CN103634916B - 信道分配方法及装置 - Google Patents

Abstract

本发明公开了一种信道分配方法及装置。该信道分配方法包括：根据待分配信道的一个或多个次用户的数据流对各个收益属性的要求，获取次用户的数据流的各个收益属性的收益权重；对于每个次用户，利用该次用户的数据流的各个收益属性的收益权重对该次用户的各个可选信道在各个收益属性下的收益值进行加权，获得该次用户的各个可选信道的信道综合收益值；针对每个次用户，根据该次用户的各个可选信道的信道综合收益值以及各个可选信道分配给该次用户时对相邻次用户的影响，计算该次用户的标签值；按照待分配信道的次用户的标签值进行排序，选择最大标签值对应的信道和次用户，将选择的信道分配给选择的次用户。通过本发明，使得资源的分配更加合理。

Description

信道分配方法及装置

技术领域

本发明涉及通信领域，具体而言，涉及一种信道分配方法及装置。

背景技术

在相关技术中，在众多的频谱分配算法中，颜色敏感的图着色算法（CSGC，ColorSensitive Graph Coloring）由于既兼顾了频谱利用率和分配公平性，又考虑到不同信道间收益差异性，因而得到广泛的应用。

在CSGC算法中，对认知无线电网络进行一般性抽象得出图论模型，定义双向图G=(V，L，E)，其中，V是顶点的集合，表示共享频谱的次用户；L是每个顶点的可用频谱或颜色列表；E是顶点之间的无向边的集合，表示任意两个顶点之间的干扰。对于任意两个顶点（两个次用户）u,v∈V，如果同时使用信道m时两个次用户之间存在干扰，则u,v之间就有一条颜色为m的边（也就是说两个顶点不能着相同的颜色m）。频谱的分配问题就转化为使用颜色列表（可用信道）中的颜色为顶点（次用户）着色，以最大化系统效益的问题。

如图1a-图1c所示，V1、V2、V3分别代表次用户1、2、3，左、上、右三个虚线圆分别代表主用户1、2、3。如图1a所示，针对主用户1的信号覆盖范围（如图虚线圆所示）和正在使用信道C的情况，按照次用户不可影响主用户的正常通信的原则，给出次用户允许的最大信号覆盖范围，并用斜纹填充圆表示；其中，次用户1由于在主用户1的信号覆盖范围内，因此次用户不能使用信道C，即次用户1在信道C上允许的辐射距离为0。同理，在主用户2和3的约束下，给出次用户的信号覆盖范围如图1b和图1c所示，分别用点填充圆和网格填充圆表示。

假设认知网络共有A~E五个可用信道，主用户分别使用信道C、E、C。下面给出次用户在信道A和E上的干扰情况。

信道A上无正在通信的主用户，所有次用户均可使用。信号辐射范围仅受设备自身条件的制约。假设所有次用户采用相同的设备，且最大辐射距离如图2a所示。由此可见，次用户1和3之间、2和3之间信号的最大覆盖范围有重合部分，因此不可同时使用信道C。用实线表示信道C的干扰情况，则V₁、V₃之间，V₂、V₃之间均存在一条实线的边。

对于信道E，如图2b所示，结合图1b可知，次用户2不可使用信道E，而1、3的使用互不干扰，因此代表信道E上干扰的虚线边不存在。

在相关技术中，CSGC算法引入了标签值和色区分度的概念。其中，标签值label_n是区分在不同的算法准则下次用户着色优先级的标记。色区分度D_n，m表示在信道m上与次用户n有冲突的邻节点(相邻的认知用户)数目，在图中为顶点V_n上信道m对应的有色边的数目。引入色区分度的目的是用它来表征将信道m分配给次用户n时对相邻用户的影响，是对频谱分配算法中公平性的考量。

CSGC算法引入了“色区分度”的概念表征信道分配对周围节点的影响，另一方面它采用“标签值”的思想对次用户进行资源的分级配置。运用CSGC法分配信道所得的平均收益在统计意义下优于随机分配方案。但是另一方面，这种优越性只是以70%左右的概率出现。另外，在实际系统中，例如一个典型的语音会话一般要求较高的实时性，而文件传输则更加注重数据的传输速率和正确性保障，也就是说不同类型的数据流在实时性、稳定性、连续性、优先权等方面往往有不同的侧重。CSGC算法对这些不同数据流采用相同的处理方法，并不能体现其中的差异性。

针对相关技术中采用CSGC算法进行频谱分配时不能体现不同类型的数据流的差异性的问题，目前尚未提出有效的解决方案。

发明内容

针对相关技术中频谱分配不能体现不同类型的数据流的差异性的问题，本发明提供了一种信道分配方法及装置，以至少解决上述问题。

根据本发明的一个方面，提供了一种信道分配方法，包括：根据待分配信道的一个或多个次用户的数据流对各个收益属性的要求，获取所述次用户的数据流的各个收益属性的收益权重；对于每个所述次用户，利用该次用户的数据流的各个收益属性的收益权重对该次用户的各个可选信道在所述各个收益属性下的收益值进行加权，获得该次用户的各个可选信道的信道综合收益值；针对每个次用户，根据该次用户的各个可选信道的信道综合收益值、以及所述各个可选信道分配给该次用户时对相邻次用户的影响，计算该次用户的标签值；按照待分配信道的次用户的标签值进行排序，选择最大标签值对应的信道和次用户，将选择的所述信道分配给选择的所述次用户。

优选地，根据次用户的数据流对各个收益属性的要求，确定次用户的数据流的各个收益属性的收益权重，包括：获取待分配信道的一个或多个次用户的数据流的类型，根据各种类型的数据流对各个收益属性的要求，确定各种类型的所述数据流的各个收益属性的重要程度；对于每种类型的数据流Flow_l，根据数据流Flow_l的各个收益属性的重要程度，得到数据流Flow_l的各个收益属性的模糊互补判断矩阵A=(a_i，j)_NumU×NumU，其中，l∈{1,2，...,NumL}，NumL为待分配信道的一个或多个次用户的数据流的类型的总数，i∈{1,2，...,NumU}，j∈{1,2，...,NumU}，NumU为数据流Flow_l的收益属性的总数；按照以下公式计算数据流Flow_l的各个收益属性u_i的收益权重ω_i：

优选地，根据数据流Flow_l的各个收益属性的重要程度，得到数据流Flow_l的各个收益属性的模糊互补判断矩阵A=(a_i,j)_NumU×NumU，包括：根据数据流Flow_l的各个收益属性的重要程度，采用0.1～0.9五标度标记法进行两两比较，得到数据流Flow_l的各个收益属性的模糊互补判断矩阵A=(a_i,j)_NumU×NumU，其中，a_i,j∈{0.1,0.3,0.5,0.7,0.9}。

优选地，对于每个次用户，利用该次用户的数据流的各个收益属性的收益权重对该次用户的各个可选信道在所述各个收益属性下的收益值进行加权，获得该次用户的各个可选信道的信道综合收益值，包括：对于该次用户的数据流Flow，获取所述数据流Flow在各个可选信道cn_i上的收益属性u_j的收益值attri_i，j，其中，i∈{1,2,...,NumChannel}，NumChannel为该次用户的可选信道的总数，j∈{1,2，...,NumU}，NumU为数据流Flow的收益属性的总数；对所述数据流Flow在各个可选信道cn_i上的收益属性u_j的收益值attri_i，j进行规范化处理，得到所述数据流Flow的规范化的决策矩阵Attr={attr_i,j|(attr_i,j>0)}_{NumChannel×NumU}；按照以下公式计算所述次用户的数据流Flow在各个可选信道cn_i上的综合收益值v_i，即计算次用户的各个可选信道的信道综合收益值：

其中，ω_j为所述数据流Flow的第j个收益属性u_j的收益权重。

优选地，在将选择的所述信道分配给选择的所述次用户之后，所述方法还包括：更新记载可选信道及需要分配信道的次用户的拓扑图，如果更新后的拓扑图为空，则结束，否则，返回确定待分配信道的次用户的数据流的各个收益属性的收益权重的步骤，继续为未分配的次用户分配信道。

优选地，所述收益属性包括以下至少之一：传输信噪比、传输速率、传输时延、实时性、稳定性、连续性和优先权。

根据本发明的另一方面，提供了一种信道分配装置，包括：第一获取模块，用于根据待分配信道的一个或多个次用户的数据流对各个收益属性的要求，获取所述次用户的数据流的各个收益属性的收益权重；第二获取模块，用于对于每个所述次用户，利用该次用户的数据流的各个收益属性的收益权重对该次用户的各个可选信道在所述各个收益属性下的收益值进行加权，获得该次用户的各个可选信道的信道综合收益值；计算模块，用于针对每个次用户，根据该次用户的各个可选信道的信道综合收益值、以及所述各个可选信道分配给该次用户时对相邻次用户的影响，计算该次用户的标签值；分配模块，用于按照待分配信道的次用户的标签值进行排序，选择最大标签值对应的信道和次用户，将选择的所述信道分配给选择的所述次用户。

优选地，所述第一获取模块包括：确定单元，用于获取待分配信道的一个或多个次用户的数据流的类型，根据各种类型的数据流对各个收益属性的要求，确定各种类型的所述数据流的各个收益属性的重要程度；第一获取单元，用于对于每种类型的数据流Flow_l，根据数据流Flow_l的各个收益属性的重要程度，得到数据流Flow_l的各个收益属性的模糊互补判断矩阵A=(a_i，j)_NumU×NumU，其中，l∈{1,2，...,NumL}，NumL为待分配信道的一个或多个次用户的数据流的类型的总数，i∈{1,2,...,NumU}，j∈{1,2,...,NumU}，NumU为数据流Flow_l的收益属性的总数；第一计算单元，用于按照以下公式计算数据流Flow_l的各个收益属性u_i的收益权重ω_i：

优选地，所述第一获取单元采用0.1～0.9五标度标记法进行两两比较，得到数据流Flow_l的各个收益属性的模糊互补判断矩阵A=(a_i，j)_NumU×NumU，其中，a_i，j∈{0.1,0.3,0.5,0.7,0.9}。

优选地，所述第二获取模块，包括：第二获取单元，用于对于每个所述次用户的数据流Flow，获取所述数据流Flow在各个可选信道cn_i上的收益属性u_j的收益值attri_i，j，其中，i∈{1,2，...,NumChannel}，NumChannel为数据流Flow所属用户的可选信道的总数，j∈{1,2，...,NumU}，NumU为数据流Flow的收益属性的总数；处理单元，用于对于每个所述次用户的数据流Flow，获取数据流Flow在各个可选信道cn_i上的收益属性u_j的收益值attri_i，j进行规范化处理，得到所述数据流Flow的规范化的决策矩阵Attr={attr_i,j|(attr_i,j>0)}_{NumChannel×NumU}；第二计算单元，用于按照以下公式计算每个所述次用户的数据流Flow在各个可选信道cn_i上的信道综合收益值v_i：

其中，ω_j为所述数据流Flow_l的第j个收益属性u_j的收益权重。

优选地，所述装置还包括：更新模块，用于在所述分配模块分配所述信道之后，更新记载可选信道及需要分配信道的次用户的拓扑图；判决模块，用于判断更新后的拓扑图是否为空，如果不为空，则触发所述第一获取模块。

通过本发明，根据待分配信道的次用户的数据流对各个收益属性的要求，获取该用户的数据流的各个收益属性的收益权重，利用该次用户的数据流的各个收益属性的收益权重对该次用户的各个可选信道在各个收益属性下的收益值进行加权，按照加权后的信道综合收益值进行信道分配，从而可以在分配信道时，考虑各个数据流的收益属性的要求，使得资源的分配更加合理。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1a是根据相关技术中基于颜色敏感的图论模型示意图一；

图1b是根据相关技术中基于颜色敏感的图论模型示意图二；

图1c是根据相关技术中基于颜色敏感的图论模型示意图三；

图2a是相关技术中用于在信道A上的干扰示意图；

图2b是相关技术中用于在信道E上的干扰示意图；

图3是根据本发明实施例的信道分配方法的流程图；

图4是根据本发明实施例的信道分配装置的结构示意图；

图5是根据本发明实施例的信道分配装置的第一获取模块的优选结构示意图；

图6是根据本发明实施例的信道分配装置的第二获取模块的优选结构示意图；

图7是根据本发明实施例的信道分配装置的优选结构示意图；

图8是根据本发明实施例的基于面向对象的颜色敏感着色的频谱分配方法的流程示意图；

图9是根据本发明实施例的一个实施方式的频谱分配流程图。

具体实施方式

下文中将参考附图并结合实施例来详细说明本发明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

图3为根据本发明实施例的信道（即频谱）分配方法的流程图，如图3所示，根据本发明实施例的信道分配方法主要包括以下步骤（步骤S302－步骤S308）：

步骤S302，根据待分配信道的一个或多个次用户的数据流对各个收益属性的要求，获取所述次用户的数据流的各个收益属性的收益权重；

由于不同类型的数据流对各个收益属性有不同的要求，例如，语音数据流要求较高的实时性，而文件传输的数据流一般要求更快的传输速率和更高的正确性。因此，在本实施例中，根据待分配信道的各个次用户的数据流对收益属性的要求，为各个次用户的数据流的各个收益属性设置收益权重。

步骤S304，对于每个所述次用户，利用该次用户的数据流的各个收益属性的收益权重对该次用户的各个可选信道在所述各个收益属性下的收益值进行加权，获得该次用户的各个可选信道的信道综合收益值；

在本实施例中，利用次用户的数据流的各个收益属性的收益权重，对次用户的数据流在各个可选信道上的各个收益属性的收益值进行加权，从而获得该次用户在各个可选信道上的信道综合收益值，即该次用户的各个可选信道的信道综合收益值。

步骤S306，针对每个次用户，根据该次用户的各个可选信道的信道综合收益值、以及所述各个可选信道分配给该次用户时对相邻次用户的影响，计算该次用户的标签值；

步骤S308，按照待分配信道的次用户的标签值进行排序，选择最大标签值对应的信道和次用户，将选择的所述信道分配给选择的所述次用户。

在本实施例的一个实施方式中，在获取待分配信道的各个次用户的数据流在各个可选信道的信道综合收益值之后，将该信道综合收益值作为CSGC算法中各个次用户在各个可选信道上的收益值，然后按照CSGC算法中计算标签值的方法，计算各个次用户的标签值，根据各个次用户的标签值进行信道分配。即对标签值最大的顶点（即次用户）进行着色。当然，并不限于此，本发明实施例中还可以采用其他具体表述方式进行分配，具体本发明实施例不做限定。

通过本发明实施例提供的上述方案，在为次用户分配信道时，综合考虑次用户的数据流对收益属性的要求，从而使得资源的分配更加合理。

在获取待分配的各个次用户的数据流的各个收益属性的收益权重时，可以通过各种类型的数据流的各个收益属性的模糊互补判断矩阵来确定，例如，在本发明实施例的一个实施方式中，可以获取待分配的一个或多个次用户的数据流的类型，根据不同类型的数据流对各个收益属性的要求，确定各种类型的数据流的各个收益属性的重要程度，然后对于各种类型的数据流Flow_l，根据数据流Flow_l的各个收益属性的重要程度，得到数据流Flow_l的各个收益属性的模糊互补判断矩阵，其中，A=(a_i，j)_NumU×NumUl∈{1,2，...,NumL}，NumL为待分配信道的一个或多个次用户的数据流的类型的总数，i∈{1,2，...,NumU}，j∈{1,2，...,NumU}，NumU为数据流Flow_l的收益属性的总数；再按照以下公式计算数据流Flow_l的第i个收益属性u_i的收益权重ω_i：

例如，在本发明实施例的一个实施方式中，可以根据数据流Flow_l的各个收益属性的重要程度，采用如表1所示的0.1～0.9五标度标记法进行两两比较，得到数据流Flow_l的各个收益属性的模糊互补判断矩阵A=(a_i,j)_NumU×NumU，其中，a_i,j∈{0.1,0.3,0.5,0.7,0.9}。当然，并不限于此，在实际应用中，本发明实施例也可以采用其他的方式进行标记，只要能够表示出数据流Flow_l的各个收益属性的相对重要程度即可。

表1

在一个实施例中，在获取各个所述次用户在各个可选信道的信道综合收益值时，对于各个所述次用户中的每个次用户的数据流Flow，可以通过以下步骤获取数据流Flow在各个可选信道的信道综合收益值：

步骤1，获取所述数据流Flow在各个可选信道（也可以称为可选方案）cn_i上的收益属性u_j的收益值attri_i，j，其中，i∈{1,2,...,NumChannel}，NumChannel为该次用户的可选信道的总数，j∈{1,2,...,NumU}，NumU为数据流Flow的收益属性的总数；

步骤2，对所述数据流Flow在各个可选信道cn_i上的收益属性u_j的收益值attri_i，j进行规范化处理，得到所述数据流Flow的规范化的决策矩阵Attr={attr_i,j|(attr_i,j>0)}_{NumChannel×NumU}；

由于不同收益属性的物理量纲可能不相同，因此，在计算数据流Flow在各个可选信道cn_i上的信道综合收益前，先对所述数据流Flow在各个可选信道cn_i上的收益属性u_j的收益值attri_i，j进行规范化处理，从而得到所述数据流Flow的规范化的决策矩阵Attr={attr_i,j|(attr_i,j>0)}_{NumChannel×NumU}。在本实施例中，对于不同类型的收益属性可以采用不同规范化处理。例如，对于收益型的收益属性（例如，信噪比），可以采用下面的公式（2）进行规范化处理，对于成本型的收益属性（例如，时延），可以采用下面的公式（3）进行规范化处理，其中，I₁为收益型的收益属性集合，I₂为成本型的收益属性集合，i∈Channel指示i的取值范围在可选信道的数量范围之内。

公式（2）

公式（3）

步骤3，按照以下公式计算所述次用户的数据流Flow在各个可选信道cn_i上的信道综合收益值v_i，即计算次用户的各个可选信道的信道综合收益值：

其中，ω_j为所述数据流Flow_l的第j个收益属性u_j的收益权重。

在一个实施例中，在将选择的所述信道分配给选择的所述次用户之后，所述方法还包括：更新记载可选信道及需要分配信道的次用户的拓扑图，如果更新后的拓扑图为空，则结束，否则，返回确定待分配信道的次用户的数据流的各个收益属性的收益权重的步骤，继续为未分配的次用户分配信道。例如，如果采用CSGS中的基于图着色的频谱分配方式，则在为其中的一个次用户（顶点n^*）分配信道之后，可以按照以下方式更新拓扑图：从顶点n^*的颜色列表中移去color(n^*)，从顶点n^*的干扰节点的颜色列表中移去color(n^*)和相应的边，删除饱和的或颜色列表为空的边及其顶点，无边的独立顶点选择收益最大的颜色至饱和。

在本发明实施例中，上述收益属性包括但不限于以下的一项或多项：传输信噪比、传输速率、传输时延、实时性、稳定性、连续性和优先权。

与上述信道分配方法对应，本发明实施例还提供了一种信道分配装置。

图4为根据本发明实施例的信道分配装置的结构示意图，如图4所示，该信道分配装置可以包括：第一获取模块10，用于根据不同类型数据流对各个收益属性的要求，获取待分配信道的一个或多个次用户的数据流的各个收益属性的收益权重；第二获取模块20，与第一获取模块10耦合，用于对于每个所述次用户，利用该次用户的数据流的各个收益属性的收益权重对该次用户的各个可选信道在所述各个收益属性下的收益值进行加权，获得该次用户的各个可选信道的信道综合收益值；计算模块30，与第二获取模块20耦合，用于针对每个次用户，根据该次用户的各个可选信道的信道综合收益值、以及所述各个可选信道分配给该次用户时对相邻次用户的影响，计算该次用户的标签值；分配模块40，与计算模块30耦合，用于按照待分配信道的次用户的标签值进行排序，选择最大标签值对应的信道和次用户，将选择的所述信道分配给选择的所述次用户。

通过本发明实施例的上述信道分配装置，在进行信道分配时，综合考虑对待分配的数据流的收益属性的要求，从而使得资源分配更新合理。

在第一获取模块10获取待分配的各个次用户的数据流的各个收益属性的收益权重时，可以通过相应类型的数据流的各个收益属性的模糊互补判断矩阵来确定，例如，在本发明实施例的一个实施方式中，如图5所示，第一获取模块10可以包括：确定单元110，用于获取待分配信道的一个或多个次用户的数据流的类型，根据各种类型的数据流对各个收益属性的要求，确定各种类型的所述数据流的各个收益属性的重要程度；第一获取单元120，用于对于每种类型的数据流Flow_l，根据数据流Flow_l的各个收益属性的重要程度，得到数据流Flow_l的各个收益属性的模糊互补判断矩阵A=(a_i，j)_NumU×NumU，其中，l∈{1,2,...,NumL}，NumL为待分配信道的一个或多个次用户的数据流的类型的总数，i∈{1,2，...,NumU}，j∈{1，2，...,NumU}，NumU为数据流Flow_l的收益属性的总数；第一计算单元，130，用于按照以下公式计算数据流Flow_l的第i个收益属性u_i的收益权重ω_i：

例如，在本发明实施例的一个实施方式中，第一获取单元120可以采用0.1～0.9五标度标记法进行两两比较，得到数据流Flow_l的各个收益属性的模糊互补判断矩阵A=(a_i,j)_NumU×NumU，其中，a_i,j∈{0.1,0.3,0.5,0.7,0.9}。

在一个实施例中，如图6所示，第二获取模块20可以包括：第二获取单元210，用于对于每个所述次用户的数据流Flow，获取所述数据流Flow在各个可选信道cn_i上的收益属性u_j的收益值attri_i，j，其中，i∈{1,2，...,NumChannel}，NumChannel为数据流Flow所属用户的可选信道的总数，j∈{1,2，...,NumU}，NumU为数据流Flow的收益属性的总数；处理单元220，用于对于每个所述次用户的数据流Flow，获取数据流Flow在各个可选信道cn_i上的收益属性u_j的收益值attri_i，j进行规范化处理，得到所述数据流Flow的规范化的决策矩阵Attr={attr_i,j|(attr_i,j>0)}_{NumChannel×NumU}；第二计算单元230，按照以下公式计算所述次用户的数据流Flow在各个可选信道cn_i上的信道综合收益值v_i，即计算次用户的各个可选信道的信道综合收益值：

其中，ω_j为所述数据流Flow_l的第j个收益属性u_j的收益权重。

在一个实施例中，如图7所示，该装置还可以包括：更新模块50，与分配模块40耦合，用于在分配模块40分配所述信道之后，更新记载可选信道及需要分配信道的次用户的拓扑图；判决模块60，用于判断更新后的拓扑图是否为空，如果不为空，则触发第一获取模块10，即继续为未分配信道的次用户分配信道。

例如，如果采用CSGS中的基于图着色的频谱分配方式，则在为其中的一个用户（顶点n^*）分配信道之后，更新模块40可以按照以下方式更新拓扑图：从顶点n^*的颜色列表中移去color(n^*)，从顶点n^*的干扰节点的颜色列表中移去color(n^*)和相应的边，删除饱和的或颜色列表为空的边及其顶点，无边的独立顶点选择收益最大的颜色至饱和。

下面以在获得各个信道的信道综合收益值后，按照CSGC方法的后续步骤进行频谱分配为例，即采用基于面向对应的颜色敏感图着色的频谱分配方法，对本发明实施例提供的技术方案进行说明。

图8是本发明实施例的基于面向对象的颜色敏感图着色的频谱分配方法流程示意图，如图8所示，所述方法包括以下步骤：

步骤S802，基于模糊互补判断矩阵排序中转法，根据待分配信道的次用户的数据流对各个收益属性要求，对次用户的各个可选信道在所述各个收益属性下的收益值按照相应的收益权重进行加权，获得次用户的各个可选信道的信道综合收益，并计算该次用户的标签值label_n；

其中，所述收益属性包括但不限于传输信噪比、传输速率、传输时延、实时性、稳定性、连续性和优先权等中的一项或多项；

各个收益属性的收益权重的获取方法可以通过对各个属性收益采用0.1~0.9五标度标记法进行两两比较，得出模糊互补判断矩阵，然后根据所述判断矩阵进行计算得到收益权重。

例如，对于某种类型的数据流Flow_l,l∈{1,2,...,NumL}，其收益属性集U={u₁,u₂,...,u_NumU}，可选方案（即可选信道）集Channel={cn₁,cn₂,...,cn_NumChannel}。其中NumL指待分配信道的一个或多个次用户的数据流的类型的总数，NumU指收益属性个数，NumChannel指可分配的信道总数，用ω=[ω₁,ω₂,...,ω_NumU]表示数据流Flow_l的收益权重向量（其中各个元素分别表示Flow_l的各个收益属性的权重），其中ω_i∈[0,1]且下面给出数据流Flow_l的信道收益评估的权重参数法的步骤：

（1）确定权重向量ω

按照表1，对各个收益属性采用0.1~0.9五标度标记法进行两两比较，给出模糊互补判断矩阵A=(a_i，j|a_i，j∈{0.1,0.3,0.5,0.7,0.9})_NumU×NumU，得数据流Flow_l的收益属性u_j的收益权重为

（2）矩阵的规范化处理

对于数据流Flow_l，设可选方案cn_i在属性u_j下的收益attri_i，j，(attri_i,j>0)构成决策阵。由于不同属性的物理量纲可能不同，将其按照公式（2）和公式（3）进行规范化处理，即

公式（2）

公式（3）

从而得到规范化的决策矩阵Attr={attr_i,j|(attr_i,j>0)}_{NumChannel×NumU}。其中I₁、I₂分别为效益型和成本型属性的下表集合，且满足I₁∪I₂=U。

（3）信道综合收益值的计算

数据流Flow_l在可选方案cn_i下的综合收益值v_i，即

其中，ω_j为所述数据流Flow_l的第j个收益属性u_j的收益权重。

对于不同的数据流Flow₁,Flow₂,...,Flow_NumL，根据公式（1）到（4），求得各个数据流的属性权重列表如下：

表2不同类型数据流的属性权重

由于权重已做归一化处理，因此，∑_jω_i,j=1，取其精度为小数点后两位，可将各种数据流对属性权重的要求用一个宏来表示。

根据各个次用户的各个可选信道的信道综合收益值，以及各个可选信道分配给该次用户给相邻次用户造成的干扰，可以得到各个次用户的标签值（例如，可以按照下面所述的CF准则计算）。

步骤S804，对标签值最大的顶点（次用户）进行着色（分配信道）。

将标签值最大（label_n）的信道（color(n^*)）作为最佳信道，分配给相应的次用户n^*=arg max label_n（即给顶点n^*着色）。

步骤S806，更新拓扑图，如果拓扑图不为空，则返回步骤一；如果拓扑图为空，则方法结束。

在本实施例中，更新拓扑图包括：从顶点n^*的颜色列表中移去color(n^*)，从顶点n^*的干扰节点的颜色列表中移去color(n^*)和相应的边，删除饱和的或颜色列表为空的边及其顶点，无边的独立顶点选择收益最大的颜色至饱和。

需要说明的是，步骤S804和步骤S806的具体实现方法与现有技术中的CSGC算法相同，这里不再赘述。

下面通过具体的实例进行说明。本实施例可以通过矩阵来记载各个信息，下面对本实施例涉及的矩阵和准则进行说明。

（1）可用信道矩阵

在本实施例中，可用信道（即上述的可选信道）阵L={l_n,m|l_n,m∈{0,1}}_N×M是一个N×M矩阵，它表示各信道对于各次用户的可用性。元素l_n,m=1表示用户n可以使用信道m。反之，l_n,m=0表示不可使用。

（2）信道收益矩阵

信道收益阵B={b_n,m}_N×M是一个N×M矩阵，元素b_n,m表示用户n在不考虑邻节点干扰时在信道m上可以获得的最大通信带宽、吞吐量等。特别地，将次用户n在信道m上的信号覆盖范围作为其在此信道上的收益值，即b_n，m=D_s(n,m)。其中，D_s(n,m)表示次用户n在信道m上不干扰主用户正常通信情况下的最大信号辐射距离，量值上相当于半径；

这里需要说明的是，信道可用性与信道收益值密切相关。只有当次用户的辐射距离同时满足d_s min<d_s<d_s max和d_p+d_s≤Dist(s,p)两个约束条件时，信道可用（l_n,m=1）且相应的信道收益为满足两个约束条件最大解D_s(n,m)的函数b_n，m=F(D_s(n,m))。特别地，l_n,m=0时b_n,m=0。信道收益阵B={b_n,m}_N×M正是频谱分配算法中信道收益差异性的体现。其中d_p是主用户辐射距离，d_s是次用户辐射距离，Dist是主次用户的地理位置间的距离；

（3）干扰约束矩阵

干扰约束阵C={c_n，k,m|c_n，k,m∈{0,1}}_N×N×M是一个N×N×M矩阵，元素c_n，k,m表示用户n和用户k在信道m上的干扰情况。当

d_s(n,m)+d_s(k,m)≥Dist(n,k)

时，如果次用户n和k同时使用信道m，则会产生干扰，即c_n，k,m=1，同时规定c_n，n,m=1-l_n,m。这里的d_s(n,m)只是次用户n在信道m上辐射距离一种表征，而D_s(n,m)是满足约束条件的最大解，即D_s(n,m)不仅要保证主用户的正常通信，同时还需满足自身设备的功率限制，并在此范围内达到最大；

另外，干扰矩阵满足约束不等式c_n，k,m≤l_n,m×l_k,m，可见，当且仅当l_n,m=1且l_k,m=1时，c_n，k,m才可能为1。

（4）分配结果矩阵

分配结果阵A={a_n，m|a_n，m∈{0,1}}_N×M的元素a_n，m=1表示信道m被成功分配给用户n使用。

容易知道a_n,m≤l_n,m，且当c_n,k,m=1时，a_n,m+a_k,m≤1。

(5)CF准则：

其中，b_n，m是次用户n在信道m上的收益，D_n，m+1表征将信道m分配给次用户n时对邻用户的影响，分配过程中总是希望收益越大越好，对邻节点的影响越小越好，而次用户n的信道选择必须在其可用信道列表l_n中。这里label_n表示对顶点(次用户)n进行标记，即次用户n的标签值，color_n表示对顶点n标记的颜色，即次用户n分配信道color_n。

在本实施例中，基于数据流的收益属性要求计算信道综合收益矩阵，代替CSGC算法中的信道收益矩阵，实现更合理的频谱资源分配。

图9为本实施例的频谱分配流程图，如图9所示，主要包括以下步骤：

步骤1，采用合作式公平（CF，Collaboration Fair）准则，进行顶点标记。

在本步骤之前，如图9所示，可以执行初始化过程，在初始化过程中，主要是参数的初始化，包括主用户数量、次用户数量、信道数量、主用户和次用户的干扰辐射半径、拓扑图的大小等，然后根据这些参数生成拓扑图；

本实施例中，选用语音和数据两种典型的数据流，取收益属性集为信噪比传播时延T和传输速率R，可选方案集为10个可用信道的集合。

表3

	信噪比	时延	速率
				信噪比	0.5	0.3	0.7
时延	0.7	0.5	0.9
				速率	0.3	0.1	0.5

表4.

	信噪比	时延	速率
				信噪比	0.5	0.9	0.7
时延	0.1	0.5	0.3
				速率	0.3	0.5	0.7

然后采用公式（1）计算得到语音流和数据流的收益权重分别为ω^(SOUN)=[0.33,0.44,0.23]，ω^(DATA)=[0.44,0.23,0.33]。由于权重已做归一化处理，取权重精度为小数点后两位，可以将各种数据流对属性权重的要求用一个宏来表示，例如将语音流和数据流的属性权重要求分别定义为#define SOUN 334423和#define DATA 442333的形式，则语音流信标为“SOUN”,对属性时延要求较高（44%），对属性信噪比要求次之（33%），对属性速率要求较低（23%）；数据流信标为“DATA”,对属性信噪比要求较高（44%）,对属性速率要求次之（33%），对属性时延要求较低（23%）。

以次用户信号传输距离D_s(n,m)的函数表征信号发射功率。干扰功率P采用通用软件无线电外设(USRP,Universal Software Radio Peripheral)实测值，即-95dBm~-90dBm，与干扰功率P的比值即信噪比。传播时延T和传输速率R采用802.22标准的参考值，即25μs~50μs和18Mbps~24Mbps。将这些收益随机分布于各信道上，各可选信道cn_i,i=1~10在属性u_j,j=1~3下的收益值 组成决策阵。其中R对应的 属于效益型收益，T对应的是成本型收益，根据公式（2）和公式（3）分别对其规范化，并按照（4）计算各次用户的各个可选信道的信道综合收益值，就可以得到信道收益阵B。

最后，用CF准则计算顶点（次用户）的标签值label_n。

步骤2，对标签值最大的顶点（次用户）进行着色。

选择综合增益最大（标签值最大）的信道（color(n^*)）作为最佳信道，分配给次用户n^*=arg max label_n（即给顶点n^*着色），即A(n^*=arg max label_n,color(n^*))=1。

步骤3，更新拓扑图，如果拓扑图不为空，则返回步骤一；如果拓扑图为空，则算法结束。

这里首先给出“饱和”的概念：如果分配给一个顶点信道的数目达到能够分配给该顶点的信道数目的最大值，则称该顶点是饱和的。

其中，更新拓扑图包括：从顶点n^*的颜色列表中移去color(n^*)，从顶点n^*的干扰节点的颜色列表中移去color(n^*)和相应的边，删除饱和的或颜色列表为空的顶点及其边，无边的独立顶点选择收益最大的颜色至饱和。

其中，拓扑图为空指没有可以用于分配的信道。在程序实现中，每次分配循环将受影响顶点相关信道的可用性置为0，即不可用状态。

从以上的描述中，可以看出，本发明实现了如下技术效果：在本发明实施例中，根据不同类型的数据流对各个收益属性的要求，对待分配的各个数据流的收益进行加权，根据加权后的信道综合收益值进行信道分配，从而可以在分配信道时，考虑各个数据流的属性要求，使得资源的分配更加合理。

显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (11)

1.一种信道分配方法，其特征在于，包括：

根据待分配信道的一个或多个次用户的数据流对各个收益属性的要求，获取所述次用户的数据流的各个收益属性的收益权重；

对于每个所述次用户，利用该次用户的数据流的各个收益属性的收益权重对该次用户的各个可选信道在所述各个收益属性下的收益值进行加权，获得该次用户的各个可选信道的信道综合收益值；

针对每个次用户，根据该次用户的各个可选信道的信道综合收益值、以及所述各个可选信道分配给该次用户时对相邻次用户的影响，计算该次用户的标签值；

按照待分配信道的次用户的标签值进行排序，选择最大标签值对应的信道和次用户，将选择的所述信道分配给选择的所述次用户。

2.根据权利要求1所述的方法，其特征在于，根据次用户的数据流对各个收益属性的要求，确定次用户的数据流的各个收益属性的收益权重，包括：

获取待分配信道的一个或多个次用户的数据流的类型，根据各种类型的数据流对各个收益属性的要求，确定各种类型的所述数据流的各个收益属性的重要程度；

对于每种类型的数据流Flow_l，根据数据流Flow_l的各个收益属性的重要程度，得到数据流Flow_l的各个收益属性的模糊互补判断矩阵A＝(a_i,j)_NumU×NumU，其中，l∈{1,2,...,NumL}，NumL为待分配信道的一个或多个次用户的数据流的类型的总数，i∈{1,2,...,NumU}，j∈{1,2,...,NumU}，NumU为数据流Flow_l的收益属性的总数；

按照以下公式计算数据流Flow_l的各个收益属性u_i的收益权重ω_i：

3.根据权利要求2所述的方法，其特征在于，根据数据流Flow_l的各个收益属性的重要程度，得到数据流Flow_l的各个收益属性的模糊互补判断矩阵A＝(a_i,j)_NumU×NumU，包括：

根据数据流Flow_l的各个收益属性的重要程度，采用0.1～0.9五标度标记法进行两两比较，得到数据流Flow_l的各个收益属性的模糊互补判断矩阵A＝(a_i,j)_NumU×NumU，其中，a_i,j∈{0.1,0.3,0.5,0.7,0.9}。

4.根据权利要求1所述的方法，其特征在于，对于每个次用户，利用该次用户的数据流的各个收益属性的收益权重对该次用户的各个可选信道在所述各个收益属性下的收益值进行加权，获得该次用户的各个可选信道的信道综合收益值，包括：对于该次用户的数据流Flow，

获取所述数据流Flow在各个可选信道cn_i上的收益属性u_j的收益值attri_i,j，其中，i∈{1,2,...,NumChannel}，NumChannel为该次用户的可选信道的总数，j∈{1,2,...,NumU}，NumU为数据流Flow的收益属性的总数；

对所述数据流Flow在各个可选信道cn_i上的收益属性u_j的收益值attri_i,j进行规范化处理，得到所述数据流Flow的规范化的决策矩阵Attr＝{attr_i,j|(attr_i,j＞0)}_{NumChannel×NumU}；

按照以下公式计算所述次用户的数据流Flow在各个可选信道cn_i上的综合收益值ν_i，即计算次用户的各个可选信道的信道综合收益值：

其中，ω_j为所述数据流Flow的第j个收益属性u_j的收益权重；

其中，j∈{1,2,...,NumU}，w∈{1,2,...,NumU}，NumU为数据流Flow_l的收益属性的总数，l∈{1,2,...,NumL}，NumL为待分配信道的一个或多个次用户的数据流的类型的总数；数据流Flow_l的各个收益属性的模糊互补判断矩阵A＝(a_j,w)_NumU×NumU，a_j,w∈{0.1,0.3,0.5,0.7,0.9}。

5.根据权利要求1至4中任一项所述的方法，其特征在于，在将选择的所述信道分配给选择的所述次用户之后，所述方法还包括：

更新记载可选信道及需要分配信道的次用户的拓扑图，如果更新后的拓扑图为空，则结束，否则，返回确定待分配信道的次用户的数据流的各个收益属性的收益权重的步骤，继续为未分配的次用户分配信道。

6.根据权利要求1至4中任一项所述的方法，其特征在于，所述收益属性包括以下至少之一：传输信噪比、传输速率、传输时延、实时性、稳定性、连续性和优先权。

7.一种信道分配装置，其特征在于，包括：

第一获取模块，用于根据待分配信道的一个或多个次用户的数据流对各个收益属性的要求，获取所述次用户的数据流的各个收益属性的收益权重；

第二获取模块，用于对于每个所述次用户，利用该次用户的数据流的各个收益属性的收益权重对该次用户的各个可选信道在所述各个收益属性下的收益值进行加权，获得该次用户的各个可选信道的信道综合收益值；

计算模块，用于针对每个次用户，根据该次用户的各个可选信道的信道综合收益值、以及所述各个可选信道分配给该次用户时对相邻次用户的影响，计算该次用户的标签值；

分配模块，用于按照待分配信道的次用户的标签值进行排序，选择最大标签值对应的信道和次用户，将选择的所述信道分配给选择的所述次用户。

8.根据权利要求7所述的装置，其特征在于，所述第一获取模块包括：

确定单元，用于获取待分配信道的一个或多个次用户的数据流的类型，根据各种类型的数据流对各个收益属性的要求，确定各种类型的所述数据流的各个收益属性的重要程度；

第一获取单元，用于对于每种类型的数据流Flow_l，根据数据流Flow_l的各个收益属性的重要程度，得到数据流Flow_l的各个收益属性的模糊互补判断矩阵A＝(a_i,j)_NumU×NumU，其中，l∈{1,2,...,NumL}，NumL为待分配信道的一个或多个次用户的数据流的类型的总数，i∈{1,2,...,NumU}，j∈{1,2,...,NumU}，NumU为数据流Flow_l的收益属性的总数；

第一计算单元，用于按照以下公式计算数据流Flow_l的各个收益属性u_i的收益权重ω_i：

9.根据权利要求8所述的装置，其特征在于，所述第一获取单元采用0.1～0.9五标度标记法进行两两比较，得到数据流Flow_l的各个收益属性的模糊互补判断矩阵A＝(a_i,j)_NumU×NumU，其中，a_i,j∈{0.1,0.3,0.5,0.7,0.9}。

10.根据权利要求7所述的装置，其特征在于，所述第二获取模块，包括：

第二获取单元，用于对于每个所述次用户的数据流Flow，获取所述数据流Flow在各个可选信道cn_i上的收益属性u_j的收益值attri_i,j，其中，i∈{1,2,...,NumChannel}，NumChannel为数据流Flow所属用户的可选信道的总数，j∈{1,2,...,NumU}，NumU为数据流Flow的收益属性的总数；

处理单元，用于对于每个所述次用户的数据流Flow，获取数据流Flow在各个可选信道cn_i上的收益属性u_j的收益值attri_i,j进行规范化处理，得到所述数据流F l o的规范化的决策矩阵

第二计算单元，用于按照以下公式计算每个所述次用户的数据流Flow在各个可选信道cn_i上的信道综合收益值ν_i：

其中，ω_j为所述数据流Flow_l的第j个收益属性u_j的收益权重；

其中，j∈{1,2,...,NumU}，w∈{1,2,...,NumU}，NumU为数据流Flow_l的收益属性的总数，l∈{1,2,...,NumL}，NumL为待分配信道的一个或多个次用户的数据流的类型的总数；数据流Flow_l的各个收益属性的模糊互补判断矩阵A＝(a_j,w)_NumU×NumU，a_j,w∈{0.1,0.3,0.5,0.7,0.9}。

11.根据权利要求7至10中任一项所述的装置，其特征在于，所述装置还包括：

更新模块，用于在所述分配模块分配所述信道之后，更新记载可选信道及需要分配信道的次用户的拓扑图；

判决模块，用于判断更新后的拓扑图是否为空，如果不为空，则触发所述第一获取模块。