论文部分内容阅读
1引言
随着新一代无线通信技术的发展和应用领域的拓展，带来了对带宽的巨大需求，无线频谱已成为一种不可或缺的资源，如何提高频谱利用效率是目前面临的问题和研究热点。感知无线电正是一种用于提高无线电通信频谱利用率的新技术，提出了一种动态频谱共享的框架，允许二级用户（SU，Second User）在不影响主用户（PU Primary User）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进行高可靠性地通信。因此，研究感知无线电环境下的频谱分配有着重要意义。目前在无线网络中，动态频谱分配方式可以满足一定范围内的频谱资源分配要求。其主要根据频谱资源在时间与空间方面的变化进行分配。相对来说，这种分配方式实现了频谱资源的高效率利用，比传统的固定频谱资源分配方式要有更强的适应性。可见，目前对于频谱分配方式已有不少的研究成果。苏曦（2009）依据了对检测到的窄闲频谱的闲时长的预测机制，提出一种自适应动态频谱分配方法。王力（2011）提出了一种基于需求驱动的无线网络动态频谱分配，其主要解决对动态频谱资源的高效率利用。针对中心式或分布式的网络体系结构、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，人们提出了不同的动态频谱分配方法，要包括博弈论、图论着色等。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，不具有实用性。以上研究结果没有将频率分配的效益与效用结合考虑，本文主要解决了这个问题。
2模型
2.1模型描述
3基于遗传算法的模型求解
该模型求解复杂，利用传统优化方法无法在合理的时间内得到满意的结果。因此，本文利用智能算法中的遗传算法寻找近似最优解或满意解。遗传算法是一种随机化的智能搜索方法，依据的理论基础是生物进化论的遗传学机理，按照优胜劣汰的原则对模型的解进行选择。
针对该模型，遗传算法的具体实施步骤如下：
基因编码：基因编码：基因中的编码方式采用二进制编码方式，每N位说明一个节点的分配情况。编码格式如表1所示。表1中第二行代表S个基站，每个基站下有N个信道，第三行说明N个信道中哪些信道是分配到该基站的。
4仿真结果
本节将对本文的算法模型与文献[5]和[7]中的算法模型进行比较分析。将频谱利用效率、有效频谱利用效率和平均满意度等作为频谱分配的性能指标，比较了3种算法的性能指标。本算例实验的系统配置为CPU: G630 @ 2.70GHz，2.00GB内存（不同的运行环境会使得运行时间有所差异）。
在3000m×3000m的区域内随机设置10个基站，分配的频谱信道数量为10。通过改变节点数目来改变网络密度。每个节点能运行于WCDMA网络或LTE网络。基站通信半径为50m；路径损耗因子为3；发射功率为5dBm；信干比门限为10dB；噪声功率为-105dBm；基站信道需求为1~20，服从均匀分布；种群个数为，进化代数为，交叉概率为0.8，变异概率为0.1。为简化问题，假设滋1为固定值，其值为100；滋1=50，滋2=25；每次实验进行20次，记录均值。图2显示3种算法的归一化频谱利用率的比较结果。可以看出，本文的算法并没有优势反而利用率略低，这是因为约束控制了解空间范围。但是，如图3所示，在归一化的有效频谱利用率方面，本文的方法要优于其他两种方法。对于效益驱动的动态频谱分配而言，有效频谱利用率更具有价值和意义。
5总结
将基于效益的效用评价与基于网络性质的效用评价相结合来构建频谱资源分配的方案是本模型的特点与关键所在。可以避免单方面评价容易造成的频谱分配不均衡。本文通过设计遗传算法，可以快速准确的寻找到问题的满意解，但求解结果需要进一步印证，此外还需要着重考虑，的设置，这与区域的环境因素密切相关。总之，本模型为频谱资源分配提供了新的研究思路，值得进一步深入研究。
随着新一代无线通信技术的发展和应用领域的拓展，带来了对带宽的巨大需求，无线频谱已成为一种不可或缺的资源，如何提高频谱利用效率是目前面临的问题和研究热点。感知无线电正是一种用于提高无线电通信频谱利用率的新技术，提出了一种动态频谱共享的框架，允许二级用户（SU，Second User）在不影响主用户（PU Primary User）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进行高可靠性地通信。因此，研究感知无线电环境下的频谱分配有着重要意义。目前在无线网络中，动态频谱分配方式可以满足一定范围内的频谱资源分配要求。其主要根据频谱资源在时间与空间方面的变化进行分配。相对来说，这种分配方式实现了频谱资源的高效率利用，比传统的固定频谱资源分配方式要有更强的适应性。可见，目前对于频谱分配方式已有不少的研究成果。苏曦（2009）依据了对检测到的窄闲频谱的闲时长的预测机制，提出一种自适应动态频谱分配方法。王力（2011）提出了一种基于需求驱动的无线网络动态频谱分配，其主要解决对动态频谱资源的高效率利用。针对中心式或分布式的网络体系结构、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，人们提出了不同的动态频谱分配方法，要包括博弈论、图论着色等。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，不具有实用性。以上研究结果没有将频率分配的效益与效用结合考虑，本文主要解决了这个问题。
2模型
2.1模型描述
3基于遗传算法的模型求解
该模型求解复杂，利用传统优化方法无法在合理的时间内得到满意的结果。因此，本文利用智能算法中的遗传算法寻找近似最优解或满意解。遗传算法是一种随机化的智能搜索方法，依据的理论基础是生物进化论的遗传学机理，按照优胜劣汰的原则对模型的解进行选择。
针对该模型，遗传算法的具体实施步骤如下：
基因编码：基因编码：基因中的编码方式采用二进制编码方式，每N位说明一个节点的分配情况。编码格式如表1所示。表1中第二行代表S个基站，每个基站下有N个信道，第三行说明N个信道中哪些信道是分配到该基站的。
4仿真结果
本节将对本文的算法模型与文献[5]和[7]中的算法模型进行比较分析。将频谱利用效率、有效频谱利用效率和平均满意度等作为频谱分配的性能指标，比较了3种算法的性能指标。本算例实验的系统配置为CPU: G630 @ 2.70GHz，2.00GB内存（不同的运行环境会使得运行时间有所差异）。
在3000m×3000m的区域内随机设置10个基站，分配的频谱信道数量为10。通过改变节点数目来改变网络密度。每个节点能运行于WCDMA网络或LTE网络。基站通信半径为50m；路径损耗因子为3；发射功率为5dBm；信干比门限为10dB；噪声功率为-105dBm；基站信道需求为1~20，服从均匀分布；种群个数为，进化代数为，交叉概率为0.8，变异概率为0.1。为简化问题，假设滋1为固定值，其值为100；滋1=50，滋2=25；每次实验进行20次，记录均值。图2显示3种算法的归一化频谱利用率的比较结果。可以看出，本文的算法并没有优势反而利用率略低，这是因为约束控制了解空间范围。但是，如图3所示，在归一化的有效频谱利用率方面，本文的方法要优于其他两种方法。对于效益驱动的动态频谱分配而言，有效频谱利用率更具有价值和意义。
5总结
将基于效益的效用评价与基于网络性质的效用评价相结合来构建频谱资源分配的方案是本模型的特点与关键所在。可以避免单方面评价容易造成的频谱分配不均衡。本文通过设计遗传算法，可以快速准确的寻找到问题的满意解，但求解结果需要进一步印证，此外还需要着重考虑，的设置，这与区域的环境因素密切相关。总之，本模型为频谱资源分配提供了新的研究思路，值得进一步深入研究。