Chen Jianbin 1, Zhao Zhiyuan 2, chapitre 1, Chen, Yang Lin 1
(Télécommunications, Nanjing Institute of Technology, Nanjing 210007, Chine; 2. Informations défense école, Wuhan 430010, Chine)
Afin de résoudre le problème de la répartition du spectre dynamique dans les réseaux cognitifs, analyser le modèle cognitif d'allocation du spectre a été construit combinats système graphique théorie coloration. Sur cette base, combinée avec l'algorithme de jeu indépendant maximal (MIS) en concevant une distribution de poids complet est proposé algorithme cognitif d'allocation du spectre dynamique basée sur l'efficacité des canaux de réseau. Les résultats de simulation montrent que, par rapport au SIG existant, l'algorithme glouton peut effectivement améliorer l'efficacité du spectre des réseaux cognitifs réels et des indices boursiers.
réseau radio cognitif, l'attribution du spectre; ensemble indépendant maximal; matrice efficaces; pondérations de distribution intégré
CLC: TN912.6
Code de document: A
DOI: 10,16157 / j.issn.0258-7998.2017.03.023
format de citation chinois: Allocation Stratégie Chen Jianbin, Zhao Zhiyuan, Chen, spectre et basé sur la théorie graphique du réseau cognitif coloration Technologie électronique, 2017,43 (3): 92-95.
Anglais format de citation: Chen Jianbin, Zhao Zhiyuan, Chen Zhang, et al. La recherche de la stratégie d'allocation de spectre pour réseau radio cognitive basée sur la théorie coloration graphique .Application Technique électronique, 2017,43 (3): 92-95.
0 introduction
Avec le développement rapide de la technologie de réseau sans fil, les ressources du spectre limité deviennent le principal goulot d'étranglement pour les performances futures du réseau sans fil. Pour une utilisation plus efficace des ressources du spectre, Mitola J propose la radio cognitive (la radio cognitive, CR) le concept de . réseau sans fil cognitive (réseau radio cognitive, CRN) alors qu'il est un utilisateur principal (utilisateur principal, PU) et l'utilisateur cognitive (cognitive de l'utilisateur, CU). CU par l'autorisation de détection et l'accès bande PU ne sont pas en cours d'utilisation pour améliorer l'efficacité du spectre. CU dans lesquelles l'environnement cognitif de l'allocation du spectre dynamique est un important problèmes de technologie de la radio cognitive et des problèmes à résoudre.
Ces dernières années, l'allocation dynamique cognitive des ressources du spectre radioélectrique de l'attention et a été largement étudiée. Sur la base de l'allocation dynamique du spectre dans le modèle théorique cognitif des aspects coloration graphique du réseau, la littérature , respectivement pour maximiser l'efficacité du spectre et l'équité est l'objectif, pour la première fois dans l'allocation du spectre dynamique de la radio cognitive introduit dans la théorie des graphes connexes concept. Sur cette base, la littérature basée sur un algorithme d'allocation du spectre est proposé maximal ensemble indépendant (MIS), réduisant considérablement le temps de convergence répartition du spectre. Cependant, plusieurs algorithmes ne considèrent pas la différence entre l'efficacité du spectre de canal de chaque CU, un canal radio ne peut pas simuler avec précision les conditions réelles, et ne donc pas applicable décrit ci-dessus au réseau cognitif réel. Sur la base de la recherche ci-dessus, le présent document décrit l'architecture du réseau cognitif, l'efficacité d'introduction sur la base de la matrice Construction d'un réseau cognitif du modèle d'allocation du spectre coloré figure basé sur la théorie, l'algorithme proposé dans ce modèle amélioré l'attribution du spectre.
1 réseaux cognitifs modèle d'attribution des fréquences
Envisagé ici système de réseau représenté sur la figure cognitive. , le système comprend un nombre N de K PU et la CU, chacun des utilisateurs de M partagent une station de base cognitive canal (Station Based Cognitive, CBS) de communication. Système, CBS maintenu fixe, PU et CU peut être un mouvement aléatoire. A tout moment, PU occupant un canal ou rester état silencieux. CU communication à spectre selon l'espace disponible actuel de canaux adjacents et CBS.
La figure 2 la figure 1 à l'abstraction du système de réseau cognitive figure, un sommet correspondant à chaque utilisateur. La figure cercle en pointillés représente la couverture de puissance PU. En cas d'utilisation dans le canal PU m, m pour tous les canaux à l'intérieur du cercle en pointillés CU ne sont pas disponibles. La ligne en pointillés sur la figure CU interférence entre les bords de sommet représentent les conflits entre CU, CU-à-dire sur les deux côtés d'une ligne brisée ne peut pas être attribué les mêmes ressources de canal.
Chaque fois que les chiffres de référence PU PU représentent le canal de travail actuel, chiffre représentant chaque ensemble de l'heure actuelle CU CU ressources de canal disponible. CBS peut supposer pour obtenir une information complète et affecte en conséquence un canal de communication pour la CU. Document colorant incorporé figure théorie de modélisation de réseau cognitif, l'allocation cognitive du spectre du réseau dans une condition matrice de la matrice d'interférence de ralenti connue et C L, la matrice un processus de résolution de distribution. Mais le modèle ne reflète pas les différences d'efficacité pour différents canaux de CU, et non la perception réaliste du réseau, et ne peuvent donc être appliquées au système de réseau cognitif réel.
Sur cette base, la matrice de l'efficacité d'introduction B = {bn, m} N × M , dans lequel le rendement obtenu lorsque le poids de BN, m NOM DES utilisateurs cognitifs en utilisant le canal n pour m réseau cognitif modèle d'allocation du spectre. Cette matrice mesure la performance du canal de communication m n des différences pour différents utilisateurs. Dans cet article, l'utilisateur du n-ième de la vitesse de transmission du canal de rn m, m (t) comme un indicateur efficace. Définition de la n-ième exigences en matière de taux d'erreur de bit CU Pn, t le temps sur le canal SNR m est n, m (t), alors:
Après avoir terminé l'attribution du spectre, l'avantage total réseau de spectre cognitif est:
Dans lequel un, mA, réseau sans fil cognitive au nom d'un résultat d'allocation de canal.
2 algorithme MIS (CB-MIS) sur la base du canal effectif
la figure théorie, il existe un noeud de bord du nud voisin est appelée, au maximum ensemble deux à deux sommets adjacents est désigné comme jeu indépendant maximal . L'ensemble indépendant maximal de topologies résultats des divisions représentées sur. La figure 2 comme représenté sur la figure.
La division de l'ensemble maximal indépendant sur la base de la littérature MIS conçu pour l'algorithme assignation de canal maximal ensemble indépendant, pour obtenir ainsi une matrice d'affectation A. Cependant, l'algorithme MIS pendant la distribution, le nombre total de canaux apparaissant sur des considérations de priorité FIG attribué de manière unique comme un canal. Dans le réseau cognitif réel, en raison des différents utilisateurs et la modulation de l'environnement et de la technique de codage utilise les mêmes canaux de communication avec les différents avantages cognitifs pour différents utilisateurs. Par conséquent, l'algorithme MIS en temps réel réseau cognitif est manifestement déraisonnable. Pour cela, d'abord définir les indicateurs d'efficacité du canal:
Canal indicateurs d'efficacité Ei, m représente l'impact du canal alloué au m maximal ensemble indépendant du réseau Misi de chaque efficacité du canal de CU. Lorsque le numérateur représente les m canaux alloués à un ensemble indépendant maximal de noeuds débit de transmission MISI dans tout ensemble somme MISI indépendant maximal; le dénominateur représente les m canaux alloués à un ensemble indépendant maximal MISI, tous les noeuds autres que l'ensemble maximal indépendant MISI perte taux de transmission. Plus l'indice, ce qui indique le schéma d'allocation actuelle en termes de maximisation du canal d'efficacité et le noeud Misi minimiser la perte d'efficacité du canal de noeud externe Misi peut être mieux équilibrée.
Sur cette base, l'ensemble maximal indépendant défini des droits de distribution globale Misi partagée poids canal m:
Formule (4), l'utilisation des informations de matrice libre de la première moitié, ce qui reflète l'impact des canaux de fréquence M apparaissant dans des poids attribués figure: Plus le nombre de m de canal se produit, puis assigne le canal à l'ensemble maximal indépendant misi autre CU plus grande influence, donc plus le poids correspondant au poids attribué. Compte tenu de l'effet de la dernière partie de la masse effective de répartition canal, 01 coefficient est ajusté. Lorsque = 1, ne concerne que le numéro de canal est affecté poids intégré apparaît, alors l'algorithme se réduit à algorithme CB-MIS MIS. Ainsi, l'algorithme CB-MIS en tenant compte de l'efficacité du canal de différence tout en réalisant la compatibilité avec l'algorithme MIS.
L'amélioration organigramme de l'algorithme représenté sur la figure. La matrice CB-MIS Tout d'abord ralenti L, pour obtenir toute la matrice d'interférence C maximum ensemble indépendant de la figure. processus d'allocation d'exécution est basée sur le jeu indépendant maximal sur cette base. Et algorithmes MIS, le nombre total de l'algorithme CB-MIS fonctionne comme une priorité lorsque l'indice de référence des ressources de canal, au lieu Misi allocation de réassigner un poids intégré avec ensemble indépendant maximal de canaux. Sur cette base, ensemble disponible CB-MIS de canaux ayant les plus grands droits de distribution intégrés sont affectés à des canaux indépendants établis Misi. On notera que la formule (3), (4) l'utilisateur peut canaliser conditions Ln, m associée à la matrice L ralenti, ce qui change avec le processus d'allocation dynamique.
Après avoir effectué le processus de distribution lorsque l'ensemble maximal indépendant sur la base, s'il y a des ressources du réseau spectre disponible, le spectre alloué en fonction du nombre et du degré de connexion CU effectue la sélection de canal de faible à élevé de la répartition de la commande. Dans ce cas, chaque UC est équivalent à un ensemble indépendant maximal.
D'une part, la topologie du système de réseau cognitif représenté sur la. Figure 2, en utilisant l'algorithme BC-MIS Résultats de l'allocation de canal ( = 0) obtenus sont présentés sur la Fig.
3 Simulation
Construction scénario de simulation de réseau cognitive montre. La figure 1, la figure. Scénario, le nombre de canaux radio du système est M, 5 comprenant l'unité centrale UC et N, la distribution aléatoire à l'intérieur des utilisateurs respectifs 1000 m × 1000 de la plage de la zone de m. PU rayon de couverture de la puissance de 300 m; collision CU entre la distance d'interférence de 200 m. Après chaque utilisateur de déterminer la position de la topologie, sur la base des paramètres, le système peut être obtenue première matrice matrice sans interférence L et C.
Paramètres liés à l'efficacité du système matrice B, comme suit: deux Rayleigh fading modèle est sélectionné en utilisant la voie de fréquence de canal 6; le noeud CBS sur la base de la distance sur laquelle la variation de SNR de canal disponible entre 30 ~ 40 dB. Le système exige un taux d'erreur binaire de 10-3. L'efficacité spectrale moyenne et l'équité F U sont définis comme suit :
Simulation, le système est tout d'abord nombre fixe de canaux M = 24, le nombre de différentes performances algorithme d'analyse CU. Afin d'améliorer la précision de la simulation, pour un nombre particulier de la CU, les résultats de la simulation à 100 moyenne topologie aléatoire.
A partir des résultats de simulation de. La figure 6, le taux moyen d'utilisation du spectre Greedy algorithme algorithme est supérieur à MIS, mais l'équité est pire, cette littérature même conclusion. Pour algorithme CB-MIS, lorsque = 1, qui sont tout à rendement constant et algorithme MIS, qui valide l'analyse qui précède. Lorsque = 0, puisque le processus d'attribution de canal pour les indicateurs de canal en tant que base pour la détermination du niveau de priorité d'allocation efficace, ainsi algorithme CB-MIS dans le spectre et l'utilisation moyenne équité et MIS sont algorithme Greedy supérieure. Peut également être vu à partir des résultats de simulation, le nombre de canaux du système dans certaines conditions, comme le nombre d'utilisateurs, les conflits d'attribution de canal de la demande entre les utilisateurs deviennent plus apparents lors de l'utilisation du spectre moyen résultant et les trois algorithmes l'équité a diminué. Étant donné que l'algorithme glouton qui ne concerne maximiser la moyenne d'utilisation du spectre, de sorte que l'équité de la baisse la plus importante.
Les systèmes suivants en fixant le nombre de CU N = 12, la performance du numéro d'algorithme d'analyse de changements disponibles canaux. La simulation et l'analyse ci-dessus, = 1 lorsque l'algorithme CB-MIS équivalent à MIS, et donc ici donne seulement 0 résultat de l'algorithme CB-MIS en =. Correspondant aux résultats de simulation présentés sur la Fig.
Comme on peut le voir sur la figure 7, les résultats de la simulation du système de l'efficacité spectrale de trois algorithmes et l'équité dans une relation opposée à. La figure 5 sont sensiblement les mêmes. Lorsque le système est faible tout en notant le nombre de canaux, la différence entre le CB-MIS et MIS algorithme algorithme petite. Cela montre que lorsque les ressources du spectre sont limitées, il y a moins de ressources de canal au sein de chaque ensemble indépendant maximal de CU, cette fois les avantages du canal des deux peu d'effet sur l'algorithme d'attribution du spectre du jeu indépendant maximal. Comme le nombre de canaux augmente, l'ensemble maximal indépendant de chaque UC peut avoir une pluralité de canaux partagés, puis l'influence de l'efficacité du spectre de canal plus remarquablement schéma d'allocation.
Dans le cas où un nombre fixe de Cu, pour l'algorithme Greedy que l'équité et le système peut ne pas nécessairement une corrélation entre le nombre de canaux. Pour CB-MIS et MIS algorithme de l'algorithme, le système augmente le nombre de canaux disponibles, ce qui réduit le conflit d'attribution entre les utilisateurs, il a donc une meilleure équité. D'autre part, en tenant compte de l'indice de gain de canal, CB-MIS ainsi un meilleur algorithme d'équité algorithme MIS.
4 Conclusion
Cet article étudie l'allocation cognitive du spectre basé sur la stratégie de modèle coloration graphique du réseau. Tout d'abord, de construire un modèle d'allocation du spectre du réseau cognitif basé sur la théorie de la coloration graphique. Enfin, pensez à la différence réelle dans le réseau cognitif des canaux d'efficacité de la communication entre les différents CU, algorithme basé MIS conçu algorithme CB-MIS. Les résultats de simulation montrent que, en fournissant différents coefficients d'ajustement, algorithme approprié CB-MIS peut facilement être mis en uvre dans le SIG compatibles réels du réseau cognitif algorithme simultanément. Dans le réseau cognitif réel, algorithme CB-MIS l'efficacité du spectre et l'équité des indicateurs sont meilleurs que les SIG existants, algorithmes Greedy.
références
Mitola J, la radio Maquire G Q.Cognitive: faire des radios logicielles plus personnelle .IEEE Personal Communications, 19996 (4): 13-18.
Wang Wei, Liu allocation de canal sur la base Xin.List de coloration pour les réseaux sans fil à spectre ouvert .La 62e Conférence IEEE Vehicular Technology (DCV), 20051: 690-694.
La recherche sur l'algorithme d'allocation du spectre Liaochu Lin système radio cognitive Chengdu: Université des sciences et de la technologie électronique, 2007.
Fan Road, Liuyu Tao, Tan gouvernance scolaire, etc. algorithme cognitif d'attribution du spectre en fonction de jeu indépendant maximal de la radio Science, technologie et ingénierie, 20099 (16): 4645-4648.
Section Ruijie, Yaofu Jiang, Yonggui, etc. Basé sur la théorie du réseau d'accès radio à ondes courtes de couleur de la méthode d'allocation de spectre dynamique figure . Génie informatique, 2016,42 (4): 94-100.
Chenjian Bin, Zhu Lei Zhao Ying, etc. approprié pour chevauchement spectralement partagé CRN Packet Scheduling algorithme . Génie informatique, 2012,38 (3): 93-96.
