logo资料库

基于干扰消减的认知无线电频谱分配算法.pdf

发布时间：2022-05-30 发布人：admin 分类：说明书 资料大小：0.43M 资料格式：pdf 举报 版权申诉
第1页 / 共9页
第2页 / 共9页
第3页 / 共9页
第4页 / 共9页
第5页 / 共9页
第6页 / 共9页
第7页 / 共9页
第8页 / 共9页
资料共9页，剩余部分请下载后查看
    第 33 卷第 5 期 2012 年 5 月 通 信 学 报 Journal on Communications Vol.33 No. 5 May 2012 基于干扰消减的认知无线电频谱分配算法 杜文峰，刘亚涛，明仲，隋银雪 （深圳大学 计算机与软件学院，广东 深圳 518060） 摘 要：在认知无线电网络的频谱分配过程基础上，提出了一种基于干扰消减的频谱分配算法。该算法通过将可 用频谱分配给能够同时无干扰地接入同一频谱的所有认知用户来提高授权频谱的使用率。同时，该算法参考各个 认知用户在初始阶段的可用频谱数量来为未分配到频谱资源的认知用户进行频谱分配，对频谱分配过程的公平性 进行了优化。仿真结果表明，该算法能够在认知用户数量较多、可用频谱紧张的情况下获得较高的吞吐量。 关键词：认知无线电；干扰消减；频谱分配；公平性 中图分类号：TP393 文献标识码：A 文章编号：1000-436X(2012)05-0106-09 Interference elimination based spectrum allocation algorithm for cognitive radio DU Wen-feng, LIU Ya-tao, MING Zhong, SUI Yin-xue (College of Computer Science and Software Engineering, Shenzhen University, Shenzhen 518060, China) Abstract: With the spectrum allocation process in cognitive radio network, an interference elimination based spectrum allocation algorithm was proposed to improve the utilization of spectrum by allocating available spectrum to all cognitive users which can simultaneously access the same spectrum without interference. Meanwhile, this algorithm would allocate spectrum to cognitive user, which had not been assigned in previous allocation process, with reference to the amount of available spectrums in the initial stage to optimize the fairness of spectrum allocating process. Extensive simulation re- sults show the proposed algorithm can achieve better throughput when the amount of available spectrum is far less that of cognitive user. Key words: cognitive radio; interference decrease; spectrum allocation; fairness 1 引言 随着无线通信技术的快速发展，无线频谱资源 变得十分稀缺，已经无法满足日益增长的无线通信 技术需求。然而，根据美国 FCC 于 2003 年对无线 频谱使用情况的调查报告[1]，可以发现已分配的授 权频谱的资源利用率普遍在 15%～85%范围内波 动。2009 年，中国移动研究院无线技术研究所对授 权频谱的利用情况进行了实测，结果表明已分配的 授权频谱资源的利用率很低，多半频段的利用率不 足 5%，甚至出现空白频段[2]。因此，如何提高授权 频段的重复利用率，缓解当前无线网络带宽资源紧 缺的现状，成为当前无线通信领域亟待解决的问 题。认知无线电 (CR, cognitive radio)正是在这样的 环境下提出的一种频谱资源共享技术[3]。 认知无线电通过实时感知外部频谱的使用情 况，发现并利用闲置的授权频段（称为“频谱空穴”） 进行数据传输，实现频谱资源的动态共享。在认知 收稿日期：2011-07-12；修回日期：2012-01-03 基金项目：国家自然科学基金资助项目(61003271，61170077); 深圳市基础研究基金资助项目(JC201005280427A) Foundation Items: The National Natural Science Foundation of China (61003271，61170077); Strategy Grant of Shenzhen Science and Technology Department (JC201005280427A)
    第 5 期 杜文峰等：基于干扰消减的认知无线电频谱分配算法 ·107· 无线电网络中存在着 2 类用户：主用户(PU, primary user)和认知用户(CU, cognitive user)。主用户是在指 定频段上的法定授权用户；认知用户没有任何频谱 使用授权，只是伺机占用主用户未使用的授权频段 进行通信。 目前，已有部分研究针对认知无线电的频谱分 配过程展开了讨论，通过分析多个相互竞争的认知 用户之间的关系，将授权频谱分配给满足一定条件 的认知用户使用。可以发现，现有的频谱分配算法 在分配过程中主要以特定的目标函数为指导，并未 考虑到频谱分配过程的公平性。此类算法在分配过 程中以最大化目标性能为主导，可能将频谱资源优 先分配给部分竞争力较强的认知用户，导致其他竞 争力较弱的认知用户由于可用频谱被占用而无法 接入。而此时，另外一些授权频谱资源由于没有认 知用户接入而继续空置，产生“饿死”现象。 然而，在认知无线电网络环境中，由于不同认 知用户的接入方式或发射功率不一定相同，处于同 一授权频谱覆盖范围内的多个认知用户在接入和 使用频谱的过程中可能出现干扰或者能够共享使 用。同时，授权频谱分配的先后次序也将影响频谱 分配的最终结果。本文正是在此基础上，针对认知 用户在接入授权频谱的竞争过程中所产生的冲突 进行分析，提出了一种基于干扰消减的频谱分配算 法 (IESA, interference elimination based spectrum allocation algorithm)。该算法通过消减认知用户在接 入频谱过程中存在的干扰，增加能够同时接入授权 频谱的认知用户数量。同时，本算法将各个认知用 户的可用频谱信息结合到频谱分配过程中，对分配 过程的公平性进行了优化。 本文的后续内容组织如下：第 2 节介绍了当前 认知无线电频谱分配问题的研究现状；第 3 节使用 图论方式对频谱分配过程进行建模；本文提出的频 谱分配算法将在第 4 节给出；第 5 节对比了本算法 与颜色敏感图着色算法的运行性能，并给出了模拟 仿真结果；第 6 节是结束语。 2 相关研究 在认知无线电网络中，认知用户由于所处位置 不同，可能被多个授权频谱所覆盖，能够感知和接 入多个授权频谱。 目前，针对认知无线电频谱分配方面的文章主 要以图着色理论模型为基础。文献[4]提出了基于列 表着色的分布式贪婪算法，以最大频谱分配数量为 目标，将认知用户同其他认知用户所产生干扰的数 量定义为该认知用户的度，并优先对度较小的认知 用户进行频谱分配。以认知用户之间的干扰度来进 行频谱分配能够优化认知用户占用频谱的数量，但 分配结果中有可能出现一个用户占用多个频谱的 情况，导致其他多个认知用户无法接入。同时，该 算法缺乏对干扰和频谱效益的差异性讨论；Haitao Zheng 等在文献[5]中利用不同认知用户在使用频谱 资源时所产生的效益和干扰差异性，提出了一种以 最大效益为目 标的颜色敏 感图着色算 法(CSGC, color sensitive graph coloring algorithm)。该算法将频 谱效益与用户干扰度的比值定义为标号，并优先对 标号最大的节点进行分配，提高系统的频谱效益。 然而，在该算法中产生频谱效益较大的认知用户往 往由于竞争优势抢占产生频谱效益较小的认知用 户所能够使用的频谱资源，无法保证认知用户的最 大频谱接入数量；文献[6]中设计了一种启发式规则 来进行频谱分配和频谱资源调度，实现了以网络公 平性为目标的频谱共享。Anh Tuan Hoang 等在文献 [7]中采用功率控制方法来计算不同认知用户的信 噪比，通过降低认知用户对授权用户的干扰，对频 谱使用过程进行优化。然而，该算法主要针对认知 用户接入授权频谱的干扰问题进行讨论，没有对多 个认知用户同时接入相同授权频谱时所存在的同 频干扰问题进行分析；文献[8]以认知用户的接入公 平性为参考，提出了一种基于流量感知的认知无线 电网络动态频谱分配算法。该算法通过感知不同节 点的网络流量，有选择地为认知用户进行频谱分 配，在一定程度上提高了认知用户使用频谱资源的 公平性；文献[9]通过建模认知用户和主用户的行为 模式，对认知用户阻塞主用户，以及同主用户产生 接入冲突的概率进行预测。通过将不同认知用户分 配到不同的授权频段，能够在一定程度上提高网络 的吞吐量，同时保证频谱分配的公平性。 可以发现，目前已有的频谱分配算法主要以系 统最大频谱效益为目标，优先将可用频谱分配给产 生较大频谱效益的认知用户。尽管该类算法能够有 效地解决接入冲突问题，但仍缺少对多个认知用户 共享同一频谱问题的讨论。同时，现有部分频谱分 配算法优先对满足一定目标的认知用户进行频谱 分配，可能导致其他认知用户由于可用频谱被占 用，而另外一些可用授权频谱资源由于没有被接入
    ·108· 通 信 学 报 第 33 卷 而继续空置的情况，限制了接入到可用授权频谱中 的认知用户数量。 另外，已有的频谱分配算法主要强调认知用户 之间的同频干扰，不允许多个认知用户共享接入同 一个授权频谱。然而，由于认知用户的接入方式或 发射功率不一定相同，处于同一授权频谱覆盖范围 内的多个认知用户在接入和使用频谱的过程中由 于互不干扰，可能共享使用该频谱。本文以认知节 点的发射功率，即信号传输距离为例来定义不同认 知用户之间的同频干扰。当认知用户之间的距离低 于一定阈值时，同一频谱覆盖范围内的认知用户将 由于接入干扰而不能共享该频谱资源；反之，当认 知用户之间的距离超过某一阈值时，认知用户的频 谱接入过程将不存在干扰，可以共享该授权频谱进 行通信，如图 1 所示。认知节点 1 和认知节点 2 可 以同时接入授权频段 A，而认知节点 3 与认知节点 1 和认知节点 2 在接入频谱过程中将产生同频干扰。 图 1 认知无线电网络频谱覆盖及接入 为了进一步优化认知无线电网络的频谱分配 过程，使得多个互不干扰的认知用户能够共享同一 授权频段，并且保证频谱分配过程中的公平性，本 文在已有认知无线电干扰消除问题分析的基础上， 进一步针对同频干扰消除问题进行优化，通过对能 够共享同一授权频谱的多个认知用户情况进行分 析，结合频谱干扰和频谱效益的差异性，在增加认 知用户接入数量的同时提高系统的频谱利用率。 3 系统模型与假设 假设认知无线电网络中的授权频谱可以划分 为 M 个互不干扰的正交频段，即信道，且每个信道 的传输频率和覆盖范围各不相同。其中，信道 j 用 SRj 表示，1≤j≤M。认知无线电网络中存在着 N 个 认知节点，每个认知节点代表一个认知用户。其中， 第 i 个认知节点用 CRi 表示，1≤i≤N；认知用户由 于所处位置不同，则可能处于多个授权频谱的覆盖 范围内。认知用户可以接入到其可感知的任何一个 可用授权频谱进行通信。认知用户之间由于接入技 术或传输距离等原因，在接入同一信道时可能会产 生频谱干扰。 同时，本文假设在频谱分配过程中，认知无线 电网络环境不发生改变，即认知用户的位置、可用 授权频段不发生变化。 为了描述认知无线电网络的频谱分配过程，本 文同样利用图着色理论来描述整个认知无线电网 络场景。类似文献[5]，本文引入了可用矩阵、效益 矩阵、干扰矩阵和分配矩阵。同时，本文对干扰矩 阵进行了扩展，使其能够更好地描述现实环境。 1) 可用矩阵 L={li,j | li,j∈{0, 1}}N×M, 1≤i≤N, 1≤j≤M，是关于认知用户和授权频谱资源可用关 系的二维矩阵。其中，行标 i 表示认知用户 CRi， 列标 j 表示授权频段 SRj。如果认知用户 CRi 可以接 入授权频谱 SRj，则记 li,j=1；否则，记 li,j= 0。 2) 效益矩阵 B 与可用矩阵 L 对应，以 bi,j 表示 认知用户 CRi 接入频谱资源 SRj 时所产生的频谱效 益。若 CRi 无法接入频谱 SRj，即当 li,j = 0 时，记 bi,j= 0。 3)干扰距离矩阵={i}, 1≤i≤M，用实数表示 不同授权频段的干扰阈值大小，是关于授权频谱干 扰阈值的一维向量。其中，i 表示授权频段 SRi 所 能忍受的干扰阈值。 4) 干扰矩阵 C 用三维矩阵 C={ci,j,k }M×N×N 表示 任何 2 个认知用户在共享某一授权频谱资源时的干 扰度。其中，行标 i 代表授权频段 SRi，j，k 分别代 表认知用户 CRj 和认知用户 CRk。 同时，与 CSGC 算法只是简单地用 0,1 表示干 扰矩阵元素值的方法不同，本文用区间[0,1]内的实 数值代替干扰矩阵的元素值。若认知用户无法同时 接入某一授权频谱，则认为这些认知用户在该频谱 上的干扰度为 1；如果认知用户可以共享某一授权 频谱，且认知用户之间的距离小于对应授权频谱的 干扰距离，则令认知用户在该频谱上的干扰度为干 扰距离与实际距离的比值；相反，如果认知用户之 间的距离大于该授权频谱的干扰距离，则令认知用 户在该频谱上的干扰度值为 0。 5) 分配矩阵 A 记录了频谱分配算法的运行结
    第 5 期 杜文峰等：基于干扰消减的认知无线电频谱分配算法 ·109· 果，用矩阵 A={ai,j | ai,j∈{0, 1}}N×M 表示，1≤i≤N, 1≤j≤M。如果认知用户 CRi 分配到频谱资源 SRj， 则记 ai,j=1；否则，ai,j = 0。 根据上述数学描述，可以把认知无线电网络抽 象成图论模型 G=(V,E,B)。顶点 V 代表认知用户集 合；边的集合 E 记录能够同时接入某一授权信道时 发生干扰的 2 个认知用户之间的关系；集合 B 表示 各个顶点可选的颜色集合(即可用频谱资源列表)和 各个颜色所对应的权重(即频谱效益)。 4 基于干扰消减的频谱分配算法 为了充分利用可用频谱资源，保证能够共享同 一频谱资源的认知用户数量最大化，本算法首先对 可共享同一频谱资源的认知用户进行频谱分配，然 后再将剩余的可用频谱资源分配给尚未获得频谱 资源的认知用户。 根据可用矩阵 L 和干扰矩阵 C 的定义，可以得 到以下结论。 定理 1 当 li,m+lj,m≤1 时，必定满足 cm,i,j=0。 定理 2 当 cm,i,j=1 时，认知用户 CRi 和认知用户 CRj 在共同使用授权频谱 SRm 时产生干扰，且必定 存在 li,m=lj,m=1。 定义能够接入同一授权频段而不发生干扰的 2 个认知用户为共享用户对。可以发现，当且仅当 li,m+lj,m>1，且 cm,i,j=0 时，认知用户 CRi 和认知用户 CRj 可以共享授权频谱 SRm，构成一个共享用户对， 记为。 由于认知用户在指定频段下的干扰关系是对 称的，将干扰矩阵 C 指定频谱下三角部分值为 0 的 元素置为 1，将值为 1 的元素置为 0，除去对角线 上的元素后，可以得到所有值为 1 的元素所对应的 行标和列标构成了该频谱下的所有共享用户对。 然而，由于认知用户可能处于多个授权频谱的 覆盖范围之内，多个共享用户对在接入同一授权信 道时可能存在相互干扰，以及不同共享用户对中出 现认知用户重叠。为了充分利用频谱资源，必须对 共享用户对进行再次优化，得到能够共享某一授权 频谱资源的最多认知用户集合。因此，本文进一步 将能够同时共享同一频谱的所有认知用户所组成 的集合定义为在该频谱下的最大共享独立集；记授 权频谱 SRm 的最大共享独立集用 Gm 表示。 为了最大化地利用授权频谱资源，必须找出每 个频段中互不产生干扰的所有认知用户，并获取各 个授权频谱对应的最大共享独立集。因此，本算法 首先对各个频谱下的所有共享用户对进行遍历。 假设为频谱 SRm 下的共享用户对。 在遍历过程开始时，可以认为授权频段 SRm 的最大 共享独立集的初始值 Gm={CRi, CRj}。 假设授权频段 SRm的所有共享用户对中存在认 知用户 CRk，1≤k≤N, k≠i, k≠j，且定义认知用户 CRk 的冲突度为该节点与频谱 SRm 的当前最大共享 独立集 Gm 中元素发生干扰的数量。 可以发现，认知用户 CRk 与当前最大共享独立 集 Gm 可能存在以下 3 种场景，如图 2 所示。图中， 圆圈中的字母 i，j，k 分别表示认知用户 CRi，CRj 和 CRk，字母 m 表示频谱资源 SRm；实线表示其两 端的认知用户在使用频谱资源时存在干扰，而虚线 表示其两端的认知用户可以同时共享该频谱资源。 图 2 授权频谱 SRm 下的认知用户共享冲突 为了构建最大共享独立集，本算法针对以上 3 种情况进行了区分处理。 1) CRi∈Gm，CRj∈Gm，i≠j，且cm,i,k=1，cm,j,k=1 认知用户 CRk 与共享独立集 Gm 中的 2 个认知 用户 CRi、CRj 均存在冲突，如图 2(a)所示。CRk 与 集合 Gm 的冲突度为 2，集合 Gm 内的元素保持不变。 2) CRi∈Gm，i≠j，且CRj∈Gm，满足 cm,i,k=0， cm,j,k=1 认知用户 CRk 只与独立集 Gm 中的一个认知用 户存在冲突，即 CRk 与集合 Gm 的冲突度为 1，如图 2(b)所示。此时，本算法将比较认知用户 CRj 和认 知用户 CRk 在频谱 SRm 下产生的频谱效益。若
    ·110· 通 信 学 报 第 33 卷 bj,m>bk,m，则集合 Gm 保持不变；否则，以认知用户 CRk 替换认知用户 CRj，Gm=Gm－{CRj}+{CRk}。 3)  CRi∈Gm，满足 cm,i,k=0 此时，认知用户 CRk 与独立集 Gm 中的所有认 知用户均不存在冲突，即 CRk 与集合 Gm 的冲突度 为 0，如图 2(c)所示。此时，本算法将把认知用户 CRk 归 入 频 谱 SRm 的 最 大 共 享 独 立 集 ， 即 Gm=Gm+{CRk}。 以上过程不断迭代，直至所有的共享认知用户 遍历结束，得到频谱 SRm 的最大共享独立集。 由于最大共享独立集中的认知用户在接入同 一频谱时不存在相互干扰，为了有效利用频谱资 源，本算法优先为含有认知用户数量最多的最大共 享独立集中的认知用户分配频谱，即将频谱资源同 时分配给最大共享独立集中的所有认知用户。 设独立集 Gmax={CRi, CRj, CRk,…}为包含最多 认知用户的最大共享独立集，且 SRmax 为该集合所 对应的频谱资源。根据本算法的执行原理，首先将 频谱 SRm 分配给独立集 Gmax 中的所有认知用户，并 在分配矩阵 A 中设置相应的频谱分配结果，即令： ai,max = aj,max =ak,max =…=1 同时，更新集合 Gmax 中所有认知用户在可用矩 阵 L 中的频谱可用性，将可用矩阵 L 中的对应行元 素置为 0。即 CRi∈Gmax, m, 1≤m≤M, m≠max，则令 li,m=0 为共享独立集 Gmax 中的认知用户分配完频谱 资源后，本算法将继续查找频谱 SRmax 下与集合 Gmax 中认知用户产生冲突的所有认知用户，并更新 其在频谱 SRmax 下的可用状态。即 对于n, 1≤n≤N, 且 CRi∈Gmax，若cmax,i,n = 1, 则令 ln,max = 0。 然而，由于认知用户可能被多个授权频谱所覆 盖，同一个认知用户可能出现在不同授权频谱的最 大共享独立集中。因此，本算法进一步对频谱分配 过程进行优化，将已分配到频谱资源的认知用户从 其他授权频谱的最大独立共享集中删除。即 对于m，1≤m≤M，m≠max，若CRi∈Gmax， 且 CRi∈Gm，则 Gm=Gm－{CRi} 以上过程不断迭代，直至将所有已分配到频谱 资源的认知用户从其他授权频谱的最大共享独立 集中删除为止。 为能够共享频谱的认知用户分配频谱后，本算 法将进一步为未分配到频谱资源的其他认知用户 分配频谱资源。令已分配到频谱资源的认知用户集 合为 GI= {CRi, CRj, CRk, …}，且所有未分配到频谱 资源的认知用户集合为 GII={CRx, CRy, CRz, …}。 在为集合 GII 内的认知用户分配可用频谱时， 剩余的可用频谱将随着频谱分配过程的进行而不 断变化。为此，本文进一步定义认知用户在未进行 频谱分配时的可用频谱为该认知用户的初始可用 频谱；同时，定义干扰度 Dx,m 为在集合 GII 内的认 知用户 CRx 与其他认知用户在频谱 SRm 中产生的干 扰量。 结合效益矩阵 B 和干扰矩阵 C，可以得到所有 未分配到频谱资源的认知用户的初始可用频谱和 干扰度。即对于m，1≤m≤M，CRx∈GII 时，可 以得到以下结论。 结论 1 当 bx,m=0 时，频谱 SRm 不是认知用户 CRx 的初始可用频谱，且认知用户 CRx 在频谱 SRm 下的干扰度为 0。 结论 2 当 bx,m>0 时，频谱 SRm 是认知用户 CRx 的初始可用频谱。认知用户 CRx 在频谱 SRm 下的干 扰度为：Dx,m= cm,x,i+ cm,x,j+ cm,x,k +…，其中，CRi, CRj, CRk, …,∈GI。 令 number(CRx)为认知用户 CRx 的可用频谱数 量，结合可用矩阵 L 可以得到 number(CRx)为 number(CRx)= lx,1+ lx,2+ lx,3 +…+ lx,M 通常，可用频谱数量较多的认知用户获得频谱 的概率相对较高。为了保证更多的认知用户可以接 入授权频谱，本算法将从集合 GII 中优先选择可用 频谱数量最少的认知用户进行分配，直到所有认知 用户被遍历，或者所有频谱资源被分配为止。 令 CRmin 为所有未分配到频谱资源的认知用户 中可用频谱数量最少的认知用户，且其可用频谱数 量 s 为 s=min(number(CRx), number(CRy),…) 同样，根据 s 值的不同，本算法将对认知用户 CRmin 进行区分处理。 1) 若 s=0，即认知用户 CRmin 无可用频谱资源 此时，认知用户 CRmin 接入任何一个初始可用 频谱都会对其他已分配到频谱资源的认知用户产 生干扰。即对于m, 1≤m≤M，Dmin,m ≥m。 根据 Dmin,m 与m 的关系，又可以分为 2 种情况。 a) 对于m, 1≤m≤M, bmin,m>0，若干扰度
    第 5 期 杜文峰等：基于干扰消减的认知无线电频谱分配算法 ·111· Dmin,m>m，则 GII=GII－{CRmin}，本算法将不再为 认知用户 CRmin 分配频谱资源； b) 对于m, 1≤m≤M, bmin,m>0，以及 CRi∈GI， 若Dmin,m=m，cm,i,min=1，且 bmin,m>bi,m，则将频谱资 源 SRm 分配给认知用户 CRmin，取消认知用户 CRi 对频谱 SRm 的使用权，即置 ai,m=0，amin,m=1；此时， 对认知用户 CRmin 的分配结果不会对其他认知用户 造成影响。 2) 若 s=1，即仅有唯一的频谱资源可供认知用 户 CRmin 接入 本 算 法 将 把 该 频 谱 资 源 分 配 给 认 知 用 户 CRmin ， 即 对 于 m, 1 ≤ m ≤ M, 若 lmin,m=1 ， 令 amin,m=1。 3) s>1，即认知用户 CRmin 可以在无干扰的情况 下接入多个可用授权频谱 可用矩阵 L 中存在 lmin,1+lmin,2+…+ lmin,M>1。此 时，本算法将找到能够使认知用户 CRmin 产生最大 频谱效益的频谱 SRm，并将频谱 SRm 被分配给该认 知用户。即m, 1≤m≤M, 且 lmin,m=1，使得 bmin,m= max(bmin,1×lmin,1,bmin,2×lmin,2, … ,bmin,M×lmin,M) ， 则 令 amin,m=1。 同时，本算法将继续更新可用矩阵 L，将已分 配到频谱资源的认知用户所在行的元素置为 0。即 lmin,1= lmin,2=lmin,3 =…= lmin,M =0 另外，本算法将更新其他认知用户在频谱 SRm 中的可用状态，即对于x, 1≤x≤N, 如果CRx∈GII, 且cm,min,x= 1, 则令 lx,m= 0。 最后，将已分配到频谱资源的认知用户从集合 GII 中删除，并将已分配到频谱资源的认知用户添加 到集合 GI 中。即 GII=GII－{CRmin}，GI=GI+{CRmin} 以上分配过程不断迭代，直至集合 GII 为空或 所有授权频谱资源被分配完为止。 本算法的核心伪代码如图 3 所示。 当前，可以通过集中式和分布式 2 种方式来实 现上述频谱分配过程。 1)集中式 如果认知无线电网络中存在一个中心调度节 点负责为所有认知用户分配频谱资源，则本算法的 实施过程将非常直接。中心调度节点收集图中所有 节点的可用频谱、频谱效益、接入干扰等信息，并 执行本文所提出的频谱分配算法，将分配结果反馈 给所有认知用户。 // spectrum process of IESA scheme select Gmax from (G1, G2, …, GM) allocate spectrum SRmax to all users in Gmax update Allocation Matrix A update Matrix L, B and C delete Gmax and allocated users in Gk update G1, G2, …, GM compare number(CRx), number(CRy), …, number(CRN) select smin from (number(CRx), number(CRy), …) if s = 1 select current spectrum band as SR if s = 0 compare interference with current spectrum bands select SR which makes the lowest interference If s >1 compare benefits with current spectrum bands select SR which has the highest benefit allocate current SR to current CR 图 3 算法的核心伪代码描述 2)分布式 认知无线电网络中的各个节点将向其所有邻 居节点发送位置、可用频谱、频谱效益等信息，各 节点分别构建全网可用矩阵、效益矩阵和干扰矩 阵。通过执行本文提出的干扰消减算法，各个节点 将各轮分配结果反馈给其邻居，并更新分配矩阵、 可用矩阵。该步骤不断迭代，直到所有频段资源被 分配或者所有认知用户都得到可用频谱为止。 5 算法性能分析及仿真实验 根据前文所述，CSGC 算法为了确保系统频谱 效益，在频谱分配过程中优先将频谱资源分配给标 号最大的认知用户，其算法复杂度为 O(n2)。本文 提出的 IESA 算法则需要首先找到能够共享同一频 段的多个认知用户进行频谱分配，然后再对未分配 到频谱资源的认知用户进行频谱分配，算法复杂度 为 O(n2)。因此本算法在复杂度上相对于 CSGC 算 法并未有实质性的增加。 目前，对认知无线电频谱分配算法的性能评估 主要从系统频谱效益和网络公平性等角度进行。 1)系统频谱效益是指所有分配到频谱资源的认 知用户在相应频段上贡献的频谱效益总和。 利用分配矩阵 A 与效益矩阵 B，可以得到频谱 分配过程结束后所取得的系统频谱效益 Usum。 U sum N M   a b ij ij i 1  j 1  2) 网络公平性则体现了将频谱资源分配给认 知用户的均衡程度[9]。 可以发现，网络公平性 pa 可由用户分配率表
    ·112· 通 信 学 报 第 33 卷 示，即所有分配到频谱资源的认知用户占系统认知 用户总量的比例。其计算方法如下： IESA 算法可以在获得较好认知用户接入数量的同 时，取得较优的系统频谱效益。 p a  i N M  j 1  N 1  a ij 为了验证 IESA 算法的运行性能，本文分别 对认知用户数量多于和少于授权频谱总量的场 景进行了分析。本文采用 Java 语言对 IESA 算法 与 CSGC 算法进行了模拟实现，对 2 种算法的系 统频谱效益和网络公平性等性能指标进行了比 较。在模拟过程中，各个授权频谱的频谱空穴随 机生成，认知用户之间的干扰度由处于同一授权 频段的认知用户之间的距离和授权频谱的干扰 阈值决定。 图 4 给出了 IESA 算法和 CSGC 算法在授权频 谱数量为 10 的认知无线电网络中所对应的用户分 配率。可以看出，当认知用户数量大于可用频谱总 数时，CSGC 算法和 IESA 算法对认知用户的满足 程度随着认知用户数量的增加而下降，但 IESA 算 法在整个模拟过程中相对 CSGC 算法能够满足更多 认知用户的频谱接入。当 M=10，N=35 时，CSGC 算法的用户分配率仅为 65%，而 IESA 算法能够使 85%的认知用户获得频谱资源。 图 5 M 为 10 的系统频谱效益 当授权频谱数量增加到 50，且认知用户的数量 从 10 增加到 50 时，实验得到 2 种算法对用户的分 配率均为 100%。因此，当认知用户数量小于系统 的可用频谱总数时，IESA 算法相对 CSGC 算法在 认知用户接入数量方面并没有表现出一定的优势。 图 6 给出了 2 种频谱分配算法在授权频谱总数 大于认知用户数量时所取得的系统频谱效益。当授 权频谱总数为 50 时，随着认知用户数量的不断增 加，CSGC 算法所获得的系统频谱效益一直呈上升 趋势，且均高于 IESA 算法所获得的系统频谱效益。 并且，在认知用户数量增加的过程中，IESA 算法 的系统频谱效益波动较大。 图 4 M 为 10 的用户分配率 与此同时，图 5 给出了 2 种频谱分配算法在 M=10 时的系统频谱效益。可以看到，2 种算法的系 统频谱效益随着认知用户数量的增加而不断递增。 当认知用户数量小于 20 时，CSGC 算法可以获得较 好的系统频谱效益。然而，当认知用户数量大于 20 时，IESA 算法的系统频谱效益相对较优。可以得 到，当认知用户数量多于可用授权频谱总数时， 图 6 M 为 50 的频谱效益 为了进一步验证 IESA 算法，本文继续使用 Jing Zhong 和 Jialiang Li 于 2009 年开发的认知无线电仿 真模块 CRCN[10]对 NS2 进行了扩展，并分别完成了
    第 5 期 杜文峰等：基于干扰消减的认知无线电频谱分配算法 ·113· CSGC 算法和 IESA 算法在 NS2 下的仿真实验。 本文主要针对 CSGC 算法和 IESA 算法的分组 传输时延、分组丢失率、信道干扰量和网络吞吐量 等参数进行分析。在仿真实验中，10 对认知用户在 1 000×1 000 的区域内感知并接入3 条授权信道进行 FTP 通信。认知节点的地理位置随机生成。 图 7 给出了 2 种频谱分配算法的实时信道干扰 量仿真结果。可以看出，IESA 算法中的认知用户 在接入相同授权信道的干扰量与 CSGC 算法的干扰 量差别不太明显，仅在仿真过程的开始阶段和结束 阶段有细微的差别。在 3s~7s 期间，2 种频谱分配 算法的干扰量大致相同。IESA 算法在仿真初期的 信道干扰量相对较高；在仿真结束阶段，CSGC 算 法的信道干扰量相对较高。 图 7 实时信道干扰量 图 8 给出了 2 种频谱分配算法在发送第 800 个 到第 8 000 个数据分组过程中被正确接收的数据分 组的实时累积时延。由于 IESA 算法是基于冲突消 减的分配算法，且在同一信道中来自不同节点的数 据分组的冲突退避时间较短，数据分组从发送到接 收的累积时延都较小。可以看出，在整个仿真过程 中 IESA 算法相对于 CSGC 算法在传输过程中引入 的延迟较低。当数据分组传输数量达到 6 400 个时， IESA 算法的累积延迟才超过 CSGC 算法。 图 9 给出了 CSGC 算法和 IESA 算法在不同时 间段内的传输分组丢失率。可以看到，在仿真初始 阶段，各个认知用户间由于尚未建立起通信连接， 认知用户发送或接收到的 RTS/CTS 控制分组数量 较多；同时，由于多个 FTP 业务的启动时间相对一 致，认知用户之间的控制分组发生冲突的概率较 大，网络应用在 2 种频谱分配算法的仿真初期分组 丢失率均相对较高。当 t=4s 时，CSGC 算法的分组 丢失率达到最大。传输过程启动 5s 后，不同授权信 道上的数据分组不断积累，导致 2 种频谱分配算法 的平均分组丢失率略呈上升趋势。可以发现，在整 个仿真过程中 IESA 算法的平均分组丢失率都低于 CSGC 算法。 图 8 分组传输的累积时延 图 9 通信过程中的分组丢失率 图 10 给出了运行 CSGC 算法和 IESA 算法的认 知无线电网络在仿真过程中的实时吞吐量。与传输分 组丢失率的分布类似，通信初期由于大量控制分组的 交互，网络吞吐量在短时间内急剧增长。当 t=4s 时， 图 10 不同时间段的网络吞吐量
    分享到：
    赞 收藏

    相关推荐

    资料库

    开发技术

    共收录19306份资料，累计14个分类，关注成员有19位，主要包括：Actionscript,Javascript,PHP,VB,Perl,Delphi,Python,C#,C,Java,C++,Web开发,硬件开发,其它

    热门标签

    Actionscript Javascript PHP VB Perl Delphi Python C# C Java C++ Web开发 硬件开发 其它

    最新资料