基于频谱衬垫和填充的认知OFDM网络资源分配方法

摘要

本发明公开了一种基于频谱衬垫和填充的认知OFDM网络资源分配方法，步骤如下：认知基站获得资源分配所需要的信道状态信息，认知用户估计自己与认知基站下行链路的信道状态信息，并且将信道状态信息反馈给认知基站，授权用户估计自己与认知用户之间通信链路的信道状态信息，并且将谱距离函数和自己与认知用户之间通信链路的信道状态信息反馈给认知基站；认知基站获取频谱空洞信息并发送给认知用户；认知基站采用遗传免疫方法对基于频谱衬垫和填充的认知OFDM网络中的频率和功率资源进行分配。本发明从频率和功率两个维度自适应分配资源，为高效利用基于频谱衬垫和填充的认知OFDM网络中的无线资源和提高基于频谱衬垫和填充的认知OFDM网络吞吐量提供技术支持。

说明书

技术领域

本发明属于通信技术领域，特别是一种基于频谱衬垫和填充的认知OFDM网络资 源分配方法。

背景技术

无线频谱资源是一种不可再生的资源，通常由国家管理机构对它进行管理和分配利 用，近年来随着大量新的通信设备不断出现和消费者对宽带无线通信的迫切需求，使得 人们对无线频谱的需求急剧增加。为了解决频谱利用率较低与用户频谱需要不断增长的 矛盾，人们开始构想如何在不影响授权用户网络正常通信的情况下对现有频谱资源进行 充分利用，这种想法对固定式频谱分配政策提出了挑战。在这种背景下，认知无线电技 术开辟了一种新的无线频谱资源利用理念，其核心思想是在不影响授权用户正常通信的 情况下对频谱进行利用。

与此同时，正交频分复用(Orthogonal Frequency Division Multiplexing，OFDM)技术 不仅拥有高的频谱利用率，而且能够满足认知无线电对调制的要求。在认知OFDM网 络中，认知用户如何与授权用户共享频谱资源是一个关键问题，该问题直接决定了对资 源分配问题方法的设计。目前，对认知OFDM网络的研究主要基于两种频谱共享模型： 频谱衬垫模型和频谱填充模型。在基于频谱衬垫认知OFDM网络中，认知OFDM网络 基站在获取从认知用户到授权用户信道增益的前提下，通过控制认知用户对授权用户的 干扰不超过干扰温度限制，使得认知用户和授权用户可以在同一授权频谱共存。在基于 频谱填充认知OFDM网络中，认知用户通过机会接入频谱的方式获取在授权频谱的部 分通信机会，因此，在这种模式下授权用户的服务质量将不会受认知用户通信的影响而 下降。将基于频谱填充和基于频谱衬垫两种模式的认知OFDM网络新频谱接入方式， 简称基于频谱衬垫和填充的认知OFDM网络。

专利1（基于认知无线电系统的多用户资源分配方法，西安电子科技大学，公开号 CN1878027，申请号CN200610043081.9，申请日2006.06.30）公开了一种基于认知无线 电系统的多用户资源分配方法，在复用授权用户频谱空洞时，认知AP节点与系统内多 认知用户在下行链路通信，遵循比例公平原则进行资源分配。专利2（认知OFDMA系 统中基于比例公平与干扰约束的功率分配方法，浙江大学，公开号CN102149203A，申 请号CN201110098565.4，申请日2011.04.14）公开了一种认知OFDMA系统中基于比例 公平与干扰约束的功率分配方法，该方法首先根据认知用户的比例公平因子、总功率约 束和固定速率值进行认知用户间的功率分配，然后各认知用户利用快速注水法进行载波 功率分配。但是上述两个专利存在的问题是没有考虑联合基于频谱填充和基于频谱衬垫 模式的认知OFDM系统资源分配，不能够充分挖掘基于频谱填充和基于频谱衬垫的认 知OFDM网络中无线频谱资源，资源利用率较低。

发明内容

本发明的目的在于提供一种高效的基于频谱衬垫和填充的认知OFDM网络资源分 配方法，从频率和功率两个维度动态按需分配资源，充分挖掘了认知OFDM网络中的 无线频谱资源。

实现本发明目的的技术解决方案为：一种基于频谱衬垫和填充的认知OFDM网络 资源分配方法，包括以下步骤：

步骤1，认知基站获得资源分配所需要的信道状态信息；

步骤2，认知基站获取频谱空洞信息并发送给认知用户；

步骤3，认知基站采用遗传免疫方法对基于频谱衬垫和填充的认知OFDM网络中的 频率和功率资源进行分配，具体步骤如下：

步骤3.1，认知基站初始化遗传免疫方法的参数，并对种群中的抗体进行编码形成 抗体向量，该抗体向量包括频率和功率资源；

步骤3.2，确定每个抗体的期望繁殖概率；

步骤3.3，从种群中按照期望繁殖概率提取父代种群和记忆库种群，寻找种群中适 应值最大抗体；

步骤3.4，首先通过轮盘赌选择机制对抗体群进行选择操作得到新群体中抗体，然 后通过单点交叉方法对通过选择操作产生新群体中抗体进行交叉操作得到新群体中抗 体，最后通过随机选择变异位对通过交叉操作产生新群体中抗体进行变异操作得到新群 体中抗体，所得新群体合并记忆库种群，共同构成新一代抗体；

步骤3.5，重复步骤3.2～3.4NI_g次，输出频率和功率资源分配的最优解，NI_g表示 遗传免疫方法的最大迭代次数。

本发明与现有技术相比，其显著优点为：（1）基于频谱衬垫和填充的认知OFDM 网络资源分配方法，从频率和功率两个维度动态按需分配资源，充分挖掘了认知OFDM 网络中无线频谱资源；（2）子载波和功率不是固定分配的，灵活性强，为提高基于频谱 衬垫和填充的认知OFDM网络吞吐量提供技术支持。

附图说明

图1为本发明基于频谱衬垫和填充的认知OFDM网络资源分配方法的流程图。

图2为本发明中采用遗传免疫方法对频率和功率资源进行分配的流程图。

图3为本发明遗传免疫方法抗体编码示意图。

图4为本发明实施例1中基于频谱衬垫和填充的认知OFDM网络频谱接入示意图。

图5为本发明实施例1中基于频谱衬垫和填充的认知OFDM网络通信链路示意图。

具体实施方式

下面结合附图及具体实施例对本发明做进一步详细描述。

结合图1，本发明基于频谱衬垫和填充的认知OFDM网络资源分配方法，步骤如下：

步骤1，认知基站获得资源分配所需要的信道状态信息，包括认知用户估计自己与 认知基站下行链路的信道增益并且将信道增益反馈给认知基站；授权用户估 计子载波k^*上自己与认知用户之间通信链路的信道增益并且将谱距离函数和信道增益反馈给认知基站；其中，表示在子载波k上认知用户m与认知基站之 间下行链路的信道增益，表示在子载波k^*上授权用户与认知用户通信链路的信道增 益，表示子载波k与子载波k^*之间的谱距离函数，表示子载波k与子载波k^*之间的谱距离。

步骤2，认知基站获取频谱空洞信息并发送给认知用户；具体为：认知基站检测授 权网络中的无线频谱资源，经过认知基站中的信息处理模块分析获得当前授权网络中的 频谱利用状态信息，形成能够反映频谱空洞的频谱检测报告，认知基站将频谱检测报告 通过广播的方式发送给认知用户。

步骤3，认知基站采用遗传免疫方法对基于频谱衬垫和填充的认知OFDM网络中的 频率和功率资源进行分配，结合图2具体步骤下：

步骤3.1，认知基站初始化遗传免疫方法的参数，并对种群中的抗体进行编码形成 抗体向量，该抗体向量包括频率和功率资源，具体为：

（1）认知基站初始化遗传免疫方法的参数：初始化种群中抗体数目NI_p、遗传免 疫方法的迭代次数NI_g，NI_p、NI_g均为整数且80≤NI_p≤100、800≤NI_g≤1000；令迭 代次数序号gen＝1，初始化时刻t认知用户m在子载波k上子载波分配指示变量和时 刻t认知用户m在子载波k上功率分配指示变量

（2）结合图3，对种群中的抗体进行编码形成抗体向量：初始化种群中的NI_p个抗 体，抗体采用的编码方式为$x\left(\mathrm{gen}\right)=[c\left(\mathrm{gen}\right),p\left(\mathrm{gen}\right)]=[x_1^{\mathrm{gen}},···,x_{\mathrm{MK}}^{\mathrm{gen}},x_{\mathrm{MK}+1}^{\mathrm{gen}},···,x_{2\mathrm{MK}}^{\mathrm{gen}}]:$向 量x(gen)中的由子载波分配指示向量c(gen)组成，向量c(gen)满足公式(1)； 向量x(gen)中的由功率分配指示向量p(gen)组成，向量p(gen)满足公式 (2)；并且向量c(gen)和向量p(gen)同时满足公式(3)；

$\underset{m=1}{\overset{M}{\Sigma }}{c}_{m,k}^t\le 1,\mathrm{and}{c}_{m,k}^t\ge 0,\forall m,k,t---\left(1\right)$

$\left(\begin{array}{c}\underset{m=1}{\overset{m}{\Sigma }}\underset{k=1}{\overset{K}{\Sigma }}{c}_{m,k}^t{p}_{m,k}^t\le P_{\max }\\ p_{m,k}^t\ge 0,\forall m,k,t\end{array}\right)---\left(2\right)$

${\left|h_{k^{*}}^{\mathrm{Cp}}\right|}^2\underset{m=1}{\overset{M}{\Sigma }}\underset{k=1}{\overset{K}{\Sigma }}{c}_{m,k}^t{p}_{m,k}^{t}I\left(d_{{k,k}^{*}}\right)<I_{\mathrm{th}}^{\left(k^{*}\right)}---\left(3\right)$

$I\left(d_{{k,k}^{*}}\right)=T_s{\int }_{d_{{k,k}^{*}}-\mathrm{\Delta f}/2}^{d_{{k,k}^{*}}+\mathrm{\Delta f}/2}{\left(\frac{\sin \pi {\mathrm{fT}}_s}{\pi {\mathrm{fT}}_s}\right)}^2\mathrm{df}---\left(4\right)$

在公式(3)中，表示基于频谱衬垫模式子载波k^*上的最大干扰功率门限，表示子载波k到基于频谱衬垫模式子载波k^*的谱距离函数，的确定公式如式(4)； t表示时间索引，m表示认知用户索引，k表示子载波索引，M表示认知用户数目，K表 示子载波数目，P_max表示最大发射功率限制，x(gen)表示第gen次迭代时抗体编码向量， T_s表示OFDM符号的时间间隔，Δf表示每个子载波的带宽，表示授权用户子载波k^*上的干扰功率门限。

步骤3.2，确定每个抗体的期望繁殖概率，具体为：

采用公式(5)确定抗体v的期望繁殖概率P_v：

$P_v=\alpha \frac{A_v}{\underset{v=1}{\overset{{\mathrm{NI}}_p}{\Sigma }}{A}_v}+(1-\alpha )\frac{C_v}{\underset{v=1}{\overset{{\mathrm{NI}}_p}{\Sigma }}{C}_v}---\left(5\right)$

式中，α表示权重系数，NI_p表示种群中抗体数目，A_v表示抗体与抗原之间的亲和 度函数，C_v表示抗体与抗体之间的亲和力函数，其中A_v采用公式(6)确定：

$A_v=\mathrm{\Delta f}\underset{m=1}{\overset{M}{\Sigma }}\underset{k=1}{\overset{K}{\Sigma }}{c}_{m,k}^t{\log }_2(1+\frac{{\left|g_{m,k}^{\mathrm{CB}}\right|}^2{p}_{m,k}^t}{{\sigma }^2+{\xi }_{m,k}})---\left(6\right)$

在公式(6)中，示在子载波k上认知用户m与认知基站之间通信链路的信道增益， σ²表示背景噪声功率，ξ_m,k表示在子载波k上其它授权用户对认知用户m的干扰功率；

C_v采用公式(7)确定：

$C_v=\frac{1}{{\mathrm{NI}}_p}\underset{u=1,u\ne v}{\overset{{\mathrm{NI}}_p}{\Sigma }}{T}_{v,u}---\left(7\right)$

在公式(7)中，T_v,u表示抗体浓度，T_v,u的计算公式如(8)所示：

在公式(8)中，T表示一个预先设定的门限，S_v,u表示抗体v和抗体u之间的相似度， S_v,u的计算公式如(9)所示：

$S_{v,u}=\frac{\underset{i=1}{\overset{2\mathrm{MK}}{\Sigma }}|a_v^i-a_u^i|}{2\mathrm{MK}}---\left(9\right)$

公式(9)中，表示抗体v第i位，表示抗体u的第i位。

步骤3.3，从种群中按照期望繁殖概率提取父代种群和记忆库种群，寻找种群中适应 值最大抗体，具体为：

将群体中的抗体按照期望繁殖概率P_v降序进行排列，从种群中提取望繁殖概率最大 的NI₁个抗体作为父代种群，同时将繁殖概率最大的NI_p-NI₁个抗体存入记忆库中，采 用公式(10)确定每个抗体的适应值F(x_i(gen))，寻找第gen次迭代时种群中适应值最大 的抗体x_best(gen)：

$F\left(x_i\left(\mathrm{gen}\right)\right)=\mathrm{\Delta f}\underset{m=1}{\overset{M}{\Sigma }}\underset{k=1}{\overset{K}{\Sigma }}{c}_{m,k}^t{\log }_2(1+\frac{{\left|g_{m,k}^{\mathrm{CB}}\right|}^2{p}_{m,k}^t}{{\sigma }^2+{\xi }_{m,k}})---\left(10\right)$

上述NI₁表示父代种群中抗体的数目，NI_p-NI₁表示记忆库种群中抗体的数目， x_best(gen)表示第gen次迭代时种群中适应值最大的抗体。

步骤3.4，首先通过轮盘赌选择机制对抗体群进行选择操作得到新群体中抗体，然 后通过单点交叉方法对通过选择操作产生新群体中抗体进行交叉操作得到新群体中抗 体，最后通过随机选择变异位对通过交叉操作产生新群体中抗体进行变异操作得到新群 体中抗体，再从记忆库中取出，所得新群体合并记忆库中NI_p-NI₁个抗体，共同构成新 一代抗体。

步骤3.5，重复步骤3.2～3.4NI_g次，输出频率和功率资源分配的最优解，即令 gen←gen+1，重复步骤3.2～3.4NI_g次，输出x_best(gen)作为最优解，并且采用公式(10) 确定基于频谱衬垫和填充的认知OFDM网络吞吐量，NI_g表示遗传免疫方法的最大迭代 次数。

下面结合具体实施例对本发明作进一步说明。

实施例1

结合附图1～5，本发明基于频谱衬垫和填充的认知OFDM网络资源分配方法，具体 步骤如下：

步骤1，认知基站获得资源分配所需要的信道状态信息。

设授权网络中有N＝8个授权用户，子载波数目有K＝64；图4为本发明基于频谱 衬垫和填充的认知OFDM网络频谱接入示意图，认知基站可用频谱资源 K_t＝{8×(kt-1)+1～8×kt,kt＝1,3,5,7,9,11,13,15}，f_c＝990MHz，Δf＝62.5KHz， F₁＝0.5MHz,F₂＝1MHz，F₃＝1.5MHz，F₄＝2MHz；f_c表示基于频谱填充的认知 OFDM网络起始频率，F₁、F₂、F₃和F₄分部表示频带1、频带2、频带3和频带4的相 对起始频率，Δf表示每个子载波间隔；图5为本发明的基于频谱衬垫和填充的认知 OFDM网络通信链路示意图。

步骤2，认知基站获取频谱空洞信息并发送给认知用户。

步骤3，认知基站采用遗传免疫方法对基于频谱衬垫和填充的认知OFDM网络中的 频率和功率资源进行分配。基于频谱衬垫和填充的认知OFDM网络有M＝3个认知用 户：首先，认知基站初始化遗传免疫方法的参数和对种群中的抗体进行编码，该抗体向 量包括频率和功率资源，设种群中抗体数目NI_p＝90，遗传免疫方法的迭代次数 NI_g＝900，令gen＝1，初始化和采用公式(1)确定在公式(3)中， 基于频谱衬垫模式子载波k^*上的最大干扰功率门限OFDM符号的时间 间隔T_s＝40us，每个子载波的带宽Δf＝125KHz；然后，确定每个抗体的期望繁殖概率， 权重系数α＝0.3，背景噪声功率σ²＝1×10^-11W，预先设定的门限T＝30；其次，从种 群中提取望繁殖概率最大的NI₁＝10个抗体作为父代种群；再次，采用轮盘赌选择机制 对抗体群进行选择操作得到新群体中抗体，采用单点交叉方法对抗体群进行交叉操作得 到新群体中抗体，采用随机选择变异位的方法对抗体群进行变异操作得到新群体中抗 体，再从记忆库中取出NI_p-NI₁个抗体，共同构成新一代抗体；最后，令gen←gen+1， 重复上述步骤NI_g次，输出x_best(gen)作为最优解，并且采用公式(10)确定基于频谱衬垫 和填充的认知OFDM网络吞吐量。

综上所述，本发明基于频谱衬垫和填充的认知OFDM网络资源分配方法，从频率和功 率两个维度动态按需分配资源，充分挖掘了认知OFDM网络中无线频谱资源；并且子 载波和功率不是固定分配的，灵活性强，为提高基于频谱衬垫和填充的认知OFDM网 络吞吐量提供技术支持。