CN110855389B - 一种业务驱动的本地合作分布式频谱接入方法 - Google Patents
一种业务驱动的本地合作分布式频谱接入方法 Download PDFInfo
- Publication number
- CN110855389B CN110855389B CN201911142508.4A CN201911142508A CN110855389B CN 110855389 B CN110855389 B CN 110855389B CN 201911142508 A CN201911142508 A CN 201911142508A CN 110855389 B CN110855389 B CN 110855389B
- Authority
- CN
- China
- Prior art keywords
- channel
- user
- csc
- channel selection
- probability
- 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
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/382—Monitoring; Testing of propagation channels for resource allocation, admission control or handover
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/02—Selection of wireless resources by user or terminal
-
- 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
- H04W72/542—Allocation or scheduling criteria for wireless resources based on quality criteria using measured or perceived quality
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种业务驱动的本地合作分布式频谱接入方法,包括:获取目标系统并对目标系统进行初始化定义;计算用户的期望吞吐量;用户根据本地合作机制,确定自身信道选择决策效用函数,根据学习算法更新自身的信道选择决策;用户基于自身更新后的信道选择决策进行信道选择,接入信道并进行数据传输。本发明面向用户业务数据的接入优化,实现了5G及未来无线网络接入技术的个性化服务。采用基于分布式用户业务数据异构特征而进行分布式学习的系统优化方法,在信道接入方法中引入适当的本地合作机制,提出了一个业务驱动的本地合作分布式学习算法,以本地信息交互的较小代价渐进收敛到全局最优状态,实现了网络系统吞吐量最优化。
Description
技术领域
本发明涉及通信网络中的无线接入网络领域,具体涉及一种业务驱动的本地合作分布式频谱接入方法。
背景技术
为解决5G网络面临的严重的频谱资源紧张问题,能有效提高频谱利用率的基于认知无线电的机会频谱接入技术有着重要地位。在微蜂窝网络研究中采用认知无线电技术,被称为认知微蜂窝网络(Cognitive Small Cell,CSC)。认知微蜂窝具备认知无线电的检测无线电环境,发现可用空闲频谱信道资源,并动态调整接入参数的能力。认知微蜂窝通过使用机会频谱接入技术,按环境条件动态接入更好的频谱,为其终端提供业务传输服务。认知微蜂窝网络技术能打破当前系统固定的频谱分配模式,允许动态的跨系统频谱共享,充分利用空闲的频谱资源,提高频谱使用效率,被认为是能综合发挥机会接入和微蜂窝技术优势的提高网络容量的有效途径。
自组织特性是5G微蜂窝网络的一个重要特点。在研究的5G系统中,微蜂窝包括多种异构形式,使用不同的技术和不同的频谱资源。一般来说,布设成本较低,不仅可由运营商统一部署,也可由家庭或企业按需动态部署,大规模的微蜂窝不再都受运营商宏蜂窝的统一管理和调配,呈现很强的自组织特性。此外,即便是运营商统一部署的微蜂窝系统,由于密集度高、规模大、按需工作与休眠、覆盖范围按需调整等增强空分复用、提高能效等技术措施的实施,网络结构的随机性和动态性增强,传统的集中式控制方法面临极大挑战,自组织的优化管理模式得到空前重视。
5G网络更会催生很多全新的业务,如虚拟现实和现实增强,用户业务需求、数据流量、对接入技术的评判标准等等各个方面都会呈现全新的特点。展开面向用户业务数据的接入技术研究,将是5G微蜂窝网络接入技术实现个性化服务的重要内容之一。为便于表达,本发明中认知微蜂窝作为频谱信道的使用者,在系统中也称之为用户。
对于多用户分布式系统机会频谱接入优化问题,由于自组织认知微蜂窝的部署特性,任意一个微蜂窝的信号作用范围是有限的,一般仅影响本蜂窝信号覆盖范围之内的其他蜂窝。因此,基于本地影响的分布式信道接入的冲突控制成为了本技术领域中的一个问题。并且,由于现有技术中忽视了用户的实际业务接入需求,假设接入系统的用户都有无限的数据需要发送,掩盖了实际通信系统中信道接入是为了完成用户业务数据这一根本目的,实际上是把用户业务的吞吐量转化为了接入信道容量。而实际上,用户的业务数据是来源于应用的,是有限的。按照无限用户数据假设进行的系统优化,并不能实现真正有限用户数据的系统最优化。
综上所述,如何使系统能以分布式自主决策的方式达到全局最优状态,从而实现面向用户业务数据的网络系统吞吐量最优化成为了本领域技术人员急需解决的问题
发明内容
针对现有技术存在的上述不足,本发明实际需要解决的问题是:如何使系统能以分布式自主决策的方式达到全局最优状态从而实现网络系统吞吐量最优化。
本发明采用了如下的技术方案:
一种业务驱动的本地合作分布式频谱接入方法,包括如下步骤:
S1、获取目标系统并对目标系统进行初始化定义;
S2、计算用户的期望吞吐量;
S3、用户根据本地合作机制,确定自身信道选择决策效用函数,根据学习算法更新自身的信道选择决策;
S4、用户基于自身更新后的信道选择决策进行信道选择,接入信道并进行数据传输。
优选地,步骤S1中:
所述目标系统包括N个信道及M个用户;
第m个用户为CSCm,CSCm的每个周期时隙为Tm,Tm包括信道选择和检测阶段τs,m、本地信息交互阶段和学习阶段τl,m以及业务数据传输阶段Tm-τs,m-τl,m;
SCH={1,2,...,N}为机会频谱信道集合,S={1,2,...,m,...,M}为用户集合,C=[C1,C2,...,CN]为信道集合,为信道空闲概率向量,为各信道状态检测在预设标准检测概率下虚警概率向量,L=[L1,L2,...,LM]为各个用户的业务数据向量,Di,j为用户i和用户j之间的相邻关系,Di,j=1时,用户i和用户j非相邻,Di,j=0时用户i和用户j相邻,Nm={i∈S:Di,m=0}为CSCm的邻居集合,为CSCm的邻居中与CSCm选择相同信道的用户集合,为中的用户个数。
优选地,步骤S2包括:
S201、计算信道检测的虚警概率:
S202、计算成功传输数据的概率:
S203、计算用户吞吐量:
用户CSCm的业务队列Lm,在信道nm上的期望吞吐量为Rm,
优选地,步骤S3包括:
S301、随机生成初始信道选择决策:
设置学习步数t=0,
按以下混合信道选择决策概率分布随机选择一个候选信道选择决策:
式中,am表示CSCm的决策,Am表示CSCm的决策空间,Pr(am=(nm,ε))表示CSCm选择信道nm的概率;
S302、用户通过信息交互获取信道选择决策需要的数据,所述数据包括用户的业务数据量、候选决策集、信道空闲概率和信道容量;
S303、用户按自身的候选信道选择决策检测相应信道,并在检测结果为空闲时按时隙Aloha方式接入,计算自身的期望吞吐量作为回报值;
S304、在时隙模型的τl阶段,相邻用户之间进行信息交互和候选信道选择决策学习,信息交互的内容包括自身的候选信道选择决策和回报值;
S305、从邻居用户中选择一个候选信道选择决策更新节点,根据信息交互得来的信息,计算各种可能的候选信道选择决策所能获得的期望回报,然后根据以下混合信道选择决策概率分布来随机信道选择一个候选信道选择决策:
式中,β表示学习参数,β>0,a'm表示CSCm在决策策略空间中除了am以外的其他决策,其他与CSCm相邻的用户保持上一时隙的候选信道选择决策不变:ai(t+1)=ai(t);
S306、如果用户的候选信道选择决策没有达到连续预设个数的步数内保持不变,则回到步骤S302。
优选地,步骤S4包括:用户基于自身更新后的信道选择决策进行信道选择,对选择的信道进行状态检测,若所述信道空闲,则使用所述信道发送数据,若所述信道非空闲,则不发送数据。
综上所述,与现有技术相比,本发明的有益效果如下:
5G网络更会催生很多全新的业务,如虚拟现实和现实增强,用户业务需求、数据流量、对接入技术的评判标准等等各个方面都会呈现全新的特点。展开面向用户业务数据的接入技术研究,将是5G微蜂窝网络接入技术实现个性化服务的重要内容之一。本发明把信道接入方法引入适当的本地合作机制,以提高系统业务吞吐能力。为使得系统能以分布式自主决策的方式达到全局最优状态,提出了一个业务驱动的本地合作分布式学习算法,以本地信息交互的较小代价渐进收敛到全局最优状态,实现了网络系统吞吐量最优化。
附图说明
图1为本发明公开的一种业务驱动的本地合作分布式频谱接入方法的一种具体实施方式的流程图;
图2为本发明公开的一种业务驱动的本地合作分布式频谱接入方法的工作机制示例图;
图3为本发明公开的一种业务驱动的本地合作分布式频谱接入方法的时隙结构图;
图4为本发明与现有方法吞吐量性能比较示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步的详细描述说明。
如图1所示,本发明公开了一种业务驱动的本地合作分布式频谱接入方法,包括如下步骤:
S1、获取目标系统并对目标系统进行初始化定义;
S2、计算用户的期望吞吐量;
S3、用户根据本地合作机制,确定自身信道选择决策效用函数,根据学习算法更新自身的信道选择决策;
S4、用户基于自身更新后的信道选择决策进行信道选择,接入信道并进行数据传输。
与现有技术相比,为使得系统能以分布式自主决策的方式达到全局最优状态,本发明中提出了一个业务驱动的本地合作分布式学习算法,以本地信息交互的较小代价渐进收敛到全局最优状态,实现了网络系统吞吐量最优化。
具体实施时,步骤S1中:
所述目标系统包括N个信道及M个用户;
第m个用户为CSCm,CSCm的每个周期时隙为Tm,Tm包括信道选择和检测阶段τs,m、本地信息交互阶段和学习阶段τl,m以及业务数据传输阶段Tm-τs,m-τl,m;
SCH={1,2,...,N}为机会频谱信道集合,S={1,2,...,m,...,M}为用户集合,C=[C1,C2,...,CN]为信道集合,为信道空闲概率向量,为各信道状态检测在预设标准检测概率下虚警概率向量,L=[L1,L2,...,LM]为各个用户的业务数据向量,Di,j为用户i和用户j之间的相邻关系,Di,j=1时,用户i和用户j非相邻,Di,j=0时用户i和用户j相邻,Nm={i∈S:Di,m=0}为CSCm的邻居集合,为CSCm的邻居中与CSCm选择相同信道的用户集合,为中的用户个数。
在本发明中,目标系统包括N个信道及M个用户,如图2所示。用户通过检测本时隙内PU信道的占用状态,在信道空闲时,则可以使用该空闲信道进行业务数据传输。比如,在图2中,如果CSC1在本时隙决定检测信道1或信道3且信道检测没有错误,由于此时信道1和信道3被PU占用,则CSC1不能在本时隙接入信道进行业务传输,则本时隙CSC1的业务吞吐量即为0。用户之间的相互影响是本地的,而非全局,即任意一个用户的影响范围限于与它存在信号干扰关系的邻居之间。比如,CSC1和CSC4可以在同一个信道上传输数据而互补干扰,因为它们不是邻居节点。而如果CSC2和CSC3在同一个信道上传输,则会发生冲突碰撞,因为它们是邻居节点。采用Aloha协议来控制接入冲突。各个用户服务的终端运行的应用是异构的,各个PU信道的容量和空闲概率也是异构的。
信道检测和业务传输时隙结构如图3所示。每个周期时隙T划分为信道选择和检测阶段τs,本地信息交互阶段和学习阶段τl,以及业务数据传输阶段T-τs-τl。定义信道容量为C,用户的传输业务数据量为L,则如果用户在此信道上成功传输数据,则实际数据传输所需要的时间为L/C。业务队列长度L是有限的、异构的,由认知微蜂窝服务的终端运行的应用来决定。值得注意的是,由于业务数据量和信道容量的不同,实际数据传输所需要的时间为L/C可能大于、也可能小于业务数据传输阶段T-τs-τl。当实际数据传输所需要的时间大于数据传输阶段T-τs-τl时,本时隙的实际传输时长将是T-τs-τl,剩余的未传输数据将保持在数据队列中等待下一次传输。而当实际数据传输所需要的时间小于数据传输阶段T-τs-τl时,本时隙的实际传输时长将是L/C,即会出现由于没有数据而信道空闲的情况。
具体实施时,步骤S2包括:
S201、计算信道检测的虚警概率(用户采用能量检测方法进行信道状态感知):
S202、计算成功传输数据的概率:
对任意用户,比如CSCm,数据成功传输需要满足如下几个条件:一是PU没有在该信道上工作;二是CSCm检测信道是没有发生虚警错误;三是没有其他的用户同时接入该信道。
S203、计算用户吞吐量:
用户接入信道的业务吞吐量为单位时间内传输的业务数据量:
用户CSCm的业务队列Lm,在信道nm上的期望吞吐量为Rm,
对于目标系统,系统业务吞吐量为:
具体实施时,步骤S3包括:
S301、随机生成初始信道选择决策:
设置学习步数t=0,
按以下混合信道选择决策概率分布随机选择一个候选信道选择决策:
式中,am表示CSCm的决策,Am表示CSCm的决策空间,Pr(am=(nm,ε))表示CSCm选择信道nm的概率;
S302、用户通过信息交互获取信道选择决策需要的数据,所述数据包括用户的业务数据量、候选决策集、信道空闲概率和信道容量;
S303、用户按自身的候选信道选择决策检测相应信道,并在检测结果为空闲时按时隙Aloha方式接入,计算自身的期望吞吐量作为回报值;
S304、在时隙模型的τl阶段,相邻用户之间进行信息交互和候选信道选择决策学习,信息交互的内容包括自身的候选信道选择决策和回报值;
S305、从邻居用户中选择一个候选信道选择决策更新节点,根据信息交互得来的信息,计算各种可能的候选信道选择决策所能获得的期望回报,然后根据以下混合信道选择决策概率分布来随机信道选择一个候选信道选择决策:
式中,β表示学习参数,β>0,a'm表示CSCm在决策策略空间中除了am以外的其他决策,其他与CSCm相邻的用户保持上一时隙的候选信道选择决策不变:ai(t+1)=ai(t);
S306、如果用户的候选信道选择决策没有达到连续预设个数(具体值可为30)的步数内保持不变,则回到步骤S302。
具体实施时,步骤S4包括:用户基于自身更新后的信道选择决策进行信道选择,对选择的信道进行状态检测,若所述信道空闲,则使用所述信道发送数据,若所述信道非空闲,则不发送数据。
下面通过仿真实例来验证本发明的有效性。
首先简要介绍实施例的场景,设置仿真场景如下:一个M个CSC用户自组织网络,PU信道数目为N=3,时隙长度设为T=100ms。信道检测时间设为5ms。本地信息交互阶段和学习阶段τl设为5ms。学习消耗时间的设置取决于具体的信息交互机制采用的协议,以及控制信道等提供的交互能力,这需要在实际系统中按测试进行设置。信道容量设置为C=[1000,2000,4000]kbit/s。信道空闲概率设为p0=[0.9,0.8,0.55]。信道检测虚警概率为Pf=[0.05,0.06,0.07]。各个CSC业务数据量从以下向量中随机选取:L=[8533 10133 1653320800 25067 33600 42133 50667 59200 67733]bits,分别表示G.711PCM,WMV,AVI/RM,Flash,H264等各种业务对应的时隙业务量。在仿真中直接设置业务量值以简化仿真系统。该参数设置并没有特殊性,可以是任意业务量值,可以对应任意的应用业务,对研究的接入技术本身并没有决定性的影响。对于自组织的M个CSC用户,因为是局部影响网络,为避免某种特定网络拓扑对性能的影响,仿真运行时的CSC之间的邻居关系随机生成,以更好的检验方法的适用性。仿真结果为1000次运行的平均值。仿真停止条件:一是学习更新步数达到上限;二是吞吐量不再发生明显变化。
图4结果表明:第一,本发明提出的方法获得的网络吞吐量,明显优于现有方法中面向信道容量的接入优化方法。其原因在于现有方法中面向信道容量的接入优化方法是根据信道容量来决定信道的选择,但是用户的吞吐量不仅仅取决于信道容量,还与用户的业务数据密切相关,所以,应该采用本发明提出的面向用户业务数据的方法。第二:本发明的概略选择学习更新策略明显优于现有方法中基于最优响应的方法。基于最优响应的方法的基本决策思想为:每次决策都选择当前可预知的最佳策略。这种方法的问题在于会使得系统过早的陷入局部最优,造成系统性能的损失。而本发明提出的学习迭代更新策略中是基于概略选择,即不一定选择当前的最佳策略,而仅仅是一较大的概率去选择,保留选择一些次优策略的可能性,为系统探索更好的状态提供机会,因此获得了更好的系统收敛性能,获得了更大的系统吞吐量。
上述仿真证明了本发明所提的算法的有效性、合理性。
本发明未涉及部分均与现有技术相同或可采用现有技术加以实现。
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,尽管通过参照本发明的优选实施例已经对本发明进行了描述,但本领域的普通技术人员应当理解,可以在形式上和细节上对其作出各种各样的改变,而不偏离所附权利要求书所限定的本发明的精神和范围。
Claims (2)
1.一种业务驱动的本地合作分布式频谱接入方法,其特征在于,包括如下步骤:
S1、获取目标系统并对目标系统进行初始化定义;步骤S1中:
所述目标系统包括N个信道及M个用户;
第m个用户为CSCm,CSCm的每个周期时隙为Tm,Tm包括信道选择和检测阶段τs,m、本地信息交互阶段和学习阶段τl,m以及业务数据传输阶段Tm-τs,m-τl,m;
SCH={1,2,...,N}为机会频谱信道集合,S={1,2,...,m,...,M}为用户集合,C=[C1,C2,...,CN]为信道集合,为信道空闲概率向量,为各信道状态检测在预设标准检测概率下虚警概率向量,L=[L1,L2,...,LM]为各个用户的业务数据向量,Di,j为用户i和用户j之间的相邻关系,Di,j=1时,用户i和用户j非相邻,Di,j=0时用户i和用户j相邻,Nm={i∈S:Di,m=0}为CSCm的邻居集合,为CSCm的邻居中与CSCm选择相同信道的用户集合,为中的用户个数;
S2、计算用户的期望吞吐量;步骤S2包括:
S201、计算信道检测的虚警概率:
S202、计算成功传输数据的概率:
S203、计算用户吞吐量:
用户CSCm的业务队列Lm,在信道nm上的期望吞吐量为Rm,
S3、用户根据本地合作机制,确定自身信道选择决策效用函数,根据学习算法更新自身的信道选择决策;步骤S3包括:
S301、随机生成初始信道选择决策:
设置学习步数t=0,
按以下混合信道选择决策概率分布随机选择一个候选信道选择决策:
式中,am表示CSCm的决策,Am表示CSCm的决策空间,Pr(am=(nm,ε))表示CSCm选择信道nm的概率;
S302、用户通过信息交互获取信道选择决策需要的数据,所述数据包括用户的业务数据量、候选决策集、信道空闲概率和信道容量;
S303、用户按自身的候选信道选择决策检测相应信道,并在检测结果为空闲时按时隙Aloha方式接入,计算自身的期望吞吐量作为回报值;
S304、在时隙模型的τl阶段,相邻用户之间进行信息交互和候选信道选择决策学习,信息交互的内容包括自身的候选信道选择决策和回报值;
S305、从邻居用户中选择一个候选信道选择决策更新节点,根据信息交互得来的信息,计算各种可能的候选信道选择决策所能获得的期望回报,然后根据以下混合信道选择决策概率分布来随机信道选择一个候选信道选择决策:
式中,β表示学习参数,β>0,a'm表示CSCm在决策策略空间中除了am以外的其他决策,其他与CSCm相邻的用户保持上一时隙的候选信道选择决策不变:ai(t+1)=ai(t);
S306、如果用户的候选信道选择决策没有达到连续预设个数的步数内保持不变,则回到步骤S302;
S4、用户基于自身更新后的信道选择决策进行信道选择,接入信道并进行数据传输。
2.如权利要求1所述的业务驱动的本地合作分布式频谱接入方法,其特征在于,步骤S4包括:用户基于自身更新后的信道选择决策进行信道选择,对选择的信道进行状态检测,若所述信道空闲,则使用所述信道发送数据,若所述信道非空闲,则不发送数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911142508.4A CN110855389B (zh) | 2019-11-20 | 2019-11-20 | 一种业务驱动的本地合作分布式频谱接入方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911142508.4A CN110855389B (zh) | 2019-11-20 | 2019-11-20 | 一种业务驱动的本地合作分布式频谱接入方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110855389A CN110855389A (zh) | 2020-02-28 |
CN110855389B true CN110855389B (zh) | 2022-02-01 |
Family
ID=69603107
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911142508.4A Active CN110855389B (zh) | 2019-11-20 | 2019-11-20 | 一种业务驱动的本地合作分布式频谱接入方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110855389B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101711032A (zh) * | 2009-11-23 | 2010-05-19 | 哈尔滨工业大学 | 对未知环境模型特性的认知无线电动态智能频谱接入方法 |
CN106211183A (zh) * | 2016-08-02 | 2016-12-07 | 中国人民解放军理工大学 | 一种基于业务合作的自组织微蜂窝联盟机会频谱接入方法 |
US9622133B1 (en) * | 2015-10-23 | 2017-04-11 | The Florida International University Board Of Trustees | Interference and mobility management in UAV-assisted wireless networks |
CN108076467A (zh) * | 2017-12-29 | 2018-05-25 | 中国人民解放军陆军工程大学 | 频谱资源受限下的广义感知模型及分布式q学习接入方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9918314B2 (en) * | 2015-04-14 | 2018-03-13 | Cisco Technology, Inc. | System and method for providing uplink inter cell interference coordination in a network environment |
CN108712746B (zh) * | 2018-04-28 | 2023-05-30 | 中国人民解放军陆军工程大学 | 一种部分重叠信道聚合博弈模型及学习方法 |
-
2019
- 2019-11-20 CN CN201911142508.4A patent/CN110855389B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101711032A (zh) * | 2009-11-23 | 2010-05-19 | 哈尔滨工业大学 | 对未知环境模型特性的认知无线电动态智能频谱接入方法 |
US9622133B1 (en) * | 2015-10-23 | 2017-04-11 | The Florida International University Board Of Trustees | Interference and mobility management in UAV-assisted wireless networks |
CN106211183A (zh) * | 2016-08-02 | 2016-12-07 | 中国人民解放军理工大学 | 一种基于业务合作的自组织微蜂窝联盟机会频谱接入方法 |
CN108076467A (zh) * | 2017-12-29 | 2018-05-25 | 中国人民解放军陆军工程大学 | 频谱资源受限下的广义感知模型及分布式q学习接入方法 |
Non-Patent Citations (2)
Title |
---|
Joint Sensing and Power Allocation in Nonconvex Cognitive Radio Games: Nash Equilibria and Distributed Algorithms;Gesualdo Scutari 等;《IEEE Transactions on Information Theory》;20130111;全文 * |
认知无线电动态频谱接入关键技术研究;何浩;《中国博士学位论文全文数据库 信息科技辑》;20160215;正文第2、4章 * |
Also Published As
Publication number | Publication date |
---|---|
CN110855389A (zh) | 2020-02-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2552168B1 (en) | Clustering and resource allocation in ad hoc networks | |
CN103210593B (zh) | 小区间干扰协调自组织网络的方法和装置 | |
JP5519004B2 (ja) | ワイヤレスネットワークにおいて異なる距離にわたる通信をサポートするための方法および装置 | |
JP6038348B2 (ja) | デバイス間通信のためのリソース割当方法、装置及びプログラム | |
CN102918908A (zh) | 用于通过支持若干技术的设备使用未使用tv频谱的方法和装置 | |
Guo et al. | Cooperative spectrum sensing with cluster-based architecture in cognitive radio networks | |
CN110492955B (zh) | 基于迁移学习策略的频谱预测切换方法 | |
CN112073974B (zh) | 协作终端通信的非授权频谱边缘接入与抗干扰方法及装置 | |
US10716108B2 (en) | Cellular network access method and apparatus | |
Usha et al. | An enhanced MPR OLSR protocol for efficient node selection process in cognitive radio based VANET | |
Dai et al. | Adaptive resource allocation for LTE/WiFi coexistence in the unlicensed spectrum | |
JP5080576B2 (ja) | 状態間で遷移するための方法および装置 | |
CN110855389B (zh) | 一种业务驱动的本地合作分布式频谱接入方法 | |
Chen et al. | Spectrum-aware routing in discontinuous orthogonal frequency division multiplexing-based cognitive radio ad hoc networks | |
Mardi et al. | An efficient allocation system for centralized network slicing in lorawan | |
CN113330767A (zh) | 频谱管理设备、电子设备、无线通信方法和存储介质 | |
Zhang et al. | Congestion-aware user-centric cooperative base station selection in ultra-dense networks | |
Liao et al. | Learning-based energy-efficient channel selection for edge computing-empowered cognitive machine-to-machine communications | |
Chen et al. | Cognitive radio-enabled distributed cross-layer optimization via genetic algorithms | |
Jiang et al. | On searching available channels with asynchronous MAC-layer spectrum sensing | |
Chae et al. | Distributed multi-radio access control for decentralized OFDMA multi-RAT wireless networks | |
Yu et al. | A network resource management framework for wireless mesh networks | |
Das et al. | Cooperative spectrum mobility in heterogeneous opportunistic networks using cognitive radio | |
Fayek et al. | Device-to-device communication in 5G: Towards efficient scheduling | |
CN110856181B (zh) | 一种分布式业务匹配序贯频谱接入决策方法 |
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 | ||
CB03 | Change of inventor or designer information |
Inventor after: Yao Changhua Inventor after: Liu Xin Inventor after: Dang Suihu Inventor before: Yao Changhua Inventor before: Liu Xin Inventor before: Xu Yuhua Inventor before: Dang Suihu Inventor before: Wang Lei Inventor before: Zhang Yutao Inventor before: Zhang Xiaobo |
|
CB03 | Change of inventor or designer information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |