CN102695176A - 一种认知无线电网络的动态频谱分配方法 - Google Patents
一种认知无线电网络的动态频谱分配方法 Download PDFInfo
- Publication number
- CN102695176A CN102695176A CN2012101811118A CN201210181111A CN102695176A CN 102695176 A CN102695176 A CN 102695176A CN 2012101811118 A CN2012101811118 A CN 2012101811118A CN 201210181111 A CN201210181111 A CN 201210181111A CN 102695176 A CN102695176 A CN 102695176A
- Authority
- CN
- China
- Prior art keywords
- cognitive
- cognitive user
- power
- user
- frequency spectrum
- 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.)
- Granted
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种认知无线电网络的动态频谱分配方法,首先,在认知无线电网络的密集型Ad hoc体系结构中,计算该网络中任一认知用户的发射机端在最优功率分布下,该认知用户对非己接收机端产生的总干扰;然后,通过计算认知无线电网络中的平均最大干扰功率以及实际测量的网络容量和理论网络容量之比,获得接入筛选阈值;通过比较总干扰以及接入筛选阈值,来判断是否允许该认知用户接入可用频谱。
Description
技术领域
本发明涉及认知无线电频谱分配领域,更具体地说,是涉及一种认知无线电网络的动态频谱分配方法。
背景技术
高速增长的宽带无线业务需求对无线网络提出了更高的要求,环境变化、需求差异、技术进步、业务增长、投资保护等因素造就了众多异构的无线网络子系统并存的局面,同时无线网络中普遍存在资源静态管理,条块分割使用等问题,使得可用资源分布高度不均衡、资源短缺和浪费共存、使用方式不能根据需求和环境的变化动态调整等矛盾日益尖锐,造成网络资源利用效率低下。这些问题已成为制约无线网络发展的主要瓶颈。这些现象的产生源于原有无线网络的设计思想:封闭式的静态网络工作模式。
认知无线电的出现拟解决固定频谱资源分配带来的频谱利用率低下的问题。认知无线电网络中的认知用户(即CR用户)通过频谱感知技术判断可用频段,使用频谱判决选择最佳的可用频段,继而采用频谱分配技术与其他用户协商接入最佳可用频段中进行通信。这要建立在已授权频段没用或只有很少的通信业务在活动的情况下。在频谱感知技术和频谱判决所选择的最佳可用频段的基础上,动态频谱分配技术可解决最佳可用频段如何被CR用户合理利用的问题,现如今相关研究都致力于两个主要目标,一是最大化网络中可用频谱效用;二是最小化用户间的总干扰。
认知无线电网络中可用频谱效用主要由认知无线电链路的传输速率决定,该传输速率由接收机接收到的信号干扰噪声比(SINR)决定的,而SINR又受现行认知无线电链路发射功率的影响。正由于发射功率在频谱效用中起到的这种重要作用,认知无线电链路根据当前网络参数动态地调整发射功率必然可以更有效地使用频谱。因此,提出了基于动态发射功率的动态频谱分配方法。
目前,虽然将非合作博弈、信息论等算法应用到基于动态发射功率的动态频谱分配方法中,有效提高了可用频谱的利用率,但CR用户间的总干扰并没有较为明显的减少。
发明内容
针对现有技术中存在的缺陷,本发明的目的是提供一种认知无线电网络的动态频谱分配方法。
为达到上述目的,本发明采用如下的技术方案:
一种认知无线电网络的动态频谱分配方法,该动态频谱分配方法包括以下步骤:
A.在认知无线电网络的密集型Ad ho c体系结构中,计算该网络中任一认知用户的发射机端在最优功率分布下,该认知用户对非己接收机端产生的总干扰;
B.通过计算认知无线电网络中的平均最大干扰功率以及实际测量的网络容量和理论网络容量之比,获得接入筛选阈值;
C.当步骤A中任一认知用户对非己接收机端产生的总干扰大于或等于步骤B的接入筛选阈值时,则不允许该认知用户接入可用频谱;
当步骤A中任一认知用户对非己接收机端产生的总干扰小于步骤B的接入筛选阈值时,则允许该认知用户接入可用频谱。
所述步骤A进一步包括以下步骤:
A1.在认知无线电网络中,任一认知用户在网络允许的最小发射功率以及最大发射功率范围内,计算该认知用户的频谱效用;
A2.任意给定t=0时刻的初始功率分布和代价函数值进行功率和代价异步牵制迭代算法;
A3.通过功率和代价函数的牵制关系,计算该认知用户发射机端的最优发射功率;
A4.计算该认知用户对其非己接收机端产生的总干扰。
所述步骤A1中任一认知用户的频谱效用为:
假设认知无线电网络中有M个认知用户,认知用户i的发射机与认知用户j的接收机之间的距离为dij,将认知用户i的发射机到认知用户j的接收机这段链路记为认知链路即CR链路(i,j),则根据只考虑链路损耗的信道模型,将CR链路(i,j)的增益定义为hij=1/dij α,其中,α为链路功率损耗指数,α≥2;
为认知用户i在接收机端的信号干扰噪声比;n0为背景噪声功率;B为可用频谱带宽;CR链路(i,i)的增益hii、CR链路(j,i)的增益hji,通常,hij≠hji;θi为CR用户i使用频谱的概率,满足 为M个认知用户的一组发射功率向量,且每个认知用户i的发射功率pi限制在[pi min,pi max]范围内,pi min和pi max分别为网络允许的最小和最大发射功率。
所述步骤B进一步包括以下步骤:
B1.当认知无线电网络中的每个认知用户在其发射机端以最大发射功率发射信号时,将每个认知用户的发射机对其非己接收机端的最大总干扰求和;
B2.将求和后的数值除以认知无线电网络中认知用户的个数,获得平均最大干扰功率;
B3.将平均最大干扰功率除以实际测量的网络容量和理论网络容量的比值,获得接入筛选阈值。
本发明的一种认知无线电网络的动态频谱分配方法适用于认知无线电网络Ad hoc体系结构,通过功率和代价异步牵制算法使每个CR用户的发射功率收敛于最优功率分布;然后通过接入筛选机制,计算出通过计算接入筛选阈值,将其与每个CR用户对其非己接收机端产生的总干扰相比较,从而决定可接入频谱进行通信的CR用户,达到了对网络频谱高效利用的情况下,有效降低CR用户间总干扰的目标。
本发明的一种认知无线电网络的动态频谱分配方法基于网络中的距离数据,选用以SINR为自变量的对数函数作为CR用户的频谱效用函数,通过发射功率和代价异步牵制算法,使得CR用户的发射功率收敛于最优功率分布。通过增设接入筛选机制,以计算出的接入筛选阈值作为比较依据,对CR用户接入频谱的情况进行筛选。
综上所述,本发明运用功率和代价异步牵制方法首先使CR用户的发射功率收敛于最优功率分布,再增设接入筛选机制阻止了干扰较大的CR用户接入频谱进行传输,在保证较高频谱效用的同时有效降低了CR用户间总干扰。相对于仅基于动态发射功率的动态频谱分配方法,该方法能更有效地降低CR用户间总干扰。
附图说明
图1为本发明的实施例的流程示意图。
具体实施方式
下面结合附图和实施例进一步说明本发明的技术方案。
请参阅图1所示的一种认知无线电网络的动态频谱分配方法,该动态频谱分配方法包括以下步骤:
A.在认知无线电网络的密集型Ad hoc体系结构中,计算该网络中任一认知用户的发射机端在最优功率分布下,该认知用户对非己接收机端产生的总干扰;
B.通过计算认知无线电网络中的平均最大干扰功率以及实际测量的网络容量和理论网络容量之比,获得接入筛选阈值;
C.当步骤A中任一认知用户对非己接收机端产生的总干扰大于或等于步骤B的接入筛选阈值时,则不允许该认知用户接入可用频谱;
当步骤A中任一认知用户对非己接收机端产生的总干扰小于步骤B的接入筛选阈值时,则允许该认知用户接入可用频谱。
所述步骤A进一步包括以下步骤:
A1.在认知无线电网络中,任一认知用户在网络允许的最小发射功率以及最大发射功率范围内,计算该认知用户的频谱效用;
A2.任意给定t=0时刻的初始功率分布和代价函数值进行功率和代价异步牵制迭代算法,如下式:
其中,t为迭代次数,i=1,2,…,M;当pi(t+1)-pi(t)<ε时,牵制迭代算法结束,ε为牵制精度。此时,每个CR用户在发射机端的发射功率将收敛于最优功率分布,从而最大化网络频谱效用。需要说明的是,其它参数的定义参照以下频谱效用公式的定义。
A3.通过功率和代价函数的牵制关系,计算该认知用户发射机端的最优发射功率;
A4.计算该认知用户对其非己接收机端产生的总干扰Ii为:
所述步骤A1中任一认知用户的频谱效用为:
假设认知无线电网络中有M个认知用户,认知用户i的发射机与认知用户j的接收机之间的距离为dij,将认知用户i的发射机到认知用户j的接收机这段链路记为CR链路(i,j),则根据只考虑链路损耗的信道模型,将CR链路(i,j)的增益定义为hij=1/dij α,其中,α为链路功率损耗指数,根据认知无线电网络和Ad hoc标度律,α≥2时是合理的。
为认知用户i在接收机端的信号干扰噪声比;n0为背景噪声功率;B为可用频谱带宽;CR链路(i,i)的增益hii、CR链路(j,i)的增益hji,通常,hij≠hji;θi为CR用户i使用频谱的概率,满足 为M个认知用户的一组发射功率向量,且每个认知用户i的发射功率pi限制在[pi min,pi max]范围内,pi min和pi max分别为网络允许的最小和最大发射功率。
所述步骤B进一步包括以下步骤:
B1.当认知无线电网络中的每个认知用户在其发射机端以最大发射功率发射信号时,将每个认知用户的发射机对其非己接收机端的最大总干扰求和;
B2.将求和后的数值除以认知无线电网络中认知用户的个数,获得平均最大干扰功率;
B3.将平均最大干扰功率除以实际测量的网络容量和理论网络容量的比值,获得接入筛选阈值。
为了更进一步说明上述的步骤B,现展开如下:
a.一方面,CR用户i发射机与CR用户j接收机的距离dij越短,链路增益hij越大,CR用户j接收到的干扰功率越大;另一方面,当在CR用户i发射机端以最大发射功率pi max发射信号时,相同链路增益下,在CR用户j接收机端接收到的干扰功率最大;因此,CR用户i的发射机对其非己接收机端的最大总干扰定义为:Ii max=pi max·max{hij,j≠i},i=1,2,…,M;
b.为使计算出的接入筛选阈值pth对每个CR用户来说都具有普遍可比性,先计算平均最大干扰功率Paverage,即对M个Ii max求和后除以M。Paverage反映了各CR用户的发射机对其非己接收机端最大干扰功率的平均水平;此外,在CR用户发射机根据实际测量的网络容量和理论网络容量之比ρ,计算接入筛选阈值pth=paverage/ρ。
本发明基于动态发射功率的动态频谱分配方法,增设了接入筛选机制,通过计算出最大干扰功率阈值,对CR用户进行频谱接入前筛选。本发明在保证较高网络频谱效用的同时,有效降低了CR用户间总干扰。
本技术领域中的普通技术人员应当认识到,以上的实施例仅是用来说明本发明的目的,而并非用作对本发明的限定,只要在本发明的实质范围内,对以上所述实施例的变化、变型都将落在本发明的权利要求的范围内。
Claims (4)
1.一种认知无线电网络的动态频谱分配方法,其特征在于:
该动态频谱分配方法包括以下步骤:
A.在认知无线电网络的密集型Ad hoc体系结构中,计算该网络中任一认知用户的发射机端在最优功率分布下,该认知用户对非己接收机端产生的总干扰;
B.通过计算认知无线电网络中的平均最大干扰功率以及实际测量的网络容量和理论网络容量之比,获得接入筛选阈值;
C.当步骤A中任一认知用户对非己接收机端产生的总干扰大于或等于步骤B的接入筛选阈值时,则不允许该认知用户接入可用频谱;
当步骤A中任一认知用户对非己接收机端产生的总干扰小于步骤B的接入筛选阈值时,则允许该认知用户接入可用频谱。
2.根据权利要求1所述的动态频谱分配方法,其特征在于:
所述步骤A进一步包括以下步骤:
A1.在认知无线电网络中,任一认知用户在网络允许的最小发射功率以及最大发射功率范围内,计算该认知用户的频谱效用;
A2.任意给定t=0时刻的初始功率分布和代价函数值进行功率和代价异步牵制迭代算法;
A3.通过功率和代价函数的牵制关系,计算该认知用户发射机端的最优发射功率;
A4.计算该认知用户对其非己接收机端产生的总干扰。
3.根据权利要求2所述的动态频谱分配方法,其特征在于:
所述步骤A1中任一认知用户的频谱效用为:
假设认知无线电网络中有M个认知用户,认知用户i的发射机与认知用户j的接收机之间的距离为dij,将认知用户i的发射机到认知用户j的接收机这段链路记为认知链路(i,j),则根据只考虑链路损耗的信道模型,将认知链路(i,j)的增益定义为hij=1/dij α,其中,α为链路功率损耗指数,α≥2;
4.根据权利要求1所述的动态频谱分配方法,其特征在于:
所述步骤B进一步包括以下步骤:
B1.当认知无线电网络中的每个认知用户在其发射机端以最大发射功率发射信号时,将每个认知用户的发射机对其非己接收机端的最大总干扰求和;
B2.将求和后的数值除以认知无线电网络中认知用户的个数,获得平均最大干扰功率;
B3.将平均最大干扰功率除以实际测量的网络容量和理论网络容量的比值,获得接入筛选阈值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210181111.8A CN102695176B (zh) | 2012-06-04 | 2012-06-04 | 一种认知无线电网络的动态频谱分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210181111.8A CN102695176B (zh) | 2012-06-04 | 2012-06-04 | 一种认知无线电网络的动态频谱分配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102695176A true CN102695176A (zh) | 2012-09-26 |
CN102695176B CN102695176B (zh) | 2015-07-15 |
Family
ID=46860426
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210181111.8A Expired - Fee Related CN102695176B (zh) | 2012-06-04 | 2012-06-04 | 一种认知无线电网络的动态频谱分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102695176B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103888952A (zh) * | 2012-12-21 | 2014-06-25 | 电信科学技术研究院 | 一种认知无线电系统中竞争频谱的方法和系统 |
CN103888951A (zh) * | 2012-12-21 | 2014-06-25 | 电信科学技术研究院 | 一种认知无线电系统中的干扰处理方法和系统 |
CN107484179A (zh) * | 2017-09-19 | 2017-12-15 | 北京邮电大学 | 基于渐进最优收缩估计的合作频谱感知方法 |
CN107911856A (zh) * | 2017-12-12 | 2018-04-13 | 南京航空航天大学 | 一种超密集异构网络中基于匹配博弈的分离多接入方法 |
CN109282700A (zh) * | 2018-11-20 | 2019-01-29 | 广州市卫通安全智能电子有限责任公司 | 一种认知无线电的无人机反追逐定向方法及反制装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101615926A (zh) * | 2009-07-31 | 2009-12-30 | 东南大学 | 认知无线电中的异步协同频谱感知方法 |
CN102474344A (zh) * | 2009-07-15 | 2012-05-23 | Lg电子株式会社 | 用于认知无线电发送的系统和方法 |
-
2012
- 2012-06-04 CN CN201210181111.8A patent/CN102695176B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102474344A (zh) * | 2009-07-15 | 2012-05-23 | Lg电子株式会社 | 用于认知无线电发送的系统和方法 |
CN101615926A (zh) * | 2009-07-31 | 2009-12-30 | 东南大学 | 认知无线电中的异步协同频谱感知方法 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103888952A (zh) * | 2012-12-21 | 2014-06-25 | 电信科学技术研究院 | 一种认知无线电系统中竞争频谱的方法和系统 |
CN103888951A (zh) * | 2012-12-21 | 2014-06-25 | 电信科学技术研究院 | 一种认知无线电系统中的干扰处理方法和系统 |
WO2014094641A1 (zh) * | 2012-12-21 | 2014-06-26 | 电信科学技术研究院 | 一种认知无线电系统竞争频谱资源的方法和系统 |
CN103888951B (zh) * | 2012-12-21 | 2017-06-23 | 电信科学技术研究院 | 一种认知无线电系统中的干扰处理方法和系统 |
CN103888952B (zh) * | 2012-12-21 | 2017-07-14 | 电信科学技术研究院 | 一种认知无线电系统中竞争频谱的方法和系统 |
CN107484179A (zh) * | 2017-09-19 | 2017-12-15 | 北京邮电大学 | 基于渐进最优收缩估计的合作频谱感知方法 |
CN107484179B (zh) * | 2017-09-19 | 2019-10-29 | 北京邮电大学 | 基于渐进最优收缩估计的合作频谱感知方法 |
CN107911856A (zh) * | 2017-12-12 | 2018-04-13 | 南京航空航天大学 | 一种超密集异构网络中基于匹配博弈的分离多接入方法 |
CN107911856B (zh) * | 2017-12-12 | 2020-12-01 | 南京航空航天大学 | 一种超密集异构网络中基于匹配博弈的分离多接入方法 |
CN109282700A (zh) * | 2018-11-20 | 2019-01-29 | 广州市卫通安全智能电子有限责任公司 | 一种认知无线电的无人机反追逐定向方法及反制装置 |
Also Published As
Publication number | Publication date |
---|---|
CN102695176B (zh) | 2015-07-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103079262B (zh) | 蜂窝系统中d2d用户的模式选择和资源分配方法 | |
CN101409884B (zh) | 基于测量报告的网络频率优化方法 | |
CN1878027B (zh) | 基于认知无线电系统的多用户资源分配方法 | |
CN103260166B (zh) | 分布式认知无线网络基于联盟博弈的频谱分配方法 | |
CN101626585A (zh) | 无线网络的网络干扰评估方法、动态信道分配方法和设备 | |
CN102695176B (zh) | 一种认知无线电网络的动态频谱分配方法 | |
CN105049098A (zh) | 大规模mimo系统中克服导频污染的部分导频复用方法 | |
CN103338452A (zh) | 蜂窝系统中基站辅助控制的d2d通信方法 | |
CN103037377A (zh) | 一种同频干扰协调方法和装置 | |
Hamdi | A useful technique for interference analysis in Nakagami fading | |
CN103338455A (zh) | 通信资源分配方法、系统、终端及网络侧设备 | |
CN102883334B (zh) | Lte室内分布系统的规划方法以及确定规划参数的装置 | |
CN104770036A (zh) | 用于实现无线系统中最佳效率-Jain公平性的系统和方法 | |
CN101765119B (zh) | 一种基于ofdma无线蜂窝网络的动态分数频率复用方法 | |
CN102984736B (zh) | 无线泛在异构网络资源优化方法 | |
CN102448070B (zh) | 动态频谱环境中基于多智能体强化学习的频率功率联合分配方法 | |
Hamnache et al. | L3sfa: Load shifting strategy for spreading factor allocation in lorawan systems | |
CN101262701A (zh) | 一种基于遗传算法的动态信道分配方法 | |
CN108601075A (zh) | Ofdm认知无线电系统的单用户注水功率分配方法 | |
CN103139800A (zh) | 中继蜂窝网络的节点调整方法、装置及系统 | |
CN112954806A (zh) | 异构网络中基于弦图着色的联合干扰对齐与资源分配方法 | |
CN108900325A (zh) | 一种电力通信业务与无线专网技术的适配性评估方法 | |
González et al. | An analytical view of static intercell interference coordination techniques in OFDMA networks | |
CN110312280B (zh) | 一种下行吞吐量的计算方法和装置 | |
CN103634919B (zh) | 一种家庭基站基于干扰协调的资源分配方法及家庭基站 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C53 | Correction of patent of invention or patent application | ||
CB03 | Change of inventor or designer information |
Inventor after: Li Li Inventor after: Liu Jing Inventor after: Ye Peiqing Inventor before: Li Li Inventor before: Ye Peiqing Inventor before: Liu Jing |
|
COR | Change of bibliographic data |
Free format text: CORRECT: INVENTOR; FROM: LI LI YE PEIQING LIU JING TO: LI LI LIU JING YE PEIQING |
|
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: 20150715 Termination date: 20180604 |
|
CF01 | Termination of patent right due to non-payment of annual fee |