CN109348487A - 基于认知无线电的电力无线专网资源分配方法 - Google Patents

基于认知无线电的电力无线专网资源分配方法 Download PDF

Info

Publication number
CN109348487A
CN109348487A CN201811289112.8A CN201811289112A CN109348487A CN 109348487 A CN109348487 A CN 109348487A CN 201811289112 A CN201811289112 A CN 201811289112A CN 109348487 A CN109348487 A CN 109348487A
Authority
CN
China
Prior art keywords
user
subcarrier group
private network
electric power
wireless private
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
Application number
CN201811289112.8A
Other languages
English (en)
Other versions
CN109348487B (zh
Inventor
黄杰
詹然智
谭刚
田博今
谢应昭
王健
郝海泉
陈聿
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
Information and Telecommunication Branch of State Grid Chongqing Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Information and Telecommunication Branch of State Grid Chongqing Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, Information and Telecommunication Branch of State Grid Chongqing Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201811289112.8A priority Critical patent/CN109348487B/zh
Publication of CN109348487A publication Critical patent/CN109348487A/zh
Application granted granted Critical
Publication of CN109348487B publication Critical patent/CN109348487B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W24/00Supervisory, monitoring or testing arrangements
    • H04W24/02Arrangements for optimising operational condition
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W72/00Local resource management
    • H04W72/04Wireless resource allocation
    • H04W72/044Wireless resource allocation based on the type of the allocated resource
    • H04W72/0453Resources in frequency domain, e.g. a carrier in FDMA
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W72/00Local resource management
    • H04W72/04Wireless resource allocation
    • H04W72/044Wireless resource allocation based on the type of the allocated resource
    • H04W72/0473Wireless resource allocation based on the type of the allocated resource the resource being transmission power
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02DCLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00Reducing energy consumption in communication networks
    • Y02D30/70Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明提供的一种基于认知无线电的电力无线专网资源分配方法,所述方法包括如下步骤:S1.每个SU用户周期性地感知所处位置频谱环境的频谱空洞位置以及频谱大小;S2.建立电力无线专网资源分配模型R:S3.根据建立的电力无线专网资源分配模型R将资源分配转化为功率分配和子载波组分配,并根据子载波组和最优功率进行网络资源分配;能够在电力无线专网的资源分配时考虑时变频谱资源的影响,从而有效避免频繁频谱占用冲突与切换问题,从而确保用户接入无线网络的稳定性和可靠性,并且能够有效保证频谱效率和系统容量。

Description

基于认知无线电的电力无线专网资源分配方法
技术领域
本发明涉及一种网络资源分配方法,尤其涉及一种基于认知无线电的电力无线专网资源分配方法。
背景技术
电力无线专网是未来电网重点发展的方向之一。由于无线通信技术的迅猛发展,现有无线频谱资源有限难以满足无线专网对频谱资源的需求。目前无线频谱资源大多被不断划分给各种不同通信技术使用,且存在大量离散频谱碎片,频谱并没有被完全利用。认知无线电(Cognitive Radio)应运而生,其思想是次用户(SU Secondary User)智能选择占用主用户(PU Primary User)授权频段的离散频谱(频谱空洞),可极大提高频谱效率和系统容量;目前离散频谱分配问题研究主要采用博弈论、图论着色和最优化等方法,尽管这些研究在实现频谱资源分配方面取得了一些成果,但大多都假设频谱资源静态固定。然而,在实际通信环境中,基于静态频谱资源的分配算法可能受时变频谱资源影响出现频繁频谱占用冲突与切换问题。
因此,为了解决上述技术问题,亟需提出一种新的方案加以解决。
发明内容
有鉴于此,本发明的目的是提供一种基于认知无线电的电力无线专网资源分配方法,能够在电力无线专网的资源分配时考虑时变频谱资源的影响,从而有效避免频繁频谱占用冲突与切换问题,从而确保用户接入无线网络的稳定性和可靠性,并且能够有效保证频谱效率和系统容量。
本发明提供的一种基于认知无线电的电力无线专网资源分配方法,包括PU基站、SU基站、多个PU用户以及多个SU用户,所述PU用户通过PU基站接入电力无线专网,SU用户通过SU基站接入无线专网;
所述方法包括如下步骤:
S1.每个SU用户周期性地感知所处位置频谱环境的频谱空洞位置以及频谱大小;
S2.建立电力无线专网资源分配模型R:
其中,R为系统传输速率,i为第i个SU用户,i=1,2,3,…,m,Q={q1,…,qi,…,qm}为SU用户的速率需求集合,m为待接入网络的SU用户个数,k为电力无线专网中可用的离散空闲子载波组的个数,C={c1,…,cj,…,ck}为每个空闲的子载波组的可用机会容量的集合,表示每个子载波组中可用信道数,且cj≤n,n为每个子载波组中的独立子载波的个数,j=1,2,3,…,k,xi,j为子载波组分配标识,xi,j=1表示分配子载波组j给SU用户i,pi,j为SU用户i在子载波组j上的发送功率,ri,j为SU用户i在子载波组j上传输时,子载波组j中每个子载波可达的传输速率,PT为系统总发送功率不能超过的功率门限;
S3.根据建立的电力无线专网资源分配模型R将资源分配转化为功率分配和子载波组分配,并根据子载波组和最优功率进行网络资源分配。
进一步,根据如下方法将子载波组分配到用户:
遍历所有空闲的子载波组,将每个子载波组分配给待分配用户集合中信道增益最大的用户,如果用户达不到速率需求,则将该用户从待分配用户结合中剔除;
若子载波组有剩余,则重新遍历剩余子载波组,将剩余每个子载波组分配给所有用户中信道增益最大的用户。
进一步,根据如下方法确定SU用户的发送功率的最优解:
其中,Hi,j为信道增益,b为子载波带宽,Pb为最大可容忍误码率,μ和λ均为拉格朗日乘子,并通过如下迭代公式计算:
其中,t为迭代次数,α(t)和βi(t)分别为迭代步长,[g]+=max(0,g),g表示[]中的表达式。
进一步,根据如下方法计算SU用户i在子载波组j上传输时,子载波组j中每个子载波可达的传输速率ri,j
其中,Pb为最大可容忍误码率,b为子载波带宽,γi,j=pi,j·Hi,j,且γi,j为SiU,j用户ii,j在子载波组j上获得的信燥比,Hi,j为信道增益。
本发明的有益效果:通过本发明,能够在电力无线专网的资源分配时考虑时变频谱资源的影响,从而有效避免频繁频谱占用冲突与切换问题,从而确保用户接入无线网络的稳定性和可靠性,并且能够有效保证频谱效率和系统容量。
附图说明
下面结合附图和实施例对本发明作进一步描述:
图1为本发明的网络架构。
图2为时变频谱环境下的频谱利用率。
图3为时变频谱环境下平均网络利用率。
图4为图4时变频谱环境下平均冲突率。
具体实施方式
以下结合说明书附图对本发明做出进一步详细说明:
本发明提供的一种基于认知无线电的电力无线专网资源分配方法,包括PU基站、SU基站、多个PU用户以及多个SU用户,所述PU用户通过PU基站接入电力无线专网,SU用户通过SU基站接入无线专网;
所述方法包括如下步骤:
S1.每个SU用户周期性地感知所处位置频谱环境的频谱空洞位置以及频谱大小;
S2.建立电力无线专网资源分配模型R:
其中,R为系统传输速率,i为第i个SU用户,i=1,2,3,…,m,Q={q1,…,qi,…,qm}为SU用户的速率需求集合,m为待接入网络的SU用户个数,k为电力无线专网中可用的离散空闲子载波组的个数,C={c1,…,cj,…,ck}为每个空闲的子载波组的可用机会容量的集合,表示每个子载波组中可用信道数,且cj≤n,n为每个子载波组中的独立子载波的个数,j=1,2,3,…,k,xi,j为子载波组分配标识,xi,j=1表示分配子载波组j给SU用户i,pi,j为SU用户i在子载波组j上的发送功率,ri,j为SU用户i在子载波组j上传输时,子载波组j中每个子载波可达的传输速率,PT为系统总发送功率不能超过的功率门限;
S3.根据建立的电力无线专网资源分配模型R将资源分配转化为功率分配和子载波组分配,并根据子载波组和最优功率进行网络资源分配,通过上述方法,考虑子载波组可用容量统计特性,把机会容量小的子载波组分配给小需求用户,将小机会容量子载波组充分利用起来从而提高了频谱利用率。同时,机会容量分配算法在分配时考虑了子载波组时变可用资源,使得分配给用户的时变可用资源所能达到的统计传输速率大于用户速率需求,保证了用户长时稳定通信速率,减少了频谱变化引起的频谱利用率下降;考虑子载波组的时变可用资源,利用子载波组可用容量的统计特性进行分配,减小了频谱变化可能引起的冲突。
本实施例中,根据如下方法将子载波组分配到用户:
遍历所有空闲的子载波组,将每个子载波组分配给待分配用户集合中信道增益最大的用户,如果用户达不到速率需求,则将该用户从待分配用户结合中剔除;
若子载波组有剩余,则重新遍历剩余子载波组,将剩余每个子载波组分配给所有用户中信道增益最大的用户,通过上述方法,能够准确地将空闲的子载波组分配到用户,并且能够提高系统的频率利用率。
本实施例中,根据如下方法确定SU用户的发送功率pi,j的最优解:
其中,Hi,j为信道增益,b为子载波带宽,Pb为最大可容忍误码率,μ和λ均为拉格朗日乘子,并通过如下迭代公式计算:
其中,t为迭代次数,α(t)和βi(t)分别为迭代步长,[g]+=max(0,g),g表示[]中的表达式。
本实施例中,根据如下方法计算SU用户i在子载波组j上传输时,子载波组j中每个子载波可达的传输速率ri,j
其中,Pb为最大可容忍误码率,b为子载波带宽,γi,j=pi,j·Hi,j,且γi,j为SiU,j用户ii,j在子载波组j上获得的信燥比,Hi,j为信道增益。
以下为通过本发明由MATLAB仿真工具得出的仿真图进行进一步说明:仿真在频段上随机产生子载波组,并设置子载波组可用容量变化概率p(即当前到下一时刻子载波组内可用子载波数以p概率变化)模拟PU用户行为或PU、SU用户移动产生的动态频谱变化。
图2给出了在两种场景下(Ca=10与Ca=20)本申请的算法(由于考虑了机会容量,本申请的算法也可以成为机会容量分配算法)与传统的子载波组动态分配算法的频谱利用率曲线。从图2可知,随着子载波组可用容量变化率p增加,两种算法频谱利用率都有所降低,机会容量分配算法比动态分配算法的频谱利用率高。在Ca=10场景中,当p=0.1时,机会容量分配算法与动态分配算法的频谱利用率相差0.35,随着p增加,两种算法频谱利用率差距逐渐增大,当p=1时,两种算法的频谱利用率相差达到了0.62。这是由于与动态分配算法相比,机会容量分配算法考虑子载波组可用容量统计特性,把机会容量小的子载波组分配给小需求用户,将小机会容量子载波组充分利用起来从而提高了频谱利用率。同时,机会容量分配算法在分配时考虑了子载波组时变可用资源,使得分配给用户的时变可用资源所能达到的统计传输速率大于用户速率需求,保证了用户长时稳定通信速率,减少了频谱变化引起的频谱利用率下降。
图3给出了不同子载波组大小下(Ca=10与Ca=20),随着子载波组可用容量变化率p增加,两种算法平均网络利用率曲线。其中R(k)为SU用户k传输速率。从图3可知,随着子载波组可用容量变化率p增加,两种分配算法网络利用率都有所减少,其中动态分配算法比机会容量分配算法网络利用率减少快,这是因为动态分配算法仅考虑当前静态最优,在子载波组变化时易产生频谱冲突。图3中,p相同时,两种算法网络利用率在Ca=20场景中大于Ca=10场景,这也说明子载波组大小的增加可提高网络利用率。
图4给出了不同子载波组大小下(Ca=10与Ca=20),随着子载波组可用容量变化率p增加,两种算法平均频谱冲突率曲线。从图4可知,随着p增加,两种分配算法频谱冲突率都逐渐增大,这是由于频谱环境变化越频繁,子载波组中可用子载波数变化越快,因此,对现有分配方式造成的带宽冲突可能性越大。
通过上述仿真对比可见,本申请的方法具有较好的频谱利用率以及网络稳定性。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。

Claims (4)

1.一种基于认知无线电的电力无线专网资源分配方法,包括PU基站、SU基站、多个PU用户以及多个SU用户,所述PU用户通过PU基站接入电力无线专网,SU用户通过SU基站接入无线专网;其特征在于:所述方法包括如下步骤:
S1.每个SU用户周期性地感知所处位置频谱环境的频谱空洞位置以及频谱大小;
S2.建立电力无线专网资源分配模型R:
其中,R为系统传输速率,i为第i个SU用户,i=1,2,3,…,m,Q={q1,…,qi,…,qm}为SU用户的速率需求集合,m为待接入网络的SU用户个数,k为电力无线专网中可用的离散空闲子载波组的个数,C={c1,…,cj,…,ck}为每个空闲的子载波组的可用机会容量的集合,表示每个子载波组中可用信道数,且cj≤n,n为每个子载波组中的独立子载波的个数,j=1,2,3,…,k,xi,j为子载波组分配标识,xi,j=1表示分配子载波组j给SU用户i,pi,j为SU用户i在子载波组j上的发送功率,ri,j为SU用户i在子载波组j上传输时,子载波组j中每个子载波可达的传输速率,PT为系统总发送功率不能超过的功率门限;
S3.根据建立的电力无线专网资源分配模型R将资源分配转化为功率分配和子载波组分配,并根据子载波组和最优功率进行网络资源分配。
2.根据权利要求1所述基于认知无线电的电力无线专网资源分配方法,其特征在于:根据如下方法将子载波组分配到用户:
遍历所有空闲的子载波组,将每个子载波组分配给待分配用户集合中信道增益最大的用户,如果用户达不到速率需求,则将该用户从待分配用户结合中剔除;
若子载波组有剩余,则重新遍历剩余子载波组,将剩余每个子载波组分配给所有用户中信道增益最大的用户。
3.根据权利要求1所述基于认知无线电的电力无线专网资源分配方法,其特征在于:根据如下方法确定SU用户的发送功率的最优解:
其中,Hi,j为信道增益,b为子载波带宽,Pb为最大可容忍误码率,μ和λ均为拉格朗日乘子,并通过如下迭代公式计算:
其中,t为迭代次数,α(t)和βi(t)分别为迭代步长,[g]+=max(0,g),g表示[]中的表达式。
4.根据权利要求3所述基于认知无线电的电力无线专网资源分配方法,其特征在于:根据如下方法计算SU用户i在子载波组j上传输时,子载波组j中每个子载波可达的传输速率ri,j
其中,Pb为最大可容忍误码率,b为子载波带宽,γi,j=pi,j·Hi,j,且γi,j为SU用户i在子载波组j上获得的信燥比,Hi,j为信道增益。
CN201811289112.8A 2018-10-31 2018-10-31 基于认知无线电的电力无线专网资源分配方法 Active CN109348487B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811289112.8A CN109348487B (zh) 2018-10-31 2018-10-31 基于认知无线电的电力无线专网资源分配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811289112.8A CN109348487B (zh) 2018-10-31 2018-10-31 基于认知无线电的电力无线专网资源分配方法

Publications (2)

Publication Number Publication Date
CN109348487A true CN109348487A (zh) 2019-02-15
CN109348487B CN109348487B (zh) 2021-09-07

Family

ID=65313459

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811289112.8A Active CN109348487B (zh) 2018-10-31 2018-10-31 基于认知无线电的电力无线专网资源分配方法

Country Status (1)

Country Link
CN (1) CN109348487B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114089627A (zh) * 2021-10-08 2022-02-25 北京师范大学 基于双深度q网络学习的非完全信息博弈策略优化方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1832613A (zh) * 2006-04-26 2006-09-13 电子科技大学 一种认知无线电系统中避免干扰的并行频谱分配方法
US20080260084A1 (en) * 2007-04-20 2008-10-23 Kabushiki Kaisha Toshiba Radio communication apparatus and system
CN101459962A (zh) * 2009-01-06 2009-06-17 中国人民解放军理工大学通信工程学院 CR OFDM系统中具有QoS要求的资源分配方法
CN101626604A (zh) * 2008-07-08 2010-01-13 电子科技大学 一种认知无线电系统中基于公平性的功率和信道联合分配方法
CN102170700A (zh) * 2011-04-24 2011-08-31 广州大学 一种蜂窝ad hoc网络无线资源优化分配方法
CN105323052A (zh) * 2015-11-18 2016-02-10 湖南大学 一种基于ofdm的认知无线电网络中资源分配方法
CN106160991A (zh) * 2016-06-15 2016-11-23 南京航空航天大学 一种用于认知无线电ofdm系统的分布式动态资源分配方法
CN106793126A (zh) * 2017-01-13 2017-05-31 天津大学 一种认知无线电网络中动态频谱资源分配方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1832613A (zh) * 2006-04-26 2006-09-13 电子科技大学 一种认知无线电系统中避免干扰的并行频谱分配方法
US20080260084A1 (en) * 2007-04-20 2008-10-23 Kabushiki Kaisha Toshiba Radio communication apparatus and system
CN101626604A (zh) * 2008-07-08 2010-01-13 电子科技大学 一种认知无线电系统中基于公平性的功率和信道联合分配方法
CN101459962A (zh) * 2009-01-06 2009-06-17 中国人民解放军理工大学通信工程学院 CR OFDM系统中具有QoS要求的资源分配方法
CN102170700A (zh) * 2011-04-24 2011-08-31 广州大学 一种蜂窝ad hoc网络无线资源优化分配方法
CN105323052A (zh) * 2015-11-18 2016-02-10 湖南大学 一种基于ofdm的认知无线电网络中资源分配方法
CN106160991A (zh) * 2016-06-15 2016-11-23 南京航空航天大学 一种用于认知无线电ofdm系统的分布式动态资源分配方法
CN106793126A (zh) * 2017-01-13 2017-05-31 天津大学 一种认知无线电网络中动态频谱资源分配方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
SAMUEL MONTEJO S´ANCHEZ: "Impact of Rate Control on the Performance of a", 《IEEE COMMUNICATIONS LETTERS》 *
周刘纪,刘开华,马永涛: "《认知无线电中基于比例公平的资源分配方案》", 《计算机工程与应用》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114089627A (zh) * 2021-10-08 2022-02-25 北京师范大学 基于双深度q网络学习的非完全信息博弈策略优化方法
CN114089627B (zh) * 2021-10-08 2023-09-15 北京师范大学 基于双深度q网络学习的非完全信息博弈策略优化方法

Also Published As

Publication number Publication date
CN109348487B (zh) 2021-09-07

Similar Documents

Publication Publication Date Title
CN111447619B (zh) 一种移动边缘计算网络中联合任务卸载和资源分配方法
Chen et al. Rethinking mobile data offloading for LTE in unlicensed spectrum
Qian et al. Inter-cell interference coordination through adaptive soft frequency reuse in LTE networks
KR102208117B1 (ko) 무선 자원 관리 방법 및 이를 위한 장치
CN107172704B (zh) 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
CN103929819B (zh) 一种认知无线电网络从用户联合定价及资源分配方法
CN108134641B (zh) 一种基于scma多址接入机制的基站频谱带宽分配方法
CN103517279B (zh) Lte系统中联合动态无线资源分配与移动负载均衡的方法
CN103281786B (zh) 一种基于能量效率的家庭基站双层网络的资源优化方法
Liu et al. Distributed resource allocation for D2D-assisted small cell networks with heterogeneous spectrum
CN108449149B (zh) 一种基于匹配博弈的能量采集小基站资源分配方法
CN105490794B (zh) Ofdma毫微微小区双层网络基于分组的资源分配方法
Zhou et al. Multi-scale dynamic allocation of licensed and unlicensed spectrum in software-defined HetNets
CN109246795A (zh) 最大化非正交多址上行网络中用户连接数的接入控制方法
CN106792480B (zh) 一种基于蜂窝网络的d2d通信资源分配方法
CN103326984B (zh) 一种基于冲突阈值限制的子信道分配方法
CN110139281A (zh) 一种基于K-means的全双工D2D分簇资源分配的方法
CN109348487A (zh) 基于认知无线电的电力无线专网资源分配方法
CN106788937B (zh) 一种兼顾Massive MIMO系统总体性能和用户间公平性的导频分配方法
CN112543498B (zh) 一种基于分层博弈模型的功率自适应分配方法
CN109041016B (zh) 一种密集场景下5g通信系统终端接入数量的优化方法
Liu et al. QoS-aware radio resource allocation for multi-cell OFDMA network
CN106714083A (zh) 一种基于捕食搜索算法的5g通信系统的资源分配方法
Wang et al. Resource allocation based on subcarrier exchange in multiuser OFDM system
Wu et al. Optimal channel allocation with dynamic power control in cellular networks

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