一种基于资源空间矢量运算的认知网络资源管理方法
【专利摘要】一种基于资源空间矢量运算的认知网络资源管理方法，其特征在于：S1将在认知网络资源空间模型中,用资源状态矢量的形式表示所述认知系统资源使用状况,并使用所有的资源状态矢量集合构成多维资源空间中的超曲面；S2根据通信业务的需求形成判断资源矢量可用性的约束条件,并用所述约束条件判断资源状态超曲面上的每个状态矢量是否符合约束条件，所有可用的资源状态矢量形成的集合为可用资源状态超曲面；S3将步骤S2中形成的可用部分超曲面张成资源空间模型的子空间作为区域范围，形成可用资源空间；S4设定资源分配算法,并用所述资源分配算法，针对具体的优化目标，选出所述可用资源空间中最优的状态矢量。
【专利说明】一种基于资源空间矢量运算的认知网络资源管理方法【技术领域】
[0001]本发明涉及一种基于资源空间矢量运算的认知网络资源管理方法。
【背景技术】
[0002]认知无线电(CR, Cognitive Radio)技术是ー种能够对频谱进行高效利用的通信技木。认知无线电系统能够对通信环境进行感知探測，从而获得频谱的使用状态；然后通过学习机制对频谱状况进行分析，进ー步形成适应环境的具体决策方案；随即系统调整通信模式，伺机对频谱中尚存的可利用部分进行管理分配和智能动态的利用。认知无线电技术通过这种“感知-学习决策-执行”循环的方式构建了ー个智能的思考决策和执行过程，在满足更多业务频谱需求的同时大幅的提高了频谱资源的利用效率。
[0003]2005年W.Thomas在认知通信领域进ー步提出了认知网络(CN，CognitiveNetwork)的概念。认知网络是具有认知能力，能感知当前网络条件，然后依据这些条件做出规划、决策和采取动作的网络。认知网络仍然采用认知环的方式智能的管理和利用资源。但是，它所涉及的资源远超过认知无线电技术所针对的频谱。认知网络的资源泛指认知网络中可感知、可管理、可利用的能够影响系统端到端传输性能的所有因素的总和。认知网络资源的分析和管理是研究认知网络的重要内容。
[0004]在之前的研究成果中，已经形成了针对认知网络资源的分层解析方法，并以特征參数作为维度坐标构建资源元素的多维矢量空间，以资源元素为维度坐标构建完整认知网络资源的多维矢量空间。在这样的两级矢量空间模型中，每个矢量都具有明确的物理资源含义。
【发明内容】
[0005]本发明的目的是针对当`前技术不足，提出ー种基于资源空间矢量运算的认知网络资源管理方法，包括以下步骤:
[0006]SI在认知网络资源元素构成的资源空间模型中，用状态矢量的形式表示认知网络系统感知得到的资源状态，并使用所有的资源状态矢量集合构成多维资源空间中的资源状态超曲面；
[0007]S2根据通信业务的需求形成判断资源状态可用性的约束条件，用所述约束条件判断资源状态超曲面上的每个状态矢量是否符合约束条件，并以符合条件的状态矢量集合构成可用资源状态超曲面；
[0008]S3将步骤S2中所有符合约束条件状态矢量形成的可用状态资源超曲面，在资源空间模型中张成可以分配的资源矢量区域范围，形成可用资源空间；
[0009]S4设定资源分配算法，并用所述资源分配算法选出所述可用资源空间中最优的状态矢量。
[0010]在上述技术方案的基础上，所述步骤资源元素包括频谱资源元素、终端资源元素，接入点资源元素，中继节点资源元素，和中继链路资源元素。[0011]在上述技术方案的基础上，在所述步骤S2中，所述步骤资源元素包括频谱资源元素、终端资源元素，接入点资源元素，中继节点资源元素，和中继链路资源元素。
[0012]在上述技术方案的基础上，所述资源分配算法包括轮询资源分配算法，贪婪资源分配算法和比例公平资源分配算法，在给定某一性能指标最优化的前提下，选取最优的ー个或ー组资源矢量。
[0013]相对于现有技术，本发明通过数学空间理论解决认知网络资源管理过程，通过在资源空间中建立资源状态超曲面，并通过约束条件判断可用的资源状态矢量，再根据形成的可用状态超曲面张成可用资源空间区域，最后通过资源分配算法找出最优矢量，在可用资源空间中选取性能最佳矢量作为满足通信需求的分配结果，指派给通信系统进行实际的重构配置和具体通信过程。
【专利附图】
【附图说明】
[0014]图1为本发明一种基于资源空间矢量运算的认知网络资源管理方法流程图；
[0015]图2为本发明应用示例示意图。
【具体实施方式】
[0016]如图1是本发明一种基于资源空间矢量运算的认知网络资源管理方法流程图。其包括步骤S1:在认知网络资源元素构成的资源空间中，用状态矢量的形式表示认知网络系统感知获取的资源状态信息，并使所有的资源状态矢量集合构成多维资源空间中的超曲面。
[0017]由于认知网络资源能够被分解成不同的资源元素，所以以不同的资源元素状态可以组合成为认知网络的资源状态。基于资源空间模型，对于频谱资源元素，将每一次感知到的实际频谱状态信息用矢量的形式表示，所有的这类真实状态矢量的集合可以构成频谱资源元素的状态矢量集合RSsp6rtraffl。同理，基于资源空间模型，其他的资源元素，包括终端资源元素，接入点资源元素，中继节点资源元素，和中继链路资源元素也可以根据感知获取信息构成相应的真实状态矢量集合，分别表示为
RSterminaaccess-node relay-node relay-1 ink
于这些资源元素的真实状态矢量，可以在资源空间中形成具有真实状态意义的认知网络资源矢量集合，表示为RS?。从数学角度来讲，这样的认知网络资源状态矢量集合构成了多维资源空间中的超曲面。这个过程可以表示为:
[0018]RScn = SURFACE (RSterfflinal, RS spectrum Raccess-node? Rrelay-node Rrelay-link)
[0019]函数SURFACE (.)表示由状态矢量參数在多维空间中形成的超曲面，其中所有的状态矢量是通过认知网络的感知而得到的。
[0020]S2:根据通信业务的需求形成判断资源状态可用性的约束条件，并用所述约束条件判断资源状态超曲面上的每个状态矢量是否符合约束条件。并且所有满足约束条件的状态矢量的集合构成了资源状态超曲面的子集，其为可用资源状态超曲面。
[0021]为了进行通信资源的分配，认知网络必须根据感知获取的资源状态，判断具体的资源现状是否能够满足通信业务的需求。因此，需要根据通信业务的需求形成判断资源状态可用性的约束条件。基于这个约束条件，形成的资源状态超曲面上的每个状态矢量被度量和判断，进而被分成两部分:一部分状态表示在当前情况下没有资源能用来通信，另一部分表示在当前情况下尚存在资源被利用的余地。这样，表示还存在可利用的通信资源的部分状态被称为可用资源状态。在资源空间中形成的资源状态超曲面中，所有具有可用资源余地的状态矢量的集合形成了超曲面的子集，这个过程可表示为:
[0022]
【权利要求】
1.一种基于资源空间矢量运算的认知网络资源管理方法，其特征在于:包括以下步骤: Si在认知网络资源元素构成的资源空间模型中，用状态矢量的形式表示认知网络系统感知得到的资源状态，并使用所有资源状态矢量形成的集合构成多维资源空间中的超曲面； S2根据通信业务的需求形成判断资源状态可用性的约束条件，并用所述约束条件判断资源状态超曲面上的每个状态矢量是否符合该约束条件，将选取出来的符合条件的状态矢量集合构成可用资源状态超曲面； S3将步骤S2中形成的可用资源状态超曲面张成资源空间中的所有符合约束条件的资源矢量区域范围，形成可用资源空间； S4设定资源分配算法，并用所述资源分配算法选出所述可用资源空间中最优的状态矢量。
2.如权利要求1所述的ー种基于资源空间矢量运算的认知网络资源管理方法，其特征在于:所述步骤资源元素包括频谱资源元素、终端资源元素，接入点资源元素，中继节点资源元素，和中继链路资源元素。
3.如权利要求1所述的ー种基于资源空间矢量运算的认知网络资源管理方法，其特征在于:在所述步骤S2中，所有状态矢量被分为两部分，其中一部分表示在当前资源状态下没有资源用来通信，另一部分为当前状态下有资源用来通信的矢量。
4.如权利要求1所述的ー种基于资源空间矢量运算的认知网络资源管理方法，其特征在于:所述资源分配算法包括轮询资源分配算法，贪婪资源分派算法和比例公平资源分配算法。
【文档编号】H04L12/911GK103441956SQ201310385813
【公开日】2013年12月11日 申请日期:2013年8月29日 优先权日:2013年8月29日
【发明者】刘勤, 李钊, 陈紫晨, 黄鹏宇, 赵林靖, 刘伟, 李建东, 杨春刚 申请人:西安电子科技大学