CN103236911A - 用于认知系统的组播认知导频信道消息传播方法及装置 - Google Patents

Abstract

本发明提供一种用于认知系统的组播CPC消息传播方法，该方法将CPC供应者覆盖范围的所有网格进行分簇，对不同的簇设置不同的等待时间，属于一个簇的各个网格的等待时间都等于为该簇设置的等待时间；以及基于所设置的网格的等待时间对来自该网格的请求进行响应。该方法对不同用户密度的mesh的等待时间进行了设置，优化了用户得到响应的平均等待时延，改善了用户体验质量。

Description

用于认知系统的组播认知导频信道消息传播方法及装置

技术领域

本发明属于认知无线电领域，尤其涉及用于认知系统的组播认知导频信道CPC（Cognitive Pilot Channel）消息的传播方法。

背景技术

在E2R（End to End Reconfiguration，端到端重配置）项目中首次提出认知导频信道（CPC）消息辅助终端快速接入小区的方案。其初始目的是为了解决终端开机过程中的无线网络接入问题，辅助终端进行频谱感知、选择网络接入、实时下载可重配置软件。

现有CPC消息传输方式有广播CPC（Broadcast CPC）、点播CPC（On-demand CPC）、组播CPC（Multicast CPC）。目前对于认知导频信道的研究，其消息组织格式大多采用网格（mesh）划分的方法，具体实现是将CPC覆盖区域划分为若干个mesh，CPC为每个mesh提供相应的可用网络信息。每个mesh的CPC消息描述为不同{operator,RAT,frequency,...}的组合，其中operator为运营商；RAT(Radio AccessTechnology)表示无线接入技术；frequency表示该RAT授权频段的频点信息。

广播CPC只要一个公共的下行控制信道，由网络侧按照mesh的顺序连续地、周期性地向CPC覆盖区域内的所有终端广播CPC消息。终端一旦错过属于自己所在mesh的信息，就需要继续等待下一轮CPC消息的广播。

点播CPC分别有一个下行信道和一个上行信道，通过用户终端与网络侧的交互完成信息的传输过程。当用户终端需要接入网络时，通过上行信道向网络侧发送CPC消息请求，每个请求都包含移动终端的地理位置指示符，然后由网络侧的CPC供应者对其进行相应的CPC消息响应。点播CPC相对于广播CPC来说，所发送的所有CPC消息都是有用的，不会对带宽资源造成浪费。但是，一旦用户请求增加，会出现短时间内相同CPC消息的重复发送以及CPC消息响应的等待时延增加。

基于上述两种方式提出了一种组播CPC方式，是对点播CPC方式的改进。在组播CPC中，也是通过终端先向网络侧发送CPC请求消息，再由网络侧对终端进行响应的方式。与点播CPC不同的是，在组播CPC中，对于mesh k，从接收到来自该mesh的第一个终端的请求开始，等待一段时间W，然后将这段时间内来自该mesh中的所有的终端请求进行一次性的打包处理，在W耗尽之后再将该mesh的网络信息组播下发。组播CPC方式很好的避免了相同CPC消息重复响应的现象，降低了消息发送的重复率，并减小了用户的平均等待时延。

但是，现有的组播CPC方式中每个mesh的等待时间都相同，由于每个mesh的用户密度分布不均匀，所以每个mesh都等待相同的时间会使得在有些用户请求密集的地方得不到及时响应，并且使得终端请求频次比较少的mesh也需要等待相当一段时间才能被响应，影响用户体验质量。

发明内容

因此，本发明的目的在于克服上述现有技术的缺陷，提供一种用于认知系统的组播CPC消息传播方法，优化了用户得到响应的平均等待时延，使得每个mesh的用户请求能得到及时的响应。

本发明的目的是通过以下技术方案实现的：

根据本发明的一个实施例，提供了一种用于认知系统的组播CPC传播方法，包括：步骤1，将CPC供应者覆盖范围的所有网格进行分簇，对不同的簇设置不同的等待时间；其中，属于一个簇的各个网格的等待时间都等于为该簇设置的等待时间；步骤2，基于所设置的网格的等待时间对来自该网格的请求进行响应。

在上述方法中，所述步骤1）中，所述等待时间可以是根据网格的用户分布密度和用户请求频次的乘积的大小来确定的。

在上述方法中，所述步骤1）中，可依据网络的用户分布密度对CPC供应者覆盖范围的所有网格进行分簇。

在上述方法中，所述步骤1）可包括：

步骤1-1）从各网格的用户分布密度中选出{η₀₁,η₀₂,…,η_0m}作为分簇界限，其中η₀₁<η₀₂<…<η_0m，将所有mesh划分为m+1个簇C₁,C₂,…,C_m,C_m+1，每个簇对应的等待时间设为W₁,W₂,…,W_m,W_m+1，则用户平均等待时延表达式如下：

$D=f(W_1,W_2,\&CenterDot;\&CenterDot;\&CenterDot;W_{m+1})=\frac{1}{2}[\underset{k=1}{\overset{N_m}{\mathrm{\&Sigma;}}}\left(g(W_1,W_2,\&CenterDot;\&CenterDot;\&CenterDot;W_{m+1}){\mathrm{\&eta;}}_k\right)+\mathrm{\&tau;}+$

$\underset{k=1}{\overset{N_m}{\mathrm{\&Sigma;}}}\left(\frac{g(W_1,W_2,\&CenterDot;\&CenterDot;\&CenterDot;W_{m+1}){\mathrm{\&eta;}}_k}{1+g(W_1,W_2,\&CenterDot;\&CenterDot;\&CenterDot;W_{m+1}){\mathrm{\&lambda;\&eta;}}_k}\right)+\frac{\mathrm{\&tau;}}{1-\underset{k=1}{\overset{N_m}{\mathrm{\&Sigma;}}}\frac{{\mathrm{\&lambda;\&tau;\&eta;}}_k}{1+g(W_1,W_2,\&CenterDot;\&CenterDot;\&CenterDot;W_{m+1}){\mathrm{\&lambda;\&eta;}}_k}}]$

其中 $g(W_1,W_2,\&CenterDot;\&CenterDot;\&CenterDot;W_{m+1})=\left\{\begin{array}{cc}{W}_1& {\mathrm{\&eta;}}_k<{\mathrm{\&eta;}}_{01}\\ W_2& {\mathrm{\&eta;}}_{01}<{\mathrm{\&eta;}}_k<{\mathrm{\&eta;}}_{02}\\ & \&CenterDot;\\ & \&CenterDot;\\ & \&CenterDot;\\ W_m& {\mathrm{\&eta;}}_{0m-1}<{\mathrm{\&eta;}}_k<{\mathrm{\&eta;}}_{0m}\\ W_{m+1}& {\mathrm{\&eta;}}_k>{\mathrm{\&eta;}}_{0m}\end{array}\right.;$

τ表示CPC供应者向一个网格发送CPC信息量所需要的时间，λ表示CPC供应者覆盖范围内总的用户请求频次；η_k表示第k个网格的用户分布密度；

步骤1-2）给W₁,W₂,…,W_m,W_m+1的取值设置一个区域与步长，对每种分簇界限的选取方案，采用全局搜索法选取出最小用户平均等待时延对应的W₁,W₂,…,W_m,W_m+1的值，

步骤1-3）在不同分簇界限方案中，找到一个最小的时延值，该最小的时延值对应的分簇界限{η₀₁,η₀₂,…,η_0m}和等待时间W₁,W₂,…,W_m,W_m+1为所求；

步骤1-4）根据步骤1-3）得到的分簇界限判断某个网格属于哪个簇，并确定该网格的等待时间为该簇的等待时间。

在上述方法中，还可包括在一个或多个网格的用户分布密度和/或用户请求频次的变化的幅度超过设定阈值时，重新执行步骤1。

在上述方法中，还可包括存储网格的用户分布密度和/或用户请求频次与为该网格设置的等待时间对应关系。

在上述方法中，还可包括通过查询所存储的对应关系为网格设置等待时间的步骤。

在上述方法中，所述网格的用户分布密度等于该网格的用户数量除以该CPC覆盖范围内的总用户数量。

根据本发明的又一个实施例，提供了一种用于认知系统的组播CPC传播装置，包括：用于将CPC供应者覆盖范围的所有网格进行分簇，对不同的簇设置不同的等待时间的装置；其中，属于一个簇的各个网格的等待时间都等于为该簇设置的等待时间；以及用于基于所设置的网格的等待时间对来自该网格的请求进行响应的装置。

上述系统中，所述等待时间是根据网格的用户分布密度和用户请求频次的乘积的大小来确定的。

与现有技术相比，本发明的优点在于：

将不同用户密度的mesh进行分簇管理，每个簇之间分别设置不同的等待时间，这样，根据不同用户密度来设置mesh的等待时间，优化了用户得到响应的平均等待时延，改善了用户体验质量。

附图说明

以下参照附图对本发明实施例作进一步说明，其中：

图1为现有的组播CPC请求模型示意图；

图2为现有的组播CPC的服务模型示意图；

图3为现有的组播CPC消息调度系统示意图；

图4为根据本发明一个实施例的组播CPC传播方法流程图；

图5为根据本发明一个实施例的组播CPC传播方法效果示意图；

图6为根据本发明又一个实施例的组播CPC传播方法效果示意图。

具体实施方式

为了使本发明的目的，技术方案及优点更加清楚明白，以下结合附图通过具体实施例对本发明的实施例进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

为了更好地理解本发明，首先对现有的组播CPC的实现方式进行简单介绍。图2给出了现有的组播CPC消息请求模型示意图。其中，假设CPC覆盖区域被划分成N_m个mesh（N_m表示mesh的数目），用户终端总请求频次为λ，请求服从参数为λ的泊松（poission）分布，第k个mesh的用户分布率用η_k表示（k=1,2,…,N_m），所有mesh的用户分布率满足表达式（1）：

$\underset{k=1}{\overset{N_m}{\mathrm{\&Sigma;}}}{\mathrm{\&eta;}}_k=1---\left(1\right).$

图3给出了现有的组播CPC的服务模型示意图。在组播CPC方式中，采用的是点对多点的传播方式。对于mesh k，当CPC供应者处理完上一批请求后，从接收到来自该mesh的第一个请求开始，等待一段时间W，然后将这段时间内来自该mesh的所有终端请求统一进行响应。假设上一次meshk的CPC消息在时刻t₀处发送完毕，那么从mesh k中发送的第一个请求的平均到达时刻为因此将这个mesh的CPC消息送入调度系统的平均时刻是

并服从参数为

的泊松分布。

在CPC请求得到服务之后，对请求进行响应，将打包好的CPC消息送入如图4所示的现有组播CPC消息调度系统，排队对各mesh终端的请求进行响应。

组播CPC方式非常适合用户聚堆分布的场景，点播CPC非常适合用户请求比较少的场景。并且，点播CPC实际上是组播CPC等待时间W设置为0的特殊情况。相对于广播CPC和点播CPC传输方式，组播CPC不仅减少了CPC消息重复发送的次数，减少了信息发送量，而且还减小了用户的平均等待时延，提高了系统的整体性能。

但是，现有的组播CPC方式中每个mesh的等待时间都相同，由于每个mesh的用户密度分布不均匀，从而用户请求频次也不相同（例如，第k个mesh的用户请求频次为λ_k=λη_k），所以每个mesh都等待相同的时间会使得在有些用户请求密集的地方多个用户得不到及时响应，有些用户请求稀疏的地方也需要等待很长时间，增加了用户请求响应的平均等待时延。如第i个mesh和第j个mesh，其用户分布密度为η_i和η_j，假设η_i和η_j的值相差很大（如10～50倍），并且每个用户的请求概率相同，那么λ_k=λη_k，可见，每个mesh需要处理的CPC消息请求数量并不一致，但是如果都等待相同的时间，再将对应的CPC消息打包送入调度系统，会使得终端请求频次比较少或者是比较多的mesh需要等待相当一段时间才能被响应，影响用户体验质量。

针对上述问题，在本发明的一个实施例中，提供了一种用于认知系统的组播CPC消息传播方法，对不同用户密度和不同请求频次的mesh的等待时间分别进行设置，优化了用户得到响应的平均等待时延。其中，通常可以由网络侧（例如基站）完成对CPC供应者覆盖范围（也可以简称为“CPC覆盖区域”）中每个mesh的用户分布密度的统计。因为基站对于它覆盖的区域有哪些用户是有统计的。假设有N_m个mesh，用户分布密度为其中，η1表示第1个mesh的用户分布密度，依次类推，ηN_m表示第N_m个mesh的用户分布密度，N_m表示CPC覆盖区域内的网格数目。其中每个mesh的用户分布密度等于该mesh的用户数量除以该CPC覆盖区域的总用户数量。

更具体地，该方法主要包括以下步骤：

步骤1，将所有mesh进行分簇，对不同的簇设置不同的等待时间，以优化用户平均等待时延，而对属于一个簇的各个mesh设置相同的等待时间，也就是说属于一个簇的各个mesh的等待时间都等于为该簇设置的等待时间。等待时间可以根据mesh的用户分布密度和用户请求频次的乘积λ_kη_k的大小来确定。因此，分簇主要考虑λ_kη_k大小的范围。例如，由于在用户请求频次低的情况下，点播CPC传输方式最佳，时延最小，故对于λ_kη_k值较小的簇，可以将等待时间设置较小，随着λ_kη_k值的增加，等待时间先增加后减小。对于λ_kη_k值较大的簇的及时响应以相对小些的等待时间来体现。将所有mesh进行分簇实际上是为了减少等待时间的设置数目。

步骤2，当CPC供应者接收到来自某个网格的第一请求时进行等待，在该网格的等待时间到期后，对这段时间内来自该网格的所有请求统一进行响应。

在本发明的一个优选实施例中，提供了基于最优化用户平均等待时延的方法来进行分簇，并对不同的簇设置不同的等待时间。

更具体地，首先对mesh进行分簇。假设该CPC覆盖区域所有用户请求概率相同（应指出，这不是必须条件，设置为相同只是为了简化建模过程）覆盖区域内总的请求频次为λ，那么第k个mesh的用户请求频次为λ_k=λη_k，这样，等待时间的优化由用户分布密度唯一确定。但是如果在用户请求概率不同的情况下，覆盖区域内总用户数为N_u，第k个mesh的用户请求频次由该mesh的用户数N_uk以及每个用户的请求概率Pi得到，即

N_uk=N_uη_k，其中覆盖区域内的总请求频次则为

分簇准则可以是将各mesh根据用户分布密度的大小进行等级划分。

由网络侧（例如，基站）选取出几个分簇界限{η₀₁,η₀₂,…,η_0m}，其中η₀₁<η₀₂<…<η_0m。那么上述分簇界限集合就可以把所有mesh划分为m+1个簇，根据η_k所属区间，可以判断其属于哪个簇。

接着，对不同的簇设置不同的等待时间，以最优化用户平均等待时延。假设分簇界限{η₀₁,η₀₂,…,η_0m}满足η₀₁<η₀₂<L<η_0m，分簇为C₁,C₂,…,C_m,C_m+1，那么每个簇对应的等待时间为W₁,W₂,…,W_m,W_m+1。属于同一个簇的mesh的等待时间相同。在某mesh中的第一个请求到达后，等待W_k时间（W_k即为该mesh所属的分簇对应的等待时间），再将所有的请求打包送入调度系统排队，由网络侧对相应的mesh进行响应。W_k的设置是以最小化用户平均等待时延为目标的。用户平均等待时延表达式如下：

$D=f(W_1,W_2,\&CenterDot;\&CenterDot;\&CenterDot;W_{m+1})=\frac{1}{2}[\underset{k=1}{\overset{N_m}{\mathrm{\&Sigma;}}}\left(g(W_1,W_2,\&CenterDot;\&CenterDot;\&CenterDot;W_{m+1}){\mathrm{\&eta;}}_k\right)+\mathrm{\&tau;}+$

$\underset{k=1}{\overset{N_m}{\mathrm{\&Sigma;}}}\left(\frac{g(W_1,W_2,\&CenterDot;\&CenterDot;\&CenterDot;W_{m+1}){\mathrm{\&eta;}}_k}{1+g(W_1,W_2,\&CenterDot;\&CenterDot;\&CenterDot;W_{m+1}){\mathrm{\&lambda;\&eta;}}_k}\right)+\frac{\mathrm{\&tau;}}{1-\underset{k=1}{\overset{N_m}{\mathrm{\&Sigma;}}}\frac{{\mathrm{\&lambda;\&tau;\&eta;}}_k}{1+g(W_1,W_2,\&CenterDot;\&CenterDot;\&CenterDot;W_{m+1}){\mathrm{\&lambda;\&eta;}}_k}}]$

其中 $g(W_1,W_2,\&CenterDot;\&CenterDot;\&CenterDot;W_{m+1})=\left\{\begin{array}{cc}{W}_1& {\mathrm{\&eta;}}_k<{\mathrm{\&eta;}}_{01}\\ W_2& {\mathrm{\&eta;}}_{01}<{\mathrm{\&eta;}}_k<{\mathrm{\&eta;}}_{02}\\ & \&CenterDot;\\ & \&CenterDot;\\ & \&CenterDot;\\ W_m& {\mathrm{\&eta;}}_{0m-1}<{\mathrm{\&eta;}}_k<{\mathrm{\&eta;}}_{0m}\\ W_{m+1}& {\mathrm{\&eta;}}_k>{\mathrm{\&eta;}}_{0m}\end{array}\right.$

假设分配给CPC的带宽为B，每个mesh的CPC信息量大小均为M_mesh，所以发送一个mesh的CPC信息量所需要的时间为

λ表示CPC供应者覆盖范围内总的用户请求频次；η_k表示第k个网格的用户分布密度。对每种分簇界限的选取方案，给W₁,W₂,…,W_m,W_m+1的取值设置一个区域与步长（例如该区域为0-5秒，步长为0.01秒），采用全局搜索法，选取出对应最小时延对应的W₁,W₂,…,W_m,W_m+1的值，在不同分簇界限方案中，可以对应找到一个最小的时延值，那么此时对应的{η₀₁,η₀₂,…,η_0m}和W₁,W₂,…,W_m,W_m+1为所求。

实际上，用户平均等待时延的优化是有关W₁,W₂,…,W_m,W_m+1的多元优化问题，可能存在多解情况，任取其一即可。显然，分簇界限的选取会影响等待时间的设置，从而影响用户平均等待时延。当然，除了上述优选实施例中选择使用户平均等待时延最小的最优分簇界限和等待时间设置之外，实际上也可以随机选择分簇界限，在选定分簇界限之后，通过上述的用户平均等待时延表达式，给W₁,W₂,…,W_m,W_m+1的取值设置一个区域与步长（例如该区域为0-5秒，步长为0.01秒），选取出对应最小时延对应的W₁,W₂,…,W_m,W_m+1的值，这样得到的不一定是最优方案，但可以节省计算量。

在本发明的又一个实施例中，分簇准则可以是把相邻的网络覆盖信息相同的一些mesh组成一个簇。例如，如果相邻的网格mesh1和mesh2，这两个mesh都是同时由无线接入技术RAT1和RAT2覆盖，不存在其他RAT，那么这两个mesh的网络覆盖信息是相同的。然后，可以根据簇中总的λ_kη_k值设置相应的等待时间。此时簇的大小（即簇中mesh的数目）可以调整，对每个簇的等待时间进行设置使得每个簇中用户平均等待时延降低，以从局部优化达到整体优化。

此外，由于每个mesh的用户分布密度和用户请求频次可能会发生变化，所以例如基站的网络侧可以定期地执行上述分簇步骤以及设置等待时间的步骤。或者，网络侧可以监控每个mesh的用户分布密度和用户请求频次，当发现一个或多个mesh的用户分布密度或用户请求频次发生较大变化时（例如变化的幅度超过某个阈值），重新执行上述分簇步骤以及设置等待时间的步骤。

更进一步地，在该方法中，例如基站的网络侧还可以对经上述步骤计算得到的不同用户密度和不同请求频次的mesh的等待时间进行统计并进行存储，例如可存储到数据库或表格中。这样，在经过一段时间的统计后，对每个mesh的等待时间的设置就可以通过查表来进行。比如某mesh的用户分布密度为0.05，那么网络侧可以通过查表来设置该mesh的等待时间W。例如，可以查询所统计的数据中，有没有为用户分布密度为0.05的mesh设置的对应的等待时间，如果有，则可以将W设置为用户密度为0.05所对应的等待时间，如果没有，则可将W设置为与0.05相差最小的那个用户密度所对应的等待时间。

发明人还通过仿真验证，来说明划分不同的等待时间W_k比所有mesh等待相同的时间能够取得更优的时延性能。

下面通过一个示例来进行验证，将所有mesh按照用户分布密度划分为两个簇，来比较改进后和改进前的平均用户等待时延。将mesh划分为两个簇，其用户平均等待时延可以如下式表示：

$D=f(W_1,W_2)=\frac{1}{2}[\underset{k=1}{\overset{N_m}{\mathrm{\&Sigma;}}}\left(g(W_1,W_2){\mathrm{\&eta;}}_k\right)+\mathrm{\&tau;}+\underset{k=1}{\overset{N_m}{\mathrm{\&Sigma;}}}\left(\frac{g(W_1,W_2){\mathrm{\&eta;}}_k}{1+g(W_1,W_2){\mathrm{\&lambda;\&eta;}}_k}\right)+\frac{\mathrm{\&tau;}}{1-\underset{k=1}{\overset{N_m}{\mathrm{\&Sigma;}}}\frac{{\mathrm{\&lambda;\&tau;\&eta;}}_k}{1+g(W_1,W_2){\mathrm{\&lambda;\&eta;}}_k}}]$

其中 $g(W_1,W_2)=\left\{\begin{array}{cc}{W}_1& {\mathrm{\&eta;}}_k<{\mathrm{\&eta;}}_0\\ W_2& \mathrm{else}\end{array}.\right.$

其中，D表示CPC覆盖区域所有用户对CPC消息请求与响应的平均等待时延。在该示例中，簇的个数为2，W₁为第一个簇中mesh的等待时间，W₂为第二个簇中mesh的等待时间，η₀为分簇界限（在此示例中看作一个不定量，以最小化D的目标来选取最佳的η_k值作为η₀；

为了对时延性能进行优化，可以通过下式所述选出最优的等待时间W₁和W₂以及分簇界限η₀：

$\left(\begin{array}{c}{W}_{\mathrm{opt}1}\\ W_{\mathrm{opt}2}\\ {\mathrm{\&eta;}}_0\end{array}\right)=\mathrm{Arg}\underset{W_1,W_2}{\mathrm{Min}}\left(f(W_1,W_2)\right)$

通过给W₁,W₂的取值设置一个区域与步长，如在本次仿真中，将区域设置为0-1，步长设置为0.01，即0：0.01：1，对η_k取值的最小值和最大值区间的每个η值作为分簇界限进行一次遍历，最后选取所有情况中的最小用户等待时延所对应的W₁,W₂,η₀作为所求最佳分簇界限与最佳等待时间。

通过仿真，可以得到以下结果，图5所示是随机选取的分簇界限的结果，图6所示是通过优化时延找出最佳分簇界限的结果。从图5和图6可以看出，所以mesh划分不同的等待时间可以改善时延性能。从图中可以看出，分簇界限无论是随机选取的，还是遍历选取最优的，都从一定程度上改善了用户平均等待时延的性能。并且，分簇界限的选取也会对实验性能也会产生一定影响。本实例是将所有mesh划分为两个簇，对不同簇设置不同的等待时间能改善实验性能，再对每个簇继续二分的话，时延性能会继续改善。

通过上述本发明具体实施例，将不同用户密度的mesh进行分簇管理，每个簇之间分别设置不同的等待时间，从而对不同用户密度的mesh的等待时间进行了设置，优化了用户得到响应的平均等待时延，改善了用户体验质量。

在本发明的又一个实施例中，还提供了一种用于认知系统的组播CPC消息传播系统，该系统包括：用于依据上文所述的方法将CPC供应者覆盖范围的所有网格进行分簇，对不同的簇设置不同的等待时间的装置；其中，属于一个簇的各个网格的等待时间都等于为该簇设置的等待时间；以及用于基于所设置的网格的等待时间对来自该网格的请求进行响应的装置。

虽然本发明已经通过优选实施例进行了描述，然而本发明并非局限于这里所描述的实施例，在不脱离本发明范围的情况下还包括所作出的各种改变以及变化。

Claims (10)

1.一种用于认知系统的组播CPC消息传播方法，所述方法包括：

步骤1，将CPC供应者覆盖范围的所有网格进行分簇，对不同的簇设置不同的等待时间；其中，属于一个簇的各个网格的等待时间都等于为该簇设置的等待时间；

步骤2，基于所设置的网格的等待时间对来自该网格的请求进行响应。

2.根据权利要求1所述的方法，所述步骤1）中，所述等待时间是根据网格的用户分布密度和用户请求频次的乘积的大小来确定的。

3.根据权利要求1所述的方法，所述步骤1）中，依据网络的用户分布密度对CPC供应者覆盖范围的所有网格进行分簇。

4.根据权利要求1、2或3所述的方法，所述步骤1）包括：

步骤1-1）从各网格的用户分布密度中选出{η₀₁,η₀₂,…,η_0m}作为分簇界限，其中η₀₁<η₀₂<…<η_0m，将所有mesh划分为m+1个簇C₁,C₂,…,C_m,C_m+1，每个簇对应的等待时间设为W₁,W₂,…,W_m,W_m+1，则用户平均等待时延表达式如下：

$D=f(W_1,W_2,\&CenterDot;\&CenterDot;\&CenterDot;W_{m+1})=\frac{1}{2}[\underset{k=1}{\overset{N_m}{\mathrm{\&Sigma;}}}\left(g(W_1,W_2,\&CenterDot;\&CenterDot;\&CenterDot;W_{m+1}){\mathrm{\&eta;}}_k\right)+\mathrm{\&tau;}+$

$\underset{k=1}{\overset{N_m}{\mathrm{\&Sigma;}}}\left(\frac{g(W_1,W_2,\&CenterDot;\&CenterDot;\&CenterDot;W_{m+1}){\mathrm{\&eta;}}_k}{1+g(W_1,W_2,\&CenterDot;\&CenterDot;\&CenterDot;W_{m+1}){\mathrm{\&lambda;\&eta;}}_k}\right)+\frac{\mathrm{\&tau;}}{1-\underset{k=1}{\overset{N_m}{\mathrm{\&Sigma;}}}\frac{{\mathrm{\&lambda;\&tau;\&eta;}}_k}{1+g(W_1,W_2,\&CenterDot;\&CenterDot;\&CenterDot;W_{m+1}){\mathrm{\&lambda;\&eta;}}_k}}]$

其中 $g(W_1,W_2,\&CenterDot;\&CenterDot;\&CenterDot;W_{m+1})=\left\{\begin{array}{cc}{W}_1& {\mathrm{\&eta;}}_k<{\mathrm{\&eta;}}_{01}\\ W_2& {\mathrm{\&eta;}}_{01}<{\mathrm{\&eta;}}_k<{\mathrm{\&eta;}}_{02}\\ & \&CenterDot;\\ & \&CenterDot;\\ & \&CenterDot;\\ W_m& {\mathrm{\&eta;}}_{0m-1}<{\mathrm{\&eta;}}_k<{\mathrm{\&eta;}}_{0m}\\ W_{m+1}& {\mathrm{\&eta;}}_k>{\mathrm{\&eta;}}_{0m}\end{array}\right.;$

τ表示CPC供应者向一个网格发送CPC信息量所需要的时间，λ表示CPC供应者覆盖范围内总的用户请求频次；η_k表示第k个网格的用户分布密度；

步骤1-2）给W₁,W₂,…,W_m,W_m+1的取值设置一个区域与步长，对每种分簇界限的选取方案，采用全局搜索法选取出最小用户平均等待时延对应的W₁,W₂,…,W_m,W_m+1的值，

步骤1-3）在不同分簇界限方案中，找到一个最小的时延值，该最小的时延值对应的分簇界限{η₀₁,η₀₂,…,η_0m}和等待时间W₁,W₂,…,W_m,W_m+1为所求；

步骤1-4）根据步骤1-3）得到的分簇界限判断某个网格属于哪个簇，并确定该网格的等待时间为该簇的等待时间。

5.根据权利要求1、2或3所述的方法，还包括在一个或多个网格的用户分布密度和/或用户请求频次的变化的幅度超过设定阈值时，重新执行步骤1。

6.根据权利要求5所述的方法，还包括存储网格的用户分布密度和/或用户请求频次与为该网格设置的等待时间对应关系。

7.根据权利要求6所述的方法，还包括通过查询所存储的对应关系为网格设置等待时间的步骤。

8.根据权利要求1所述的方法，所述网格的用户分布密度等于该网格的用户数量除以该CPC覆盖范围内的总用户数量。

9.一种用于认知系统的组播CPC消息传播系统，所述系统包括：

用于将CPC供应者覆盖范围的所有网格进行分簇，对不同的簇设置不同的等待时间的装置；其中，属于一个簇的各个网格的等待时间都等于为该簇设置的等待时间；以及

用于基于所设置的网格的等待时间对来自该网格的请求进行响应的装置。

10.根据权利要求9所述的系统，其中，所述等待时间是根据网格的用户分布密度和用户请求频次的乘积的大小来确定的。

Images