CN103546895A - 认知无线电网络中基于移动性预测的信道分配方法 - Google Patents
认知无线电网络中基于移动性预测的信道分配方法 Download PDFInfo
- Publication number
- CN103546895A CN103546895A CN201310506958.3A CN201310506958A CN103546895A CN 103546895 A CN103546895 A CN 103546895A CN 201310506958 A CN201310506958 A CN 201310506958A CN 103546895 A CN103546895 A CN 103546895A
- Authority
- CN
- China
- Prior art keywords
- channel
- cognitive
- cognitive user
- user
- lambda
- 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
- 230000001149 cognitive effect Effects 0.000 title claims abstract description 138
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000013475 authorization Methods 0.000 claims description 17
- 230000019771 cognition Effects 0.000 claims description 7
- 230000002045 lasting effect Effects 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 6
- 238000001228 spectrum Methods 0.000 abstract description 5
- 230000003068 static effect Effects 0.000 abstract description 3
- 238000004891 communication Methods 0.000 abstract description 2
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
认知无线电网络中基于移动性预测的信道分配方法,涉及通信系统中认知无线电技术中信道分配技术。它是为了解决传统信道静态频谱分配方法没有考虑认知用户的移动特性导致有效信道利用率低和系统公平性性差的问题。本方法首先设置可用信道概率门限α和干扰边概率门限β,根据移动认知用户间的干扰关系预测各个子图,并根据移动认知用户与授权用户的干扰关系预测子图中每个认知用户的可用信道列表,从而得到整个网络的预测拓扑图以及每个认知用户的预测可用信道列表。然后从公平性角度出发,逐个对每个预测子图进行信道分配。每个子图的分配是先求解极大独立集,而后统一对子图内的节点进行信道分配。本发明适用于认知无线电网络中的信道分配。
Description
技术领域
本发明涉及通信系统中认知无线电技术中信道分配技术。
背景技术
认知无线电被认为是未来4G无线网络或者自组织网络的可行智能技术。认知用户可以机会的接入到授权信道但是不能对相应的授权信道造成干扰。这就需要一种有效的最优的数据链路层调度方案,以快速的进行周期性的动态信道分配。因此,信道分配作为其技术实现的一个关键环节,有着十分重要的研究意义。
迄今为止,基于图论、博弈论和干扰温度等模型都已被用来解决认知无线电网络中的频谱分配问题,取得了一定的成果。但是,基于这些模型的信道分配方案中很少考虑认知用户的移动特性。换句话说,现有的认知无线电信道分配方案大多是基于“网络快照模式”的静态信道分配方案,没有对认知用户的移动特性进行深入地研究,这不仅不符合认知无线电实现动态频谱接入的初衷,更不符合实际的移动认知网络的背景要求。
发明内容
本发明是为了解决传统信道静态频谱分配方法没有考虑认知用户的移动特性导致有效信道利用率低和系统公平性性差的问题,从而提供一种认知无线电网络中基于移动性预测的信道分配方法。
认知无线电网络中基于移动性预测的信道分配方法,它由以下步骤实现:
步骤一、初始化;
每个认知用户i预测一个连续时间段Tp,在时间段Tp内当前的可用信道对于认知用户i而言是持续可用的;
每个认知用户i计算其本身与其他认知用户i′间出现干扰的时间为Tp′;
随机产生M个授权用户的固定地理位置,其位置服从均匀分布;
每个授权用户有一个专用的授权信道与之对应,即:每个授权用户使用一个相应的授权信道;
授权用户的初始工作状态随机产生,即:工作或者空闲状态;
设定可用信道概率门限α和干扰边概率门限β;其中,0<α,β<1;
认知系统周期的进行信道分配,信道分配周期为Tc;系统初始计时为t0时刻;
判断是否存在Tp≥Tc,
如果判断结果为是,则授权信道j对认知用户i的信道可用性概率由公式:
确定;
确定;
其中:pα≥0.5,表示t0+φ以后认知用户i远离此授权用户移动的概率;
t0+φ表示t0与t0+Tp之间的一个时刻,认知用户i的速度发生的变化值;
pb表示在t0与t0+Tp间,认知用户i远离此授权用户移动的概率;
0≤εa,εb<<1;λ为正数;
每两个认知用户间的概率干扰边根据公式:
获得;
步骤四、预测判决,具体为:
步骤五、建立连通子图,具体为:
建立认知无线电系统的各连通子图,依次遍历每个连通子图,执行步骤六;
步骤六、进行每个连通子图的信道分配:在每一个子图中求出一个极大独立集,将独立集的相同信道按其在子图中出现次数由低到高顺序进行多个认知用户的同时分配,
更新各认知用户的列表除去已分配信道,
继续求解独立集,遍历此子图的所有独立集,重复此过程,直至所有相同信道分配完成,完成认知无线电网络中基于移动性预测的信道分配。
其中,速度方向服从[0~2π]上的均匀分布;速率大小服从[0~vmax]上的均匀分布,vmax是认知用户移动的最大速率;认知用户i移动时保持速度不变的时间段T服从均值为1/λ的指数分布;且满足公式:
B(x)=1-e-λx。
步骤三中,附近区域的认知用户是指在当前时刻下,与认知用户i的距离d满足d<2·vmax·Tc+r的用户。
步骤六中,进行每个连通子图的信道分配原则是:如果各认知用户还有可用信道,按照连接度度数由低到高的顺序进行分配,如果连接度相等,按照信道度数由低到高进行分配;更新认知用户及其邻接认知用户的可用信道概率列表,直至此子图信道分配完成。
本发明是一种基于认知用户移动性预测的认知无线电信道分配方法,实现了认知用户移动下的预测式信道分配。本方法获得了更高的系统有效信道利用率和系统公平性特性,更符合认知无线电网络的实际分配需求。
附图说明
图1是认知无线电网络中的基于移动性预测的信道分配方法流程图。
具体实施方式
具体实施方式一、结合图1说明本具体实施方式,认知无线电网络中基于移动性预测的信道分配方法,它由以下步骤实现:
步骤一、初始化。在部署区域内,随机产生N(i=1:N)个认知用户的位置和速度矢量(包括大小和方向)。每个认知用户i预测一个连续时间段Tp,在时间段Tp内当前的可用信道对于认知用户i来说是持续可用的;每个认知用户i计算其本身与其他认知用户i′(i′=1:N)间出现干扰的时间为Tp′,注意:i≠i′。
随机产生M(j=1:M)个授权用户的固定地理位置,其位置服从均匀分布。每个授权用户有一个专用的授权信道与之对应,即每个授权用户可以使用一个相应的授权信道。授权用户的初始工作状态随机产生,即工作或者空闲状态。设定可用信道概率门限α和干扰边概率门限β。其中,0<α,β<1。认知系统周期的进行信道分配,信道分配周期为Tc。系统初始计时为t0时刻。
任意一个认知用户i的移动遵循以下方式:即初始时朝某一任意方向以固定速率移动一段时间后,变换方向朝另一个任意方向以一个新的固定速率移动一段时间,按照此方式循环往复。其中,速度方向服从[0~2π]上的均匀分布;速率大小服从[0~vmax]上的均匀分布,vmax是认知用户移动的最大速率。认知用户i移动时保持速度不变(大小和方向)的时间段T服从均值为1/λ的指数分布。满足公式(1):
B(x)=1-e-λx (1)
其中,pα≥0.5表示t0+φ以后认知用户i远离此授权用户移动的概率(t0+φ表示t0与t0+Tp之间的一个时刻,认知用户i的速度发生了变化);pb表示在t0与t0+Tp间,认知用户i远离此授权用户移动的概率;0≤εa,εb<<1是为了平衡等式设计的非常小的正数;
步骤三、计算任意两个不同认知用户i和i′的概率干扰边根据认知用户i的速度及其附近区域所有认知用户的位置和速度关系,计算整个认知网络的拓扑预测,即概率意义上的拓扑干扰图Gp(Tc)。显然,Gp(Tc)也与频谱分配周期Tc有关。其中,附近区域的认知用户是指认知用户i与这个附近认知用户当前时刻的距离d满足d<2·vmax·Tc+r的用户。任意两个认知用户间的概率干扰边可根据公式(4)计算得出。
步骤四、预测判决。遍历第步骤二得到的可用信道概率列表集合中的元素是否大于等于α,若大于等于α,将其置为“1”;否则,置为“0”。如果中的元素为“1”,认为此信道可用;否则,不可用。遍历概率干扰边中的元素是否大于等于β,若大于等于β,将其置为“1”;否则置为“0”。
步骤五、建立连通子图。查看步骤四中的如果中的元素为“1”,即:认为两个认知用户之间有干扰边连接;否则,即认为两个认知用户之间没有干扰边连接。从而,建立起这个认知系统的各连通子图,依次遍历每个连通子图,执行步骤六,直至所有子图信道分配完成,算法终止。每个连通子图的信道分配过程参见第六步。
步骤六、进行每个连通子图的信道分配。在每一个子图中求出一个极大独立集,将独立集的相同信道按其在子图中出现次数由低到高顺序进行多个认知用户的同时分配。更新各认知用户的列表除去已分配信道。继续求解独立集,遍历此子图的所有独立集,重复此过程,直至所有相同信道分配完成。如果各认知用户还有可用信道,按照连接度度数由低到高的顺序进行分配,如果连接度相等,按照信道度数由低到高进行分配。更新认知用户及其邻接认知用户的可用信道概率列表,直至此子图信道分配完成。
本发明了提出一种认知无线电网络中的基于移动性预测的信道分配方法。本方法首先设置可用信道概率门限α和干扰边概率门限β,根据移动认知用户间的干扰关系预测各个子图,并根据移动认知用户与授权用户的干扰关系预测子图中每个认知用户的可用信道列表,从而得到整个网络的预测拓扑图以及每个认知用户的预测可用信道列表。然后从公平性角度出发,逐个对每个预测子图进行信道分配。每个子图的分配是先求解极大独立集,而后统一对子图内的节点进行信道分配。本发明解决了移动认知网络的信道分配问题,在认知节点移动速率相对较大时,本方法获得了更高的系统有效信道利用率和系统公平性特性,更符合认知无线电网络的实际分配需求。
Claims (4)
1.认知无线电网络中基于移动性预测的信道分配方法,其特征是:它由以下步骤实现:
步骤一、初始化;
每个认知用户i预测一个连续时间段Tp,在时间段Tp内当前的可用信道对于认知用户i而言是持续可用的;
每个认知用户i计算其本身与其他认知用户i′间出现干扰的时间为Tp′;
随机产生M个授权用户的固定地理位置,其位置服从均匀分布;
每个授权用户有一个专用的授权信道与之对应,即:每个授权用户使用一个相应的授权信道;
授权用户的初始工作状态随机产生,即:工作或者空闲状态;
设定可用信道概率门限α和干扰边概率门限β;其中,0<α,β<1;
认知系统周期的进行信道分配,信道分配周期为Tc;系统初始计时为t0时刻;
判断是否存在Tp≥Tc,
确定;
确定;
其中:pα≥0.5,表示t0+φ以后认知用户i远离此授权用户移动的概率;
t0+φ表示t0与t0+Tp之间的一个时刻,认知用户i的速度发生的变化值;
pb表示在t0与t0+Tp间,认知用户i远离此授权用户移动的概率;
0≤εa,εb<<1;λ为正数;
获得;
步骤四、预测判决,具体为:
步骤五、建立连通子图,具体为:
建立认知无线电系统的各连通子图,依次遍历每个连通子图,执行步骤六;
步骤六、进行每个连通子图的信道分配:在每一个子图中求出一个极大独立集,将独立集的相同信道按其在子图中出现次数由低到高顺序进行多个认知用户的同时分配,
继续求解独立集,遍历此子图的所有独立集,重复此过程,直至所有相同信道分配完成,完成认知无线电网络中基于移动性预测的信道分配。
3.根据权利要求1所述的认知无线电网络中基于移动性预测的信道分配方法,其特征在于步骤三中,附近区域的认知用户是指在当前时刻下,与认知用户i的距离d满足d<2·vmax·Tc+r的用户。
4.根据权利要求1所述的认知无线电网络中基于移动性预测的信道分配方法,其特征在于步骤六中,进行每个连通子图的信道分配原则是:如果各认知用户还有可用信道,按照连接度度数由低到高的顺序进行分配,如果连接度相等,按照信道度数由低到高进行分配;更新认知用户及其邻接认知用户的可用信道概率列表,直至此子图信道分配完成。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310506958.3A CN103546895B (zh) | 2013-10-24 | 2013-10-24 | 认知无线电网络中基于移动性预测的信道分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310506958.3A CN103546895B (zh) | 2013-10-24 | 2013-10-24 | 认知无线电网络中基于移动性预测的信道分配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103546895A true CN103546895A (zh) | 2014-01-29 |
CN103546895B CN103546895B (zh) | 2016-08-03 |
Family
ID=49969868
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310506958.3A Expired - Fee Related CN103546895B (zh) | 2013-10-24 | 2013-10-24 | 认知无线电网络中基于移动性预测的信道分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103546895B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103929815A (zh) * | 2014-04-03 | 2014-07-16 | 清华大学 | 一种基于最小生成树的信道分配方法 |
CN104469782A (zh) * | 2014-10-16 | 2015-03-25 | 北京邮电大学 | 一种移动授权用户频谱检测与其地理位置估计方法与装置 |
CN106255066A (zh) * | 2016-09-23 | 2016-12-21 | 宁波大学 | 协同认知无线网络多用户通信动态判决方法 |
CN106788820A (zh) * | 2017-01-04 | 2017-05-31 | 河海大学常州校区 | 认知无线电网络多收发器非授权用户相遇方法 |
CN107018112A (zh) * | 2017-05-08 | 2017-08-04 | 南京邮电大学 | Nc‑ofdm认知无线电抗窄带干扰的认知用户同步方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2101451A1 (en) * | 2008-03-12 | 2009-09-16 | British Telecommunications public limited company | Channel selection in an ad hoc wireless network |
CN102857924A (zh) * | 2012-09-17 | 2013-01-02 | 哈尔滨工业大学 | 认知无线电中基于授权信道切换概率的极大独立集频谱分配方法 |
CN103108372A (zh) * | 2013-01-21 | 2013-05-15 | 南京邮电大学 | 基于节点发送和接收能力的干扰感知跨层路由方法 |
-
2013
- 2013-10-24 CN CN201310506958.3A patent/CN103546895B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2101451A1 (en) * | 2008-03-12 | 2009-09-16 | British Telecommunications public limited company | Channel selection in an ad hoc wireless network |
CN102857924A (zh) * | 2012-09-17 | 2013-01-02 | 哈尔滨工业大学 | 认知无线电中基于授权信道切换概率的极大独立集频谱分配方法 |
CN103108372A (zh) * | 2013-01-21 | 2013-05-15 | 南京邮电大学 | 基于节点发送和接收能力的干扰感知跨层路由方法 |
Non-Patent Citations (1)
Title |
---|
WANG YAO, ET AL,: "A Novel Prediction-based Spectrum Allocation Mechanism for Mobile Cognitive Radio Networks", 《KSII TRANSACTION ON INTERNET AND INFORMATION SYSTEMS》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103929815A (zh) * | 2014-04-03 | 2014-07-16 | 清华大学 | 一种基于最小生成树的信道分配方法 |
CN104469782A (zh) * | 2014-10-16 | 2015-03-25 | 北京邮电大学 | 一种移动授权用户频谱检测与其地理位置估计方法与装置 |
CN104469782B (zh) * | 2014-10-16 | 2018-03-20 | 北京邮电大学 | 一种移动授权用户频谱检测与其地理位置估计方法与装置 |
CN106255066A (zh) * | 2016-09-23 | 2016-12-21 | 宁波大学 | 协同认知无线网络多用户通信动态判决方法 |
CN106255066B (zh) * | 2016-09-23 | 2019-06-25 | 宁波大学 | 协同认知无线网络多用户通信动态判决方法 |
CN106788820A (zh) * | 2017-01-04 | 2017-05-31 | 河海大学常州校区 | 认知无线电网络多收发器非授权用户相遇方法 |
CN107018112A (zh) * | 2017-05-08 | 2017-08-04 | 南京邮电大学 | Nc‑ofdm认知无线电抗窄带干扰的认知用户同步方法 |
CN107018112B (zh) * | 2017-05-08 | 2019-12-27 | 南京邮电大学 | Nc-ofdm认知无线电抗窄带干扰的认知用户同步方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103546895B (zh) | 2016-08-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Energy-efficient UAV-assisted mobile edge computing: Resource allocation and trajectory optimization | |
Qian et al. | Optimal SIC ordering and computation resource allocation in MEC-aware NOMA NB-IoT networks | |
Liu et al. | Cooperative offloading and resource management for UAV-enabled mobile edge computing in power IoT system | |
CN107333267B (zh) | 一种用于5g超密集组网场景的边缘计算方法 | |
Ryu et al. | New clustering schemes for energy conservationin two-tiered mobile ad hoc networks | |
JP5337873B2 (ja) | スペクトラムセンシングに関する方法と装置 | |
CN103546895A (zh) | 认知无线电网络中基于移动性预测的信道分配方法 | |
Tyagi et al. | Cognitive radio-based clustering for opportunistic shared spectrum access to enhance lifetime of wireless sensor network | |
Wang et al. | CachinMobile: An energy-efficient users caching scheme for fog computing | |
Deng et al. | An online algorithm for data collection by multiple sinks in wireless-sensor networks | |
Das et al. | Q-learning based co-operative spectrum mobility in cognitive radio networks | |
Su et al. | 5G multi-tier radio access network planning based on voronoi diagram | |
CN106507370A (zh) | 主动式频谱感知切换的方法 | |
CN106658526B (zh) | 一种超密集小蜂窝网络中基于模拟退火算法频谱分配方法 | |
CN102984736B (zh) | 无线泛在异构网络资源优化方法 | |
Tian et al. | Multi-objective surrogate modeling for real-time energy-efficient station grouping in IEEE 802.11 ah | |
Azoulay et al. | Transmission power control using deep neural networks in TDMA-based ad-hoc network clusters | |
Randhawa et al. | Performance analysis of LEACH with machine learning algorithms in wireless sensor networks | |
Zhu et al. | Spectrum allocation algorithm based on improved ant colony in cognitive radio networks | |
Hayat et al. | Review of cluster-based energy routing protocols for WSNs | |
CN102946608B (zh) | 一种无线电网络中资源公平分配的方法及装置 | |
CN103957530A (zh) | 基于图的超启发式的蜂窝网络频谱分配方法 | |
CN104202757A (zh) | 一种认知无线电网络性能最优检测方法 | |
Sawyer et al. | Evolutionary coalitional game for correlation-aware clustering in machine-to-machine communications | |
Lan et al. | Decentralized cognitive MAC protocol design based on POMDP and Q-Learning |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
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: 20160803 |