CN105245299B - 一种基于频谱潜在效益的认知无线电网络频谱分配方法 - Google Patents

Abstract

本发明公开了一种基于频谱潜在效益的认知无线电网络频谱分配方法，收集频谱可用信息和网络干扰信息及初始化；根据网络中可用频谱情况以及次用户之间的干扰情况可得到网络干扰拓扑图；计算次用户分配优先级标签，根据初始化信息计算频谱的潜在系统效益值和相应各次用户的<效益，损失>值，并据此计算相应子分配过程中各次用户分配优先级标签值；根据各次用户的优先级标签值，选择标签值最大的次用户，分配当前可用频谱；更新拓扑结构；当<效益，损失>集合为空时，当前子分配过程结束。本发明的有益效果是有效减少频谱分配过程中可能带来的潜在系统效益损失，获得更好的系统效益，提高频谱利用率。

Description

一种基于频谱潜在效益的认知无线电网络频谱分配方法

技术领域

本发明属于无线网络技术领域，涉及一种基于频谱潜在效益的认知无线电网络频谱分配方法。

背景技术

由于次用户之间干扰或共享可能的存在，频谱分配的先后次序直接影响着频谱分配的最终结果。传统频谱分配算法，基于贪心准则，会优先选择效益值最大的节点分配频段，由于当前次用户与其他次用户存在同频干扰。因此在未来的分配过程，该频谱就不能分配给其他次用户。在当前分配过程中，只考虑了当前分配操作带来的系统效益，而忽略了当前分配操作对未来分配过程中潜在的系统效益损失。

本发明基于次用户之间干扰影响情况考虑，参考当前频谱分配阶段对未来分配结果的频谱效益的潜在损失，提出了一种基于频谱潜在效益的频谱分配方法。算法通过权衡分配过程中增加的系统效益和损失的潜在系统效益，尽可能使当前分配带来的系统效益增加，同时减少因分配操作带来的潜在系统效益损失，提高频谱利用率。

传统基于图着色模型频谱分配算法中普遍存在系统效益不高的问题。本发明提出一种基于频谱潜在效益的认知无线电网络频谱分配算法(Spectrum AllocationAlgorithm based on the Spectrum of Potential Benefit，PBSA)。相比传统颜色敏感着色(Color Sensitive Graph Coloring，CSGC)算法，本发明可以有效减少频谱分配过程中可能带来的潜在系统效益损失，获得更好的系统效益，提高频谱利用率。

发明内容

本发明的目的在于提供一种基于频谱潜在效益的认知无线电网络频谱分配方法，解决了传统基于图着色模型频谱分配算法中普遍存在系统效益不高的问题。

本发明所采用的技术方案是按照以下步骤进行：

步骤1：收集频谱可用信息和网络干扰信息及初始化；

步骤2：根据网络中可用频谱情况以及次用户之间的干扰情况可得到网络干扰拓扑图；对于某一可用频谱的分配过程而，可将网络干扰拓扑图中其他频谱的可用信息和次用户干扰情况剔除，只保留该频谱下的次用户干扰关系，就得到相应该频谱下的干扰拓扑子图；

步骤3：计算次用户分配优先级标签，根据初始化信息计算频谱的潜在系统效益值和相应各次用户的<效益，损失>值，并据此计算相应子分配过程中各次用户分配优先级标签值；

设计频谱分配时的分配优先级标签值如下：

其中，lable_n表示次用户n在可用频谱m分配时的分配优先级标签值，α、β为权重调节因子，且α,β∈[0,1]，α+β＝1，当α＝0，算法退化为仅考虑当前系统收益的情况，当β＝0时，算法仅考虑可能损失的潜在系统收益，PB_m与损失的潜在系统效益的差值，表示将频谱m分配给次用户n时该频谱下剩余的潜在系统效益；

步骤4：分配频谱；在相应子分配过程中，根据各次用户的优先级标签值，选择标签值最大的次用户，分配当前可用频谱；

步骤5更新拓扑结构；删除干扰拓扑子图中与当前分配频谱的次用户存在同频干扰关系的次用户节点，并在<效益，损失>集合中，删除这个冲突的次用户及刚分配频谱的次用户；

步骤6当<效益，损失>集合为空时，当前子分配过程结束，否则转入步骤3。

步骤7当子分配过程结束则算法结束，否则转入步骤3。

本发明的有益效果是有效减少频谱分配过程中可能带来的潜在系统效益损失，获得更好的系统效益，提高频谱利用率。

附图说明

图1是本发明基于频谱潜在效益的分配算法流程示意图；

图2是频谱可用情况和次用户干扰情况示意图；

图3是认知无线电网络拓扑情况下抽象得到的认知无线电网络干扰拓扑图；

图4是划分子图示例；

图5是CRN中次用户数为5时，比较在不同标签权重因子下系统效益和随着可用频谱数量变化的趋势；

图6是网络中次用户数N＝5时，系统效益和随着可用频谱数量变化的趋势图；

图7是网络中可用频谱数M＝10时，系统效益和随着次用户数量变化的趋势图。

具体实施方式

下面结合具体实施方式对本发明进行详细说明。

根据不同频谱下的次用户对于频谱的可使用情况和次用户之间的干扰情况，将原干扰拓扑图划分成不同频谱下的子图。根据相应的分配优先级标签，计算各个频谱的潜在系统效益值和不同频谱下次用户的<效益，损失>集合。分配以迭代循环的方式进行，在一次分配循环阶段，计算各次用户的分配优先级标签。选择优先级标签值最大的次用户分配频谱，并删除<效益，损失>集合中已分配的次用户。同时，更新分配图拓扑结构，删除与该次用户有冲突次用户与当前分配频谱的连线，并将其从<效益，损失>集合中删除。当<效益，损失>集合为空时，表示当前频谱已全部分配完成，在分配图中将该频谱删除。更新拓扑结构后，进入下一次分配循环，当所有可用频谱下的<效益，损失>集合都为空(即分配图为空时)，算法结束。

本发明算法如图1所示，算法执行分配流程如下：

步骤1收集频谱可用信息和网络干扰信息及初始化。

由于认知无线电网络的动态特性，频段的可用情况、主用户存在和次用户加入或退出都是时刻变化的。认知无线电网络通过频谱感知，实时得到网络拓扑和可用频谱的信息，并动态执行相应频谱分配算法。

该步骤中，根据基站收集到次用户的感知结果，及次用户的之间干扰情况等生成可用频谱矩阵L，次用户干扰矩阵C，效益矩阵B。将频谱分配结果矩阵A置0及其它算法初始化操作。

使用可用频谱矩阵L、次用户干扰矩阵C、效益矩阵B和无干扰频谱分配矩阵A来描述频谱分配问题。

(1)可用频谱矩阵L

L＝{l_n,m∣l_n,m∈{0,1}}_N×M，其中，{1≤n≤N,1≤m≤M}，N为次用户数，M为总频段数。可用频谱矩阵L是一个N×M矩阵，表示各个频段对于次用户的可用性。本章中其可用性由次用户与占用该频段的主用户距离和该主用户干扰覆盖范围决定。l_n,m＝1时表示频段m对于次用户n可用，反之，l_n,m＝0表示不可用。

(2)次用户干扰矩阵C

C＝{c_n,k|c_n,k∈{0,1}}_N×N，其中，{1≤n≤N,1≤k≤N}，次用户干扰矩阵C是一个N×N矩阵，表示在使用相同频段时次用户之间的干扰关系。本文中次用户之间的干扰由它们之间的距离和干扰覆盖范围决定。c_n,k＝1时表示次用户n与次用户k存在干扰关系，不能分配相同的频段。反之，c_n,k＝0表示无干扰关系，可以使用同一频段。当n＝k时，记c_n,k＝0。

(3)效益矩阵B

B＝{b_n,m|b_n,m≥0}_N×M，效益矩阵B是一个N×M矩阵，b_n,m的值表示将频段m分配给次用户n使用所带来的效益权重。由于不同次用户采用的发射功率、信号调制技术的不同，不同次用户使用同一频谱获得的传输效益也不相同。效益值可以是频谱利用率或用户数据传输率等。当频段m对于次用户n不可用时，b_n,m的值记为0。

(4)无干扰的频谱分配矩阵A

A＝{a_n,m|a_n,m∈{0,1}}_N×M，无干扰的频谱分配矩阵A是一个N×M矩阵，表示频谱分配的结果，a_n,m＝1时表示将频段m分配给次用户n。

频谱分配的最终目标是满足相应干扰约束的前提下最大化系统效益：

其中，{1≤n≤N,1≤m≤M}，Λ_N,M表示所有满足条件的无干扰的频谱分配矩阵A的集合。

步骤2划分子图。根据网络中可用频谱情况以及次用户之间的干扰情况可得到网络干扰拓扑图，如附图2、附图3所示。图2是存在4个次用户，2个主用户的认知无线电网络，网络中存在可用频谱1-4。由于主用户的存在，次用户不能使用被主用户占用的频谱，比如主用户A，占用了频谱1和3，在其覆盖范围之内的次用户1就不能使用这两个频谱，因此次用户1可使用的频谱为2和4。同时，在一定距离之内的两个次用户，使用相同频谱进行通信时，将产生干扰。在频谱分配时，应避免分配同一频谱给存在干扰关系的两次用户，次用户之间的干扰情况用蓝线表示。将这些频谱可用情况和次用户干扰情况，抽象成干扰图，就如同附图3所示。图3是由附图2所示的认知无线电网络拓扑情况下抽象得到的认知无线电网络干扰拓扑图。

对于某一可用频谱的分配过程而，可将网络干扰拓扑图中其他频谱的可用信息和次用户干扰情况剔除，只保留该频谱下的次用户干扰关系，就得到相应该频谱下的干扰拓扑子图。如附图4所示，图4是划分子图示例；原分配图中有4个次用户，4段频谱，次用户相应可使用的频谱情况，为括号内所示。次用户干扰情况用蓝线表示。导出相应不同频谱下的干扰子图。由于可用频谱单元相互正交的特性，使得各个频谱之间的使用没有相互影响，CRN中每个可用频谱的分配过程都可以作为一个独立的子程序运行，即原CRN频谱分配过程变成多个可并行处理子分配过程，每个子分配过程只负责分配具体某一频谱。子分配过程根据相应频谱下的干扰拓扑子图，将该频谱分配给适合的次用户。

步骤3计算次用户分配优先级标签。根据初始化信息计算频谱的潜在系统效益值和相应各次用户的<效益，损失>值，并据此计算相应子分配过程中各次用户分配优先级标签值。

首先定义频谱潜在最大效益为在不考虑使用同一频谱时次用户之间的干扰情况下，将频谱分配给所有可使用该频谱的次用户时所带来的系统效益之和。公式化表示如下：

PB_m表示可用频谱m的频谱潜在最大效益。

<效益，损失>是指将某次频谱分配操作所来的系统效益和同时由于次用户之间干扰原因损失的潜在系统效益。公式化表示如下：

其中b_n,m表示将频谱m分配给次用户n时带来的系统效益。表示与次用户n存在干扰关系的其他次用户使用频谱m可能带来的潜在系统效益之和。

<效益，损失>记录着在频谱分配阶段，执行某一分配操作带来的现有系统收益和损失的潜在系统效益。可知，为尽可能提高系统的总效益，在分配时应尽可能选择收益值大而损失潜在系统效益小的次用户来进行频谱分配。

根据<效益，损失>设计频谱分配时的分配优先级标签值如下：

其中，lable_n表示次用户n在可用频谱m分配时的分配优先级标签值。α、β为权重调节因子，且α,β∈[0,1]，α+β＝1。当α＝0，算法退化为仅考虑当前系统收益的情况。当β＝0时，算法仅考虑可能损失的潜在系统收益。PB_m与损失的潜在系统效益的差值，表示将频谱m分配给次用户n时该频谱下剩余的潜在系统效益。

步骤4分配频谱。在相应子分配过程中，根据各次用户的优先级标签值，选择标签值最大的次用户，分配当前可用频谱。

步骤5更新拓扑结构。删除干扰拓扑子图中与当前分配频谱的次用户存在同频干扰关系的次用户节点。并在<效益，损失>集合中，删除这个冲突的次用户及刚分配频谱的次用户。

步骤6当<效益，损失>集合为空时，当前子分配过程结束，否则转入步骤3。

步骤7当子分配过程结束则算法结束，否则转入步骤3。

图5是CRN中次用户数为5时，比较在不同标签权重因子下系统效益和随着可用频谱数量变化的趋势。如图所示，选择不同权重因子将对最终的系统效益和产生一定影响，虽然在可用频谱数紧张的时候差异不明显，但当CRN中有充足的可用频谱时，选取较大的α值，算法容易陷入局部最优。在取α＝0.1，α＝0.3时，算法可以取得较好的系统效益，总体上α＝0.3时略优于α＝0.1时，因此选择α＝0.3作为算法优先级标签权重。

图6是网络中次用户数N＝5时，系统效益和随着可用频谱数量变化的趋势图。随着可用频谱数目增加，次用户可选择频谱增多，系统总效益也逐渐增加。由图可知，PBSA算法更好的发掘了分配过程因次用户之间干扰损失的潜在的频谱效益，获得了比CSGC更好的系统效益值；

图7是网络中可用频谱数M＝10时，系统效益和随着次用户数量变化的趋势图。可以看出，随着次用户数目增加，由于频谱被更多次用户数目所复用，系统总效益也相应增加。两算法的系统效益一直呈上升趋势，CGSC算法的系统效益增加较为缓慢，而PBSA算法的上升趋势明显高于CGSC算法

以上所述仅是对本发明的较佳实施方式而已，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施方式所做的任何简单修改，等同变化与修饰，均属于本发明技术方案的范围内。

Claims (1)

1.一种基于频谱潜在效益的认知无线电网络频谱分配方法，其特征在于按照以下步骤进行：

步骤1：收集频谱可用信息和网络干扰信息及初始化；

步骤2：根据网络中可用频谱情况以及次用户之间的干扰情况可得到网络干扰拓扑图；对于某一可用频谱的分配过程而言，可将网络干扰拓扑图中其他频谱的可用信息和次用户干扰情况剔除，只保留该频谱下的次用户干扰关系，就得到相应该频谱下的干扰拓扑子图；

步骤3：计算次用户分配优先级标签，根据初始化信息计算频谱的潜在系统效益值和相应各次用户的<效益，损失>值，并据此计算相应子分配过程中各次用户分配优先级标签值；

频谱潜在最大效益为在不考虑使用同一频谱时次用户之间的干扰情况下，将频谱分配给所有可使用该频谱的次用户时所带来的系统效益之和，对应的，设计频谱分配时的分配优先级标签值如下：

其中，lable_n表示次用户n在可用频谱m分配时的分配优先级标签值，α、β为权重调节因子，且α,β∈[0,1]，α+β＝1，当α＝0，算法退化为仅考虑当前系统收益的情况，当β＝0时，算法仅考虑可能损失的潜在系统收益，PB_m与损失的潜在系统效益的差值，表示将频谱m分配给次用户n时该频谱下剩余的潜在系统效益；b_n,m的值表示将频段m分配给次用户n使用所带来的效益权重；c_n,k＝1时表示次用户n与次用户k之间的干扰关系；PB_m表示可用频谱m的频谱潜在最大效益；

步骤4：分配频谱；在相应子分配过程中，根据各次用户的优先级标签值，选择标签值最大的次用户，分配当前可用频谱；

步骤5：更新拓扑结构；删除干扰拓扑子图中与当前分配频谱的次用户存在同频干扰关系的次用户节点，并在<效益，损失>集合中，删除这个冲突的次用户及刚分配频谱的次用户；

步骤6：当<效益，损失>集合为空时，当前子分配过程结束，否则转入步骤3；

步骤7：当子分配过程结束则算法结束，否则转入步骤3。