本发明具体涉及一种认知无线传感器网络的信道选择方法。
背景技术：
随着科学技术的不断发展,信息技术也日新月异，无线传感器网络得到了广泛的应用，如智能家居，智慧城市，军事，反恐，救灾，环境监测等领域。由于无线传感器网络是由大量廉价的微型传感器节点组成，节点之间的通信采用的是非授权频谱，而使用非授权频谱的设备数量随着无线通信技术的发展呈指数递增，造成了拥塞，通信的可靠性得不到保障，极大的限制了无线传感器网络的发展。将认知无线电技术引入到传感器网络中是目前解决以上问题的最佳方法，但是引入这项技术的同时也带来了挑战：主用户的随机性与从用户信道的冲突问题，如何选择信道质量较好的授权频谱传输认知用户的数据，使整个网络的时间平均网络效用达到最大，成为许多亟待解决的问题之一。因此，认知无线传感器网络中信道选择问题的研究具有至关重要的意义，如何找到最佳的信道选择方案已成为热点研究领域之一。
认知无线传感器网络中信道选择问题就是选择最优的信道方案以实现最优的网络效用。在认知无线传感器网络中，每个信道主用户(pu)返回信道的概率不同，因而有不同的频谱利用率。当前大多数工作在信道选择策略中假设认知用户(su)能获取pu的准确信息，在单位时刻t内也不会发生改变，但是实际中，su很难获取到pu的准确信息，同时pu可能在单位时刻t内重新占用信道，如果随机从空闲信道集中选择信道接入，这样极有可能选到一个pu频繁使用的信道，就会增加pu-su之间的碰撞率，导致su的信道切换变得频繁，从而增加了时延，影响系统吞吐量，系统性能也会因为频繁信道切换的巨额成本而显著降低。
技术实现要素：
本发明的目的在于提供一种信道选择科学、有效且信道利用率较高的认知无线传感器网络的信道选择方法。
本发明提供的这种认知无线传感器网络的信道选择方法，包括如下步骤：
s1.获取认知无线传感器网络的网络参数信息；
s2.针对所有的信道，节点n选择接入或者不接入该信道；
s3.根据步骤s2的选择关系，节点n计算各个信道的信道收益；
s4.根据步骤s3得到的各个信道的信道收益，节点n选定一个信道作为接入信道；
s5.节点n根据步骤s4选定的信道，更新系统状态；
s6.重复步骤s2～s5，直至找到最优的信道选择组合，完成认知无线传感器网络的信道选择。
步骤s1所述的认知无线传感器网络的网络参数信息，具体包括信道空闲的概率，主用户重回信道的概率和信道的状态。
步骤s3所述的计算各个信道的信道收益，具体为采用如下公式计算信道收益：
式中dk(t)为节点n在t时刻信道k的信道收益，ank(t)为信道分配矩阵，ank(t)＝1表明t时刻节点n选择信道k传输数据，ank(t)＝0表明t时刻节点n未选择信道k传输数据，φ(t)为时刻t时主用户重回信道的概率，sk(t)为时刻t时信道k的状态，当sk(t)为1时表明时刻t时信道k空闲，当sk(t)为0时表明时刻t时信道k繁忙。
步骤s4所述的选定一个信道作为接入信道，具体为选取信道收益最大的信道作为接入的信道。
步骤s5所述的更新系统状态，具体为步骤s4选定接入的信道后，系统进入下一个状态，同时针对下一个状态产生的所有可能的动作进行评估并选择相应的动作。
所述的对下一个状态产生的所有可能的动作进行评估并选择相应的动作，具体为采用如下步骤进行评估和选择：
(1)对于下一个状态产生的所有可能的动作，采用如下规则计算动作的动作价值：
式中q(sey,ay)为执行动作ay从而进入状态sey的动作价值，dk(t)为信道收益，γ为折扣系数且0≤γ≤1；se＝{se1,se2,...sey}为授权频谱空闲信道的集合，q(se'y,a'y)为执行动作a'y从而进入状态se'y的动作价值，且动作a'y为未来的动作，状态se'y为未来的状态。
(2)选取动作价值最大的动作作为最终的动作。
步骤s6所述的最优的信道选择组合为信道收益最大的信道选择组合。
本发明提供的这种认知无线传感器网络的信道选择方法，从认知用户的角度考虑，设计信道收益函数作为评估指标评价信道选择的质量，通过不断与环境进行交互与学习，引导次用户选择信道质量较优的信道供给认知用户传输数据，从而降低了次用户在通信过程中的信道切换次数，保障了认知用户的服务质量，在减少了对主用户的干扰的同时也提高了通信质量以及频谱利用率。
附图说明
图1为本发明的方法流程图。
图2为本发明方法与采用贪心算法求解的最佳的资源管理与分配方案所产生的网络效用对比图。
具体实施方式
如图1所示为本发明的方法流程图：本发明提供的这种认知无线传感器网络的信道选择方法，包括如下步骤：
s1.获取认知无线传感器网络的网络参数信息，包括信道空闲的概率，主用户重回信道的概率和信道的状态等；
s2.针对所有的信道，节点n选择接入或者不接入该信道；
s3.根据步骤s2的选择关系，节点n计算各个信道的信道收益，具体为采用如下公式计算信道收益：
式中dk(t)为节点n在t时刻信道k的信道收益，ank(t)为信道分配矩阵，ank(t)＝1表明t时刻节点n选择信道k传输数据，ank(t)＝0表明t时刻节点n未选择信道k传输数据，φ(t)为时刻t时主用户重回信道的概率，sk(t)为时刻t时信道k的状态，当sk(t)为1时表明时刻t时信道k空闲，当sk(t)为0时表明时刻t时信道k繁忙；
s4.根据步骤s3得到的各个信道的信道收益，节点n选定信道收益最大的信道作为接入信道；
s5.节点n根据步骤s4选定的信道，更新系统状态；具体为步骤s4选定接入的信道后，系统进入下一个状态，同时针对下一个状态产生的所有可能的动作进行评估并选择相应的动作；具体为采用如下步骤进行评估和选择：
(1)对于下一个状态产生的所有可能的动作，采用如下规则计算动作的动作价值：
式中q(sey,ay)为执行动作ay从而进入状态sey的动作价值，dk(t)为信道收益，γ为折扣系数且0≤γ≤1，γ表示未来回报率的影响强度，即未来汇报相对当前回报的重要性，γ越大表示信道选择过程中更加看重未来的回报，γ越小则表示信道选择过程中更趋向于考虑当前的回报；se＝{se1,se2,...sey}为授权频谱空闲信道的集合，q(se'y,a'y)为执行动作a'y从而进入状态se'y的动作价值，且动作a'y为未来的动作，状态se'y为未来的状态。
(2)选取动作价值最大的动作作为最终的动作；
s6.重复步骤s2～s5，直至找到最优的信道选择组合(信道收益最大的信道选择组合)，完成认知无线传感器网络的信道选择。
以下结合一个具体实施例对本发明方法的优点进行进一步说明。
在该实施例中，使用matlab模拟一个认知无线传感器网络，由6个具有认知无线能力的传感器节点组成，节点每个时隙从周围环境中收集数据，如光照，湿度，温度等；传节点与主用户共享授权频谱k＝16个正交信道，信道空闲概率为0.5，设计对比实验分析本发明的信道选择方法与随机信道选择的性能，从而验证理论分析方法的正确性。
本实施例主要验证本发明所提出的信道选择方法的性能，并且与传统的从空闲信道中随机选择信道(rsc)对比，设计对比实验比较系统的网络效用，验证我们的信道选择策略的合理性。由图2可知，本发明的信道选择方法与传统的rsc的网络效用变化趋势大体一致，不过本发明的信道选择方法的网络效用比rsc要高，主要是因为本发明的信道选择方法在选择信道是考虑了主用户的返回概率，也就说选择了主用户返回概率较低的信道分配给次用户传输数据，减少了因为主用户返回信道而进行退让或信道切换所带来的网络效用损失，同时可以看出rsc的网络效用波动较大，原因是在信道选择时可能选到一个主用户pu频繁使用的信道，这样就会增加pu-su之间的碰撞率，从而影响系统的网络效用。
从以上实验可知，本发明方法综合考虑主用户的返回概率，通过不断的学习从而促使su选择pu返回概率较低，即空闲概率较低的信道传输数据，能够更加符合实际认知无线传感器网络中的信道选择，实验表明本发明的信道选择方法在系统网络效用有良好的效果。