认知无线电系统中基于信道分配的链路速率最大化方法

摘要

本发明公开了认知无线电系统中基于信道分配的链路速率最大化方法，涉及认知无线电领域。本发明采用两个独立的拓扑生成算法生成最优拓扑结构，并根据生成的拓扑结构结合优化目标，选择最优主链路，并得出最优的信道分配方案。再经过计算，得到对应分配方案的最大信道速率。本发明具有拓扑结构优化程度较高、整个系统适应性强、实现简单的特点，认知设备开通后，通过设置该认知系统的优化目标，可以自适应地分配可用信道以满足通信需求，特别适用于不同场景、不同需求下，多个认知设备的最优化信道分配方案。

说明书

技术领域

本发明涉及认知无线电相关技术，特别是认知无线电系统中基于 信道分配的链路速率最大化方法。

背景技术

无线通信业务的飞速发展使可用频谱资源越来越紧张，认知无线 电技术通过灵活的利用无线资源，可以大幅提高频谱资源的利用率， 在一定程度上缓解了频谱资源紧缺的现状。对于信道分配技术的研究 是认知无线电关键技术研究的一个重要方面，在很大程度上决定了认 知无线电系统性能指标的好坏。通过设置不同的认知无线电系统的信 道分配策略，可以使认知无线电系统根据环境的变化和实际的目标要 求，自适应地调整信道的分配，满足不同的通信需求。不同的拓扑结 构以及不同的应用需求对应认知无线电系统中的不同的信道分配方 法。传统意义上的信道分配方案自适应程度低，信道分配过程不够灵 活，频谱资源不能得到充分利用，已经不能满足认知无线电智能化的 需求。

发明内容

本发明的目的在于避免上述背景技术中的不足之处而提供一种 较为智能化的信道分配方案。该方案中所述的信道分配方法能够适应 认知无线电系统的智能化需求，同时也可以为其它自适应通信系统提 供参考方案。本发明旨在实现一定需求下的链路速率最大化，有两种 应用模式：一种是以瓶颈链路速率最大化为目标，确立的信道分配方 案；另一种是以指定链路速率最大化为目标，确立的信道分配方案。 本发明通过制定对应的算法策略，根据节点间的距离、各节点的可用 频谱状况等因素，确定信道的分配方案，最终达到链路速率最大化的 目标，为认知无线电系统的信道分配方案提供了一种较为有效的实现 途径。

本发明的目的是这样实现的：

认知无线电系统中基于信道分配的链路速率最大化方法，包括以 下步骤：

(1)通过认知无线电系统中各节点的频谱感知功能感知到其可 用频谱，并获得各节点的位置信息；所述的认知无线电系统包含分布 的多台认知设备，将认知设备作为节点；

(2)根据各节点的位置信息得到邻接矩阵后，根据邻接矩阵确 定传输链路；

(3)根据传输链路上各节点的可用频谱和位置信息得到信道速 率矩阵；

(4)对信道速率矩阵应用二部赋权匹配算法形成信道分配矩阵 后，根据信道分配矩阵对传输链路进行信道分配；

(5)根据信道分配矩阵和信道速率矩阵计算得出传输链路的最 大链路速率。

其中，所述的传输链路包括瓶颈链路和指定链路。

其中，步骤(2)中所述的根据邻接矩阵确定瓶颈链路，具体步 骤包括：

(101)确定一个发起节点，根据所有节点组成的邻接矩阵以及 距离阈值，按照到发起节点距离最短的原则，生成树状网；

(102)找出从发起节点出发的链路长度最长的链路集合；

(103)从链路集合中选出涉及节点数量最多的支链链路，并将 其定为瓶颈链路。

其中，步骤(2)中所述的根据邻接矩阵确定指定链路，具体步 骤包括：

(201)确定发起节点和结束节点，根据所有节点组成的邻接矩 阵以及距离阈值，找出从发起节点到结束节点的所有链路；

(202)以所有链路中节点间的最大距离为依据，对所有链路进 行排序，找出最大距离最短的链路，并将该链路作为指定链路。

其中，所述的步骤(3)中根据传输链路上各节点的可用频谱和 位置信息得到信道速率矩阵，具体步骤为：

(301)根据自由空间损耗公式计算传输链路中的传输损耗；

(302)根据传输损耗计算得到损耗倍数，根据热噪声公式计算 得到对应带宽上的热噪声；

(303)根据天线发射功率与损耗倍数计算得到接收功率后，根 据接收功率、热噪声、香农公式以及可变系数计算得出节点间的信道 速率；

(304)将信道速率填入矩阵的对应位置得到信道速率矩阵。

其中，步骤(304)中所述的矩阵具体为：将传输链路的各跳链 路作为第一集合，将每跳链路的可用信道作为第二集合，所述的第一 集合与第二集合构成二部图，将二部图抽象为X行Y列的矩阵；其中， X为第一集合的节点数，Y为第二集合的信道数。

其中，步骤(4)中所述的二部赋权匹配算法包括KM算法和匈牙 利算法。

其中，步骤(4)中所述的对信道速率矩阵应用匈牙利算法形成 信道分配矩阵，具体步骤为：

(401)将信道速率矩阵中的各信道速率取倒数得到新的信道速 率矩阵；

(402)在新的信道速率矩阵中添加0矩阵得到行数与列数相同 的添0矩阵；

(403)对添0矩阵应用匈牙利算法得到信道分配矩阵。

其中，步骤(4)中所述的对信道速率矩阵应用KM算法形成信道 分配矩阵，具体步骤为：

(501)在信道速率矩阵中添加0矩阵得到行数与列数相同的添 0矩阵；

(502)对添0矩阵应用KM算法得到信道分配矩阵。

其中，步骤(5)中根据信道分配矩阵和信道速率矩阵得出传输 链路的最大链路速率，具体为：将信道分配矩阵中矩阵元素为“1” 的位置所对应的信道速率矩阵上的数值进行求和运算，得到传输链路 的最大链路速率。

本发明相比背景技术具有如下优点：

1.运算时间较短，适合认知无线电系统的时变性环境。

2.计算准确性高，其运用的数学理论成熟可靠，使最终的分配 方案优化程度较高。

3.适应程度较强，易于在认知无线电系统中实现。

附图说明

图1是本发明中最大化瓶颈链路速率目标下的流程图。

图2是本发明中瓶颈链路的选取流程图。

图3是本发明中最大化指定链路速率目标下的流程图。

图4是本发明中指定链路的选取流程图。

图5是本发明实现链路速率最大化流程图。

具体实施方式

下面结合附图和具体实施方式对本发明做进一步详细的说明。

本发明可以对各节点位置信息进行归纳，形成邻接矩阵，该矩阵 包含了各节点间的相对距离，反应节点间的连通关系；以邻接矩阵为 依据，分别确定两条链路——瓶颈链路与指定链路，并确定链路上的 节点；根据选出的链路上的节点以及可用频谱，按照速率公式进行计 算，得出二维速率矩阵；对速率矩阵应用匈牙利算法和KM算法，得 出信道分配矩阵，按照信道分配矩阵的分配方案，计算出对应链路的 最大速率。

瓶颈链路是指树状网结构中，链路长度最长、所涉及的节点数量 最多的支链为主链。该主链对于整个树状拓扑结构来说极其重要，影 响整个系统的速率。最大化瓶颈链路速率，就是使该链路上的总速率 最大化。这对于整个认知系统的性能具有较大的影响。

如图1所示，最大化瓶颈链路速率实现的基本思路是先采用拓扑 生成算法生成树状拓扑结构，再采用相应的链路搜索算法找到符合以 上两个条件的主链，在既得主链上采用匈牙利算法或KM算法进行合 理的信道分配实现速率最大化。此处首先按照到一级节点距离最短的 原则生成树状网，在其基础上，确定最长链路集合后，再找出最大化 瓶颈链路。找出最大瓶颈链路后，就可以依照通过KM算法或匈牙利 算法得出的矩阵，算出瓶颈链路速率。

KM算法与匈牙利算法是数学图论中计算二部图的典型算法，均 要求处理矩阵为方阵，二者的区别在于：KM算法一般用来求取权值 最大的带权二部图的最优匹配；而匈牙利算法一般用来求取权值最小 的带权二部图的最优匹配。

指定链路是指，发起节点和终止节点被事先指定的链路。寻找满 足距离阈值条件的指定链路是指根据所给的发起节点和终止节点寻 找到一条通路，这条通路中的每一段链路都必须满足给定的距离阈值 条件，这样整个通路必然也满足距离阈值条件。

如图3所示，在寻找指定链路时，首先，要根据阈值条件构造出 满足阈值条件的邻接矩阵，所谓的邻接矩阵是指表征各个节点间的邻 接关系的矩阵。然后，根据这个邻接矩阵从指定发起节点开始逐层寻 找连通节点，直到寻找到指定链路的终止节点，从而最后得到了从指 定发起节点到指定终止节点之间的链路，也就是寻找到了指定链路。 根据指定链路节点对应的信道分配矩阵，即可计算出最大化指定链路 速率。

如图5所示，认知无线电系统中基于信道分配的链路速率最大化 方法，包括以下步骤：

(1)通过认知无线电系统中各节点的频谱感知功能感知到其可 用频谱，并获得各节点的位置信息；所述的认知无线电系统包含多个 分布在一定范围的多台认知设备，将认知设备作为节点；

(2)根据各节点的位置信息得到邻接矩阵后，根据邻接矩阵确 定传输链路；传输链路包括瓶颈链路和指定链路；

如图2所示，根据邻接矩阵确定瓶颈链路，具体步骤包括：

(101)确定一个发起节点，根据所有节点组成的邻接矩阵以及 距离阈值，按照到发起节点距离最短的原则，生成树状网；

(102)找出从发起节点出发的链路长度最长的链路集合；

(103)从链路集合中选出涉及节点数量最多的支链链路，并将 其定为瓶颈链路。

如图4所示，根据邻接矩阵确定指定链路，具体步骤包括：

(201)确定发起节点和结束节点，根据所有节点组成的邻接矩 阵以及距离阈值，找出从发起节点到结束节点的所有链路；

(202)以所有链路中节点间的最大距离为依据，对所有链路进 行排序，找出最大距离最短的链路，并将该链路作为指定链路。

(3)根据传输链路上各节点的可用频谱和位置信息得到信道速 率矩阵；具体步骤为：

(301)根据自由空间损耗公式计算传输链路中的传输损耗；

L_空损＝32.45+20logf+20logd(dB)

其中，f为信道带宽，单位MHz，d为传输距离，单位km。

(302)根据传输损耗计算得到损耗倍数，根据热噪声公式计算 得到对应带宽上的热噪声；

自由空间的损耗倍数X：

B赫兹带宽上的热噪声N：

N＝kTB

其中，k为玻尔兹曼常量＝1.3803×10^-23J/K；T为温度，单位K， B是带宽，单位Hz，得出的热噪声N单位为W。

(303)根据天线发射功率P_T与损耗倍数X计算得到接收功率P_R后，根据接收功率、热噪声、香农公式以及可变系数计算得出节点间 的信道速率R_i；

$R_i=\Delta f\times {\log }_2^{(1+K\times (\frac{P_T/X}{N}\left)\right)}$

其中，Δf为信道带宽，K为与误码率BER有关的可变系数：

$K=\frac{1.5}{-ln\left(5BER\right)}$

(304)将信道速率填入矩阵的对应位置得到信道速率矩阵。所 述的矩阵具体为：将传输链路的各跳链路作为第一集合，将每跳链路 的可用信道作为第二集合，所述的第一集合与第二集合构成二部图， 将二部图抽象为X行Y列的矩阵；其中，X为第一集合的节点数，Y 为第二集合的信道数。

(4)对信道速率矩阵应用二部赋权匹配算法形成信道分配矩阵 后，根据信道分配矩阵对传输链路进行信道分配；二部赋权匹配算法 包括KM算法和匈牙利算法。

对于匈牙利算法，需要将信道速率矩阵中各个速率值取倒数，其 原因在于应用匈牙利算法得到的是使总速率最小的最优分配矩阵，取 倒数后再应用匈牙利算法即得到速率最大的最优分配矩阵；KM算法 则不需要对速率值取倒数。

假设原速率矩阵为Z1，对信道速率矩阵取倒数后得到一个新的X 行Y列的矩阵Z2。如果对两个矩阵直接寻找最优匹配，显然是不可能 的，因为X不一定等于Y，这样就不能保证两种算法的运用条件。为 了使KM算法以及匈牙利算法得以应用，我们添加了一个0矩阵，使 得X等于Y，得到新的矩阵Z2′与Z2′，从而满足两种算法的运用条件。 通过KM算法对Z1′求解最优匹配是完全可行的，也就是得到了信道分 配的最优解，用矩阵表示即为信道分配矩阵；通过匈牙利算法对Z2′求 解最优匹配得到了信道分配的最优解，用矩阵表示即为信道分配矩 阵。以匈牙利算法为例，矩阵(a)为速率矩阵取倒数后的矩阵，经 过匈牙利算法的运算，最后得到矩阵(e)所示的信道分配矩阵。

$\left(\begin{array}{ccc}\left(\begin{array}{cccc}2& 15& 13& 4\\ 10& 4& 14& 15\\ 9& 14& 16& 13\\ 7& 8& 11& 9\end{array}\right)& \left(\begin{array}{cccc}0& 13& 11& 2\\ 6& 0& 10& 11\\ 0& 5& 7& 4\\ 0& 1& 4& 2\end{array}\right)& \left(\begin{array}{cccc}0& 13& 7& 0\\ 6& 0& 6& 9\\ 0& 5& 3& 2\\ 0& 1& 0& 0\end{array}\right)\\ \left(a\right)& \left(b\right)& \left(c\right)\end{array}\right)$

$\left(\begin{array}{cc}\left(\begin{array}{cccc}\times & 13& 7& O\\ 6& 0& 6& 9\\ O& 5& 3& 2\\ \times & 1& O& \times \end{array}\right)& \left(\begin{array}{cccc}0& 0& 0& 1\\ 0& 1& 0& 0\\ 1& 0& 0& 0\\ 0& 0& 1& 0\end{array}\right)\\ \left(d\right)& \left(e\right)\end{array}\right)$

对信道速率矩阵应用匈牙利算法形成信道分配矩阵，具体步骤 为：

(401)将信道速率矩阵中的各信道速率取倒数得到新的信道速 率矩阵；

(402)在新的信道速率矩阵中添加0矩阵得到行数与列数相同 的添0矩阵；

(403)对添0矩阵应用匈牙利算法得到信道分配矩阵。

对信道速率矩阵应用KM算法形成信道分配矩阵，具体步骤为：

(501)在信道速率矩阵中添加0矩阵得到行数与列数相同的添 0矩阵；

(502)对添0矩阵应用KM算法得到信道分配矩阵。

(5)根据信道分配矩阵和信道速率矩阵计算得出传输链路的最 大链路速率；具体为：根据信道分配矩阵确定链路上各段链路对应的 信道情况；根据信道速率矩阵确定链路上各段链路对应的传输速率情 况；将信道分配矩阵中矩阵元素为“1”的位置所对应的信道速率矩 阵上的数值进行求和运算，得到传输链路的最大链路速率。