基于認知無線電技術的動態頻譜分配方案研究

周述忠

【摘 要】隨著物聯網的發展，智能化終端設備已經廣泛進入到人們的日常生活中，滿足了眾多移動用戶的業務需要，給傳統頻譜分配方案造成了很大影響。如何提高用戶數量，滿足帶寬和業務需求已經成為物聯網發展的主要問題。認知無線技術是一種可以解決頻率分配困難和資源利用困難難度的方式，可以傳輸較多的數據，給用戶制定了動態頻率方案，是一種可行的方案，值得發展和推廣。

【關鍵詞】認知無線電技術；動態頻譜分配；方案研究

本文主要基于認知無線技術，提出了認知用戶終端和網絡終端可以互相參與的動態頻譜分配框架結構，而且在此方案基礎設定了問題解決及網絡終端協調工作，更好的滿足了認知用戶的業務質量續期，保證了物聯網節點海量數據傳輸和高移動性。

一、概述

傳統網絡傳輸和信息資源分配下，網絡資源的利用和分配率可以維持在80%左右，但是在無線技術的快速發展下，客戶數量不斷增多，無線網絡傳輸要求也發生了較大改變，此種網絡傳輸元資源分配技術遠遠不能達到用戶需求。基于無線認知相關信息傳輸原理，可以在當前環境下順利完成無線電網絡傳輸頻率資源的自適應感知，而且可以使用動態頻譜技術解決無線電傳輸資源緊張問題，提高了無線電信息傳遞的高效性和安全性。

基于無線電技術下，主要利用認知技術無線電技術實現網絡通訊連接，實現了無線網絡資源動態分配，網絡連接節點完全可以根據環境感知及通訊相關參數重新配置系數，打破了傳統無線電技術的局限性。特別是在無線網絡的快速發展下，頻率資源緊缺和利用率低下問題已經得到了眾多人員的關注。但是需要注意的是，現階段研究的很多無電線技術動態頻率分配依然存在很多問題，如網絡空間頻譜資源利用率低下和完了傳輸頻率靈活性等問題，都是動態頻率分配中存在的主要問題，必須及時對其進行分析和研究。

二、設計方案

在物聯網節點高移動習慣和海量數據傳輸的影響下，現有動態頻譜分配存在了很多問題，本文主要提出了基于認知用戶終端和網絡終端參與決策的框架結構，詳細說明了各個模塊的功能和作用，并提出了兩種動態頻率分配解決方案，主要是TOPSIS多屬性決策方法空閑頻率資源排序和聯和優化匹配兩種算法。

（一）分析動態頻譜分配框架結構

下圖1表示認知用戶終端及網絡終端共同參與解決的動態頻譜分配結構，主要由頻譜分配、決策功能、性能評估及終端感知和通信模塊等組成。披露分配與決策模塊主要進行用戶空閑頻率資源檢測，還可以在此技術上還可以制定新的決策，實現了網絡空間資源的分配；性能評估模塊主要進行維護周期頻譜分配等操作，可以改善動態頻譜決策性能；終端感知主要由空間頻率感知模塊，周期性檢測頻譜資源空閑信息；周期性檢測并識別用戶的業務傳輸需求；通信模塊是認知用戶的終端收發器，主要作用是控制信令傳輸，當用戶在不同頻譜進行切換時及時借助此模塊完成操作。

圖1 物聯網需求兩級動態頻譜分配框架結構

（二）空間頻譜資源排序選擇算法

排序選擇算法是實現動態頻譜分配的核心內容。為了滿足物聯業務傳輸和高移動業務的質量需求，本次主要利用TOPSIS多屬性決策算法進行運算，可以通過對可用方案的計算獲得理想方案貼近度。

空閑頻譜資源排序選擇算法實際分析業務流程如下所示。首先用戶必須根據各項流程業務服務質量構建頻譜資源，然后使用權重方法計算不同屬性特征在決策中所占據的影響權重，最后借助TOPSIS多屬性決策方法對頻率資源中空間頻譜資源貼近度進行計算，同時要求認知用戶積極尋找空間頻率資源的相對貼近度，讓用戶利用貼近度較大的空間頻率資源完成業務傳輸。實際算法操作如下：

輸入認知用戶i，使用請求感知信息和空間品牌感知信息。輸出認知用戶i對空間資源j的喜好度Nj；初始化：根據數據庫業務傳輸需求合理選擇空間頻譜信息，獲得可用頻率資源；權重設工程：合理計算空閑品牌資源排序所選的屬性特征權重wi；最后TOPSIS決策：認知用戶i對頻譜空間資源j的喜好度Nj，根據Nj對空間頻譜進行排序。

（三）聯合優化匹配算法

聯合匹配算法可以聯合頻譜切換率和空間頻譜資源利用率為目標，解決了認知用戶與空間限制資源分配的問題。

聯合優化匹配算法具體如下圖2所示，算法首先要構造出標準圖G；然后對新一輪頻譜分配決策周期的最低頻譜資源利用率進行分析，根據認知用戶和空間頻譜資源設計反映是否均處于原有的匹配關系，同時給每條邊設定Hyper-weight權值；完成以上操步驟后，最后使用匈牙利算法對權職匹配問題進行求解，得到認知用戶和空間頻譜資源之間的匹配關系。而且聯合優化匹配算法還可以對新一輪頻譜分配決策內最低頻譜值進行調整，然后獲得頻譜資源利用率閥值，進而平衡了空間頻譜資源與批評切換之間的關系。實際計算如下：

圖2權值 Hyper-weight設定

輸入；認知用戶i的可用頻譜集合Sepi；輸出認知用戶與頻譜資源可用頻譜集合SU（SU={x1，x2，…xn}與Sep（Sepn={y1，y2…ym}形成的二部圖G；計算閥值，將頻譜資源最小和最大單一目標進行優化，然后計算頻譜分配決策周期內最低頻譜資源利用率；根據頻譜資源匹配關系，可以將頻譜資源權值設置為0，將頻譜資源利用率超過新一輪頻率資源利用率閥值表示為原有匹配關系，權值設定為N+1，剩余所有情況都可以將權值設定為N；目前匈牙利算法已經成為求解二部圖G最大權重的匹配問題。

結束語

隨物聯網的快速發展，已經給傳統無線頻譜資源造成了很大影響，基于認知無線電技術，本文首先構建了諒解動態頻譜框架，分析了動態頻譜分配解決方案，并設計了空間頻率資源排序算法和集中式聯合優化匹配算。其中空間資源選擇算法位于認知用戶終端，具有較多的資源屬性特征；聯合優化匹配算法位于網絡端，可以利用二部圖邊權值完成空間頻譜資源切換。本文所提出的兩種解決方案均可以滿足物聯網節點移動海量數據傳輸需求，與傳統圖匹配方法相比，此種解決方案可以將全網吞吐量提高很多，同時降低了頻譜切換概率。需要注意的是，本文所提出的兩級動態頻率分配是一種集中式動態頻譜分配方法，減少了細細交互產生的問題。

參考文獻：

[1]楊磊，殷福亮，陳喆.認知無線電動態頻譜分配新算法[J].信號處理，2010，（08）.

[2]陳巖，唐艷.基于認知無線電技術的動態頻譜管理構想[J].數字通信世界，2016，（03）.

[3]鄒飛非，楊震.一種基于認知無線電的動態頻譜接入MAC方案[J].現代電子技術，2012，（02）.

[4]劉志強，余莉，張志強.應急通信系統中基于認知無線電的動態頻譜分配技術方案[J].數字技術與應用，2016，（03）