CN109005593B - 一种用于频谱分配的优化的方法及设备 - Google Patents
一种用于频谱分配的优化的方法及设备 Download PDFInfo
- Publication number
- CN109005593B CN109005593B CN201810879517.0A CN201810879517A CN109005593B CN 109005593 B CN109005593 B CN 109005593B CN 201810879517 A CN201810879517 A CN 201810879517A CN 109005593 B CN109005593 B CN 109005593B
- Authority
- CN
- China
- Prior art keywords
- link
- frequency band
- wireless network
- determining
- links
- 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.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/04—Wireless resource allocation
- H04W72/044—Wireless resource allocation based on the type of the allocated resource
- H04W72/0453—Resources in frequency domain, e.g. a carrier in FDMA
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/50—Allocation or scheduling criteria for wireless resources
- H04W72/54—Allocation or scheduling criteria for wireless resources based on quality criteria
- H04W72/541—Allocation or scheduling criteria for wireless resources based on quality criteria using the level of interference
-
- 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
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本申请的目的是提供一种用于频谱分配的优化的方法及设备,本申请通过确定无线网络中工作在频段上的链路的信号干扰噪声比,根据所述信号干扰噪声比及成功解码阈值确定所述频段上的链路容量;根据所述链路的传输机会及所述频段上的链路容量确定所述链路的最大可维持数据速率;进而根据最大可维持数据速率来确定所述数据流的端到端吞吐量,以确定所述无线网络的网络吞吐量;根据所述无线网络中链路的频谱分配情况确定所述无线网络的频谱利用率;根据频谱利用率和网络吞吐量构建多目标频谱分配问题,对所述多目标频谱分配问题通过非支配排序遗传算法进行优化。可以实现最大允许的网络吐量,提高频谱利用率。
Description
技术领域
本申请涉及通信网络领域,尤其涉及一种用于频谱分配的优化的方法及设备。
背景技术
物联网是一个包含基于标准通信协议且独立可寻址的互联设备的全球网络,它允许人们随时随地与任何人和任何设备进行连接,并合理使用链路、网络和服务。在网络中,所有设备都必须交换信息,而在大多数情况下会使用无线的方式进行通信。因此,物联网中设备数量的剧增自然会增加对频谱资源的需求,而物联网的快速发展对无线通信网络中原本就匮乏的频谱资源的需求更加迫切。通常来说,大多数频谱已经被分配给了特定的无线电服务,即这些服务都运行在指定的频段内。最近研究表明,这种固定的频谱分配策略已经导致了对频谱的低效率及不平衡利用。认知无线电作为改善频谱利用率最具潜力的技术,在过去几年已经引起了人们极大的关注。认知无线电允许非授权用户(也叫次用户)在不对授权用户(也叫主用户)造成过大干扰的前提下,动态接入主用户使用的授权频段,这样可以充分利用频谱资源。因此,将认知无线电技术应用于物联网中可以有效缓解频谱稀缺问题并获得较高的频谱效率和网络性能,这对物联网的发展大有裨益。
基于认知无线电的物联网需要其设备针对频段有智能决策的能力,且能够根据当前网络环境做出相应的行为,因此需要考虑基于认知无线电的物联网中的频谱分配问题。假设在该网络中,存在一些并行传输的端到端多跳数据流,数据从源通信节点依次通过网络中若干通信节点的传递到达目的通信节点,组成了一条路由选择通路。在路由选择通路中,每次节点间进行的数据传输组成了一条链路。为了保障数据流能够稳定传输,需要选择合适的频段分配给链路。一方面,为了追求物联网中的“全互联”模式,优化频谱分配时的目标应当集中在最大化数据流的数据率。另一方面,为了充分发挥认知无线电技术的优势,优秀的频谱分配策略应当关注可分配频段的高效利用。因此,在分配频谱时考虑多目标优化问题是及其重要且不可或缺的。在频谱分配策略上,由于以下原因,解决该问题变得具有挑战性。在这样的多跳认知无线电网络场景中,频谱分配应该考虑比单跳场景中更多的影响因素。对于组成流的路由路径的所有链路,应该允许有效的端到端吞吐量。这意味着任何链路的容量变化都可能会影响整个路径的吞吐量。此外,链路传输不仅受到分配频段的干扰,还受网络资源竞争的影响。多目标频谱分配策略伴随着较高的计算复杂度,因此应当探索有效的算法以在所有情况下都能实现最佳结果。
发明内容
本申请的一个目的是提供一种用于频谱资源分配的方法及设备,实现最大允许的端到端吞吐量,并最大限度地提高频谱利用率,使用低复杂度的启发式算法来寻找问题的最优解。
根据本申请的一个方面,提供了一种用于频谱分配的优化方法,其中,所述方法包括:
确定无线网络中工作在频段上的链路的信号干扰噪声比,根据所述信号干扰噪声比及成功解码阈值确定所述频段上的链路容量;
根据所述链路的传输机会及所述频段上的链路容量确定所述链路的最大可维持数据速率;
根据端到端多跳数据流通过的路由选择通路上每个链路的最大可维持数据速率,以确定所述多跳数据流的端到端吞吐量;
根据所述无线网络中每个多跳数据流的端到端吞吐量确定所述无线网络的网络吞吐量;
根据所述无线网络中链路的频谱分配情况确定所述无线网络的频谱利用率;
根据所述无线网络的频谱利用率和所述网络吞吐量构建多目标频谱分配问题,对所述多目标频谱分配问题通过非支配排序遗传算法进行优化。
进一步地,确定无线网络中工作在频段上的链路的信号干扰噪声比,包括:
根据所述链路的发送节点的传输功率、所述发送节点及所述链路的接收节点之间的信道增益、所述链路的路径损耗信息及热噪声,确定工作在频段上的链路的信号干扰噪声比。
进一步地,根据所述信号干扰噪声比及成功解码阈值确定所述频段上的链路容量,包括:
判断所述信号干扰噪声比是否大于等于成功解码阈值,若是,则根据所述信号干扰噪声比及所述频段的频谱带宽确定所述频段上的链路容量。
进一步地,根据所述链路的传输机会及所述频段上的链路容量确定所述链路的最大可维持数据速率之前,包括:
确定所述链路的第一链路集合及第二链路集合,其中,所述第一链路集合包括以所述链路的发射节点作为共享节点的所有链路的集合,所述第二链路集合包括以所述链路的接收节点作为共享节点的所有链路的集合;
确定第一链路集合中的每一链路的传输机会,以及所述第二集合中的每一链路的传输机会;
选取所述链路在所述第一链路集合中的传输机会以及所述第二集合中的传输机会中的最小值作为所述链路的传输机会。
进一步地,所述链路的最大可维持数据速率满足如下公式:
其中,f表示在所述链路上发送的数据流,表示所述链路在所述频段上发送数据流f的数据时链路的最大可维持数据速率,Tij表示所述链路的传输机会,Cij(m)表示所述频段上的链路容量,i表示所述链路的发射节点,j表示所述链路的接收节点。
进一步地,根据所述网络中每个端到端多跳数据流的端到端吞吐量,以确定所述网络的吞吐量,包括:
选取所述的网络中所有端到端多跳数据流的端到端吞吐量之和作为所述网络的网络吞吐量。
进一步地,根据端到端多跳数据流通过的路由选择通路上每个链路的最大可维持数据速率,以确定所述多跳数据流的端到端吞吐量,包括:
选取所述端到端多跳数据流的路由选择通路中每一链路的最大可维持数据速率中的最小值作为所述端到端吞吐量。
进一步地,根据所述无线网络中链路的频谱分配情况确定所述无线网络的频谱利用率,包括:
根据所述无线网络中链路的总数与分配给所述链路的频段总数的比值作为所述无线网络的频谱利用率。
进一步地,根据所述无线网络的频谱利用率和所述网络吞吐量构建多目标频谱分配问题,包括:
根据所述无线网络的最大频谱利用率和最大网络吞吐量构建多目标频谱分配问题。
进一步地,对所述多目标频谱分配问题通过非支配排序遗传算法进行优化,包括:
将所述无线网络中链路的数量作为非支配排序遗传算法中的列表的大小;
将所述列表中的每一元素对应所述无线网络中一个链路,且所述元素的值为分配给所述链路的频段的序列号;
将所述列表映射至所述非支配排序遗传算法中的染色体,进行所述多目标频谱分配问题的优化。
根据本申请又一个方面,还提供了一种计算机可读介质,其上存储有计算机可读指令,所述计算机可读指令可被处理器执行以实现前述所述的方法。
根据本申请另一个方面,还提供了一种用于频谱分配的优化的设备,所述设备包括:
一个或多个处理器;以及
存储有计算机可读指令的存储器,所述计算机可读指令在被执行时使所述处理器执行如前述所述方法的操作。
与现有技术相比,本申请通过确定无线网络中工作在频段上的链路的信号干扰噪声比,根据所述信号干扰噪声比及成功解码阈值确定所述频段上的链路容量;根据所述链路的传输机会及所述频段上的链路容量确定所述链路的最大可维持数据速率;根据所述端到端多跳数据流通过的路由选择通路上每个链路的最大可维持数据速率来确定所述数据流的端到端吞吐量;根据所述无线网络中每个多跳数据流的端到端吞吐量确定所述无线网络的网络吞吐量;根据所述无线网络中链路的频谱分配情况确定所述无线网络的频谱利用率;根据频谱利用率和网络吞吐量构建多目标频谱分配问题,对所述多目标频谱分配问题通过非支配排序遗传算法进行优化。考虑了基于多跳认知无线电的物联网中的频谱分配问题,并将链路看作频谱分配和多跳数据流传输的基本单元。为了满足网络的多样化需求,将最大化频谱利用率和最大化多条数据流总的端到端吞吐量同时作为目标,构建了一个多目标优化问题,最后使用低复杂度的启发式算法来求解所提问题。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1示出根据本申请的一个方面提供的一种用于频谱分配的优化方法流程示意图;
图2示出本申请中的一实施例中基于NSGA-II算法所提出的频谱分配方法中的必要元素示意图。
附图中相同或相似的附图标记代表相同或相似的部件。
具体实施方式
下面结合附图对本申请作进一步详细描述。
在本申请一个典型的配置中,终端、服务网络的设备和可信方均包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flashRAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括非暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
图1示出根据本申请的一个方面提供的一种用于频谱分配的优化方法流程示意图,该方法包括:步骤S11~步骤S16,其中,
在步骤S11中,确定无线网络中工作在频段上的链路的信号干扰噪声比,根据所述信号干扰噪声比及成功解码阈值确定所述频段上的链路容量;在基于认知无线电的物联网中,链路通过有效的频谱选择策略来支持其数据流传输。由于不同的链路可以选择各种频段,从而促进了链路之间的频谱共享,达到了认知无线电提高频谱效率的目的。在多跳认知无线电网络中,某些链路不光需要共享相同的频段,同时还要保持其期望的传输性能。因此,需要研究多跳认知无线电网络中并发传输的约束条件。在并发传输时,链路的性能不仅取决于其自身的参数设置,还受共享同一频段的其他链路的影响。通常使用信号干扰噪声比(Signal to Interference plus Noise Ratio,SINR)来衡量接收信号的质量。SINR可以被定义为接收节点处的预期信号接收功率除以同一频段上其他链路的非预期信号(干扰)的接收功率之和。
在本申请一实施例中,在步骤S11中,可以根据所述链路的发送节点的传输功率、所述发送节点及所述链路的接收节点之间的信道增益、所述链路的路径损耗信息及热噪声,确定工作在频段上的链路的信号干扰噪声比。在此,对于工作在频段m上的链路(i,j),可以按如下公式(1.1)计算其SINR:
其中pi表示发送节点i的传输功率。在本申请实施例中,假设所有链路的发射功率都处于固定水平。hij表示发送节点i和接收节点j之间的信道增益,可以用公式表示。k和α分别是路径损耗常数和路径损耗指数,是i和j之间的距离。σ2是热噪声,可以认为是一个常数,符号∑表示接收节点j的受到的总的干扰,由在当前频段上同时传输的链路产生。I(m)表示共享频段m的链路集合。
在本申请一实施例中,在步骤S11中,判断所述信号干扰噪声比是否大于等于成功解码阈值,若是,则根据所述信号干扰噪声比及所述频段的频谱带宽确定所述频段上的链路容量。在此,为了保证有效的链路传输,每个预期的信号应该在接收节点处被成功解码。对于SINR,存在一个期望值用来表示能够成功解码的阈值,用β表示。因此,如果链路(i,j)打算接入频段m进行传输,则约束满足如下等式(1.2):
SINRij(m)≥β
如果链路(i,j)满足等式(1.2),则其可以在频段m上发送数据流。频段m上的链路(i,j)的容量表示如下公式(1.3):
Cij(m)=Wlog2(1+SINRij(m))
其中,W是频段m的频谱带宽,链路容量被定义为该链路在当前频段上能够支持的数据速率的上限。
接着,在步骤S12中,根据所述链路的传输机会及所述频段上的链路容量确定所述链路的最大可维持数据速率;在此,在基于物联网的认知无线电中,每一个链路都应该被分配一个频段,使其可以传输数据流。用表示链路(i,j)∈L选择频段m∈M传输数据流f∈F。否则,对于一个数据流,链路只能选择一个频段进行传输。因此,在频谱分配时存在如下公式(1.4)约束:
在网络中,存在某些链路共享节点作为它们共同的发送节点或接收节点。用Li表示共享节点i的所有链路的集合,如下(1.5)所示:
在本申请实施例中,假设网络中的每个节点都只安装了一个无线电收发器,这就导致节点一次只能在一个链路传输数据流。因此,每个链路用于传输数据的时间仅能占其单位时间的一部分,用传输机会来表示。
进一步地,所述方法包括步骤S12,确定第一链路集合及第二链路集合,其中,所述第一链路集合包括以所述链路的发射节点作为共享节点的所有链路的集合,所述第二链路集合包括以所述链路的接收节点作为共享节点的所有链路的集合;确定第一链路集合中的每一链路的传输机会,以及所述第二集合中的每一链路的传输机会;选取所述第一链路集合中的所述链路的传输机会以及所述第二集合中的所述链路的传输机会中的最小值作为所述链路的传输机会。在本申请实施例中,采用公平的传输机会分配策略。即传输机会是共享相同节点的链路之间的平均分配。用Ti表示Li中每条链路的传输机会且Ti=1/|Li|。|Li|是Li的基数。进一步确定链路可以支持的最大数据速率。对于链路(i,j),i表示所述链路的发射节点,j表示所述链路的接收节点。有效链的路传输机会Tij被定义如下公式(1.6):
Tij=min{Ti,Tj}
Tij选择链路(i,j)两端的传输机会中较小的那个作为自己的值。
进一步地,所述链路的最大可维持数据速率由如下公式(1.7)表示:
其中,f表示在所述频段上发送的数据流,表示所述链路在所述频段上发送数据流f的数据时链路的最大可维持数据速率,Tij表示所述链路的传输机会,Cij(m)表示所述频段上的链路容量,i表示所述链路的发射节点,j表示所述链路的接收节点。
随后,在步骤S13中,根据端到端多跳数据流通过的路由选择通路上每个链路的最大可维持数据速率,以确定所述多跳数据流的端到端吞吐量。Lf是组成多跳数据流f的路由选择通路的链路集合,并由以下公式(1.8)定义:
考虑到Lf中的所有链路都必须支持多跳数据流f的端到端吞吐量Rf,于是有公式(1.9):
在本申请一实施例中,选取所述端到端多跳数据流的路由选择通路中每一链路的最大可维持数据速率中的最小值作为所述端到端吞吐量。
从而,在步骤S14中,根据所述无线网络中每个多跳数据流的端到端吞吐量确定所述无线网络的网络吞吐量。网络吞吐量表示为网络中所有数据流端到端吞吐量之和。即选取所述的网络中所有端到端多跳数据流的端到端吞吐量之和作为所述网络的网络吞吐量。
在步骤S15中,根据所述无线网络中链路的频谱分配情况确定所述无线网络的频谱利用率。具体地,可以根据所述无线网络中链路的总数与分配给所述链路的频段总数的比值作为所述无线网络的频谱利用率。
最后,在步骤S16中,根据所述无线网络的频谱利用率和所述网络吞吐量构建多目标频谱分配问题;在本申请一实施例中,可以根据所述无线网络的最大化频谱利用率和所述最大网络吞吐量构建多目标频谱分配问题,对所述多目标频谱分配问题通过非支配排序遗传算法进行优化。在此,分配频谱时多目标优化问题(MOP)可以表示为:
s.t.SINR(m)≥β
((i,j)∈L,f∈F,m∈M) (0.3)
公式(0.1)表示最大化网络吞吐量,该吞吐量是所有并发传输的端到端数据流吞吐量总和。端到端吞吐量由公式(1.9)、(1.8)和(1.7)共同决定。公式(0.2)表示最大化网络中的频谱利用率,通过每个可分配频段上的平均链路数量来衡量。L是流传输任务链路集合,|L|是L的基数。M是分配给L中链路的频段集合,由频谱分配结果决定。|M|是M的基数。公式(0.3)表示网络中频谱分配的约束。
由公式(0.1)-(0.3)定义了一个多目标优化频谱分配问题。可行的频谱分配方案必须为集合L中的每个链路分配一个频段来支持其传输。分配相同频段的链路可以被定义为集合L的一个子集,也称为频谱共享集合。由于公式(1.4)的约束,一个链路仅可被包含在一个频谱共享集合中,即任意两个频谱共享集合不会包含共同的元素。因此,这些频谱共享集合是集合L的划分,对应着相应的频谱分配方案。为了得到多目标频谱分配问题的最优解,需要对集合L的所有划分进行评估。问题的计算复杂度不会低于O(2N),其中N是集合L的大小。但是,在网络中含有大量链路的情况下,其效率依然很低。因此,应当考虑计算复杂度较低的启发式算法。
在本申请一实施例中,选择基于精英主义的非支配排序遗传算法来求解公式(0.1)-(0.3)定义的多目标优化问题。在本申请一实施例中,对所述多目标频谱分配问题通过非支配排序遗传算法进行优化时,将所述无线网络中链路的数量作为非支配排序遗传算法中的列表的大小;将所述列表中的每一元素对应所述无线网络中一个链路,且所述元素的值为分配给所述链路的频段的序列号;将所述列表映射至所述非支配排序遗传算法中的染色体,进行所述多目标频谱分配问题的优化。在此,一个有效的频谱分配方案至少满足以下条件:具有数据流传输功能的每个链路应被分配一个频段以保持网络中的数据流传输。该分配方案由一个列表表示,其大小等于网络中所有链路的数量。列表中的每个元素对应一个链路,并且该元素的值是分配给该链路的频段的序列号。将该列表映射到遗传算法中的染色体。图2示出了基于非支配排序遗传算法所提出的频谱分配方法中的必要元素。左边部分是通过将频段分配给各个数据流的路由选择通路上的各个链路而形成的分配方案。对于传输流f,Yf是长度为|Lf|的频段向量(Yf(1),Yf(2),...,Yf(|Lf|)),列出了与构成流f的路由路径的链路所对应信道的序列号。如果链路用于两个或更多数据流传输,则可以给它分配不同的频段以适应不同的数据流传输。如果该分配方案满足限制条件公式(0-3),则该方案为一个解决方案。多种这样的解决方案共同构成了一个可被视为频谱分配方案的种群。
其中和分别是解决方案p和q对应的目标的值,和同理。然后利用解决方案间的支配关系将解决方案分级,在图2中用r表示该解决方案的等级。最后得出的等级最高的解决方案组成的解集即为帕累托最优解,也称帕累托前沿。获得帕累托前沿的具体步骤如下所示:
(1).对于每一个解决方案p,将其目标值与其它解决方案依次进行比较,得出种群中支配p的解决方案数目,记为np。同时将被p支配的解决方案计入Sp中;
(2).将种群中所有np=0的解决方案的等级记为1,同时对Sp中的解决方案q执行nq=nq-1;
(3).重复步骤(2)产生下一等级,直到所有解决方案的支配关系被确定。
图2中的d表示拥挤度,用来表示同一非支配前沿中某解决方案周围其它解决方案分布的密度。拥挤度可以通过以下步骤来实现:
(2)将边界解的拥挤度设为无穷大。
(3)对于非边界解p,它的拥挤距离可以通过下面的等式计算:
根据图2中的基本元素,我们可以在频谱分配问题中寻找最优解。求解过程采用如下步骤:产生大小为N的随机群体Pt,且Pt需要满足公式(0.3)。然后,通过二进制锦标赛算法、变异和重组操作来创建大小为N的后代种群Qt。将Pt与Qt合并形成2N大小的新种群Rt。接着对Rt实施非支配排序操作。在该过程中,Rt中的每个解决方案被添加到具有相应的非支配等级(1是最佳等级,2是次最佳等级,等等)的某个非支配前沿中。最后,将Rt中的非支配前沿依据其支配等级以升序形式添加到Pt+1中,直到Pt+1中解决方案数达到N。重复上述过程直到迭代结束。
此外,根据本申请又一个方面,还提供了一种计算机可读介质,其上存储有计算机可读指令,所述计算机可读指令可被处理器执行以实现前述所述的方法。
在本申请又一实施例中,还提供了一种用于频谱分配的优化的设备,所述设备包括:
一个或多个处理器;以及
存储有计算机可读指令的存储器,所述计算机可读指令在被执行时使所述处理器执行如前述所述方法的操作。
例如,计算机可读指令在被执行时使所述一个或多个处理器:
确定无线网络中工作在频段上的链路的信号干扰噪声比,根据所述信号干扰噪声比及成功解码阈值确定所述频段上的链路容量;
根据所述链路的传输机会及所述频段上的链路容量确定所述链路的最大可维持数据速率;
根据端到端多跳数据流通过的路由选择通路上每个链路的最大可维持数据速率,以确定所述多跳数据流的端到端吞吐量;
根据所述无线网络中每个多跳数据流的端到端吞吐量确定所述无线网络的网络吞吐量;
根据所述无线网络中链路的频谱分配情况确定所述无线网络的频谱利用率;
根据所述无线网络的频谱利用率及所述网络吞吐量构建多目标频谱分配问题,对所述多目标频谱分配问题通过非支配排序遗传算法进行优化。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
需要注意的是,本申请可在软件和/或软件与硬件的组合体中被实施,例如,可采用专用集成电路(ASIC)、通用目的计算机或任何其他类似硬件设备来实现。在一个实施例中,本申请的软件程序可以通过处理器执行以实现上文所述步骤或功能。同样地,本申请的软件程序(包括相关的数据结构)可以被存储到计算机可读记录介质中,例如,RAM存储器,磁或光驱动器或软磁盘及类似设备。另外,本申请的一些步骤或功能可采用硬件来实现,例如,作为与处理器配合从而执行各个步骤或功能的电路。
另外,本申请的一部分可被应用为计算机程序产品,例如计算机程序指令,当其被计算机执行时,通过该计算机的操作,可以调用或提供根据本申请的方法和/或技术方案。而调用本申请的方法的程序指令,可能被存储在固定的或可移动的记录介质中,和/或通过广播或其他信号承载媒体中的数据流而被传输,和/或被存储在根据所述程序指令运行的计算机设备的工作存储器中。在此,根据本申请的一个实施例包括一个装置,该装置包括用于存储计算机程序指令的存储器和用于执行程序指令的处理器,其中,当该计算机程序指令被该处理器执行时,触发该装置运行基于前述根据本申请的多个实施例的方法和/或技术方案。
对于本领域技术人员而言,显然本申请不限于上述示范性实施例的细节,而且在不背离本申请的精神或基本特征的情况下,能够以其他的具体形式实现本申请。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本申请的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。装置权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一,第二等词语用来表示名称,而并不表示任何特定的顺序。
Claims (7)
1.一种用于频谱分配的优化的方法,其中,所述方法包括:
根据链路的发送节点的传输功率、所述发送节点及所述链路的接收节点之间的信道增益、所述链路的路径损耗信息及热噪声,确定工作在频段上的链路的信号干扰噪声比,根据所述信号干扰噪声比及成功解码阈值确定所述频段上的链路容量;
根据所述链路的传输机会及所述频段上的链路容量确定所述链路的最大可维持数据速率;
根据端到端多跳数据流的路由选择通路中每一链路的最大可维持数据速率中的最小值作为所述多跳数据流的端到端吞吐量;
选取无线网络中所有端到端多跳数据流的端到端吞吐量之和作为所述无线网络的网络吞吐量;
根据所述无线网络中链路的总数与分配给所述链路的频段总数的比值作为所述无线网络的频谱利用率;
根据所述无线网络的频谱利用率及所述网络吞吐量构建多目标频谱分配问题,对所述多目标频谱分配问题通过非支配排序遗传算法进行优化;
其中,对所述多目标频谱分配问题通过非支配排序遗传算法进行优化,包括:
将所述无线网络中链路的数量作为非支配排序遗传算法中的列表的大小;
将所述列表中的每一元素对应所述无线网络中一个链路,且所述元素的值为分配给所述链路的频段的序列号;
将所述列表映射至所述非支配排序遗传算法中的染色体,进行所述多目标频谱分配问题的优化。
2.根据权利要求1所述的方法,其中,根据所述信号干扰噪声比及成功解码阈值确定所述频段上的链路容量,包括:
判断所述信号干扰噪声比是否大于等于成功解码阈值,若是,则根据所述信号干扰噪声比及所述频段的频谱带宽确定所述频段上的链路容量。
3.根据权利要求1所述的方法,其中,根据所述链路的传输机会及所述频段上的链路容量确定所述链路的最大可维持数据速率之前,包括:
确定所述链路的第一链路集合及第二链路集合,其中,所述第一链路集合包括以所述链路的发射节点作为共享节点的所有链路的集合,所述第二链路集合包括以所述链路的接收节点作为共享节点的所有链路的集合;
确定第一链路集合中的每一链路的传输机会,以及第二集合中的每一链路的传输机会;
选取所述链路在所述第一链路集合中的传输机会以及所述第二集合中的传输机会中的最小值作为所述链路的传输机会。
5.根据权利要求1所述的方法,其中,根据所述无线网络的频谱利用率和所述网络吞吐量构建多目标频谱分配问题,包括:
根据所述无线网络的最大频谱利用率和最大网络吞吐量构建多目标频谱分配问题。
6.一种计算机可读介质,其上存储有计算机可读指令,所述计算机可读指令可被处理器执行以实现如权利要求1至5中任一项所述的方法。
7.一种用于频谱分配的优化的设备,其中,所述设备包括:
一个或多个处理器;以及
存储有计算机可读指令的存储器,所述计算机可读指令在被执行时使所述处理器执行如权利要求1至5中任一项所述方法的操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810879517.0A CN109005593B (zh) | 2018-08-03 | 2018-08-03 | 一种用于频谱分配的优化的方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810879517.0A CN109005593B (zh) | 2018-08-03 | 2018-08-03 | 一种用于频谱分配的优化的方法及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109005593A CN109005593A (zh) | 2018-12-14 |
CN109005593B true CN109005593B (zh) | 2023-04-07 |
Family
ID=64595178
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810879517.0A Active CN109005593B (zh) | 2018-08-03 | 2018-08-03 | 一种用于频谱分配的优化的方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109005593B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110381470B (zh) * | 2019-07-24 | 2023-06-20 | 南京邮电大学 | 一种铁路物联网中面向服务质量保障的接入控制联合优化方法 |
CN113285832B (zh) * | 2021-05-24 | 2022-11-01 | 国网河南省电力公司信息通信公司 | 基于nsga-ii的电力多模态网络资源优化分配方法 |
CN114527435B (zh) * | 2022-02-11 | 2024-06-07 | 西安电子科技大学 | 基于干扰向量和nsga-ii算法的干扰资源分配方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103052073A (zh) * | 2013-01-27 | 2013-04-17 | 西安电子科技大学 | 异构无线网络中基于用户速率需求的频谱资源分配方法 |
CN106998295A (zh) * | 2017-01-23 | 2017-08-01 | 苏州大学 | 基于专用保护联合故障概率约束的最优化路由与频谱分配方法和系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7469143B2 (en) * | 2003-10-07 | 2008-12-23 | Microsoft Corporation | Model and method for computing performance bounds in multi-hop wireless networks |
US8724799B2 (en) * | 2009-05-29 | 2014-05-13 | Telefonaktiebolaget L M Ericsson (Publ) | Operating points for spectrum management in digital subscriber lines |
-
2018
- 2018-08-03 CN CN201810879517.0A patent/CN109005593B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103052073A (zh) * | 2013-01-27 | 2013-04-17 | 西安电子科技大学 | 异构无线网络中基于用户速率需求的频谱资源分配方法 |
CN106998295A (zh) * | 2017-01-23 | 2017-08-01 | 苏州大学 | 基于专用保护联合故障概率约束的最优化路由与频谱分配方法和系统 |
Non-Patent Citations (2)
Title |
---|
基于遗传算法的认知无线电网络共同信道和功率最优分配;刘超等;《南京邮电大学学报(自然科学版)》;20121215(第06期);全文 * |
认知无线电网络中多目标频谱分配与功率控制;韩韧;《计算机应用研究》;20180524;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN109005593A (zh) | 2018-12-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Han et al. | An effective multi-objective optimization algorithm for spectrum allocations in the cognitive-radio-based Internet of Things | |
US7409217B2 (en) | Model and method for computing performance bounds in multi-hop wireless networks | |
Rashid et al. | Opportunistic spectrum scheduling for multiuser cognitive radio: a queueing analysis | |
Kompella et al. | On optimal SINR-based scheduling in multihop wireless networks | |
CN108391317B (zh) | 一种蜂窝网络中d2d通信的资源分配方法及系统 | |
KR101539214B1 (ko) | 보장된 비트 레이트 및/또는 최대 비트 레이트 서비스들에 대한 스케줄링 및 수락 제어 방법 | |
CN109005593B (zh) | 一种用于频谱分配的优化的方法及设备 | |
Pióro et al. | On max–min fair flow optimization in wireless mesh networks | |
US8190165B2 (en) | System and method for utility-based scheduling for space division multiple access (SDMA) on an uplink of a wireless communications network | |
CN113784373B (zh) | 云边协同网络中时延和频谱占用联合优化方法及系统 | |
US20150319765A1 (en) | Methods and apparatuses of allocating resources for device-to-device communication | |
US8509099B2 (en) | Load aware resource allocation in wireless networks | |
CN114698128B (zh) | 一种认知星地网络的抗干扰信道选择方法和系统 | |
CN104509019A (zh) | 无线通信网络传输的基于表的链路自适应 | |
Sarasvathi et al. | QoS guaranteed intelligent routing using hybrid PSO-GA in wireless mesh networks | |
Hassan et al. | A near optimal interference minimization resource allocation algorithm for D2D communication | |
CN107343303B (zh) | 无线Mesh网络中基于对偶分解的路由优化方法 | |
CN110519728B (zh) | 一种车载通信资源分配方法及装置 | |
CN105493602A (zh) | 用于虚拟网络中的无线电协调的动态集群 | |
CN111372312A (zh) | 时频空资源分配方法、计算机装置及计算机可读存储介质 | |
CN108260193B (zh) | 一种异构网络中基于信道聚合的联合资源分配方法及装置 | |
Benghabrit et al. | Optimizing the capacity of cognitive radio networks with power control and variable spectrum allocation | |
CN109005589B (zh) | 一种用于频谱资源分配的方法及设备 | |
Kaya et al. | Achieving the capacity region boundary of fading CDMA channels via generalized iterative waterfilling | |
Maghsudi et al. | Distributed downlink user association in small cell networks with energy harvesting |
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 |