CN102547725B - 基于认知无线电的网络侧终端概率接入控制方法 - Google Patents

Abstract

<b>本发明公开了一种基于认知无线电的网络侧终端概率接入控制方法，其特征在于所述方法包括以下步骤：（</b><b>1</b><b>）网络侧终端联合接入控制管理器（</b><b>JACM</b><b>）获取所在区域覆盖网络（</b><b>RAN</b><b>）的属性参数以及对认知无线电终端用户（次用户，</b><b>SU</b><b>）的接入定价策略；（</b><b>2</b><b>）</b><b>根据网络属性和定价策略，利用随机动态规划方法，求得系统在任意可能的状态下，对</b><b>SU</b><b>的接入请求应采用的概率向量，该向量确定了</b><b>SU</b><b>接入每个</b><b>RAN</b><b>的概率；（</b><b>3</b><b>）根据接入概率向量，</b><b>JACM</b><b>执行概率接入控制算法。该方法创新度高，扩展性强，与相应的确定性接入控制算法相比，能极大地提高网络系统的收益，应用前景十分广阔。</b>

Description

基于认知无线电的网络侧终端概率接入控制方法

技术领域

本发明属于泛在网络无线资源管理领域，具体涉及一种网络侧终端接入控制方法，可用于解决多个认知用户终端同时发出网络接入请求时，由于缺少协调而造成的泛在网络资源浪费以及网络系统收益降低的问题。

背景技术

现有的大多数无线网络都是基于固定的频谱分配方案，即由相关政府部门将频段授权给持证人，允许其在一定地域范围内长期使用。据联邦通讯委员会(FederalCommunicationCommission，FCC)统计显示，相当大的无线授权频段未能充分利用，其时间地域使用率从15％到85％不等。随着近年来无线应用的井喷式增加使得对频谱资源的需求也急剧增长，但是可用的频谱资源却日趋紧张，为了缓解该状况，联合无线资源管理技术应运而生，该技术通过充分利用动态频谱分配技术以及联合无线资源管理技术来满足日益增长的无线通信需求。

认知无线电作为动态频谱分配的重要技术实现手段，通过智能感知周围的可用频段，间歇性地接入已授权频段来提高频谱利用率。具有认知功能的终端(Cognitiveterminal)能够根据周围的无线电环境自适应地调整工作频率、调制方式和发射功率等参数，在不干扰授权用户通信的前提下与其共享频谱。但当某一频谱上出现授权用户或信道质量恶化时，认知终端需要改变工作频谱，也就是进行频谱的移动。

2004年11月第一个基于认知无线电的无线标准IEEE802.22工作组成立，目标为：在不影响已有电视设备服务的前提下，使用广播电视频段为具有认知功能的非授权用户提供廉价的无线接入服务。IEEE802.22固定无线区域网络(WRAN)的市场定位为偏远或地形复杂的地区(这些区域铺设有线宽带通信系统非常困难，且开销也非常昂贵)，但适用范围并不局限于此，还包括单家庭住宅、多户住宅、SOHO、小型商行和校园等。

802.22系统工作在54-862MHz的VHF/UHF广播电视频段，是一种点到多点的网络，由一个基站(BS，BaseStation)控制蜂窝小区内的多个用户设备(CPEs，ConsumerPremiseEquipments)的媒体接入，通过下行链路向CPEs传输数据，CPEs通过上行链路向BS做出应答。本发明所述基站皆对应于认知无线电网络体系结构中的次基站，即只能机会式占用授权频段的基站。在泛在网络中，通信需求较密集的区域可通过多基站覆盖来提供通信保证，通过合理地请求接入控制算法可以使次用户以最大的概率接入网络获得服务同时又不影响主用户的服务体验，因而对于每一个来自SU的请求，BS将其分配至合适的RAN就显得至关重要。分配到一个RAN的SU请求过多，则会导致网络负载加重，更多的PU请求被阻挡在网络外；分配到一个RAN的SU请求过少，则会浪费频谱资源。

发明内容

本发明目的在于提供一种新颖的泛在网络下基于认知无线电的终端随机接入控制方法，有效地实现了多异构网络下的联合无线资源管理问题，明显提高网络系统由于允许接入次用户获得的收益。

为了解决现有多异构无线网络中存在的联合无线资源管理问题，本发明提供的技术方案是：

一种基于认知无线电的网络侧终端概率接入控制方法，其特征在于所述方法包括以下步骤：

(1)网络侧联合接入控制管理器(JointAccessControlManager，JACM)获取区域内各个无线接入网络(RadioAccessNetwork，RAN)的属性参数和次用户(SecondaryUser，SU)的接入定价策略；其中属性参数包括系统所包含的RAN集合各个RAN内主用户(PrimaryUser，PU)请求的泊松过程到达速率整个网络系统中次用户请求的泊松到达速率λ_s以及各个RAN的信道容量SU的接入定价策略为当系统在已有k个用户被服务时再接入一个SU请求所能获得的预期收益u_k；其中是第k个RAN中PU的到达速率，1≤k≤n；K_i是第i个RAN中PU被阻挡的损失，其中1≤i≤n；

(2)JACM根据RAN的属性参数和SU的接入定价策略将最优接入概率的求解问题抽象为平均状态最大收益的随机动态规划问题，通过建立Bellman方程组，并采用PolicyIteration方法对问题进行求解；在系统所有可能的状态为的情况下，获取最优接入概率向量集合该概率向量集合确定了系统在各种可能状态下接入每个RAN的概率；

(3)网络侧基站(BaseStation，BS)根据最优接入概率向量集合执行概率接入控制；

所述方法步骤(2)中根据各RAN负载状态的不同，将系统划分为h个状态集合：或根据系统总负载的状态，可将系统划分为c个状态集合：中每个元素S_i是的一个子集且该子集中所有元素Q_j表示系统中所有RAN负载和为i。

所述方法步骤(2)中建立的Bellman方程组如下：

当n＝0，1...，c-1时，

当n＝c时， $J^{*}=-{\mathrm{\&Sigma;}}_{i=1}^n{\mathrm{\&lambda;}}_{p_i}{K}_i+h(c-1)\frac{c}{v};$

其中，为接入概率向量动作集，为当系统负载为n时集合S_n中各个状态{Q₁，Q₂，…}的概率分布，为PU到达速率以及系统负载为n时次用户到达速率之和，v用于对系统状态转移概率进行归一化且 $v={\mathrm{\&lambda;}}_s\left(0\right)+{\mathrm{\&Sigma;}}_{i=1}^n{\mathrm{\&lambda;}}_{p_i}+c.$

优选的，所述方法步骤(2)中按照：

计算系统在每个状态S_i下的收益函数其中，g₁为SU接入RAN时根据当时系统定价产生的收益，该部分收益可由SU的到达速率与定价值之积计算；g₂为PU被阻挡时产生的损失；g₃为SU被接入相对较拥挤的RAN时产生的拥挤损失；g₄为SU被接入某些ReluctantRAN时产生的额外收益，该收益用来对RAN进行优先级划分，收益大的RAN相较收益小的RAN更鼓励SU的接入。

优选的，所述方法步骤(3)中概率接入控制是将系统状态定义为Q＝(q₁，q₂，…，q_n)，其中q_i(1≤i≤n)表示当前N_i中处于忙碌状态的信道数，则在系统状态Q下定义接入概率向量 $T=(t_1,t_2,...,t_n),{\mathrm{\&Sigma;}}_{i=1}^n{t}_i=1,0\&le;t_i\&le;1,$ 其中t_i表示在当前系统状态下SU分配到N_i的概率。

优选的，所述方法步骤(3)中当一个接入请求到达BS时，BS首先检测当前系统是否有空闲信道；如果没有，则阻挡该请求；否则检测该请求来自PU还是SU；若来自PU，则BS检测该PU所属的RAN是否有空闲信道；有则接入，否则阻挡该PU；若请求来自SU，则根据接入概率向量集合将SU接入拥有空闲信道的RAN。

本发明提供了一种泛在网络下基于认知无线电的终端随机接入控制方法，其特征在于所述方法包括以下步骤：

(1)网络侧联合接入控制管理器(JointAccessControlManager，JACM)获取区域内各个无线接入网络(RadioAccessNetwork，RAN)的属性参数和SU的接入定价策略。网络的属性参数包括系统所包含的RAN集合各个RAN内PU请求的泊松过程到达速率整个网络系统中SU请求的泊松到达速率λ_s，以及各个RAN的信道容量SU的定价策略指当系统已有k个用户被服务时再接入一个SU请求所获得的预期收益u_k；

(2)JACM根据RAN参数和定价策略完成平均状态最大收益的随机动态规划问题建模，建立Bellman方程组，并采用PolicyIteration方法对问题进行求解，获取最优接入概率向量集合该概率向量集合确定了各种状态下接入每个RAN的概率；

(3)网络侧基站BS(BaseStation，BS)根据最优接入概率向量集合执行概率接入控制算法，使得系统由接入SU产生的收益最大化。

优选的，所述方法步骤(1)中网络属性参数包括系统所包含的RAN集合ReluctantRAN集合各个RAN接入SU时产生的Reluctant收益集合各个RAN内PU请求的泊松过程到达速率集合各个RAN内每个PU被阻挡时造成的损失集合整个网络系统中SU请求的泊松到达速率λ_s，以及各个RAN的信道容量SU的定价策略指当系统在已有k个用户被服务时再接入一个SU请求所获得的预期收益u(k)(下文中用u_k表示)。

优选的，所述方法步骤(2)中将系统状态定义为Q＝(q₁，q₂，…，q_n)，其中q_i(1≤i≤n)表示N_i中当前处于忙碌状态的信道数，则在系统状态Q下定义接入概率向量 $T=(t_1,t_2,...,t_n),{\mathrm{\&Sigma;}}_{i=1}^n{t}_i=1,0\&le;t_i\&le;1,$ 其中t_i表示在当前系统状态下将SU的接入请求分配到N_i的概率。

优选的，所述方法步骤(2)中根据系统总负载的状态，可将系统划分为c个状态集合：中每个元素S_i是的一个子集且该子集中所有元素Q_j表示系统中所有RAN负载和为i，即满足下述条件：

。

优选的，所述方法步骤(2)中按照：

计算系统在每个状态S_i下的收益函数其中，g₁为SU接入RAN时根据当时系统定价产生的收益，g₂为PU被阻挡时产生的损失，g₃为SU被接入相对较拥挤的RAN时产生的拥挤损失，g₄为SU被接入某些ReluctantRAN时产生的额外收益。

优选的，所述方法步骤(2)中按照如下方法建立Bellman方程组：

当n＝0，1，...，c-1时，

当n＝c时，

$J^{*}=-{\mathrm{\&Sigma;}}_{i=1}^n{\mathrm{\&lambda;}}_{p_i}{K}_i+h(c-1)\frac{c}{v}.$

其中，为接入概率向量动作集，为当系统负载为n时集合S_n中各个状态{Q₁，Q₂，…}的概率分布情况，为主用户到达速率以及系统负载为n时次用户到达速率之和，v用于对系统状态转移概率进行归一化且本发明采用PolicyIteration来求解Bellman方程组，当连续两次求解方程组中J*≠J′*时，获得最优的接入概率解集合

优选的，所述方法步骤(2)中按照PolicyIteration求解出的接入概率向量集合执行概率接入算法。当接入请求来自SU时，BS根据从RAN中分配一个空闲信道供SU使用。若接入请求来自PU且该PU所属的RAN中仍有空闲信道，则允许PU接入，否则阻挡。

本发明利用随机动态规划理论，结合动态频谱定价，将泛在网络下多网络无线资源的联合管理问题形式化为随机动态规划中的最大平均状态收益问题，并通过对Bellman方程组求解获得最优的接入概率向量集合。BS根据此概率向量集合对来自PU和SU的请求进行分配时，可使系统收益最大化，从而提高无线资源的利用效率。该方法具体可以按照如下步骤进行：

步骤一：JACM获取区域内各个RAN的属性参数和SU的接入定价策略，包括RAN集合Reluctant收益集合PU的泊松达到速率集合PU阻挡损失集合RAN信道容量集合当整个系统有k个用户正在被服务时接入一个SU的定价u_k。本发明假设PU和SU的到达过程符合泊松过程的特点，每个RAN的PU的泊松到达速率不变，SU的泊松到达速率是u_k的单调递减函数，所有请求的服务时间服从指数分布且平均服务时间为单位时间。集合用来描述各个RAN不适合服务SU的程度，即V_k的值越大，说明N_k越不适合服务SU。

步骤二：分别根据各个RAN的负载以及系统总负载划分两个状态集合和S：

，

且状态集合和的关系满足：

步骤三：在状态集合S基础上建立系统的生灭过程马尔可夫链(如图4所示)，其中 $v={\mathrm{\&lambda;}}_s\left(0\right)+\underset{\stackrel{\&CenterDot;}{i}=1}{\overset{n}{\&Sigma;}}{\mathrm{\&lambda;}}_{p_i}+c,{\mathrm{\&lambda;}}_{S_i}={\mathrm{\&lambda;}}_s\left(u_i\right)+{\mathrm{\&Sigma;}}_{j=1}^n{\mathrm{\&lambda;}}_{p_j}.$

步骤四：若系统处于状态当随机接入概率 $T_i=\{T_{i_1},{T_i}_{{}_2},...\},T_{i_k}=(t_1,t_2,...,t_n)$ 确定时，系统处于状态 $S_{i+1}=\{Q_{{(i+1)}_1},Q_{{(i+1)}_2},...\}$ 的各个RAN负载状态分别满足的概率可解，详细求解方法可参见下文实例。

步骤五：计算系统处于状态时的收益函数该收益函数是求解Bellman方程组时的重要中间计算结果。收益函数由四部分组成：

(1)SU接入RAN时根据当时系统定价产生的收益。该部分收益可由SU的到达速率与定价值之积计算，表示为g₁＝λ_s(u_i)u_i。

(2)PU被阻挡时产生的损失，表示为

对于每个属于S_i的系统状态向量根据处于该状态的概率p_j计算每个RAN中PU被阻挡的损失l_k为一个0-1变量，它满足：

$l_k=\left\{\begin{array}{ccc}0& if& q_{j_k}<C_k\\ 1& if& q_{j_k}=C_k\end{array}\right.,1\&le;k\&le;n.$

K_k表示在N_k中每个PU被阻挡时造成的损失。

(3)SU被接入相对较拥挤的RAN时产生的拥挤损失，表示为：

$g_3=-{\mathrm{\&Sigma;}}_{Q_j\&Element;S_i,T_j}\left(p_j{\mathrm{\&Sigma;}}_{k=1}^n\right({\mathrm{\&alpha;}}^{r_k}{t}_{j_k}{\mathrm{\&lambda;}}_s\left(u_i\right)K_k\left)\right),$

其中参数0≤α≤1，r_k表示N_k中剩余空闲信道的数量，t_k是SU被接入N_k的接入概率。

(4)SU被接入某些ReluctantRAN时产生的额外收益，表示为：

$g_4={\mathrm{\&Sigma;}}_{Q_j\&Element;S_i,T_j}\left(p_j{\mathrm{\&Sigma;}}_{k=1}^n\right(t_{j_k}(1-t_{j_k}){\mathrm{\&lambda;}}_s\left(u_i\right)V_k\left)\right),$

其中V_k为每个SU接入N_k时产生的额外收入，为ReluctantRAN集合。当SU接入ReluctantRAN的概率较大时，该额外收益较小。

步骤六：建立Bellman方程组，并采用PolicyIteration对方程组进行求解接入概率向量集合当系统处于状态 $S_i=\{Q_{i_1},Q_{i_2},...\},0\&le;i\&le;c-1$ 时，随机接入概率 $T_i=\{T_{i_1},T_{i_2},...\},T_{i_k}=(t_1,t_2,...,t_n)$ 规定了当系统内各个RAN的负载满足时，SU应以的概率分配到各个RAN。

步骤七：BS根据接入概率向量集合分配所有SU请求。

相比于现有技术，本发明提供了一种基于认知无线电的网络侧终端概率接入控制方法，包括以下步骤：(1)网络侧终端联合接入控制管理器(JACM)获取所在区域覆盖网络(RAN)的属性参数以及对认知无线电终端用户(次用户，SU)的接入定价策略；(2)根据网络属性和定价策略，利用随机动态规划方法，求得系统在任意可能的状态下，对SU的接入请求应采用的概率向量，该向量确定了SU接入每个RAN的概率；(3)根据接入概率向量，JACM执行概率接入控制算法。该方法创新度高，扩展性强，与相应的确定性接入控制算法相比，能极大地提高网络系统的收益，应用前景十分广阔。

附图说明

下面结合附图及实施例对本发明作进一步描述：

图1为本发明无线区域网络架构示意图；

图2为本发明说明框图；

图3为本发明中随机接入算法流程图。

图4为本发明建立系统的生灭过程马尔可夫链的流程示意图；

图5为本发明实施例24小时仿真实验的系统收益结果图。

具体实施方式

以下结合具体实施例对上述方案做进一步说明。应理解，这些实施例是用于说明本发明而不限于限制本发明的范围。实施例中采用的实施条件可以根据具体厂家的条件做进一步调整，未注明的实施条件通常为常规实验中的条件。

实施例

本实施例的无线网络的架构如图1所示。当SU在多网络可接入区域(阴影区域)请求接入网络时，BS就面临着将该SU接入哪个RAN的问题，如果选择不当，很可能使得某些RAN网络拥堵，PU的阻挡概率上升，服务质量下降，同时其他RAN的频谱资源未能得到充分利用。本实施例可以尽可能地在不影响PU的条件下，充分利用珍贵的频谱资源，实现PU和SU之间的无线资源共享。

进行概率接入控制的过程具体如下：

步骤一：JACM获取区域内各个RAN的属性参数和SU的接入定价策略，包括RAN集合Reluctant收益集合PU的泊松达到速率集合PU阻挡损失集合RAN信道容量集合当整个系统有k个用户正在被服务时再接入一个SU的定价u_k＝5，即U＝{u₀＝5，u₁＝5，…，u₂₉＝5}，SU的泊松到达速率λ_s(u_k)＝10-u_k，各个RAN的接入概率动作集合为。

步骤二：分别根据各个RAN的负载以及系统总负载划分两个状态集合和S：

步骤三：在状态集合S基础上如图4所示建立系统的生灭过程马尔可夫链，其中

$v={\mathrm{\&lambda;}}_s\left(0\right)+\underset{i=1}{\overset{n}{\&Sigma;}}{\mathrm{\&lambda;}}_{p_i}+c=(10-0)+(2+4)+30=46$

${\mathrm{\&lambda;}}_{S_i}={\mathrm{\&lambda;}}_s\left(u_i\right)+\underset{j=1}{\overset{n}{\&Sigma;}}{\mathrm{\&lambda;}}_{p_j}=(10-u_{\stackrel{\&CenterDot;}{i}})+(2+4)=16-u_i.$

步骤四：系统处于状态S_i(0≤i≤29)时，若RAN负载状态分别满足的概率已知，使用属于随机接入概率动作集的接入概率向量 $T_{i_k}=(t_1,t_2)=(t_1,1-t_1)$ 可计算系统处于状态 $S_{i+1}=\{Q_{{(i+1)}_1},Q_{{(i+1)}_2},...\}$ 时，各RAN负载状态分别满足的概率为方便描述，现将P_i中的用符号表示，其含义是当系统处于状态S_i且N₁中有a个用户，N₂中有b个用户的概率，显然a+b＝i，故进一步简化为p_k(a，b)则当a＜10，b＜20时：

$\begin{array}{c}{p}_k(a+1,b)=p_k(a,b)(\frac{{\mathrm{\&lambda;}}_{p_1}}{{\mathrm{\&lambda;}}_{u_{a+b}}}+t_1\frac{{\mathrm{\&lambda;}}_s\left(u_{a+b}\right)}{{\mathrm{\&lambda;}}_{u_{a+b}}})\\ =p_k(a+1,b-1)(\frac{{\mathrm{\&lambda;}}_{p_2}}{{\mathrm{\&lambda;}}_{u_{a+b}}}+(1-t_1)\frac{{\mathrm{\&lambda;}}_s\left(u_{a+b}\right)}{{\mathrm{\&lambda;}}_{u_{a+b}}})\end{array},$

$\begin{array}{c}{p}_k(a,b+1)=p_k(a,b)(\frac{{\mathrm{\&lambda;}}_{p_2}}{{\mathrm{\&lambda;}}_{u_{a+b}}}+(1-t_1)\frac{{\mathrm{\&lambda;}}_s\left(u_{a+b}\right)}{{\mathrm{\&lambda;}}_{u_{a+b}}})\\ =p_k(a-1,b+1)(\frac{{\mathrm{\&lambda;}}_{p_1}}{{\mathrm{\&lambda;}}_{u_{a+b}}}+t_1\frac{{\mathrm{\&lambda;}}_s\left(u_{a+b}\right)}{{\mathrm{\&lambda;}}_{u_{a+b}}})\end{array}.$

当a＜10，b＝20时：

$p_k(a+1,b)=p_k(a,b)+p_k(a+1,b-1)(\frac{{\mathrm{\&lambda;}}_{p_2}}{{\mathrm{\&lambda;}}_{u_{a+b}}}+(1-t_1)\frac{{\mathrm{\&lambda;}}_s\left(u_{a+b}\right)}{{\mathrm{\&lambda;}}_{u_{a+b}}})\&CenterDot;$

当a＝10，b＜20时：

$p_k(a,b+1)=p_k(a,b)+p_k(a-1,b+1)(\frac{{\mathrm{\&lambda;}}_{p_1}}{{\mathrm{\&lambda;}}_{u_{a+b}}}+t_1\frac{{\mathrm{\&lambda;}}_s\left(u_{a+b}\right)}{{\mathrm{\&lambda;}}_{u_{a+b}}})\&CenterDot;$

按照如上公式，各RAN负载状态分别满足的概率可解，并在步骤五中用于收益函数的计算。

步骤五：计算系统处于状态时的收益函数该收益函数是求解Bellman方程组时的重要中间计算结果。收益函数由四部分组成：

(5)SU接入RAN时根据当时系统定价产生的收益。该部分收益可由SU的到达速率与定价值之积计算，表示为

(6)PU被阻挡时产生的损失，表示为

对于每个属于S_i的系统状态向量根据处于该状态的概率p_j计算每个RAN中PU被阻挡的损失，概率p_j已经在步骤四中求出。

(7)SU被接入相对较拥挤的RAN时产生的拥挤损失，表示为：

$g_3=-{\mathrm{\&Sigma;}}_{Q_j{\&Element;S}_i,T_j}\left(p_j{\mathrm{\&Sigma;}}_{k=1}^2\right({\mathrm{\&alpha;}}^{r_k}{t}_{j_k}{\mathrm{\&lambda;}}_s\left(u\right(i)\left)K_k\right)),$

其中参数α＝0.5，r_k表示N_k中剩余空闲信道的数量，t_k是SU被接入N_k的接入概率。

(8)SU被接入某些ReluctantRAN时产生的额外收益，表示为：

$g_4={\mathrm{\&Sigma;}}_{Q_j{\&Element;S}_i,T_j}\left(p_j{\mathrm{\&Sigma;}}_{k=1}^2\right(t_{j_k}(1-t_{j_k}){\mathrm{\&lambda;}}_s\left(u\right(i)\left)V_k\right)),$

其中V₁＝10，V₂＝0。

步骤六：建立Bellman方程组，并采用PolicyIteration对方程组进行求解接入概率向量集合

步骤七：BS根据接入概率向量集合分配所有SU请求。

为验证本发明改善系统收益的效果，本发明根据概率向量集合进行了24小时仿真实验，对系统收益进行统计。为对比采用概率接入控制(StochasticAccessControl)策略的效果，将接入概率向量集合归一化为确定性接入控制(DeterministicAccessControl)策略作为实验对照策略。即对中所有的向量若t＜0.5则否则实验结果如图5所示，实验结果表明，通过在BS端采用概率接入控制策略，系统的收益得到了近100％的提升。

上述实例只为说明本发明的技术构思及特点，其目的在于让熟悉此项技术的人是能够了解本发明的内容并据以实施，并不能以此限制本发明的保护范围。凡根据本发明精神实质所做的等效变换或修饰，都应涵盖在本发明的保护范围之内。

Claims (4)

1.一种基于认知无线电的网络侧终端概率接入控制方法，其特征在于所述方法包括以下步骤：

(1)网络侧联合接入控制管理器(JointAccessControlManager，JACM)获取区域内各个无线接入网络(RadioAccessNetwork，RAN)的属性参数和次用户(SecondaryUser，SU)的接入定价策略；其中属性参数包括系统所包含的RAN集合N_＝{N₁，N₂，…，N_n}、各个RAN内主用户(PrimaryUser，PU)请求的泊松过程到达速率λ＝{λ_p1，λ_p2，…，λ_pn}、整个网络系统中次用户请求的泊松到达速率λ_s以及各个RAN的信道容量C＝{C₁，C₂，…，C_n}；SU的接入定价策略为当系统在已有k个用户被服务时再接入一个SU请求所能获得的预期收益u_k；其中λ_pk是第k个RAN中PU的到达速率，1≤k≤n；K_i是第i个RAN中PU被阻挡的损失，其中1≤i≤n；

(2)JACM根据RAN的属性参数和SU的接入定价策略将最优接入概率的求解问题抽象为平均状态最大收益的随机动态规划问题，通过建立Bellman方程组，并采用PolicyIteration方法对问题进行求解；在系统所有可能的状态为Q＝{Q₁，Q₂，…，Q_h}，的情况下，获取最优接入概率向量集合T＝{T₁，T₂，…，T_h}，该概率向量集合确定了系统在各种可能状态下接入每个RAN的概率；

(3)网络侧基站(BaseStation，BS)根据最优接入概率向量集合T执行概率接入控制；

所述方法步骤(2)中根据各RAN负载状态的不同，将系统划分为h个状态集合：Q＝{Q₁，Q₂，…，Q_h}，或根据系统总负载的状态，可将系统划分为c个状态集合：S＝{S₀，S₁，…，S_c}，S中每个元素S_i是Q的一个子集且该子集中所有元素Q_j表示系统中所有RAN负载和为i；

所述方法步骤(2)中建立的Bellman方程组如下：

当n＝0，1，...，c-1时，

当n＝c时，

其中，为接入概率向量动作集，P_n＝(p_Q1，p_Q2，…)为当系统负载为n时集合S_n中各个状态{Q₁，Q₂，…}的概率分布，为PU到达速率以及系统负载为n时次用户到达速率之和，v用于对系统状态转移概率进行归一化且

2.根据权利要求1所述的方法，其特征在于，所述方法步骤(2)中按照：g(S_i，P_i，T)＝g₁+g₂+g₃+g₄

计算系统在每个状态S_i下的收益函数g(S_i，P_i，T)，其中，g₁为SU接入RAN时根据当时系统定价产生的收益，该部分收益可由SU的到达速率与定价值之积计算；g₂为PU被阻挡时产生的损失；g₃为SU被接入相对较拥挤的RAN时产生的拥挤损失；g₄为SU被接入某些ReluctantRAN时产生的额外收益，该收益用来对RAN进行优先级划分，收益大的RAN相较收益小的RAN更鼓励SU的接入。

3.根据权利要求1所述的方法，其特征在于，所述方法步骤(3)中概率接入控制是将系统状态定义为Q＝(q₁，q₂，…，q_n)，其中q_i(1≤i≤n)表示当前N_i中处于忙碌状态的信道数，则在系统状态Q下定义接入概率向量T＝(t₁，t₂，…，t_n)，0≤t_i≤1，其中t_i表示在当前系统状态下SU分配到N_i的概率。

4.根据权利要求1所述的方法，其特征在于，所述方法步骤(3)中当一个接入请求到达BS时，BS首先检测当前系统是否有空闲信道；如果没有，则阻挡该请求；否则检测该请求来自PU还是SU；若来自PU，则BS检测该PU所属的RAN是否有空闲信道；有则接入，否则阻挡该PU；若请求来自SU，则根据接入概率向量集合将SU接入拥有空闲信道的RAN。