CN107580327A - 基于最佳频段选择的认知无线网络吞吐量优化算法 - Google Patents
基于最佳频段选择的认知无线网络吞吐量优化算法 Download PDFInfo
- Publication number
- CN107580327A CN107580327A CN201710848039.2A CN201710848039A CN107580327A CN 107580327 A CN107580327 A CN 107580327A CN 201710848039 A CN201710848039 A CN 201710848039A CN 107580327 A CN107580327 A CN 107580327A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- cognition
- time user
- mtd
- 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
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了基于最佳频段选择的认知无线网络吞吐量优化算法，包括以下步骤：采用认知协作通信网络模型分析网络的通信方式，获得该模型中中继的最小通信半径；采用基于能量检测的空闲信道感知方法，使基站检测可用的频谱资源，将资源共享给需要的认知次用户；结合干扰功率阈值的限制，通过优化方程为次用户选择最佳的接入频段。本发明为了确保主用户的通信质量，认知次用户的发射功率采用了一定的阈值进行限制，为了提升次用户的通信速率，提高吞吐量，提出了求解最优解的优化方程，该方程在给定的限制条件下以最大化通信速率为目的，寻找次用户的最佳接入频段及发射功率。
Description
技术领域
本发明涉及公安服务技术领域，具体涉及到基于最佳频段选择的认知无线网络吞吐量优化算法。
背景技术
在认知无线网络中，次用户只能在主用户空闲的状态下才能访问许可频段，这使得次用户接入空闲频段的时间有限，因此需要提高次用户的吞吐量以提升通信效率，在更短的时间内完成次用户的通信业务。
目前，全球范围内的无线通信业务快速增长，移动手持通信设备的用户量不断增多，这使得无线频谱资源短缺现象日益加剧。另一方面，有些地区采用了静态频段分配方式，许多无线频段只授权给许可的用户，使得频段利用率低下。为了缓解频谱资源短缺的局势，需要提升频段的利用效率，使频谱资源能给更多用户使用。
发明内容
本发明所要解决的技术问题在于针对上述现有技术中的不足，提供基于最佳频段选择的认知无线网络吞吐量优化算法。
本发明解决其技术问题所采用的技术方案是：
基于最佳频段选择的认知无线网络吞吐量优化算法，包括以下步骤：
采用认知协作通信网络模型分析网络的通信方式，获得该模型中中继的最小通信半径；
采用基于能量检测的空闲信道感知方法，使基站检测可用的频谱资源，将资源共享给需要的认知次用户；
结合干扰功率阈值的限制，通过优化方程为次用户选择最佳的接入频段。
作为本发明的进一步地技术方案，所述认知协作通信网络模型包含了基站、主用户、中继和认知次用户，其中基站，主用户、中继和认知次用户分布在同一个二维平面内，所述主用户与基站协作通信，所述基站与认知次用户通信或通过中继与认知次用户通信。
进一步地，所述认知次用户配置单个接口，所述认知次用户在一个时刻节点只在一个信道上进行数据传输，其中认知次用户的节点接口可以在不同信道之间切换。
进一步地，所述获得该模型中中继的最小通信半径；具体包括：
设认知次用户的发射功率和接收功率分别为Ptrans和Preceive，则两者的关系式为：
Preceive＝μ·Ptrans·d-γ； (1)
其中μ表示与发射天线相关的一个常量，γ表示与传输距离相关的一个信号衰落因子；根据公式(1)可以得到
当认知次用户传输数据至基站，此时基站的接收功率需要超过接收功率阈值Preceive，T才能成功接收认知次用户的数据。当认知次用户的发射功率Ptrans确定时，可以得到认知次用户的传输半径为：
因此当认知次用户与基站的相隔距离大于rCSU时，认知次用户无法获取频段共享信息，此时需要中继进行协作通信，为了使得认知次用户在半径为R的服务区内都能够与基站正常通信，中继的传输半径至少需要满足rRS＝R-rCSU。
作为本发明的进一步地技术方案，所述采用基于能量检测的空闲信道感知方法，使基站能够检测可用的频谱资源，将资源共享给需要的用户，具体包括：在认知无线网络中，基站会在其通信范围内收获空闲的频谱资源，将频谱资源共享给有需要的认知次用户，当主用户重新使用这些频谱资源时，认知次用户则需要立即撤离。
进一步地，所述基站在其通信范围内收获空闲的频谱资源，采用能量阈值检测策略，其中能量阈值检测策略具体包括：
设x[k]是具有方差σs 2的主用户信号，用k表示接收的第k个信号样本，zi,c[k]表示从第i个主用户到第c个认知次用户的复信道响应，ξi,c[k]表示从第i个主用户到第c个认知次用户的具有零均值和方差为σf 2的加性白高斯噪声；采用H0表示信道空闲状态，H1表示信道被主用户占用状态，则两种状态下的信号检测方程分别为：
用Ei表示第c个认知次用户检测到的主用户i的信号能量，表示为：
Ei＝αq[k]； (5)
其中，α表示在该网络场景中的信号能量吸收系数；
由于在H1状态下认知次用户检测到的信号能量比H0状态下要高，设定一个信号能量检测阈值ET，ET＞Ei；其中Ei为H0状态；
通过认知次用户检测到的信号能量与ET进行对比来检测是否存在空闲信道：
fi＝0表示信道被主用户占用，认知次用户无法使用该信道；fi＝1则表示信道处于空闲状态，可以被认知次用户使用。
作为发明的进一步地技术方案，所述结合干扰功率阈值的限制，通过优化方程为次用户选择最佳的接入频段，提升吞吐量，具体包括：
在认知协作通信网络模型中，假设网络共有K个主用户，M个认知次用户，每个主用户具有一个许可频段，网络中除基站位置固定，其他节点的分布规律遵循节点密度为ρ二维泊松过程；令Φi表示某个认知次用户节点i的可用频段集合，令ITi表示当认知次用户节点i受到的总干扰，ITi的表达式为：
d(i,w)表示节点i与主用户的距离，μ表示天线增益，τ表示路径损耗系数，γ表示阴影系数。受到干扰信号的影响，当节点i通过空闲频段j传输数据至基站，可以达到的数据速率为：
Uj表示频段带宽，表示节点i在频段j成功传输数据至基站的所需发射功率，gj表示频段j的信道增益。当节点i与基站之间需通过中继节点进行协作通信，则：
d(i,BS)＝d(i,RS)+d(RS,BS)； (9)
从公式(8)可以看出，数据速率也受到发射功率的影响。由于认知次用户与中继在通信时会对其他主用户带来干扰，因此认知次用户发送的信号至主用户的接收功率需要低于干扰功率阈值PT，即:
由公式(8)可知，当发射功率的增大会提升数据速率使需要满足干扰功率阈值PT的限制，寻找最优解的方程如下：
Ptotal表示网络中所有认知次用户的总发射功率，表示节点n的最大发射功率；
采用迭代注水算法来求解公式(12)，求得
将公式(13)求得的代入方程(12)中，找到最佳的频段来得到最大化数据速率，优化网络吞吐量。
本发明的有益效果：
本发明提出了一个基于干扰功率阈值的最佳频段选择方案来优化次用户的吞吐量，为了确保主用户的通信质量，认知次用户的发射功率采用了一定的阈值进行限制，为了提升次用户的通信速率，提高吞吐量，提出了求解最优解的优化方程，该方程在给定的限制条件下以最大化通信速率为目的，寻找认知次用户的最佳接入频段及发射功率。本发明通过仿真实验表明，使用本发明对提升次用户的吞吐量具有明显效果，并且可以降低次用户在通信过程中的阻塞概率。
附图说明
图1为本发明提出的基于最佳频段选择的认知无线网络吞吐量优化算法流程图；
图2为本发明提出的认知协作通信网络模型结构示意图；
图3为本发明提出的在不使用BFBS方法和使用BFBS方法下认知无线网络的认知次用户通信的吞吐量的仿真实验结果图；
图4为本发明的取不同PT值下的认知次用户通信的吞吐量的仿真实验结果图；
图5为本发明提出的认知次用户通信的阻塞概率仿真实验结果图。
具体实施方式
下面结合附图及实施例描述本发明具体实施方式：
参见图1，为本发明提出的基于最佳频段选择的认知无线网络吞吐量优化算法流程图；
如图1所示，基于最佳频段选择的认知无线网络吞吐量优化算法，包括以下步骤：
步骤101，采用认知协作通信网络模型分析网络的通信方式，获得该模型中中继的最小通信半径；
步骤102，采用基于能量检测的空闲信道感知方法，使基站检测可用的频谱资源，将资源共享给需要的认知次用户；
步骤103，结合干扰功率阈值的限制，通过优化方程为次用户选择最佳的接入频段。
本发明实施例中，通过采用认知协作通信网络模型分析网络的通信方式，得到主用户和认知此用户的接入频段，采用主用户频段优先的方式保证主用户使用频谱资源的权利，同时获取该模型中的中继的最小通信半径，当认知次用户未在基站的覆盖区时，通过中继进行协作通信，实现基站与认知次用户进行数据传输；采用基于能量检测的空闲信道感知方法，获取未被主用户占用的空闲信道，并将空闲信道共享给认知此用户，认知次用户根据需要选择；当主用户需要占用频段时，认知次用户占用该频段则被拒绝，认知次用户撤离该频段，认知次用户需要另外选择空闲信道，此时结合干扰功率阈值的限制，采用优化方程为次用户选择最佳的接入频段，提升认知次用户的吞吐量，保证认知次用户具有较高的数据速率，才能在更短的时间内完成次用户与基站的通信任务。
参见图2，为本发明提出的认知协作通信网络模型结构示意图。
如图2所示，认知协作通信网络模型包含了基站201、主用户202、中继203和认知次用户204，其中基站201，主用户202、中继203和认知次用户204分布在同一个二维平面内，所述主用户202与基站201协作通信，所述基站201与认知次用户204通信或通过中继203与认知次用户204通信。
主用户和认知次用户之间互相独立，不进行协作通信。其中每个用户节点都只配置单个接口，即某一个时刻节点只能在一个信道上进行数据传输，但是节点接口可以在不同的信道之间切换。假设该认知无线网络模型存在着多个信道，信道分类为一个公共控制信道和多个数据信道，每个数据信道的授权频段都已分配给每一个特定的主用户。认知次用户要使用这些频段，则需要在主用户空闲状态的条件下，这是由于主用户比认知次用户具有更高的优先级。假设基站的覆盖半径为r，服务区的覆盖半径为R，由于一些认知次用户处于服务区，但不在基站的覆盖范围内，此时需要中继进行协作通信。在基站辐射范围外的认知次用户通过中继与基站进行通信。
本发明实施例中，获得该模型中中继的最小通信半径；具体包括：
设认知次用户的发射功率和接收功率分别为Ptrans和Preceive，则两者的关系式为：
Preceive＝μ·Ptrans·d-γ； (1)
其中μ表示与发射天线相关的一个常量，γ表示与传输距离相关的一个信号衰落因子；根据公式(1)可以得到
当认知次用户传输数据至基站，此时基站的接收功率需要超过接收功率阈值Preceive，T才能成功接收认知次用户的数据。当认知次用户的发射功率Ptrans确定时，可以得到认知次用户的传输半径为：
因此当认知次用户与基站的相隔距离大于rCSU时，认知次用户无法获取频段共享信息，此时需要中继进行协作通信，为了使得认知次用户在半径为R的服务区内都能够与基站正常通信，中继的传输半径至少需要满足rRS＝R-rCSU。
在上述步骤102中，所述采用基于能量检测的空闲信道感知方法，使基站能够检测可用的频谱资源，将资源共享给需要的用户，具体包括：在认知无线网络中，基站会在其通信范围内收获空闲的频谱资源，将频谱资源共享给有需要的认知次用户，当主用户重新使用这些频谱资源时，认知次用户则需要立即撤离。
在认知无线网络中，认知次用户被允许使用未被主用户占用的许可频段，但当主用户重新使用这些频段，认知次用户则需要立即撤离。因此，主用户的行为状态影响着认知次用户对许可频段的使用程度，然而主用户的行为状态是不可预估的。为了提升认知网络的频段利用效率，基站会在其通信范围内收获空闲的频谱资源，这些频谱资源会共享给有需要的认知次用户，而基站收获空闲频谱资源是基于一种能量阈值检测策略。
其中，能量阈值检测策略具体包括：
设x[k]是具有方差σs 2的主用户信号，用k表示接收的第k个信号样本，zi,c[k]表示从第i个主用户到第c个认知次用户的复信道响应，ξi,c[k]表示从第i个主用户到第c个认知次用户的具有零均值和方差为σf 2的加性白高斯噪声；采用H0表示信道空闲状态，H1表示信道被主用户占用状态，则两种状态下的信号检测方程分别为：
用Ei表示第c个认知次用户检测到的主用户i的信号能量，表示为：
Ei＝αq[k]； (5)
其中，α表示在该网络场景中的信号能量吸收系数；
由于在H1状态下认知次用户检测到的信号能量比H0状态下要高，设定一个信号能量检测阈值ET，ET＞Ei；其中Ei为H0状态；
通过认知次用户检测到的信号能量与ET进行对比来检测是否存在空闲信道：
fi＝0表示信道被主用户占用，认知次用户无法使用该信道；fi＝1则表示信道处于空闲状态，可以被认知次用户使用。
本发明实施例中，所述结合干扰功率阈值的限制，通过优化方程为次用户选择最佳的接入频段，提升吞吐量，具体包括：
在认知协作通信网络模型中，假设网络共有K个主用户，M个认知次用户，每个主用户具有一个许可频段，网络中除基站位置固定，其他节点的分布规律遵循节点密度为ρ二维泊松过程；令Φi表示某个认知次用户节点i的可用频段集合，令ITi表示当认知次用户节点i受到的总干扰，ITi的表达式为：
d(i,w)表示节点i与主用户的距离，μ表示天线增益，τ表示路径损耗系数，γ表示阴影系数。受到干扰信号的影响，当节点i通过空闲频段j传输数据至基站，可以达到的数据速率为：
Uj表示频段带宽，表示节点i在频段j成功传输数据至基站的所需发射功率，gj表示频段j的信道增益。当节点i与基站之间需通过中继节点进行协作通信，则：
d(i,BS)＝d(i,RS)+d(RS,BS)； (9)
从公式(8)可以看出，数据速率也受到发射功率的影响。由于认知次用户与中继在通信时会对其他主用户带来干扰，因此认知次用户发送的信号至主用户的接收功率需要低于干扰功率阈值PT，即:
由公式(8)可知，当发射功率的增大会提升数据速率使需要满足干扰功率阈值PT的限制，寻找最优解的方程如下：
Ptotal表示网络中所有认知次用户的总发射功率，表示节点n的最大发射功率；
采用迭代注水算法来求解公式(12)，求得
将公式(13)求得的代入方程(12)中，找到最佳的频段来得到最大化数据速率，优化网络吞吐量。
本发明在模拟环境中对认知无线网络的吞吐量进行分析，并根据分析结果来验证算法的性能。在仿真实验中，采用C++编程语言对算法进行编程仿真。在实验仿真环境中，所设置的认知无线网络的模拟面积为200m×200m，网络中有10个认知次用户节点，15个主用户节点，30个中继节点。网络的MAC层采用的访问控制协议为CSMA/CA。信道增益遵循瑞利衰落模型，网络的路径衰落系数设置为τ＝4，整个算法的仿真运行时间设置为500s，实验仿真的数值结果为20次仿真后所取得的数值结果的平均值。
参见图3，为本发明提出的在不使用BFBS方法和使用BFBS方法下认知无线网络的认知次用户通信的吞吐量的仿真实验结果图。
在图3的仿真实验中，我们逐渐增多空闲信道数，并假设有四个认知次用户需要与基站通信，其他仿真环境参数不变。在仿真过程中分别统计了在不使用基站方法和使用基站方法下认知无线网络的认知次用户通信的吞吐量。从图3中的结果可以看出，空闲信道数从二增至四时，刚好满足网络中认知次用户的接入需求，认知次用户通信的吞吐量得到了较大提升。当空闲信道数大于四时，在不使用基站方法的条件下认知次用户通信的吞吐量的增长非常缓慢或者根本不增长，而使用基站方法相比不使用基站方法，其认知次用户通信的吞吐量增长更多，这是由于使用基站方法时认知次用户会选择更好的空闲信道，提升数据传输速率，因此网络中认知次用户通信的吞吐量增长更多。
参见图4，为本发明的取不同PT值下的认知次用户通信的吞吐量的仿真实验结果图。
在图4的实验中，我们逐渐增多空闲信道数，并且设置不了不同的干扰功率阈值PT，其他仿真环境参数不变。在图中，初始干扰功率阈值PT＝5×10-5W，当初始PT增大两倍至PT＝1×10-4W时，相比初始PT的情况，不使用BF基站方法和使用BF基站方法都会使认知次用户通信的阻塞增长，这是由于PT限制了认知次用户的发射功率，使认知次用户不对其他主用户带来较多干扰，当PT的限制放宽时，认知次用户所允许的发射功率可以得到提高，从而提升了数据传输速率。而当初始PT增大4倍至PT＝2×10-4W时，只比PT＝1×10-4W时增多了少许认知次用户通信的阻塞，这是由于在PT＝2×10-4W下所允许的认知次用户的发射功率可能已经超出认知次用户的最大发射功率，因此此时认知次用户的发射功率只能达到最大值通过增大发射功率来提升的数据速率也达到了极限。
参见图5，为本发明提出的认知次用户通信的阻塞概率仿真实验结果图。
图5显示了在逐渐增多空闲信道数条件下认知次用户通信的阻塞概率。在图中，随着空闲信道数的逐渐增多，认知次用户通信的阻塞概率逐渐降低，并且在空闲信道数增加至六个时，认知次用户通信的阻塞概率趋于稳定。这是由于更多的空闲信道可以被认知次用户使用，减少了认知次用户在使用空闲信道上的冲突概率。而在处于运作状态的认知次用户数量有限的条件下，当空闲信道数增多到一定程度时，即使继续增加，也不会对降低认知次用户通信的阻塞概率带来明显效果。
本发明提出了一个基于干扰功率阈值的最佳频段选择方案来优化次用户的吞吐量。为了确保主用户的通信质量，次用户的发射功率采用了一定的阈值进行限制，为了提升次用户的通信速率，提高吞吐量，提出了求解最优解的优化方程，该方程在给定的限制条件下以最大化通信速率为目的，寻找次用户的最佳接入频段及发射功率。仿真实验表明，使用本发明对提升次用户的吞吐量具有明显效果，并且可以降低次用户在通信过程中的阻塞概率。
上面结合附图对本发明优选实施方式作了详细说明，但是本发明不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下做出各种变化。
不脱离本发明的构思和范围可以做出许多其他改变和改型。应当理解，本发明不限于特定的实施方式，本发明的范围由所附权利要求限定。
Claims (7)
1.基于最佳频段选择的认知无线网络吞吐量优化算法，其特征在于，包括以下步骤：
采用认知协作通信网络模型分析网络的通信方式，获得该模型中中继的最小通信半径；
采用基于能量检测的空闲信道感知方法，使基站检测可用的频谱资源，将资源共享给需要的认知次用户；
结合干扰功率阈值的限制，通过优化方程为次用户选择最佳的接入频段。
2.根据权利要求1所述的基于最佳频段选择的认知无线网络吞吐量优化算法，其特征在于，所述认知协作通信网络模型包含了基站、主用户、中继和认知次用户，其中基站，主用户、中继和认知次用户分布在同一个二维平面内，所述主用户与基站协作通信，所述基站与认知次用户通信或通过中继与认知次用户通信。
3.根据权利要求2所述的基于最佳频段选择的认知无线网络吞吐量优化算法，其特征在于，所述认知次用户配置单个接口，所述认知次用户在一个时刻节点只在一个信道上进行数据传输，其中认知次用户的节点接口可以在不同信道之间切换。
4.根据权利要求1所述的基于最佳频段选择的认知无线网络吞吐量优化算法，其特征在于，所述获得该模型中中继的最小通信半径；具体包括：
设认知次用户的发射功率和接收功率分别为Ptrans和Preceive，则两者的关系式为：
Preceive＝μ·Ptrans·d-γ； (1)
其中μ表示与发射天线相关的一个常量，γ表示与传输距离相关的一个信号衰落因子；根据公式(1)可以得到
<mrow>
<mi>d</mi>
<mo>=</mo>
<msup>
<mrow>
<mo>(</mo>
<mfrac>
<mrow>
<msub>
<mi>&mu;P</mi>
<mrow>
<mi>t</mi>
<mi>r</mi>
<mi>a</mi>
<mi>n</mi>
<mi>s</mi>
</mrow>
</msub>
</mrow>
<msub>
<mi>P</mi>
<mrow>
<mi>r</mi>
<mi>e</mi>
<mi>c</mi>
<mi>e</mi>
<mi>i</mi>
<mi>v</mi>
<mi>e</mi>
</mrow>
</msub>
</mfrac>
<mo>)</mo>
</mrow>
<mfrac>
<mn>1</mn>
<mi>&gamma;</mi>
</mfrac>
</msup>
<mo>;</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
当认知次用户传输数据至基站，此时基站的接收功率需要超过接收功率阈值Preceive，T才能成功接收认知次用户的数据。当认知次用户的发射功率Ptrans确定时，可以得到认知次用户的传输半径为：
<mrow>
<msub>
<mi>r</mi>
<mrow>
<mi>C</mi>
<mi>S</mi>
<mi>U</mi>
</mrow>
</msub>
<mo>=</mo>
<msup>
<mrow>
<mo>(</mo>
<mfrac>
<mrow>
<msub>
<mi>&mu;P</mi>
<mrow>
<mi>t</mi>
<mi>r</mi>
<mi>a</mi>
<mi>n</mi>
<mi>s</mi>
</mrow>
</msub>
</mrow>
<msub>
<mi>P</mi>
<mrow>
<mi>r</mi>
<mi>e</mi>
<mi>c</mi>
<mi>e</mi>
<mi>i</mi>
<mi>v</mi>
<mi>e</mi>
<mo>,</mo>
<mi>T</mi>
</mrow>
</msub>
</mfrac>
<mo>)</mo>
</mrow>
<mfrac>
<mn>1</mn>
<mi>&gamma;</mi>
</mfrac>
</msup>
<mo>;</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</mrow>
因此当认知次用户与基站的相隔距离大于rCSU时，认知次用户无法获取频段共享信息，此时需要中继进行协作通信，为了使得认知次用户在半径为R的服务区内都能够与基站正常通信，中继的传输半径至少需要满足rRS＝R-rCSU。
5.根据权利要求1所述的基于最佳频段选择的认知无线网络吞吐量优化算法，其特征在于，所述采用基于能量检测的空闲信道感知方法，使基站能够检测可用的频谱资源，将资源共享给需要的用户，具体包括：在认知无线网络中，基站会在其通信范围内收获空闲的频谱资源，将频谱资源共享给有需要的认知次用户，当主用户重新使用这些频谱资源时，认知次用户则需要立即撤离。
6.根据权利要求5所述的基于最佳频段选择的认知无线网络吞吐量优化算法，其特征在于，所述基站在其通信范围内收获空闲的频谱资源，采用能量阈值检测策略，其中能量阈值检测策略具体包括：
设x[k]是具有方差σs 2的主用户信号，用k表示接收的第k个信号样本，zi,c[k]表示从第i个主用户到第c个认知次用户的复信道响应，ξi,c[k]表示从第i个主用户到第c个认知次用户的具有零均值和方差为σf 2的加性白高斯噪声；采用H0表示信道空闲状态，H1表示信道被主用户占用状态，则两种状态下的信号检测方程分别为：
<mrow>
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>H</mi>
<mn>0</mn>
</msub>
<mo>:</mo>
<mi>q</mi>
<mo>&lsqb;</mo>
<mi>k</mi>
<mo>&rsqb;</mo>
<mo>=</mo>
<msub>
<mi>&xi;</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>c</mi>
</mrow>
</msub>
<mo>&lsqb;</mo>
<mi>k</mi>
<mo>&rsqb;</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>H</mi>
<mn>1</mn>
</msub>
<mo>:</mo>
<mi>q</mi>
<mo>&lsqb;</mo>
<mi>k</mi>
<mo>&rsqb;</mo>
<mo>=</mo>
<msub>
<mi>z</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>c</mi>
</mrow>
</msub>
<mo>&lsqb;</mo>
<mi>k</mi>
<mo>&rsqb;</mo>
<mi>x</mi>
<mo>&lsqb;</mo>
<mi>k</mi>
<mo>&rsqb;</mo>
<mo>+</mo>
<msub>
<mi>&xi;</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>c</mi>
</mrow>
</msub>
<mo>&lsqb;</mo>
<mi>k</mi>
<mo>&rsqb;</mo>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>;</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>4</mn>
<mo>)</mo>
</mrow>
</mrow>
用Ei表示第c个认知次用户检测到的主用户i的信号能量，表示为：
Ei＝αq[k]； (5)
其中，α表示在该网络场景中的信号能量吸收系数；
由于在H1状态下认知次用户检测到的信号能量比H0状态下要高，设定一个信号能量检测阈值ET，ET＞Ei；其中Ei为H0状态；
通过认知次用户检测到的信号能量与ET进行对比来检测是否存在空闲信道：
<mrow>
<mo>{</mo>
<mrow>
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>f</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<mn>0</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>f</mi>
<mi>E</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
<mo>&GreaterEqual;</mo>
<msub>
<mi>E</mi>
<mi>T</mi>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>f</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>f</mi>
<mi>E</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
<mo><</mo>
<msub>
<mi>E</mi>
<mi>T</mi>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>;</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>6</mn>
<mo>)</mo>
</mrow>
</mrow>
fi＝0表示信道被主用户占用，认知次用户无法使用该信道；fi＝1则表示信道处于空闲状态，可以被认知次用户使用。
7.根据权利要求1所述的基于最佳频段选择的认知无线网络吞吐量优化算法，其特征在于，所述结合干扰功率阈值的限制，通过优化方程为次用户选择最佳的接入频段，提升吞吐量，具体包括：
在认知协作通信网络模型中，假设网络共有K个主用户，M个认知次用户，每个主用户具有一个许可频段，网络中除基站位置固定，其他节点的分布规律遵循节点密度为ρ二维泊松过程；令Φi表示某个认知次用户节点i的可用频段集合，令ITi表示当认知次用户节点i受到的总干扰，ITi的表达式为：
<mrow>
<msub>
<mi>IT</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<mi>&mu;</mi>
<mo>&CenterDot;</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>w</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>K</mi>
</munderover>
<mi>d</mi>
<msup>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>w</mi>
<mo>)</mo>
</mrow>
<mrow>
<mo>-</mo>
<mi>&tau;</mi>
</mrow>
</msup>
<mo>&CenterDot;</mo>
<msup>
<mi>e</mi>
<mrow>
<mi>&gamma;</mi>
<mo>/</mo>
<mn>10</mn>
</mrow>
</msup>
<mo>;</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>7</mn>
<mo>)</mo>
</mrow>
</mrow>
d(i,w)表示节点i与主用户的距离，μ表示天线增益，τ表示路径损耗系数，γ表示阴影系数。受到干扰信号的影响，当节点i通过空闲频段j传输数据至基站，可以达到的数据速率为：
<mrow>
<msubsup>
<mi>v</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>B</mi>
<mi>S</mi>
</mrow>
<mi>j</mi>
</msubsup>
<mo>=</mo>
<mfrac>
<mrow>
<msup>
<msub>
<mi>U</mi>
<mi>j</mi>
</msub>
<mn>2</mn>
</msup>
<msub>
<mi>log</mi>
<mn>2</mn>
</msub>
<mrow>
<mo>(</mo>
<msubsup>
<mi>P</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>B</mi>
<mi>S</mi>
</mrow>
<mi>j</mi>
</msubsup>
<mo>&CenterDot;</mo>
<msub>
<mi>g</mi>
<mi>j</mi>
</msub>
<mi>d</mi>
<mo>&CenterDot;</mo>
<msup>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>B</mi>
<mi>S</mi>
<mo>)</mo>
</mrow>
<mrow>
<mo>-</mo>
<mi>&tau;</mi>
</mrow>
</msup>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mi>IT</mi>
<mi>i</mi>
</msub>
</mrow>
</mfrac>
<mo>;</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>8</mn>
<mo>)</mo>
</mrow>
</mrow>
Uj表示频段带宽，表示节点i在频段j成功传输数据至基站的所需发射功率，gj表示频段j的信道增益。当节点i与基站之间需通过中继节点进行协作通信，则：
d(i,BS)＝d(i,RS)+d(RS,BS)； (9)
<mrow>
<msubsup>
<mi>P</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>B</mi>
<mi>S</mi>
</mrow>
<mi>j</mi>
</msubsup>
<mo>=</mo>
<msubsup>
<mi>P</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>R</mi>
<mi>S</mi>
</mrow>
<mi>j</mi>
</msubsup>
<mo>+</mo>
<msubsup>
<mi>P</mi>
<mrow>
<mi>R</mi>
<mi>S</mi>
<mo>,</mo>
<mi>B</mi>
<mi>S</mi>
</mrow>
<mi>j</mi>
</msubsup>
<mo>;</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>10</mn>
<mo>)</mo>
</mrow>
</mrow>
从公式(8)可以看出，数据速率也受到发射功率的影响。由于认知次用户与中继在通信时会对其他主用户带来干扰，因此认知次用户发送的信号至主用户的接收功率需要低于干扰功率阈值PT，即:
<mrow>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>&Element;</mo>
<msub>
<mi>&Phi;</mi>
<mi>i</mi>
</msub>
</mrow>
</munder>
<msubsup>
<mi>P</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>B</mi>
<mi>S</mi>
</mrow>
<mi>j</mi>
</msubsup>
<mi>d</mi>
<msup>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>P</mi>
<mi>U</mi>
<mo>)</mo>
</mrow>
<mrow>
<mo>-</mo>
<mi>&tau;</mi>
</mrow>
</msup>
<msub>
<mi>g</mi>
<mi>j</mi>
</msub>
<mo>&le;</mo>
<msub>
<mi>P</mi>
<mi>T</mi>
</msub>
<mo>;</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>11</mn>
<mo>)</mo>
</mrow>
</mrow>
由公式(8)可知，当发射功率的增大会提升数据速率使需要满足干扰功率阈值PT的限制，寻找最优解的方程如下：
<mrow>
<mtable>
<mtr>
<mtd>
<mrow>
<mi>G</mi>
<mi>i</mi>
<mi>v</mi>
<mi>e</mi>
<mi>n</mi>
<mo>:</mo>
<msub>
<mi>&Phi;</mi>
<mi>i</mi>
</msub>
<mo>,</mo>
<msub>
<mi>IT</mi>
<mi>i</mi>
</msub>
<mo>,</mo>
<msub>
<mi>P</mi>
<mrow>
<mi>t</mi>
<mi>o</mi>
<mi>t</mi>
<mi>a</mi>
<mi>l</mi>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>F</mi>
<mi>i</mi>
<mi>n</mi>
<mi>d</mi>
<mo>:</mo>
<mi>j</mi>
<mo>,</mo>
<msubsup>
<mi>P</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>B</mi>
<mi>S</mi>
</mrow>
<mi>j</mi>
</msubsup>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>M</mi>
<mi>a</mi>
<mi>x</mi>
<mi>i</mi>
<mi>m</mi>
<mi>i</mi>
<mi>z</mi>
<mi>e</mi>
<mo>:</mo>
<msubsup>
<mi>v</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>B</mi>
<mi>S</mi>
</mrow>
<mi>j</mi>
</msubsup>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mtable>
<mtr>
<mtd>
<mrow>
<mi>s</mi>
<mi>t</mi>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>j</mi>
<mo>&Element;</mo>
<msub>
<mi>&Phi;</mi>
<mi>i</mi>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>&Element;</mo>
<msub>
<mi>&Phi;</mi>
<mi>i</mi>
</msub>
</mrow>
</munder>
<msubsup>
<mi>P</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>B</mi>
<mi>S</mi>
</mrow>
<mi>j</mi>
</msubsup>
<mi>d</mi>
<msup>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>P</mi>
<mi>U</mi>
<mo>)</mo>
</mrow>
<mrow>
<mo>-</mo>
<mi>&tau;</mi>
</mrow>
</msup>
<msub>
<mi>g</mi>
<mi>j</mi>
</msub>
<mo>&le;</mo>
<msub>
<mi>P</mi>
<mi>T</mi>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msubsup>
<mi>P</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>B</mi>
<mi>S</mi>
</mrow>
<mi>j</mi>
</msubsup>
<mo>&le;</mo>
<msubsup>
<mi>P</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>B</mi>
<mi>S</mi>
</mrow>
<mi>max</mi>
</msubsup>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>n</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>M</mi>
</munderover>
<msubsup>
<mi>P</mi>
<mrow>
<mi>n</mi>
<mo>,</mo>
<mi>B</mi>
<mi>S</mi>
</mrow>
<mi>max</mi>
</msubsup>
<mo>&le;</mo>
<msub>
<mi>P</mi>
<mrow>
<mi>t</mi>
<mi>o</mi>
<mi>t</mi>
<mi>a</mi>
<mi>l</mi>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>;</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>12</mn>
<mo>)</mo>
</mrow>
</mrow>
Ptotal表示网络中所有认知次用户的总发射功率，表示节点n的最大发射功率；
采用迭代注水算法来求解公式(12)，求得
<mrow>
<msubsup>
<mi>P</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>B</mi>
<mi>S</mi>
</mrow>
<mi>j</mi>
</msubsup>
<mo>=</mo>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
<mo>{</mo>
<msub>
<mi>P</mi>
<mi>T</mi>
</msub>
<mo>,</mo>
<mfrac>
<msub>
<mi>P</mi>
<mrow>
<mi>t</mi>
<mi>o</mi>
<mi>t</mi>
<mi>a</mi>
<mi>l</mi>
</mrow>
</msub>
<mi>M</mi>
</mfrac>
<mo>}</mo>
<mo>;</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>13</mn>
<mo>)</mo>
</mrow>
</mrow>
将公式(13)求得的代入方程(12)中，找到最佳的频段来得到最大化数据速率，优化网络吞吐量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710848039.2A CN107580327B (zh) | 2017-09-19 | 2017-09-19 | 基于最佳频段选择的认知无线网络吞吐量优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710848039.2A CN107580327B (zh) | 2017-09-19 | 2017-09-19 | 基于最佳频段选择的认知无线网络吞吐量优化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107580327A true CN107580327A (zh) | 2018-01-12 |
| CN107580327B CN107580327B (zh) | 2020-09-29 |
Family
ID=61032777
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710848039.2A Active CN107580327B (zh) | 2017-09-19 | 2017-09-19 | 基于最佳频段选择的认知无线网络吞吐量优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107580327B (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108990070A (zh) * | 2018-08-03 | 2018-12-11 | 南京邮电大学 | 一种基于noma技术的认知无线电网络的功率分配方法 |
| CN109005589A (zh) * | 2018-07-03 | 2018-12-14 | 上海理工大学 | 一种用于频谱资源分配的方法及设备 |
| CN109067488A (zh) * | 2018-07-13 | 2018-12-21 | 吉林大学 | 基于能量累积的信息与能量双向传输系统性能的优化方法 |
| CN109104751A (zh) * | 2018-10-24 | 2018-12-28 | 南京航空航天大学 | 一种基于usrp实验平台与频谱感知结果进行频谱切换的算法 |
| CN109120362A (zh) * | 2018-10-24 | 2019-01-01 | 南京航空航天大学 | 一种具有能量采集功能的认知无线电网络的信道选择方法 |
| CN110753350A (zh) * | 2019-10-16 | 2020-02-04 | 电子科技大学 | 一种面向网络业务特征的认知网络动态接入方法 |
| CN113472463A (zh) * | 2021-06-30 | 2021-10-01 | 中国人民解放军国防科技大学 | 一种认知无线网络中次用户违反干扰约束行为的检测方法 |
| CN114338974A (zh) * | 2021-12-02 | 2022-04-12 | 深圳市领航卫士安全技术有限公司 | 多通道的活动路径确定方法、装置、设备及存储介质 |
| CN118075760A (zh) * | 2024-04-24 | 2024-05-24 | 成都信息工程大学 | 基于新一代无线电和WiFi共存的非授权频谱接入方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102726087A (zh) * | 2010-03-10 | 2012-10-10 | 上海贝尔股份有限公司 | 在认知无线网络中用于信道和/或功率分配的方法及设备 |
| WO2014094641A1 (zh) * | 2012-12-21 | 2014-06-26 | 电信科学技术研究院 | 一种认知无线电系统竞争频谱资源的方法和系统 |
| WO2014160980A1 (en) * | 2013-03-28 | 2014-10-02 | Interdigital Patent Holdings, Inc. | Interference alignment and cancellation for cognitive radio networks with secondary user access |
| CN107041005A (zh) * | 2017-02-28 | 2017-08-11 | 南京邮电大学 | 基于能量协作的双向认知中继网络资源分配方法 |
| CN107172704A (zh) * | 2017-05-10 | 2017-09-15 | 叶仕通 | 基于协作频谱感知和干扰约束的认知异构网络功率分配方法 |
-
2017
- 2017-09-19 CN CN201710848039.2A patent/CN107580327B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102726087A (zh) * | 2010-03-10 | 2012-10-10 | 上海贝尔股份有限公司 | 在认知无线网络中用于信道和/或功率分配的方法及设备 |
| WO2014094641A1 (zh) * | 2012-12-21 | 2014-06-26 | 电信科学技术研究院 | 一种认知无线电系统竞争频谱资源的方法和系统 |
| WO2014160980A1 (en) * | 2013-03-28 | 2014-10-02 | Interdigital Patent Holdings, Inc. | Interference alignment and cancellation for cognitive radio networks with secondary user access |
| CN107041005A (zh) * | 2017-02-28 | 2017-08-11 | 南京邮电大学 | 基于能量协作的双向认知中继网络资源分配方法 |
| CN107172704A (zh) * | 2017-05-10 | 2017-09-15 | 叶仕通 | 基于协作频谱感知和干扰约束的认知异构网络功率分配方法 |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109005589A (zh) * | 2018-07-03 | 2018-12-14 | 上海理工大学 | 一种用于频谱资源分配的方法及设备 |
| CN109005589B (zh) * | 2018-07-03 | 2023-04-07 | 上海理工大学 | 一种用于频谱资源分配的方法及设备 |
| CN109067488A (zh) * | 2018-07-13 | 2018-12-21 | 吉林大学 | 基于能量累积的信息与能量双向传输系统性能的优化方法 |
| CN109067488B (zh) * | 2018-07-13 | 2021-03-09 | 吉林大学 | 基于能量累积的信息与能量双向传输系统性能的优化方法 |
| CN108990070A (zh) * | 2018-08-03 | 2018-12-11 | 南京邮电大学 | 一种基于noma技术的认知无线电网络的功率分配方法 |
| CN109104751B (zh) * | 2018-10-24 | 2020-11-27 | 南京航空航天大学 | 一种基于usrp实验平台与频谱感知结果进行频谱切换的方法 |
| CN109120362A (zh) * | 2018-10-24 | 2019-01-01 | 南京航空航天大学 | 一种具有能量采集功能的认知无线电网络的信道选择方法 |
| CN109104751A (zh) * | 2018-10-24 | 2018-12-28 | 南京航空航天大学 | 一种基于usrp实验平台与频谱感知结果进行频谱切换的算法 |
| CN110753350A (zh) * | 2019-10-16 | 2020-02-04 | 电子科技大学 | 一种面向网络业务特征的认知网络动态接入方法 |
| CN110753350B (zh) * | 2019-10-16 | 2022-06-03 | 电子科技大学 | 一种面向网络业务特征的认知网络动态接入方法 |
| CN113472463A (zh) * | 2021-06-30 | 2021-10-01 | 中国人民解放军国防科技大学 | 一种认知无线网络中次用户违反干扰约束行为的检测方法 |
| CN114338974A (zh) * | 2021-12-02 | 2022-04-12 | 深圳市领航卫士安全技术有限公司 | 多通道的活动路径确定方法、装置、设备及存储介质 |
| CN118075760A (zh) * | 2024-04-24 | 2024-05-24 | 成都信息工程大学 | 基于新一代无线电和WiFi共存的非授权频谱接入方法及系统 |
| CN118075760B (zh) * | 2024-04-24 | 2024-06-18 | 成都信息工程大学 | 基于新一代无线电和WiFi共存的非授权频谱接入方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107580327B (zh) | 2020-09-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107580327A (zh) | 基于最佳频段选择的认知无线网络吞吐量优化算法 | |
| Chen et al. | Rethinking mobile data offloading for LTE in unlicensed spectrum | |
| Ghasemi et al. | Spectrum sensing in cognitive radio networks: the cooperation‐processing tradeoff | |
| US7206586B2 (en) | Frequency assignment for multi-cell IEEE 802.11 wireless networks | |
| Khurana et al. | Effect of hidden terminals on the performance of IEEE 802.11 MAC protocol | |
| CN101635600B (zh) | 认知无线电中基于干扰温度的信道与功率联合分配方法 | |
| WO2019213278A1 (en) | Techniques for selecting network parameters based on feedback | |
| CN102271338A (zh) | 一种用于认知无线电网络的信道和功率联合分配方法 | |
| KR20190129605A (ko) | 무선 통신 시스템에서 상향링크 스케줄링을 위한 장치 및 방법 | |
| CN106533515A (zh) | 一种天线回退方法及基站 | |
| CN118612747A (zh) | 用于无线通信的电子设备和方法、计算机可读存储介质 | |
| Lundén et al. | Distributed algorithms for sharing spectrum sensing information in cognitive radio networks | |
| Popli et al. | Green NOMA assisted NB-IoT based urban farming in multistory buildings | |
| US9854592B2 (en) | Methods of channel allocation for devices using different communication protocols | |
| Hoeller et al. | Beyond 5G low-power wide-area networks: A LoRaWAN suitability study | |
| CN105979590B (zh) | 认知无线电系统中基于有效容量的用户调度与功率分配方法 | |
| Li | Soft frequency reuse-based resource allocation for D2D communications using both licensed and unlicensed bands | |
| JP2018142906A (ja) | 無線通信システム、集中制御局および無線通信方法 | |
| Mbengue et al. | Performance analysis of LAA/Wi-Fi coexistence: Stochastic geometry model | |
| CN117715219A (zh) | 基于深度强化学习的空时域资源分配方法 | |
| CN105491677A (zh) | 一种基于网络编码的带碰撞避免的载波侦听多址方法 | |
| Shilpa et al. | Spreading factor optimization for interference mitigation in dense indoor lora networks | |
| Bayrakdar et al. | A slotted Aloha based random access cognitive radio network and its performance evaluation | |
| Chiti et al. | A cooperative spectrum sensing protocol for IEEE 802.15. 4m wide-area WSNs | |
| Yuan | Research on network resource optimal allocation algorithm based on game theory |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |