数据通信认知无线电系统的频谱分配方法文档格式.docx

数据通信认知无线电系统的频谱分配方法文档格式.docx

《数据通信认知无线电系统的频谱分配方法文档格式.docx》由会员分享，可在线阅读，更多相关《数据通信认知无线电系统的频谱分配方法文档格式.docx（10页珍藏版）》请在冰豆网上搜索。

2.1.系统模型7

2.2.问题描述

7

3.基于Kuhn-Munkras算法的频谱分配方法9

3.1.Kuhn-Munkras算法的描述9

3.2.频谱分配方法的流程9

4.仿真和性能分析10

4.1.仿真环境设置10

4.2.仿真结果10

4.3.Kuhn-Munkras算法与多小区动态频谱分配方法比较12

4.3.1.多小区动态频谱分配方法12

4.3.2.频谱分配方法比较12

5.总结13

参考文献14

摘要：

认知无线电网络为移动用户重构无线架构和动态频谱接入技术提供高带宽。

对于无线频谱资源的相对的稀缺，频谱分配成为认知无线电频谱资源的关键，为适应认知无线电网络的时变特性，频谱分配算法必须有较快的收敛速度。

该文提出了一种基于二分图最佳匹配（Kuhn-Munkra）算法的认知无线电频谱分配方法。

该方法利用二分图最佳匹配（Kuhn-Munkras）算法可以实现最佳匹配并且收敛速度快的特性。

根据不同的用户在不同信道上所产生的效益的差异性，利用认知无线电有效地提升频谱资源的利用率，实现认知用户和信道的最佳匹配，频谱的灵活分配。

关键词：

认知无线电，频谱资源，频谱分配，最佳匹配

Abstract

Cognitiveradionetworkswillprovidehighbandwidthtomobileusersviaheterogeneouswirelessarchitecturesanddynamicspectrumaccesstechniques.Radiospectrumresourcesfortherelativescarcityofspectrumallocationasthekeycognitiveradiospectrum,cognitiveradionetworktomeetthetime-varyingcharacteristicsofthespectrumallocationalgorithmmusthavefastconvergencespeed.Thepaperproposesabipartitegraphbasedonthebestmatch（Kuhn-Munkra）algorithmcognitiveradiospectrumallocation.Bipartitegraphofthedecisiontousethebestmatch（Kuhn-Munkras）algorithmcanachievethebestmatchandthefastconvergencecharacteristics.Accordingtothedifferentuserthebenefitdifferencewhichproducesonthedifferentchannel,promotesthefrequencyspectrumresourceseffectivelyradiousingthecognitiontheusefactor,realizesthecognitionuserandchannel'

soptimummatching,thefrequencyspectrumnimbleassignment.

Keywords:

Cognitiveradio;

Radiospectrumresources;

Spectrumallocation；

BestMatch

绪论

随着无线通信技术的发展及其应用领域的拓展，频谱资源愈发稀缺，即某些频谱资源上承载了大量的业务，而另一些频谱资源却又浪费严重，或者说利用不足，成为无线通信研究领域和运营商不得不面临的问题。

即固定频谱分配方法导致各授权系统不能充分利用授权频谱，而造成授权频谱资源的浪费，及非授权频段的过分拥挤。

认知无线电是一种用于提高无线电通信频谱利用率的新技术，提出一种动态频谱共享的框架，允许用户在不影响主用户工作的前提下智能地利用空闲频谱，动态地进行频谱分配并且随时随地，高可靠性地通信。

因此，研究认知无线电网络的频谱分配方法很有意义。

目前，许多研究人员均在研究对认知无线电网络中的频谱分配问题。

针对中心式或分布式的网络体结构、协作式或非协作式的频谱分配行为、共存式或覆盖式的频谱接入技术，研究人员提出了不同的动态频谱分配方法，主要包括博弈论、图论着色等。

本文提出了一种基于配对算法的认知网络的频谱接入算法，二分图最佳匹配（Kuhn-Munkra）算法的频谱动态分配方法。

1.认知无线电网络的简介

1.1认知无线电

1.1.1.认知无线电的概述

认知无线电也被称为智能无线电。

从广义上来说是指无线终端具备足够的智能或者认知能力，通过对周围无线环境的历史和当前状况进行检测、分析、学习、推理和规划，利用相应结果调整自己的传输参数，使用最适合的无线资源（包括频率、调制方式、发射功率等）完成无线传输。

认知无线电能够帮助用户自动选择最好的、最廉价的服务进行无线传输，甚至能够根据现有的或者即将获得的无线资源延迟或主动发起传送。

它能够感知外界环境，并使用人工智能技术从环境中学习，通过实时改变某些操作参数（比如传输功率、载波频率和调制技术等），使其内部状态适应接收到的无线信号的统计性变化，以达到以下目的：

任何时间任何地点的高度可靠通信；

对频谱资源的有效利用。

其拓扑图如下图所示：

图1认知无线电网络拓扑图模型

1.1.2.认知无线电的特性

（1）认知能力。

认知能力使无线电能够从其工作的无线环境中捕获或者感知信息，从而可以标识特定时间和空间的未使用频谱资源（也称为频谱空穴），并选择最适当的频谱和工作参数。

认知无线电包括3个主要的步骤：

频谱感知、频谱分析和频谱判决。

频谱感知的主要功能是监测可用频段，检测频谱空穴；

频谱分析估计频谱感知获取的频谱空穴的特性；

频谱判决根据频谱空穴的特性和用户需求选择合适的频段传输数据。

（2）重构能力。

重构能力使得无线电设备可以根据无线环境动态编程，从而允许无线电设备采用不同的无线传输技术收发数据。

重构能力使得CR设备可以根据无线环境动态编程，从而允许CR设备采用不同的无线传输技术收发数据。

可以重构的参数包括：

工作频率、调制方式、发射功率和通信协议等。

重构的核心思想是在不对频谱授权用户（LU）产生有害干扰的前提下，利用授权系统的空闲频谱提供可靠的通信服务。

一旦该频段被LU使用，CR有2种应对方式：

一是切换到其它空闲频段通信；

二是继续使用该频段，但改变发射统率或者调制方案避免对LU的有害扰。

1.2.频谱决策

1.2.1.频谱决策的概述

频谱决策是在完成频谱感知和频谱分析的基础上，根据用户的QoS需求和决策准则，确定一组合适的通信载频、通信体制、通信参数和发射电平。

1.2.2.频谱分配的概述

目前，对频谱决策的研究主要是对频谱分配的研究。

频谱分配基于频谱的可用性，根据一定的规则，给节点分配信道。

在频谱分配中，设计一个分配规则以提高节点性能是一个重要的研究课题，博弈论和图论是目前频谱分配算法中广泛应用的两种理论，可分为合作式频谱分配和非合作式频谱分配。

合作式频谱分配方法考虑节点通信对其他节点产生的影响，在节点间共享干扰信息。

合作式的方法考虑了公平性，提高了频谱的利用率和网络的吞吐量，但是要求用户间信息共存，会引入额外的通信开销。

非合作式频谱分配方法也称为自私的解决方法，指的是节点通信时不考虑对其它节点的影响。

非合作式的方法基于本地的规则执行，因此能大大减少通信的开销，但会导致频谱利用率下降。

1.3.二分图最佳匹配（Kuhn-Munkras）算法

Kuhn-Munkras算法是为解决二分图最优匹配问题而提出的。

算法的主要思想是通过修改可行顶点标记，使得二分图最终达到完美匹配：

首先任意设置可行顶标，然后在相等子图中寻找增广路径，找到增广路径后沿着增广路径增广，直到找到最佳匹配。

2.系统模型和问题描述

2.1.系统模型

假设认知无线电网络中存在K个认知用户，各认知用户通过频谱检测获得可用频谱，假设所有的可用频谱可以划分为N个正交的带宽为Δf的子信道。

每个认知用户首先将检测到的可用信道按一定准则量化得出的效益系数通过控制信道传递给基站。

基站在获得这些效益信息后，对各认知用户间进行频谱分配。

由于认知用户采用的发射功率、空时特性、调制技术等有所不同，在不同的子信道上具有不同的传输效益，

表示用户i在频带j上获得的效益，如频谱利用率、最大流量等。

对认知用户进行频谱分配的目标是：

在不超过主用户干扰门限的前提下，最大化网络总体效益。

根据认知用户对各个信道上的效益不同，可以将目标函数表示为：

为指示函数，当用户i占用信道j时，

=1，衡量认知用户在不同信道上的传输效益，即可达的传输速率越大，效益越高。

认知用户i在信道j上的可达传输速率为：

其中,

表示认知用户i在信道j上的发射功率，

表示信道增益,

表示在加性高斯白噪声噪声。

假定认知用户的最大发射功率为

，故认知用户的发射功率还需满足：

综合上述约束条件，用,

代替

，频谱分配问题可以表示为：

其中，条件

表明一个信道最多只能分配给一个用户，条件

表明所有认知用户需满足最大发射功率限制。

3.基于Kuhn-Munkras算法的频谱分配方法

3.1.Kuhn-Munkras算法的描述

Kuhn-Munkras算法符合频谱分配系统模型，可以将次用户和可用空闲信道构建为赋权二分图，权值由次用户在各个信道上的SINR值确定，然后利用KM算法实现次用户和信道的最佳匹配。

式（4）所描述的问题实际上是受限条件下的最优化问题。

KM算法要求频谱数量和认知用户对的数量相等，但在实际中，通常情况是次用户对的数量多于频谱数量，即N>

K。

为了解决这一问题，引入“虚拟频谱”的概念，其数量为N-K个。

认知用户对这N-K个虚拟频谱的效益随机设定，但均低于真实频谱的效益。

理论证明Kuhn-Munkras算法在该种情况下仍然收敛，而最终被匹配到虚拟频谱的认知用户则表示没有获得频谱分配。

3.2.频谱分配方法的流程

①根据各个认知用户在各个信道上可达的传输速率，构造赋权二分图G=（V,E）,L是其一个可行的初始顶点标记。

②若X的每个点都是M的饱和点，则M是最佳匹配；

否则，取M的非饱和点u∈X，令S={u},T=Ø

转向③。

③记

。

若

，则

没有完美匹配，转向④，否则转向⑤。

④调整可行顶点标记,重新给出

的一个匹配M,转向②。

⑤取

，若y是M的饱和点，转向⑥；

否则就转向⑦。

⑥设xy∈M，则令,转向③。

⑦在

中的（u,y）路是M增广路，记为P，并令M=M⊕P，则转向②。

4.仿真和性能分析

4.1.仿真环境设置

主用户功率在[10mw,100mw]，随机取值，热噪声功率

为-100dBm，干扰门限B=100。

次用户随机分布在2000m*2000m的正方形小区内，文中提出的信道增益模型

其中,

为次用户i到次用户j的距离，

服从均值为0方差为6dB的高斯变量，为常数，取值为

，为路径损耗因子取值为4。

4.2.仿真结果

图2K=10,N=5时的频谱分配变化曲线，可以看出，当K=10,N=5时，标号1-5的信道为真实信道，标号6-10的信道为虚拟信道，如果用户最终分配到标号为6-10的信道上，则认为系统没有为其分配信道，将其置为空。

在此条件下，给出部分用户的信道分配变化曲线。

可以看出，经过39次迭代算法达到收敛。

随着用户数的增多，收敛时间有所增加。

图2（10,5）系统频谱分配变化曲线

假设认知用户数和可用信道数始终是相等的条件下，对所提算法和传统的配对算法的收敛速度进行了比较，如图3所示。

由仿真曲线可以看到，在用户数小于4时，二者平均迭代次数基本相等；

当用户数大于5时，Kuhn-Munkras算法的平均迭代次数远小于传统的配对算法。

图3Kuhn-Munkras算法与传统配对算法收敛速度比较

4.3.Kuhn-Munkras算法与多小区动态频谱分配方法比较

4.3.1.多小区动态频谱分配方法

认知无线电系统中多小区自适应动态频谱分配方法，自适应体现在认知系统根据频谱检测情况及各小区自身的带宽需求和稳定性要求动态分配给小区满足条件的频谱资源，对检测到的空闲频谱的空闲时长的预测机制，基于频谱可靠性的自适应频谱分配算法。

4.3.2.频谱分配方法比较

（1）多小区自适应动态频谱分配方法该方法不但能提高认知系统的稳定性，并且最大化频谱的连续性；

降低了认知系统的频谱切换率，同时避免了系统开销的增加及频谱管理的复杂化。

在多小区之间的干扰抑制方面，采用着色论方法抑制了小区间的干扰，系统性能的增益在仿真结果中得到了证实。

（2）Kuhn-Munkras算法的频谱分配方法解决二分图最优匹配问题，算法通过修改可行顶点标记，使得二分图最终达到完美匹配，Kuhn-Munkras算法的平均迭代次数远小于传统的配对算法，改善了频谱分配的收敛速度，合理的利用频谱资源，提高认知无线电网络的稳定性，降低了认知系统的频谱切换率，实现认知用户和信道的最佳匹配，频谱的灵活分配，仿真表明该策略一定程度上改善了频谱分配的收敛速度，并且该策略不需要复杂的数值化，便于实现。

5.总结

本文提出了一种基于配对算法的认知网络的频谱接入算法，该算法是一种最优算法，复杂度高。

在讨论这种频谱分配模型的基础上，提出了一种基于二分图最佳匹配（Kuhn-Munkra）算法的频谱分配方法。

该决策上改善了频谱分配的收敛速度，合理的利用频谱资源，提高认知无线电网络的稳定性，这降低了认知系统的频谱切换率，实现认知用户和信道的最佳匹配，频谱的灵活分配。

在干扰温度模型下，将Kuhn-Munkras算法应用于认知无线电系统，利用了Kuhn-Munkras算法可以实现最优匹配的特性，通过次用户的SINR值构造赋权二分图，提出了一种新型的认知无线电网络频谱分配策略。

仿真表明该策略一定程度上改善了频谱分配的收敛速度，并且该策略不需要复杂的数值化，便于实现。

通过本次课程设计，很好的提高一个人的实践创新能力、思维能力。

通过所学的知识，以及上网和图书馆查资料，了解认知无线电的知识，对无线频谱资源有了更深的认识，提出了Kuhn-Munkras算法来解决频谱分配问题。

经过课程设计发现自己还有许多不足,所学到的知识还远远不够，知识是永远都学不完的，我们应该不断完善自己的知识储备，在未来的工作和学习的道路上走的更加深远！

参考文献

[1]MITOLAJ.CognitiveRadioforFlexibleMobileMultimediaCommunication[J].MobileNetworksandApplication,2001,6（5）:

435-441.

[2]GANGHu,LIULixia.ApproximatedMatching-BasedSpectrumAccessAlgorithmforHeterogenousCognitiveNetworks[J].IEEETransactionsonWirelessCommunications,2009,6（11）:

53-56.

[3]LEL,HOSSAINE.ResourceAllocationforSpectrumUnderlayinCognitiveRadioNetworks[J].IEEETransactionsonWirelessCommunications,2008,7（12）:

5306-5315

[4]白敏丹.基于认知无线电的无线通信研究现状[J].通信技术，2010，43（5）:

4-7.

[5]洪露，王慧.基于软件无线电的FSK系统设计[J].通信技术，2010，43（7）:

72-75

[6]廖楚林,陈劼,李少谦.认知无线电中的并行频谱分配算法.电子与信息学报,2007,29（7）:

1608-1611.

[7]杨家玮,阙颖,李建东,等.基于频谱多重使用的动态频谱管理方法.中国,200610043082,2006..