没有合适的资源?快使用搜索试试~ 我知道了~
为了解决认知网络下的动态频谱分配问题,结合图着色理论分析构建了认知系统频谱分配模型。在此基础上结合极大独立集(MIS)算法,通过设计综合分配权重,提出了一种基于信道效益的认知网络动态频谱分配算法。仿真结果表明,相比现有的MIS、Greedy算法,该算法能够有效提升实际认知网络系统的频谱利用率和公平性指标。
资源推荐
资源详情
资源评论
基于图着色理论的认知网络频谱分配策略研究基于图着色理论的认知网络频谱分配策略研究
为了解决认知网络下的动态频谱分配问题,结合图着色理论分析构建了认知系统频谱分配模型。在此基础上结
合极大独立集(MIS)算法,通过设计综合分配权重,提出了一种基于信道效益的认知网络动态频谱分配算法。仿
真结果表明,相比现有的MIS、Greedy算法,该算法能够有效提升实际认知网络系统的频谱利用率和公平性指
标。
0 引言引言
随着无线网络技术的快速发展,有限的频谱资源成为制约未来无线网络性能的主要瓶颈。为了更有效地利用频谱资
源,MITOLA J提出了认知无线电(Cognitive Radio,CR)的概念
[1]
。在认知无线网络(Cognitive Radio Network,CRN)中,同
时存在着主用户(Primary User,PU)和认知用户(Cognitive User,CU)。CU通过感知并接入当前未被PU使用的授权频段来提
高频谱利用率。其中认知环境下CU的动态频谱分配是认知无线电技术需要解决的一个重要问题和难题。
近年来,认知无线电中的动态频谱资源分配问题得到了广泛关注和研究。在基于图着色理论模型的认知网络动态频谱资源
分配方面,文献[2,3]分别以最大化频谱利用率和公平性为目标,首次在认知无线电动态频谱分配中引入了图论的相关概念。
在此基础上,文献[4]提出了基于极大独立集(MIS)的频谱分配算法,大大降低了频谱分配的收敛时间。但上述几种算法都未考
虑信道频谱效益在各CU间的差异性,无法准确模拟无线信道实际情况,因此不适用于实际认知网络。以上述研究内容为基
础,本文首先介绍了认知网络系统架构,在此基础上引入效益矩阵
[5]
构建了基于图着色理论的认知网络频谱分配模型,并提出
改进算法实现了该模型下的频谱分配。
1 认知网络频谱分配模型认知网络频谱分配模型
本文考虑如图1所示的认知网络系统
[6]
,系统中包含了K个PU和N个CU,各用户共用M个信道与认知基站(Cognitive Based
Station,CBS)进行通信。系统中,CBS保持静止,PU和CU可以随机运动。任一时刻,PU占用一个信道或保持静默状态。
CU根据当前临近频谱空间中的可用信道与CBS进行通信。
图2将图1认知网络系统抽象成图,每个用户对应一个顶点。图中虚线圆表示PU的功率覆盖范围。当PU工作于信道m时,信
道m对于虚线圆内的所有CU都是不可用的。图中CU顶点间的虚线边代表CU间的干扰冲突,亦即虚线两边的CU不能分配相同
的信道资源。
资源评论
weixin_38686267
- 粉丝: 6
- 资源: 945
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功