KR101653107B1 - 인지무선네트워크에서 효율적인 채널 사용을 위한 협력센싱 클러스터링 게임 방법 - Google Patents

인지무선네트워크에서 효율적인 채널 사용을 위한 협력센싱 클러스터링 게임 방법 Download PDF

Info

Publication number
KR101653107B1
KR101653107B1 KR1020150072789A KR20150072789A KR101653107B1 KR 101653107 B1 KR101653107 B1 KR 101653107B1 KR 1020150072789 A KR1020150072789 A KR 1020150072789A KR 20150072789 A KR20150072789 A KR 20150072789A KR 101653107 B1 KR101653107 B1 KR 101653107B1
Authority
KR
South Korea
Prior art keywords
sensing
user
secondary users
snr
game
Prior art date
Application number
KR1020150072789A
Other languages
English (en)
Inventor
장성진
김재명
윤희석
배인산
Original Assignee
인하대학교 산학협력단
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 인하대학교 산학협력단 filed Critical 인하대학교 산학협력단
Priority to KR1020150072789A priority Critical patent/KR101653107B1/ko
Application granted granted Critical
Publication of KR101653107B1 publication Critical patent/KR101653107B1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/02—Resource partitioning among network components, e.g. reuse partitioning
    • H04W16/10—Dynamic resource partitioning
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/14—Spectrum sharing arrangements between different networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W28/00—Network traffic management; Network resource management
    • H04W28/02—Traffic management, e.g. flow control or congestion control
    • H04W28/0231—Traffic management, e.g. flow control or congestion control based on communication conditions
    • H04W28/0236—Traffic management, e.g. flow control or congestion control based on communication conditions radio quality, e.g. interference, losses or delay

Landscapes

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

Abstract

협력센싱 클러스터링 게임 방법이 제시된다. 본 발명에서 제안하는 협력센싱 클러스터링 게임 방법은 요구되는 오검출 확률, 검출확률 및 우선사용자의 최소 요구 SNR로부터 스펙트럼 센싱에 필요한 샘플 수를 구하는 단계, 상기 우선사용자의 최소 요구 SNR 및 2차 사용자들의 전송반경을 고려하여 상기 2차 사용자들의 센싱 집합을 구성하는 단계, 상기 구성된 2차 사용자들의 센싱 집합의 크기에 따른 요구되는 전송반경을 최소화시킴으로써 상기 스펙트럼 센싱에 요구되는 상기 우선사용자의 최소 요구 SNR을 완화시키는 단계를 포함할 수 있다.

Description

인지무선네트워크에서 효율적인 채널 사용을 위한 협력센싱 클러스터링 게임 방법{Method for COOPERATIVE SENSING CLUSTERING GAME TO EXPLOIT EFFICIENT CHANNEL IN COGNITIVE RADIO NETWORK}
본 발명은 인지무선 네트워크에서 효율적인 채널 사용을 위한 협력센싱 클러스터링 게임 방법에 관한 것이다.
이동통신의 발달에 따라 무선 스펙트럼에 대한 요구가 폭발적으로 증대되면서 인지무선기술(CR: Cognitive Radio)은 사용할 수 있는 대역폭을 가능한 효율적으로 사용하기 위해 고려되는 대표적인 기술이다. 미연방통신위원회(FCC)는 보고서에서 시간적으로나 지역적으로 상당량의 스펙트럼이 비어있다고 기술하였다. CR기기는 우선사용자(PU: Primary User)가 동작하지 않는 동안에 스펙트럼 센싱을 수행하여 접근하는 방법으로 주변환경을 탐색하는 기기이다. 이러한 CR시스템을 현실화하는 데에는 우선사용자에게 간섭을 미치지 않기 위해, PU의 사용을 검출하는 스펙트럼 센싱, 스펙트럼사용의 통계분석 및 시간적으로 변하는 주변환경에 대해 접근하는 방법 등에 대해 많은 연구가 필요하다.
인지무선네트워크(CRN)에서 SU는 스펙트럼 센싱, 대역에 대한 접근 및 전력사용과 같은 성능을 최적화하기 위해 지능적인 능력이 요구된다. 과거의 최적화 연구에서는 사용자간 상호관계에 대한 연구가 크게 고려되지 않았다. 하지만 최근의 게임 이론은 CRN에서 효율적이고, 자가구성하며, 분산적으로 상호작용을 하는 시스템에서 많이 고려되는 접근방법이다. CRN과 관련하여 많은 게임이론 연구가 수행되었는데, 전력최적화 기법으로써 Miao는 채널상태 및 회로전력을 에너지, 스펙트럼의 트레이드오프에 대해 고려하여 전송전력을 적응적으로 할당하여 에너지 효율성을 최대화하였다. Nadkar는 FDMA를 사용하는 다중사용자 다중채널 CRN에서 오버레이 스펙트럼 공유모델에 대한 전력제어게임을 고려하였다. Jayaweera는 전력제어게임에서 동적인 스펙트럼 임차방법을 제안하였다. Saad는 분산적인 스펙트럼 센싱과 관련해서 연립(Coalition)게임을 제안하여, 에드혹 네트워크 및 셀룰러 네트워크에서 SU들간에 PU의 정보를 교환하는 것을 제안하였고, 또한 SU와 연립집합대표(Coalition Header)간에 미검출 및 오검출 확률의 정보교환 오류를 고려한 엽립게임을 제안하였다.
그러나 SU의 센싱과 전송량을 동시에 고려하는 연구는 많지 않다. SU의 시간프레임은 센싱시간과 전송시간으로 구성되기 때문에 PU에 대한 비간섭 조건과 SU의 성능에 대한 트레이드오프에 직접적으로 연관된다. 스펙트럼 센싱시간은 센싱을 위해 필요한 최소요구 PU SNR, 오검출 및 미검출 확률로부터 계산된다. Lee는 채널에 대한 통계학적 정보를 사용하여 최적의 스펙트럼 센싱시간을 제안하였고, Liang은 센싱시간 및 전송량에 대한 트레이드오프를 고려하여 효율적인 전송이 가능하도록 하였다. 이러한 연구들은 센싱시간 및 전송량에 대한 최적의 트레이드오프를 달성하였지만, 각 사용자들의 관계나 상대적인 위치는 고려하지 않았다.
본 발명이 이루고자 하는 기술적 과제는 2차 사용자들을 모아 센싱집합으로 구성하고 요구되는 전송영역을 최소화시킴으로써 스펙트럼 센싱에 요구되는 우선사용자의 SNR을 완화시키기 위한 방법을 제공하는데 있다. 또한, 스펙트럼 센싱에 필요한 최소 샘플 수를 줄임으로써 인지무선 네트워크의 전송량을 향상시키고자 한다.
일 측면에 있어서, 본 발명에서 제안하는 협력센싱 클러스터링 게임 방법은 요구되는 오검출 확률, 검출확률 및 우선사용자의 최소 요구 SNR로부터 스펙트럼 센싱에 필요한 샘플 수를 구하는 단계, 상기 우선사용자의 최소 요구 SNR 및 2차 사용자들의 전송반경을 고려하여 상기 2차 사용자들의 센싱 집합을 구성하는 단계, 상기 구성된 2차 사용자들의 센싱 집합의 크기에 따른 요구되는 전송반경을 최소화시킴으로써 상기 스펙트럼 센싱에 요구되는 상기 우선사용자의 최소 요구 SNR을 완화시키는 단계를 포함할 수 있다.
상기 요구되는 오검출 확률, 검출확률 및 우선사용자의 최소 요구 SNR로부터 스펙트럼 센싱에 필요한 샘플 수를 구하는 단계는 상기 요구되는 오검출 확률, 검출확률 및 우선사용자의 최소 요구 SNR을 구하고, 상기 우선사용자가 송신한 신호, 우선사용자의 송신기로부터 상기 2차 사용자들의 수신기로 들어오는 채널이득 및 AWGN을 이용하여 상기 샘플 수를 구할 수 있다.
상기 우선사용자의 최소 요구 SNR 및 2차 사용자들의 전송반경을 고려하여 상기 2차 사용자들의 센싱 집합을 구성하는 단계는 상기 2차 사용자들로 이루어진 전체 인지무선네트워크의 성능에 따라 요구되는 연립집합대표의 개수를 정의하고, 상기 2차 사용자들의 전송반경을 줄이기 위해 연립집합대표들을 선정하는 단계를 포함할 수 있다.
상기 연립집합대표들을 선정한 후, 각각의 연립집합대표들은 주변의 2차 사용자들을 모아 연립집합을 구성하고, 상기 연립집합을 구성하기 위해 이득과 손실에 대한 트레이드오프를 고려하여 유틸리티함수를 구성할 수 있다.
상기 구성된 2차 사용자들의 센싱 집합의 크기에 따른 요구되는 전송반경을 최소화시킴으로써 상기 스펙트럼 센싱에 요구되는 상기 우선사용자의 최소 요구 SNR을 완화시키는 단계는 연립게임 알고리즘을 이용하여 유틸리티함수가 증가할 경우, 해당 2차 사용자를 연립집합에 포함시키고, 상기 유틸리티함수가 증가하지 않을 경우, 해당 2차 사용자를 연립집합에서 제거할 수 있다.
본 발명의 실시예들에 따르면 2차 사용자들을 모아 센싱집합으로 구성하고 요구되는 전송영역을 최소화시킴으로써 스펙트럼 센싱에 요구되는 우선사용자의 SNR을 완화시킬 수 있다. 따라서 스펙트럼 센싱에 필요한 최소 샘플 수를 줄임으로써 인지무선 네트워크의 전송량을 향상시킬 수 있다.
도 1은 본 발명의 일 실시예에 따른 인지무선네트워크에서 효율적인 채널 사용을 위한 협력센싱 클러스터링 게임 방법을 설명하기 위한 흐름도이다.
도 2는 본 발명의 일 실시예에 따른 CRN의 프레임구조 및 센싱영역과 전송영역을 설명하기 위한 도면이다.
도 3은 본 발명의 일 실시예에 따른 샘플링 주파수 1MHz에서 PU 요구 SNR에 따른 센싱시간 변화를 나타내는 도면이다.
도 4는 본 발명의 일 실시예에 따른 네트워크의 유틸리티함수를 나타내는 도면이다.
도 5는 본 발명의 일 실시예에 따른 연립게임 대 비연립게임의 평균센싱시간을 나타내는 도면이다.
도 6은 본 발명의 일 실시예에 따른 유틸리티, 연립집합크기, 센싱시간을 나타내는 도면이다.
도 7은 본 발명의 일 실시예에 따른 유틸리티, 연립집합크기, 센싱시간을 나타내는 도면이다.
인지무선 네트워크에서 스펙트럼 센싱은 우선사용자에게 간섭을 주지 않기 위해 기본적으로 수행해야 하는 단계이다. 스펙트럼 센싱에 요구되는 샘플 수는 2차 사용자의 성능에 직접적으로 영향을 주기 때문에, 2차 사용자의 성능과 우선사용자에 대한 간섭은 트레이드오프 관계에 있다. 스펙트럼 센싱에 필요한 샘플 수는 요구되는 오검출 확률, 검출확률 및 우선사용자의 최소 요구 SNR로 부터 얻어진다. 우선사용자 센싱에 요구되는 SNR은 2차 사용자의 전송반경과 관련 있기 때문에, 2차 사용자들을 모아 센싱 집합으로 구성하고 요구되는 전송영역을 최소화시킴으로써 스펙트럼 센싱에 요구되는 우선사용자의 SNR을 완화시킬 수 있다. 따라서 스펙트럼 센싱에 필요한 최소 샘플 수를 줄임으로써 인지무선 네트워크의 전송량을 향상시킬 수 있다. 본 발명에서는 이를 위해 센싱 집합인 클러스터링을 통해 게임이론으로 클러스터의 크기에 따라 얻는 이득과 손실을 트레이드오프로 디자인하고, 시뮬레이션을 통해 제안된 방법의 성능을 확인한다.
그리고, 본 발명에서는 화재경보 및 수위체크 등을 위한 주변환경 정보를 송신하는 애드혹 네트워크를 위한 SBS(Secondary Base Station)과 SU들로 구성된 CRN으로 가정하였다. SU의 송신반경은 PU로부터 수신된 신호를 얼마나 센싱할 수 있느냐와 관련 있기 때문에, 연립집합대표를 통해 송신하고자 하는 정보 및 센싱정보를 수집하도록 하면 SU의 전송반경 및 센싱시간을 줄일 수 있다. 이를 위해 연립집합대표를 선택하는 방법과 선택된 대표가 연립집합 크기에 따른 트레이드오프를 고려하여 연립을 구성하는 방법에 대해 제안한다. 이하, 본 발명의 실시 예를 첨부된 도면을 참조하여 상세하게 설명한다.
도 1은 본 발명의 일 실시예에 따른 인지무선네트워크에서 효율적인 채널 사용을 위한 협력센싱 클러스터링 게임 방법을 설명하기 위한 흐름도이다.
인지무선네트워크에서 효율적인 채널 사용을 위한 협력센싱 클러스터링 게임 방법은 요구되는 오검출 확률, 검출확률 및 우선사용자의 최소 요구 SNR로부터 스펙트럼 센싱에 필요한 샘플 수를 구하는 단계(110), 상기 우선사용자의 최소 요구 SNR 및 2차 사용자들의 전송반경을 고려하여 상기 2차 사용자들의 센싱 집합을 구성하는 단계(120), 상기 구성된 2차 사용자들의 센싱 집합의 크기에 따른 요구되는 전송반경을 최소화시킴으로써 상기 스펙트럼 센싱에 요구되는 상기 우선사용자의 최소 요구 SNR을 완화시키는 단계(130)를 포함한다.
단계(110)에서, 요구되는 오검출 확률, 검출확률 및 우선사용자의 최소 요구 SNR로부터 스펙트럼 센싱에 필요한 샘플 수를 구할 수 있다. 이때, 상기 요구되는 오검출 확률, 검출확률 및 우선사용자의 최소 요구 SNR을 먼저 구할 수 있다. 그리고, 상기 우선사용자가 송신한 신호, 우선사용자의 송신기로부터 상기 2차 사용자들의 수신기로 들어오는 채널이득 및 AWGN을 이용하여 상기 샘플 수를 구할 수 있다.
단계(120)에서, 상기 우선사용자의 최소 요구 SNR 및 2차 사용자들의 전송반경을 고려하여 상기 2차 사용자들의 센싱 집합을 구성할 수 있다. 단계(120)는 2차 사용자들로 이루어진 전체 인지무선네트워크의 성능에 따라 요구되는 연립집합대표의 개수를 정의하고, 상기 2차 사용자들의 전송반경을 줄이기 위해 연립집합대표들을 선정하는 단계를 포함할 수 있다. 그리고, 연립집합대표들을 선정한 후, 각각의 연립집합대표들은 주변의 2차 사용자들을 모아 연립집합을 구성하고, 상기 연립집합을 구성하기 위해 이득과 손실에 대한 트레이드오프를 고려하여 유틸리티함수를 구성할 수 있다.
단계(130)에서, 상기 구성된 2차 사용자들의 센싱 집합의 크기에 따른 요구되는 전송반경을 최소화시킴으로써 상기 스펙트럼 센싱에 요구되는 상기 우선사용자의 최소 요구 SNR을 완화시킬 수 있다. 이때, 연립게임 알고리즘을 이용하여 유틸리티함수가 증가할 경우, 해당 2차 사용자를 연립집합에 포함시킬 수 있다. 반면에 상기 유틸리티함수가 증가하지 않을 경우, 해당 2차 사용자를 연립집합에서 제거할 수 있다. 이하에서, 도 2 내지 도 7을 참조하여 더욱 상세히 설명한다.
도 2는 본 발명의 일 실시예에 따른 CRN의 프레임구조 및 센싱영역과 전송영역을 설명하기 위한 도면이다.
먼저, 에너지 검출 방법에 대하여 설명한다. 2차 사용자, 다시 말해 SU(Second User)는 수신된 신호 r(t)에 대해 두 가지 가정을 사용하여 우선사용자, 다시 말해 PU(Primary User)가 채널을 점유하고 있는지의 여부를 결정한다.
Figure 112015050011557-pat00001
수학식(1)
여기서 s(t) 는 PU가 송신한 신호, h는 PU 송신기로부터 SU 수신기로 들어오는 채널이득, 그리고 n(t)는 AWGN(Additive White Gaussian Noise)를 나타낸다.
스펙트럼 센싱을 에너지검출로 고려하면, 센싱을 위한 테스트 샘플은 수학식(2)와 같다.
Figure 112015050011557-pat00002
수학식(2)
여기서 N은 샘플의 개수이고, 센싱 시간 및 샘플링 주파수와 연관되어 있다(N = τsfs).
검출확률 Pd와 오검출확률 Pf는 PU를 검출하는 성능변수로 이 중 Pf는 수학식(3)과 같다.
Figure 112015050011557-pat00003
수학식(3)
여기서
Figure 112015050011557-pat00004
는 잡음변수, λ는 검출문턱 값, 그리고
Figure 112015050011557-pat00005
는 Q함수를 나타낸다.
따라서 센싱시간 τs는 수학식(4)와 같다.
Figure 112015050011557-pat00006
수학식(4)
여기서
Figure 112015050011557-pat00007
는 요구 오검출확률,
Figure 112015050011557-pat00008
는 요구 검출확률(
Figure 112015050011557-pat00009
> 0.9,
Figure 112015050011557-pat00010
< 0.1?in IEEE 802.22 WRAN)을 나타내고, γ는 센싱을 수행할 때 PU로부터 수신받은 SNR을 나타낸다.
다음으로, 센싱 및 전송량의 트레이드오프에 대하여 설명한다.
CRN의 프레임 구조는 도 2와 같이 센싱슬롯과 데이터 전송슬롯으로 구성된다. 따라서 PU가 on/ff일 경우 SU의 평균전송성능은 수학식(5) 및 수학식(6)으로 계산될 수 있다.
Figure 112015050011557-pat00011
수학식(5)
Figure 112015050011557-pat00012
수학식(6)
여기서 C0는 PU가 없을 때의 커패시티, C1는 PU가 존재할 때의 커패시티를 나타내고, SU의 총 평균전송성능은 수학식(7)과 같다.
Figure 112015050011557-pat00013
수학식(7)
그러나 수학식(7)은 요구검출확률
Figure 112015050011557-pat00014
가 거의 1에 가깝기 때문에 낮은 값을 갖게 된다. 따라서 수학식(7)은 수학식(8)에 근사하게 된다.
Figure 112015050011557-pat00015
수학식(8)
따라서, PU에 대한 간섭을 줄이면서도 SU의 전송성능을 보장하기 위한 최적화 방법이 필요하다. 센싱시간과 관련한 변수로는 수학식(4)에서 확인할 수 있듯이 세 가지가 있으나 CRN에서의 요구조건에 의해 오검출확률과 검출확률은 제어 가능한 변수가 아니다. Hove는 스펙트럼 센싱을 위한 최소요구 PU SNR을 SU의 전송 가능한 전력과 연관 지었다. SNR에 따른 센싱시간의 변화율은 수학식(9)와 같다.
Figure 112015050011557-pat00016
수학식(9)
도 3은 본 발명의 일 실시예에 따른 샘플링 주파수 1MHz에서 PU 요구 SNR에 따른 센싱시간 변화를 나타내는 도면이다.
위에서 설명한 바와 같이, 최소요구 PU SNR을 줄이기 위해 SU의 전송전력을 줄이게 되면 센싱시간을 줄이게 되어 SU의 전송성능을 증가시킬 수 있다. 도 3은 PU의 요구 SNR을 완화시킴에 따른 센싱시간을 나타낸다.
다음으로, 연립게임을 통한 연립집합의 형성과정을 설명한다. 먼저, 연립집합형성을 위한 연립대표 선택방법을 설명한다. 앞에서 설명되었듯이, SU의 전송반경을 줄이기 위해 연립집합대표를 선정해야 하고 이를 통해 센싱을 위해 요구되는 PU의 SNR을 완화시켜 센싱시간을 줄여야 한다. 우선, SU들로 이뤄진 전체 CNR의 성능에 따라 요구되는 연립집합대표들의 개수를 정의한다. 여기서 BS는 하나가 존재하고 센서로서 동작하는 SU들은 해당지역에서 데이터를 수집하는 것으로 가정하였다. 또한 이들 센서들은 2차원 영역에서 균일분포로 랜덤 하게 존재하는 것을 가정하였다. 그러면 이러한 네트워크에서 각각의 SU가 갖는 유틸리티 함수는 수학식(10)으로 정의할 수 있다.
Figure 112015050011557-pat00017
수학식(10)
여기서, NCS는 평균적인 연립집합의 크기이고, 연립집합크기가 증가할수록 연립집합의 개수가 감소하기 때문에 대략적으로 NCS=Nnode/NCN로 정의하였다. 간단한 시스템을 위해 OR-rule 기반의 협력센싱을 가정하였으며, TDMA기반의 전송제어를 가정하였다. 센싱시간은 요구되는 센싱SNR에 따른 함수이고, SU는 다른 SU들이 센싱하는 시간에 전송할 수 없기 때문에, 연립집합에서 SU들의 센싱시간 중 최대값을 갖게 한다. 수학식(10)에서
Figure 112015050011557-pat00018
는 SU의 요구전송 SNR로써 전송전력소비에 해당하기 때문에 유틸리티함수의 분모에 위치하고, 식을 간단하게 만들기 위해 커패시티는 고려하지 않았다. 주어진 네트워크에서 연립집합대표의 수 NCS을 정의한 후에 이 정보는 네트워크에 존재하는 모든 SU들에게 전파되고 각각의 SU는 그 자신이 연립집합대표가 될지 여부를 결정한다. 연립집합대표가 될 확률은 수학식(11)과 같이 정의하였다.
Figure 112015050011557-pat00019
수학식(11)
여기서 Pcoalition은 NCN/Nnode이고, Eresidual은 해당 기기에서 현재 남아있는 전력예상 값, Emax는 최대전력 값을 나타낸다. 따라서 연립집합대표의 여부는 해당기기의 전력효율에 따라 달라진다.
다음으로, 연립 게임 알고리즘에 대하여 설명한다. 앞서 서술한 바와 같이, 연립집합대표를 선정한 뒤 각각의 연립집합대표는 주변의 SU들을 모아 연립집합을 구성하게 된다. 이를 위해 연립집합을 구성하는데 따른 이득과 손실에 대한 트레이드오프를 고려하여 유틸리티함수를 구성해야 한다. 이러한 유틸리티 함수를 수학식(12)으로 정의하였다.
Figure 112015050011557-pat00020
수학식(12)
여기서 S는 연립집합, i는 각각의 연립집합대표의 번호, j는 하나의 연립집합 내에서 SU의 번호, 그리고 Cj는 연립집합대표와 각 SU의 커패시티를 나타낸다(
Figure 112015050011557-pat00021
). 수학식(10)과 유사하게 오검출확률, 센싱시간, 그리고 SU간에 전송을 위한 요구 SNR이 고려되었고 추가적으로 커패시티를 고려하였다. 연립집합의 개수가 증가할수록 커패시티 또한 증가하지만, 각 센싱시간 내에서 PU와 SU를 구별할 수 없어 연립집합 내의 센싱구간은 동일해야 하기 때문에 이에 따라 센싱시간 또한 증가한다. 따라서 집합 내 SU의 증가에 따라 전송기회가 감소하게 된다. 추가적으로 특정 SU가 연립집합에 포함되지 않거나 한 연립집합 내에 두 개의 연립집합대표가 선택되는 경우를 수학식(13)과 같이 고려할 필요가 있다.
Figure 112015050011557-pat00022
수학식(13)
다시 말해, i번째 연립집합에서 대표의 수(
Figure 112015050011557-pat00023
)가 두 개 이상이거나 0인 경우 연립집합대표는 유틸리티 값을 최대로 만드는 대표로 선택한다.
종래 기술에서와 같이 연립게임이론의 몇 가지 정의는 다음과 같다.
정의 1: 협력 알고리즘은 (N, V) 순서쌍으로 정의되어있다. N은 player의 집합이고, V는 S ⊆N 인 S들의 모든 연립집합이다. V(S)는 각각의 player가 Si S에서 얻을 수 있는 이득이다.
정의 2: 각각의 N개의 player가 참여하는 Si는 Π = {S1, ..., SM} 로 정의되며 각각의 연립집합은 공통원소를 갖지 않는다.
정의 3: N 집합의 player i ∈N 에 대해, 선호 관계나 순서가 존재한다. player i ∈N 가 주어진 두 연립집합 Si⊆N, S2⊆N, i∈S1, i∈S2, S1>iS2이다. 그리고 S2⊆N player i ∈S 이면 플레이어 I는 연립집합 S1을 더 선호한다.
정의 4: 교환법칙 (Switch rule)
주어진 Π = {S1, ...,?SM} 에 대해 S1는 현재의 연립집합을 떠나거나 다른 연립집합에 참여할 수 있다. 즉, Si는 다른 연립집합의 멤버가 되어 이득을 증가시킬 수 있다면 다른 연립집합에 참여할 수 있다.
정의 5: 내시 균형 (Nash-stable)
만약 내시 균형 상태라면 현재의 연립집합에서 다른 연립집합으로 이동하지 않는다.
따라서, 어떤 연립집합대표나 SU도 현재 소속된 연립집합을 벗어남으로써 이득을 얻을 수 없을 때의 연립집합 구성 Π의 상태는 네쉬균형이다. 이에 따른 연립집합구성 알고리즘은 표 1과 같다.
<표 1>
Figure 112015050011557-pat00024

도 4는 본 발명의 일 실시예에 따른 네트워크의 유틸리티함수를 나타내는 도면이다.
시뮬레이션에서 사용된 변수들은 다음과 같다. 검출확률과 오검출확률은 각각 0.9와 0.1로 가정하였고, 프레임길이는 T = 100ms, 샘플링주파수는 fs = 1MHz, 최대전송전력은 P = 10mW, 경로손실지수는 μ =?3, 잡음 분산값은 σ2 = -90dBm으로 가정하였다. 그리고, BS의 반경은 300m이고, 이 반경 내에 SU들이 존재하는 것으로 가정하였고, BS는 해당 네트워크에 SU들의 개수를 알고 있고 이를 통해 필요한 연립집합대표의 계수를 계산한다. 도 4는 수학식(10)를 사용하여 연립집합대표의 수에 따른 BS의 네트워크 유틸리티 함수를 보여준다. 연립집합개수가 증가할수록 유틸리티함수도 증가하다가 특정값 이상에서 다시 감소하는 것을 확인할 수 있다. 따라서 이를 통해 유틸리티함수가 최대가 되는 연립집합대표의 수를 구할 수 있다.
도 5는 본 발명의 일 실시예에 따른 연립게임 대 비연립 게임의 평균 센싱시간을 나타내는 도면이다.
도 5는 연립게임을 사용한 경우와 사용하지 않은 경우, BS의 최대반경은 300m, SU의 수는 50개, 샘플링주파수는 1MHz로 가정하였을 때의 평균 센싱시간을 보여준다. 비연립 게임의 경우 평균 센싱시간은 일정 값을 가지지만, 연립게임의 경우 게임의 반복회수가 증가함에 따라 연립집합크기가 증가하면서 센싱시간이 감소하는 것을 확인할 수 있다.
도 6은 본 발명의 일 실시예에 따른 유틸리티, 연립집합크기, 센싱시간을 나타내는 도면이다.
도 6은 샘플링주파수를 각각 6MHz와 1MHz로 하였을 때, 게임의 반복횟수에 따른 유틸리티함수, 연립집합크기, 센싱시간의 추이를 나타낸다. 샘플링주파수가 높을 때 요구되는 센싱시간이 짧고, 따라서 더 높은 유틸리티 값과 더 큰 연립집합크기를 갖게 된다.
도 7은 본 발명의 일 실시예에 따른 유틸리티, 연립집합크기, 센싱시간을 나타내는 도면이다.
도 7은 각각 노드 수가 50개, 100의 경우에 대한, 게임의 반복횟수에 따른 유틸리티함수, 연립집합크기, 센싱시간의 추이를 나타낸다. 노드 수가 많을수록 요구되는 센싱시간이 더 짧아지고, 연립집합크기는 증가하는 것을 확인하였다. 그러나 연립집합크기가 클수록 연립집합 내의 각 SU의 시간자원이 나눠지게 되어 유틸리티함수 값은 더 작게 된다.
본 발명은 CRN 환경에서 SU들의 협력센싱을 위한 연립집합게임을 제안하였다. 센싱시간은 요구 검출확률, 오검출확률 및 수신PU SNR로 계산된다. SU가 넓은 영역에 대해 전송하고자 하면 PU을 센싱하기 위한 요구 수신 SNR은 상당히 낮아지게 되어 센싱시간이 늘어나게 된다. 따라서 본 발명에서는 연립집합대표를 선정하고, 각 연립집합 대표가 주변 SU들을 모아 각각의 연립집합을 구성하도록 하였고 이를 통해 센싱시간을 줄여 전송량을 확보할 수 있도록 하였다. 시뮬레이션 결과를 통해 샘플링주파수, SU기기의 수, BS의 최대반경, 프레임에 따른 유틸리티, 연립집합크기, 요구되는 센싱시간을 보임으로써 제안된 알고리즘의 성능이 게임의 반복횟수에 따라 향상되는 것을 확인하였다.
이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPA(field programmable array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims (5)

  1. 협력센싱 클러스터링 게임 방법에 있어서,
    요구되는 오검출 확률, 검출확률 및 우선사용자의 최소 요구 SNR로부터 스펙트럼 센싱에 필요한 샘플 수를 구하는 단계;
    상기 우선사용자의 최소 요구 SNR 및 2차 사용자들의 전송반경을 고려하여 상기 2차 사용자들의 센싱 집합을 구성하는 단계; 및
    상기 구성된 2차 사용자들의 센싱 집합의 크기에 따른 요구되는 전송반경을 최소화시킴으로써 상기 스펙트럼 센싱에 요구되는 상기 우선사용자의 최소 요구 SNR을 완화시키는 단계
    를 포함하는 협력센싱 클러스터링 게임 방법.
  2. 제1항에 있어서,
    상기 요구되는 오검출 확률, 검출확률 및 우선사용자의 최소 요구 SNR로부터 스펙트럼 센싱에 필요한 샘플 수를 구하는 단계는,
    상기 요구되는 오검출 확률, 검출확률 및 우선사용자의 최소 요구 SNR을 구하고, 상기 우선사용자가 송신한 신호, 우선사용자의 송신기로부터 상기 2차 사용자들의 수신기로 들어오는 채널이득 및 AWGN을 이용하여 상기 샘플 수를 구하는 것
    을 특징으로 하는 협력센싱 클러스터링 게임 방법.
  3. 제1항에 있어서,
    상기 우선사용자의 최소 요구 SNR 및 2차 사용자들의 전송반경을 고려하여 상기 2차 사용자들의 센싱 집합을 구성하는 단계는,
    상기 2차 사용자들로 이루어진 전체 인지무선네트워크의 성능에 따라 요구되는 연립집합대표의 개수를 정의하고, 상기 2차 사용자들의 전송반경을 줄이기 위해 연립집합대표들을 선정하는 단계
    를 포함하는 협력센싱 클러스터링 게임 방법.
  4. 제3항에 있어서,
    상기 연립집합대표들을 선정한 후, 각각의 연립집합대표들은 주변의 2차 사용자들을 모아 연립집합을 구성하고, 상기 연립집합을 구성하기 위해 이득과 손실에 대한 트레이드오프를 고려하여 유틸리티함수를 구성하는 것
    을 특징으로 하는 협력센싱 클러스터링 게임 방법.
  5. 제1항에 있어서,
    상기 구성된 2차 사용자들의 센싱 집합의 크기에 따른 요구되는 전송반경을 최소화시킴으로써 상기 스펙트럼 센싱에 요구되는 상기 우선사용자의 최소 요구 SNR을 완화시키는 단계는,
    연립게임 알고리즘을 이용하여 유틸리티함수가 증가할 경우, 해당 2차 사용자를 연립집합에 포함시키고,
    상기 유틸리티함수가 증가하지 않을 경우, 해당 2차 사용자를 연립집합에서 제거하는 것
    을 특징으로 하는 협력센싱 클러스터링 게임 방법.
KR1020150072789A 2015-05-26 2015-05-26 인지무선네트워크에서 효율적인 채널 사용을 위한 협력센싱 클러스터링 게임 방법 KR101653107B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020150072789A KR101653107B1 (ko) 2015-05-26 2015-05-26 인지무선네트워크에서 효율적인 채널 사용을 위한 협력센싱 클러스터링 게임 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020150072789A KR101653107B1 (ko) 2015-05-26 2015-05-26 인지무선네트워크에서 효율적인 채널 사용을 위한 협력센싱 클러스터링 게임 방법

Publications (1)

Publication Number Publication Date
KR101653107B1 true KR101653107B1 (ko) 2016-09-01

Family

ID=56942721

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020150072789A KR101653107B1 (ko) 2015-05-26 2015-05-26 인지무선네트워크에서 효율적인 채널 사용을 위한 협력센싱 클러스터링 게임 방법

Country Status (1)

Country Link
KR (1) KR101653107B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108235327A (zh) * 2017-12-28 2018-06-29 桂林电子科技大学 基于非合作博弈论的认知无线网络频谱资源优化分配方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110060455A (ko) * 2009-11-30 2011-06-08 서울대학교산학협력단 무선 인지 시스템에서 협력 스펙트럼 센싱 방법 및 장치
KR20110069535A (ko) * 2009-12-17 2011-06-23 주식회사 케이티 클러스터 기반의 협력 센싱을 위한 무선 인지 통신 장치 및 그 방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110060455A (ko) * 2009-11-30 2011-06-08 서울대학교산학협력단 무선 인지 시스템에서 협력 스펙트럼 센싱 방법 및 장치
KR20110069535A (ko) * 2009-12-17 2011-06-23 주식회사 케이티 클러스터 기반의 협력 센싱을 위한 무선 인지 통신 장치 및 그 방법

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108235327A (zh) * 2017-12-28 2018-06-29 桂林电子科技大学 基于非合作博弈论的认知无线网络频谱资源优化分配方法
CN108235327B (zh) * 2017-12-28 2021-06-29 桂林电子科技大学 基于非合作博弈论的认知无线网络频谱资源优化分配方法

Similar Documents

Publication Publication Date Title
Liu et al. NOMA-based resource allocation for cluster-based cognitive industrial internet of things
Gavrilovska et al. Medium access control protocols in cognitive radio networks: Overview and general classification
Sun et al. D2D enhanced heterogeneous cellular networks with dynamic TDD
Senthuran et al. Throughput analysis of opportunistic access strategies in hybrid underlay—Overlay cognitive radio networks
Yang et al. A machine learning enabled MAC framework for heterogeneous Internet-of-Things networks
Ebrahimzadeh et al. Sensor selection and optimal energy detection threshold for efficient cooperative spectrum sensing
El-Mougy et al. Reconfigurable wireless networks
Hu et al. Energy-efficient design of channel sensing in cognitive radio networks
Lu et al. A cross-layer resource allocation scheme for ICIC in LTE-Advanced
CN111786712B (zh) 一种基于cr的uav通信网络次级链路吞吐量优化方法
Shokri-Ghadikolaei et al. Distributed multiuser sequential channel sensing schemes in multichannel cognitive radio networks
Ozyurt et al. LiFi-based D2D communication in industrial IoT
Ranjan et al. Interference mitigation and capacity enhancement of cognitive radio networks using modified greedy algorithm/channel assignment and power allocation techniques
Salem et al. Opportunistic spectrum access in cognitive radio ad hoc networks
Sun et al. Cross-layer QoS optimization of wireless sensor network for smart grid
Abolarinwa et al. Energy-efficient, learning-inspired channel decision and access technique for cognitive radio-based wireless sensor networks
Budaraju et al. A novel energy detection scheme based on channel state estimation for cooperative spectrum sensing
KR101653107B1 (ko) 인지무선네트워크에서 효율적인 채널 사용을 위한 협력센싱 클러스터링 게임 방법
Majumdar et al. Packet-size optimization for multiple-input multiple-output cognitive radio sensor networks-aided internet of things
Haldorai et al. Energy Efficient Network Selection for Cognitive Spectrum Handovers
Popescu Cognitive radio networks: Elements and architectures
Jiang et al. On searching available channels with asynchronous MAC-layer spectrum sensing
Rodríguez et al. On the SIR meta distribution in massive MTC networks with scheduling and data aggregation
Armi et al. Cooperative spectrum sensing in decentralized cognitive radio system
JP2022029618A (ja) 制御装置、通信システム、及び、制御方法

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant