本发明涉及通信技术领域，具体涉及一种具有频谱分配功能的认知车载通信方法和系统。
背景技术：
当前，伴随着汽车数量的与日俱增，可供汽车之间进行通信的频谱资源供需矛盾日益突出。于是，将认知无线电与车载通信结合起来，具有很重要的研究价值。认知用户可以对授权但未被使用的频带加以利用，从而缓解车载网络中频谱资源匮乏的问题。而作为车载认知无线电核心技术之一的频谱分配，则是在符合特定的分配规则下，将未被充分利用的授权频段进行合理有效的分配，以供认知用户使用。
频谱分配模型是建立在相应的干扰和约束条件之上的。现在常见的算法模型主要有：图论着色、博弈论、拍卖竞价等。在这些模型中，利用一个冲突图来对频谱分配问题进行表示，并且依照不同的目标函数和规则将空闲频段分配给认知用户使用的图论着色模型则是一种理论较为成熟的算法。研究人员已经证实了频谱分配问题是一个np难问题，而对这个难题进行有效的求解方法则是利用智能算法。目前主要利用遗传算法、人工蜂群算法等来对基于图论着色模型的频谱分配问题进行求解。而这些算法中最为经典的就是利用遗传算法(geneticalgorithm，ga)对空闲频段进行分配，但该算法有一个缺点：搜索精度不高，这个缺点会降低频谱利用率。
技术实现要素：
本发明旨在将感知到的空闲频段进行合理的分配，提供一种具有频谱分配功能的认知车载通信方法和系统，以期有效的提高频谱的利用率。
为解决上述问题，本发明是通过以下技术方案实现的：
具有频谱分配功能的认知车载通信方法，包括步骤如下：
步骤1、发起通信的车载认知用户把通信请求发至路边单元；
步骤2、路边单元对dsrc频段的使用情况进行判断：如果判断出dsrc存在空闲频段，则把结果告知通信双方车载认知用户，通信双方车载认知用户直接利用dsrc频段发起通信；若dsrc频段没有空闲，此时需要进行频谱感知，路边单元将频谱感知命令发送给附近的所有车载认知用户；
步骤3、接收到路边单元发出频谱感知命令的车载认知用户，启动认知功能对dvb-t授权频段进行准确的感知，并把感知结果即频谱使用情况发送给路边单元；
步骤4、路边单元根据车载认知用户返回的感知结果判决dvb-t授权频段的各个子频段是否可用，并采用基于模拟退火的布谷鸟搜索算法对可用的子频段即空闲频谱进行分配。
步骤4中所述采用基于模拟退火的布谷鸟搜索算法对可用的子频段即空闲频谱进行分配的具体步骤如下：
步骤4.1、将待通信车载认知用户数目设为种群的数目q、可用的子频段的个数设为搜索空间维数d、设定莱维飞行的步长因子α，设定最大迭代次数niter和设定发现概率pa；
步骤4.2、随机生成q个鸟巢，并将鸟巢的位置向量进行映射得到分配矩阵；
步骤4.3、计算各个鸟巢的适应度值，并保留适应度值最大的鸟巢作为最优鸟巢；
步骤4.4、基于设定的步长因子α对鸟巢位置进行莱维飞行迭代，更新鸟巢位置；计算更新后的各个鸟巢的适应度值，并与更新前的鸟巢进行比较，留下两者中适应度值最大的鸟巢；
步骤4.5、判断鸟巢是否陷入局部最优；若其中有一个鸟巢陷入局部最优，则任意抽取部分鸟巢执行模拟退火机制，同时把余下的未被抽取到的鸟巢进行交叉，之后计算所得到的鸟巢的适应度值，保留适应度值最大的鸟巢作为最优鸟巢，并转入步骤4.6；否则，直接转入步骤4.6；
步骤4.6、鸟巢宿主以概率pa发现外来鸟蛋，并生成满足均匀分布的随机数r；若r＞pa，则对当前最优鸟巢进行更新，并以新的鸟巢代替旧的，求出所有鸟巢的适应度值，然后对适应度值最大的鸟巢进行保留作为最优鸟巢，并转入步骤4.7；否则，直接转入步骤4.7；
步骤4.7、判断是否达到最大迭代次数niter；如果达到，将当前最优鸟巢输出，路边单元据此对空闲频谱进行分配；否则，转入步骤4.4。
具有频谱分配功能的认知车载通信系统，包括设置在车辆上的车载认知用户和设置在路边的路边单元；其中路边单元中包含有频谱分配模块；每个车载认知用户包括认知中心处理器、认知通信机、基站通信机、基站中心处理器、控制中心、射频前端、基带处理模块和车载单元；认知中心处理器与认知通信机连接，认知通信机上设有天线；基站通信机上设有天线，基站通信机与基站中心处理器连接，基站中心处理器经由控制中心连接车载单元，车载单元上设有天线；射频前端上设有天线，射频前端与基站中心处理器连接，基站中心处理器与基带处理模块连接。
与现有技术相比，本发明利用基于混合模拟退火的布谷鸟搜索算法对可用频段进行分配，不仅能够有效的解决布谷鸟算法在搜索过程中容易陷入局部最优的问题，而且相比于基于ga算法的频谱分配本专利所用方法还能有效的提升网络吞吐量，达到较好的效果。
附图说明
图1为具有频谱分配功能的认知车载通信方法流程图。
图2为认知车载网络模型。
图3为具有频谱分配功能的认知车载通信系统框图。
图4本发明频谱分配算法与遗传算法在不同频谱数下的平均网络吞吐量对比图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实例，并参照附图，对本发明进一步详细说明。
参见图1，一种具有频谱分配功能的认知车载通信方法，该方法基于如图2所示的认知车载网络模型，具体实现步骤如下：
步骤1、将要发起通信的车载认知用户把通信请求发至路边单元；
步骤2、路边单元对dsrc(专用短程通信)频段的使用情况进行判断：如果判断出dsrc存在空闲频段，则把结果告知待通信车辆，待通信车辆直接利用dsrc频段发起通信；若dsrc频段没有空闲，此时需要进行频谱感知，路边单元将此命令发送给附近的所有车载认知用户；
步骤3、车载认知用户在收到路边单元开启频谱感知的命令后，启动认知功能，并依据相关的算法对dvb-t的授权频段进行准确的感知，最后，车载认知用户把感知的频谱使用情况发送给路边单元；
步骤4、路边单元根据所有车载认知用户返回的感知结果判决dvb-t频段的各个子频段是否可用，并将可用的子频段进行合理的分配。
根据最终感知出来的空闲频谱结果，我们将可用的空闲频谱矩阵l用一个m×n维的矩阵来进行如下表示：
l＝{lm,n|lm,n∈{0,1}}m×n
其中，m为认知用户；n为授权频段；m为认知用户的个数；n为空闲频段的个数；lm,n为可用的n能否被m利用，lm,n＝1，表示可用，lm,n＝0，表示不可用。
效益矩阵b表示如下：
b＝{bm,n}m×n
其中，m为认知用户；n为授权频段；m为认知用户的个数；n为空闲频段的个数；bm,n为认知用户对授权频段进行使用时所能取得的诸如传输速率和吞吐量等指标的最大效益，且在lm,n＝0的情况下，bm,n＝0。
干扰矩阵c表示如下：
c＝{cm,k,n|cm,k,n∈{0,1}}m×m×n
其中，m为认知用户；n为授权频段；m为认知用户的个数；n为空闲频段的个数；cm,k,n为车载认知用户m、k同时对授权频段n进行使用时是否会有干扰产生，cm,k,n＝0表示不会产生干扰；cm,k,n＝1时表示会产生干扰。
分配矩阵a表示如下：
a＝{am,n|am,n∈{0,1}}m×n
其中，m为认知用户；n为授权频段；m为认知用户的个数；n为空闲频段的个数。a表明了一种可行的频谱分配方案。且有如下规则：am,n＝1表示认知用户对m对授权频段n进行了使用；am,n＝0则表示没有进行分配使用。
本发明所采用的方法中，干扰矩阵c的取值是根据以下两个因素来进行判定的：①两认知用户之间的距离。②传输半径。具体如下：
其中，m、k为两个不同的认知用户；n为授权频段；rm为用户m的传输半径；rk为用户k的传输半径；用户m和k之间的距离dm,k＝dk,m。
所给出的无干扰频谱分配矩阵a,表述了一种可行的分配方案，且a必须满足以下条件：
其中，m、k为两个不同的认知用户；n为授权频段；m为认知用户个数；n为空闲频段个数；am,n和ak,n表示是否将可用频段n分配给了认知用户m和k；cm,k,n表示车载认知用户m、k同时对授权频段n进行使用时是否会有干扰产生。
由适应度评价函数来对认知网络总效益函数u(a)进行如下表示：
其中，m为认知用户；n为授权频段；m为认知用户的个数；n为空闲频段的个数；am,n表示将频段n分配给了用户m；bm,n表示用户m在使用频段n的过程中所取得的最大效益。
该发明中，需要对混合模拟退火的布谷鸟搜索算法中的鸟巢位置进行二进制编码，其编码规则如下：
其中，j＝1,2,3,...pop，pop为种群数量；i＝1,2,3,...,d，d为优化维数；rand为随机产生的(0,1)之间的值；
基于混合模拟退火的布谷鸟搜索算法的原理如下：
(4.0)对鸟巢位置进行le′vy迭代。求解新一代鸟巢的适应度值，并将本次鸟巢所求解的值与上次相比，二者保留更好的鸟巢。利用下列式子对鸟巢所处的位置进行更新：
其中，
(4.1)通过对最优鸟巢的适应度值变化率进行评价，来判断算法是否陷入局部最优。利用如下式子进行判断：
其中，
步骤(4.2)根据(4.1)中的式子进行判断，若结果小于阈值，则说明算法陷入局部最优，我们任意抽取部分鸟巢并按照下列步骤执行模拟退火操作，并将余下的未被抽取到的鸟巢进行两两交叉，然后把执行了模拟退火操作产生的鸟巢与交叉过的鸟巢合起来，并计算出全部鸟巢的适应度值，且将适应度值最优的鸟巢进行保留，并转入(4.4)。
(4.2.1)给出冷却进度表参数、迭代初始解x0和适应度值f(x0)，且冷却进度表参数包括：可对参数t进行控制的初值t0，衰减系数a，终值f1以及长度为l的马尔科夫链；
(4.2.2)当t＝tk时，我们采用如下步骤进行l次搜索：
(4.2.2.1)根据当前解位置xk，按照如下式子进行迭代产生下一代解的位置xk+1：
其中：
步骤(4.2.2.2)生成具有如下特点的随机数β：位于(0,1)区间上且在该区间上服从均匀分布，利用下式求出在当前解xk和温度tk给定的情况下和metropolis接受准则相对应的转移概率p:
若β＜p，则取新解xk＝xk+1；若β≥p，则当前解不变；
(4.2.2.3)若搜索次数小于l，则返回步骤(4.2.2.1)；否则进入(4.2.3)。
(4.2.3)判断是否满足迭代终止条件，若满足，则终止迭代；若不满足，则转入(4.2.2)，并将温度更新为tk+1，并在该温度下进行平衡点寻优。
(4.3)若不满足(4.1)中的式子，则说明未陷入局部最优，则不用进行模拟退火操作，直接进入(4.4)。
(4.4)鸟巢宿主以概率pa发现外来鸟蛋。生成满足均匀分布的随机数r,r∈(0,1)，若r＞pa，把所发现的鸟巢进行随机变异操作，并以新鸟巢代替旧鸟巢，求出所有鸟巢的适应度值，然后对适应度值最优的鸟巢进行保留；
(4.5)对历史最优解进行保留记录，并对算法是否达到迭代终止条件进行判定。
基于以上定义，利用基于混合模拟退火的布谷鸟搜索算法对可用频段进行分配的频谱分配方法，按照如下步骤进行：
步骤4.1、初始化相关参数。设种群的数目为q(待通信车载认知用户数目即为种群的数目为q)，并以空闲频谱矩阵l为依据得到搜索空间维数d(空闲子频段的个数即为搜索空间维数d)，最大迭代次数niter，步长因子α，发现概率pa。
步骤4.2、初始化种群。随机生成q个鸟巢，即
x′＝{xm,n|xm,n∈{0,1}}m×n
且该矩阵满足：
其中，m、k为两个不同的认知用户；n为授权频段；m为认知用户个数；n为空闲频段个数；xm,n和xk,n为是否将可用频段n分配给了认知用户m和k；cm,k,n为车辆用户m、k同时对授权频段n进行使用时是否会有干扰产生。
步骤4.3、以下列函数作为鸟巢的适应度评价函数，并利用该式子求出各个鸟巢的适应度值，保留下最优(即适应度值最大)的鸟巢作为当前最优鸟巢；
其中，xm,n代表分配矩阵的中元素；t表示进行信息传输的时间段；
步骤4.4、分别对每个鸟巢位置进行迭代的次数为niter的le′vy迭代。运用下式更新鸟巢位置，并求出每次更新后鸟巢的适应度值，并与更新前的鸟巢的适应度值进行比较，留下两者中较好的鸟巢；
步骤4.5、利用下式依次对各个鸟巢进行迭代时是否陷入局部最优情况进行判断，看其有没有陷入局部最优。直到把q个鸟巢都判断完停止此步骤。
如该鸟巢陷入局部最优，则任意抽取部分鸟巢执行模拟退火机制，并把余下的未被抽取到的鸟巢进行交叉，然后把经历以上两种处理之后的鸟巢合起来，并求出它们的适应度值，且将最优鸟巢的进行保存，作为当前最优鸟巢，转入步骤4.6；
若该鸟巢未陷入局部最优，则直接转入步骤4.6；
步骤4.6、鸟巢宿主以概率pa发现外来鸟蛋。生成满足均匀分布的随机数r,r∈(0,1)，若r＞pa，把所发现的鸟巢(即前面步骤中所确定的最优鸟巢)按照下式进行更新，并以新的代替旧的，求出所有鸟巢的适应度值，然后对最优的进行保留；
上式中，β,r∈(0,1)，
步骤4.7、判断是否达到迭代终止条件，如果达到终止迭代的条件(即最大迭代次数niter)，则将历史最优解(即前面步骤中所确定的适应度值最大的鸟巢位置)进行记录，若没有达到终止迭代的条件(即最大迭代次数niter)，则转入步骤4.4继续重复此过程。
本发明利用基于混合模拟退火的布谷鸟搜索算法对可用频段进行分配，不仅能够有效的解决布谷鸟算法在搜索过程中容易陷入局部最优的问题，而且相比于基于ga算法的频谱分配本专利所用方法还能有效的提升网络吞吐量，达到较好的效果。
实现上述方法的具有频谱分配功能的认知车载通信系统，其结构框图如图3所示，该系统包括设置在车辆上的车载认知用户和设置在路边的路边单元(rsu)。路边单元中包含有频谱分配模块。每个车载认知用户包括认知中心处理器、认知通信机、基站通信机、基站中心处理器、控制中心、射频前端、基带处理模块和车载单元(obu)。认知中心处理器与认知通信机连接，认知通信机上设有天线。基站通信机上设有天线，基站通信机与基站中心处理器连接，基站中心处理器经由控制中心连接车载单元，车载单元上设有天线。射频前端上设有天线，射频前端与基站中心处理器连接，基站中心处理器与基带处理模块连接。其中认知通信机和基站通信机均为2.4g通信机。
图4为本发明频谱分配算法与遗传算法在不同频谱数下的平均效益仿真图，由图可见，本发明基于混合模拟退火的布谷鸟搜索算法对空闲频谱进行分配，相对于其他遗传算法来说，能够有效地提高了认知车载通信中的频谱利用率。
需要说明的是，尽管以上本发明所述的实施例是说明性的，但这并非是对本发明的限制，因此本发明并不局限于上述具体实施方式中。在不脱离本发明原理的情况下，凡是本领域技术人员在本发明的启示下获得的其它实施方式，均视为在本发明的保护之内。