认知无线电网络中基于移动性预测的信道分配方法

技术领域

本发明涉及通信系统中认知无线电技术中信道分配技术。

背景技术

认知无线电被认为是未来4G无线网络或者自组织网络的可行智能技术。认知用户可 以机会的接入到授权信道但是不能对相应的授权信道造成干扰。这就需要一种有效的最优 的数据链路层调度方案，以快速的进行周期性的动态信道分配。因此，信道分配作为其技 术实现的一个关键环节，有着十分重要的研究意义。

迄今为止，基于图论、博弈论和干扰温度等模型都已被用来解决认知无线电网络中 的频谱分配问题，取得了一定的成果。但是，基于这些模型的信道分配方案中很少考虑认 知用户的移动特性。换句话说，现有的认知无线电信道分配方案大多是基于“网络快照模 式”的静态信道分配方案，没有对认知用户的移动特性进行深入地研究，这不仅不符合认 知无线电实现动态频谱接入的初衷，更不符合实际的移动认知网络的背景要求。

发明内容

本发明是为了解决传统信道静态频谱分配方法没有考虑认知用户的移动特性导致有 效信道利用率低和系统公平性性差的问题，从而提供一种认知无线电网络中基于移动性预 测的信道分配方法。

认知无线电网络中基于移动性预测的信道分配方法，它由以下步骤实现：

步骤一、初始化；

在认知无线电网络中，随机产生N个认知用户的位置和速度矢量

每个认知用户i预测一个连续时间段T_p，在时间段T_p内当前的可用信道对于认知用户 i而言是持续可用的；

每个认知用户i计算其本身与其他认知用户i′间出现干扰的时间为T_p′；

随机产生M个授权用户的固定地理位置，其位置服从均匀分布；

每个授权用户有一个专用的授权信道与之对应，即：每个授权用户使用一个相应的授 权信道；

授权用户的初始工作状态随机产生，即：工作或者空闲状态；

设定可用信道概率门限α和干扰边概率门限β；其中，0<α,β<1；

认知系统周期的进行信道分配，信道分配周期为T_c；系统初始计时为t₀时刻；

步骤二、根据每个认知用户自身速度以及与授权用户的相对位置关系，计算每个 认知用户的可用信道列表集合具体为：

判断是否存在T_p≥T_c，

如果判断结果为是，则授权信道j对认知用户i的信道可用性概率由公式：

$L_i^j=\frac{1}{{\mathrm{\lambda T}}_c}+{ϵ}_a+e^{-\lambda T_c}(\frac{1}{2}{p}_{\alpha }{\mathrm{\lambda T}}_c-\frac{1}{{\mathrm{\lambda T}}_c}-{ϵ}_a)$

确定；

如果判断结果为否，则授权信道j对认知用户i的信道可用性概率由公式：

$L_i^j=\frac{1}{{\mathrm{\lambda T}}_p}+{ϵ}_b+e^{-{\mathrm{\lambda T}}_p}(\frac{1}{2}{p}_b{\mathrm{\lambda T}}_p-\frac{1}{{\mathrm{\lambda T}}_p}-{ϵ}_b-1)$

确定；

根据获得的授权信道j对认知用户i的信道可用性概率，获得每个用户i的可用概率 信道列表集合

其中：p_α≥0.5，表示t₀+φ以后认知用户i远离此授权用户移动的概率；

t₀+φ表示t₀与t₀+T_p之间的一个时刻，认知用户i的速度发生的变化值；

p_b表示在t₀与t₀+T_p间，认知用户i远离此授权用户移动的概率；

0≤ε_a,ε_b<<1；λ为正数；

步骤三、计算任意两个不同认知用户i和i′的概率干扰边具体为：

根据认知用户i的速度及其附近区域所有认知用户的位置和速度关系，计算整个认 知网络的拓扑预测，即：概率意义上的拓扑干扰图G_p(T_c)；

每两个认知用户间的概率干扰边根据公式：

${\chi }_i^{i^{\prime }}=\frac{1}{{2\mathrm{\lambda T}}_p^{\prime }}+{ϵ}_1+e^{{-2\mathrm{\lambda T}}_p^{\prime }}(p_1{\mathrm{\lambda T}}_p^{\prime }-\frac{1}{{2\mathrm{\lambda T}}_p^{\prime }}-{ϵ}_1)$

获得；

其中，0≤ε₁<<1；p₁表示以后，两认知用户朝相近方向移动的概率，表示 在t₀与t₀+T_p′之间，节点i和i′的速度至少有一个发生的变化值；

步骤四、预测判决，具体为：

逐一判断步骤二获得的可用信道概率列表集合中的元素是否大于等于α，若大 于等于α，将该元素置为“1”；否则，将该元素置为“0”；

如果中的元素为“1”，则此信道可用；否则，此信道不可用；

逐一判断步骤三获得的概率干扰边中的元素是否大于或等于β，若是，将该元素 置为“1”；否则，将该元素置为“0”；

步骤五、建立连通子图，具体为：

查看步骤四中的如果中的元素为“1”，则认为两个认知用户之间有干扰边连 接；否则，则认为两个认知用户之间没有干扰边连接；

建立认知无线电系统的各连通子图，依次遍历每个连通子图，执行步骤六；

步骤六、进行每个连通子图的信道分配：在每一个子图中求出一个极大独立集，将独 立集的相同信道按其在子图中出现次数由低到高顺序进行多个认知用户的同时分配，

更新各认知用户的列表除去已分配信道，

继续求解独立集，遍历此子图的所有独立集，重复此过程，直至所有相同信道分配完 成，完成认知无线电网络中基于移动性预测的信道分配。

步骤一中的任意一个认知用户i的移动遵循以下方式：初始时朝某一任意方向以固 定速率移动一段时间后，变换方向朝另一个任意方向以一个新的固定速率移动一段 时间，按照此方式循环往复；

其中，速度方向服从[0～2π]上的均匀分布；速率大小服从[0～v_max]上的均匀分布，v_max是认知用户移动的最大速率；认知用户i移动时保持速度不变的时间段T服从均值为1/λ的 指数分布；且满足公式：

B(x)=1-e^-λx。

步骤三中，附近区域的认知用户是指在当前时刻下，与认知用户i的距离d满足 d<2·v_max·T_c+r的用户。

步骤六中，进行每个连通子图的信道分配原则是：如果各认知用户还有可用信道， 按照连接度度数由低到高的顺序进行分配，如果连接度相等，按照信道度数由低到高进行 分配；更新认知用户及其邻接认知用户的可用信道概率列表，直至此子图信道分配完成。

本发明是一种基于认知用户移动性预测的认知无线电信道分配方法，实现了认知用户 移动下的预测式信道分配。本方法获得了更高的系统有效信道利用率和系统公平性特性， 更符合认知无线电网络的实际分配需求。

附图说明

图1是认知无线电网络中的基于移动性预测的信道分配方法流程图。

具体实施方式

具体实施方式一、结合图1说明本具体实施方式，认知无线电网络中基于移动性预测 的信道分配方法，它由以下步骤实现：

步骤一、初始化。在部署区域内，随机产生N（i=1:N）个认知用户的位置和速度矢 量（包括大小和方向）。每个认知用户i预测一个连续时间段T_p，在时间段T_p内当前的 可用信道对于认知用户i来说是持续可用的；每个认知用户i计算其本身与其他认知用户i′ （i′=1:N）间出现干扰的时间为T_p′，注意：i≠i′。

随机产生M（j=1:M）个授权用户的固定地理位置，其位置服从均匀分布。每个授 权用户有一个专用的授权信道与之对应，即每个授权用户可以使用一个相应的授权信道。 授权用户的初始工作状态随机产生，即工作或者空闲状态。设定可用信道概率门限α和干 扰边概率门限β。其中，0<α,β<1。认知系统周期的进行信道分配，信道分配周期为T_c。 系统初始计时为t₀时刻。

任意一个认知用户i的移动遵循以下方式：即初始时朝某一任意方向以固定速率移动一段时间后，变换方向朝另一个任意方向以一个新的固定速率移动一段时间，按 照此方式循环往复。其中，速度方向服从[0～2π]上的均匀分布；速率大小服从[0～v_max] 上的均匀分布，v_max是认知用户移动的最大速率。认知用户i移动时保持速度不变（大小 和方向）的时间段T服从均值为1/λ的指数分布。满足公式（1）：

B(x)=1-e^-λx   （1）

步骤二、计算各认知用户的信道可用性概率列表集。根据每个认知用户自身速度以 及与授权用户的相对位置关系，按照各自的不同情况计算每个认知用户的可用信道列表集 合

如果T_p≥T_c，授权信道j对认知用户i的信道可用性由公式（2）确定；

如果T_p<T_c，授权信道j对认知用户i的信道可用性由公式（3）确定。

根据公式（2）和公式（3），各认知用户可以计算出所有授权信道的可用性概率，从 而得到每个用户i的可用概率信道列表集合显然，包含M个元素且与T_c有 关。

$L_i^j=\frac{1}{{\mathrm{\lambda T}}_c}+{ϵ}_a+e^{-{\mathrm{\lambda T}}_c}(\frac{1}{2}{p}_a{\mathrm{\lambda T}}_c-\frac{1}{{\mathrm{\lambda T}}_c}-{ϵ}_a)---\left(2\right)$

$L_i^j=\frac{1}{{\mathrm{\lambda T}}_p}+{ϵ}_b+e^{-{\mathrm{\lambda T}}_p}(\frac{1}{2}{p}_b{\mathrm{\lambda T}}_p-\frac{1}{{\mathrm{\lambda T}}_p}-{ϵ}_b-1)---\left(3\right)$

其中，p_α≥0.5表示t₀+φ以后认知用户i远离此授权用户移动的概率（t₀+φ表示t₀与 t₀+T_p之间的一个时刻，认知用户i的速度发生了变化）；p_b表示在t₀与t₀+T_p间，认知用户 i远离此授权用户移动的概率；0≤ε_a,ε_b<<1是为了平衡等式设计的非常小的正数；

步骤三、计算任意两个不同认知用户i和i′的概率干扰边根据认知用户i的速度及其附近区域所有认知用户的位置和速度关系，计算整个认知网络的拓扑预测，即概率意 义上的拓扑干扰图G_p(T_c)。显然，G_p(T_c)也与频谱分配周期T_c有关。其中，附近区域的认 知用户是指认知用户i与这个附近认知用户当前时刻的距离d满足d<2·v_max·T_c+r的用户。 任意两个认知用户间的概率干扰边可根据公式（4）计算得出。

${\chi }_i^{i^{\prime }}=\frac{1}{2{\mathrm{\lambda T}}_p^{\prime }}+{ϵ}_1+e^{-{2\mathrm{\lambda T}}_p^{\prime }}(p_1{\mathrm{\lambda T}}_p^{\prime }-\frac{1}{2{\mathrm{\lambda T}}_p^{\prime }}-{ϵ}_1)---\left(4\right)$

其中，0≤ε₁<<1；p₁表示以后，两认知用户朝相近方向移动的概率(表示 在t₀与t₀+T_p′之间，节点i和i′的速度至少有一个发生了变化）。

步骤四、预测判决。遍历第步骤二得到的可用信道概率列表集合中的元素是否 大于等于α，若大于等于α，将其置为“1”；否则，置为“0”。如果中的元素为“1”， 认为此信道可用；否则，不可用。遍历概率干扰边中的元素是否大于等于β，若大于 等于β，将其置为“1”；否则置为“0”。

步骤五、建立连通子图。查看步骤四中的如果中的元素为“1”，即：认为两 个认知用户之间有干扰边连接；否则，即认为两个认知用户之间没有干扰边连接。从而， 建立起这个认知系统的各连通子图，依次遍历每个连通子图，执行步骤六，直至所有子图 信道分配完成，算法终止。每个连通子图的信道分配过程参见第六步。

步骤六、进行每个连通子图的信道分配。在每一个子图中求出一个极大独立集，将独 立集的相同信道按其在子图中出现次数由低到高顺序进行多个认知用户的同时分配。更新 各认知用户的列表除去已分配信道。继续求解独立集，遍历此子图的所有独立集， 重复此过程，直至所有相同信道分配完成。如果各认知用户还有可用信道，按照连接度度 数由低到高的顺序进行分配，如果连接度相等，按照信道度数由低到高进行分配。更新认 知用户及其邻接认知用户的可用信道概率列表，直至此子图信道分配完成。

本发明了提出一种认知无线电网络中的基于移动性预测的信道分配方法。本方法首 先设置可用信道概率门限α和干扰边概率门限β，根据移动认知用户间的干扰关系预测各 个子图，并根据移动认知用户与授权用户的干扰关系预测子图中每个认知用户的可用信道 列表，从而得到整个网络的预测拓扑图以及每个认知用户的预测可用信道列表。然后从公 平性角度出发，逐个对每个预测子图进行信道分配。每个子图的分配是先求解极大独立集， 而后统一对子图内的节点进行信道分配。本发明解决了移动认知网络的信道分配问题，在 认知节点移动速率相对较大时，本方法获得了更高的系统有效信道利用率和系统公平性特 性，更符合认知无线电网络的实际分配需求。