多跳认知无线网络频谱分配方法与流程

本发明涉及无线通信技术领域，特别是涉及一种多跳认知无线网络频谱分配方法。

背景技术：

随着无线通信技术的快速发展，无线通信网络出现带宽化、业务多样化、网络异构化的趋势，频谱资源的有效利用成为非常重要和亟待解决的问题。认知无线电作为一种新型的通信技术，能够感知周围的无线电环境，通过智能学习，自适应地改变其载波频率、传输功率和调制技术等参数，从而提高频谱利用率。多跳认知无线网络可以扩大通信网络覆盖范围，具有提高网络吞吐量，增强链路传输可靠性等优点，其使用认知无线电技术，灵活动态地使用多个信道能有效提高网络性能因而受到广泛研究。

中国发明专利CN 103281695 A公开了一种多跳中继网络频谱规划方法。该方法针对OFDMA多跳中继网络，综合考虑用户的速率需求、信道质量和干扰情况，以能效为优化目标提供一种基于能效的动态频谱规划方法。该发明对用户不均匀分布场景有一定的适应性，该发明不足之处在于未考虑通信系统或节点存在功率约束的情形，也没有考虑频谱如何划分的问题。

技术实现要素：

鉴于上述状况，本发明提供一种多跳认知无线网络频谱分配方法，针对源节点和中继节点总发射功率或各自节点的发射功率的约束条件，自适应地分配频谱资源。

一种多跳认知无线网络频谱分配方法，应用于含有源节点、中继节点和目的节点的OFDM中继链路，每帧划分为周期相等的两个时隙，所述方法包括：

根据无线网络链路的特征信息分别建立两个所述时隙的非合作博弈模型；

计算所述非合作博弈模型在无约束条件下的最优解：无约束最优用户通信速率分配向量、无约束最优发射功率分配向量；

根据所述最优解与用户通信速率及所述源节点和所述中继节点的总发射功率或各自的发射功率的约束条件的对应关系确认并输出最优用户通信速率向量和最优功率分配向量。

本发明针对传输节点总发射功率和节点各自发射功率约束的两种情况下，分别提出基于子载波配对的多跳认知无线网络能效最大化频谱分配算法。该算法在Overlay频谱共享方式下，综合考虑电路功率消耗、发射功率和速率因素，通过博弈论的方法求出多跳认知无线网络最优频谱分配方案。本发明能够在满足各项约束条件情况下自适应分配资源，得到全局最优解，同时还可以保证链路传输可靠性，降低链路的中断概率和算法实现复杂度。

上述多跳认知无线网络频谱分配方法，其中，所述特征信息包括系统电路功率P_C能耗、所述用户通信速率C(R)和所述总发射功率P_T(R)，所述非合作博弈模型为：

其中，R为任意用户通信速率向量。

上述多跳认知无线网络频谱分配方法，其中，计算所述非合作博弈模型在无约束条件下的最优解的方法为：

采用二分查找辅助上升算法求解非合作博弈模型在无约束条件下的最优解。

上述多跳认知无线网络频谱分配方法，其中，针对受用户通信速率及源节点和所述中继节点的总发射功率的约束情况时，所述约束条件条件为：

P_T(R)≤P_max；

C(R)≥R_min；

其中，P_T(R)和C(R)分别表示在用户通信速率向量为R时，所述源节点和所述中继节点的总发射功率和用户通信速率，P_max和R_min分别表示最大总发射功率和最小用户通讯速率需求。

上述多跳认知无线网络频谱分配方法，其中，所述确认并输出最优用户通信速率向量和最优功率分配向量的步骤包括：

判断无约束最优用户通信速率向量R^*对应的总发射功率P_T(R^*)和用户通信速率C(R^*)是否满足所述约束条件；

根据判断结果确定并输出最优用户通信速率向量R^*和最优功率分配向量P^*：

当P_T(R^*)≤P_max，C(R^*)≥R_min时，所述最优用户通信速率向量R_opt和最优功率分配向量P_opt分别为R^*和P^*；

当P_T(R^*)≤P_max，C(R^*)＜R_min时，提高总发射功率，以满足C(R^*)≥R_min，并利用注水算法计算得出最优用户通信速率向量R_opt和功率分配向量和P_opt；

当P_T(R^*)＞P_max，C(R^*)≥R_min时，降低总发射功率，以满足P_T(R^*)≤P_max，并利用注水算法计算得出最优用户通信速率向量和功率分配向量R_opt和P_opt；

当P_T(R^*)＞P_max，C(R^*)＜R_min时，链路中断。

上述多跳认知无线网络频谱分配方法，其中，当所述最优用户通信速率向量R_opt对应的总发射功率P_T(R_opt)满足关系式P_T(R_opt)＞P_max，或所述最优用户通信速率C(R_opt)满足关系式C(R_opt)＜R_min时，链路中断。

上述多跳认知无线网络频谱分配方法，其中，针对受用户通信速率及源节点和中继节点各自节点的发射功率约束的情况时，所述约束条件为：

C1:

C2:

C3:C(R)≥R_min

R为任意给定的用户通信速率向量，和分别为源节点S和中继节点R的节点的发射功率，和分别为源节点S和中继节点R的节点的最大发射功率。

上述多跳认知无线网络频谱分配方法，其中，所述确认并输出最优用户通信速率向量和最优功率分配向量的步骤包括：

分别计算源节点S和中继节点R无约束最优用户通信速率向量R^*对应的节点发射功率和

判断所述节点发射功率和以及用户通信速率C(R^*)是否满足所述约束条件，并根据判断结果和确定并输出最优用户通信速率向量和最优功率分配向量：

当和C(R^*)≥R_min时，则最优用户通信速率向量、源节点S和中继节点R的最优功率分配向量分别表示为R_opt＝R^*、和

当和C(R^*)＜R_min时，提高总发射功率，以满足C(R^*)≥R_min，并采用注水算法得出源节点S和中继节点R的最优功率分配向量和以及最优用户通信速率向量R_opt；

当和C(R^*)≥R_min时，降低源节点S的发射功率，以满足并采用注水算法得出源节点S和中继节点R的最优功率分配向量和以及最优用户通信速率向量R_opt；

当和C(R^*)≥R_min时，降低中继节点R的发射功率，以满足并采用注水算法得出源节点S和中继节点R的最优功率分配向量和以及最优用户通信速率向量R_opt；

当和C(R^*)＞R_min时，需降低总发射功率，以满足并采用注水算法得出源节点S和中继节点R的最优功率分配向量和以及最优用户通信速率向量R_opt；

当和C(R^*)＜R_min时，链路发生中断。

上述多跳认知无线网络频谱分配方法，其中，当所述最优用户通信速率向量R_opt对应的源节点S的最优发射功率满足或中继节点R的最优发射功率满足或所述最优用户通信速率C(R_opt)满足C(R_opt)<R_min时，链路发生中断。

附图说明

图1为本发明实施例一提供的多跳认知无线网络频谱分配方法的结构框图；

图2为本发明实施例二提供的多跳认知无线网络频谱分配方法的结构框图；

图3为本发明实施例三提供的多跳认知无线网络频谱分配方法的结构框图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。

实施例一

请参阅图1，为本发明实施例一提供一种多跳认知无线网络频谱分配方法，应用于含有源节点、中继节点和目的节点的OFDM中继链路，每帧分为时间周期相等的两个时隙，第一个时隙中，所述源节点将数据发送给所述中继节点，第二个时隙中，所述中继节点对接收数据解码后在转发给所述目的节点。所述方法包括以下步骤。

步骤S101，根据无线网络链路的特征信息分别建立两个所述时隙的非合作博弈模型。

第一时隙和第二个时隙的非合作博弈模型分别为：

其中，{n}＝{1,2,…,N}为信道上参与博弈子载波的有限集，为子载波在信道n上第i跳链路的发射功率策略集合，为子载波在信道n上第i跳链路的净效用函数，其值为效用函数与价格函数之差。

由于每一个博弈参与者都是独立地做决策，而且受到其他参与者决策的影响，博弈问题分析关键是对博弈模型的纳什均衡进行分析；博弈到达纳什均衡时，任何博弈参与者都不会再改变自身的行动策略；因此，针对博弈G^SR，对于且都有成立，博弈达到纳什均衡，即功率向量P_i^SR是非合作博弈的纳什均衡解。对于博弈G^RD有类似结果。

由最大化系统整体能效为目标，因此可以将博弈模型描述为频谱分配问题的优化模型。首先，定义能效为单位焦耳能量发送的比特数，记作其中，T_S为帧周期，Δe为一帧内总能量消耗，包括系统电路功率P_C能耗以及源节点S和中继节点R的总发射功率能耗，Δe可表示为：

因此，能效函数可以表示为：

其中，R为任意给定的用户通信速率向量，P_C为系统电路功率，C(R)为用户通信速率，P_T(R)为源节点和所述中继节点的总发射功率。

步骤S102，计算所述非合作博弈模型在无约束条件下的最优解：无约束最优用户通信速率向量R^*和无约束最优发射功率分配向量P^*。本发明采用二分查找辅助上升算法求解非合作博弈模型的无约束条件下的最优解。

步骤S103，根据所述最优解与用户通信速率及所述源节点和所述中继节点的总发射功率或各自的发射功率的约束条件的对应关系确认并输出最优用户通信速率向量和最优功率分配向量。该步骤中发射功率约束条件为源节点和中继节点的发射功率的总发射功率约束条件或源节点和中继节点各自的发射功率约束条件。即，该步骤中所述约束条件可分为两种情况：(1)约束条件为用户通信速率及总发射功率的约束条件；(2)用户通信速率及各自节点的发射功率的约束条件。

在步骤S103中，根据最优解与源节点和中继节点的用户通信速率及发射功率的约束条件的对应关系确认不同条件下最终的最优解。

本方实施例中，将多跳链路系统带宽B划分为N个相互正交的子载波，各个子载波上的衰落近似为平坦衰落。信道为准静态信道，每帧划分为实际周期相等的两个时隙。子载波n上的可达速率受限于可达速率较小的链路。将第一时隙和第二时隙子载波分别按照γ_1,n和γ_2,n从高到低进行排序，并配对成子载波对。

本发明实施例基于子载波配对的多跳认知无线网络能效最大化频谱分配算法。该算法在Overlay频谱共享方式下，综合考虑电路功率消耗、节点总发射功率和速率因素，通过博弈论的方法求出多跳认知无线网络最优频谱分配方案。本发明能够在满足各项约束条件情况下自适应分配资源，得到全局最优解，同时还可以保证链路传输可靠性，降低链路的中断概率和算法实现复杂度。

实施例二

请参阅图2，为本发明实施例二提供的一种多跳认知无线网络频谱分配方法，应用于含有源节点、中继节点和目的节点的OFDM中继链路，每帧分为时间周期相等的两个时隙，第一个时隙中，所述源节点将数据发送给所述中继节点，第二个时隙中，所述中继节点对接收数据解码后在转发给所述目的节点，所述方法包括以下步骤。

步骤S201，根据无线网络链路的特征信息分别建立两个所述时隙的非合作博弈模型。

本实施例中考虑到受源节点S和中继节点R的总发射功率的约束，参照实施例一的推导原理，本实施例相应的能效函数可以表示为：

约束条件为：

C1:P_T(R)≤P_max；

C2:C(R)≥R_min；

其中，P_T(R)和C(R)分别为对应用户通信速率向量R时的所述源节点和所述中继节点的总发射功率和用户通信速率，P_max和R_min分别表示最大总发射功率和最小用户通讯速率需求。

步骤S202，计算所述非合作博弈模型在无约束条件下的最优解：无约束最优用户通信速率向量R^*和无约束最优发射功率分配向量P^*。本发明采用二分查找辅助上升算法求解非合作博弈模型的无约束条件下的最优解。

步骤S203，判断无约束最优用户通信速率向量R^*对应的系统总发射功率P_T(R^*)和用户通信速率C(R^*)是否满足所述约束条件，并根据判断结果确定并输出最优用户通信速率向量R_opt和最优功率分配向量P_opt：

当P_T(R^*)≤P_max，C(R^*)≥R_min时，即，同时满足所述约束条件C1和C2时，所述最优用户通信速率向量R_opt和最优功率分配向量P_opt分别为R^*和P^*；

当P_T(R^*)≤P_max，C(R^*)＜R_min时，即，满足所述约束条件C1，不满足约束条件C2时，此时需提高总发射功率，以满足约束条件C2，并利用注水算法计算得出约束条件C2下的最优速率R_opt和最优功率分配向量和P_opt。再比较最优用户通信速率向量R_opt对应的最优总发射功率P_T(R_OPT)与最大总发射功率P_max的大小，当P_T(R_opt)≤P_max时，输出注水算法计算得出的最优速率R_opt和最优功率分配向量和P_opt，否则，表示在给定最低用户通信速率需求约束下无法满足最大功率约束条件，链路发生中断；

当P_T(R^*)＞P_max，C(R^*)≥R_min时，即，不满足约束条件C1，满足约束条件C2时，此时需降低总发射功率，以满足约束条件C1，并利用注水算法计算得出约束条件C1下的最优用户通信速率向量和功率分配向量R_opt和P_opt，再比较最优用户通信速率向量R_opt对应的用户通信速率C(R_opt)与最小用户通信速率的大小，如果用户和速率C(R_opt)≥R_min时，输出利用注水算法得出的最优速率和功率分配向量R_opt和P_opt，否则，表示在给定最大功率约束条件下无法满足最小用户通信速率约束条件，链路中断；

当P_T(R^*)＞P_max，C(R^*)＜R_min时，即，不满足所述约束条件C1，也不满足约束条件C2时，链路中断。

步骤S204，计算源节点S和中继节点R处在各子载波上的发射功率。根据源节点S和中继节点R的最优用户通信速率向量R_opt和总发射功率分配向量P_opt，按照计算得出源节点S和中继节点R处在各个子载波上的发射功率。其中，p_n为子载波n上的发射功率变量，表示第i跳第n个子载波上的信道功率增益与噪声功率比值，g_i,n为信道增益，Γ≈-ln(5BER)/1.5表示在给定目标误比特率情况下对应的最小信噪比差值，N₀为加性高斯白噪声单边功率谱密度，ΔB为每个子载波的带宽。

本实施例在考虑系统电路功率消耗的情况影响下，同时考虑系统总发射功率和用户通信速率的约束条件，建立联合子载波配对和功率分配的博弈模型。在满足各项约束条件情况下自适应分配资源，得到全局最优解，同时还可以保证链路传输可靠性，降低链路的中断概率和算法实现复杂度。

实施例三

请参阅图3，为本发明实施例三提供的一种多跳认知无线网络频谱分配方法，应用于含有源节点、中继节点和目的节点的OFDM中继链路，每帧分为时间周期相等的两个时隙，第一个时隙中，所述源节点将数据发送给所述中继节点，第二个时隙中，所述中继节点对接收数据解码后在转发给所述目的节点，所述方法包括以下步骤。

步骤S301，根据无线网络链路的特征信息分别建立两个所述时隙的非合作博弈模型。

本实施例中考虑到受源节点S和中继节点R各自的发射功率的约束，参照实施例一的推导原理，本实施例相应的能效函数可以表示为：

约束条件为：

C1：

C2：

C3：C(R)≥R_min；

R为任意给定的速率向量，和分别为源节点S和中继节点R的节点的发射功率，N为系统总子载波数，p_1,n和p_2,n为源节点S和中继节点R在子载波n上的发射功率，和分别为源节点S和中继节点R的节点的最大发射功率。约束条件C1和C2分别表示源节点S和中继节点R的发射功率约束，C3表示最小用户通信速率约束。

步骤S302，计算所述非合作博弈模型在无约束条件下的最优解：无约束最优用户通信速率向量R^*和无约束最优总发射功率分配向量P^*。本发明采用二分查找辅助上升算法求解非合作博弈模型的无约束条件下的最优解。

步骤S303，依据p_1,n＝p_nγ_2,n/(γ_1,n+γ_2,n)，p_2,n＝p_nγ_1,n/(γ_1,n+γ_2,n)计算无约束最优用户通信速率向量R^*对应的源节点S和中继节点R的发射功率和

步骤S304，判断所述发射功率和以及用户通信速率C(R^*)是否满足所述约束条件，并根据判断结果确定并输出最优用户通信速率向量和最优功率分配向量：

(Ⅰ)当无约束最优解满足条件和C(R^*)≥R_min时，即同时满足目标函数U(R)的约束条件C1～C3，则能效最优速率和源节点及中继节点的最优功率分配向量为R_opt＝R^*、和

(Ⅱ)当无约束最优解满足条件和C(R^*)＜R_min时，即，满足目标函数U(R)的约束条件C1和C2，不满足目标函数U(R)的约束条件C3时，此时需要进一步提高总发射功率，以满足最小用户通信速率约束，并采用用户通信速率约束条件C3下的发射功率最小化注水算法可以求得源节点S和中继节点R的最优功率分配向量和以及最优用户通信速率向量R_opt，再比较最优用户通信速率向量R_opt对应的各节点最优发射功率与最大发射功率的大小，如果所求最优发射功率满足或时，说明在给定最小速率需求R_min约束下无法满足功率约束，链路发生中断，否则确认并输出注水算法求得的源节点S和中继节点R的最优功率分配向量和以及最优用户通信速率向量R_opt；

(Ⅲ)当无约束最优解满足条件和C(R^*)≥R_min时，即不满足目标函数U(R)的约束条件C1，此时需要降低源节点S的发射功率，以满足约束条件C1，并采用注水算法可以求得约束条件C1下的源节点S和中继节点R的最优功率分配向量和以及最优用户通信速率向量R_opt，再比较最优用户通信速率与最小用户通信速率的大小，如果所求最优用户通信速率满足C(R_opt)≥R_min，确认并输出注水算法求得的源节点S和中继节点R的最优功率分配向量和以及最优用户通信速率向量R_opt，否则明在给定最大功率约束下无法满足用户最小通讯速率要求，链路发生中断；

(Ⅳ)当无约束最优解满足条件和C(R^*)≥R_min时，即不满足目标函数U(R)的约束条件C2。与情况Ⅲ类似，降低中继节点的发射功率，采用注水算法可以求得最优功率分配结果P_opt和全局唯一最优用户通信速率向量R_opt，进而可以确定源节点S和中继节点R的最优发射功率分配和当求得的最优用户通信速率不满足C(R_opt)≥R_min说明在给定最大功率约束下无法满足用户最小通讯速率要求，链路发生中断；

(Ⅴ)当无约束最优解满足条件和C(R^*)≥R_min时，说明目标函数U(R)的无约束最优功率分配向量不满足源节点S和中继节点R的最大发射功率约束。在不考虑用户最小通讯速率需求约束下，原问题可以等效为源节点S和R节点的发射功率约束下最大化可达速率问题：

约束条件为：

C1:

C2:

上述问题可归结为上述情况Ⅲ和情况Ⅳ的情形，其中，p_n≥0,为系统子载波集合。

(Ⅵ)当无约束最优解满足条件和C(R^*)≤R_min时，说明系统在给定最大功率约束下，无法满足最小速率需求约束，链路发生中断。

步骤S305，计算源节点S和中继节点R处在各子载波上的发射功率。源节点S和中继节点R处在各子载波上的发射功率可根据得到最优用户通信速率向量R_opt和总发射功率分配向量P_opt，按照计算得出。

上述步骤中，注水算法的主要步骤为：首先将子载波的等效功率归一化信噪比γ_equ,n由小到大排序；记根据计算如果置重复计算否则，计算子载波集合中剩余各子载波上的确定S和R端子载波上发射功率为系统虚拟子载波集合。

本实施例在考虑系统电路功率消耗的情况影响下，同时考虑受源节点S和中继节点R各自功率的约束和用户通信速率的约束条件，建立联合子载波配对和功率分配的博弈模型。在满足各项约束条件情况下自适应分配资源，得到全局最优解，同时还可以保证链路传输可靠性，降低链路的中断概率和算法实现复杂度。

以上所述实施例仅表达了本发明的实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。