冲池中的队列长度和分组超时情况，相比前两种算法大大降低了系统的平均时延。

图4为分别使用基于轮询算法、最大载干比算法的资源分配方法及跨层资源分配与分组调度方法，且用户平均包到达速率为0.5时丢包率随信噪比SNR的变化情况。由图4可以看出，轮询算法由于未满足数据量较大用户的频谱需求，导致超时的用户分组较多，系统丢包率较高；而采用最大载干比算法时，信道状况不好的用户难以获得频谱资源，导致该数据包超时被丢弃，丢包率也偏高；跨层资源分配与分组调度方法结合用户的速率需求，考虑业务的实时性和非实时性需求，在系统丢包率上有较大的改善。

图5为当每个用户的速率需求为2.5时，系统吞吐量随用户数的变化情况。由图5可以看出，基于轮询算法的资源分配方法为每个用户分配了等量的频谱资源，但未结合用户的速率需求进行频谱资源的动态分配，系统吞吐量较低；相比轮循算法，基于EDF(EarliestDeadline First，最早截止时间优先)算法的资源分配方法虽然在一定程度上改善了系统的时延特性，考虑了用户的速率需求，但未结合每个用户的具体信道状况进行资源的动态调度，导致系统频谱利用率和吞吐量较低；跨层资源分配与分组调度方法不但综合考虑了每个用户的速率需求和信道状况，还考虑到了缓冲池中的队列长度和分组超时情况，使得系统的吞吐量相比前两种算法有较大改善。

仿真结果表明，采用跨层资源分配与分组调度方法的认知无线网络的性能比采用基于轮询算法的资源分配方法及基于最大载干比算法的分配方法有了明显的提高，跨层资源分配与分组调度方法综合考虑了用户业务的优先级、缓冲池中的队列长度和分组超时情况，相比其余两种算法大大降低了系统的平均时延。同时，跨层资源分配与分组调度方法结合用户的速率需求，考虑业务的实时性和非实时性需求，在系统丢包率上也有较大的改善。综上所述，本发明提供了一种用于认知无线网络中的跨层资源分配与分组调度方法，该方法综合考虑了认知无线网络中的每个用户业务的优先级；等待分配频谱的次用户组成的缓冲池中的队列长度、分组超时情况；用户的最小速率需求；认知无线基站的发射功率上限等信息，统一对用户子载波分配、动态调制方式、多用户分组数据的服务顺序、功率及比特分配等MAC层和物理层的参数进行跨层配置，以实现对认知无线网络的跨层整体优化。降低了系统的平均时延，减小了系统丢包率。

本领域的普通技术人员可以理解：实现以上实施例的全部或部分步骤可以通过DSP、FPGA、ASIC、CPU等相关微处理器及其相应外部设备来完成，该程序可以存储在一微处理器可读存储介质中，该程序在执行时，微处理器执行包括以上实施例的步骤；而前述存储介质包括：Flash、ROM、RAM、磁盘、光盘等各种可以存储程序代码的介质。

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 (6)

1.一种认知无线网络中跨层资源分配和分组调度的方法，其特征在于，该方法包括步骤：

S1，感知节点通过数据采集模块获取小区中的子载波、时隙信息；并将这些信息定时传送给认知无线基站；

S2，根据每个次用户业务的具体情况，在用户的最小速率需求和认知无线基站的发射功率上限的限定下，统一进行迭代决策运算，并输出相应的调度决策信息；具体包括：对于有M个由多个子载波构成的子信道、每帧中有J个可用的通信时隙、K个等待资源分配和分组调度的次用户、最高符号速率为Tbits/symbol的认知无线系统，资源分配和分组调度方案集合中的每个方案的矩阵表示为：

$(A,C)=\left[\begin{array}{cccc}(a_{\mathrm{1,1}},c_{\mathrm{1,1}})& (a_{\mathrm{1,2}},c_{\mathrm{1,2}})& ...& (a_{1,J},c_{1,J})\\ (a_{\mathrm{2,1}},c_{2,1})& (a_{\mathrm{2,2}},c_{\mathrm{2,2}})& ...& (a_{2,J},c_{2,J})\\ .& .& .& .\\ .& .& (a_{m,j},c_{m,j})& .\\ .& .& .& .\\ (a_{M-\mathrm{1,1}},c_{M-\mathrm{1,1}})& (a_{M-\mathrm{1,2}},c_{M-\mathrm{1,2}})& ...& (a_{M-1,J},c_{M-1,J})\\ (a_{M1,},c_{M,1})& (a_{M,2},c_{M,2})& ...& (a_{M,J},c_{M,j=J})\end{array}\right]$

其中，a_m,j∈{1,2LK},c_m,j∈{1,2LT}，(a_m,j,c_m,j)表示将第m个子信道的第j个时隙上的资源块以符号速率c_m,jbits/symbol分配给次用户a_m,j；

S3，将调度决策信息发送给数据缓冲池，进行多用户分组数据的服务顺序的确定；

S4，在确定完多用户分组数据的服务顺序后，将每个用户待发送数据经过信道编码和交织，根据所述调度决策信息中包含的子载波分配决策信息，将用户数据分配到待发送帧中未被主用户占用的空闲时隙的空闲子载波上；

S5，系统中相邻的几个子载波组成资源块，根据所述调度决策信息中包含的功率及比特分配决策信息，对每个资源块进行相应阶数星座图的调制，完成本次跨层资源分配和分组调度。

2.根据权利要求1所述的方法，其特征在于，步骤S2中，所述每个次用户业务的具体情况包括：每个次用户业务的优先级；等待分配频谱的次用户组成的缓冲池中的队列长度、分组超时情况。

3.根据权利要求1所述的方法，其特征在于，设置一个循环周期，每隔一定的时间周期性地循环执行所述步骤S1-S5。

4.根据权利要求1所述的方法，其特征在于，步骤S2中，在进行迭代决策运算之前，先随机地生成多个初始资源分配和分组调度方案集合P₀，并生成适应度函数。

5.根据权利要求4所述的方法，其特征在于，步骤S2中，所述迭代决策运算的每次迭代运算过程为：

S201，将经过n次与n-1次迭代后形成的资源分配和分组调度方案集合P_n与P_n-1进行相加，得到集合D_n；

S202，将集合D_n中的元素进行随机配对，将每一对中两个分配方案的参数部分交换，得到集合D_n'；

S203，集合D_n'与P_n-1相加得到集合D_n''，分别求出集合D_n''中的每个分配方案的适应度函数值，从D_n''中选取适应度函数值较大的前若干个分配方案形成本次迭代运算的结果集合P_n+1。

6.根据权利要求4或5所述的方法，其特征在于，所述适应度函数为：

其中，P(A,C)表示资源分配和分组调度方案(A,C)所对应的发射功率，P_max为系统的最大发射功率，向量为用户业务优先级的归一化向量，向量

为队列长度和分组超时向量，向量

为次用户的速率向量，s_k为向量

中次用户k的速率，s_min为次用户的最低速率要求。

Images