基于认知无线电技术的动态频谱分配方案研究

【摘 要】随着物联网的发展，智能化终端设备已经广泛进入到人们的日常生活中，满足了众多移动用户的业务需要，给传统频谱分配方案造成了很大影响。如何提高用户数量，满足带宽和业务需求已经成为物联网发展的主要问题。认知无线技术是一种可以解决频率分配困难和资源利用困难难度的方式，可以传输较多的数据，给用户制定了动态频率方案，是一种可行的方案，值得发展和推广。

【关键词】认知无线电技术；动态频谱分配；方案研究

本文主要基于认知无线技术，提出了认知用户终端和网络终端可以互相参与的动态频谱分配框架结构，而且在此方案基础设定了问题解决及网络终端协调工作，更好的满足了认知用户的业务质量续期，保证了物联网节点海量数据传输和高移动性。

一、概述

传统网络传输和信息资源分配下，网络资源的利用和分配率可以维持在80%左右，但是在无线技术的快速发展下，客户数量不断增多，无线网络传输要求也发生了较大改变，此种网络传输元资源分配技术远远不能达到用户需求。基于无线认知相关信息传输原理，可以在当前环境下顺利完成无线电网络传输频率资源的自适应感知，而且可以使用动态频谱技术解决无线电传输资源紧张问题，提高了无线电信息传递的高效性和安全性。

基于无线电技术下，主要利用认知技术无线电技术实现网络通讯连接，实现了无线网络资源动态分配，网络连接节点完全可以根据环境感知及通讯相关参数重新配置系数，打破了传统无线电技术的局限性。特别是在无线网络的快速发展下，频率资源紧缺和利用率低下问题已经得到了众多人员的关注。但是需要注意的是，现阶段研究的很多无电线技术动态频率分配依然存在很多问题，如网络空间频谱资源利用率低下和完了传输频率灵活性等问题，都是动态频率分配中存在的主要问题，必须及时对其进行分析和研究。

二、设计方案

在物联网节点高移动习惯和海量数据传输的影响下，现有动态频谱分配存在了很多问题，本文主要提出了基于认知用户终端和网络终端参与决策的框架结构，详细说明了各个模块的功能和作用，并提出了两种动态频率分配解决方案，主要是TOPSIS多属性决策方法空闲频率资源排序和联和优化匹配两种算法。

（一）分析动态频谱分配框架结构

下图1表示认知用户终端及网络终端共同参与解决的动态频谱分配结构，主要由频谱分配、决策功能、性能评估及终端感知和通信模块等组成。披露分配与决策模块主要进行用户空闲频率资源检测，还可以在此技术上还可以制定新的决策，实现了网络空间资源的分配；性能评估模块主要进行维护周期频谱分配等操作，可以改善动态频谱决策性能；终端感知主要由空间频率感知模块，周期性检测频谱资源空闲信息；周期性检测并识别用户的业务传输需求；通信模块是认知用户的终端收发器，主要作用是控制信令传输，当用户在不同频谱进行切换时及时借助此模块完成操作。

图1 物联网需求两级动态频谱分配框架结构

（二）空间频谱资源排序选择算法

排序选择算法是实现动态频谱分配的核心内容。为了满足物联业务传输和高移动业务的质量需求，本次主要利用TOPSIS多属性决策算法进行运算，可以通过对可用方案的计算获得理想方案贴近度。

空闲频谱资源排序选择算法实际分析业务流程如下所示。首先用户必须根据各项流程业务服务质量构建频谱资源，然后使用权重方法计算不同属性特征在决策中所占据的影响权重，最后借助TOPSIS多属性决策方法对频率资源中空间频谱资源贴近度进行计算，同时要求认知用户积极寻找空间频率资源的相对贴近度，让用户利用贴近度较大的空间频率资源完成业务传输。实际算法操作如下：

输入认知用户i，使用请求感知信息和空间品牌感知信息。输出认知用户i对空间资源j的喜好度Nj；初始化：根据数据库业务传输需求合理选择空间频谱信息，获得可用频率资源；权重设工程：合理计算空闲品牌资源排序所选的属性特征权重wi；最后TOPSIS决策：认知用户i对频谱空间资源j的喜好度Nj，根据Nj对空间频谱进行排序。

（三）联合优化匹配算法

联合匹配算法可以联合频谱切换率和空间频谱资源利用率为目标，解决了认知用户与空间限制资源分配的问题。

联合优化匹配算法具体如下图2所示，算法首先要构造出标准图G；然后对新一轮频谱分配决策周期的最低频谱资源利用率进行分析，根据认知用户和空间频谱资源设计反映是否均处于原有的匹配关系，同时给每条边设定Hyper-weight权值；完成以上操步骤后，最后使用匈牙利算法对权职匹配问题进行求解，得到认知用户和空间频谱资源之间的匹配关系。而且联合优化匹配算法还可以对新一轮频谱分配决策内最低频谱值进行调整，然后获得频谱资源利用率阀值，进而平衡了空间频谱资源与批评切换之间的关系。实际计算如下：

图2权值 Hyper-weight设定

输入；认知用户i的可用频谱集合Sepi；输出认知用户与频谱资源可用频谱集合SU（SU={x1，x2，…xn}与Sep（Sepn={y1，y2…ym}形成的二部图G；计算阀值，将频谱资源最小和最大单一目标进行优化，然后计算频谱分配决策周期内最低频谱资源利用率；根据频谱资源匹配关系，可以将频谱资源权值设置为0，将频谱资源利用率超过新一轮频率资源利用率阀值表示为原有匹配关系，权值设定为N+1，剩余所有情况都可以将权值设定为N；目前匈牙利算法已经成为求解二部图G最大权重的匹配问题。

结束语

随物联网的快速发展，已经给传统无线频谱资源造成了很大影响，基于认知无线电技术，本文首先构建了谅解动态频谱框架，分析了动态频谱分配解决方案，并设计了空间频率资源排序算法和集中式联合优化匹配算。其中空间资源选择算法位于认知用户终端，具有较多的资源属性特征；联合优化匹配算法位于网络端，可以利用二部图边权值完成空间频谱资源切换。本文所提出的两种解决方案均可以满足物联网节点移动海量数据传输需求，与传统图匹配方法相比，此种解决方案可以将全网吞吐量提高很多，同时降低了频谱切换概率。需要注意的是，本文所提出的两级动态频率分配是一种集中式动态频谱分配方法，减少了细细交互产生的问题。

参考文献：

[1]杨磊，殷福亮，陈.认知无线电动态频谱分配新算法[J].信号处理，2010，（08）.

[2]陈岩，唐艳.基于认知无线电技术的动态频谱管理构想[J].数字通信世界，2016，（03）.

[3]邹飞非，杨震.一种基于认知无线电的动态频谱接入MAC方案[J].现代电子技术，2012，（02）.

[4]刘志强，余莉，张志强.应急通信系统中基于认知无线电的动态频谱分配技术方案[J].数字技术与应用，2016，（03）