CN114641084A - 基于社交信任模型的分布式协同最优信道接入方法 - Google Patents
基于社交信任模型的分布式协同最优信道接入方法 Download PDFInfo
- Publication number
- CN114641084A CN114641084A CN202210149591.3A CN202210149591A CN114641084A CN 114641084 A CN114641084 A CN 114641084A CN 202210149591 A CN202210149591 A CN 202210149591A CN 114641084 A CN114641084 A CN 114641084A
- Authority
- CN
- China
- Prior art keywords
- channel
- winning
- sink
- winning information
- access
- 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 41
- 230000005540 biological transmission Effects 0.000 claims abstract description 59
- 238000004891 communication Methods 0.000 claims abstract description 35
- 238000001514 detection method Methods 0.000 claims abstract description 4
- 230000008447 perception Effects 0.000 claims abstract description 4
- 238000013179 statistical model Methods 0.000 claims abstract description 4
- 230000006870 function Effects 0.000 claims description 18
- 238000005457 optimization Methods 0.000 claims description 15
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 9
- 230000008901 benefit Effects 0.000 claims description 8
- 239000000523 sample Substances 0.000 claims description 8
- 230000009191 jumping Effects 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 5
- 230000010354 integration Effects 0.000 claims description 4
- 230000007246 mechanism Effects 0.000 claims description 4
- 101100460704 Aspergillus sp. (strain MF297-2) notI gene Proteins 0.000 claims description 3
- 230000006399 behavior Effects 0.000 claims description 3
- 230000015572 biosynthetic process Effects 0.000 claims description 3
- 238000013461 design Methods 0.000 claims description 3
- 238000005315 distribution function Methods 0.000 claims description 3
- 238000005562 fading Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 239000002904 solvent Substances 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 230000001131 transforming effect Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract description 2
- 238000011160 research Methods 0.000 description 6
- 238000001228 spectrum Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 230000006855 networking Effects 0.000 description 3
- 238000013468 resource allocation Methods 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 230000008566 social perception Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W74/00—Wireless channel access
- H04W74/08—Non-scheduled access, e.g. ALOHA
- H04W74/0833—Random access procedures, e.g. with 4-step access
- H04W74/0841—Random access procedures, e.g. with 4-step access with collision treatment
- H04W74/085—Random access procedures, e.g. with 4-step access with collision treatment collision avoidance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/309—Measuring or estimating channel quality parameters
- H04B17/336—Signal-to-interference ratio [SIR] or carrier-to-interference ratio [CIR]
-
- 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
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/391—Modelling the propagation channel
- H04B17/3911—Fading models or fading generators
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/70—Services for machine-to-machine communication [M2M] or machine type communication [MTC]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Quality & Reliability (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Computing Systems (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
基于社交信任模型的分布式协同最优信道接入方法,属无线通信技术领域。先构建系统模型,包括一用于数据传输的共享信道、多个D2D通信对和中继节点,各D2D发射机采用随机接入方式竞争信道接入机会,中继节点用半双工译码转发方式传输数据,中继节点发送功率与中继节点和D2D接收机间的社交信任强度成正比。针对该分布式协同网络,构建社交信任驱动下的信道感知接入统计学模型,设计一种网络平均吞吐量最优的信道接入方法。该方法不仅能利用移动用户间固有的社交关系促进节点间高效可靠的协作通信,且可有效地权衡通过协作通信获得的吞吐量增益和建立最优协作中继的探测成本。另提出的最优信道接入方法具有阈值结构,可离线计算获得。
Description
技术领域
本发明涉及一种基于社交信任模型的分布式协同最优信道接入方法,属于无线通信技术领域。
背景技术
随着无线通信技术的快速发展,移动数据量呈指数级增长,相应地,对频谱资源的需求也日益增加。然而,可用频谱资源是有限的,无线网络中的用户通常需要竞争信道接入机会。由于无线信道的时变性和用户的分布式竞争特性,信道竞争成功的用户信道状态信息(Channel State Information,CSI)可能好也可能较差,在CSI较差的情况下,若获胜用户利用当前传输机会,那么网络吞吐量势必较低,也就是信道接入机会被低速率链路占用。如何为获胜用户提供较好的信道进行接入是亟待解决的问题。作为一种解决方案,机会调度通过将信道接入机会分配给具有较好CSI的用户极大地提高了网络频谱利用率,具体地,当CSI较差时,获胜用户放弃信道接入机会,以便使网络中具有较好CSI的用户接入信道;当CSI较好时,获胜用户利用当前传输机会,实现较大的吞吐量,其已广泛应用于现有无线网络中。
在集中式无线网络中,中央控制器,如基站,能够收集网络中所有用户的CSI,进而将信道接入机会调度给具有最优CSI的用户,以此获得多用户分集,从统计学角度实现网络吞吐量最优。然而,随着无线通信技术的发展,网络中用户数量不断增加,基站获得用户CSI的信道感知占用大量时间、频率资源,使得信令交互开销与信道接入时间的折衷变得非常困难。不同于集中式无线网络,分布式无线网络由于没有中央控制器,组网快速灵活、节点自治管理,受到广泛关注。然而,由于没有中央控制器进行统一感知和调度,获胜用户要想仅依赖自身CSI做出明智的信道接入决策,高效的信道接入方法变得至关重要。
作为分布式无线网络的重要研究分支,分布式协作网络不仅能够提高频谱利用率,还能扩大无线网络的覆盖范围,因此,分布式协同最优信道接入方法具有重要的研究意义。虽然已有研究工作着力于此,但是大部分研究都忽略了中继设备持有者的本来意愿,即假设用户是完全利他的或自私的。实际上,这种假设是不合理的。由于D2D设备由人携带,用户完全可以控制他所携带的设备,也就是说,决定是否参与协作通信的是用户本身,而并非他所携带的设备。考虑到人在某种程度上是自私的,人们不愿意贡献自己有价值的通信资源(如电池、流量等)来最大化陌生人的利益;然而,人在某种程度上又是无私的,人们尽其所能无偿为其亲属、朋友等提供帮助。基于上述问题,联合社交网络和无线通信的社交感知D2D通信在最近的研究中被提出。“Social-aware Relay Selection for CooperativeNetworking:An Optimal Stopping Approach,”【M.Zhang,X.Chen and J.Zhang,2014IEEE International Conference on Communications(ICC),pp.2257-2262,2014.】一文中利用移动用户之间的社交关系结构,提出基于社交信任的协作D2D中继框架,该框架采用TDMA机制,系统中各用户最大传输功率由基站确定,同时考虑物理距离和社交距离,基于最优停止理论,推导了最优社交感知中继选择策略,使系统性能增益和中继探测成本之间达到平衡。“Social-Community-Aware Resource Allocation for D2D CommunicationsUnderlaying Cellular Networks,”【F.Wang,Y.Li,Z.Wang and Z.Yang,IEEETransactions on Vehicular Technology,vol.65,no.5,pp.3628-3640,May 2016.】一文中利用移动用户之间的社交关系促进D2D资源共享,提出一种社区感知的D2D资源分配框架,在提出的框架中蜂窝用户更愿意将频谱资源分配给同一社区中具有社交关系的D2D通信对,在此基础上,构建社区联盟建立和D2D通信对最优资源分配问题的两步联盟博弈。目前查阅到的资料中,没有在分布式协同最优信道接入方法的研究中考虑用户之间社交信任关系的先例。
发明内容
为了克服背景技术的缺陷和不足,本发明提供了一种基于社交信任模型的分布式协同最优信道接入方法。
本发明的技术方案如下:
一种基于社交信任模型的分布式协同最优信道接入方法,在以下网络中运行,该网络中包括I个设备到设备即D2D通信对、J个中继节点和一个用于数据传输的共享信道,其中各D2D通信对的发射机即信源采用随机接入方式竞争信道接入机会,中继节点采用半双工译码转发即DF方式传输数据,信源、D2D通信对的接收机即信宿和中继节点集合分别表示为和该网络映射到两个域:物理域和社交域,其中物理域从物理角度反映D2D设备之间的物理通信行为,由无线信道的时变性和用户的移动性,不同D2D设备在不同时间具有不同的物理链路拓扑关系,社交域由日常生活中真实的人构成,反映人们之间真实、稳定的社交关系,每个人都携带一个能够接入互联网的移动设备,也就是物理域中的D2D设备或中继节点,中继节点仅为与其具有社交信任关系的用户转发数据,而且社交信任强度越强,中继节点贡献的通信资源也越多,即中继节点发送功率与中继节点和信宿之间的社交信任强度成正比;对任意信宿用βji表示中继节点rj和信宿di之间的社交信任强度,βji∈[0,1],βji的值越大,表示rj和di之间的社交信任强度越强,那么rj的转发功率也越大;若βji=0,则rj和di之间没有社交信任关系,rj不会帮助di进行协作通信,若βji>0,则rj和di之间具有社交信任关系,称rj是di的邻居节点,所有与di具有社交信任关系的中继节点构成di的邻居节点集合,用表示,其中表示定义符号、表示取任意、∈表示属于;针对以上分布式协同网络,构建社交信任驱动下的信道感知接入统计学模型,设计网络平均吞吐量最优的统计决策方法,该方法具体步骤如下:
1)信道感知接入统计学建模
各信源以竞争方式感知和接入信道,每次信道竞争,所有信源s1,s2,...,sI分别以概率p1,p2,...,pI发送请求发送即RTS包,当在一个微小时隙δ内有且仅有一个信源发送RTS包时,信道竞争成功,将发送RTS包的信源称为获胜信源,其获得信道接入机会,将获胜信源对应的信宿称为获胜信宿,由于无线信道的广播特性,每次成功信道竞争,获胜信宿和所有中继节点均接收到获胜信源发送的RTS包,根据接收到的RTS包,获胜信宿估计出获胜信源到其自身的直连信道信噪比即SNR,中继节点估计出获胜信源到其自身的第一跳中继信道SNR,获胜信宿首先基于直连信道SNR做出第一级决策,即从接入直连信道、探测第二跳中继信道和放弃信道接入机会三个选项中选择其一,如果获胜信宿在第一级决策中选择接入直连信道或放弃信道接入机会,本次成功信道竞争将没有第二级决策;如果获胜信宿在第一级决策中选择探测第二跳中继信道,则获胜信宿首先决定待探测的邻居节点集合,然后发送清除发送即CTS包通知集合内邻居节点探测第二跳中继信道,集合内邻居节点接收到获胜信宿发送的CTS包后,依次向获胜信宿发送RTS包,其中包含获胜信源到其自身的第一跳中继信道SNR,获胜信宿通过接收邻居节点发送的RTS包估计出邻居节点到其自身的第二跳中继信道SNR,至此获胜信宿获得完整信道状态信息即CSI,获胜信宿基于直连和中继信道SNR做出第二级决策,即从接入最优信道和放弃信道接入机会两个选项中选择其一,这里接入最优信道指从直连信道和中继协作信道中选择具有较大传输速率的信道接入;如果信道竞争失败,即信道空闲或冲突,所有信源在下一时隙重新竞争信道;
对第t次信道接入,设信道接入前共经历了K次成功信道竞争,前K-1次成功信道竞争后获胜信宿d(k),k=1,2,...,K-1在第一级决策中选择放弃信道接入机会或者在第一级决策中选择探测第二跳中继信道、在第二级决策中选择放弃信道接入机会;第K次成功信道竞争的获胜信源记为获胜信宿dl在第一级决策中选择接入直连信道或者在第一级决策中选择探测第二跳中继信道、在第二级决策中选择接入最优信道,下面针对第K次成功信道竞争后获胜信宿的两种决策进行详述:
情况1:获胜信宿dl在第一级决策中选择接入直连信道,然后发送CTS包通知sl利用直连信道在时间τd内进行数据传输,直连传输的最大可达速率定义为
其中,Ps表示获胜信源的传输功率,hll,N(t)表示获胜信源sl到获胜信宿dl之间的信道增益,其服从均值为0、方差为的复高斯分布,表示获胜信源sl通过直连信道传输时获胜信宿的接收信噪比,N表示信道接入方法;获胜信宿dl接收到的数据量定义为
其中,τd表示数据传输时间,设无线信道服从块衰落模型,τd不大于无线信道的相干时间;第t次信道接入花费的总时间定义为
其中,第t次信道接入共经历了K次成功信道竞争,tk表示第k次成功信道竞争的用时,表示第k次成功信道竞争获胜信宿d(k)选择探测的邻居节点构成的集合,为d(k)的邻居节点集合的子集,表示集合中邻居节点的数目,表示指示函数,当括号中内容为真时当括号中内容为假时τCTS表示获胜信宿d(k)发送CTS包通知内邻居节点探测第二跳中继信道CSI花费的时间,τRTS表示邻居节点发送探测RTS包花费的时间,符号表示对括号中的内容从k=1到k=K求和;
其中表示获胜信宿dl探测的邻居节点构成的集合,其为dl的邻居节点集合的非空子集,表示第t次信道接入获胜信源sl到获胜信宿的邻居节点rj的第一跳中继信道增益,gjl,N(t)表示第t次信道接入邻居节点rj到获胜信宿dl的第二跳中继信道增益,和gjl,N(t)分别服从均值为0、方差为和的复高斯分布,Pr表示邻居节点的最大传输功率,βjl表示rj和dl之间的社交信任强度,min表示求最小值,max表示求最大值,表示获胜信源sl通过对应信宿dl的邻居节点rj转发时获胜信宿的接收信噪比,表示在集合中选取邻居节点使获胜信宿接收信噪比的值达到最大,记表示当时,获胜信宿接收信噪比达到最大值,将称为最优邻居节点,获胜信源sl通过集合内最优邻居节点进行协作传输时的最大可达速率表示为获胜信宿的接收信噪比表示为获胜信源sl通过最优信道进行数据传输时,获胜信宿dl接收到的数据量定义为
基于以上分析,网络平均吞吐量定义为
2)优化问题等价变换
将优化问题(8)变换为基于代价系数的目标函数问题
3)最优信道接入策略
针对优化问题(10),对第t次信道接入过程,设第一次信道竞争成功的获胜信源为si,获胜信宿di接收到si的RTS包后,基于直连信道做出第一级决策,即从接入直连信道、探测第二跳中继信道和放弃信道接入机会三个选项中选择其一,具体分析如下
如果di选择接入直连信道,网络获得的收益为
如果di选择探测第二跳中继信道,网络获得的收益为
其中表示获胜信宿获得直连信道后,探测邻居节点集合的中继探测阈值函数,符号表示子集、符号表示空集,表示选取获胜信宿邻居节点集合的非空子集使得括号中的值达到最大,根据gji,N(t)的统计特性和表达式(4)可计算出其解析表达式
其中获胜信宿获得直连信道SNR条件下,获胜信源si通过对应信宿di的邻居节点集合内最优邻居节点转发数据时di接收信噪比的分布函数表示为di接收信噪比的概率密度函数表示为表示对括号中内容关于变量γ从积分下限到上限求积分;
如果di选择放弃信道接入机会,网络获得的收益为
-λ*t1 (13)
基于式(11)-(13),最大网络平均吞吐量λ*满足
对任意一次成功信道竞争,获胜信宿获得直连信道后,如果且获胜信宿选择放弃信道接入机会,并发送CTS包通知所有信源在下一时隙重新竞争信道;如果且获胜信宿di选择探测第二跳中继信道,具体地,获胜信宿发送CTS包通知集合内邻居节点探测第二跳中继信道,集合内邻居节点接收到获胜信宿发送的CTS包后,依次向获胜信宿发送RTS包,其中包含获胜信源到其自身的第一跳中继信道SNR,获胜信宿通过接收邻居节点发送的RTS包估计出邻居节点到其自身的第二跳中继信道SNR,获胜信宿基于直连和中继信道SNR利用(4)式计算出若获胜信宿选择接入最优信道,并发送CTS包通知获胜信源和相应邻居节点通过最优信道进行数据传输,其中若获胜信宿选择放弃信道接入机会,并发送CTS包通知所有信源在下一时隙重新竞争信道;如果且获胜信宿选择接入直连信道,并发送CTS包通知获胜信源利用直连信道进行数据传输;定义差函数表示获胜信宿获得直连信道SNR后选择接入直连信道和探测第二跳中继信道获得收益的差值;定义获胜信宿选择接入直连信道的即时收益和探测第二跳中继信道的收益相同时直连信道SNR的值为即当直连信道时,定义获胜信宿选择接入直连信道的即时收益和放弃信道接入机会的收益相同时直连信道SNR的值为即当直连信道时,定义获胜信宿选择探测第二跳中继信道的收益和放弃信道接入机会的收益相同时直连信道SNR的值为即当直连信道时,
由以上综述如下:
i.构建基于社交信任的分布式协同网络,定义网络工作机制和基本参数,确定统计优化模型,并利用公式(14)离线迭代计算网络统计最优吞吐量λ*;
iii.所有信源s1,s2,...,sI分别以概率p1,p2,...,pI发送RTS包竞争信道接入机会,若在一个微小时隙δ内有且仅有一个信源发送RTS包,则信道竞争成功,进入步骤iv,否则,重复步骤iii;
iv.获胜信宿和所有中继节点均接收到获胜信源发送的RTS包,根据接收到的RTS包,获胜信宿di估计出获胜信源si到其自身的直连信道中继节点rj,j=1,2,...,J估计出si到其自身的第一跳中继信道进入步骤v;
viii.获胜信宿di利用步骤iv估计出的直连信道与判决门限进行比较,如果di选择接入直连信道,单次数据传输结束后返回步骤iii;如果di选择放弃信道接入机会,跳转至步骤iii;如果di选择探测第二跳中继信道,进入步骤ix;
ix.获胜信宿di发送CTS包通知集合内邻居节点探测第二跳中继信道CSI,集合内邻居节点接收到di的CTS包后依次向di发送RTS包,其中包含获胜信源到其自身的第一跳中继信道SNR,获胜信宿通过接收邻居节点发送的RTS包估计出邻居节点到其自身的第二跳中继信道SNR,至此di获得完整CSI,根据公式(4)计算出通过最优信道传输的最大可达速率将与λ*进行比较做出第二级决策:
所述的RTS是英文request-to-send的缩写,汉语意为请求发送,是信道感知接入协议里常用的数据包。
所述的CTS是英文clear-to-send的缩写,汉语意为清除发送,是信道感知接入协议里常用的数据包,被接收节点用于对发送节点做出回应。
所述的SNR是英文Signal-to-Noise Ratio的缩写,汉语意为信噪比。
所述的CSI是英文Channel State Information的缩写,汉语意为信道状态信息。
所述的D2D是英文Device-to-Device的缩写,汉语意为设备到设备。
本发明的有益效果是基于信宿和中继节点之间的社交信任关系,设计网络平均吞吐量最优的信道接入方法。设计的最优信道接入方法不仅能够利用移动用户间固有的社交关系促进节点之间高效可靠的协作通信,而且可以有效地权衡通过协作通信获得的吞吐量增益和建立最优协作中继的探测成本。此外,提出的最优信道接入方法具有阈值结构,可离线计算获得。
附图说明
图1为本发明基于社交信任模型的分布式协同网络示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明,但不限于此。
实施例:
一种基于社交信任模型的分布式协同最优信道接入方法,在以下网络中运行,如图1所示,该网络中包括I个设备到设备即D2D通信对、J个中继节点和一个用于数据传输的共享信道,其中各D2D通信对的发射机即信源采用随机接入方式竞争信道接入机会,中继节点采用半双工译码转发即DF方式传输数据,信源、D2D通信对的接收机即信宿和中继节点集合分别表示为和该网络映射到两个域:物理域和社交域,其中物理域从物理角度反映D2D设备之间的物理通信行为,由无线信道的时变性和用户的移动性,不同D2D设备在不同时间具有不同的物理链路拓扑关系,社交域由日常生活中真实的人构成,反映人们之间真实、稳定的社交关系,每个人都携带一个能够接入互联网的移动设备,也就是物理域中的D2D设备或中继节点,中继节点仅为与其具有社交信任关系的用户转发数据,而且社交信任强度越强,中继节点贡献的通信资源也越多,即中继节点发送功率与中继节点和信宿之间的社交信任强度成正比;对任意信宿用βji表示中继节点rj和信宿di之间的社交信任强度,βji∈[0,1],βji的值越大,表示rj和di之间的社交信任强度越强,那么rj的转发功率也越大;若βji=0,则rj和di之间没有社交信任关系,rj不会帮助di进行协作通信,若βji>0,则rj和di之间具有社交信任关系,称ri是di的邻居节点,所有与di具有社交信任关系的中继节点构成di的邻居节点集合,用表示,其中表示定义符号、表示取任意、∈表示属于;针对以上分布式协同网络,构建社交信任驱动下的信道感知接入统计学模型,设计网络平均吞吐量最优的统计决策方法,该方法具体步骤如下:
1)信道感知接入统计学建模
各信源以竞争方式感知和接入信道,每次信道竞争,所有信源s1,s2,...,sI分别以概率p1,p2,...,pI发送请求发送即RTS包,当在一个微小时隙δ内有且仅有一个信源发送RTS包时,信道竞争成功,将发送RTS包的信源称为获胜信源,其获得信道接入机会,将获胜信源对应的信宿称为获胜信宿,由于无线信道的广播特性,每次成功信道竞争,获胜信宿和所有中继节点均接收到获胜信源发送的RTS包,根据接收到的RTS包,获胜信宿估计出获胜信源到其自身的直连信道信噪比即SNR,中继节点估计出获胜信源到其自身的第一跳中继信道SNR,获胜信宿首先基于直连信道SNR做出第一级决策,即从接入直连信道、探测第二跳中继信道和放弃信道接入机会三个选项中选择其一,如果获胜信宿在第一级决策中选择接入直连信道或放弃信道接入机会,本次成功信道竞争将没有第二级决策;如果获胜信宿在第一级决策中选择探测第二跳中继信道,则获胜信宿首先决定待探测的邻居节点集合,然后发送清除发送即CTS包通知集合内邻居节点探测第二跳中继信道,集合内邻居节点接收到获胜信宿发送的CTS包后,依次向获胜信宿发送RTS包,其中包含获胜信源到其自身的第一跳中继信道SNR,获胜信宿通过接收邻居节点发送的RTS包估计出邻居节点到其自身的第二跳中继信道SNR,至此获胜信宿获得完整信道状态信息即CSI,获胜信宿基于直连和中继信道SNR做出第二级决策,即从接入最优信道和放弃信道接入机会两个选项中选择其一,这里接入最优信道指从直连信道和中继协作信道中选择具有较大传输速率的信道接入;如果信道竞争失败,即信道空闲或冲突,所有信源在下一时隙重新竞争信道;
对第t次信道接入,设信道接入前共经历了K次成功信道竞争,前K-1次成功信道竞争后获胜信宿d(k),k=1,2,...,K-1在第一级决策中选择放弃信道接入机会或者在第一级决策中选择探测第二跳中继信道、在第二级决策中选择放弃信道接入机会;第K次成功信道竞争的获胜信源记为获胜信宿dl在第一级决策中选择接入直连信道或者在第一级决策中选择探测第二跳中继信道、在第二级决策中选择接入最优信道,下面针对第K次成功信道竞争后获胜信宿的两种决策进行详述:
情况1:获胜信宿dl在第一级决策中选择接入直连信道,然后发送CTS包通知sl利用直连信道在时间τd内进行数据传输,直连传输的最大可达速率定义为
其中,Ps表示获胜信源的传输功率,hll,N(t)表示获胜信源sl到获胜信宿dl之间的信道增益,其服从均值为0、方差为的复高斯分布,表示获胜信源sl通过直连信道传输时获胜信宿的接收信噪比,N表示信道接入方法;获胜信宿dl接收到的数据量定义为
其中,τd表示数据传输时间,设无线信道服从块衰落模型,τd不大于无线信道的相干时间;第t次信道接入花费的总时间定义为
其中,第t次信道接入共经历了K次成功信道竞争,tk表示第k次成功信道竞争的用时,表示第k次成功信道竞争获胜信宿d(k)选择探测的邻居节点构成的集合,为d(k)的邻居节点集合的子集,表示集合中邻居节点的数目,表示指示函数,当括号中内容为真时当括号中内容为假时τCTS表示获胜信宿d(k)发送CTS包通知内邻居节点探测第二跳中继信道CSI花费的时间,τRTS表示邻居节点发送探测RTS包花费的时间,符号表示对括号中的内容从k=1到k=K求和;
其中表示获胜信宿dl探测的邻居节点构成的集合,其为dl的邻居节点集合的非空子集,表示第t次信道接入获胜信源sl到获胜信宿的邻居节点rj的第一跳中继信道增益,gjl,N(t)表示第t次信道接入邻居节点rj到获胜信宿dl的第二跳中继信道增益,和gjl,N(t)分别服从均值为0、方差为和的复高斯分布,Pr表示邻居节点的最大传输功率,βjl表示rj和dl之间的社交信任强度,min表示求最小值,max表示求最大值,表示获胜信源sl通过对应信宿dl的邻居节点rj转发时获胜信宿的接收信噪比,表示在集合中选取邻居节点使获胜信宿接收信噪比的值达到最大,记表示当时,获胜信宿接收信噪比达到最大值,将称为最优邻居节点,获胜信源sl通过集合内最优邻居节点进行协作传输时的最大可达速率表示为获胜信宿的接收信噪比表示为获胜信源sl通过最优信道进行数据传输时,获胜信宿dl接收到的数据量定义为
基于以上分析,网络平均吞吐量定义为
2)优化问题等价变换
将优化问题(8)变换为基于代价系数的目标函数问题
3)最优信道接入策略
针对优化问题(10),对第t次信道接入过程,设第一次信道竞争成功的获胜信源为si,获胜信宿di接收到si的RTS包后,基于直连信道做出第一级决策,即从接入直连信道、探测第二跳中继信道和放弃信道接入机会三个选项中选择其一,具体分析如下
如果di选择接入直连信道,网络获得的收益为
如果di选择探测第二跳中继信道,网络获得的收益为
其中表示获胜信宿获得直连信道后,探测邻居节点集合的中继探测阈值函数,符号表示子集、符号表示空集,表示选取获胜信宿邻居节点集合的非空子集使得括号中的值达到最大,根据gji,N(t)的统计特性和表达式(4)可计算出其解析表达式
其中获胜信宿获得直连信道SNR条件下,获胜信源si通过对应信宿di的邻居节点集合内最优邻居节点转发数据时di接收信噪比的分布函数表示为di接收信噪比的概率密度函数表示为表示对括号中内容关于变量γ从积分下限到上限求积分;
如果di选择放弃信道接入机会,网络获得的收益为
-λ*t1 (13)
基于式(11)-(13),最大网络平均吞吐量λ*满足
对任意一次成功信道竞争,获胜信宿获得直连信道后,如果且获胜信宿选择放弃信道接入机会,并发送CTS包通知所有信源在下一时隙重新竞争信道;如果且获胜信宿di选择探测第二跳中继信道,具体地,获胜信宿发送CTS包通知集合内邻居节点探测第二跳中继信道,集合内邻居节点接收到获胜信宿发送的CTS包后,依次向获胜信宿发送RTS包,其中包含获胜信源到其自身的第一跳中继信道SNR,获胜信宿通过接收邻居节点发送的RTS包估计出邻居节点到其自身的第二跳中继信道SNR,获胜信宿基于直连和中继信道SNR利用(4)式计算出若获胜信宿选择接入最优信道,并发送CTS包通知获胜信源和相应邻居节点通过最优信道进行数据传输,其中若获胜信宿选择放弃信道接入机会,并发送CTS包通知所有信源在下一时隙重新竞争信道;如果且获胜信宿选择接入直连信道,并发送CTS包通知获胜信源利用直连信道进行数据传输;定义差函数表示获胜信宿获得直连信道SNR后选择接入直连信道和探测第二跳中继信道获得收益的差值;定义获胜信宿选择接入直连信道的即时收益和探测第二跳中继信道的收益相同时直连信道SNR的值为即当直连信道时,定义获胜信宿选择接入直连信道的即时收益和放弃信道接入机会的收益相同时直连信道SNR的值为即当直连信道时,定义获胜信宿选择探测第二跳中继信道的收益和放弃信道接入机会的收益相同时直连信道SNR的值为即当直连信道时,
由以上综述如下:
i.构建基于社交信任的分布式协同网络,定义网络工作机制和基本参数,确定统计优化模型,并利用公式(14)离线迭代计算网络统计最优吞吐量λ*;
iii.所有信源s1,s2,...,sI分别以概率p1,p2,...,pI发送RTS包竞争信道接入机会,若在一个微小时隙δ内有且仅有一个信源发送RTS包,则信道竞争成功,进入步骤iv,否则,重复步骤iii;
iv.获胜信宿和所有中继节点均接收到获胜信源发送的RTS包,根据接收到的RTS包,获胜信宿di估计出获胜信源si到其自身的直连信道中继节点rj,j=1,2,...,J估计出si到其自身的第一跳中继信道进入步骤v;
viii.获胜信宿di利用步骤iv估计出的直连信道与判决门限进行比较,如果di选择接入直连信道,单次数据传输结束后返回步骤iii;如果di选择放弃信道接入机会,跳转至步骤iii;如果di选择探测第二跳中继信道,进入步骤ix;
ix.获胜信宿di发送CTS包通知集合内邻居节点探测第二跳中继信道CSI,集合内邻居节点接收到di的CTS包后依次向di发送RTS包,其中包含获胜信源到其自身的第一跳中继信道SNR,获胜信宿通过接收邻居节点发送的RTS包估计出邻居节点到其自身的第二跳中继信道SNR,至此di获得完整CSI,根据公式(4)计算出通过最优信道传输的最大可达速率将与λ*进行比较做出第二级决策:
Claims (1)
1.一种基于社交信任模型的分布式协同最优信道接入方法,在以下网络中运行,该网络中包括I个设备到设备即D2D通信对、J个中继节点和一个用于数据传输的共享信道,其中各D2D通信对的发射机即信源采用随机接入方式竞争信道接入机会,中继节点采用半双工译码转发即DF方式传输数据,信源、D2D通信对的接收机即信宿和中继节点集合分别表示为和该网络映射到两个域:物理域和社交域,其中物理域从物理角度反映D2D设备之间的物理通信行为,由于无线信道的时变性和用户的移动性,不同D2D设备在不同时间具有不同的物理链路拓扑关系,社交域由日常生活中真实的人构成,反映人们之间真实、稳定的社交关系,每个人都携带一个能够接入互联网的移动设备,也就是物理域中的D2D设备或中继节点,中继节点仅为与其具有社交信任关系的用户转发数据,而且社交信任强度越强,中继节点贡献的通信资源也越多,即中继节点发送功率与中继节点和信宿之间的社交信任强度成正比;对任意信宿用βji表示中继节点rj和信宿di之间的社交信任强度,βji∈[0,1],βji的值越大,表示rj和di之间的社交信任强度越强,那么rj的转发功率也越大;若βji=0,则rj和di之间没有社交信任关系,rj不会帮助di进行协作通信,若βji>0,则rj和di之间具有社交信任关系,称rj是di的邻居节点,所有与di具有社交信任关系的中继节点构成di的邻居节点集合,用表示,其中表示定义符号、表示取任意、∈表示属于;针对以上分布式协同网络,构建社交信任驱动下的信道感知接入统计学模型,设计网络平均吞吐量最优的统计决策方法,该方法具体步骤如下:
1)信道感知接入统计学建模
各信源以竞争方式感知和接入信道,每次信道竞争,所有信源s1,s2,…,sI分别以概率p1,p2,…,pI发送请求发送即RTS包,当在一个微小时隙δ内有且仅有一个信源发送RTS包时,信道竞争成功,将发送RTS包的信源称为获胜信源,其获得信道接入机会,将获胜信源对应的信宿称为获胜信宿,由于无线信道的广播特性,每次成功信道竞争,获胜信宿和所有中继节点均接收到获胜信源发送的RTS包,根据接收到的RTS包,获胜信宿估计出获胜信源到其自身的直连信道信噪比即SNR,中继节点估计出获胜信源到其自身的第一跳中继信道SNR,获胜信宿首先基于直连信道SNR做出第一级决策,即从接入直连信道、探测第二跳中继信道和放弃信道接入机会三个选项中选择其一,如果获胜信宿在第一级决策中选择接入直连信道或放弃信道接入机会,本次成功信道竞争将没有第二级决策;如果获胜信宿在第一级决策中选择探测第二跳中继信道,则获胜信宿首先决定待探测的邻居节点集合,然后发送清除发送即CTS包通知集合内邻居节点探测第二跳中继信道,集合内邻居节点接收到获胜信宿发送的CTS包后,依次向获胜信宿发送RTS包,其中包含获胜信源到其自身的第一跳中继信道SNR,获胜信宿通过接收邻居节点发送的RTS包估计出邻居节点到其自身的第二跳中继信道SNR,至此获胜信宿获得完整信道状态信息即CSI,获胜信宿基于直连和中继信道SNR做出第二级决策,即从接入最优信道和放弃信道接入机会两个选项中选择其一,这里接入最优信道指从直连信道和中继协作信道中选择具有较大传输速率的信道接入;如果信道竞争失败,即信道空闲或冲突,所有信源在下一时隙重新竞争信道;
对第t次信道接入,设信道接入前共经历了K次成功信道竞争,前K-1次成功信道竞争后获胜信宿d(k),k=1,2,…,K-1在第一级决策中选择放弃信道接入机会或者在第一级决策中选择探测第二跳中继信道、在第二级决策中选择放弃信道接入机会;第K次成功信道竞争的获胜信源记为获胜信宿dl在第一级决策中选择接入直连信道或者在第一级决策中选择探测第二跳中继信道、在第二级决策中选择接入最优信道,下面针对第K次成功信道竞争后获胜信宿的两种决策进行详述:
情况1:获胜信宿dl在第一级决策中选择接入直连信道,然后发送CTS包通知sl利用直连信道在时间τd内进行数据传输,直连传输的最大可达速率定义为
其中,Ps表示获胜信源的传输功率,hll,N(t)表示获胜信源sl到获胜信宿dl之间的信道增益,其服从均值为0、方差为的复高斯分布,表示获胜信源sl通过直连信道传输时获胜信宿的接收信噪比,N表示信道接入方法;获胜信宿dl接收到的数据量定义为
其中,τd表示数据传输时间,设无线信道服从块衰落模型,τd不大于无线信道的相干时间;第t次信道接入花费的总时间定义为
其中,第t次信道接入共经历了K次成功信道竞争,tk表示第k次成功信道竞争的用时,表示第k次成功信道竞争获胜信宿d(k)选择探测的邻居节点构成的集合,为d(k)的邻居节点集合的子集,表示集合中邻居节点的数目,表示指示函数,当括号中内容为真时当括号中内容为假时τCTS表示获胜信宿d(k)发送CTS包通知内邻居节点探测第二跳中继信道CSI花费的时间,τRTS表示邻居节点发送探测RTS包花费的时间,符号表示对括号中的内容从k=1到k=K求和;
情况2:获胜信宿dl在第一级决策中选择探测第二跳中继信道、在第二级决策中选择接入最优信道,然后发送CTS包通知获胜信源和相应邻居节点接入最优信道在时间
其中表示获胜信宿dl探测的邻居节点构成的集合,其为dl的邻居节点集合的非空子集,flj,N(t)表示第t次信道接入获胜信源sl到获胜信宿的邻居节点rj的第一跳中继信道增益,gjl,N(t)表示第t次信道接入邻居节点rj到获胜信宿dl的第二跳中继信道增益,flj,N(t)和gjl,N(t)分别服从均值为0、方差为和的复高斯分布,Pr表示邻居节点的最大传输功率,βjl表示rj和dl之间的社交信任强度,min表示求最小值,max表示求最大值,表示获胜信源sl通过对应信宿dl的邻居节点rj转发时获胜信宿的接收信噪比,表示在集合中选取邻居节点使获胜信宿接收信噪比的值达到最大,记表示当时,获胜信宿接收信噪比达到最大值,将称为最优邻居节点,获胜信源sl通过集合内最优邻居节点进行协作传输时的最大可达速率表示为获胜信宿的接收信噪比表示为获胜信源sl通过最优信道进行数据传输时,获胜信宿dl接收到的数据量定义为
基于以上分析,网络平均吞吐量定义为
2)优化问题等价变换
将优化问题(8)变换为基于代价系数的目标函数问题
3)最优信道接入策略
针对优化问题(10),对第t次信道接入过程,设第一次信道竞争成功的获胜信源为si,获胜信宿di接收到si的RTS包后,基于直连信道做出第一级决策,即从接入直连信道、探测第二跳中继信道和放弃信道接入机会三个选项中选择其一,具体分析如下
如果di选择接入直连信道,网络获得的收益为
如果di选择探测第二跳中继信道,网络获得的收益为
其中表示获胜信宿获得直连信道后,探测邻居节点集合的中继探测阈值函数,符号表示子集、符号表示空集,表示选取获胜信宿邻居节点集合的非空子集使得括号中的值达到最大,根据fij,N(t)、gji,N(t)的统计特性和表达式(4)可计算出其解析表达式
其中获胜信宿获得直连信道SNR条件下,获胜信源si通过对应信宿di的邻居节点集合内最优邻居节点转发数据时di接收信噪比的分布函数表示为di接收信噪比的概率密度函数表示为 表示对括号中内容关于变量γ从积分下限到上限求积分;
如果di选择放弃信道接入机会,网络获得的收益为
-λ*t1 (13)
基于式(11)-(13),最大网络平均吞吐量λ*满足
对任意一次成功信道竞争,获胜信宿获得直连信道后,如果且获胜信宿选择放弃信道接入机会,并发送CTS包通知所有信源在下一时隙重新竞争信道;如果且获胜信宿di选择探测第二跳中继信道,具体地,获胜信宿发送CTS包通知集合内邻居节点探测第二跳中继信道,集合内邻居节点接收到获胜信宿发送的CTS包后,依次向获胜信宿发送RTS包,其中包含获胜信源到其自身的第一跳中继信道SNR,获胜信宿通过接收邻居节点发送的RTS包估计出邻居节点到其自身的第二跳中继信道SNR,获胜信宿基于直连和中继信道SNR利用(4)式计算出若获胜信宿选择接入最优信道,并发送CTS包通知获胜信源和相应邻居节点通过最优信道进行数据传输,其中若获胜信宿选择放弃信道接入机会,并发送CTS包通知所有信源在下一时隙重新竞争信道;如果且获胜信宿选择接入直连信道,并发送CTS包通知获胜信源利用直连信道进行数据传输;定义差函数表示获胜信宿获得直连信道SNR后选择接入直连信道和探测第二跳中继信道获得收益的差值;定义获胜信宿选择接入直连信道的即时收益和探测第二跳中继信道的收益相同时直连信道SNR的值为即当直连信道时,定义获胜信宿选择接入直连信道的即时收益和放弃信道接入机会的收益相同时直连信道SNR的值为即当直连信道时,定义获胜信宿选择探测第二跳中继信道的收益和放弃信道接入机会的收益相同时直连信道SNR的值为即当直连信道时,
由以上综述如下:
i.构建基于社交信任的分布式协同网络,定义网络工作机制和基本参数,确定统计优化模型,并利用公式(14)离线迭代计算网络统计最优吞吐量λ*;
iii.所有信源s1,s2,...,sI分别以概率p1,p2,...,pI发送RTS包竞争信道接入机会,若在一个微小时隙δ内有且仅有一个信源发送RTS包,则信道竞争成功,进入步骤iv,否则,重复步骤iii;
iv.获胜信宿和所有中继节点均接收到获胜信源发送的RTS包,根据接收到的RTS包,获胜信宿di估计出获胜信源si到其自身的直连信道中继节点rj,j=1,2,...,J估计出si到其自身的第一跳中继信道进入步骤v;
viii.获胜信宿di利用步骤iv估计出的直连信道与判决门限进行比较,如果di选择接入直连信道,单次数据传输结束后返回步骤iii;如果di选择放弃信道接入机会,跳转至步骤iii;如果di选择探测第二跳中继信道,进入步骤ix;
ix.获胜信宿di发送CTS包通知集合内邻居节点探测第二跳中继信道CSI,集合内邻居节点接收到di的CTS包后依次向di发送RTS包,其中包含获胜信源到其自身的第一跳中继信道SNR,获胜信宿通过接收邻居节点发送的RTS包估计出邻居节点到其自身的第二跳中继信道SNR,至此di获得完整CSI,根据公式(4)计算出通过最优信道传输的最大可达速率将与λ*进行比较做出第二级决策:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210149591.3A CN114641084B (zh) | 2022-02-18 | 2022-02-18 | 基于社交信任模型的分布式协同最优信道接入方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210149591.3A CN114641084B (zh) | 2022-02-18 | 2022-02-18 | 基于社交信任模型的分布式协同最优信道接入方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114641084A true CN114641084A (zh) | 2022-06-17 |
CN114641084B CN114641084B (zh) | 2024-06-18 |
Family
ID=81945802
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210149591.3A Active CN114641084B (zh) | 2022-02-18 | 2022-02-18 | 基于社交信任模型的分布式协同最优信道接入方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114641084B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116056181A (zh) * | 2023-01-09 | 2023-05-02 | 四川轻化工大学 | 一种基于d2d通信的中继节点选择方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107018548A (zh) * | 2017-05-27 | 2017-08-04 | 河南科技大学 | 基于频谱感知的认知无线网络机会路由协议的实现方法 |
CN107046675A (zh) * | 2017-05-05 | 2017-08-15 | 西安交通大学 | D2d协作通信中基于社交阈值的最优中继选择方法 |
CN109803015A (zh) * | 2019-01-21 | 2019-05-24 | 韩雪松 | 一种基于d2d的去中心化共享存储系统及其控制方法 |
CN110337092A (zh) * | 2019-06-24 | 2019-10-15 | 南京邮电大学 | 一种基于社交信任模型的低功耗中继选择方法 |
CN111511038A (zh) * | 2019-12-30 | 2020-08-07 | 中国人民解放军军事科学院国防科技创新研究院 | 一种无线协同网络分布式信道智能感知与接入方法 |
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 |
CN113115471A (zh) * | 2021-03-26 | 2021-07-13 | 天津(滨海)人工智能军民融合创新中心 | 一种异构无线协同网络分布式信道智能探测与接入方法 |
-
2022
- 2022-02-18 CN CN202210149591.3A patent/CN114641084B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107046675A (zh) * | 2017-05-05 | 2017-08-15 | 西安交通大学 | D2d协作通信中基于社交阈值的最优中继选择方法 |
CN107018548A (zh) * | 2017-05-27 | 2017-08-04 | 河南科技大学 | 基于频谱感知的认知无线网络机会路由协议的实现方法 |
CN109803015A (zh) * | 2019-01-21 | 2019-05-24 | 韩雪松 | 一种基于d2d的去中心化共享存储系统及其控制方法 |
CN110337092A (zh) * | 2019-06-24 | 2019-10-15 | 南京邮电大学 | 一种基于社交信任模型的低功耗中继选择方法 |
CN111511038A (zh) * | 2019-12-30 | 2020-08-07 | 中国人民解放军军事科学院国防科技创新研究院 | 一种无线协同网络分布式信道智能感知与接入方法 |
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 |
CN113115471A (zh) * | 2021-03-26 | 2021-07-13 | 天津(滨海)人工智能军民融合创新中心 | 一种异构无线协同网络分布式信道智能探测与接入方法 |
Non-Patent Citations (3)
Title |
---|
张灿;肖祥铠;王文闯;: "基于D2D通信的动态缓存方案", 通信技术, no. 11, 10 November 2018 (2018-11-10) * |
李晨碧;江帆;王现超;申斌艳;: "D2D通信中基于社交门限的最优中继选择方案", 电讯技术, no. 03, 28 March 2017 (2017-03-28) * |
邓晓衡;关培源;万志文;刘恩陆;罗杰;赵智慧;刘亚军;张洪刚;: "基于综合信任的边缘计算资源协同研究", 计算机研究与发展, no. 03, 15 March 2018 (2018-03-15) * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116056181A (zh) * | 2023-01-09 | 2023-05-02 | 四川轻化工大学 | 一种基于d2d通信的中继节点选择方法 |
CN116056181B (zh) * | 2023-01-09 | 2023-11-03 | 四川轻化工大学 | 一种基于d2d通信的中继节点选择方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114641084B (zh) | 2024-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Price-based spectrum management in cognitive radio networks | |
Hao et al. | Hedonic coalition formation game for cooperative spectrum sensing and channel access in cognitive radio networks | |
Wei et al. | Energy-efficient distributed spectrum sensing for wireless cognitive radio networks | |
CN104579523B (zh) | 认知无线网络频谱感知和接入决策联合的优化方法 | |
CN107018548B (zh) | 基于频谱感知的认知无线网络机会路由协议的实现方法 | |
Wen et al. | Automatic decentralized clustering for wireless sensor networks | |
CN102546059A (zh) | 认知自组织网络中基于无监督聚类的分布式合作频谱感知方法 | |
CN110492955B (zh) | 基于迁移学习策略的频谱预测切换方法 | |
CN105933224A (zh) | 一种提高通信网络可靠性的机会路由方法 | |
CN108811023B (zh) | 一种基于萤火虫算法的swipt协作通信系统中继选择方法 | |
Adjif et al. | Joint channel selection and power control for NOMA: A multi-armed bandit approach | |
CN111511038A (zh) | 一种无线协同网络分布式信道智能感知与接入方法 | |
Zhao et al. | Using incompletely cooperative game theory in wireless mesh networks | |
Xia et al. | Optimization of cooperative spectrum sensing in ad-hoc cognitive radio networks | |
CN114641084A (zh) | 基于社交信任模型的分布式协同最优信道接入方法 | |
Park et al. | Kolkata paise restaurant game for resource allocation in the internet of things | |
Dos Santos et al. | Self-organized common control channel design for cognitive radio ad hoc networks | |
WO2013102294A1 (zh) | 认知自组织网络中基于无监督聚类的分布式合作频谱感知方法 | |
CN116743541B (zh) | 多模通信的混合组网方法及系统、通信设备 | |
Jing et al. | Distributed channel access, relay selection and time assignment for QoE-aware relay networks | |
Zhou et al. | Software-defined multi-mode access management in cellular V2X | |
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 | |
Muzafarov et al. | Development of energy-efficient LEACH protocol for wireless sensor networks | |
CN114340003A (zh) | 一种基于博弈竞价机制的无线网络分簇异构优化系统 | |
Muthukkumar et al. | Energy efficient cooperative spectrum sensing in cognitive radio networks using distributed dynamic load balanced clustering scheme |
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 |