CN104219679A - 认知无线电网络中的一种改进的信道分配方法 - Google Patents
认知无线电网络中的一种改进的信道分配方法 Download PDFInfo
- Publication number
- CN104219679A CN104219679A CN201410457102.6A CN201410457102A CN104219679A CN 104219679 A CN104219679 A CN 104219679A CN 201410457102 A CN201410457102 A CN 201410457102A CN 104219679 A CN104219679 A CN 104219679A
- Authority
- CN
- China
- Prior art keywords
- channel
- limit
- interference
- cognitive
- radio networks
- 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
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了认知无线电网络中的一种改进的信道分配方法,其过程包括:根据实际网络环境中测得的实际数据构建并初始化认知无线电网络;根据历史数据得到主用户占用信道的规律,并计算网络中的每一条边的潜在干扰边数,并从大到小排序;按照排好顺序的边依次进行信道分配,每次选择信道时都从新的信道列表里选择使得信道接入概率最大的那个信道接入,并在分配的过程中更新信道干扰系数;对分配好信道的信道进行连通性测试。本发明较全面了考虑了认知无线电网络里的关键因素,对认知无线电网络的信道分配具有很强的针对性。
Description
技术领域
本发明涉及无线通信技术领域,具体涉及认知无线电网络的信道分配方法。
背景技术
随着无线通信宽带化趋势日益明显、无线业务需求不断增长以及信号处理、半导体等技术的极大提高,无线通信发展的越来越迅速。而各个国家则大都把本国可用的频谱资源固定分配给了授权用户(也叫主用户),有限的无线频谱资源却很大程序上限制了无线通信的发展。认知无线电技术的出现可以使得处于空闲状态的频谱得到充分利用。利用空闲频谱的用户称为认知用户(也叫次级用户),认知用户需要在不影响主用户正常通信的前提下方可接入授权频谱。所以认知用户如何在不干扰主用户的正常通信或对主用户的干扰满足干扰温度限制的情况下共享频谱资源和优化频谱使用的问题是提高频谱利用效率的关键。认知网络中一般有多个认知用户去竞争有限的频谱资源,因此,合理的分配频谱十分重要。而认知无线电网络在分配信道的时,为保证健壮的网络拓扑结构,对主用户的干扰和认知用户之间的干扰的权衡是目前研究的热点,重点和难点。
在信道分配之前,需要确定一种网络模型。认知无线电从网络结构上可以分为集中式结构和分布式结构两种结构形式。这与现有的无线通信网络结构分类相似。
1)集中式模型通过一个融合中心协调和管理认知用户对空闲信道的使用。融合中心收集认知网络中各个用户的感知信息,建立可用频谱库,以实现全局优化的信道分配。
2)分布式模型中,认知用户只对其周围的主用户信道进行检测,通过邻居节点进行组网通信,虽然比集中式模型灵活,但是由于阴影效应,多径效应,隐藏终端等问题的影响,使得其性能受到很大的限制。
根据认知用户频谱共享模型可以分为三大类:underlay、overlay、interweave(在图1、图2、图3中,PU代表主用户,SU代表认知用户,B1-7代表授权频谱):
1)underlay频谱共享模式
如图1所示,主用户占用了B1,B2,B3,B6,B7频段,认知用户占用了B1-7频段,但是主用户在占用频段上的发射功率较高,而认知用户在占用频段上的发射功率较低,即在这种模式中,认知用户可以接入授权频段,不管主用户是不是在访问当前频段。但是前提是要保证主用户可以承受来自所有认知用户引起的干扰总和。即所有认知用户对主用户的干扰总和要低于某个设定的门限。在这种模式下虽然增加了认知用户接入授权频谱的机会,但是缺少主用户与认知用户之间的交互,很难控制对主用户的干扰。
2)overlay频谱共享模式
如图2所示,主用户占用了B1,B2,B3,B6,B7频段,认知用户占用了B1,B3,B5频段。认知用户即使在主用户正在占用的频段上也能以较高的功率传输数据。这种模式旨在保护主用户的传输性能,即在保证主用户能正常进行信号传输的情况下,认知用户可以利用该授权频段进行自身的信号传输,并不限制认知用户的发射功率。通过协商合作,当认知用户和主用户达成一致的协议后,认知用户可以充分意识到自己在团队中的作用,并履行其应该担当的义务。因此在这种主用户和认知用户合作的背景下,认知的传输机会就不是随机的了。在这种模式中认知用户通过向主用户提供某些特殊的服务来交换传输自己信号的机会。形式有租用主用户不经常使用的频谱段或者是中继主用户的通信等等。
3)interweave频谱共享模式
如图3所示,在图3(a)中主用户没有占用B6频段,所以此时认知用户可以占用B6频段;而图3(b)中主用户又重新占用了B6频段,但是没有B1频段,认知用户就从必须从B6频段上切换到B1频段上。在这种模式中,主用户拥有使用频段的绝对优先权。只要主用户还在被授权的频段上进行信号传输,认知用户就不允许接入该频段。并且当认知用户利用某频段进行信号传递时,一旦主用户访问该频段时,认知用户就必须立刻退出该频段。这种方式中,认知用户通过机会的检测频谱空穴进行频谱接入,可以有效的控制认知用户对主用户的干扰。
认知无线电网络的信道分配的最大挑战在于***本身并没有授权频谱,需要机会式的接入主用户的空闲频谱。而往往主用户占用信道的信息是随机的,不确定的,这就使得认知用户能动态的适应这些变化,这种方式称为动态频谱接入。认知无线电网络的信道分配还需要考虑以下几个方面的问题:
1)认知无线电网络中,一般主用户的信号发射功率和信号传输区域都远大于认知用户,所以当主用户突然出现在当前认知网络正在使用的信道上时,多个认知用户的数据传输将会受到影响。
2)认知用户为了继续数据传输,需要尝试其他的信道,这需要频谱感知,发现邻居用户和信道切换,还有认知用户之间的信道争用,这会产生很多开销和增加数据接收的时间延时。
3)当一个认知用户进行信道切换时,可能会造成他与邻居节点没有共同的信道,而迫使邻居节点也需要作出相应的信道调整,进而可能会造成多个认知用户的信道发生变化。
因此一个好的信道分配方法需要能在主用户占用信道“不确定性”的前提下,根据实际的用户需求,在认知网络的***性能(例如网络的拓扑健壮性)和对主用户产生的干扰之间做出权衡。
在文献Haythem,Bany and Salameh.Rate-maximizationChannel Assignment Scheme for Cognitive Radio Network,in IEEEGlobecom,2010.中,作者考虑到频谱分配和数据传输速率的情况下让存在竞争的认知用户接入所有可用信道的总数据传输速率最大化,形成了一个整数线性规划问题(ILP)。其处理方法不受限于信息量,并且可应用于任何提供的信噪比函数,但是它的基本假设是每个认知用户只有一个无线接口(radio),某一时隙只能占用一个信道,一个信道也只能分配给一个用户。由于没有备用信道机制,一旦认知用户正在占用的信道上出现了主用户,为了避免对主用户产生有害干扰,认知用户就不得不中断数据的发送。然后搜索其他可用频谱资源,然后进行频谱切换。这显然大大降低了认知网络的吞吐量,增加了数据传输的延时,并且不能减少与主用户的碰撞概率。
文献Ryan E.Irwin,Allen B.MacKenzie and Luiz A.DaSiIva.Resource Minimized Channel Assignment for Multi-TransceiverCognitive Radio Networks.IEEE JOURNAL ON SELECTED AREAS INCOMMUNICATIONS,VOL.31,NO.3,MARCH 2013,p 442-450.中提出了一个考虑到认知无线电网络的拓扑适应性,网络流速最大化,保持网络连通的基本拓扑的信道分配方案。每个节点装配多个radio,每个都可以被分配一个信道,通过traffic-independent(TI)阶段用最少的收发器个数得到基本的连通拓扑,结合traffic-driven(TD)阶段形成了一个两阶段的混合整数线性规划问题(MILP),并提出一个集中式的贪婪算法解决该优化问题。该方法通过多个radio以保持认知无线电网络的连通性是合理的。但是radio个数的增加会使得网络的费用增加,本文并没有考虑实际的网络效益与两者之间的权衡。
文献JING ZHAO,GUOHONHCAO.Robust Topology Control inMuti-hop Cognitive Radio Network,Proc.IEEE Infocom,Or lando.2012,p1-9.中定理一证明了在一个认知用户拥有大于等于两个radio时,就至少存在一个可以满足网络健壮性的拓扑。该文献分别提出了集中式的CRTCA算法(central robust topology controlalgorithm)还有分布式的DRTCA算法(distributed robust topologycontrol algorithm)。仿真时限定了radio的个数这两种算法在不同的网络环境中很好的保证了认知网络的拓扑健壮性,并且分配信道过程中,考虑到潜在干扰边指数,减少了信道间的同信道干扰。但是这两种算法只考虑到主用户对认知网络的影响,并未考虑信道分配过程中由于实际得到的信道状态信息都是延迟信息,认知用户接入信道可能会对主用户造成有害干扰。
还有一些基于图着色,博弈论,聚类分析等等的信道分配方案,但是大都是没有综合考虑到以上各方面的问题。
发明内容
针对现有技术的不足,本发明旨在提供认知无线电网络中的一种改进的信道分配方法,通过对主用户占用信道的历史数据得到规律,在此基础上具化了认知用户之间的干扰和对主用户引起的干扰的数学表达式,并且保证了基本的网络连通性,使得两个认知用户节点间至少存在两条路径,并且通过改变权值参数可以适应不同的业务类型,从而得到最优的信道分配方案,以实现保证认知网络的健壮拓扑条件下,使得认知用户之间的干扰和认知用户对主用户的干扰最小化,尽可能大的提高认知网络的***吞吐量。
为了实现上述目的,本发明采用如下技术方案:
认知无线电网络中的一种改进的信道分配方法包括如下步骤:
步骤1,根据实际网络环境中测得的网络规模,节点通信半径和干扰半径,构建并初始化认知无线电网络;
步骤2,根据历史数据得到主用户占用信道的规律,即主用户占用信道时间在不同状态下on或off分别服从什么分布;
步骤3,若两个认知用户节点间的距离小于通信半径,则这两个节点之间存在一条边,根据节点通信半径和干扰半径计算认知无线电网络中的每一条边的潜在干扰边数:边e的潜在干扰边数用p(e)表示,p(e)=|{(u,v)|(u,v)∈E,u or v∈D(e)}|,其中u,v分别代表边e的两个认知用户节点,E是边集合,D(e)=D(u)∪D(v),D(u)代表节点u的干扰区域,D(v)代表节点v的干扰区域;p(e)就代表在边e的干扰范围内共有多少条边;然后按照干扰边数从大到小的顺序对边排序,形成新的边集;
步骤4,按照排好顺序的边依次进行信道分配,每次选择信道时都从信道列表里选择令信道接入概率最大的信道接入,并在分配的过程中更新信道干扰系数;
步骤5,然后对分配好信道的边进行连通性测试,判断除了该信道外,是否存在其他不包含该信道但是已经分配好信道的边存在于两节点之间,如果有,就代表该边分配信道成功,并将该边从边集中删除;若没有,则再分配一次,直至该边分配信道成功。
需要说明的是,步骤4中,定义信道i的接入概率如下:
Accessi=αUi+(1-α)(1-Ri);
其中,α为信道接入参数;Ui为信道i的可利用率,是信道i空闲状态平均持续时间和信道i空闲状态平均持续时间与信道i繁忙状态平均持续时间之和的比值;Ri为认知用户信道干扰系数。
需要进一步说明的是,所述信道i的可利用率Ui定义如下:
每个信道处于空闲状态和繁忙状态的时间分别服从参数为λi和μi的指数分布,则信道i空闲状态的分布函数为:
信道i繁忙状态的分布函数为:
信道i的空闲状态平均持续时间为:
信道i的繁忙状态平均持续时间为:
U是信道i空闲状态平均持续时间和信道i空闲状态平均持续时间与信道i繁忙状态平均持续时间之和的比值,则有:
需要进一步说明的是,定义认知用户信道干扰系数Ri如下:
记当前信道集合为C,Ii(e,e′)表示边e、e′是否同时占用了信道i,当且仅当边e、e′在相互干扰的范围内,并且同时被分配了相同信道i时,Ii(e,e′)=1,其它情况下,Ii(e,e′)=0,有:
所述认知用户信道干扰系数Ri随着信道分配的进行,不断进行更新,对初始值Ri=0。
需要说明的是,步骤4中,每对一条边选择信道并接入后,为了降低同信道干扰,需要把已经分配过的信道从信道列表中删除,对下一条边分配信道时将从更新之后的信道列表中选择信道。
本发明的有益效果在于:
1)本发明的网络模型以现存的认知无线电网络为基础,而不是简单的假设网络中节点两两相连,并且节点只与相邻用户发生信息传递。通过历史数据分析得到一般的主用户信道占用规律,并不是简单假设主用户主用户占用信道的分布模型;
2)本发明的信道选择标准综合了认知无线电网络中最基本也是最重要的两个指标:认知用户在数据传输过程中,相互之间的同信道干扰和对主用户的干扰,衡量干扰标准的数学公式也明确的给出;
3)本发明的方法对网络规模有很好的扩展性,可以通过添加和删除节点以及与主用户共享信道的个数,模拟不同规模的认知无线电网络。通过信道占用规律和分析得到的数学表达式很好的反映了网络的性能指标。
附图说明
图1为underlay频谱共享模式示意图;
图2为overlay频谱共享模式示意图;
图3为interweave频谱共享模式示意图;
图4为本发明总流程图;
图5为本发明的随机拓扑结构示意图;
图6为本发明的仿真图吞吐量随信道个数的变化;
图7为本发明的仿真图冲突率随信道个数的变化;
图8为本发明的仿真图干扰指数随信道个数的变化;
图9为本发明的仿真图吞吐量随比特流个数的变化;
具体实施方式
以下将结合附图对本发明作进一步的描述,需要说明的是,本实施例以本技术方案为前提,给出详细的实施方式和实施步骤,但并不限于本实施例。
参见图4,本发明的具体步骤如下:
步骤1,根据实际的网络环境模拟并初始化认知无线电网络。
初始化网络需要知道网络规模,节点位置,节点通信半径和干扰半径。节点位置是随机的,其它参数值均是按照实际的网络中的标准来制定的。
步骤2,根据历史数据得出主用户占用信道的规律,即主用户占用信道时间在不同状态下(on或off)分别服从什么分布;
步骤3,若两个认知用户节点间的距离小于通信半径,则这两个节点之间存在一条边,计算每一条边的潜在干扰边数并从大到小排序:边e的潜在干扰边数用p(e)表示,p(e)=|{(u,v)|(u,v)∈E,u or v∈D(e)}|,其中u,v分别代表边e的两个认知用户节点,E是边集合,D(e)=D(u)∪D(v),D(u)代表节点u的干扰区域,D(v)代表节点v的干扰区域。p(e)就代表在边e的干扰范围内共有多少条边。
步骤4,根据步骤3中排好的顺序依次为每一条边分配信道,每次选择信道时都从信道列表里选择令信道接入概率最大的信道接入,并在分配的过程中更新信道干扰系数;只要|E|>0,即只要还有边未分配信道就继续程序,其中|E|代表边集中边的总个数。
假设每个信道处于空闲状态和繁忙状态的时间分别服从参数为λi和μi的指数分布,则信道i空闲状态的分布函数为:
信道i繁忙状态的分布函数为:
信道i的空闲状态平均持续时间为:
信道i的繁忙状态平均持续时间为:
定义信道i的可利用率Ui为:信道i的空闲状态平均持续时间和信道i的空闲状态平均持续时间与信道i的繁忙状态平均持续时间之和的比值,则有
记当前信道集合为C,Ii(e,e′)表示边e、e′是否同时占用了信道i。当且仅当边e,e′在相互干扰的范围内,并且同时被分配了相同信道i时,Ii(e,e′)=1,其它情况下,Ii(e,e′)=0。
定义认知用户信道干扰系数为:
该系数随着信道分配的进行,不断进行更新,对初始值Ri=0。
一般Ui越大,信道就越适合接入;Ri越小,信道就越适合接入。综合这两方面,定义信道i的接入概率为:
Accessi=αUi+(1一α)(1一Ri);
其中α为信道接入参数,该参数的选取与具体的数据传输业务相关,有些业务要求次级用户传输之间的干扰要尽量小,此时α取值就尽量小;有的要求传输过程中要尽量减小对主用户的干扰,这时就要求α取值尽量大。所要分配的信道就从使得Accessi最大的信道集合里选。
记节点u已分配到的信道集合为A(u),每个节点装配radio的个数为Q,比较|A(u)|,|A(v)|与Q的大小关系,进入不同的信道分配方案:
(1)若|A(u)|<Q且|A(v)|<Q,说明两端节点之前都还未完成信道分配,此时就从信道列表中选择使得Accessi最大的信道c分配给该边。
(2)若|A(u)|和|A(v)|中只有一个小于Q,则从另一个等于Q的节点信道集合中选择使得Accessi最大的信道c分配给该边。
(3)若|A(u)|和|A(v)|都等于Q,就要继续判断两者的信道交集是否为空,若为空,就需要进行调整。把它们并集中使得Accessi最大的信道c分配给该边,同时需要把信道交集中使得Accessi最小的信道替换成信道并集中使得Accessi最大的信道,前提是这两个信道不属于同一个节点的信道集合。
步骤5,连通性测试。
把已经分配好信道的边进行连通性测试。把分配给边的信道压入到队列LQ中,然后把该信道从队列中弹出赋值给e′,以模拟主用户占用该信道的场景。在弹出该信道后,节点无法通过该信道进行连通,故需要搜寻其他已分配好信道的路径。如果找到了一条这样的路径,说明连通性测试成功;如果没有找到,则说明连通性测试失败,然后为该边重新分配一个新的信道c′。
步骤6,更新信道列表和边集合,直至所有边完成信道分配。
每次分配完成后为了降低同信道干扰需要把上一次已经分配过的信道从信道列表中删除,即C:=C-{c},当然经过连通性测试的边也要从边集中删除,即E:=E-{e}。因为分配信道的顺序是按照潜在干扰边数的大小进行的,所以不会出现所有节点分配了相同信道的情况。
本发明的效果,可以通过以下仿真进一步说明:
(1)仿真条件
图5是根据仿真参数随机得到的一个拓扑结构图。网络中设置有25个节点,被随机分配在900*900m2的区域内,设定节点传输半径为250m,干扰半径为500m。
(2)仿真过程
主用户占用信道的概率密度函数是负指数分布,分布函数的参数λi和μi在[3,20]之间随机选取,单位是s-1。更新信道状态时间T=100ms,感知时间t=10ms。每个信道的最大传输速率相同,设为2Mbps,每个用户的radio的个数相同,设为Q=2,网络比特流的集合设为F(F={f1,f2,…fk}),k是网络流的个数。每个流的流速为1Mbps,每个网络流遵循最短干扰路径传输。
这里用以下三个标准来衡量网络的性能:
(1)网络吞吐量:单位时间内次级网络中所有可行信道上数据量之和。
(2)干扰指数:一次信道分配稳定状态下的次级网络中所有同信道干扰系和,即对其进行归一化处理,即把它与其最大值的比值作为干扰指数。
(3)冲突率:主用户接入信道时,认知用户与主用户发生冲突的次数(即当前认知用户正在使用的信道与主用户接入的信道为同一信道)与主用户接入信道总次数的比值(每次感知后,更新信道集合,若该集合与上一时刻集合保持一致,则主用户接入信道次数不变,若不一致,则主用户接入信道次数加1)。
网络性能衡量值为随机生成1000次拓扑所得结果的平均值。
(3)仿真结果分析
由图5中可以看出,有的节点在传输范围内有很多邻居节点,而每个节点的radio个数是有限的,这就会造成很多不同的信道上会分配相同的信道。出于实际的考虑,分配较多的radio,会一定程度上增加***的吞吐量和网络的健壮性,但是需要花费巨大的费用。当一个用户的radio个数大于等于二时,就存在可以满足网络健壮性的信道分配。故本仿真实验中假设每个认知用户均有两个radio。
本发明权衡信道可用率Ui和信道干扰系数Ri这两个指标,定义了信道接入的变量。以下将在不同的α值得到如下的仿真关系图,并分析了图形变化趋势的原因。
由图6可以看出,当信道个数较少时,会导致不同的信道分配到同一信道的概率增加,这样当主用户接入某信道时,会影响很多信道的数据传输,并且认知用户之间同信道干扰的概率也会增加,这都会造成网络吞吐量的降低。随着信道的增加,这两个概率都会减少,网络吞吐量就会相应的增加。本发明考虑了主用户对信道的占用时间,选择信道的时候降低了主用户和认知用户之间的干扰,一定程度上增加了网络的吞吐量。并且α越大,信道占用时间占得比重越大,所以可以更快的达到最大吞吐量。
由图7,图8可以看出,在相同的信道个数下,随着α的增加,冲突率减少,而干扰指数却增加。这是因为随着α的增加,信道占用时间在信道接入概率中的比重增加,而干扰系数的比重则降低,这就会导致次级用户与主用户的碰撞减少,而次级用户之间的同信道干扰则会增加。在相同的α值下,随着信道个数的增加,冲突率和干扰指数都会减少并趋于稳定。这是因为可用信道的资源不断增加,让次级用户信道的分配有了更多的选择,干扰区域内被分配到相同信道的概率会减小,所以冲突率和干扰指数都会降低。当信道个数很多时,只需要其中的若干个信道已经可以保证次级用户网络的健壮拓扑,所以在增加信道个数也不会引起冲突率和干扰指数的变化。在实际的网络环境中,可以根据要传输业务对冲突和干扰的敏感性,自适应的选取合适的α值。
由图9可以看出,随着比特流个数的增加,吞吐量几乎是线性增加。但是增加网络流时,次级传输之间的干扰会增加,会一定程度上影响网络的吞吐量。考虑到主用户对信道的占用时间,当Accessi较大时,Ri会较小,可以一定程度上减小认知用户之间的同信道干扰,增加***的吞吐量。α越大,信道占用时间占得比重越大,次级用户与主用户之间的干扰就越小,所以可以更快的达到最大吞吐量。
本发明在保证了网络连通性的同时,兼顾考虑了认知用户之间的干扰和认知用户对主用户产生的干扰,并且通过参数α的变化可以适应不同业务类型的信道分配。
对于本领域的技术人员来说,可以根据以上的技术方案和构思,给出各种相应的改变和变形,而所有的这些改变和变形都应该包括在本发明权利要求的保护范围之内。
Claims (5)
1.认知无线电网络中的一种改进的信道分配方法,其特征在于,所述方法包括如下步骤:
步骤1,根据实际网络环境中测得的网络规模,节点通信半径和干扰半径,构建并初始化认知无线电网络;
步骤2,根据历史数据得到主用户占用信道的规律,即主用户占用信道时间在不同状态下on或off分别服从什么分布;
步骤3,若两个认知用户节点间的距离小于通信半径,则这两个节点之间存在一条边,根据节点通信半径和干扰半径计算认知无线电网络中的每一条边的潜在干扰边数:边e的潜在干扰边数用p(e)表示,p(e)=|{(u,v)|(u,v)∈E,u or v∈D(e)}|,其中u,v分别代表边的两个认知用户节点,E是边集合,D(e)=D(u)∪D(v),D(u)代表节点u的干扰区域,D(v)代表节点v的干扰区域;p(e)就代表在边e的干扰范围内共有多少条边;然后按照干扰边数从大到小的顺序对边排序,形成新的边集;
步骤4,按照排好顺序的边依次进行信道分配,每次选择信道时都从信道列表里选择令信道接入概率最大的信道接入,并在分配的过程中更新信道干扰系数;
步骤5,然后对分配好信道的边进行连通性测试,判断除了该信道外,是否存在其他不包含该信道但是已经分配好信道的边存在于两节点之间,如果有,就代表该边分配信道成功,并将该边从边集中删除;若没有,则再分配一次,直至该边分配信道成功。
2.根据权利要求1所述的认知无线电网络中的一种改进的信道分配方法,其特征在于,步骤4中,定义信道i的接入概率如下:
Accessi=αUi+(1-α)(1-Ri);
其中,α为信道接入参数;Ui为信道i的可利用率,是信道i空闲状态平均持续时间和信道i空闲状态平均持续时间与信道i繁忙状态平均持续时间之和的比值;Ri为认知用户信道干扰系数。
3.根据权利要求2所述的认知无线电网络中的一种改进的信道分配方法,所述信道i的可利用率Ui定义如下:
每个信道处于空闲状态和繁忙状态的时间分别服从参数为λi和μi的指数分布,则信道i空闲状态的分布函数为:
信道i繁忙状态的分布函数为:
信道i的空闲状态平均持续时间为:
信道i的繁忙状态平均持续时间为:
Ui是信道i空闲状态平均持续时间和信道i空闲状态平均持续时间与信道i繁忙状态平均持续时间之和的比值,则有:
4.根据权利要求2所述的认知无线电网络中的一种改进的信道分配方法,其特征在于,定义认知用户信道干扰系数Ri如下:
记当前信道集合为C,Ii(e,e′)表示边e、e′是否同时占用了信道i,当且仅当边e、e′在相互干扰的范围内,并且同时被分配了相同信道i时,Ii(e,e′)=1,其它情况下,Ii(e,e′)=0,有:
所述认知用户信道干扰系数Ri随着信道分配的进行,不断进行更新,对初始值Ri=0。
5.根据权利要求1所述的认知无线电网络中的一种改进的信道分配方法,其特征在于,步骤4中,每对一条边选择信道并接入后,为了降低同信道干扰,需要把已经分配过的信道从信道列表中删除,对下一条边分配信道时将从更新之后的信道列表中选择信道。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410457102.6A CN104219679B (zh) | 2014-09-10 | 2014-09-10 | 认知无线电网络中的一种改进的信道分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410457102.6A CN104219679B (zh) | 2014-09-10 | 2014-09-10 | 认知无线电网络中的一种改进的信道分配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104219679A true CN104219679A (zh) | 2014-12-17 |
CN104219679B CN104219679B (zh) | 2017-12-29 |
Family
ID=52100736
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410457102.6A Active CN104219679B (zh) | 2014-09-10 | 2014-09-10 | 认知无线电网络中的一种改进的信道分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104219679B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109005545A (zh) * | 2018-08-01 | 2018-12-14 | 维沃移动通信有限公司 | 一种通信方法、装置及终端 |
CN111741082A (zh) * | 2020-06-06 | 2020-10-02 | 宋倩云 | 基于5g与边缘计算的网络处理方法及云通信网络服务器 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101754242A (zh) * | 2009-12-29 | 2010-06-23 | 浙江大学 | 机会式认知多载波链路层协议的接入方法 |
CN103326984A (zh) * | 2013-07-04 | 2013-09-25 | 南京邮电大学 | 一种基于冲突阈值限制的子信道分配方法 |
-
2014
- 2014-09-10 CN CN201410457102.6A patent/CN104219679B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101754242A (zh) * | 2009-12-29 | 2010-06-23 | 浙江大学 | 机会式认知多载波链路层协议的接入方法 |
CN103326984A (zh) * | 2013-07-04 | 2013-09-25 | 南京邮电大学 | 一种基于冲突阈值限制的子信道分配方法 |
Non-Patent Citations (1)
Title |
---|
JING ZHAO ET AL.: "Robust Topology Control in Multi-hop Cognitive Radio Networks", 《2012 PROCEEDINGS IEEE INFOCOM》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109005545A (zh) * | 2018-08-01 | 2018-12-14 | 维沃移动通信有限公司 | 一种通信方法、装置及终端 |
CN109005545B (zh) * | 2018-08-01 | 2023-04-25 | 维沃移动通信有限公司 | 一种通信方法、装置及终端 |
CN111741082A (zh) * | 2020-06-06 | 2020-10-02 | 宋倩云 | 基于5g与边缘计算的网络处理方法及云通信网络服务器 |
CN111741082B (zh) * | 2020-06-06 | 2021-01-19 | 北京格林威尔科技发展有限公司 | 基于5g与边缘计算的网络处理方法及云通信网络服务器 |
Also Published As
Publication number | Publication date |
---|---|
CN104219679B (zh) | 2017-12-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kulkarni et al. | A deterministic approach to throughput scaling in wireless networks | |
Garetto et al. | Modeling per-flow throughput and capturing starvation in CSMA multi-hop wireless networks | |
Brar et al. | Computationally efficient scheduling with the physical interference model for throughput improvement in wireless mesh networks | |
US10348474B2 (en) | Method and apparatus for processing cell interference | |
Lim et al. | Clustered mobility model for scale-free wireless networks | |
CN109905864A (zh) | 一种面向电力物联网的跨层资源分配方案 | |
Wang et al. | On channel assignment for multicast in multi-radio multi-channel wireless mesh networks: A survey | |
Islam et al. | Survey on the state-of-the-art in device-to-device communication: A resource allocation perspective | |
Wang et al. | Practical computation of optimal schedules in multihop wireless networks | |
Khan et al. | A multichannel design for QoS aware energy efficient clustering and routing in WMSN | |
Xu et al. | Performance analysis of cognitive radio networks with burst dynamics | |
CN104219679A (zh) | 认知无线电网络中的一种改进的信道分配方法 | |
CN106792744B (zh) | 基于构建二信道连通下k点连通的拓扑控制方法 | |
Zheng et al. | Submodular utility maximization for deadline constrained data collection in sensor networks | |
Qin et al. | Opportunistic scheduling and channel allocation in MC-MR cognitive radio networks | |
US20230065256A1 (en) | Optimizing clusters of Wi-Fi networks | |
Dall'Anese et al. | Statistical routing for multihop wireless cognitive networks | |
Yu et al. | Optimal association in wireless mesh networks | |
Wang et al. | On the practical complexity of solving the maximum weighted independent set problem for optimal scheduling in wireless networks | |
Alaya-Feki et al. | Interference cartography for hierarchical dynamic spectrum access | |
Lertpratchya et al. | Interference-aware multicast trees and meshes for wireless multihop networks | |
Valkova-Jarvis et al. | Novel throughput quantile averaging methods for the proportional fair algorithm in indoor mobile networks | |
Chauhan et al. | Cooperative spectrum sensing scheduling in multi-channel cognitive radio networks: a broad perspective | |
Zhang et al. | Network formation game for multi-hop wearable communications over millimeter wave frequencies | |
Yu et al. | Distributed cooperative spectrum sensing in mobile ad hoc networks with cognitive radios |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |