本发明属于移动通信技术领域，涉及基于认知无线电的次级基站最佳位置定位和信道选择方法。
背景技术：
认知无线电(cognitiveradionetworks,crns)是1999年由josephmitola博士提出的。认知无线电可以根据内部和外部的刺激来感知、学习和适应周围的环境。认知无线电网络基于动态频谱分配的策略，允许未经授权的次级用户(su)在不对已授权的主级用户(pu)造成强烈的干扰的条件下和pu共享频谱。认知无线电网络的成功之处就是在于其不同于传统的固定分配频谱资源的策略，通过动态分配频谱的工作原理可以使得主级用户和次级用户能共享同一个频谱资源。这在当前频谱资源稀缺的环境下，此门技术能有效的提高频谱资源利用率增强频谱和资源分配中，主级用户会和次级用户在sus不对pus造成干扰的情况下，与次级用户分享频谱。认知无线电技术由于其工作原理：动态的分配频谱资源，使得主级用户和次级用户能在一定的条件下共享频谱资源，和传统的频谱资源分配方式大有不同，提高了频谱和资源的利用率，而被作为一门有效的改善频谱稀缺问题的技术备受重视。特别是当联邦通信委员会(federalcommunicationscommission，fcc)报告，大部分许可频谱利用率不高，造成珍贵的频谱资源大量浪费的情况后，越来越多的研究者们开始引入动态频谱接入(dynamicspectrumaccess，dsa)作为当前频谱稀缺问题的解决方案。同时，fcc在nprm.fcc03.322建议规则制定通知书(noticeofproposedrulemaking，npr)中将认知无线电技术(cognitiveradionetworks，crns)作为完成频谱合作和机会共享的备份策略。
在认知无线电中，次级用户可以和主级用户在一定的条件下共享频谱资源。动态分配频谱的策略在提升频谱资源利用率的同时也引入了干扰问题。如何在不对主级用户造成干扰的情况下达到次级用户与主级用户共享资源的目的，这一直都是需要被重点解决的问题。目前在认知无线电网络架构中为用户分配资源的问题中，所有的方案都需要在保证主级用户的正常通信下进行。动态资源的分配也带来了一定的资源争夺，无论何种资源分配方法，都需要优先保障主级系统的正常通信活动。
发明人在研究现有技术的过程中发现其存在如下缺点：
现有的基于认知无线电的资源分配方案中，鲜有对次级基站进行最优位置定位的方案提出。而事实上，基站的位置可以直接影响他们对其他相邻用户和基站的干扰。尤其对于次级基站来说，不合适的位置可能会对主级系统造成较大的干扰，同时也弱化了自身系统的性能表现。所以对于次级基站的最优位置的定位更是十分重要。此外，对基站进行最佳的信道分配也会降低不同系统之间的共信道干扰，在有效的利用了有限的频谱资源的同时提升了整个网络的性能。若是能对次级基站的最优位置定位和最佳信道选择进行联合的分配，将能大幅度的从根本上改善整个网络的性能，在有效的进行干扰管理的同时也优化了次级系统的表现。并且，当前存在的信道分配方案中，建立的问题求解方法多繁冗复杂。虽也能达到优化网络的目的，但其中运算维度和耗费的时间成本都很大。如何在降低问题的复杂度的情况下为次级系统进行合理的资源分配，这也是少有方案考虑的。
技术实现要素：
有鉴于此，本发明的目的在于在认知无线电网络中，为每一个次级基站进行最优的位置定位和最佳的信道分配，来达到最大化整个系统的吞吐量和最大化次级基站的覆盖率的目的。此外，本发明还提出了次级用户出现概率的概念。根据所提出的概念细化了系统模型，针对此模型进行了全面的干扰分析，在干扰管理和降低干扰方面都有所改善。同时，基于所提出的模型，还可使得最终得到的最优分配方案能达到最大化次级基站的覆盖用户数的目的。所述方法也考虑了每一个用户的qos需求，在保护了主级用户的情况下，优化了次级系统的性能表现。同时，在寻找得到的最优分配方案的过程中，本发明结合pso算法对次级基站的最优位置和最佳信道选择进行联合分配。在降低了问题复杂度的同时有效实现以上需要达成的多重目标。综上，本发明不仅提高了频谱资源利用率，还在降低了问题复杂度的情况下优化了整个网络的性能表现。
为达到上述目的，本发明提供如下技术方案：
基于认知无线电的次级基站最佳位置定位和信道选择方法，该方法包括以下步骤：
s1：对当前的认知无线电网络场景进行全面的分析，针对主级系统中的主级用户、主级基站，次级系统中的次级用户、次级基站分别进行干扰来源分析；其中，对于主级系统，只考虑上端链路；而次级系统使用主级系统的上端链路进行通信；
s2：根据次级用户出现概率细化整个场景模型，基于之前整理得到的干扰来源分析推导出基于次级用户和主级用户的不同的sinr公式；
s3：根据sinr公式推出每一个次级基站和主级系统的容量公式，根据次级用户出现概率得到当前基站的覆盖率；
s4：在上述条件下，通过主级用户和次级用户不同的sinr阈值来排查，即一定要大于或者等于为不同用户设定的sinr阈值，在保护主级用户的情况下，得到最优的次级基站最优位置定位和最佳信道选择的分配方案。
进一步，所述步骤s2-s3具体为：当次级基站的位置确定以后，相应的基站覆盖范围也能确定，则根据干扰来源分析推导出使用第j个信道的第k-th次级基站覆盖范围内的第i-th个次级用户的sinr公式为：
其中，psb是当前次级基站的发送功率，hk，i是当前次级用户和次级基站iot之间的信道增益，ppu是主级用户的发送功率，
对于主级系统，所有的pus都分配在主级基站覆盖范围的边缘，即pu接收到的来自pbs的信号是最弱的，同时这些分配在主级基站覆盖范围边缘的主级用户也会对相邻的次级用户造成极大的干扰，在此情况下主级基站的sinr公式为：
其中，ppu是主级用户的发送功率，
当前次级系统的容量为：
其中，b是指当前频谱的带宽，
在得到每一个次级基站的容量和覆盖的用户数目后，为了保证次级用户的活动不对主级用户造成干扰，对主级用户和次级用户分别设置不同的sinr阈值，以此保障每一个用户的服务需求；优先验证主级用户的sinr值是否大于或者等于为其设定的sinr阈值；若不满足，则即使当前方案满足次级用户的sinr需求，也是不合格的方案，以此来保证主级用户的正常通信活动；最后通过与粒子群算法相结合的方法，来分别的为每一个次级基站寻找得到最优的位置定位和最佳的新单分配选择方案，以达到在保证主级用户的正常通信活动的情况下，最大化整个网络的吞吐量和最大化每一个次级基站的覆盖用户数的目的。
进一步，所述s4具体为：
按照下述公式来为次级基站进行最优的位置定位和信道选择：
maxu(x)＝λf1(x)+(1-λ)f2(x)
其中，cl是第l-th主级系统的容量，cq第q-th次级用户的容量，pq是当前q-th区域内次级用户的出现概率，np是主级用户的总数量，ns为次级基站的总数，{scm}代表着属于基站m-th，所覆盖的用户合集，∑{·}是对{·}从l＝1到np求和，λ是权重因子，取值范围为0到1。
进一步，所述干扰来源分析具体为：
主级系统中的主级基站pbs将会受到来自其他使用相同信道的主级基站和主级用户，以及相应的次级基站和次级用户的干扰；主级用户将会受到来自使用相同信道的pbs和pus，以及和他们使用相同信道的sus和sbss的干扰；
次级系统中的次级基站sbs将会受到来自其他使用相同信道的次级基站和次级用户，还有相应的pbss和pus的干扰；次级用户将会受到来自使用相同信道的sus和sbss，以及相应的主级系统的干扰。
进一步，在所述认知无线电网络场景中，若出现次级基站覆盖范围相互交叉重叠，则在重叠区域内的次级用户选择最优的基站进行通信时有：把用户设备与基站之间的距离较大的那个基站作为该用户的通信基站，若出现用户设备与基站之间的距离相等的情况时，则考虑设备用户的id号作为选择通信基站的因素。
进一步，在所述场景模型中，整个场景被分成了大小均等的小方格，对应于每一个位置；在每一个小方格中，都存在着范围为0-1的数值，表示当前区域内出现的su的概率；这些数值都是由统计得出的，数值越逼近1的代表当前小方格内出现次级用户的概率越大；越靠近0的代表当前区域内出现次级用户的概率越小。
本发明的有益效果在于：本发明能够基于认知无线电网络系统中为每一个次级基站寻找得到他们的最佳的位置定位和最优的信道分配方案，来达到在保障主级用户的正常通讯的条件下最大化整个系统的吞吐量和最大化每一个次级基站的覆盖范围的目的。并且提出了一个新的概念：次级用户出现概率，根据所提的概念细化了整个场景模型。在信道分配中，还基于可能会出现的基站覆盖范围重叠导致用户不知选择哪个基站作为自己的通信基站的情况，提出了相应的解决机制。并且，本发明所述的方法还能在一定程度上优化主级系统的性能表现，对整个系统的干扰调节和管理也起到了一定的作用，优化了整个网络的性能。
附图说明
为了使本发明的目的、技术方案和有益效果更加清楚，本发明提供如下附图进行说明：
图1为研究场景示意图；
图2为结合粒子群(pso)机制为每一个次级基站分配最佳的位置定位和最优的信道选择方案的流程图。
具体实施方式
下面将结合附图，对本发明的优选实施例进行详细的描述。
参见图1，图1为本发明研究场景示意图。在本发明实施例中，考虑的是有多个主级基站l＝1，...l和多个次级基站m＝1，...m的情况。其中，每一个主级基站和次级基站都有自己的覆盖范围，在其覆盖范围中的用户与自己的基站进行通信。在本发明中，对于主级系统，我们只考虑上端链路的情况，而次级系统则使用主级系统的上端链路进行通信。一个主级基站的覆盖范围下，有多个主级用户。本发明中，假设系统带宽为bhz，主级用户和次级用户共享这个bhz的频谱资源。每个基站的覆盖范围会出现交叉重叠的现象。
基于以上场景，进行的对每一个次级基站分配最佳的位置定位和最优的信道分配。
参见图2，图2为基于认知无线电的次级基站的最优位置定位和信道选择的分配方法，步骤如下：
步骤201：产生次级基站的位置和相应的匹配信道的拓扑结构图，并产生次级用户的出现概率矩阵。
步骤202：初始化粒子群pso参数，设定种群数目p，迭代次数n。且令pbest＝0，gbest＝0。
步骤203：依据pso粒子的位置和速度更新公式初始化次级基站的位置和匹配信道的分配方案。
步骤204：开始第一次迭代n。
步骤205：开始在第n次迭代中进行粒子数目的迭代。第p次迭代计算出每一个主级用户的sinr值p_wsinr。
步骤206：判断p_wsinr是否大于或者等于为主级用户设置的sinr阈值
步骤207：根据公式计算得到每一个次级系统的容量和次级基站的覆盖用户数并得到粒子的pbest值。
步骤209：开始进行下一个粒子的迭代计算，即p＝p+1。
步骤210：判断p即粒子种群数目是否等于设置的总种群数目p。若等于则表示种群间的循环迭代结束。在所有的pbest中开始寻找最大值并更新gbest的值。进行下一次总迭代，总迭代次数n＝n+1。
步骤212：验证当前迭代总数n是否大于了设置的迭代总数n。若是则输出当前得到的gbest数值，并输出当前的次级基站位置和信道分配方案，此方案则为最优的方案。若并未超过则需回到步骤205，再次进行迭代，直到达到最大迭代数为止。
最后说明的是，以上优选实施例仅用以说明本发明的技术方案而非限制，尽管通过上述优选实施例已经对本发明进行了详细的描述，但本领域技术人员应当理解，可以在形式上和细节上对其作出各种各样的改变，而不偏离本发明权利要求书所限定的范围。