CN104202748A - 信道中心系统及利用信道中心策略实现信道分配的方法 - Google Patents

Abstract

本发明公开了一种信道中心系统及利用信道中心策略实现信道分配的方法。系统包括管理层、服务层、信道中心和用户群，信道分配方法为：用户分级；信道中心根据用户等级来确定是否将空闲的一级用户信道分配给非授权用户；信道中心存储并管理信道状态信息，规划用户等级，管理非授权用户的信道借用行为，同时提供信道借贷情况的查询；利用基于马尔科夫链的单元式模型建立在信道中心管理下的多用户多信道认知无线电网络，通过遗传算法优化信道分配。本发明基于信道中心对信道信息和用户信息进行综合管理，在多用户多信道的认知无线电网络中可以有效防止非授权用户伺机恶意占用信道的情况，并在此基础上实现信道的最优分配，获得总吞吐量的最大化。

Description

信道中心系统及利用信道中心策略实现信道分配的方法

技术领域

本发明涉及认知无线电网络中信道分配技术领域，具体涉及信道中心系统及利用信道中心策略实现多用户多信道认知无线网络中信道合理分配的方法。

背景技术

频谱资源是一个有限的资源，但若为了保证用户不受干扰地使用频谱资源，使用固定频谱接入的方法，则会造成频谱使用效率低下的问题。而认知无线电就是用来解决这一问题的技术，使用动态频谱接入的方法，充分使用稀缺的频谱资源。在2003年十月，The United States Federal Communications Commission(FCC)接收了提议，搜集对认知无线电系统的使用和应用开发的意见，这引发了人们对认知无线电研究的热潮。目前，诸如频谱感知、智能学习、动态频谱分配、频谱共享等方面有已很多的研究。但直到今天，认知无线电方面仍然有很多问题待解决，如是否需要公共控制信道的问题，联合频谱感知和接入问题，合理构建机会经济模型问题，和认知无线电网络的架构实现。

然而引入动态频谱接入的方法会产生了信道使用是否合理的问题，如非授权用户恶意占用信道的行为严重影响授权用户的权益，所以需要建立合理的奖惩措施规范信道的使用，不仅仅只是追求用户吞吐量的最大化，而是要在合理满足各用户权益的情况下获得吞吐量的最大化。

发明内容

发明目的：为了克服现有技术中存在的不足，本发明提供一种信道中心系统及利用信道中心策略实现多用户多信道认知无线网络中信道合理分配的方法。

技术方案：本发明所述的信道中心系统，包括管理层、服务层、信道中心和用户群；用户群由一级用户、二级用户和三级用户组成，通过信道中心向服务层发送信息，服务器和管理层相连、共同处理接收到的信息；服务层接收举报信息，提供用户注册，存储信号通道状态信息和更新空闲信号通道，管理层审核服务层接收的举报信息，规划用户等级和执行信号通道分配。

所述服务层和管理层可依附于基站或者认知无线网络主要节点建立，所述服务层提供给用户群的服务有：用户注册、空闲信道信息更新、信道借用和信道借贷情况查询，信道借贷情况查询可供用户对常用信道进行分析，并对信号中心系统进行优化；所述管理层提供给用户群的服务有：用户信息维护、用户等级管理、用户增加、信道信息管理和处理举报信息。

基于以上系统，利用信道中心策略实现多用户多信道认知无线网络中信道合理分配的方法，包括以下步骤：

(1)服务层接收注册申请并由管理层进行分级：一级用户为授权用户、享有一级用户信号通道，二级用户为非授权用户、可以接入空闲的一级用户信号通道，三级用户只能接入未被划分授权的信号通道；

(2)服务层接收一级用户发送的空闲信道提供或取消信号，在空闲信道列表中添加或删除信道状态信息，若接收的信号为空闲信道取消信号，则发送取消该信道借用信号；

(3)服务层接收用户群发送的信号通道借用信号，管理层根据用户等级和当前空闲信道信息来确定如何分配信号通道；

(4)一级用户向服务层发送空闲信道取消信号后，服务层向正在使用该空闲信道的二级用户发送暂停使用信号，若一级用户发现在发送空闲信道取消信号后，自己的一级用户信号通道仍被长时间占用即可向服务层举报，管理层接收服务层的举报信息，并核实，对确实存在长时间占用一级用户信号通道的二级用户做将为三级用户处理；

(5)一级用户或二级用户成功接入信号，服务层存储信道状态信息、更新空闲信道信息并提供信道借贷情况的查询。

所述步骤(1)中的用户分级是根据信道中心存储的信道借贷的历史情况而实现的，对存有恶意占用信道情况记录的二级用户降级为三级用户。

所述步骤(3)中服务层接收一级用户发送的空闲信道提供信息，并将空闲信道分配给请求借用信号通道的二级用户，三级用户即使请求也无法借用此空闲信道。所述步骤(3)中利用马尔科夫链相关知识建立多用户多信道认知无线网络单元式模型，简化多用户多信道情况下认知无线电网络的分析复杂度，并利用遗传算法进行信道分配的最优化。所述多用户多信道认知无线网络单元式模型可以视为在单用户多信道单元式模型的基础上增加用户，单用户多信道单元式模型的三态转换图包括三种状态：数据传输、信道感知和信道切换，信道感知状态是用于感知当前需要接入的信道是否空闲，如果空闲则进入数据传输状态，否则进入信道切换状态，等待分配其他信道。

对于用户m来说，表示从信道n的信道感知状态转换到数据传输状态的概率，表示信道切换分配新信道n给用户的m的概率，和π_m，e分别表示用户m在信道感知，数据传输和信道切换三个状态的极限概率，信道接入时，还需要考虑用户m需要传输数据的概率α_m和信道n的空闲概率β_n；

所有用户根据位置自组成不同的用户群，每一个用户群都有自己的信道中心分支。分析某一信道中心，拥有N条信道，根据马尔科夫模型的状态转换关系，针对用户的三种状态可以得到一组状态转换方程：

$\left\{\begin{array}{c}\\ q_m^n{\mathrm{\π}}_{m,s}^n-{\mathrm{\π}}_{m,d}^n=0\\ {\mathrm{\π}}_{m,d}^n+r_m^n{\mathrm{\π}}_{m,e}-(1-q_m^n){\mathrm{\π}}_{m,s}^n-q_m^n{\mathrm{\π}}_{m,s}^n=0\\ \underset{n=1}{\overset{N}{\mathrm{\Σ}}}(1-q_m^n){\mathrm{\π}}_{m,s}^n-\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{r}_m^n{\mathrm{\π}}_{m,e}=0\end{array}\right.---\left(1\right)$

考虑用户m选择各个信道进行数据传输的概率和为1，所以有公式(1)可以简化为：

$\left\{\begin{array}{c}\\ q_m^n{\mathrm{\π}}_{m,s}^n-{\mathrm{\π}}_{m,d}^n=0\\ {\mathrm{\π}}_{m,d}^n+r_m^n{\mathrm{\π}}_{m,e}-{\mathrm{\π}}_{m,s}^n=0\\ \underset{n=1}{\overset{N}{\mathrm{\Σ}}}(1-q_m^n){\mathrm{\π}}_{m,s}^n-{\mathrm{\π}}_{m,e}=0\end{array}\right.---\left(2\right)$

根据此方程组可以解得：

$\left\{\begin{array}{c}\\ {\mathrm{\π}}_{m,d}^n=q_m^n{\mathrm{\π}}_{m,s}^n\\ \underset{n=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{\π}}_{m,s}^n=\frac{1}{2}\\ {\mathrm{\π}}_{m,e}=\frac{1}{2}-\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{q}_m^n{\mathrm{\π}}_{m,s}^n\end{array}\right.---\left(3\right)$

将状态初始概率由可控的两个变量和表示，可以得到：

${\mathrm{\π}}_{m,s}^n=\frac{r_m^n}{2(1-q_m^n)\underset{l=1}{\overset{N}{\mathrm{\Σ}}}\left(\frac{r_m^l}{1-q_m^l}\right)}---\left(4\right)$

所有的用户视为都有机会接入N条信道，所以每一个用户有N个状态转换方程组，则多用户多信道的认知无线电网络的分析可以通过这样的矩阵分析来获得：

其中：

$A_n=\left[\begin{array}{cc}-1& 1\\ q_m^n& -1\end{array}\right],B_n=\left[\begin{array}{c}{r}_m^n\\ 0\end{array}\right]---\left(6\right)$

$C_n=\left[\begin{array}{cc}1-q_m^n& 0\end{array}\right],{\mathrm{\π}}_n=\left[\begin{array}{c}{\mathrm{\π}}_{m,s}^n\\ {\mathrm{\π}}_{m,d}^n\end{array}\right]---\left(7\right)$

又如公式(4)所示，状态转换的极限概率可以由单元模型中标注出的两个变量表示，表示信道分配的概率，对于信道中心是可控的，所以分析的关键在于变量利用表示三态当中用户处于数据传输状态的概率，可以表示为：

${\mathrm{\Γ}}_m^n=\frac{{\mathrm{\π}}_{m,d}^n{T}_{m,d}^n}{{\mathrm{\π}}_{m,e}{T}_{m,e}+\underset{l=1}{\overset{N}{\mathrm{\Σ}}}({\mathrm{\π}}_{m,d}^l{T}_{m,d}^l+{\mathrm{\π}}_{m,s}^l{T}_{m,s}^l)}---\left(8\right)$

其中和表示用户m在信道n中数据传输、信道感知和信道切换三个状态的占用时间。所以用户m可以接入信道n进行数据传输行为，仅当该用户有数据需要传输同时信道n还未被其他用户占用，则可以表示为：

$q_m^n={\mathrm{\α}}_m{\mathrm{\β}}_n\underset{k=1k\≠m}{\overset{M}{\mathrm{\Π}}}(1-{\mathrm{\Γ}}_k^n)---\left(9\right)$

对于拥有M个用户和N条信道的信道中心来说，总的吞吐量可以表示为：

$R=\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{\Γ}}_i^j{\log }_2(1+\frac{P_i^j{\left|h_{\mathrm{ii}}^j\right|}^2}{{\left({\mathrm{\σ}}_i^j\right)}^2})---\left(10\right)$

其中表示用户i在信道j上为传输数据所分配的功率，表示信道增益，表示高斯白噪声的功率；N条信道一共有2^N种被占用情况，每种情况可以由二进制数T来表示：

T∈{0，1，2，…，2^N-2，2^N-1}      (11)

最优化问题即从2^N种情况中选择一种最合适的信道分配结果，结合遗传算法相关知识构造适合所提出模型的遗传因子表达式，定义信道分配比例：

$\mathrm{\Λ}=[{\mathrm{\λ}}_1^1,{\mathrm{\λ}}_1^2,...,{\mathrm{\λ}}_1^t,...,{\mathrm{\λ}}_M^1,{\mathrm{\λ}}_M^2,...{\mathrm{\λ}}_M^t]---\left(12\right)$

其中t表示T中1的个数，即可进行数据传输的信道数；表示用户m在信道t上传输数据所需功率占总功率的比值，这是影响总吞吐量的关键因素；依据遗传算法，将视作染色体的组成部分，每个由八位的基因表示，所以每组染色体一共有8Mt个基因；基因是由许多0和1组成的，它的复制、交叉和变异过程相对简单，易于实现；

考虑本发明提出的模型，基因在遗传的过程中是需要满足一定筛选条件的，利用检测模块来保证遗传过程中一直能满足如下条件：

$\underset{t=1}{\overset{T}{\mathrm{\Σ}}}{\mathrm{\λ}}_m^t=1---\left(13\right)$

即用户分配在每个可用信道上的功率比之和总是为1的，如果基因的任何变化破坏了此条件，则恢复变化前的基因状态；同时根据这样的分配原则，我们可以得到多用户多信道认知无线网络的信道总容量，即在所有可能的信道分配下求吞吐量的总和：

$C=\underset{T=0}{\overset{2^N-1}{\mathrm{\Σ}}}\left(R_T\underset{n\∈{\mathrm{Co}}_T}{\mathrm{\Π}}{\mathrm{\β}}_n\underset{n\∉{\mathrm{Co}}_T}{\mathrm{\Π}}(1-{\mathrm{\β}}_n)\right)---\left(14\right)$

其中，R_T表示当信道分配情况为T时的最优化吞吐量，Co_T为被接入信道的集合。

有益效果：本发明与现有技术相比，本发明所述的利用信道中心策略实现多用户多信道认知无线电网络中信道合理分配的方法，可以在解决非授权用户恶意占用信道的问题下实现用户吞吐量的最大化。本发明利用信道中心策略，将用户等级化，实现对信道和用户情况的综合管理，规范信道接入。利用马尔科夫链相关知识建立单元式模型，降低了多用户多信道认知无线电网络的分析复杂度，并通过遗传算法最优化信道分配，在合理分配信道的基础上实现总吞吐量的最大化。

附图说明

图1是本发明的信道中心系统图。

图2是本发明的信道中心处理接收信号的基本流程图。

图3是本发明的单元式模型三态转换图。

图4是本发明的多信道下状态转换图。

具体实施方式

下面结合附图对本发明作更进一步的说明。

如图1所示的信道中心系统，包括管理层、服务层、信道中心和用户群；用户群由一级用户、二级用户和三级用户组成，通过信道中心向服务层发送信息，服务器和管理层相连、共同处理接收到的信息；服务层接收举报信息，提供用户注册，存储信号通道状态信息和更新空闲信号通道，管理层审核服务层接收的举报信息，规划用户等级和执行信号通道分配。本发明提供的利用信道中心策略实现多用户多信道认知无线网络中信道合理分配的方法，核心在于信道中心策略。受实体银行信用卡借贷系统的启发，在信道分配中建设信道借贷机制，旨在规范信道借用，弥补动态频谱接入方法带来的非授权用户恶意占用信道的缺陷。服务层为用户提供相应服务，包括接收用户的注册加入，管理一级用户发来的空闲信道信息，提供空闲信道给二级用户，提供信道借贷情况的查询服务。同时管理层本身也存在系统的管理，包括维护用户信息，管理用户等级，管理信道信息，添加用户和处理举报信息。利用系统而有序的规定构建奖惩制度，一级用户发现恶意占用其所拥有的信道资源的情况，即可发送举报信号到服务层，管理层作为中立的控制中心核实举报信息，情况属实即刻将被举报的二级用户降级。一旦成为三级用户就无法享受到动态频谱接入的便利，只能接入未被划分授权的信道。通过严格的奖惩措施规范信道借用，把充分保障授权用户的权益放在第一位。

如图2所示的信道中心系统实现的基本流程图，包括如下步骤：

(1)服务层接收注册申请并由管理层进行分级：一级用户为授权用户、享有一级用户信号通道，二级用户为非授权用户、可以接入空闲的一级用户信号通道，三级用户只能接入未被划分授权的信号通道；

(2)服务层接收一级用户发送的空闲信道提供或取消信号，在空闲信道列表中添加或删除信道状态信息，若接收的信号为空闲信道取消信号，则发送取消该信道借用信号；

(3)服务层接收用户群发送的信号通道借用信号，管理层根据用户等级和当前空闲信道信息来确定如何分配信号通道；

(4)一级用户向服务层发送空闲信道取消信号后，服务层向正在使用该空闲信道的二级用户发送暂停使用信号，若一级用户发现在发送空闲信道取消信号后，自己的一级用户信号通道仍被长时间占用即可向服务层举报，管理层接收服务层的举报信息，并核实，对确实存在长时间占用一级用户信号通道的二级用户做将为三级用户处理；

(5)一级用户或二级用户成功接入信号，服务层存储信道状态信息、更新空闲信道信息并提供信道借贷情况的查询。

所有用户都可以发送最基本的注册信号和成功接入信号。注册信号用于在通信区域范围内的信道中心中实现“开户”。成功接入信号用于反馈信道接入信息，便于信道中心更新可用信道信息。一级用户还可以发送空闲信道的提供或取消信号，信道中心接收到该信号后更新空闲信道信息，以备后续的借用安排，若信号为取消空闲信道的信号，则信道中心发送取消该信道借用的信号，二级用户在接收到该信号后应暂停使用。一级用户在发现在发送了空闲信道取消信号后，自己所属信道仍然被长时间占用即可举报。信道中心核实信道借贷情况之后做降一级处理。二级用户可以发送信道借用信号，信道中心在接收到该信号后首先核实信号来源是否为三级用户，如果为三级用户，则忽视该请求，反之则首先在借用申请列表中添加用户信息，在存在空闲信道的情况下结合等级优先和FIFO的原则进行分配，一级用户优先，然后再按照先申请先分配的原则进行差别有序的借用信道分配。据此信道中心实现基本的功能。

如图3所示的多用户多信道认知无线网络单元模型中单用户的单元式模型三态转换图，以用户为分析对象，每个用户在整个通信过程中会涉及到四个状态：数据传输状态，信道感知状态，等待状态和信道切换状态。考虑到多用户和多信道带来的高分析复杂度，实际的模拟当中我们可以对等待状态进行忽略，只需考虑其他三种状态。单元式的模型是适用于所有单个用户的，在多用户情况下整体模型只需简单的加减用户，在多信道情况下只需添加单元式模型即可，如图3所示的单用户多信道接入模型。常见模型是将多用户和多信道一同分析，用户状态和信道状态的转换是糅合在一起的，一旦用户或者信道数目增加就会带来复杂度的急剧上升，而本发明介绍的此种模型将多用户和多信道的模拟区分开，特别是在类似银行模式的管理层的管理下，是以用户为主体、信道为“资金”的，所以此种模型更加适用。

如图4所示的多信道下状态转换图，信道感知状态是用于感知当前需要接入的信道是否空闲，如果空闲则进入数据传输状态，否则进入信道切换状态，等待分配其他信道。对于用户m来说，表示从信道n的信道感知状态转换到数据传输状态的概率，表示信道切换分配新信道n给用户的m的概率，和π_m，e分别表示用户m在信道感知，数据传输和信道切换三个状态的极限概率。对于信道接入问题，还需要考虑用户m需要传输数据的概率α_m和信道n的空闲概率β_n。

所有用户根据位置自组成不同的用户群，每一个用户群都有自己的信道中心分支。分析某一信道中心，拥有N条信道，根据马尔科夫模型的状态转换关系，针对用户的三种状态可以得到一组状态转换方程：

$\left\{\begin{array}{c}\\ q_m^n{\mathrm{\π}}_{m,s}^n-{\mathrm{\π}}_{m,d}^n=0\\ {\mathrm{\π}}_{m,d}^n+r_m^n{\mathrm{\π}}_{m,e}-(1-q_m^n){\mathrm{\π}}_{m,s}^n-q_m^n{\mathrm{\π}}_{m,s}^n=0\\ \underset{n=1}{\overset{N}{\mathrm{\Σ}}}(1-q_m^n){\mathrm{\π}}_{m,s}^n-\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{r}_m^n{\mathrm{\π}}_{m,e}=0\end{array}\right.---\left(1\right)$

考虑用户m选择各个信道进行数据传输的概率和为1，所以有公式(1)可以简化为：

$\left\{\begin{array}{c}\\ q_m^n{\mathrm{\π}}_{m,s}^n-{\mathrm{\π}}_{m,d}^n=0\\ {\mathrm{\π}}_{m,d}^n+r_m^n{\mathrm{\π}}_{m,e}-{\mathrm{\π}}_{m,s}^n=0\\ \underset{n=1}{\overset{N}{\mathrm{\Σ}}}(1-q_m^n){\mathrm{\π}}_{m,s}^n-{\mathrm{\π}}_{m,e}=0\end{array}\right.---\left(2\right)$

根据此方程组可以解得：

$\left\{\begin{array}{c}\\ {\mathrm{\π}}_{m,d}^n=q_m^n{\mathrm{\π}}_{m,s}^n\\ \underset{n=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{\π}}_{m,s}^n=\frac{1}{2}\\ {\mathrm{\π}}_{m,e}=\frac{1}{2}-\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{q}_m^n{\mathrm{\π}}_{m,s}^n\end{array}\right.---\left(3\right)$

将状态初始概率由可控的两个变量和表示，可以得到：

${\mathrm{\π}}_{m,s}^n=\frac{r_m^n}{2(1-q_m^n)\underset{l=1}{\overset{N}{\mathrm{\Σ}}}\left(\frac{r_m^l}{1-q_m^l}\right)}---\left(4\right)$

即使是在信道中心的管理下，仍然可以视作所有的用户都有机会接入N条信道，所以每一个用户有N个状态转换方程组，则多用户多信道的认知无线电网络的分析可以通过这样的矩阵分析来获得：

其中：

$A_n=\left[\begin{array}{cc}-1& 1\\ q_m^n& -1\end{array}\right],B_n=\left[\begin{array}{c}{r}_m^n\\ 0\end{array}\right]---\left(6\right)$

$C_n=\left[\begin{array}{cc}1-q_m^n& 0\end{array}\right],{\mathrm{\π}}_n=\left[\begin{array}{c}{\mathrm{\π}}_{m,s}^n\\ {\mathrm{\π}}_{m,d}^n\end{array}\right]---\left(7\right)$

又如公式(4)所示，状态转换的极限概率可以由单元模型中标注出的两个变量表示，表示信道分配的概率，对于信道中心是可控的，所以分析的关键在于变量利用表示三态当中用户处于数据传输状态的概率，可以表示为：

${\mathrm{\Γ}}_m^n=\frac{{\mathrm{\π}}_{m,d}^n{T}_{m,d}^n}{{\mathrm{\π}}_{m,e}{T}_{m,e}+\underset{l=1}{\overset{N}{\mathrm{\Σ}}}({\mathrm{\π}}_{m,d}^l{T}_{m,d}^l+{\mathrm{\π}}_{m,s}^l{T}_{m,s}^l)}---\left(8\right)$

其中和T_m，e表示用户m在信道n中数据传输、信道感知和信道切换三个状态的占用时间。所以用户m可以接入信道n进行数据传输行为，仅当该用户有数据需要传输同时信道n还未被其他用户占用，则可以表示为：

$q_m^n={\mathrm{\α}}_m{\mathrm{\β}}_n\underset{k=1k\≠m}{\overset{M}{\mathrm{\Π}}}(1-{\mathrm{\Γ}}_k^n)---\left(9\right)$

由于信道中心的特性，决定了它存储并管理着一定范围内的所有信道和用户信息，起到协作分配信道的作用，通过对已有信道信息的合理分析，可以获得吞吐量的最大化。然而当面对大量的用户和信道，最大化问题的复杂度会变得非常高，本发明中结合上述模型和遗传算法来解决多用户多信道情况下的吞吐量最优化问题。

对于拥有M个用户和N条信道的信道中心来说，总的吞吐量可以表示为：

$R=\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{\Γ}}_i^j{\log }_2(1+\frac{P_i^j{\left|h_{\mathrm{ii}}^j\right|}^2}{{\left({\mathrm{\σ}}_i^j\right)}^2})---\left(10\right)$

其中表示用户i在信道j上为传输数据所分配的功率，表示信道增益，表示高斯白噪声的功率。

所以最大化总吞吐量，即为考虑信道分配的问题。N条信道一共有2^N种被占用情况，每种情况可以由二进制数T来表示：

T∈{0，1，2，…，2^N-2，2^N-1}      (11)

最优化问题即从2^N种情况中选择一种最合适的信道分配结果，可见其复杂度会随着信道数的增加而增加，本发明结合遗传算法相关知识构造适合所提出模型的遗传因子表达式。定义信道分配比例：

$\mathrm{\Λ}=[{\mathrm{\λ}}_1^1,{\mathrm{\λ}}_1^2,...,{\mathrm{\λ}}_1^t,...,{\mathrm{\λ}}_M^1,{\mathrm{\λ}}_M^2,...{\mathrm{\λ}}_M^t]---\left(12\right)$

其中t表示T中1的个数，即可进行数据传输的信道数；表示用户m在信道t上传输数据所需功率占总功率的比值，这是影响总吞吐量的关键因素。依据遗传算法，将视作染色体的组成部分，每个由八位的基因表示，所以每组染色体一共有8Mt个基因。基因是由许多0和1组成的，它的复制、交叉和变异过程相对简单，易于实现。

考虑本发明提出的模型，基因在遗传的过程中是需要满足一定筛选条件的，利用检测模块来保证遗传过程中一直能满足如下条件：

$\underset{t=1}{\overset{T}{\mathrm{\Σ}}}{\mathrm{\λ}}_m^t=1---\left(13\right)$

即用户分配在每个可用信道上的功率比之和总是为1的。如果基因的任何变化破坏了此条件，则恢复变化前的基因状态。

同时根据这样的分配原则，我们可以得到多用户多信道认知无线网络的信道总容量，即在所有可能的信道分配下求吞吐量的总和：

$C=\underset{T=0}{\overset{2^N-1}{\mathrm{\Σ}}}\left(R_T\underset{n\∈{\mathrm{Co}}_T}{\mathrm{\Π}}{\mathrm{\β}}_n\underset{n\∉{\mathrm{Co}}_T}{\mathrm{\Π}}(1-{\mathrm{\β}}_n)\right)---\left(14\right)$

其中，R_T表示当信道分配情况为T时的最优化吞吐量，Co_T为被接入信道的集合。

本发明通过引入信道中心策略可以有效的避免非授权用户在动态频谱接入机制下伺机恶意占用信道的问题。信道中心作为一个中立的信道管理方，合理规范信道使用，在保障授权用户的利益前提下，实现总吞吐量的最大化。

如上所述，尽管参照特定的优选实施例已经表示和表述了本发明，但其不得解释为对本发明自身的限制。在不脱离所附权利要求定义的本发明的精神和范围前提下，可对其在形式上和细节上作出各种变化。

Claims (8)

1.一种信道中心系统，其特征在于：包括管理层、服务层、信道中心和用户群；用户群由一级用户、二级用户和三级用户组成，通过信道中心向服务层发送信息，服务器和管理层相连、共同处理接收到的信息；服务层接收举报信息，提供用户注册，存储信号通道状态信息和更新空闲信号通道，管理层审核服务层接收的举报信息，规划用户等级和执行信号通道分配。

2.根据权利要求1所述的信道中心系统，其特征在于：所述服务层和管理层可依附于基站或者认知无线网络主要节点建立，所述服务层提供给用户群的服务有：用户注册、空闲信道信息更新、信道借用和信道借贷情况查询，信道借贷情况查询可供用户对常用信道进行分析，并对信号中心系统进行优化；所述管理层提供给用户群的服务有：用户信息维护、用户等级管理、用户增加、信道信息管理和处理举报信息。

3.一种利用信道中心策略实现多用户多信道认知无线网络中信道合理分配的方法，其特征在于，包括如下步骤：

(1)服务层接收注册申请并由管理层进行分级：一级用户为授权用户、享有一级用户信号通道，二级用户为非授权用户、可以接入空闲的一级用户信号通道，三级用户只能接入未被划分授权的信号通道；

(2)服务层接收一级用户发送的空闲信道提供或取消信号，在空闲信道列表中添加或删除信道状态信息，若接收的信号为空闲信道取消信号，则发送取消该信道借用信号；

(3)服务层接收用户群发送的信号通道借用信号，管理层根据用户等级和当前空闲信道信息来确定如何分配信号通道；

(4)一级用户向服务层发送空闲信道取消信号后，服务层向正在使用该空闲信道的二级用户发送暂停使用信号，若一级用户发现在发送空闲信道取消信号后，自己的一级用户信号通道仍被长时间占用即可向服务层举报，管理层接收服务层的举报信息，并核实，对确实存在长时间占用一级用户信号通道的二级用户做将为三级用户处理；

(5)一级用户或二级用户成功接入信号，服务层存储信道状态信息、更新空闲信道信息并提供信道借贷情况的查询。

4.根据权利要求3所述的利用信道中心策略实现多用户多信道认知无线网络中信道合理分配的方法，其特征在于：所述步骤(1)中的用户分级是根据信道中心存储的信道借贷的历史情况而实现的，对存有恶意占用信道情况记录的二级用户降级为三级用户。

5.根据权利要求3所述的利用信道中心策略实现多用户多信道的认知无线网络中信道合理分配的方法，其特征在于：所述步骤(3)中服务层接收一级用户发送的空闲信道提供信息，并将空闲信道分配给请求借用信号通道的二级用户，三级用户即使请求也无法借用此空闲信道。

6.根据权利要求3所述的利用信道中心策略实现多用户多信道认知无线网络中信道合理分配的方法，其特征在于：所述步骤(3)中利用马尔科夫链相关知识建立多用户多信道认知无线网络单元式模型，简化多用户多信道情况下认知无线电网络的分析复杂度，并利用遗传算法进行信道分配的最优化。

7.根据权利要求6所述的利用信道中心策略实现多用户多信道认知无线网络中信道合理分配的方法，其特征在于：所述多用户多信道认知无线网络单元式模型可以视为在单用户多信道单元式模型的基础上增加用户，单用户多信道单元式模型的三态转换图包括三种状态：数据传输、信道感知和信道切换，信道感知状态是用于感知当前需要接入的信道是否空闲，如果空闲则进入数据传输状态，否则进入信道切换状态，等待分配其他信道。

8.根据权利要求7所述的利用信道中心策略实现多用户多信道认知无线网络中信道合理分配的方法，其特征在于：对于用户m来说，表示从信道n的信道感知状态转换到数据传输状态的概率，表示信道切换分配新信道n给用户的m的概率， 和π_m，e分别表示用户m在信道感知，数据传输和信道切换三个状态的极限概率，信道接入时，还需要考虑用户m需要传输数据的概率α_m和信道n的空闲概率β_n；

所有用户根据位置自组成不同的用户群，每一个用户群都有自己的信道中心分支。分析某一信道中心，拥有N条信道，根据马尔科夫模型的状态转换关系，针对用户的三种状态可以得到一组状态转换方程：

$\left\{\begin{array}{c}\\ q_m^n{\mathrm{\π}}_{m,s}^n-{\mathrm{\π}}_{m,d}^n=0\\ {\mathrm{\π}}_{m,d}^n+r_m^n{\mathrm{\π}}_{m,e}-(1-q_m^n){\mathrm{\π}}_{m,s}^n-q_m^n{\mathrm{\π}}_{m,s}^n=0\\ \underset{n=1}{\overset{N}{\mathrm{\Σ}}}(1-q_m^n){\mathrm{\π}}_{m,s}^n-\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{r}_m^n{\mathrm{\π}}_{m,e}=0\end{array}\right.---\left(1\right)$

考虑用户m选择各个信道进行数据传输的概率和为1，所以有公式(1)可以简化为：

$\left\{\begin{array}{c}\\ q_m^n{\mathrm{\π}}_{m,s}^n-{\mathrm{\π}}_{m,d}^n=0\\ {\mathrm{\π}}_{m,d}^n+r_m^n{\mathrm{\π}}_{m,e}-{\mathrm{\π}}_{m,s}^n=0\\ \underset{n=1}{\overset{N}{\mathrm{\Σ}}}(1-q_m^n){\mathrm{\π}}_{m,s}^n-{\mathrm{\π}}_{m,e}=0\end{array}\right.---\left(2\right)$

根据此方程组可以解得：

$\left\{\begin{array}{c}\\ {\mathrm{\π}}_{m,d}^n=q_m^n{\mathrm{\π}}_{m,s}^n\\ \underset{n=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{\π}}_{m,s}^n=\frac{1}{2}\\ {\mathrm{\π}}_{m,e}=\frac{1}{2}-\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{q}_m^n{\mathrm{\π}}_{m,s}^n\end{array}\right.---\left(3\right)$

将状态初始概率由可控的两个变量和表示，可以得到：

${\mathrm{\π}}_{m,s}^n=\frac{r_m^n}{2(1-q_m^n)\underset{l=1}{\overset{N}{\mathrm{\Σ}}}\left(\frac{r_m^l}{1-q_m^l}\right)}---\left(4\right)$

所有的用户视为都有机会接入N条信道，所以每一个用户有N个状态转换方程组，则多用户多信道的认知无线电网络的分析可以通过这样的矩阵分析来获得：

其中：

$A_n=\left[\begin{array}{cc}-1& 1\\ q_m^n& -1\end{array}\right],B_n=\left[\begin{array}{c}{r}_m^n\\ 0\end{array}\right]---\left(6\right)$

$C_n=\left[\begin{array}{cc}1-q_m^n& 0\end{array}\right],{\mathrm{\π}}_n=\left[\begin{array}{c}{\mathrm{\π}}_{m,s}^n\\ {\mathrm{\π}}_{m,d}^n\end{array}\right]---\left(7\right)$

又如公式(4)所示，状态转换的极限概率可以由单元模型中标注出的两个变量表示，表示信道分配的概率，对于信道中心是可控的，所以分析的关键在于变量利用表示三态当中用户处于数据传输状态的概率，可以表示为：

${\mathrm{\Γ}}_m^n=\frac{{\mathrm{\π}}_{m,d}^n{T}_{m,d}^n}{{\mathrm{\π}}_{m,e}{T}_{m,e}+\underset{l=1}{\overset{N}{\mathrm{\Σ}}}({\mathrm{\π}}_{m,d}^l{T}_{m,d}^l+{\mathrm{\π}}_{m,s}^l{T}_{m,s}^l)}---\left(8\right)$

其中和T_m，e表示用户m在信道n中数据传输、信道感知和信道切换三个状态的占用时间。所以用户m可以接入信道n进行数据传输行为，仅当该用户有数据需要传输同时信道n还未被其他用户占用，则可以表示为：

$q_m^n={\mathrm{\α}}_m{\mathrm{\β}}_n\underset{k=1k\≠m}{\overset{M}{\mathrm{\Π}}}(1-{\mathrm{\Γ}}_k^n)---\left(9\right)$

对于拥有M个用户和N条信道的信道中心来说，总的吞吐量可以表示为：

$R=\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{\Γ}}_i^j{\log }_2(1+\frac{P_i^j{\left|h_{\mathrm{ii}}^j\right|}^2}{{\left({\mathrm{\σ}}_i^j\right)}^2})---\left(10\right)$

其中表示用户i在信道j上为传输数据所分配的功率，表示信道增益，表示高斯白噪声的功率；N条信道一共有2^N种被占用情况，每种情况可以由二进制数T来表示：

T∈{0，1，2，…，2^N-2，2^N-1}      (11)

最优化问题即从2^N种情况中选择一种最合适的信道分配结果，结合遗传算法相关知识构造适合所提出模型的遗传因子表达式，定义信道分配比例：

$\mathrm{\Λ}=[{\mathrm{\λ}}_1^1,{\mathrm{\λ}}_1^2,...,{\mathrm{\λ}}_1^t,...,{\mathrm{\λ}}_M^1,{\mathrm{\λ}}_M^2,...{\mathrm{\λ}}_M^t]---\left(12\right)$

其中t表示T中1的个数，即可进行数据传输的信道数；表示用户m在信道t上传输数据所需功率占总功率的比值，这是影响总吞吐量的关键因素；依据遗传算法，将视作染色体的组成部分，每个由八位的基因表示，所以每组染色体一共有8Mt个基因；基因是由许多0和1组成的，它的复制、交叉和变异过程相对简单，易于实现；

考虑本发明提出的模型，基因在遗传的过程中是需要满足一定筛选条件的，利用检测模块来保证遗传过程中一直能满足如下条件：

$\underset{t=1}{\overset{T}{\mathrm{\Σ}}}{\mathrm{\λ}}_m^t=1---\left(13\right)$

即用户分配在每个可用信道上的功率比之和总是为1的，如果基因的任何变化破坏了此条件，则恢复变化前的基因状态；同时根据这样的分配原则，我们可以得到多用户多信道认知无线网络的信道总容量，即在所有可能的信道分配下求吞吐量的总和：

$C=\underset{T=0}{\overset{2^N-1}{\mathrm{\Σ}}}\left(R_T\underset{n\∈{\mathrm{Co}}_T}{\mathrm{\Π}}{\mathrm{\β}}_n\underset{n\∉{\mathrm{Co}}_T}{\mathrm{\Π}}(1-{\mathrm{\β}}_n)\right)---\left(14\right)$

其中，R_T表示当信道分配情况为T时的最优化吞吐量，Co_T为被接入信道的集合。