CN108540246B - 一种基于认知无线电的资源分配方法 - Google Patents

Abstract

本发明涉及一种基于认知无线电的IoT传感器网络在不完美信道下的次级IoT设备的资源分配方法，属于移动通信技术领域。该方法包括：建立不完美的信道模型；根据建立的模型进行干扰分析，得出次级物联网(Internet of Things,IoT)设备的信噪比SINR公式；再根据SINR公式推出每一个次级IoT设备的容量公式和传输速率公式；考虑当存在当前频谱不够分配的情况下的建立的应对策略和惩罚机制；在满足以上条件下，考虑干扰限制和设备的总功率限制，得到最优的次级IoT设备功率和频谱容量分配方案。本发明为每一个次级IoT设备分配最优的发送功率和最恰当的频谱资源，来达到最大化整个次级系统的吞吐量的同时最小化次级系统的平均发送功率的目的。

Description

一种基于认知无线电的资源分配方法

技术领域

本发明属于移动通信技术领域，涉及一种基于认知无线电的物联网传感器网络中的次级用户在不完美信道模型下的资源分配方法。

背景技术

物联网(Internet of Things,IoT)是互联对象的全球网络，可以基于标准通信协议进行独特寻址，并允许人员和事物在任何时间，任何地点，任何物和任何人连接。连接的设备多种多样(包括汽车，传感器，家用电器，计算机，电话，健康监控设备，城市，建筑物，个人设备，商业设备)以及可以连接到网络的任何设备和其之间可以相互通信的设备。随着对物联网的深入研究，IoT被认为将会对未来的日常生活产生强烈的影响，如辅助生活，自动化，改进学习，工业制造，物流，流程管理，人员/材料的智能交通，工业过程的实时监控，电子保健设施等。有大量的技术被建议用于IoT网络中，然而，覆盖范围，数据带宽支持和频谱可用性是主要关注的问题。此外，IoT网络中各种多样的应用程序预计将向网络中引入大量数据，这对于当前的频谱资源短缺的问题来说是一个挑战。

在认知无线电(Cognitive Radio Networks,CRNs)中，主级用户(Primary Users,PUs)会和次级用户(Secondary Users,SUs)在SUs不对PUs造成干扰的情况下，与次级用户分享频谱。认知无线电技术由于其工作原理：动态的分配频谱资源，使得主用户PUs和次用户SUs能在一定的条件下共享频谱资源，和传统的频谱资源分配方式大有不同，提高了频谱和资源的利用率，而被作为一门有效的改善频谱稀缺问题的技术备受重视。此外，CRN中的认知功能，可根据内部和外部刺激感知，学习和适应周围环境。由于以上所述的CRN中的特质，可以有效的提高频谱利用率，降低开销。同时还能通过动态频谱接入的功能寻找到“无干扰”的信道，从而减少设备间的干扰。基于此，近几年也有越来越多的研究表明CRN能够有效的解决IoT 中存在的一系列问题，并且提出了“基于CRN的IoT”的新范例。

随着IoT传感器应用的不断扩大，互联传感器数量庞大，在各类资源有限的情况下为这些传感器设备进行资源的最优分配成为了一个棘手的问题。通过将CR应用到密集部署的无线设备(例如，传感器节点)中，相应的传感器节点被认为是SU。它们可以在不同的信道下同时传输数据包，并通过智能切换将占用的信道释放给PU。很大的程度上缓解了能耗消耗过大的问题，并提高了传输效率。于是在基于CRN的IoT传感器网络中，相应的传感器设备(可用于穿戴设备、车载系统)就被视为CRN中的用户，不同的是，仍然分为被授权的主用户和未被授权的次用户。在此架构中，次级IoT设备用户可以在不对主级用户造成干扰的情况下与主级用户共享频谱，同时通过对次级IoT设备用户来进行最优的资源分配来优化整个系统的性能表现。

发明人在研究现有技术的过程中发现其存在如下缺点：

现有的基于CR的IoT传感器网络架构中，对于每一个次级设备的功率分配，其基本条件大多都是在完美信道下进行的研究。而在现实通信中，设备接收端很难知道通信信道的完整信息，所以对于这些所提的方案的切实可行性有所降低。此外，现有的为用户分配频谱的方案，少有考虑到当前频谱不够分的情况下的应对策略，而这类情况是有很大的出现概率的。并且，在为用户分配功率和频谱的过程中，需要大量的能量需求，如何在为他们进行最优的分配的条件下，最小化整个系统的能耗，这也是鲜少有方案考虑的。

发明内容

有鉴于此，本发明的目的在于提供一种基于认知无线电的物联网传感器网络中的次级用户在不完美信道模型下的资源分配方法，在不完美信道模型下为每一个次级IoT设备基于他们自身的发送速率来进行功率的分配，同时为他们分配基于他们的业务(速率)来进行的最恰当的频谱的容量的分配。来达到最大化整个次级系统的吞吐量，并且最小化每一个次级系统的平均发送功率的目的。此外，本发明所述方法也考虑了QoS的需求，在保护了主用户的情况下，优化了次级系统的性能表现。同时，在分配频谱容量和功率时也考虑了公平性，使得每个用户能在最大的公平性下得到最优的资源分配。综上，本发明不仅提高了资源利用率，还在减少能耗的情况下优化了次级系统的性能表现。

为达到上述目的，本发明提供如下技术方案：

一种基于认知无线电的IoT传感器网络在不完美信道下的次级IoT设备的资源分配方法，其特征在于，该方法包括以下步骤：

S1：对在次级系统和次级系统之间，次级系统和主级系统之间来分别建立不完美的信道模型，分情况讨论；

S2：根据不完美的信道模型进行干扰分析，得出次级物联网(Internet ofThings,IoT)设备的信噪比SINR公式；再根据SINR公式推出每一个次级IoT设备的容量公式和传输速率公式；

S3：考虑当存在当前频谱不够分配的情况下的建立的应对策略和惩罚机制；

S4：在同时满足S1～S3中所述条件下，考虑干扰限制和设备的总功率限制，得到最优的次级IoT设备功率和频谱容量分配方案。

进一步，在所述步骤S1中，建立不完美的信道模型：

次级IoT信息收集基站和次级IoT设备之间的不完美模型：

考虑信道状态信息(Channel side information,CSI)是部分可知的：对于次级系统中的收发端，即次级IoT信息收集基站与次级IoT设备之间，只有部分信道增益是可知的；即实际的信道状态等于估计的信道状态加上估计的误差值。

对于主级系统考虑最坏的情况：如果在最差的情况下都能保护好主级用户(Primary Users, PUs)，那么其他任何情况下的PUs都能受到很好的保护；又由于次级系统发送端与主级系统接收端，即次级IoT设备与主级基站PBS之间的信道难以估计，所以对于主级系统的信道，本发明考虑最极端的情况，即PBS-次级IoT设备之间的信道没有任何统计数据，但他们之间的信道的不确定性是有界的。

考虑次级用户对主级系统产生的干扰限制，以此保证主级用户的优先通讯活动的进行，即要满足主级用户服务质量(Quality of Service,QoS)的需求。

考虑次级IoT设备的QoS问题：设定次级IoT设备的最小发送速率，通过保证每一个次级IoT设备用户的发送速率要大于或等于最小的发送速率，来满足次级IoT设备的QoS。

按照以上所建立的不完美模型下的机制来为每一个次级IoT设备分配功率和频谱容量，来达到最大化整个次级系统的吞吐量，同时最小化整个次级系统的平均发送功率的目的。

进一步，在建立好不完美的信道模型后，所述资源分配方法通过与粒子群和拉格朗日对偶迭代法相结合，来分别为每一个次级IoT设备用户分配频谱资源和发送功率，以达到最大化整个次级系统的吞吐量，并且最小化每个次级系统的平均发送功率的目的。

进一步，在所述步骤S2中，每一个次级IoT设备用户分配的频谱容量是由自身的传输数据速率来定；

当次级IoT设备的传输数据速率较大时，代表次级用户的业务需求量大，则此时基于它的发送数据速率为它分配的频谱容量相应的较多；反之，则代表着此用户的业务需求量不是那么大，则基于它的发送速率为它分配频谱容量。

进一步，在所述步骤S2中，次级IoT设备的SINR公式为：

其中，P_su是当前次级IoT设备的发送功率，h_1k,i是当前次级IoT设备和次级IoT信息收集基站之间的信道增益；P_pu是主级用户的发送功率，

是主级用户与次级IoT信息收集基站之间的信道增益；n₀是噪声；

次级IoT设备的容量为：

其中，E{}是指对{.}求期望，B是指当前频谱的带宽；

次级IoT设备的发送速率为：

其中，t_i是指为当前的次级IoT设备分得的频谱容量所占整个频谱容量的百分比。

进一步，在所述步骤S3中，当当前的频谱容量不够分给系统中的次级IoT设备时，需考虑释放频谱容量的情况；即需从已分配的次级IoT设备中，选出得到频谱容量较多的用户，释放出恰当的频谱容量来给当前这个没有频谱容量可分配的次级IoT设备i。

当存在当前频谱不够分配的情况时，会导致整个系统的吞吐量减少，需考虑以下的惩罚机制：

因为在本发明中，目的就是在于充分的使用频谱资源，为每一个次级用户分配最恰当的频谱容量，来满足他们自身的业务需求。而这类不够分配的情况要避免发生。为避免此类情况的常发生，该方法基于这个惩罚机制重新整合分配，在达到最优目的的情况下得到最优的分配方案。

本发明的有益效果在于：本发明所述方法能够基于每一个次级IoT设备的发送数据速率，来为他们分配最优的发送功率和最恰当的频谱资源，来达到最大化整个次级系统的吞吐量的同时最小化次级系统的平均发送功率的目的。并且基于公平性，对于可能出现的发送速率较小便得到较少的发送功率甚至不被分配发送功率的现象，本发明也考虑了对应的解决措施。此外，对于在实际应用中极有可能出现的当前频谱资源不够分配的情况，本发明也建立了相应的机制去解决此类情况的发生。并且，本发明所述的方法也能保证主级系统的正常通信活动，满足他们的QoS需求。在次级IoT设备对主级系统造成的干扰最低的情况下，优化了次级系统的性能表现。

附图说明

为了使本发明的目的、技术方案和有益效果更加清楚，本发明提供如下附图进行说明：

图1为研究场景示意图；

图2为结合粒子群PSO机制为每一个次级IoT用户分配最优的频谱资源的流程图；

图3为结合拉格朗日对偶求解法为每一个次级IoT用户分配最优的功率的流程图。

具体实施方式

下面将结合附图，对本发明的优选实施例进行详细的描述。

参见图1，图1为本发明研究场景示意图。在本发明实施例中，考虑的是在一个主基站的覆盖范围下，有多个主级用户。这个主级网络包括M个主级用户，m＝1,...,M。而在一个次级IoT信息收集基站下有k个次级IoT设备，这k个次级IoT设备用户与主用户之间共享频谱资源。在本发明中，我们基于正交频分复用(Orthogonal Frequency DivisionMultiplexing，OFDM) 技术只考虑下端链路的情况。本发明中，假设系统带宽为BHz，主用户和次级IoT设备共享这个BHz的频谱资源。对于每一个次级IoT设备用户，即k＝1,...,K基于他们的发送速率即业务需求分配最适的发送功率，考虑到每台IoT设备自身的能量限制，为他们分配最优的功率。与此同时，考虑为他们分配频谱资源。能够在满足他们的业务需求和QoS的情况下充分的使用频谱的资源。在实例图中，次级系统与主级系统的覆盖范围有交叉，且次级系统与主级系统共享频谱资源，这样就不可避免的使得次级IoT设备的活动会对主级系统造成一定程度的干扰，所以以上所有目的要在保护主级系统的条件下进行，即保证主级系统的优先活动权。

基于以上准则，进行的对每一个次级IoT设备分配频谱和功率的联合资源分配。

参见图2，图2为基于认知无线电的IoT传感器网络中不完美信道下的次级IoT设备用户的频谱分配，步骤如下：

步骤201：固定次级IoT用户发送功率p，以及用户总数k，主用户能忍受的干扰门限值 I。并且所固定的次级IoT设备用户的发送功率p要小于主用户能忍受的干扰门限值I。

步骤202：初始化粒子群PSO参数，设定种群数目，迭代次数。且令pbest＝0,gbest＝0。

步骤203：依据PSO粒子的位置和速度更新公式初始化粒子(即次级IoT用户设备)的频谱t的位置和速度。

步骤204：开始第一次迭代，依据更新的粒子位置信息计算当前第i个次级IoT设备用户的SINR，容量和发送速率。

步骤205：验证PSO分得的每个次级IoT设备用户的

是否大于或者等于最小的发送速率R_min。如果满足条件，则进入到下一步骤206。若不满足，则回到步骤202，重新为每个次级IoT设备用户更新位置和速度。

步骤206：验证此时频谱资源是否已分发完毕而仍有次级IoT设备用户还未分得频谱资源的现象。若满足条件，则进入步骤207，实施应对策略和惩罚机制。若不满足，则进入下一步骤208。

步骤208：依据PSO得到的最优的频谱资源分配计算出总的吞吐量和总功率的值。

步骤209：记录每个次级IoT设备用户的个人最佳的总的吞吐量和总功率的值，即pbest。以及在整个种群中的全局最佳的总的吞吐量和总功率的值，即gbest。并进行比较，如果 pbest>gbest，则设gbest＝pbest。反之则不改变gbest的值。

步骤300：更新迭代次数n＝n+1。

步骤301：验证是否已达到最大迭代次数N，若达到，则输出此时的gbest，以及为每个次级IoT设备用户分得的最优的频谱资源向量。若不满足，则到402步骤，为粒子更新位置和速度，重新重复以上步骤，直到达到最大的迭代次数N为止。

参见图3，图3为在上一步确定了频谱资源的分配的情况下，继续为次级IoT设备用户进行的功率的分配，步骤如下：

步骤301：根据权重切比雪夫方法引入辅助优化变量X。

步骤302：根据切比雪夫方法创建优化函数，引入权重因子α,β,γ。

步骤303：根据上步创建拉格朗日对偶函数，引入u,ν,ε,w因子。

步骤304：根据步骤303的拉格朗日对偶函数对功率p求导，并令求导后的公式为0，得到最优的功率分配公式。

步骤305：根据优化函数创建λ_(γ+1)迭代函数。

步骤306：更新λ_(γ+1)，u_(γ+1)，v_(γ+1)，ε_(γ+1)，w_(γ+1)的迭代函数。

步骤307：把步骤306的迭代函数代入步骤304得到的最优功率分配公式中。并判断得到的相邻值间的差值是否达到最小。满足条件的话则输出此时的发送功率分配向量，不满足的话则回到步骤306，重复步骤一直到得到相邻值的差达到最小为止。

最后说明的是，以上优选实施例仅用以说明本发明的技术方案而非限制，尽管通过上述优选实施例已经对本发明进行了详细的描述，但本领域技术人员应当理解，可以在形式上和细节上对其作出各种各样的改变，而不偏离本发明权利要求书所限定的范围。

Claims (4)

1.一种基于认知无线电的IoT传感器网络在不完美信道下的次级IoT设备的资源分配方法，其特征在于，该方法包括以下步骤：

S1：对在次级系统和次级系统之间，次级系统和主级系统之间来分别建立不完美的信道模型，分情况讨论；

S2：根据不完美的信道模型进行干扰分析，得出次级IoT设备的信噪比SINR公式；再根据SINR公式推出每一个次级IoT设备的容量公式和传输速率公式；

次级IoT设备的SINR公式为：

其中，P_su是当前次级IoT设备的发送功率，h_1k，i是当前次级IoT设备k和次级IoT信息收集基站i之间的信道增益；P_pu是主级用户的发送功率，

是主级用户与次级IoT信息收集基站之间的信道增益；n₀是噪声；

次级IoT设备的容量为：

其中，E{}是指对{.}求期望，B是指当前频谱的带宽；

次级IoT设备的发送速率为：

其中，t_i是指为当前的次级IoT设备分得的频谱容量所占整个频谱容量的百分比；

S3：考虑当存在当前频谱不够分配的情况下建立的应对策略和惩罚机制，其中应对策略为：当当前的频谱容量不够分给系统中的次级IoT设备时，需考虑释放频谱容量的情况；即需从已分配的次级IoT设备中，选出得到频谱容量较多的用户，释放出恰当的频谱容量来给当前这个没有频谱容量可分配的次级IoT设备；

惩罚机制为：当存在当前频谱不够分配的情况时，会导致整个系统的吞吐量减少，需考虑以下的惩罚机制：

为避免此类情况的常发生，该方法基于这个惩罚机制重新整合分配，在达到最优目的的情况下得到最优的分配方案；

S4：在同时满足S1～S3中所述条件下，考虑干扰限制和设备的总功率限制，得到最优的次级IoT设备功率和频谱容量分配方案。

2.如权利要求1所述的一种基于认知无线电的IoT传感器网络在不完美信道下的次级IoT设备的资源分配方法，其特征在于：在所述步骤S1中，建立不完美的信道模型：

次级IoT信息收集基站和次级IoT设备之间的不完美模型：

考虑CSI是部分可知的：对于次级系统中的收发端，即次级IoT信息收集基站与次级IoT设备之间，只有部分信道增益是可知的；即实际的信道状态等于估计的信道状态加上估计的误差值；

对于主级系统考虑最坏的情况：如果在最差的情况下都能保护好主级用户PUs，那么其他任何情况下的PUs都能受到很好的保护；又由于次级系统发送端与主级系统接收端，即次级IoT设备与主级基站PBS之间的信道难以估计，所以对于主级系统的信道，考虑最极端的情况，即PBS-次级IoT设备之间的信道没有任何统计数据，但他们之间的信道的不确定性是有界的；

考虑次级用户对主级系统产生的干扰限制，以此保证主级用户的优先通讯活动的进行，即要满足主级QoS的需求；

考虑次级IoT设备的QoS问题：设定次级IoT设备的最小发送速率，通过保证每一个次级IoT设备用户的发送速率要大于或等于最小的发送速率，来满足次级IoT设备的QoS；

按照以上所建立的不完美模型下的机制来为每一个次级IoT设备分配功率和频谱容量，来达到最大化整个次级系统的吞吐量，同时最小化整个次级系统的平均发送功率的目的。

3.如权利要求2所述的一种基于认知无线电的IoT传感器网络在不完美信道下的次级IoT设备的资源分配方法，其特征在于：

在建立好不完美的信道模型后，所述资源分配方法通过与粒子群和拉格朗日对偶迭代法相结合，来分别为每一个次级IoT设备用户分配频谱资源和发送功率，以达到最大化整个次级系统的吞吐量，并且最小化每个次级系统的平均发送功率的目的。

4.如权利要求1所述的一种基于认知无线电的IoT传感器网络在不完美信道下的次级IoT设备的资源分配方法，其特征在于：在所述步骤S2中，每一个次级IoT设备用户分配的频谱容量是由自身的传输数据速率来定；

当次级IoT设备的传输数据速率较大时，代表次级用户的业务需求量大，则此时基于它的发送数据速率为它分配的频谱容量相应的较多；反之，则代表着此用户的业务需求量不是那么大，则基于它的发送速率为它分配频谱容量。

Images