CN110381559A - 基于全局最优阈值决策的分布式无线网络频谱接入方法 - Google Patents
基于全局最优阈值决策的分布式无线网络频谱接入方法 Download PDFInfo
- Publication number
- CN110381559A CN110381559A CN201910581222.XA CN201910581222A CN110381559A CN 110381559 A CN110381559 A CN 110381559A CN 201910581222 A CN201910581222 A CN 201910581222A CN 110381559 A CN110381559 A CN 110381559A
- Authority
- CN
- China
- Prior art keywords
- node
- information source
- channel
- information
- relay
- 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
- 238000000034 method Methods 0.000 title claims abstract description 70
- 238000001228 spectrum Methods 0.000 title claims abstract description 54
- 230000005540 biological transmission Effects 0.000 claims abstract description 42
- 230000002860 competitive effect Effects 0.000 claims abstract description 21
- 230000008569 process Effects 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000001514 detection method Methods 0.000 claims description 12
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 238000005562 fading Methods 0.000 claims description 8
- 238000012549 training Methods 0.000 claims description 6
- 238000000342 Monte Carlo simulation Methods 0.000 claims description 5
- 238000013507 mapping Methods 0.000 claims description 5
- 101100172132 Mus musculus Eif3a gene Proteins 0.000 claims description 3
- 230000008901 benefit Effects 0.000 claims description 3
- 230000002596 correlated effect Effects 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 108091006146 Channels Proteins 0.000 description 116
- 230000011664 signaling Effects 0.000 description 7
- 238000013461 design Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000006855 networking Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000003321 amplification Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000001771 impaired effect Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
- H04W40/12—Communication route or path selection, e.g. power-based or shortest path routing based on transmission quality or channel quality
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W74/00—Wireless channel access
- H04W74/08—Non-scheduled access, e.g. ALOHA
- H04W74/0808—Non-scheduled access, e.g. ALOHA using carrier sensing, e.g. carrier sense multiple access [CSMA]
- H04W74/0816—Non-scheduled access, e.g. ALOHA using carrier sensing, e.g. carrier sense multiple access [CSMA] with collision avoidance
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种基于全局最优阈值决策的分布式无线网络频谱接入方法。该方法为:从时隙开始处,所有信源节点发送RTS数据包来独立竞争信道,所有中继节点使用CTS数据包对信源节点进行响应,信源节点获得自身到中继的CSI,计算全局最优阈值并与固定门限比较,获胜信源节点决定是否拥有接入第一跳频谱机会,是则向所有中继节点广播数据;否则重新进行信道竞争;从下一个时隙开始处,各中继节点独立发送RTS数据包来竞争信道;信宿节点基于第一跳CSI和第二跳增益,计算第二跳的可达数据速率并与门限比较,做出第二跳信道接入决策进行数据传输;传输完成后,所有信源节点开始新一轮信道竞争及数据传输。本发明提高了无线网络的平均数据吞吐量。
Description
技术领域
本发明涉及无线通信技术领域,特别是一种基于全局最优阈值决策的分布式无线网络频谱接入方法。
背景技术
当前无线协同网络主要包括集中式和分布式网络两种:第一、集中式下的协同网络频谱动态接入问题已得到广泛研究和使用。如图1所示,在集中模式中,依托中心处理节点进行信令交互,收集网内信道的实时质量,经优化配置后,选取最优用户进行信道接入。该方法对于直连自主网络和多跳网络均适用,但随着网络规模增加,信令交互开销大幅增加,导致频谱利用效率降低,并且由于网络移动性的不断提升,信道时变特性更加明显,信令开销直接影响频谱的有效接入时间,进一步导致网络性能受损。第二、分布式网络组网技术近年来获得更多关注,取得一定进展。针对直连网络内多用户分布组网,在最优停止统计学模型及问题的启发下,提出了基于阈值比较的分布式信道接入方法,有效提升了网络的吞吐量性能。以此为基础,针对合作网络的分布组网,研究提出了信源-信宿节点对分布竞争与中继节点集中控制相结合的组网方法,但是这些方法存在中继节点数量增加导致信令交互量增大,且处理复杂的问题。同时,部分方法的有效性建立在信道特性双向对称基础上的,在实际环境和多种典型运行场景下存在失配问题。
现有集中式和分布式方法分别存在以下缺点:
第一、集中式方法:1)现有集中式接入方法依托设置中央协调器对网络信息的实时感知和在线控制,控制节点过于集中导致系统鲁棒差,一旦中央协调器发生故障,整个协同网络无法正常运行;2)性能优劣与网络信道质量的实时感知联系密切;待获取的网络信息量大,网络节点数量和类型增加将导致信息量攀升,信令开销很大导致用于传输的网络资源利用率较低。
第二、分布式方法:1)大部分分布式方法是基于蜂窝等集中网络架构设计的,如蜂窝网络上行信道接入,对于自组织网络多通信对之间的分布通信不能适用;2)现有工程实现的主要方法将多用户信道接入与物理层传输独立设计,导致频谱利用效率不高。
发明内容
本发明的目的在于提供一种能够实现无线合作网络高效组网,提高系统平均吞吐率性能的分布式无线网络频谱接入方法。
实现本发明目的的技术解决方案为:一种基于全局最优阈值决策的分布式无线网络频谱接入方法,对分布式无线网络频谱系统作如下刻画:
一个基于多中继节点的分布式无线协同网络,包含K个信源节点、K个信宿节点和L个中继节点;从信源节点到信宿节点的信息传输没有直接连接,需通过中继节点协助完成信息传输;
信源-信宿节点对为K个,索引号分别为s1,s2,...,sK和d1,d2,...,dK;中继节点为L个,索引号为r1,r2,...,rL;所有节点以CSMA/CA协议为基础进行频谱自主竞争,各节点时间同步;第一阶段,各信源节点以概率p0独立竞争信道;第二阶段,各中继节点以概率p1独立竞争信道;信道竞争过程中,RTS包和CTS包时长分别为τRTS和τCTS,δ为最小竞争时隙;
采用具有统计特性的随机信道衰落模型,从信源节点si到中继节点rj的信道增益记为fij,i=1,2,3…,K,j=1,2,3…,L,从中继节点rj到信宿节点di的信道增益记为gji;设定信道满足瑞利信道衰落模型,fij和gji服从复数高斯分布,均值为0,方差分别为和噪声服从归一化方差的高斯分布,增益方差是信源节点和中继节点发射功率与对应信道增益方差的乘积;
针对网络移动性,频谱接入时间应小于信道相关时间,信源节点到信宿节点的数据传输时间记为τd,单跳接入持续时间为τd/2。
进一步地,包括第一阶段信源节点到中继节点的数据传输和第二阶段中继节点到信宿节点的数据传输,具体如下:
第一阶段信源节点到中继节点的数据传输:
步骤1、多个信源自主进行信道竞争,记成功完成单次信道竞争的次数系数为n,首次竞争成功记为n=1;从持续时间δ的时隙开始处,所有信源节点以概率p0发送RTS数据包来独立竞争信道;
步骤2、所有中继节点使用CTS数据包对信源节点s(n)进行响应,使得信源节点s(n)获得自身到中继的CSI;
步骤3、基于获得的第一跳CSI,在线计算全局最优阈值W*;
步骤4、通过全局最优阈值W*与固定门限比较,信道竞争获胜信源节点决定是否接入第一跳频谱机会,如果全局最优阈值W*不小于固定门限,则信源节点s(n)向所有中继节点广播数据,进入步骤5;否则信源节点s(n)放弃传输机会并与其他信源节点重新竞争,返回步骤1;信道竞争获胜信源节点是指成功完成信道竞争并获得频谱接入机会的节点;
第二阶段中继节点到信宿节点的数据传输:
步骤5、多个中继节点开始信道竞争,从持续时间为δ的下一个时隙开始处,各中继节点以概率p1独立发送RTS数据包以竞争信道;
步骤6、信宿节点d(n)基于第一跳CSI、第一跳增益fs(n)j(m)(n)和第二跳增益gj(m)d(n)(m),计算从中继节点到信宿节点第二跳的可达数据速率Rm;其中fs(n)j(m)(n)为第一跳的信道增益,gj(m)d(n)(m)为第二跳的信道增益,其中s(n)j(m)代表信源到中继,j(m)d(n)代表中继到信宿,信源s(n)和信宿d(n)满足一一对应的映射关系,j(m)为中继节点,n为信源进行竞争探测次数,m为中继进行竞争探测次数;
步骤7、信宿节点d(n)比较可达数据速率Rm和2W*/τd+γ*的值,做出第二跳信道接入决策;阈值γ*为固定值,在信道统计信息已知的条件下,通过数值迭代计算离线获得;
步骤8、结束单次传输,所有信源节点开始新一轮信道竞争及数据传输。
进一步地,步骤1所述的多个信源自主进行信道竞争,具体如下:
记成功完成单次信道竞争的次数系数为n,首次竞争成功记为n=1,从持续时间δ的时隙开始处,所有信源节点以概率p0发送RTS数据包来独立竞争信道:
如果该时隙中没有信源节点发送RTS包,所有信源节点在下个时隙竞争信道;
如果有两个或多个信源节点同时发送RTS数据包,发生RTS数据包发送冲突,则在下个时隙各信源节点继续竞争;
如果仅有一个信源节点s(n)发送RTS包,其中n表示第n次成功信道竞争,则该信源节点获得频谱接入机会,被称为信道竞争获胜信源节点,通过接收RTS数据包,利用训练序列,所有中继节点获得从信源节点s(n)到中继节点之间的信道CSI。
进一步地,步骤3所述的基于获得的第一CSI,在线计算全局最优阈值W*,具体如下:
全局最优阈值W*满足方程(3-1):
其中,Λ(n)表示第一阶段已经历的时间和当前第一跳信道状态,表示多中继点单次频谱竞争发送所花费的平均时间,用公式(3-2)计算:
方程(3-1)中的Rm表示信源节点到信宿节点的实时可达传输速率,用公式(3-3)计算:
其中,fs(n)j(n)是信源到中继的信道增益,n表示从信源第n次成功竞争,s(n)是信源节点,j是第j个中继节点,s(n)j表示从信源到中继;gjd(n)(1)是中继到信宿的信道增益,j是第j个中继节点,d(n)是信宿节点,jd(n)表示从中继到信宿,1表示第一次竞争后获得的信道增益;
方程(3-1)中表示期望运算符号,计算形式为通过最大传输速率的统计概率积分计算得到,或由蒙特卡洛仿真方法近似得到;
在线阈值W*通过迭代运算获得,迭代公式如(3-4)所示:
阈值序列{Wl}l=1,2,...,∞通过公式(3-4)的迭代运算收敛到W*,迭代算法按索引数l更新,当|Wl+1-Wl|≤ε时迭代运算完成,其中ε>0为收敛算法的迭代精度门限,按精度需要动态调整,ε的取值为10-3;
方程(3-4)中,阈值γ*为固定值,在信道统计信息已知的条件下,通过数值迭代计算离线获得,迭代公式为:
公式(3-5)中,δ表示多个信源节点单次成功竞争过程所花费的平均时间,其计算公式为:
公式(3-5)中,γ0是一个非负的初始值,可选取任意正数,如γ0=1;β是迭代步长,满足条件其中,η>0为收敛算法的迭代精度门限,按精度需要动态调整,η的取值为10-3;
其他参数值计算如下:
公式(3-7)中,K1(·)为一阶修正型贝塞尔函数,通过查表计算;
参数W*(0)满足方程:
通过公式(3-5)迭代运算,生成阈值序列γk,k=1,2,...,∞,按系数k更新,当|γk+1-γk|≤η时,迭代计算结束,返回γ*值。
进一步地,步骤4所述的通过全局最优阈值W*与固定门限比较,信道竞争获胜信源节点决定是否接入第一跳频谱机会,如果是则信源节点s(n)向所有中继节点广播数据,进入步骤5;否则信源节点s(n)放弃传输机会并与其他信源节点重新竞争,返回步骤1,具体如下:
通过全局最优阈值W*与固定门限比较,如公式(4-1)所示,信道竞争获胜信源节点决定是否接入第一跳频谱机会:
W*≥τdγ*/2 (4-1)
如果不满足公式(4-1),则信源节点s(n)放弃传输机会并与其他信源重新竞争,返回步骤1;
如果满足公式(4-1),则信源节点s(n)向所有中继节点广播数据,包含步骤3在线得到的W*值。
进一步地,步骤5所述的多个中继节点开始信道竞争,从持续时间δ的下一个时隙开始处,各中继节点以概率p1独立发送RTS数据包以竞争信道,具体如下:
从持续时间为δ的下一个时隙开始处,各中继节点以概率p1独立发送RTS数据包以竞争信道:
如果时隙内无中继节点发送RTS数据包,则所有中继节点在下个时隙继续竞争信道;
如果有两个或多个中继节点发送RTS数据包,发生RTS数据包发送冲突,所有中继节点在下个时隙继续竞争信道;
如果仅一个中继节点j(m)发送RTS数据包,其中m为中继节点成功竞争次数,则该中继节点称为信道竞争获胜中继节点;信宿节点d(n)通过RTS数据包训练序列,计算第二跳信道增益gj(m)d(n)(m)。
进一步地,步骤6所述的信宿节点d(n)基于第一跳CSI、fs(n)j(m)(n)和第二跳增益gj(m)d(n)(m),计算其第二跳的可达数据速率Rm;所述fs(n)j(m)(n)为第一跳的信道增益,gj(m)d(n)(m)为第二跳的信道增益,其中s(n)j(m)代表信源到中继,j(m)d(n)代表中继到信宿,信源s(n)和信宿d(n)满足一一对应的映射关系,j(m)为中继节点,n为信源进行竞争探测次数,m为中继进行竞争探测次数,具体如下:
通过公式(6-1)计算从中继节点到信宿节点第二跳可达数据速率Rm:
进一步地,步骤7所述的信宿节点d(n)比较可达数据速率Rm和2W*/τd+γ*值,做出第二跳信道接入决策,具体如下:
信宿节点d(n)比较速率Rm和2W*/τd+γ*值,做出第二跳信道接入决策:
如果Rm<2W*/τd+γ*,则信宿节点d(n)放弃传输机会,回复CTS数据包给所有中继节点;其他中继节点返回步骤5,重新开始中继节点信道竞争;
如果Rm≥2W*/τd+γ*,则信宿节点d(n)回复CTS数据包告知中继节点频谱接入,中继节点s(m)将数据转发至信宿节点d(n),完成数据包从信源节点到信宿节点的传输过程。
本发明与现有技术相比,其显著优点在于:(1)决策过程所需的全局最优阈值通过竞争发送探测包并结合统计学的方法计算得到,其过程可采用蒙特卡洛仿真和查表等辅助手段实现,运算量低;(2)基于全局最优阈值进行决策,即使在信令开销较低的条件下,也能够保证网络平均吞吐率达到全局最优;(3)机会信道的接入通过全局最优阈值来进行判定,逻辑清晰,实现过程简单易实现;且应用场景广泛,可适用于莱斯和Nakagami信道等典型传输模型;(4)能够使无线分布式合作网络的平均吞吐率达到全局最优,有效提升了分布式合作网络条件下的平均网络吞吐率。
附图说明
图1是集中式网络模型的结构示意图。
图2是无线合作网络系统模型的结构示意图。
图3是频谱竞争接入过程的流程示意图。
图4是本发明基于全局最优阈值决策的分布式无线网络频谱接入方法的流程图。
图5是本发明中在线阈值W*迭代计算的流程示意图。
图6是本发明中离线阈值γ*阈值迭代计算的流程示意图。
图7是本发明实施例中信源到中继和中继到信宿的平均信噪比相同条件下,网络平均吞吐量随信噪比变化的仿真结果对比曲线图。
图8是本发明实施例中信源到中继的信噪比固定且中继到信宿的信噪比逐渐变化条件下,网络吞吐量随信噪比变化的的仿真结果对比曲线图。
具体实施方式
本发明定义了一种多中继条件下的无线分布式合作网络模型,基于该模型设计了一种中继转发方法,该方法能够使用全局最优阈值对从信源到中继和从中继到信宿的数据发送进行决策,完成在多个中继节点中进行优选实现信道接入和数据放大转发的过程;拓展最优停止统计学方法,基于统计计算设计了一种获取全局最优阈值的求解方法,并以此为基础在无线合作网络中进行分布式频谱接入,该方法在理论上能够确保网络的平均吞吐率在整个无线合作网络上达到全局最优,提升网络平均吞吐率。对本发明中用到的术语做出如下说明:
RTS:request-to-send,请求发送包,是信道感知接入协议里的常用数据报,被发送节点用户探测信道占用情况和估计信道质量;
CSI:channel state information,信道状态信息,反映无线信道实时条件的数据信息;
CTS:clear-to-send,清除发送包,是信道感知接入协议里的常用数据报,被接收节点对发送节点做出回应;
频谱机会接入:多个网络节点共享频谱资源,识别频谱空闲并动态接入。
下面结合附图及具体实施例对本发明作进一步详细说明。
本发明的无线合作网络系统模型如图2所示。模型描述了一个典型基于多中继节点的分布式无线协同网络,包含K个信源节点和信宿节点及L个中继节点;从信源节点到信宿节点的传输没有直接连接,需通过中继节点协助完成信息传输。
为便于描述,基于图2所示的系统模型,定义方法涉及的基本网络参数如下:
信源-信宿节点对为K个,索引号分别为s1,s2,...,sk和d1,d2,...,dk;中继节点为L个,索引号为r1,r2,...,rL;所有节点以CSMA/CA协议为基础进行频谱自主竞争,各节点时间同步;第一阶段,各信源节点以概率p0独立竞争信道;第二阶段,各中继节点以概率p1独立竞争信道;信道竞争过程中,RTS包和CTS包时长分别为τRTS和τCTS,δ为最小竞争时隙;
采用具有统计特性的随机信道衰落模型,从信源节点si到中继节点rj的信道增益记为fij,从中继节点rj到信宿节点di的信道增益记为gji;设定信道满足瑞利信道衰落模型,fij和gji服从复数高斯分布,均值为0,方差分别为和噪声服从归一化方差的高斯分布,增益方差是信源节点和中继节点发射功率与对应信道增益方差的乘积;
针对网络移动性,频谱接入时间应小于信道相关时间,信源节点到信宿节点的数据传输时间记为τd,单跳接入持续时间为τd/2。
结合图3、图4,一种基于全局最优阈值决策的分布式无线网络频谱接入方法,包括第一阶段信源节点到中继节点的数据传输和第二阶段中继节点到信宿节点的数据传输,具体如下:
第一阶段信源节点到中继节点的数据传输:
步骤1、多个信源自主进行信道竞争,记成功完成单次信道竞争的次数系数为n,首次竞争成功记为n=1;从持续时间δ的时隙开始处,所有信源节点以概率p0发送RTS数据包来独立竞争信道:
如果该时隙中没有信源节点发送RTS包,所有信源节点在下个时隙竞争信道;
如果有两个或多个信源节点同时发送RTS数据包,发生RTS数据包发送冲突,则在下个时隙各信源节点继续竞争;
如果仅有一个信源节点s(n)发送RTS包,其中n表示第n次成功信道竞争,则该信源节点获得频谱接入机会,被称为信道竞争获胜信源节点,通过接收RTS数据包,利用训练序列,所有中继节点获得从信源节点s(n)到中继节点之间的信道CSI。
步骤2、所有中继节点使用CTS数据包对信源节点s(n)进行响应,使得信源节点s(n)获得自身到中继的CSI;
步骤3、基于获得的第一跳CSI,在线计算全局最优阈值W*,具体如下:
全局最优阈值W*满足方程(3-1):
其中,Λ(n)表示第一阶段已经历的时间和当前第一跳信道状态,表示多中继点单次频谱竞争发送所花费的平均时间,用公式(3-2)计算:
方程(3-1)中的Rm表示信源节点到信宿节点的实时可达传输速率,用公式(3-3)计算:
其中,fs(n)j(n)是信源到中继的信道增益,n表示从信源第n次成功竞争,s(n)是信源节点,j是第j个中继节点,s(n)j表示从信源到中继;gjd(n)(1)是中继到信宿的信道增益,j是第j个中继节点,d(n)是信宿节点,jd(n)表示从中继到信宿,1表示第一次竞争后获得的信道增益;
方程(3-1)中表示期望运算符号,计算形式为可通过最大传输速率的统计概率积分计算得到,或由蒙特卡洛仿真方法近似得到;
结合图5,在线阈值W*通过迭代运算获得,迭代公式如(3-4)所示:
阈值序列{Wl}l=1,2,...,∞通过公式(3-4)的迭代运算收敛到W*,迭代算法按索引数l更新,当|Wl+1-Wl|≤ε时迭代运算完成,其中ε>0为收敛算法的迭代精度门限,按精度需要动态调整,ε的典型取值为10-3;
方程(3-4)中,阈值γ*为固定值,结合图6,在信道统计信息已知的条件下,通过数值迭代计算离线获得,迭代公式为:
公式(3-5)中,δ表示多个信源节点单次成功竞争过程所花费的平均时间,其计算公式为:
公式(3-5)中,γ0是一个非负的初始值,可选取任意正数,如γ0=1;β是迭代步长,满足条件其中,η>0为收敛算法的迭代精度门限,可按精度需要动态调整,η的典型取值为10-3;
其他参数值计算如下:
公式(3-7)中,K1(·)为一阶修正型贝塞尔函数,可通过查表计算;
参数W*(0)满足方程:
通过公式(3-5)迭代运算,生成阈值序列γk,k=1,2,...,∞,按系数k更新,当|γk+1-γk|≤η时,迭代计算结束,返回γ*值。
步骤4、通过全局最优阈值W*与固定门限比较,信道竞争获胜信源节点决定是否接入第一跳频谱机会,如果全局最优阈值W*不小于固定门限,则信源节点s(n)向所有中继节点广播数据,进入步骤5;否则信源节点s(n)放弃传输机会并与其他信源节点重新竞争,返回步骤1;信道竞争获胜信源节点是指成功完成信道竞争并获得频谱接入机会的节点;
通过全局最优阈值W*与固定门限比较,如公式(4-1)所示,获胜信源节点(即步骤1中进行信道竞争,竞争获胜的信源节点)决定是否接入第一跳频谱机会:
W*≥τdγ*/2 (4-1)
如果不满足公式(4-1),则信源节点s(n)放弃传输机会并与其他信源重新竞争,返回步骤1;
如果满足公式(4-1),则信源节点s(n)向所有中继节点广播数据,包含步骤3在线得到的W*值。
步骤5、多个中继节点开始信道竞争,从持续时间为δ的下一个时隙开始处,各中继节点以概率p1独立发送RTS数据包以竞争信道,具体如下:
从持续时间为δ的下一个时隙开始处,各中继节点以概率p1独立发送RTS数据包以竞争信道:
如果时隙内无中继节点发送RTS数据包,则所有中继节点在下个时隙继续竞争信道;
如果有两个或多个中继节点发送RTS数据包,发生RTS数据包发送冲突,所有中继节点在下个时隙继续竞争信道;
如果仅一个中继节点j(m)发送RTS数据包,其中m为中继节点成功竞争次数,则该中继节点称为信道竞争获胜中继节点;信宿节点d(n)通过RTS数据包训练序列,计算第二跳信道增益gj(m)d(n)(m)。
步骤6、信宿节点d(n)基于第一跳CSI、第一跳增益fs(n)j(m)(n)和第二跳增益gj(m)d(n)(m),计算从中继节点到信宿节点第二跳的可达数据速率Rm;其中fs(n)j(m)(n)为第一跳的信道增益,gj(m)d(n)(m)为第二跳的信道增益,其中s(n)j(m)代表信源到中继,j(m)d(n)代表中继到信宿,信源s(n)和信宿d(n)满足一一对应的映射关系,j(m)为中继节点,n为信源进行竞争探测次数,m为中继进行竞争探测次数,公式为:
步骤7、信宿节点d(n)比较可达数据速率Rm和2W*/τd+γ*的值,做出第二跳信道接入决策;阈值γ*为固定值,在信道统计信息已知的条件下,通过数值迭代计算离线获得,具体如下:
信宿节点d(n)比较速率Rm和2W*/τd+γ*值,做出第二跳信道接入决策:
如果Rm<2W*/τd+γ*,则信宿节点d(n)放弃传输机会,回复CTS数据包给所有中继节点;其他中继节点返回步骤5,重新开始中继节点信道竞争;
如果Rm≥2W*/τd+γ*,则信宿节点d(n)回复CTS数据包告知中继节点频谱接入,中继节点s(m)将数据转发至信宿节点d(n),完成数据包从信源节点到信宿节点的传输过程。
步骤8、结束单次传输,所有信源节点开始新一轮信道竞争及数据传输。
实施例1
图7和图8主要验证了信噪比变化条件下,本发明设计的全局最优阈值决策接入方法和其它三种方法的不同性能对比。图7和图8中4种曲线代表4种不同的信道接入方法。曲线1是全局最优阈值决策的接入方法,通过在信源发送竞争探测包获取信源到中继的信道状态,基于统计学获取全局最优阈值,通过该阈值决策是否在信源和中继进行信道接入;曲线2是第二跳最优阈值接入方法,中继节点(第二跳)在发送数据时需要进行最优阈值决策,而信源节点(第一跳)没有阈值决策的过程,始终传输数据;曲线3是第一跳最优阈值接入方法,信源节点(第一跳)在发送数据时需要进行最优阈值决策,而中继节点(第二跳)没有阈值决策的过程,始终传输数据;曲线4是直接信道接入方法,信源节点竞争后的获胜信源只有部分信道状态,信源通过竞争直接完成信道接入,没有阈值比较的过程,中继同样没有阈值决策的过程,竞争完成后直接进行信道接入。
以上4种方法在采用计算机进行模拟验证时,设置了5个信源-信宿节点对和4个中继节点,从信源节点到中继节点的信道经历独立同分布瑞利衰落,中继节点到信宿节点的信道也经历独立同分布瑞利衰落,网络模型的主要配置参数为p0=p1=0.3,δ=20us,τRTS=τCTS=40us和τd=2ms。
图7比较了从信源到中继和从中继到信宿的平均接收信噪比相同,信噪比逐渐变化时4种方法的性能,图8比较了从信源到中继的信噪比固定且中继到信宿的信噪比逐渐变化时4种方法的性能。如图7和图8所示,曲线1较曲线2、曲线3和曲线4有更高的网络平均吞吐量表现,其原因在于曲线1在从信源到中继和从中继到信宿都进行了阈值决策的过程,该阈值是全局最优阈值,通过统计学证明,通过阈值比较产生的信道接入,能够保证整个信道下(即从信源到中继和从中继到信宿)的网络平均吞吐量达到理论最优,高于曲线2和曲线3所代表的,只进行第一跳和第二跳最优阈值决策的信道接入方法;而曲线4由于在两跳都没有进行阈值决策,而是完成竞争后立刻发送数据,其网络平均吞吐量性能为4种方法中最差的。
相对于集中式协同网络和自组织直连网络,基于多中继的分布式合作网络信道接入方法的网络模型更加复杂,协议设计的难度更高。但是由于其不依赖于中央协调器的集中调度,可在较低信令开销下完成机会信道接入,从而大大提升网络平均吞吐率。本发明以一种简单可靠的方式设计了一种分布式无线合作网络条件下中继选择的方法,其优点体现在以下几个方面:1)决策过程所需的全局最优阈值通过竞争发送探测包并结合统计学的方法计算得到,其过程可采用蒙特卡洛仿真和查表等辅助手段实现,运算量低;2)基于全局最优阈值进行决策,即使在信令开销较低的条件下,也能够保证网络平均吞吐率达到全局最优;3)机会信道的接入通过全局最优阈值来进行判定,逻辑清晰,实现过程简单易实现;4)应用场景广泛,可适用于莱斯和Nakagami信道等典型传输模型,根据信道统计模型可对应修改方法里的门限计算公式,所提方法均可适用。同时,本发明还适用于不同中继节点转发情况,描述以发送—转发模式的中继为主设计,更新相关计算公式后可用于其他中继传输方式。
总之,本发明能够使无线分布式合作网络的平均吞吐率达到全局最优,有效提升了分布式合作网络条件下的平均网络吞吐率;所建立物理模型和提出的信道接入方法将对后续分布式系统网络组网协议设计及优化发挥积极影响。
Claims (8)
1.一种基于全局最优阈值决策的分布式无线网络频谱接入方法,其特征在于,对分布式无线网络频谱系统作如下刻画:
一个基于多中继节点的分布式无线协同网络,包含K个信源节点、K个信宿节点和L个中继节点;从信源节点到信宿节点的信息传输没有直接连接,需通过中继节点协助完成信息传输;
信源-信宿节点对为K个,索引号分别为s1,s2,...,sK和d1,d2,...,dK;中继节点为L个,索引号为r1,r2,...,rL;所有节点以CSMA/CA协议为基础进行频谱自主竞争,各节点时间同步;第一阶段,各信源节点以概率p0独立竞争信道;第二阶段,各中继节点以概率p1独立竞争信道;信道竞争过程中,RTS包和CTS包时长分别为τRTS和τCTS,δ为最小竞争时隙;
采用具有统计特性的随机信道衰落模型,从信源节点si到中继节点rj的信道增益记为fij,i=1,2,3…,K,j=1,2,3…,L,从中继节点rj到信宿节点di的信道增益记为gji;设定信道满足瑞利信道衰落模型,fij和gji服从复数高斯分布,均值为0,方差分别为和噪声服从归一化方差的高斯分布,增益方差是信源节点和中继节点发射功率与对应信道增益方差的乘积;
针对网络移动性,频谱接入时间应小于信道相关时间,信源节点到信宿节点的数据传输时间记为τd,单跳接入持续时间为τd/2。
2.根据权利要求1所述的基于全局最优阈值决策的分布式无线网络频谱接入方法,其特征在于,包括第一阶段信源节点到中继节点的数据传输和第二阶段中继节点到信宿节点的数据传输,具体如下:
第一阶段信源节点到中继节点的数据传输:
步骤1、多个信源自主进行信道竞争,记成功完成单次信道竞争的次数系数为n,首次竞争成功记为n=1;从持续时间δ的时隙开始处,所有信源节点以概率p0发送RTS数据包来独立竞争信道;
步骤2、所有中继节点使用CTS数据包对信源节点s(n)进行响应,使得信源节点s(n)获得自身到中继的CSI;
步骤3、基于获得的第一跳CSI,在线计算全局最优阈值W*;
步骤4、通过全局最优阈值W*与固定门限比较,步骤1中信道竞争获胜的信源节点决定是否拥有接入第一跳频谱的机会,如果全局最优阈值W*不小于固定门限,则信源节点s(n)向所有中继节点广播数据,进入步骤5;否则信源节点s(n)放弃传输机会并与其他信源节点重新竞争,返回步骤1;信道竞争获胜信源节点是指成功完成信道竞争并获得频谱接入机会的节点;
第二阶段中继节点到信宿节点的数据传输:
步骤5、多个中继节点开始信道竞争,从持续时间为δ的下一个时隙开始处,各中继节点以概率p1独立发送RTS数据包以竞争信道;
步骤6、信宿节点d(n)基于第一跳CSI、第一跳增益fs(n)j(m)(n)和第二跳增益gj(m)d(n)(m),计算从中继节点到信宿节点第二跳的可达数据速率Rm;其中fs(n)j(m)(n)为第一跳的信道增益,gj(m)d(n)(m)为第二跳的信道增益,其中s(n)j(m)代表信源到中继,j(m)d(n)代表中继到信宿,信源s(n)和信宿d(n)满足一一对应的映射关系,j(m)为中继节点,n为信源进行竞争探测次数,m为中继进行竞争探测次数;
步骤7、信宿节点d(n)比较可达数据速率Rm和2W*/τd+γ*的值,做出第二跳信道接入决策;阈值γ*为固定值,在信道统计信息已知的条件下,通过数值迭代计算离线获得;
步骤8、结束单次传输,所有信源节点开始新一轮信道竞争及数据传输。
3.根据权利要求2所述的基于全局最优阈值决策的分布式无线网络频谱接入方法,其特征在于,步骤1所述的多个信源自主进行信道竞争,具体如下:
记成功完成单次信道竞争的次数系数为n,首次竞争成功记为n=1,从持续时间δ的时隙开始处,所有信源节点以概率p0发送RTS数据包来独立竞争信道:
如果该时隙中没有信源节点发送RTS包,所有信源节点在下个时隙竞争信道;
如果有两个或多个信源节点同时发送RTS数据包,发生RTS数据包发送冲突,则在下个时隙各信源节点继续竞争;
如果仅有一个信源节点s(n)发送RTS包,其中n表示第n次成功信道竞争,则该信源节点获得频谱接入机会,被称为信道竞争获胜信源节点,通过接收RTS数据包,利用训练序列,所有中继节点获得从信源节点s(n)到中继节点之间的信道CSI。
4.根据权利要求2所述的基于全局最优阈值决策的分布式无线网络频谱接入方法,其特征在于,步骤3所述的基于获得的第一CSI,在线计算全局最优阈值W*,具体如下:
全局最优阈值W*满足方程(3-1):
其中,Λ(n)表示第一阶段已经历的时间和当前第一跳信道状态,表示多中继点单次频谱竞争发送所花费的平均时间,用公式(3-2)计算:
方程(3-1)中的Rm表示信源节点到信宿节点的实时可达传输速率,用公式(3-3)计算:
其中,fs(n)j(n)是信源到中继的信道增益,n表示从信源第n次成功竞争,s(n)是信源节点,j是第j个中继节点,s(n)j表示从信源到中继;gjd(n)(1)是中继到信宿的信道增益,j是第j个中继节点,d(n)是信宿节点,jd(n)表示从中继到信宿,1表示第一次竞争后获得的信道增益;
方程(3-1)中表示期望运算符号,计算形式为通过最大传输速率的统计概率积分计算得到,或由蒙特卡洛仿真方法近似得到;
在线阈值W*通过迭代运算获得,迭代公式如(3-4)所示:
阈值序列{Wl}l=1,2,...,∞通过公式(3-4)的迭代运算收敛到W*,迭代算法按索引数l更新,当|Wl+1-Wl|≤ε时迭代运算完成,其中ε>0为收敛算法的迭代精度门限,按精度需要动态调整,ε的取值为10-3;;
方程(3-4)中,阈值γ*为固定值,在信道统计信息已知的条件下,通过数值迭代计算离线获得,迭代公式为:
公式(3-5)中,δ表示多个信源节点单次成功竞争过程所花费的平均时间,其计算公式为:
公式(3-5)中,γ0是一个非负的初始值,可选取任意正数,如γ0=1;β是迭代步长,满足条件其中,η>0为收敛算法的迭代精度门限,按精度需要动态调整,η的取值为10-3;;
其他参数值计算如下:
公式(3-7)中,K1(·)为一阶修正型贝塞尔函数,通过查表计算;
参数W*(0)满足方程:
通过公式(3-5)迭代运算,生成阈值序列γk,k=1,2,...,∞,按系数k更新,当|γk+1-γk|≤η时,迭代计算结束,返回γ*值。
5.根据权利要求2所述的基于全局最优阈值决策的分布式无线网络频谱接入方法,其特征在于,步骤4所述的通过全局最优阈值W*与固定门限比较,信道竞争获胜信源节点决定是否接入第一跳频谱机会,如果是则信源节点s(n)向所有中继节点广播数据,进入步骤5;否则信源节点s(n)放弃传输机会并与其他信源节点重新竞争,返回步骤1,具体如下:
通过全局最优阈值W*与固定门限比较,如公式(4-1)所示,信道竞争获胜信源节点决定是否接入第一跳频谱机会:
W*≥τdγ*/2 (4-1)
如果不满足公式(4-1),则信源节点s(n)放弃传输机会并与其他信源重新竞争,返回步骤1;
如果满足公式(4-1),则信源节点s(n)向所有中继节点广播数据,包含步骤3在线得到的W*值。
6.根据权利要求2所述的基于全局最优阈值决策的分布式无线网络频谱接入方法,其特征在于,步骤5所述的多个中继节点开始信道竞争,从持续时间δ的下一个时隙开始处,各中继节点以概率p1独立发送RTS数据包以竞争信道,具体如下:
从持续时间为δ的下一个时隙开始处,各中继节点以概率p1独立发送RTS数据包以竞争信道:
如果时隙内无中继节点发送RTS数据包,则所有中继节点在下个时隙继续竞争信道;
如果有两个或多个中继节点发送RTS数据包,发生RTS数据包发送冲突,所有中继节点在下个时隙继续竞争信道;
如果仅一个中继节点j(m)发送RTS数据包,其中m为中继节点成功竞争次数,则该中继节点称为信道竞争获胜中继节点;信宿节点d(n)通过RTS数据包训练序列,计算第二跳信道增益gj(m)d(n)(m)。
7.根据权利要求2所述的基于全局最优阈值决策的分布式无线网络频谱接入方法,其特征在于,步骤6所述的信宿节点d(n)基于第一跳CSI、fs(n)j(m)(n)和第二跳增益gj(m)d(n)(m),计算其第二跳的可达数据速率Rm;所述fs(n)j(m)(n)为第一跳的信道增益,gj(m)d(n)(m)为第二跳的信道增益,其中s(n)j(m)代表信源到中继,j(m)d(n)代表中继到信宿,j(m)为中继节点,信源s(n)和信宿d(n)满足一一对应的映射关系,j(m)为中继节点,n为信源进行竞争探测次数,m为中继进行竞争探测次数,具体如下:
通过公式(6-1)计算从中继节点到信宿节点第二跳可达数据速率Rm:
8.根据权利要求2所述的基于全局最优阈值决策的分布式无线网络频谱接入方法,其特征在于,步骤7所述的信宿节点d(n)比较可达数据速率Rm和2W*/τd+γ*值,做出第二跳信道接入决策,具体如下:
信宿节点d(n)比较速率Rm和2W*/τd+γ*值,做出第二跳信道接入决策:
如果Rm<2W*/τd+γ*,则信宿节点d(n)放弃传输机会,回复CTS数据包给所有中继节点;其他中继节点返回步骤5,重新开始中继节点信道竞争;
如果Rm≥2W*/τd+γ*,则信宿节点d(n)回复CTS数据包告知中继节点频谱接入,中继节点j(m)将数据转发至信宿节点d(n),完成数据包从信源节点到信宿节点的传输过程。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910581222.XA CN110381559B (zh) | 2019-06-29 | 2019-06-29 | 基于全局最优阈值决策的分布式无线网络频谱接入方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910581222.XA CN110381559B (zh) | 2019-06-29 | 2019-06-29 | 基于全局最优阈值决策的分布式无线网络频谱接入方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110381559A true CN110381559A (zh) | 2019-10-25 |
CN110381559B CN110381559B (zh) | 2020-09-15 |
Family
ID=68251330
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910581222.XA Active CN110381559B (zh) | 2019-06-29 | 2019-06-29 | 基于全局最优阈值决策的分布式无线网络频谱接入方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110381559B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112055416A (zh) * | 2020-09-11 | 2020-12-08 | 广西民族大学 | 一种高能效的传感云下行无线携能通信方法 |
CN112969240A (zh) * | 2021-02-01 | 2021-06-15 | 中国人民解放军军事科学院国防科技创新研究院 | 基于纯阈值决策的异构无线分布式网络智能信道接入方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101409678A (zh) * | 2007-10-12 | 2009-04-15 | 三星电子株式会社 | 在ad hoc网络设置包传输路径的方法及网络设备 |
US20100128703A1 (en) * | 2008-11-26 | 2010-05-27 | Matthew Brand | Method for Routing Packets in Wireless Ad-Hoc Networks with Probabilistic Delay Guarantees |
CN101997775A (zh) * | 2010-11-10 | 2011-03-30 | 南京大学 | 一种延迟容忍网络中改进效用路由的方法 |
CN102368866A (zh) * | 2011-09-15 | 2012-03-07 | 上海交通大学 | 基于网络编码的多接入中继信道中的单中继选择方法 |
CN106572542A (zh) * | 2016-11-01 | 2017-04-19 | 中国人民解放军理工大学 | 机会同频全双工/双向中继的联合最优时间/功率资源分配方法 |
CN106792838A (zh) * | 2017-03-14 | 2017-05-31 | 武汉理工大学 | Dtn中继节点候选集选择方法 |
-
2019
- 2019-06-29 CN CN201910581222.XA patent/CN110381559B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101409678A (zh) * | 2007-10-12 | 2009-04-15 | 三星电子株式会社 | 在ad hoc网络设置包传输路径的方法及网络设备 |
US20100128703A1 (en) * | 2008-11-26 | 2010-05-27 | Matthew Brand | Method for Routing Packets in Wireless Ad-Hoc Networks with Probabilistic Delay Guarantees |
CN101997775A (zh) * | 2010-11-10 | 2011-03-30 | 南京大学 | 一种延迟容忍网络中改进效用路由的方法 |
CN102368866A (zh) * | 2011-09-15 | 2012-03-07 | 上海交通大学 | 基于网络编码的多接入中继信道中的单中继选择方法 |
CN106572542A (zh) * | 2016-11-01 | 2017-04-19 | 中国人民解放军理工大学 | 机会同频全双工/双向中继的联合最优时间/功率资源分配方法 |
CN106792838A (zh) * | 2017-03-14 | 2017-05-31 | 武汉理工大学 | Dtn中继节点候选集选择方法 |
Non-Patent Citations (2)
Title |
---|
BIN JIANG等: "Optimized Polar Coded Selective Relay Cooperation With Iterative Threshold Decision of Pseudo Posterior Probability", 《IEEE ACCESS》 * |
蒋海芳等: "2. 基于统计信道状态信息的节能分布式中继选择", 《应用科学学报》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112055416A (zh) * | 2020-09-11 | 2020-12-08 | 广西民族大学 | 一种高能效的传感云下行无线携能通信方法 |
CN112055416B (zh) * | 2020-09-11 | 2023-03-24 | 广西民族大学 | 一种高能效的传感云下行无线携能通信方法 |
CN112969240A (zh) * | 2021-02-01 | 2021-06-15 | 中国人民解放军军事科学院国防科技创新研究院 | 基于纯阈值决策的异构无线分布式网络智能信道接入方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110381559B (zh) | 2020-09-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110290593A (zh) | 基于双跳阈值决策的无线分布式网络机会信道接入方法 | |
CN109862610A (zh) | 一种基于深度强化学习ddpg算法的d2d用户资源分配方法 | |
CN111511038B (zh) | 一种无线协同网络分布式信道智能感知与接入方法 | |
CN102438313B (zh) | 一种基于认知无线电通信盟的调度方法 | |
CN109302250A (zh) | 能量传输全双工中继进行中继选择与发送功率分配方法 | |
CN111683381A (zh) | 基于深度强化学习的端到端网络切片资源分配算法 | |
CN105245358B (zh) | 基于马尔可夫模型的智能电网mac层多业务性能分析方法 | |
CN108243480A (zh) | 一种基于链路可用带宽预测和前进距离的无人机自组网机会路由算法 | |
CN105764114B (zh) | 一种基于能耗均衡的水下无线传感器网络拓扑控制方法 | |
CN105188124B (zh) | 多用户ofdma中继系统中非完美csi下的鲁棒博弈功率控制方法 | |
CN103052147A (zh) | 一种基于无线传感网的能量有效性多级环形组网的方法 | |
CN103078795A (zh) | 提高无线网络吞吐量的协作路由方法 | |
CN105188089A (zh) | 超密集异构网络中基于用户连接与干扰管理联合优化的负载均衡方法 | |
CN110381559A (zh) | 基于全局最优阈值决策的分布式无线网络频谱接入方法 | |
CN110351885B (zh) | 基于阈值度量的无线分布式协同网络机会信道接入方法 | |
Xie et al. | Multiple user cooperative mobility in mobile ad hoc networks: An interaction position game | |
CN112969240B (zh) | 基于纯阈值决策的异构无线分布式网络智能信道接入方法 | |
CN108924799A (zh) | 一种蜂窝网络中d2d通信的资源分配算法 | |
CN110381562A (zh) | 基于双层松耦合最优停止的无线分布式协同网络接入方法 | |
Anh et al. | A deep reinforcement learning approach for backscatter-assisted relay communications | |
CN107820295A (zh) | 一种基于用户需求的分布式中继资源分配方法 | |
CN116567667A (zh) | 一种基于深度强化学习的异构网络资源能效优化方法 | |
CN106550409A (zh) | 协作下行通信中的复合中继激励方法 | |
CN115811788A (zh) | 一种深度强化学习联合无监督学习的d2d网络分布式资源分配方法 | |
CN101848032B (zh) | 一种在无线mesh网络中基于冲突避免的调度方法 |
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 |