CN106507370B - 主动式频谱感知切换的方法 - Google Patents
主动式频谱感知切换的方法 Download PDFInfo
- Publication number
- CN106507370B CN106507370B CN201611064069.6A CN201611064069A CN106507370B CN 106507370 B CN106507370 B CN 106507370B CN 201611064069 A CN201611064069 A CN 201611064069A CN 106507370 B CN106507370 B CN 106507370B
- Authority
- CN
- China
- Prior art keywords
- channel
- state
- time
- idle
- cognitive
- 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
- 238000001228 spectrum Methods 0.000 title claims abstract description 78
- 238000000034 method Methods 0.000 title claims abstract description 50
- 230000008447 perception Effects 0.000 title claims abstract description 17
- 230000001149 cognitive effect Effects 0.000 claims abstract description 102
- 230000006854 communication Effects 0.000 claims description 29
- 238000004891 communication Methods 0.000 claims description 28
- 238000001514 detection method Methods 0.000 claims description 15
- 238000012937 correction Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 8
- 230000005540 biological transmission Effects 0.000 claims description 7
- 230000006399 behavior Effects 0.000 claims description 3
- 238000005315 distribution function Methods 0.000 claims description 3
- 238000005562 fading Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000007499 fusion processing Methods 0.000 claims description 2
- 230000003993 interaction Effects 0.000 claims description 2
- 230000002452 interceptive effect Effects 0.000 abstract description 3
- 230000019771 cognition Effects 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 6
- 238000011160 research Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
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
- H04W16/14—Spectrum sharing arrangements between different networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L27/00—Modulated-carrier systems
- H04L27/0006—Assessment of spectral gaps suitable for allocating digitally modulated signals, e.g. for carrier allocation in cognitive radio
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明涉及一种主动式频谱感知切换方法,该方法主要包括以下步骤:认知用户感知并收集可用信道的频谱信息;认知用户通过长期观察计算得到信道下一时隙空闲概率、信道剩余空闲时间修正因子、认知用户切换门限的学习常数;认知用户判断何时切换以及切换到哪个信道;认知用户执行频谱切换并恢复通信。本发明在可以动态追踪信道的变化实现频谱的快速切换,在不干扰授权用户的前提下实现按需切换,有效减少碰撞与切换次数,可用于分布式认知无线网络中的频谱切换过程。
Description
技术领域
本发明属于移动通信技术领域,涉及认知无线网络中的动态频谱接入,具体涉及一种分布式认知无线网络中认知用户主动式频谱感知切换方法。
背景技术
随着无线通信业务的快速发展,无线频谱资源变得越来越稀缺。由于香农定理的限制,许多先进的通信技术,如信道编码技术、正交频分复用技术、智能天线技术等,并不能从根源上提高频谱的利用率。为了能够进一步提高无线频谱资源的利用效率,认知无线电技术应运而生。认知无线电网络中的用户具有感知周围环境的能力,能够通过感知周围环境中频谱的使用情况,动态地选择当前空闲的频谱作为认知无线电网络暂时可用的频谱资源,从而达到提高频谱利用效率的目的。
分布式认知无线网络中,认知节点通过发现并合理利用空域、时域和频域中出现的可以被利用的“频谱空洞”来完成自身的通信,每个认知节点参与频谱的感知、智能分析、分配、重配置工作,构成一个认知循环。授权用户重新占用频谱、信道质量变差、认知节点的位置移动等原因使得授权频谱始终处于动态变化之中,因此认知用户需要在通信过程中改变自身的运行频率,即频谱切换。
与传统网络中的切换算法及协议相比,认知环境中频谱切换的触发条件和执行过程均发生了很大变化,因此有必要针对认知无线电网络的特点,研究适合于在认知无线电网络中工作的频谱切换算法及协议。
传统的频谱切换是在感知到授权用户的信号后,安排认知用户切换到其它频率继续通信,也就是频谱的切换滞后于授权用户的到达,这违背了认知无线电技术的前提,即不能对授权用户造成干扰;所以,提前安排频谱切换成为研究的热点。典型的研究成果包括:《动态频谱网络中的主动信道接入》、《自动频谱切换:一种认知无线网络中频谱管理的新型方法》和《主动式频谱感知的改进型信道切换算法》,但研究仍然存在下列问题:
(1)主动式频谱切换方式的有效性与预测的精确程度有很大的相关性。如果预测结果不准确,反而容易产生错误的切换决策,造成不必要的切换,增加对授权用户的干扰。
(2)主动式频谱切换算法中切换时刻的判决决定了认知用户切换次数及对授权用户干扰的多少。现有的主动式切换方案都是基于时间估计的,在每个感知时隙选择空闲剩余时长最大的信道进行切换,这样认知用户在每个感知—传输周期都有切换的可能性,切换开销过大。一些研究根据某种切换规则允许认知用户停留在当前信道来减少切换开销,然而由于判定条件或门限的限制并不能充分利用当前信道的空闲时段,切换依然很频繁。
(3)当频谱资源存在多个候选频段时,为了***整体性能的提升,认知用户在进行目标信道选择时不能仅仅根据信道剩余空闲时长进行决策,而是需要考虑更多的因素。
(4)基于时间估计的主动式频谱选择方法属于最高匹配算法,对资源的利用率不高。基于图论或者博弈论的频谱分配方案只适于同时处理多个频谱分配请求,但是在实际的***中,新的接入请求或者切换请求都是相互独立的发生在离散时间轴上的,***中同时有多个分配频谱请求的概率会相对较小。
发明内容
鉴于现有技术的不足,本发明旨在于提出一种主动式频谱感知切换方法,在所述切换方法基础上,结合多属性判决和蚁群分工算法,在不干扰授权用户的前提下,实现认知用户的无缝切换,提高频谱利用率的同时有效减少切换次数。
为达到上述目的,本发明提供如下技术方案:
一种主动式频谱感知切换的方法,包括以下步骤:
1)对于首次接入网络,不存在任何频谱状态信息的认知用户进行初始化;信道数据库信息初始化为0,信道剩余空闲时长列表初始化为T0;对于非首次接入网络的认知用户直接进行步骤2);
2)频谱感知阶段,具体包括以下步骤:
2.1)认知用户在感知静默期对本地信道和邻居信道的状态进行频谱感知,获取相应可用信道的状态信息;
2.2)认知用户之间通过控制信道获取其他可用信道的状态信息,所述控制信道为专用的认知业务交互信息的信道,独立于用于数据通信的认知数据信道之外;
2.3)认知用户将上述所有可用信道的状态信息进行融合处理,并存储在信道数据库中;
2.4)在经历t1时长的观察后,认知用户根据最新的感知信息与历史经验信息建立信道剩余空闲时间列表,并在感知静默期t2时刻更新信道数据库信息,其中:
t2=t1+mΔt(m=0,1,2L)
Δt=Δt1+Δt2
Δt为感知—传输周期,Δt1为感知时长,Δt2为传输时长;
3)判断是否切换频谱;比较当前信道剩余空闲时长Ti和当前信道切换门限Di,判断当前信道是否满足Ti-Di≥0,若是,则不需要切换,转至步骤6);否则,转至步骤4);
4)按信道选择概率值大小对不同信道进行排序,将选择信道选择概率值最大的信道c作为目标信道:
其中,Si为信道选择概率值;若存在可用信道i满足上述条件,则进行频谱切换,转至步骤5);否则,转至步骤6);
5)认知用户在下一通信周期切换到目标信道;且认知用户通过控制信道通知与其通信的其他认知用户切换到相同的信道;若切换成功,转至步骤6);若切换失败,转至步骤2);
6)在通信周期内继续进行数据通信,经历传输时长Δt2后判断是否完成通信,若是,转至步骤7);否则,返回步骤2);
7)一次业务结束,等待下次业务。
进一步的,步骤2.1)中所述对本地信道和邻居信道的状态进行频谱感知的方法为:
认知用户启动本地信号检测过程,检测授权用户信号,若认知用户在Chi检测到授权用户的信号能量大于检测门限,则其本地感知结果State=1;否则其本地感知结果State=0;检测门限值根据信道衰落情况和认知用户与授权用户发射机的距离而定;认知用户对邻居信道执行同样检测算法,得到可用信道的状态信息:
进一步的,步骤2.3)中所述的将上述所有可用信道的状态信息进行融合处理方法如下:
其中:C为检测结果连续相同的次数;认知用户在每个感知—传输周期都对信道状态进行频谱感知,结合多次感知结果可以得到信道ON或OFF状态的持续时间,ON即状态1代表忙,即授权用户在使用授权信道;OFF即状态0代表闲,即授权用户释放授权信道;并记录在信道数据库中,OFF状态的持续时间为xt=(x1,x2,L,xn),ON状态的持续时间为yt=(y1,y2,L,yn)。
进一步的,步骤2.4)中所述认知用户根据最新的感知结果更新信道数据库信息,包括:更新不同信道授权用户的空闲时间速率参数λOFF和繁忙时间的速率参数λON,更新不同信道的剩余空闲时长修正因子σ;进而更新空闲信道剩余时长列表和不同信道的切换门限列表。
进一步的,所述信道剩余空闲时长列表的建立方法如下:
1)授权用户的行为可以建模成ON/OFF指数交替模型,业务请求到达时间间隔Xi(OFF)服从均值为1/λOFF的负指数分布;业务请求的服务时间Yi(ON)服从均值为1/λON的负指数分布:
其中:xi为信道i每个OFF状态的持续时间,yi为信道i每个ON状态的持续时间;λOFF表示空闲时间速率参数;λON表示繁忙时间的速率参数;
2)对于认知用户而言,信道的可用率为:
其中:EXi表示Xi的期望,EYi表示Yi的期望;
3)信道i在下一通信周期的空闲概率为:
4)根据实时的频谱感知,更新信道数据库中信道剩余空闲时间修正因子σ,具体方法如下:
其中,β为修正常数,xi为信道i每个OFF状态的持续时间,表示信道i的平均空闲时长,采用空闲时长出现概率大于0.5时的空闲时长作为平均空闲时间,由于信道空闲时长服从指数分布函数,则
得到平均空闲时间
5)计算当前时刻不同信道的剩余空闲时间,方法如下:
其中,经过的时间Telapsed=kΔt,k表示从上一次感知到空闲到现在经过的时隙数目;
生成信道剩余空闲时长列表,具体如下:
其中:Chi代表当前时刻信道i;
6)在每个感知时隙,认知用户更新各自的信道剩余空闲时长列表,并预测下一时刻信道剩余空闲时间,信道可以分为以下四种感知情况:
a、当前时隙信道状态为空闲,上一信道状态为空闲;
b、当前时隙信道状态为空闲,上一信道状态为忙碌;
c、当前时隙信道状态为忙碌,上一信道状态为空闲;
d、当前时隙信道状态为忙碌,上一信道状态为忙碌;
具体可表示为下式:
表示信道当前时隙的状态,表示信道上一感知时隙的状态;
在通信***中,每个感知时隙所有信道都会被检测;表示上一次预测的信道剩余空闲时长,且初始化
进一步的,所述的信道切换门限的更新方法为:更新切换门限学习因子Li:
其中:ε1为切换门限学习常数;
用学习因子与信道空闲状态速率参数来确定切换门限的方法如下:
其中,为信道i的空闲时间速率参数;进而更新信道切换门限列表:
进一步的,所述的选择目标信道的具体方法如下:
用多属性判决法对可选信道进行排序,认知网络中有m个候选信道,判决参数为n个,则决策矩阵大小为m×n,元素为aij,其中i代表候选信道,j代表判决参数,aij为信道i的第j个属性;根据判决参数的重要程度,为参数设置权重ω=[ω1,ω2,L,ωn]T;计算各候选信道的加权和为:
规范化zi在[0,1]范围内:
候选信道选择概率方法如下:
经过一段时间的观察后,未来频谱的可用信息可以通过预测得到,Ti为信道i的剩余空闲时间,Di为认知用户在信道i上的切换门限。
本发明的有益效果在于:
1、本发明采用基于感知一传输模式的通信模型,根据信道的历史信息及每个周期的实时感知,对信道剩余空闲时间的计算引入修正因子,使预测的结果更加准确,避免对授权用户造成干扰。
2、本发明设置自适应切换门限,在不干扰授权用户的前提下,减少认知用户切换的次数,提高***的性能。
3、本发明考虑了影响认知用户切换成功的信道多属性问题,使认知用户趋向于选择最适合自己通信的信道,提高认知用户的满意度。
4、本发明采用蚁群的分工算法作为信道选择算法,实现对目标信道的最优匹配,提高频谱利用率。
附图说明
为了使本发明的目的、技术方案和有益效果更加清楚,本发明提供如下附图进行说明:
图1为本发明的应用场景图;
图2为本发明的总流程图;
图3为本发明的频谱感知流程图。
具体实施方式
下面将结合附图,对本发明的优选实施例进行详细的描述。
如图1所示,为本发明的认知无线网络应用场景图,其中,认知用户网络中不存在基站管理中心,认知节点之间处于对等位置,认知用户之间通过专用控制信道传输控制信息,分配完成后在各自的数据信道上进行数据传输。当信道状态发生变化,认知用户需要通知与之通信的合作伙伴空出当前占用的信道,共同切换至另一空闲信道继续未完成的通信。
如图2~3所示,本发明为一种主动式频谱感知切换的方法,包括以下步骤:
一、初始化:
认知用户之间的通信模式为感知传输模式,假设认知用户的感知时长Δt1,传输时长Δt2,则感知一传输周期Δt=Δt1+Δt2;
认知用户初始化,其中所述认知用户属于首次接入网络,其并未对频谱存在任何使用信息,信道数据库信息初始化为0,空闲信道剩余时间列表初始化为T0;
如果认知用户不是首次接入网络,则直接转至频谱感知阶段。
二、频谱感知:
在感知阶段,认知用户启动本地信号检测过程,若认知用户在Chi检测到授权用户的信号能量大于检测门限,则其本地感知结果State=1;否则其本地感知结果State=0;检测门限值根据信道衰落情况和认知用户与授权用户发射机的距离而定;认知用户对邻居信道执行同样检测算法,得到可用信道的状态信息:
三、信息融合:
将所述感知信息与聚集的其它可用频谱的状态信息进行融合处理的方法如下:
认知用户在每个感知—传输周期都对信道状态进行感知,则结合信道的多次感知结果可以得到信道ON或OFF状态的持续时间,ON即状态1代表忙,即授权用户在使用授权信道;OFF即状态0代表闲,即授权用户释放授权信道;并记录在信道数据库中,其中C为检测结果连续相同的次数。处理结果按如下方式存储在信道数据库中,OFF状态的持续时间为xt=(x1,x2,L,xn),ON状态的持续时间为yt=(y1,y2,L,yn)。
四、建立并更新信道剩余空闲时间列表:
经历t1时间的观察后,授权用户的行为可以建模成ON/OFF指数交替模型,根据排队论的相关知识,业务请求的到达过程服从速率为λi的泊松随机过程,则业务请求到达时间间隔Xi(OFF)服从均值为1/λOFF的负指数分布;同理,业务离开过程服从速率为Yi的泊松随机过程,每个业务请求的服务时间Yi(ON)服从均值为1/λON的负指数分布:
对于认知用户而言,信道的可用率为:
根据更新理论,可以知道从0状态转移到0状态的概率以及从1状态转移至0状态的概率分别,那么信道i在下一阶段的空闲概率为:
其中,State为上一阶段信道i的状态;根据实时的频谱感知,更新信道数据库中空闲信道剩余时间修正因子σ,具体表示方法如下:
其中,β为修正常数,xi为信道每个OFF状态的持续时间,表示信道的平均空闲时长,我们使用空闲时长出现概率大于0.5时的空闲时长作为平均空闲时间,由于信道空闲时长服从指数分布函数,则
得到平均空闲时间进而可以计算当前时刻不同信道的剩余空闲时长,方法如下:
其中,经过的时间Telapsed=kΔt,k表示从上一次感知到空闲到现在经过的时隙数目,Δt为一个感知—传输周期;其中Pi为信道i在下一通信周期的空闲概率大小;生成空闲信道剩余时长列表
其中Chi代表不同的信道,Ti为当前时刻信道i的剩余空闲时间;在每个感知时隙,认知用户更新各自的信道剩余空闲时间列表,并预测下一时刻信道剩余空闲时间,信道可以分为以下四种感知情况:
其中,表示信道当前时隙的状态,表示信道上一感知时隙的状态;在我们的通信***中,每个感知时隙所有信道都会被检测;
表示上一预测的信道剩余空闲时长,且初始化
五、确定信道切换门限:
根据本地信道的历史信息,得到信道i每个OFF状态的持续时间xi,若持续时间大于信道i的平均空闲时长,则Li更新为学***均空闲时长,Li更新为学习因子Li加学习常数ε1,即:
其中Li为切换门限学习因子,ε1为切换门限学习常数;用学习因子与信道速率参数来确定切换门限,具体为:其中,为信道i的空闲状态速率参数;进而更新信道切换门限列表:
六、判断是否需要切换:
比较当前信道剩余空闲时长Ti和当前信道切换门限Di,判断当前信道是否满足Ti-Di≥0,若是,则不需要切换;否则,则需要切换。
七、选择目标信道:
用多属性判决发对可选信道进行排序,认知网络中有m个候选信道,判决参数为n个,则决策矩阵大小为m×n,aij为信道i的第j个属性,j代表判决参数;根据判决参数的重要程度,为参数设置权重:
ω=[ω1,ω2,L,ωn]T
计算各候选信道的加权和:
规范化zi在[0,1]范围内:
认知用户对各个可用信道选择的概率如下:
按信道选择概率值大小对不同信道进行排序,将选择信道选择概率值最大的信道c作为目标信道:
若存在可用信道i满足上述条件,则进行频谱切换;否则,就不进行频谱切换。
八、频谱切换
认知用户在下一通信周期切换到目标信道;且认知用户通过控制信道通知与其通信的其他认知用户切换到相同的信道;若切换成功,则进入下一阶段;若切换失败,则转回到频谱感知阶段;
九、在通信期继续进行数据通信,经历Δt2后判断是否完成通信,若是,完成一次业务,等待下次业务;否则,返回至频谱感知阶段;
最后说明的是,以上优选实施例仅用以说明本发明的技术方案而非限制,尽管通过上述优选实施例已经对本发明进行了详细的描述,但本领域技术人员应当理解,可以在形式上和细节上对其作出各种各样的改变,而不偏离本发明权利要求书所限定的范围。
Claims (7)
1.一种主动式频谱感知切换的方法,其特征在于,包括以下步骤:
1)对于首次接入网络,不存在任何频谱状态信息的认知用户进行初始化;信道数据库信息初始化为0,信道剩余空闲时长列表初始化为T0;对于非首次接入网络的认知用户直接进行步骤2);
2)频谱感知阶段,具体包括以下步骤:
2.1)认知用户在感知静默期对本地信道和邻居信道的状态进行频谱感知,获取相应可用信道的状态信息;
2.2)认知用户之间通过控制信道获取其他可用信道的状态信息,所述控制信道为专用的认知业务交互信息的信道,独立于用于数据通信的认知数据信道之外;
2.3)认知用户将上述所有可用信道的状态信息进行融合处理,并存储在信道数据库中;
2.4)在经历t1时长的观察后,认知用户根据最新的感知信息与历史经验信息建立信道剩余空闲时间列表,并在感知静默期t2时刻更新信道数据库信息,其中:
t2=t1+mΔt,m=0,1,2…
Δt=Δt1+Δt2
Δt为感知—传输周期,Δt1为感知时长,Δt2为传输时长;
3)判断是否切换频谱;比较当前信道剩余空闲时长Ti和当前信道切换门限Di,判断当前信道是否满足Ti-Di≥0,Ti为信道i的剩余空闲时间,Di为认知用户在信道i上的切换门限;若是,则不需要切换,转至步骤6);否则,转至步骤4);
4)按信道选择概率值大小对不同信道进行排序,将选择信道选择概率值最大的信道c作为目标信道:
其中,Si为信道选择概率值;若存在可用信道i满足上述条件,则进行频谱切换,转至步骤5);否则,转至步骤6);
5)认知用户在下一通信周期切换到目标信道;且认知用户通过控制信道通知与其通信的其他认知用户切换到相同的信道;若切换成功,转至步骤6);若切换失败,转至步骤2);
6)在通信周期内继续进行数据通信,经历传输时长Δt2后判断是否完成通信,若是,转至步骤7);否则,返回步骤2);
7)一次业务结束,等待下次业务。
2.根据权利要求1所述的主动式频谱感知切换的方法,其特征在于:步骤2.1)中所述对本地信道和邻居信道的状态进行频谱感知的方法为:
认知用户启动本地信号检测过程,检测授权用户信号,若认知用户在Chi检测到授权用户的信号能量大于检测门限,则其本地感知结果Statei=1;否则其本地感知结果Statei=0;
检测门限值根据信道衰落情况和认知用户与授权用户发射机的距离而定;认知用户对邻居信道执行同样检测算法,得到可用信道的状态信息:Chi为当前时刻信道i;
3.根据权利要求2所述的主动式频谱感知切换的方法,其特征在于:步骤2.3)中所述的将上述所有可用信道的状态信息进行融合处理方法如下:
其中:C为检测结果连续相同的次数;认知用户在每个感知—传输周期都对信道状态进行频谱感知,结合多次感知结果得到信道ON或OFF状态的持续时间,ON即状态1代表忙,即授权用户在使用授权信道;OFF即状态0代表闲,即授权用户释放授权信道;
并记录在信道数据库中,OFF状态的持续时间为xt=(x1,x2,…,xn),ON状态的持续时间为yt=(y1,y2,…,yn)。
4.根据权利要求3所述的主动式频谱感知切换的方法,其特征在于:步骤2.4)中所述认知用户根据最新的感知结果更新信道数据库信息,包括:更新不同信道授权用户的空闲时间速率参数λOFF和繁忙时间的速率参数λON,更新不同信道的剩余空闲时长修正因子σi;进而更新空闲信道剩余时长列表和不同信道的切换门限列表。
5.根据权利要求4所述的主动式频谱感知切换方法,其特征在于:所述信道剩余空闲时长列表的建立方法如下:
1)授权用户的行为能够建模成ON/OFF指数交替模型,业务请求到达时间间隔Xi(OFF)服从均值为1/λOFF的负指数分布;业务请求的服务时间Yi(ON)服从均值为1/λON的负指数分布:
其中:xi为信道i每个OFF状态的持续时间,yi为信道i每个ON状态的持续时间;λOFF表示空闲时间速率参数;λON表示繁忙时间的速率参数;
2)对于认知用户而言,信道的可用率为:
其中:EXi表示Xi的期望,EYi表示Yi的期望;为信道i的忙碌时间速率参数;为信道i的空闲时间速率参数;
3)信道i在下一通信周期的空闲概率为:
4)根据实时的频谱感知,更新信道数据库中信道剩余空闲时间修正因子σi,具体方法如下:
其中,β为修正常数,xi为信道i每个OFF状态的持续时间,Ta i表示信道i的平均空闲时长,采用空闲时长出现概率大于0.5时的空闲时长作为平均空闲时间,由于信道空闲时长服从指数分布函数,则
得到平均空闲时间
5)计算当前时刻不同信道的剩余空闲时间,方法如下:
其中,经过的时间Ti elapsed=kΔt,k表示从上一次感知到空闲到现在经过的时隙数目;Pi表示当前时刻信道i上的空闲时长出现概率;
生成信道剩余空闲时长列表,具体如下:
其中:Chi代表当前时刻信道i;
6)在每个感知时隙,认知用户更新各自的信道剩余空闲时长列表,并预测下一时刻信道剩余空闲时间,信道分为以下四种感知情况:
a、当前时隙信道状态为空闲,上一信道状态为空闲;
b、当前时隙信道状态为空闲,上一信道状态为忙碌;
c、当前时隙信道状态为忙碌,上一信道状态为空闲;
d、当前时隙信道状态为忙碌,上一信道状态为忙碌;
具体表示为下式:
表示当前时隙信道状态为空闲,上一信道状态为空闲的概率;
表示当前时隙信道状态为空闲,上一信道状态为忙碌的概率;
表示当前时隙信道状态为忙碌,上一信道状态为空闲的概率;
表示当前时隙信道状态为忙碌,上一信道状态为忙碌的概率;
表示第i个信道当前时隙的状态,表示第i个信道上一感知时隙的状态;
在通信***中,每个感知时隙所有信道都会被检测;表示上一次预测的信道剩余空闲时长,且初始化
6.根据权利要求5所述的主动式频谱感知切换方法,其特征在于,所述的信道切换门限的更新方法为:更新切换门限学习因子Li:
其中:ε1为切换门限学习常数;
用学习因子与信道空闲状态速率参数来确定切换门限的方法如下:
其中,为信道i的空闲时间速率参数;进而更新信道切换门限列表:
7.根据权利要求6所述的主动式频谱感知切换方法,其特征在于,所述的选择目标信道的具体方法如下:
用多属性判决法对可选信道进行排序,认知网络中有m个候选信道,判决参数为n个,则决策矩阵大小为m×n,元素为aij,其中i代表候选信道,j代表判决参数,aij为信道i的第j个属性;根据判决参数的重要程度,为参数设置权重ω=[ω1,ω2,…,ωn]T;计算各候选信道的加权和为:
规范化zi在[0,1]范围内:
候选信道选择概率方法如下:
经过一段时间的观察后,未来频谱的可用信息可以通过预测得到,Ti为信道i的剩余空闲时间,Di为认知用户在信道i上的切换门限。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611064069.6A CN106507370B (zh) | 2016-11-25 | 2016-11-25 | 主动式频谱感知切换的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611064069.6A CN106507370B (zh) | 2016-11-25 | 2016-11-25 | 主动式频谱感知切换的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106507370A CN106507370A (zh) | 2017-03-15 |
CN106507370B true CN106507370B (zh) | 2019-09-10 |
Family
ID=58328615
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611064069.6A Active CN106507370B (zh) | 2016-11-25 | 2016-11-25 | 主动式频谱感知切换的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106507370B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107359948B (zh) * | 2017-07-11 | 2019-06-14 | 北京邮电大学 | 一种认知无线网络的频谱预测方法、装置及计算机可读存储介质 |
CN110492955B (zh) * | 2019-08-19 | 2021-11-23 | 上海应用技术大学 | 基于迁移学习策略的频谱预测切换方法 |
CN113286335B (zh) * | 2021-03-30 | 2023-01-31 | 珠海泰芯半导体有限公司 | 频点切换方法、装置、存储介质及接入点 |
CN113271611B (zh) * | 2021-04-23 | 2022-10-25 | 中国空间技术研究院 | 一种认知卫星网络***频谱切换优化方法 |
CN113922899B (zh) * | 2021-09-24 | 2023-10-24 | 中国人民解放军军事科学院国防科技创新研究院 | 基于神经网络和Welch变换的频谱感知接入方法 |
CN115037726A (zh) * | 2022-06-20 | 2022-09-09 | 深圳市极尚客科技有限公司 | 一种视频传输技术在多种信道下宽带自适应方法 |
CN115604768B (zh) * | 2022-11-30 | 2023-03-07 | 成都中星世通电子科技有限公司 | 基于资源状态的电磁感知任务动态迁移方法、***及终端 |
CN116056090B (zh) * | 2023-03-29 | 2023-06-02 | 塔盾信息技术(上海)有限公司 | 一种基于人工智能的认知自组网通信方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101808333A (zh) * | 2010-02-02 | 2010-08-18 | 深圳先进技术研究院 | 共享信道的方法及*** |
CN102256261A (zh) * | 2011-07-14 | 2011-11-23 | 东北大学 | 一种具有网络认知能力的动态频谱接入方法 |
CN102857938A (zh) * | 2011-06-30 | 2013-01-02 | 冯奇 | 认知无线电中频谱环境学习与预测 |
CN102932801A (zh) * | 2012-11-27 | 2013-02-13 | 北京邮电大学 | 一种多用户认知无线电网络中的被动协同频谱感知方法 |
CN103442363A (zh) * | 2013-09-13 | 2013-12-11 | 北京邮电大学 | 使用tvws的认知td-lte中频谱切换次数最小化的频谱聚合方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9407560B2 (en) * | 2013-03-15 | 2016-08-02 | International Business Machines Corporation | Software defined network-based load balancing for physical and virtual networks |
-
2016
- 2016-11-25 CN CN201611064069.6A patent/CN106507370B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101808333A (zh) * | 2010-02-02 | 2010-08-18 | 深圳先进技术研究院 | 共享信道的方法及*** |
CN102857938A (zh) * | 2011-06-30 | 2013-01-02 | 冯奇 | 认知无线电中频谱环境学习与预测 |
CN102256261A (zh) * | 2011-07-14 | 2011-11-23 | 东北大学 | 一种具有网络认知能力的动态频谱接入方法 |
CN102932801A (zh) * | 2012-11-27 | 2013-02-13 | 北京邮电大学 | 一种多用户认知无线电网络中的被动协同频谱感知方法 |
CN103442363A (zh) * | 2013-09-13 | 2013-12-11 | 北京邮电大学 | 使用tvws的认知td-lte中频谱切换次数最小化的频谱聚合方法 |
Non-Patent Citations (2)
Title |
---|
Centralized spectrum broker and spectrum sensing with compressive sensing techniques for resource allocation in cognitive radio networks;Jeison Marin等;《IEEE Latin-America conference on Communications》;20131126;全文 |
主动式频谱感知的改进型信道切换算法;秦臻等;《电波科学学报》;20130630;第28卷(第3期);全文 |
Also Published As
Publication number | Publication date |
---|---|
CN106507370A (zh) | 2017-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106507370B (zh) | 主动式频谱感知切换的方法 | |
CN108833040B (zh) | 基于强化学习的智能频谱协同感知方法 | |
Mustapha et al. | An energy efficient reinforcement learning based cooperative channel sensing for cognitive radio sensor networks | |
CN110492955B (zh) | 基于迁移学习策略的频谱预测切换方法 | |
Khan et al. | Fuzzy based multi-criteria vertical handover decision modeling in heterogeneous wireless networks | |
KR20090033133A (ko) | 무선 주파수 분할 다중화 네트워크에서의 셀간 간섭의 저감방법 | |
CN103281734A (zh) | 一种分布式认知无线网络中主动频谱切换的方法 | |
CN112637914A (zh) | 在双通道环境下基于dqn算法的信道切换***及方法 | |
Cao et al. | Energy-efficient cooperative spectrum sensing strategy for cognitive wireless sensor networks based on particle swarm optimization | |
CN104219190B (zh) | 一种认知ofdm***的子信道和功率分配方法 | |
Adeogun et al. | Learning to dynamically allocate radio resources in mobile 6G in-x subnetworks | |
Mir et al. | An adaptive handoff strategy for cognitive radio networks | |
Wang et al. | Extended knowledge-based reasoning approach to spectrum sensing for cognitive radio | |
Giri Prasad et al. | Group based multi-channel synchronized spectrum sensing in cognitive radio network with 5G | |
Xue et al. | Smart channel switching in cognitive radio networks | |
Hanif et al. | Traffic pattern based adaptive spectrum handoff strategy for cognitive radio networks | |
Wang et al. | A dynamic channel-borrowing approach with fuzzy logic control in distributed cellular networks | |
Jiang et al. | On searching available channels with asynchronous MAC-layer spectrum sensing | |
Ghamry et al. | Spectrum access in cognitive IoT using reinforcement learning | |
Arivudainambi et al. | Spectrum prediction in cognitive radio network using machine learning techniques | |
Liu et al. | Dynamic multiple access based on deep reinforcement learning for Internet of Things | |
Sumith et al. | Enhanced model for spectrum handoff in cognitive radio networks | |
Tong et al. | Qoe-fairness tradeoff scheme for dynamic spectrum allocation based on deep reinforcement learning | |
Clement et al. | Throughput enhancement in a cognitive radio network using a reinforcement learning method | |
Riskiono et al. | Review of spectrum handoff schemes in cognitive radio networks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | 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 |