CN103716840B - 一种认知无线电网络中的接纳控制方法 - Google Patents

Abstract

本发明公开了一种认知无线电网络中的接纳控制方法，其特征在于，包括如下步骤：（1）获取马尔科夫模型的***参数，根据马尔科夫模型求出带有接纳控制概率的稳态概率；（2）由带有接纳控制概率的稳态概率，在满足非线性规划问题的前提下，使吞吐率最大；（3）根据最佳信道感知长度，随机选择感知信道集，确定感知到的信道个数；（4）SUs将感知到的信道个数发给基站，基站根据当前的状态和最佳接纳控制概率，决定SUs是否接入信道；（5）如果新到的PUs挤占SUs占用的信道，则返回（3），如果新到的PUs占用空闲信道，则过程结束。该方法能在SUs的掉线率和PUs的碰撞率小于预先给定的门限值的情况下，使认知无线电网络的吞吐率达到最大值。

Description

一种认知无线电网络中的接纳控制方法

技术领域

本发明属于认知无线电网络技术领域，更具体地，涉及一种认知无线电网络中的接纳控制方法。

背景技术

随着各种新型手机设备的迅速出现和宽带无线多媒体设备的快速发展，频谱资源变得越来越少。至今为止，大多数可用于陆地移动通信的频谱带宽已经分配给了静态频谱。而令人惊奇的是，研究发现很多授权频谱的利用率非常低。为了提高频谱利用率，认知无线电作为一个非常有前途的技术被提出来。认知无线电允许二级用户通过一种伺机的方式感知并利用授权频谱中的白洞。

然而，认知无线电网络中严格的质量保证是一个很大的挑战，尤其是在现在的不完美信道感知的条件下。一方面，由于一级用户（PUs）对于授权频谱有绝对的优先权，那么对于二级用户（SUs）来说，可用的频谱资源是动态变化的。当PUs到达时，具有低优先级的SUs有可能要中断服务。那些中断的SUs不得不立马进行切换。如果SUs切换不成功，SUs就会掉线，而一个活动的用户突然掉线是服务质量中最不能容忍的情况之一。因此，SUs的掉线率必须控制在一个预先给定的门限值内。

另一方面，SUs的活动不能降低PUs的服务质量。虽然SUs能够感知和利用可用的信道资源，但是由于噪声和衰减，SUs不能进行精确的信道感知。一种不精确感知叫做虚警，意思是当信道空闲时，SUs把它感知为忙，这就会导致忽视可用信道而降低信道利用率。另一种不精确感知叫做错检，意思是当信道忙时，SUs把它感知为空闲，这就会使SUs和PUs发生碰撞进而降低PUs的服务质量。因此，必须对正在服务中的PUs的碰撞率进行严格限制。

接纳控制（CAC）对于保证服务质量来说是一种很好的方法，它可以根据当前的流量负荷状态对新到会话进行流量控制。现有的CAC可以保证掉线率和碰撞率小于门限值，却不能保证吞吐率最大。而且，目前对认知无线电网络中不完美信道感知的研究主要集中在性能分析和信道接纳策略，尽管能最大化SUs的性能，但会使PUs的性能降低。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种认知无线电网络中的接纳控制方法，在SUs的掉线率和PUs的碰撞率小于预先给定的门限值的情况下，使认知无线电网络的吞吐率达到最大值。

为实现上述目的，按照本发明的一个方面，提供了一种认知无线电网络中的接纳控制方法，其特征在于，包括如下步骤：（1）获取马尔科夫模型的***参数，根据马尔科夫模型求出带有接纳控制概率的稳态概率；（2）由步骤（1）得到的带有接纳控制概率的稳态概率，在满足下列非线性规划问题的前提下，使吞吐率最大：（A1）一级用户PUs的碰撞率p_col(π)≤门限值（A2）二级用户SUs的掉线率p_drop(π)≤门限值（A3）ΜΤ(π)·p(π)＝0；其中，ΜΤ(π)·p(π)＝0是马尔科夫模型的平衡方程和归一化方程的矩阵联合表示，ΜΤ(π)是转移矩阵，p(π)是带有CAC概率的稳态概率，π是接纳控制概率向量；（3）根据最佳信道感知长度(n_c ^*,n_s ^*)，随机选择感知信道集，确定感知到的信道个数；（4）SUs将感知到的信道个数发给基站，基站根据当前的状态和最佳接纳控制概率，决定SUs是否接入信道；（5）如果新到的PUs挤占SUs占用的信道，则返回步骤（3），如果新到的PUs占用空闲信道，则过程结束。

优选地，所述步骤（1）中，所述***参数包括：一级信道PCs个数c₁，二级信道SCs个数c₂，错检率p_md，虚警率p_fal，新到SUs和切换SUs能够感知到的最大PCs数量n_c和n_s，以及SUs的掉线率和正在服务中的PUs的碰撞率的门限值和

优选地，所述步骤（2）进一步包括如下步骤：（2-1）确定最佳接纳控制概率π^*；（2-2）由最佳接纳控制概率确定最佳信道感知长度(n_c ^*,n_s ^*)。

优选地，所述步骤（2-1）进一步包括如下步骤：

（2-1-1）初始化接纳控制概率向量π^(t)＝0，其中，t＝0；

（2-1-2）寻找最佳可行方向，进一步包括如下步骤：

（2-1-2-1）如果 $(p_{\mathrm{col}}\left({\mathrm{\&pi;}}^{\left(t\right)}\right)<P_{\mathrm{col}}^{\left(\mathrm{pu}\right)})$ 且 $(p_{\mathrm{drop}}\left({\mathrm{\&pi;}}^{\left(t\right)}\right)<P_{\mathrm{drop}}^{\left(\mathrm{su}\right)})$ 且 $\left|\right|\&dtri;R^{\mathrm{su}}\left({\mathrm{\&pi;}}^{\left(t\right)}\right)\left|\right|<{\mathrm{\&epsiv;}}_1,$ 则π^*＝π^(t)，过程结束；

（2-1-2-2）如果 $(p_{\mathrm{col}}\left({\mathrm{\&pi;}}^{\left(t\right)}\right)<P_{\mathrm{col}}^{\left(\mathrm{pu}\right)})$ 且 $(p_{\mathrm{drop}}\left({\mathrm{\&pi;}}^{\left(t\right)}\right)<P_{\mathrm{drop}}^{\left(\mathrm{su}\right)})$ 且 $\left|\right|\&dtri;R^{\mathrm{su}}\left({\mathrm{\&pi;}}^{\left(t\right)}\right)\left|\right|<{\mathrm{\&epsiv;}}_1,$ 则则执行步骤（2-1-4）；

（2-1-2-3）如果 $(p_{\mathrm{col}}\left({\mathrm{\&pi;}}^{\left(t\right)}\right)=P_{\mathrm{col}}^{\left(\mathrm{pu}\right)})$ 或 $(p_{\mathrm{drop}}\left({\mathrm{\&pi;}}^{\left(t\right)}\right)=P_{\mathrm{drop}}^{\left(\mathrm{su}\right)}),$ 则执行步骤（2-1-3）；

其中，是认知无线电网络的吞吐率R^su(π^(t))在点π^(t)处的梯度，π^(t)为第t次迭代的接纳控制概率，为吞吐率的梯度，其中，-1≤d_m≤1，m＝1,2,…,n_π，n_π是部分观察的初始状态数，p_d ^(t)为第t次迭代的吞吐率的梯度，ε₁＞0为吞吐率迭代的误差限；

（2-1-3）在满足下列线性规划问题的前提下，确定最佳可行方法(p_d ^*,η_t)：

(B1) $-{(\&dtri;R^{\mathrm{su}}\left({\mathrm{\&pi;}}^{\left(t\right)}\right))}^T{p}_d\&le;\mathrm{\&eta;};$

（B2）如果 $(p_{\mathrm{col}}\left({\mathrm{\&pi;}}^{\left(t\right)}\right)=P_{\mathrm{col}}^{\left(\mathrm{pu}\right)}),{\left({\&dtri;p}_{\mathrm{col}}\left({\mathrm{\&pi;}}^{\left(t\right)}\right)\right)}^T{p}_d\&le;\mathrm{\&eta;},$

如果 $(p_{\mathrm{drop}}\left({\mathrm{\&pi;}}^{\left(t\right)}\right)=P_{\mathrm{drop}}^{\left(\mathrm{su}\right)}),{\left({\&dtri;p}_{\mathrm{drop}}\left({\mathrm{\&pi;}}^{\left(t\right)}\right)\right)}^T{p}_d\&le;\mathrm{\&eta;};$

其中，p_d ^*为最佳可行方向，η＜0为最佳可行方向的吞吐率、掉线率和碰撞率迭代的上限，η_t为η的最小值，和分别是PUs的碰撞率p_col(π^(t))和SUs的掉线率p_drop(π^(t))在点π^(t)处的梯度；

（2-1-4）在满足下列线性规划问题的前提下，确定最佳可行方向上的最佳步长λ^*，使吞吐率最大：其中，λ为最佳可行方向上的步长，

$\stackrel{\&OverBar;}{\mathrm{\&lambda;}}=\sup \left\{\mathrm{\&lambda;}\right|{p1}_{\mathrm{col}}({\mathrm{\&pi;}}^{\left(t\right)}+\mathrm{\&lambda;}{p_d}^{\left(t\right)})\&le;P_{\mathrm{col}}^{\left(\mathrm{pu}\right)},p_{\mathrm{drop}}({\mathrm{\&pi;}}^{\left(t\right)}+\mathrm{\&lambda;}{p_d}^{\left(t\right)})\&le;P_{\mathrm{drop}}^{\left(\mathrm{su}\right)}\};$

（2-1-5）π^(t)＝π^(t)+λp_d ^(t)，t=t+1，如果接纳控制概率向量的迭代步长Δ＜ε₀，其中，ε₀＞0为接纳控制概率向量迭代步长的上界，则返回步骤（2-1-2），否则，过程结束。

优选地，所述步骤（2-2）进一步包括如下步骤：（2-2-1）初始化最大吞吐率R_max＝0，最佳信道感知长度(n_c ^*,n_s ^*)中，n_c ^*＝1，n_s ^*＝1；（2-2-2）根据各种可能的信道感知长度，由最佳接纳控制概率确定最佳信道感知长度(n_c ^*,n_s ^*)。

优选地，所述步骤（4）中，基站在[0,1]内随机选择一个数x，如果x大于接纳控制概率，新到SUs就会被阻塞或者切换SUs掉线，则过程结束，否则SUs就接入信道进行服务，执行步骤（5）。

总体而言，通过本发明所构思的以上技术方案与现有技术相比，利用非线性规划问题，在SUs的掉线率和PUs的碰撞率严格小于预先给定的门限值的情况下，通过迭代求得最佳CAC概率，从而在各种可能的感知信道长度中找到最佳感知信道长度，使认知无线电网络的吞吐率达到最大值。

附图说明

图1是本发明实施例的认知无线电网络中的接纳控制方法的流程示意图；

图2是马尔科夫状态转移图；

图3是PUs的碰撞率随PUs的到达率的变化关系图；

图4是SUs的掉线率随PUs的到达率的变化关系图；

图5是SUs的吞吐率随PUs的到达率的变化关系图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。

如图1所示，本发明实施例的认知无线电网络中的接纳控制方法包括如下步骤：

（1）获取马尔科夫模型的***参数，根据马尔科夫模型求出带有CAC概率的稳态概率。

具体地，***参数包括：一级信道（PCs）个数c₁，二级信道（SCs）个数c₂，错检率p_md（把一个忙信道检查成空闲的概率），虚警率p_fal（把一个空闲信道检查成忙的概率），新到SUs和切换SUs能够感知到的最大PCs个数n_c和n_s，SUs的掉线率和正在服务中的PUs的碰撞率的门限值和PUs和SUs的到达率λ₁和λ₂，以及PUs、PCs中SUs和SCs中SUs的离开率μ₁、μ₂₁、μ₂₂。

图2是马尔科夫状态转移图，马尔科夫模型的平衡方程为：

(iμ₁+f₁λ₁+jμ₂₁+f₂λ₂+kμ₂₂+f₄λ₂+f₃λ₁+f₅)p_i,j,k＝g₁p_i-1,j,k+(i+1)μ₁p_i+1,j,k+g₂λ₂p_i,j-1,k+(j+1)μ_21pi,j+1,k+g₃λ₁p_i-1,j+1,k+g₅p_i-1,j+1,k-1+g₄λ₂p_i,j,k-1+(k+1)μ₂₂p_i,j,k+1（1）

其中，f_n(n＝1,2,...,5)是当前状态离开率的系数，g_n(n＝1,2,...,5)是目标状态到达率的系数。信道状态为(i,j,k)，其中，i、j、k分别表示PUs占用PCs的个数，SUs占用PCs的个数，以及SUs占用SCs的个数。p_i,j,k表示在状态(i,j,k)的概率。

在SCs有空闲的情况下，当一个新的PU到达时，如果挤占SUs所占用的信道，那么SUs切换到可用的SCs，系数f₅和g₅可用下式表示：

$f_5=\left\{\begin{array}{cc}\frac{j}{c_1-i}{\mathrm{\&lambda;}}_1& i<c_1,k<c_2\\ 0& \mathrm{else}\end{array}\right.---\left(2\right)$

$g_5=\left\{\begin{array}{cc}\frac{(j+1)}{c_1-(i-1)}{\mathrm{\&lambda;}}_1& i>0_{},k>0\\ 0& \mathrm{else}\end{array}\right.---\left(3\right)$

在SCs没有空闲的情况下，当一个新的PU到达时，如果挤占SUs所占用的信道，那么SUs切换到可用的PCs，系数f₁和g₁可用下式表示：

$f_1=\left\{\begin{array}{cc}\frac{c_1-i-j}{c_1-i}{\mathrm{\&lambda;}}_1+\frac{j}{c_1-i}{p}_{\mathrm{sw}\_\mathrm{suc}}^{(i,j,k)}{\mathrm{\&lambda;}}_1& i<c_1,i+j<c_1,k=c_2\\ \frac{c_1-i-j}{c_1-i}{\mathrm{\&lambda;}}_1& i<c_1,i+j<c_1,k<c_2\\ 0& \mathrm{else}\end{array}\right.---\left(4\right)$

$g_1=\left\{\begin{array}{cc}\frac{c_1-(i-1)-j}{c_1-(i-1)}{\mathrm{\&lambda;}}_1+\frac{j}{c_1-(i-1)}{p}_{\mathrm{sw}\_\mathrm{suc}}^{(i-1,j,k)}{\mathrm{\&lambda;}}_1& i>0,k=c_2\\ \frac{c_1-(i-1)-j}{c_1-(i-1)}{\mathrm{\&lambda;}}_1& i>0,k<c_2\\ 0& \mathrm{else}\end{array}\right.---\left(5\right)$

其中，表示初始状态下被挤占的SUs切换成功的概率。其中，

$p_{\mathrm{sw}\_\mathrm{dp}}^{(i,j,k)}=\left\{\begin{array}{cc}\underset{l_s=l_{s\_\min }}{\overset{l_{s\_\max }}{\mathrm{\&Sigma;}}}p(l_s,m_s)p_{\mathrm{nfal}}^{\left(0\right|m_s)}& (i+j<c_1,j>0,k=c_2)\\ 1& (i+j=c_1,i<c_1,k=c_2)\\ 0& \mathrm{else}\end{array}\right.---\left(6\right)$

其中，l_{s_min}＝max{0,(min(n_s,c₁-j)-(c₁-i-j))}，l_{s_max}＝min(i,n_s)，m_s＝min(c-j,n_s)-l_s，l_s、m_s分别为实际中忙的信道个数和闲的信道个数。l_{s_min}和l_{s_max}分别为l_s的最小值和最大值。

当一个新的SU到达时，f₂、g₂、f₄、g₄可用下式表示：

$f_2=\left\{\begin{array}{cc}{p}_{\mathrm{en}}^{(i,j,k)}& k=c_2,i+j<c_1\\ 0& \mathrm{else}\end{array}\right.---\left(7\right)$

$g_2=\left\{\begin{array}{cc}{p}_{\mathrm{en}}^{(i,j-1,k)}& k=c_2,j>0\\ 0& \mathrm{else}\end{array}\right.---\left(8\right)$

$f_4=\left\{\begin{array}{cc}{p}_{\mathrm{en}}^{(i,j,k)}& k<c_2\\ 0& \mathrm{esle}\end{array}\right.---\left(9\right)$

$g_4=\left\{\begin{array}{cc}{p}_{\mathrm{en}}^{(i,j,k-1)}& k>0\\ 0& \mathrm{else}\end{array}\right.---\left(10\right)$

其中，表示基于部分感知成功进入***的SUs的概率，可用下式表示：

当k＝c₂时：

$p_{\mathrm{en}}^{(i,j,k)}=\left\{\begin{array}{cc}\underset{r=0}{\overset{\min \{n_c,i\}}{\mathrm{\&Sigma;}}}{p}_{\mathrm{colen}\_\mathrm{suc}}^{(i,j,k)}\left(r\right)& (i>0,i+j<c_1)\\ 0& (i+j=c_1)\\ \underset{m=1}{\overset{\min \{n_c,c_1-j\}}{\mathrm{\&Sigma;}}}\left(p_{\mathrm{nfal}}^{\left(m\right|\min \{n_c,-j\})}{p}_{\mathrm{cac}}^{\left(\min \right\{n_c,c_1-j\}-m,j,k)}\right)& (i=0,i+j<c_1)\end{array}\right.---\left(11\right)$

其中，表示状态(i,j,k)下的最佳CAC概率，表示新到的SU在碰撞r次后成功接入***的概率，可以用下式表示：

没有碰撞就接入***：

$p_{\mathrm{colen}\_\mathrm{suc}}^{(i,j,k)}\left(0\right)=\underset{l_s=l_{s\_\min }}{\overset{l_{s\_\max }}{\mathrm{\&Sigma;}}}p(l_s,m_s)\underset{l=0}{\overset{l_s}{\mathrm{\&Sigma;}}}\underset{m=1}{\overset{m_s}{\mathrm{\&Sigma;}}}\left(p_{\mathrm{md}}^{\left(l\right|l_s)}{p}_{\mathrm{nfal}}^{\left(m\right|m_s)}{p}_{\mathrm{cac}}^{\left(\min \right\{c_1-j,n_c\}-l-m,j,k)}\frac{m}{m+l}\right)---\left(12\right)$

碰撞r次后接入***：

$\begin{array}{c}{p}_{\mathrm{colen}\_\mathrm{suc}}^{(i,j,k)}\left(r\right)=\underset{l_s=l_{s\_\min }}{\overset{\min \{i,n_c\}}{\mathrm{\&Sigma;}}}p(l_s,m_s)\left\{\underset{l=r}{\overset{l_s}{\mathrm{\&Sigma;}}}\underset{m=1}{\overset{m_s}{\mathrm{\&Sigma;}}}\right[p_{\mathrm{md}}^{\left(l\right|l_s)}{p}_{\mathrm{nfal}}^{\left(m\right|m_s)}\underset{s=0}{\overset{r-1}{\mathrm{\&Pi;}}}\left(p_{\mathrm{cac}}^{\left(\min \right\{n_c,c_1-j\}-(l-s)-,-m,j,k)}\frac{(l-s)}{m+(l-s)}\right)\\ p_{\mathrm{cac}}^{\left(\min \right\{n_c,c_1-j\}-(l-r)-m,j,k)}\frac{m}{m+(l-r)}\left]\right\}\end{array}---\left(13\right)$

当k＜c₂时：

$p_{\mathrm{en}}^{(i,j,k)}=\left\{\begin{array}{cc}\underset{l=0}{\overset{i}{\mathrm{\&Sigma;}}}\underset{m=0}{\overset{c_1-i-j}{\mathrm{\&Sigma;}}}\left(p_{\mathrm{md}}^{\left(l\right|i)}{p}_{\mathrm{nfal}}^{\left(m\right|-c_1-i-j)}{p}_{\mathrm{cac}}^{(c_1-j-l-m,j,k)}\right)& i>0,i+j<c_1,n_c>c_1-j\\ \underset{l_s=l_s\_\min }{\overset{\min \{n_c,i\}}{\mathrm{\&Sigma;}}}p(l_s,m_s)\underset{l=0}{\overset{l_s}{\mathrm{\&Sigma;}}}\underset{m=0}{\overset{m_s}{\mathrm{\&Sigma;}}}\left(p_{\mathrm{md}}^{\left(l\right|l_s)}{p}_{\mathrm{nfal}}^{\left(m\right|m_s)}{p}_{\mathrm{cac}}^{(n_c-l-m,j,k)}\right)& i>0,i+j<c_i,n_c\&le;c_1-j\\ \underset{m=0}{\overset{\min \{n_c,c_1-j\}}{\mathrm{\&Sigma;}}}\left(p_{\mathrm{nfal}}^{\left(m\right|\min \{n_c,c_1-j\})}{p}_{\mathrm{cac}}^{\left(\min \right\{n_c,c_1-j\}-m,j,k)}\right)& i=0,i+j<c_1\\ \underset{l=0}{\overset{\min \{n_c,i\}}{\mathrm{\&Sigma;}}}\left(p_{\mathrm{md}}^{l\left|\min \right\{n_c,i\}}{p}_{\mathrm{cac}}^{\left(\min \right\{n_c,i\}-l,j,k)}\right)& i>0,i+j=c_1\\ p_{\mathrm{cac}}^{(0,c_1,k)}& i=0,i+j=c_1\end{array}\right.---\left(14\right)$

当一个新的PU到来时，挤占SU所占用的信道，SU没有找到可用信道，那么SU掉线，系数f₃和g₃可用下式表示：

$f_3=\left\{\begin{array}{cc}1& i+j=c_1,k=c_2,i<c_1\\ p_{\mathrm{sw}\_\mathrm{dp}}^{(i,j,k)}& i+j<c_{1,},k=c_2,j>0\\ 0& \mathrm{else}\end{array}\right.---\left(15\right)$

$g_3=\left\{\begin{array}{cc}1& i+j+k=c_1+c_2,i>0\\ p_{\mathrm{sw}\_\mathrm{dp}}^{(i-1,j+1,k)}& i+j<c_{1,},k=c_2,i>0\\ 0,& \mathrm{else}\end{array}\right.---\left(16\right)$

p_i,j,k＞0且满足下列归一化方程：

${\mathrm{\&Sigma;}}_{i=0}^{c_1}{\mathrm{\&Sigma;}}_{j=0}^{c_1-i}{\mathrm{\&Sigma;}}_{k=0}^{c_2}{p}_{i,j,k}=1---\left(17\right)$

结合平衡方程（1）和归一化方程（17）可以得到带有CAC概率的稳态概率。

（2）由步骤（1）得到的带有CAC概率的稳态概率，在满足下列非线性规划问题的前提下，使吞吐率最大：

（A1）PUs的碰撞率p_col(π)≤门限值

（A2）SUs的掉线率p_drop(π)≤门限值

（A3）ΜΤ(π)·p(π)＝0。

其中，ΜΤ(π)·p(π)＝0是马尔科夫模型的平衡方程和归一化方程的矩阵联合表示，ΜΤ(π)是转移矩阵，p(π)是带有CAC概率的稳态概率，π是CAC概率向量。

步骤（2）进一步包括如下步骤：

（2-1）确定最佳CAC概率π^*。进一步包括如下步骤：

（2-1-1）初始化CAC概率向量π^(t)＝0，其中，t＝0。

（2-1-2）寻找最佳可行方向。进一步包括如下步骤：

（2-1-2-1）如果 $(p_{\mathrm{col}}\left({\mathrm{\&pi;}}^{\left(t\right)}\right)<P_{\mathrm{col}}^{\left(\mathrm{pu}\right)})$ 且 $(p_{\mathrm{drop}}\left({\mathrm{\&pi;}}^{\left(t\right)}\right)<P_{\mathrm{drop}}^{\left(\mathrm{su}\right)})$ 且 $\left|\right|\&dtri;R^{\mathrm{su}}\left({\mathrm{\&pi;}}^{\left(t\right)}\right)\left|\right|<{\mathrm{\&epsiv;}}_1,$ 则π^*＝π^(t)，过程结束。

（2-1-2-2）如果 $(p_{\mathrm{col}}\left({\mathrm{\&pi;}}^{\left(t\right)}\right)<P_{\mathrm{col}}^{\left(\mathrm{pu}\right)})$ 且 $(p_{\mathrm{drop}}\left({\mathrm{\&pi;}}^{\left(t\right)}\right)<P_{\mathrm{drop}}^{\left(\mathrm{su}\right)})$ 且 $\left|\right|\&dtri;R^{\mathrm{su}}\left({\mathrm{\&pi;}}^{\left(t\right)}\right)\left|\right|<{\mathrm{\&epsiv;}}_1,$ 则则执行步骤（2-1-4）。

（2-1-2-3）如果 $(p_{\mathrm{col}}\left({\mathrm{\&pi;}}^{\left(t\right)}\right)=P_{\mathrm{col}}^{\left(\mathrm{pu}\right)})$ 或 $(p_{\mathrm{drop}}\left({\mathrm{\&pi;}}^{\left(t\right)}\right)=P_{\mathrm{drop}}^{\left(\mathrm{su}\right)}),$ 则执行步骤（2-1-3）。

其中，是认知无线电网络的吞吐率R^su(π^(t))在点π^(t)处的梯度，π^(t)为第t次迭代的CAC概率，为吞吐率的梯度，其中，-1≤d_m≤1，m＝1,2,…,n_π，n_π是部分观察的初始状态数，p_d ^(t)为第t次迭代的吞吐率的梯度，ε₁＞0为吞吐率迭代的误差限。

（2-1-3）在满足下列线性规划问题的前提下，确定最佳可行方法(p_d ^*,η_t)：

(B1) $-{(\&dtri;R^{\mathrm{su}}\left({\mathrm{\&pi;}}^{\left(t\right)}\right))}^T{p}_d\&le;\mathrm{\&eta;};$

（B2）如果 $(p_{\mathrm{col}}\left({\mathrm{\&pi;}}^{\left(t\right)}\right)=P_{\mathrm{col}}^{\left(\mathrm{pu}\right)}),{\left({\&dtri;p}_{\mathrm{col}}\left({\mathrm{\&pi;}}^{\left(t\right)}\right)\right)}^T{p}_d\&le;\mathrm{\&eta;},$

如果 $(p_{\mathrm{drop}}\left({\mathrm{\&pi;}}^{\left(t\right)}\right)=P_{\mathrm{drop}}^{\left(\mathrm{su}\right)}),{\left({\&dtri;p}_{\mathrm{drop}}\left({\mathrm{\&pi;}}^{\left(t\right)}\right)\right)}^T{p}_d\&le;\mathrm{\&eta;}.$

其中，p_d ^*为最佳可行方向，η＜0为最佳可行方向的吞吐率、掉线率和碰撞率迭代的上限，η_t为η的最小值，和分别是PUs的碰撞率p_col(π^(t))和SUs的掉线率p_drop(π^(t))在点π^(t)处的梯度。

具体地，如果|η_t|＜ε₂，则π^*＝π^(t)，过程结束，其中，ε₂＞0为η_t的误差限。否则，p_d ^*=p_d ^(t)就是最佳可行方向，执行步骤（2-1-4）。

（2-1-4）在满足下列线性规划问题的前提下，确定最佳可行方向上的最佳步长λ^*，使吞吐率最大：其中，λ为最佳可行方向上的步长，

$\stackrel{\&OverBar;}{\mathrm{\&lambda;}}=\sup \left\{\mathrm{\&lambda;}\right|{p1}_{\mathrm{col}}({\mathrm{\&pi;}}^{\left(t\right)}+\mathrm{\&lambda;}{p_d}^{\left(t\right)})\&le;P_{\mathrm{col}}^{\left(\mathrm{pu}\right)},p_{\mathrm{drop}}({\mathrm{\&pi;}}^{\left(t\right)}+\mathrm{\&lambda;}{p_d}^{\left(t\right)})\&le;P_{\mathrm{drop}}^{\left(\mathrm{su}\right)}\}.$

（2-1-5）π^(t)＝π^(t)+λp_d ^(t)，t=t+1。如果CAC概率向量的迭代步长Δ＜ε₀，其中，ε₀＞0为CAC概率向量迭代步长的上界，则返回步骤（2-1-2），否则，过程结束。

（2-2）由最佳CAC概率确定最佳信道感知长度。进一步包括如下步骤：

（2-2-1）初始化最大吞吐率R_max＝0，最佳信道感知长度(n_c ^*,n_s ^*)中，n_c ^*＝1，n_s ^*＝1。

（2-2-2）根据各种可能的信道感知长度，由最佳CAC概率确定最佳信道感知长度(n_c ^*,n_s ^*)。

（3）根据最佳信道感知长度(n_c ^*,n_s ^*)，随机选择感知信道集，确定感知到的信道个数。

新到SUs和切换SUs都要进行信道感知。由于感知能力等的限制，SUs只能进行部分信道感知，这样新到SUs和切换SUs都需要随机选择需要感知的信道集。由于噪声等原因，SUs在感知过程中会出现虚警和错检这两种情况。根据错检率和虚警率，我们可以得到感知到的信道个数。

从l_s个忙信道中检查到l个空闲信道的概率可用下列公式表示：

$p_{\mathrm{md}}^{\left(l\right|l_s)}=\left\{\begin{array}{cc}{(}_l^{l_s})\&CenterDot;p_{\mathrm{md}}^l\&CenterDot;{(1-p_{\mathrm{md}})}^{(l_s-l)}& l_s\&GreaterEqual;l,l=\mathrm{0,1},...,l_s\\ 0& \mathrm{else}\end{array}\right.---\left(18\right)$

从ms个空闲信道中检查到m个忙信道的概率可用下列公式表示：

$p_{\mathrm{nfal}}^{\left(m\right|m_s)}=\left\{\begin{array}{cc}{(}_m^{m_s})\&CenterDot;p_{\mathrm{fal}}^{(m_s-m)}\&CenterDot;{(1-p_{\mathrm{fal}})}^m& m_s\&GreaterEqual;m,m=0m1,...,m_s\\ 0& \mathrm{else}\end{array}\right.---\left(19\right)$

（4）SUs将感知到的信道个数发给基站，基站根据当前的状态和最佳CAC概率，决定SUs是否接入信道。

具体地，基站在[0，1]内随机选择一个数x，如果x大于CAC概率，新到SUs就会被阻塞或者切换SUs掉线，过程结束。否则，SUs就接入信道进行服务，执行步骤（5）。

（5）如果新到的PUs挤占SUs占用的信道，则返回步骤（3）。如果新到的PUs占用空闲信道，则过程结束。

用本发明实施例的认知无线电网络中的接纳控制方法得到图3至5。如图3所示，随着PUs的到达率的变化，PUs的碰撞率严格小于0.01，并且带有CAC概率的PUs的碰撞率明显小于没有CAC概率的PUs的碰撞率。如图4所示，随着PUs的到达率的变化，SUs的掉线率严格小于0.01，并且带有CAC概率的SUs的掉线率明显小于没有CAC概率的SUs的掉线率。如图5所示，SUs的吞吐率随PUs的到达率变化而变化，虽然带有CAC概率的SUs的吞吐率小于没有CAC概率的SUs的吞吐率，但是带有CAC概率的SUs的掉线率和PUs的碰撞率都严格小于预先给定的门限值。而没有CAC概率的SUs的吞吐率虽然大，但由图3-4可知，SUs的掉线率和PUs的碰撞率也都比较大。

因此，采用本发明的认知无线电网络中的接纳控制方法，能够在SUs的掉线率和PUs的碰撞率小于预先给定的门限值的情况下，使认知无线电网络的吞吐率达到最大值，从而能够严格保证服务质量。

本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种认知无线电网络中的接纳控制方法，其特征在于，包括如下步骤：

(1)获取马尔科夫模型的***参数，根据马尔科夫模型求出带有接纳控制概率的稳态概率；所述步骤(1)中，所述***参数包括：一级信道PCs个数c₁，二级信道SCs个数c₂，错检率p_md，虚警率p_fal，新到SUs和切换SUs能够感知到的最大PCs数量n_c和n_s，以及SUs的掉线率和正在服务中的PUs的碰撞率的门限值和

(2)由步骤(1)得到的带有接纳控制概率的稳态概率，在满足下列非线性规划问题的前提下，使吞吐率最大：

(A1)一级用户PUs的碰撞率p_col(π)≤门限值

(A2)二级用户SUs的掉线率p_drop(π)≤门限值

(A3)ΜΤ(π)·p(π)＝0；

其中，ΜΤ(π)·p(π)＝0是马尔科夫模型的平衡方程和归一化方程的矩阵联合表示，ΜΤ(π)是转移矩阵，p(π)是带有CAC概率的稳态概率，π是接纳控制概率向量；

(3)根据最佳信道感知长度(n_c*,n_s*)，随机选择感知信道集，确定感知到的信道个数；

(4)SUs将感知到的信道个数发给基站，基站根据当前的状态和最佳接纳控制概率，决定SUs是否接入信道；

(5)如果新到的PUs挤占SUs占用的信道，则返回步骤(3)，如果新到的PUs占用空闲信道，则过程结束。

2.如权利要求1所述的认知无线电网络中的接纳控制方法，其特征在于，所述步骤(2)进一步包括如下步骤：

(2-1)确定最佳接纳控制概率π*；

(2-2)由最佳接纳控制概率确定最佳信道感知长度(n_c*,n_s*)。

3.如权利要求2所述的认知无线电网络中的接纳控制方法，其特征在于，所述步骤(2-1)进一步包括如下步骤：

(2-1-1)初始化接纳控制概率向量π^(t)＝0，其中，t＝0；

(2-1-2)寻找最佳可行方向，进一步包括如下步骤：

(2-1-2-1)如果且且则π*＝π(t)，过程结束；

(2-1-2-2)如果且且则则执行步骤(2-1-4)；

(2-1-2-3)如果或则执行步骤(2-1-3)；

其中，是认知无线电网络的吞吐率R^su(π^(t))在点π^(t)处的梯度，为吞吐率的梯度，其中，-1≤d_m≤1，m＝1,2,…,n_π，n_π是部分观察的初始状态数，p_d ^(t)为第t次迭代的吞吐率的梯度，ε₁＞0为吞吐率迭代的误差限；

(2-1-3)在满足下列线性规划问题的前提下，确定最佳可行方法(p_d*,η_t)：

(B2)如果

如果

其中，p_d*为最佳可行方向，η＜0为最佳可行方向的吞吐率、掉线率和碰撞率迭代的上限，ηt为η的最小值，和分别是PUs的碰撞率p_col(π^(t))和SUs的掉线率p_drop(π^(t))在点π^(t)处的梯度；

(2-1-4)在满足下列线性规划问题的前提下，确定最佳可行方向上的最佳步长λ*，使吞吐率最大：其中，λ为最佳可行方向上的步长，

(2-1-5)π^(t)＝π^(t)+λp_d ^(t)，t＝t+1，如果接纳控制概率向量的迭代步长Δ＜ε₀，其中，ε₀＞0为接纳控制概率向量迭代步长的上界，则返回步骤(2-1-2)，否则，过程结束。

4.如权利要求2所述的认知无线电网络中的接纳控制方法，其特征在于，所述步骤(2-2)进一步包括如下步骤：

(2-2-1)初始化最大吞吐率R_max＝0，最佳信道感知长度(n_c*,n_s*)中，n_c*＝1，n_s*＝1；

(2-2-2)根据各种可能的信道感知长度，由最佳接纳控制概率确定最佳信道感知长度(n_c*,n_s*)。

5.如权利要求1至4中任一项所述的认知无线电网络中的接纳控制方法，其特征在于，所述步骤(4)中，基站在[0,1]内随机选择一个数x，如果x大于接纳控制概率，新到SUs就会被阻塞或者切换SUs掉线，则过程结束，否则SUs就接入信道进行服务，执行步骤(5)。