无线移动感知网络（精选10篇）
无线移动感知网络 篇1
目前,认知无线电(Cognitive Radio,CR)网络的研究取得了很多重要进展。动态频谱接入(Dynamic Spectrum Access,DSA)被认为是一种与传统静态频谱管理相反的频谱利用方式,这使得DSA有了更广泛的内涵,为提高频谱资源的利用效率提供了全新的方向[1]。CR是实现DSA的关键技术,提供了与授权用户(Primary User,PU)机会共享无线信道的能力。
频谱感知(检测)是DSA的首要工作,其核心是确定所需频段成为“频谱空洞”是否处于空闲状态,从而实现DSA。协作频谱感知指多个认知用户(Secondary User,SU)协作感知PU信道,一般可减小个体感知所带来的影响,如多径衰落、阴影等。与个体感知相比,协作感知提高了感知增益,但同时也带来了开销。
机会频谱接入(Opportunistic Spectrum Access,OSA)自2006年在Dy SPAN会议上明确提出后,受到了国内外学者的广泛关注[2]。Zhao Q等人针对OSA理论框架,提出了部分可观测马尔可夫决策过程(Partially Observable Markov Decision Process,POMDP)[3],指导SU选择长期累积回报较大的信道。由于OSA系统中的频谱环境总是随时间而变化,需要不断与环境进行交互学习,而OSA无法实时获得信道环境的先验知识和动态模型。强化学习作为一种无模型、无监督的在线学习算法,是解决上述问题的有效途径,近年来已经成为解决OSA问题的主流方法,得到了广泛应用。下面从CR网络频谱感知和强化学习入手,回顾近年来国内外的发展现状。
1频谱感知
1.1频谱感知的基本方法
频谱感知的基本方法,即个体感知方法,描述了如何感知、采样和处理PU信号来估计PU信道是否繁忙或空闲。主要有3种方法:能量检测算法[4],重点检测发射机信号能量,算法相对简单,易实施。循环平稳特征检测算法[5],通过周期性地检测接收到的PU信号,确定PU的存在,能够区分噪声和有用信号。压缩感知,适用于对复杂硬件要求不高的宽带频谱感知。
此外,PU发射端检测的匹配滤波器检测算法是检测PU信号的先验信息,能获得较高的信噪比和处理增益[6]。PU接收端检测主要有2种方法:本振泄露功率检测和干扰温度的检测。本振泄露功率检测是检测PU接收机的泄露功率,根据泄露信号的有无,可知接收机是否工作。干扰温度是通过SU检测自己将对PU接收机产生多大的干扰,称为干扰温度。只要干扰温度小于上限,SU就可使用这个频段。
1.2协作频谱感知
由于多径衰落和阴影等因素的影响,接收的PU信号信噪比非常低,频谱感知成为一项艰巨的任务。协作频谱感知将会使频谱感知性能得到改进。通过协作,SU可以共享它们的感知信息,从而得到一个比个体感知更准确的决策。协作感知可分为3种:集中式、分布式和中继辅助式[7,8,9]。集中式协作感知中,融合中心是一个在控制和组织协作中起着核心作用的实体。分布式协作感知和集中式协作感知的主要区别是,前者不依赖于集中式融合中心决定最终感知结果。当感知信道或报告信道不理想的情况下,适用中继辅助协作感知。中继辅助方式减小了不理想信道的负面影响,从而提高了全局感知性能。
2强化学习
强化学习是指在t时刻,智能体通过动作a,探索当前的环境状态s,并根据环境的反馈信息,即时奖励r,不断改进行为,最终获得最优策略。同时,环境从当前状态转移到下一状态,如此进行直至完成所有状态空间的探索。
2.1单智能体强化学习
强化学习过程一般可用POMDP模型来描述。可定义为一个五元组POMDP={S,A,P,R,γ},γ∈[0,1]为累积奖励的折扣因子。
根据是否需要对状态转移概率进行建模,POMDP模型下的强化学习有基于模型和无模型2类算法。基于模型的算法主要是对状态转移函数进行建模,然后利用动态规划法计算POMDP序列下的最优策略。一般可定义值函数,Vπ:S→R,表示期望累积折扣奖励,评价策略π,值函数Vπ表示为:
上式中,t为釆样时间,E表示累积奖励的期望。值函数用一种递归的方式表示,从而表达成贝尔曼方程:
最优策略下的值函数V*(s),通过贝尔曼最优方程进行计算
无模型算法以最基础的Q学习为代表[10],无需对环境的状态转移概率建模。在无模型Q学习中,定义值函数为Qπ(s,a),从状态—动作对来映射Q值,最终获得最优Q函数Q*(s,a),贝尔曼最优方程为:
Q学习通过下面的迭代过程,逼近贝尔曼最优方程。通过计算当前的Q(s,a),逼近最优值Q*(s,a),其学习条件已由Watkins等人提出并完善[10]。
近年来,OSA强化学习取得了一定成果,文献[11]研究了动态信道选择中强化学习的好处和频谱行为的复杂度。通过使用Lempel-Ziv复杂度的概念,得到PU行为的特征,探讨了在什么时候强化学习算法提高动态信道选择的性能问题。文献[12]研究了OSA中的强化学习算法和评价标准、认知无线电的学习和决策问题。对OSA中提出的2种强化学习算法(UGB和WD算法)进行了比较,并引入2个矩阵评估强化学习算法的性能。
2.2多智能体强化学习
多智能体强化学习(Multi-Agent Reinforcement Learning,MARL)一般可分为2类:集中式和分布式。
2.2.1集中式
集中式是对单智能体的直接扩展,多智能体作为一个超智能体,将MARL分为基于传统POMDP的联合动作学习(Joint Action Learning,JAL)与基于随机博弈(Stochastic Game,SG)2类。
(1)JAL。JAL完全采用Q学习等传统强化学习算法,更新公式不变。JAL算法由于会导致更严重的维数灾问题,实际中往往无法实施。
(2)SG。和JAL不同的是,SG由于获得了个体奖励,可将智能体i累积奖励最大化。根据博弈理论,当个体收益最大化而不是智能体整体收益最大化时,可能无法获得全局最优策略。
针对协作博弈,一般退而求其次,引入纳什均衡协调智能体间的行为,以确保学习收敛到纳什均衡点。但当智能体个数增加导致均衡解求解复杂时,同样面临着维数灾问题。
2.2.2分布式
分布式更关注自身的行为,每个智能体采用各自的Q学习,不考虑整体智能体的转移概率,不需要强调均衡解,这是与集中式中SG的最大区别。采用Q学习更新公式。当存在多个均衡解,且均衡解非最优时,分布式也容易陷入局部最优,需要改进学习算法,使其收敛至最优。
此外,协作Q学习是上述方法的改进。文献[1]提出了基于专业性指标的协作Q学习,通过利用其他智能体的经验和知识,一个学习智能体可更快地学习。在这里,使用2种智能体的学习模式:智能体个体学习模式和协作学习模式。首先,所有的智能体先是个体学习模式。当每个智能体都运行了一定数量的个体学习模式后,所有智能体都切换到协作学习模式。这里所提出的协作学习算法,称为加权策略共享,在该算法中,每个智能体测量它同伴的专业性指标,对它们的知识分配一个权值,并相应地向它们学习。此外,还研究了噪声对协作强化学习算法的影响,并检验了协作智能体当中一个智能体的Q统计表被随机改变时对所提出算法的影响。
3结语
CR实际是一种频谱共享技术,它实现的前提是要求SU能够快速、准确地感知到频谱空洞。认知无线电网络协作通信会同时带来增益和开销。与个体感知比较,协作感知对提高感知精度是有益的。协作在一定程度上减小了多径衰落和阴影的影响,提高了系统的抗路径损耗。此外,协作增加了感知时间和数据吞吐量。因此,感知性能和网络吞吐量之间需要一个折中。
引入人工智能中的强化学习理论,可解决OSA智能体的信道选择等问题。然而随着智能体的数量增加,状态空间呈指数增长,这可能导致算法变得过于复杂。集中式与分布式容易陷入局部最优,需要改进学习算法。OSA技术尚不成熟,还有很多问题值得探索和研究。将人工智能、机器学习等引入到认知无线电网络中,实现智能化的资源调度、配置和管理,对认知无线电网络的发展具有积极作用。
参考文献
[1]EMRE M,GUR G,BAYHAN S,et al.Cooperative Q:energy-efficient channel access based on cooperative reinforcement learning[J]Workshop Proceedings of IEEE International Conference on Communication,2015(6):2799-2805.
[2]CHOI K W,HOSSAIN E.Opportunistic access to spectrum holes between packet bursts:a learning-based approach[J].IEEETransactions on Wireless Communications,2011(8):2497-2509.
[3]ZHAO Q,SADLER B M.A survey of dynamic spectrum access[J].IEEE Signal Processing Magazine,2007(3):79-89.
[4]Ning Han,Sung Hwan Shon,Jae Hak Chung,et al.Spectral correlation based signal detection method for spectrum sensing in IEEE802.22 WRAN systems[A].The 8th International Conference on Advanced Communication Technology[C].2012.
[5]HAYKIN S.Cognitive radio:brain-empowered wireless communications[J].IEEE Journal on Selected Areas in Communications2005(2):201-220.
[6]WILD B,RAMCHANDRAN K.Detecting primary receivers for Cognitive Radio applications[A].1st IEEE International Symposium on New Frontiers in Dynamic Spectrum Access Networks[C].2005.
[7]GANESAN G,LI Y G.Cooperative spectrum sensing in cognitive radio-Part I:two user networks[J].IEEE Trans.Wireless Commun,2007(6):2204-2213.
[8]AKYILDIZ I F,LO B F,BALAKRISHNAN R.Cooperative spectrum sensing in cognitive radio networks:A survey[J].Journal Physical Communication archive,2011(1):40-62.
[9]BELLMAN R.Dynamic programming[M].Princeton:Princeton University Press,1957.
[10]WATKINS C J C H,DAYAN P.Q-learning[J].Machine Learning,1992(3):279-292.
[11]MATIGNON L,LAURENT G J,FORT-PIAT N L.Independent reinforcement learners in cooperative Markov games:a survey regarding coordination problems[J].The Knowledge Engineering Review,2012(27):1-31.
[12]CHEN XU,JIANWEI H.Evolutionarily stable spectrum access[J].IEEE Transactions on Mobile Computing,2013(7):1281-1293.
无线移动感知网络 篇2
4语音服务呼叫失败的项目调整
语音服务呼叫失败的项目调整也是该省移动交换无线网络联合优化技术中的重点内容。因为省内某些地区存在语音服务呼叫在信号覆盖范围内拨打电话不通的现象，主叫方会出现“嘟嘟嘟”的急促提示音，只有再次拨打才能正常接入网络并进行通话。经过检查发现其呼损比值偏大，在日常的ClearCode监控显示中也会出现异常增长问题。进一步分析发现呼叫失败原因为信道口信号分配失败。为此该省就基于移动交换无限网联合优化技术对语音服务呼叫失败的项目数据进行收集，首先激活ClearCode跟踪信号，然后利用FTP文件进一步分析判断语音呼叫过程记录。具体的解决方法就是在语音服务呼叫过程中分析其信令过程内容，发现其中的异常，截取信令记录，主要看专用模式中的CallSteup事件是否异常。如果该事件立刻发生CallEnd就说明它的项目数据存在问题，需要进行鉴权操作，重新分配信道信号才能排除信道口的分配异常情况。再一点，该省尝试运行MACRO程序来观察无法接入网络的通话异常问题，并快速准确定位异常通话位置和中继电路，并针对主叫、被叫用户的呼叫记录进行MARCO程序跟踪，最终实现对信道口电路的运行故障排查，看其信道口信令是否存在异常现象[3]。
5总结
综上所述，该省在移动交换无线网络联合优化技术应用方面分别对移动交换无线网络的参数以及语音服务呼叫失败的项目进行了检查和调整，希望通过故障电路的有效诊断发现问题，满足联合优化技术应用条件，有效提高省内移动交换无线网络的整体质量，提升移动用户语音服务体验。
参考文献
[1]董宏鸾，曹金忠，张鹏.移动交换无线网络联合优化技术的研究与运用[J].信息与电脑，2017（12）：163~165.
[2]杨海桂.移动核心网网络优化浅析[J].中国新通信，2016（13）：11.
无线移动感知网络 篇3
在向互联网转型的过程中，诺基亚明显地加快了自己的步伐。
2009年4月19日晚上7点，将近600万的网友在登录视频网站——优酷的时候，都奇怪地发现：以前陈列于网站上的众多频道都消失不见了，只留下一个“全互动视频直播演唱会”的人口。不管你是否喜欢音乐，只要登录，都会被系统强制观看该演唱会，时间是3个小时。
虽然优酷网此举引发众多网友的不满和非议，但来自一线的当红歌星张靓颖、吴克群等人的卖力演唱，保证了这个第一次互联网视频演唱会的成功，为诺基亚的新品手机推广积累了不错的声誉。
而这个活动的主办者——诺基亚，为了推广其新品手机5800 XpressMusic,它买断了优酷网3个小时的网络流量，代价是100万美元。
“从消费者出发的一流产品和创新营销，绝对可以在今天帮助企业赢得消费者的喜爱。”在谈到成功上演的“诺基亚玩乐派对”网络直播演唱会时，诺基亚大中国区、日本及韩国市场总监许益维兴致高昂地向《IT时代周刊》记者表示，“借助互联网视频媒体的力量，这场富于创新精神的营销事件有望成为有史以来规模最大的演唱会。”
这个被许益维定位为新营销事件的网络演唱会，在行业看来，其实是诺基亚在落实自己制定已久的互联网战略。通过这样的活动，诺基亚不但成功地在消费者面前树立起音乐手机的形象，更成功地让众多消费者认识到，诺基亚已经不是一个传统的手机厂商，它正在稳步向互联网迈进。
然而，在中国这个最大的手机市场上，诺基亚的无线互联网战略能够成功吗?
互联网营销
在诺基亚的转型战略中，互联网和音乐占有很大的比重。如何让两者组合在一起，也成为诺基亚营销部门思考的问题。
曾成功打造了“诺基亚跨年度演唱会”等活动的诺基亚大中国区、日本及韩国市场总监许益维在接受《IT时代周刊》采访时说，在为消费者提供优质移动音乐终端及服务中，诺基亚观察到当代年青人的全新生活态度。他们想要的不只是按下音乐播放键，而是需要参与，营造属于自己的玩乐派对。
基于对消费者需求的把握。诺基亚找到了优酷网，在长达3个多月的筹备时间里，共同策划了这次在互联网上举办的演唱盛会。
许益维说，“诺基亚玩乐派对是继诺基亚5800 XpmssMusic全国首卖活动后。我们在诺基亚5800 XpressMusic传播中的又一创新性的营销尝试。”
事实上，被诺基亚寄予厚望的这次演唱会，基本达到了要求。据了解，在3个小时的演唱会上，总访问量近650万人次，互动及返场投票总人交高达5000万，同时在线峰值为52万余人。
而此前诺基亚举行的跨年演唱会，虽然观看人数达到了2亿人，比互联网上的演唱会受众更多，但该演唱会的效果却无法量化评估。而通过网络进行的演唱会却可以把用户参与的程度通过数字迅速反映出来。
现在，诺基亚针对5800 XpressMusic进行的互联网营销和线下营销方式已取得了不错的效果。据了解，诺基亚上海旗舰店、北京诺基亚中关村专卖店、深圳诺基亚华强北专卖店和成都诺基亚太升南路专卖店的单日销量均被刷新。其中，成都诺基亚专卖店的单日销量是以往日均销量的25倍。诺基亚上海旗舰店更是打破了单日客流量、单日销量、单日3000元以上手机销量以及单周销量等多项纪录。
无论诺基亚为此付出了多大代价，从效果来看，它仍然是这次营销的最大受益者。因为，诺基亚通过视频等新兴的营销模式。不但能打通
不同的渠道和客户，也有助于诺基亚全方位展示其产品。
乐此不疲
目前，诺基亚是第一家，也是唯一一家提出向互联网转型的手机企业。而在通往互联网的道路上，诺基亚乐此不疲。
“如果你问我们是一家什么公司，我会告诉你，我们是一家软件公司，但我们通过出售硬件获得收入。”在诺基亚2009年世界大会上，诺基亚全球执行副总裁安西向本刊记者介绍说，之前诺基亚的商业模式是通过出售硬件赚钱。不过现在诺基亚希望通过出售软件和服务进一步促进硬件销售。而诺基亚企业战略高级副总裁HeikkiNorta对本刊记者表示，如果全球每个人都拥有一部手机，软件和服务的收入将变得非常重要，这也是诺基亚转型互联网企业的重要原因。
在刚刚结束的诺基亚2009年度大会上，诺基亚总裁兼首席执行官康培凯更是描绘了诺基亚的未来战略，“诺基亚正在从根本上改变其业务模式。我们仍然在与传统的移动终端制造商同台竞技，但同时也面临着新的竞争，即新的竞争对手正在从电脑和互联网行业进入移动行业。”
据康培凯介绍，为了在新的竞争环境中脱颖而出，诺基亚将集中力量投入于五大服务领域：地图、音乐、信息、媒体和游戏。诺基亚相信，融合独特服务与高品质终端的战略将加强用户的黏性，并为用户带来价值。
而现在，诺基亚也体会到了其服务战略带来的美味。市场畅销的诺基亚5800 XpressMusic给了康培凯更多的信心：“消费者的反应远超预期，诺基亚5800 XpressMusic有潜力成为我们有史以来最成功的机型。我们预计，仅这款智能手机的销量就占全球所有触摸屏机型总体销量的20％左右。它为那些期望在移动中体验音乐的用户带来了独特的价值，当它与我们创新性的‘因乐而来’服务结合时，就能进一步提升价值。”
据了解，诺基亚现在对外提供的互联网软件和服务，大部分是免费的，只有少部分开始了收费尝试，包括地图导航、游戏、音乐等。目前，诺基亚正式推出的两项移动互联网服务，分别是Ovi地图和Ovi邮件。Ovi地图除了传统的手机地图功能以及GPS导航功能之外。还可以通过移动互联网实现用户之间位置信息的共享；Ovi邮件功能则融合了手机邮件和IM功能。
在诺基亚看来，能提供这样的互联网软件和服务，是其他企业无法比拟的优势。而且，消费者还可以从容地通过手机以实时信息自动更新社交网络，让朋友们能够在网上分享。
为了实施互联网战略，诺基亚在全球范围还展开了一系列竞购行动，将德国地图和导航软件公司gate5、美国媒体共享网站Twango,英国移动广告营销公司Enpocket、美国数字地理位置服务商NAVITEO、德国社交网站Plazes等公司相继纳入囊中。
这些并购为诺基亚的转型战略铺垫了坚实的基础。诺基亚全球高级副总裁、中国区总裁赵科林此前告诉本刊记者，诺基亚与其他公司相比，有更多的技术优势：比如一个外国消费者来到中国，在餐馆点菜的时候，只需用手
机对着中文菜单一照，就可以将中文菜单翻译成英文；而当—个中国人去美国时，看到英文菜单时也可以用手机一拍，就会自动显示成中文菜单。此外，通过诺基亚提供的一项服务，能让你的手机感知你在哪里，自动把周边环境连接到互联网上，进行搜索，给你提供相应的信息，把物理世界和数字世界紧密连接在一起。
而这，正是诺基亚要努力实现的目标。
营造声势
经过了无数努力，诺基亚的无线互联网服务虽然在海外取得了不俗的成绩，但在中国市场上并未生根，其推出的Ovi也一直没有中文版。Ovi是诺基亚在世界范围内推出的移动互联网站平台，其音乐、游戏、导航、社区等多项服务都依靠这个平台进行传播。诺基亚在中国的互联网战略如何破局?
在这次举办的互联网演唱会上，用户仍然是在传统的互联网上观看，并没有在手机终端上观看，而这也成为业界质疑诺基亚互联网战略的一个地方。对此，诺基亚全球副总裁邓元鋆在接受媒体采访时说，从技术上讲已经完全可以把演唱会从网站搬到手机上。只是现在的手机网络带宽仍然跟不上，一旦国内3G网络铺开，就可以实现手机观看，并通过手机形成互动。
“通过这次活动，很多网民会把诺基亚看成是提供互联网服务的公司，我们要让互联网服务的定位更加深入消费者，找到新的商业模式。”邓元鋆说，“以后还会加大互联网和移动互联网方面的服务力度。”
但随着中国3G服务的开启，冀望在移动互联网领域挖掘财富的参与者开始变得越来越多，特别是随着运营商的进入。这对于诺基亚的无线互联网战略来说，是个不小的打击。
但诺基亚一直都善于处理这样的竞争关系。康培凯认为，要在变化的商业环境中赢得成功，勇气和对传统的突破必不可少：“我们正在与包括运营商和合作伙伴在内的其他公司更紧密地合作。我们期待着拓展这种合作关系。”
虽然，诺基亚的无线互联网服务在国内还没有广泛覆盖，但现在需要做的，就是通过类似于网络演唱会这样的活动，在用户群中营造出一种氛围：诺基亚是一家互联网公司，这就够了。这次在互联网上举办演唱会，为诺基亚的互联网战略打开了一扇门。通过音乐手机，可以吸引众多年轻消费者来提前使用诺基亚的无线互联网服务。诺基亚现在推出的5800 XpressMusic与诺基亚“因乐而来”服务的组合，就是一个为消费者提供有价值的解决方案的绝佳例子。
无线移动感知网络 篇4
关键词：认知无线电网络,协作频谱感知,协作路由,中继节点
一、引言
协作通信可以减小无线信道衰落, 通过允许节点相互协作, 提高了无线网络的可靠性, 已经成为认知无线电网络的重要方法[1]。利用无线通信的广播特性, 协作通信中的节点帮助对方进行信息传播。在协作传输策略中, 邻近节点用作中继节点, 通过独立衰落信道, 和发射机、接收器协作, 将数据包复制多份传送给接收节点。
协作频谱感知指多个认知用户 (SU) 协作感知主用户 (PU) 信道, 一般可减小个体感知所带来问题的影响, 如多径衰落, 阴影等[2]。以前的工作已经表明, 与个体感知相比, 协作感知提高了感知增益, 但同时它也带来了开销。
协作路由作为一种新的路由技术[3], 可以节省网络中节点的能耗, 延长网络的生存期, 并对增强网络服务质量, 提高网络的吞吐量和可靠性方面都大有作为。
协作无线通信的研究具有重要意义。本文将以协作通信为主线, 从认知无线电网络协作频谱感知, 协作路由和协作路由中继节点的选择入手, 回顾近年来国内外的发展现状。
二、协作频谱感知
(一) 协作频谱感知的基本方法。协作频谱感知的基本方法, 即个体感知方法, 描述了如何感知, 采样和处理PU信号来估计PU信道是否繁忙或空闲。主要有三个技术:能量检测, 重点检测发射机信号能量;循环平稳特征检测, 通过周期性地检查接收到的PU信号, 确定PU的存在。压缩感知, 适用于对复杂硬件要求不高的宽带频谱感知。
每个SU的行为和结果, 可归纳分为六种情况, 分别是:
1.SU空闲。由于没有数据包发送, 吞吐量为0。
2.SU正确传输。PU信道空闲, SU在信道上正确传输。
3.SU所有数据包丢失。这种情况是前一例的特殊情况, PU信道空闲, SU所有数据包在传输过程中丢失。
4.SU空闲。SU检测到PU, SU保持空闲, 吞吐量为0。
5.虚警。PU信道空闲, 但由于错误地感知到一个PU, SU决定留在空闲状态, 吞吐量为0。
6.误检。PU出现, SU不能感知到PU, 导致和PU碰撞, 所有数据包下降, 吞吐量为0。
表1为频谱感知和接入结果。PU实际信道状态, 1为PU信道空闲, 0为PU出现;SU感知, 1为PU信道空闲, 0为PU出现。
(二) 协作频谱感知。协作感知可分为三种:集中式、分布式和中继辅助式[4]。
1.集中式。集中式协作感知中, 融合中心是一个在控制和组织协作中起着核心作用的实体。集中式协作感知过程包括三个步骤。一是融合中心选择被感知的授权频段, 并发送一个要求邻居SU协作的请求。二是回应该请求的协作SU独立地感知PU信道, 之后报告感知结果。三是当所有的感知结果到达融合中心, 融合中心使用一些决策融合准则融合协作数据, 如AND, OR和K/N, 最终感知结果分别返送给每个协作SU。
2.分制式。分布式协作感知和集中式协作感知的主要区别是, 前者不依赖于集中式融合中心决定最终感知结果。分布式协作感知的步骤为, 每个SU将其感知结果传播到邻居SU, 基于每个SU自己的决策融合准则, 并综合考虑个体感知的结果和接收到的数据, 得出一个PU状态的最终结果。每个SU重复以上步骤, 通过几次迭代, 直到收敛到一个PU信道状态一致的决策。
3.中继辅助式。当感知信道或报告信道不理想情况下, 适用中继辅助协作感知。中继辅助方式减小了不理想信道的负面影响, 从而提高了全局感知性能。
三、协作路由
路由协议分为主动式路由、按需式路由和混合式路由[3]。按需式路由可分为动态源路由 (DSR) 、按需距离矢量路由 (AODV) 和多信道路由 (MCRP) 。各种协作路由, 可依据选择准则的不同对它们进行分类。
(一) 基于节能的协作路由。高效节能的协作路由算法分为两类。在第一类中, 目标是最大限度地减少端到端传输的总能量消耗。在大多数的协作路由算法中, 节能是通过最大限度地减少发射机和中继节点的发射功率。第二类中, 算法的目标是延长网络的生命周期, 网络寿命的定义是到第一个节点死亡的时间。第一类别或二类提出的所有节能算法, 显示了在不同网络条件和约束下的高效节能。第一类中的算法只集中在最小化从源节点到目标节点的总能量消耗。然而, 始终使用最小消耗路径的路由可能会导致节点间不平衡的能量分布。
(二) 基于服务质量 (QoS) 的协作路由。基于QoS的协作路由算法由下列参数描述:吞吐量, 丢包率和中断概率。除了高效能量, Qo S也是衡量网络性能的一个重要标准。在一些关键应用, 如安全、火灾探测和健康监测, QoS是需关注的一个重要指标。协作路由中QoS的目标是找到一个满足给定约束的网络路径, 同时优化资源的利用。基于QoS的协作路由算法分为三类:基于吞吐量的协作路由算法, 最大化网络吞吐量。丢包率, 丢包率定义为成功传递到目的地的发送数据包的百分比, 是QoS的一个参数。中断协作路由算法, 考虑协作路由的中断概率。中断时发生时, 目标节点无法检测到来自源节点的信号。
(三) 基于最小碰撞的协作路由。多源节点和多目的节点 (即多个流) 的协作路由的主要挑战是数据包碰撞, 利用协作路由可减少碰撞概率。该算法计算每个协作链路的成本函数, 然后应用最短路径发现最小碰撞概率的路径。通过结合协作传输, 功率分配, 路由选择, 实现最小碰撞协作路由。
(四) 集中式和分布式协作路由。在集中式协作路由协议中, 中心节点收集信息, 以检查潜在的协作链路和中继节点。该信息包括拓扑结构和衰落信息, 有助于协作路由的决策。例如, 中心节点收集协作链路的成本函数和信道特性, 在收集的信息基础上, 中心控制器选择路由。
在协作应用于非协作路径的路由算法中, 中心控制器收集有关节点位置的信息和每个链路的成本函数, 并选择最好的非协作路径。
在某些无线网络的实际应用中 (如自组织网络) , 不可能有一个中央节点, 路由需要以分布式的方式构造。在分布式协作路由协议中, 每个节点从相邻节点处得知网络状态 (如本地的拓扑状态和单跳连接的链路成本函数) 。每个节点在它自己的本地数据库中存储信息, 每个节点都可作为待选的中继节点和下一个节点。
对于路由, 中继节点的选择和资源分配, 实现分布式协作路由算法的主要挑战是有需要的信息, 节点通过发送和更新到邻居节点的信息来处理这个挑战。
(五) 协作路由中继节点的选择。选择合适的中继节点是协作路由的关键问题[5,6]。在具有多个中继节点可供选择的情况下, 还需要解决如何选择一个最佳的中继节点的问题。由于无线信道的传输衰耗与传输距离为指数关系, 在源和目的之间加入中继后, 使收发设备间的传输距离缩短, 可在发送功率不变的情况下, 提高接收信号功率, 改善传输质量。
在蜂窝系统的传输中, 也可以利用终端作为中继来扩大基站覆盖范围。当中继节点位于基站和用户的中间时, 效果最好;而当中继随机分布时, 选择离基站和用户的中间点最近的用户作为中继时, 虽然性能有所降低, 但仍然能在同样的服务质量要求下明显扩大基站的覆盖区域, 并且覆盖区域内的用户越多, 性能改善越大。
四、结语
认知无线电网络协作通信会同时带来增益和开销。与个体感知比较, 协作感知对提高感知精度是有益的。协作在一定程度上减小了多径衰落和阴影的影响, 提高了系统的抗路径损耗。此外, 协作增加了感知时间和数据吞吐量。因此, 感知性能和网络吞吐量之间需要一个折衷。节能是无线网络的一个关键因素, 由于发射机和协作伙伴之间的通信, 给协作带来额外的能量消耗。通过减少审查的报告信息, 能量消耗和感知性能达到平衡, 从而减少感知能源损耗。
协作路由比没有协作的路由, 可更好地利用节点的能量储备, 能够在更短路径上分发大量的数据包到达目的地。当节点能够调整其发射功率时, 这些结果可得到进一步的改善。此外, 网络连接度会影响协作路由的性能。在一个松散连接的网络中, 协作会致使更多的数据包到达目的地, 但却增加了节点的平均能耗。当网络拓扑是紧密相连的, 协作得到更多的路径选择, 能够更好地利用可用的能源。
将人工智能、机器学习等引入到认知无线电网络协作频谱感知与路由算法中, 实现智能化的资源调度、配置和管理, 对认知无线电网络的发展具有积极作用。
参考文献
[1]Laneman J, Tse D, Wornell G W.Cooperative diversity in wireless networks:Efficient protocols and outage behavior[J].IEEE Trans.Inf.Theory, 2004, 50 (12) :3062~3080
[2]S.Haykin.Cognitive radio:brain-empowered wireless communications[J].IEEE Journal on Selected Areas in Communications, 2005, 23 (2) :201~220
[3]Fatemeh Mansourkiaie, Mohamed H Ahmed.Cooperative Routing in Wireless Networks:A Comprehensive Survey[J].IEEE Communications Surveys and Tutorials, 2015, 17 (2) :604~626
[4]I.F.Akyildiz, B.F.Lo, R.Balakrishnan.Cooperative spectrum sensing in cognitive radio networks:A survey[J].Journal Physical Communication archive, 2011, 4 (1) :40~62
[5]J.L.Rebelatto, B.F.Uchoa-Filho, Y.Li, et al.Multiuser cooperative diversity through network coding based on classical coding theory[J].IEEE Transactions on Signal Processing, 2012, 60 (2) :916~926
无线移动感知网络 篇5
一、单项选择题（每题1分，共20分）0.AMR-WB编码的帧长（B）A．10ms B.20ms C.5ms D.1ms 1.LTE语音业务最终解决方案（B）。
A．CSFB B.VOLTEC.SvLTE 2.VoLTE主要是引入（D）来提供高质量的分组域承载?。
A.MME B.SGSN C.IMS D.EPC 有的题库中选C 3.RoHC业务目前建议只针对（C）开启。A．QCI9 B.QCI5 C.QCI1 D.QCI2 4.网管中RLC模式配置中，QCI5应该配置为（B）。
A．UM B.AM C.TM 注：QCI5和QCI9为AM、QCI1和QCI2为UM 5.VoLTE测试中，HTC手机开启自动接听需要打开（A）开关。A.ControlDiag Port B.Control Modem C.ControlRmnetD.Radio Auto Answer 6.以下关于SRVCC的哪个说法是错误的（B）A.SRVCC发生在UE漫游到LTE覆盖的边缘地区时。B.R9 SRVCC支持CS到LTE的语音连续性切换。C.SRVCC MSCS可以新建，避免现网的MSC升级。D.SRVCC基于IMS业务控制架构实现。注：有的题库中选A，个人认为B准确
7.（A）可大大降低头开销，提高VoLTE语音用户容量，提高数据业务吞吐量，增强边缘覆盖。A.RoHC B.SPS C.TTI bundling 8.（A）解决语音控制和移动到CS域网络切换时语音连续性问题。A．SRVCC B.EPC C.MME D.IMS 9.VOLTE呼叫时延（C）秒? A.2～3 B.3～5 C.0.5～2 10.TTI bundling就是把上行的连续TTI进行绑定，在（C）上多次发送同一个TB（Transport Block）。?
A.多个连续的子帧 B.1个连续的子帧 C.相邻连续的子帧
D.2个连续的子帧 注：答案有问题
11.VoLTE的信令和媒体经（）路由至（）网络，由（）提供会话控制和业务逻辑 D A.SGW、EPC、IMS
B.IMS、EPC、PGW C.SGW、PGW、EPC D.EPC、IMS、IMS
12.目前VOLTE不与以下哪个业务互斥?（D）A.来电助手 B.一号通C.一机双号
D.短信回执 13.什么是VOLTE？ B
A.4G+网络加速 B.4G+高清语音
C.视频通话 14.4G高清语音与其他没有开通4G高清语音的客户可以直接通话？（A）
A.对,B.错
15.4G+网络加速业务需要在营业厅开通4G高清语音功能？（A）
A.对B.错
16.VOLTE用户可以在CRM系统上设置呼叫转移功能使用，但是在手机上设置呼叫转移功能则无效。（A）？
A.对B.错
17.在ESRVCC切换中，如果手机上报了二进制NCC=111 BCC=001，那么在网管上需要配置该小区2G邻区的BSIC十进制为（C）A.50 B.55
C.57 D.60 注：NCC=7，BCC=1，BSIC=7*8+1
18、VoLTE系统间测量配置号（），建议值（）。B A.30-106 B.32-104 C.31-102 D.33-110
19、eSRVCC切换中B2事件配置号（），建议值（）。B? A.30
L<-115 G>-95
B.32
L<-110 G>-95 C.1012 L<-110 G>-95
D.1012
L<-115 G>-95
20、VoLTE业务中SIP协议响应码不属于判断异常事件是？（）D A.408 B.487 C.503 D.180
21、VoLTE呼叫过程中SIP信令的主要作用有哪些？（）D
A.打通从主叫UE到被叫UE的路由通道 B.双方进行媒体协商
C.双方进行资源预留并确认
D.以上都正确
二、多项选择题（每题3分，共40分）1.VOLTE网络分为终端、（A,B,C,D）。A．接入网 B.承载网
C.核心网
D.业务平台 2.VoLTE语音通话过程中需要建立如下承载（A,B,C）。
A．QCI9 B.QCI5 C.QCI1 D.QCI2 注：如果是视频通话要加上D 3.VoLTE用户注册：VoLTE用户在体验高质量通话之前，必须先进行VoLTE的注册流程，从无线角度来看，注册分为两个步骤（A,D）。
A.MME注册 B.SRVCC注册 C.LTE无线注册
D.IMS注册 注?
4.VoLTE的信令和媒体经（B）路由至（D）网络，由IMS提供会话控制和业务逻辑 ? A.SGW B.EPC、C.PGW D.IMS 5.目前台州现网VoLTE/eSRVCC配置中有哪些事件触发，包括（A2,B2）。A.A1 B.A2 C.B1 D.B2 6.手机终端连接PC需要打开的端口有哪些？（A,B,C）A.ControlDiagPort B.Control Modem C.ControlRemNet 7．VoLTE由（D）提供高质量的分组域承载。
A.MME B.SGSN C.IMS D.EPC D?->有的题库中选C 8.与SRVCC相比，CSFB的优势在于（ABC）
A.无需部署IMS，新增网元少，网络部署快
B.由现网提供CS业务，用户业务感受一致
C.跨运营商接口少，易于实现跨网漫游
D.语音和LTE数据业务能够并行
9.SRVCC可以实现LTE网络中的 ___域语音到2G/3G网络中的 __域语音的无缝切换。(A,D)? 感觉应选BD
A.PS B.IMS C.eSRVCC D.CS 10.LTE语音业务可通过（A）和（C）解决。
A.CSFB B.DR-VCC C.VoLTE
三、判断题
1、eSRVCC方案切换时延比SRVCC方案切换时延少300ms
2、eSRVCC与eSRVCC区别在于eSRVCC增加媒体锚定网关
3、AMR-NB编码速率仅为12.2kbps
错 对
错
错
错 对
4、SPS调度的周期为20ms和40ms
5、SRVCC是无测量的，eSRVCC是重定向
7、SBC是VOLTE中IMS内负责鉴权的实体设备
9、TTIBundling需要4个上行子帧
对
10、SIP信令200是对应每一条上发SIP信令的确认回应
11、信令“180”在2G中可以对应为Connect消息
错
对
12、信令“BYE”在2G中可以对应为Disconnect消息
13、切换丢帧是影响LTE的MOS的最大问题
14、EMSC是SBC中新增加的网络实体
错 错 对
对
15、AMR-WB优选编码速率为23.85kbps
16、采用CoMP技术提升VoLTE无法提升边缘覆盖
错
四、简答题（第1-5题每题8分，第6题10分共50分）1.VOLTE有那些关键技术？ A.RoHC(IP包头压缩)；
B.C-DRX（长DRX 10MS,短DRX 2MS）； C.SPS（半持续调度）；
D.TTI-bundling（小区边缘UE功率受限时，由于资源受限，丢包率增加；使用TTI-bundling,四个连续子帧立刻重传，能积累能量增大传输成功率，从而提高接收成功率，避免过多HARQ重传）。E.eSRVCC F.RLC分段
3.VoLTE呼叫建立时延过长，可以从哪几个方面来分析？ VoLTE呼叫建立经过三个过程： A.EPC网络附着； B.IMS注册和呼叫控制 C.EPC承载建立 针对各个过程进行分析
4.VoLTE拉网中MOS打分较低，可以从哪几个方面分析？ 首先:检查终端与MOS盒的连线是否正确；
其次:检查语音样本选择是否是集团要求的“POLQA_SWB”;第三：检查无线环境（是否干扰过高）；
6、路测分析中主要关注的eSRVCC信令点有哪些？
答：eSRVCC是VOLTE网络中解决当UE从LTE网络移动到弱覆盖（无覆盖区域）由2/3网络继续承接通话的技术；分析中需要关注以下要点：
1.确认UE能力：UECapabilityInfomation。
无线移动感知网络 篇6
随着无线应用需求大量增长,无线频谱日益显得短缺。近年来,由J.Mitola提出的认知无线电技术[1]被美国联邦通信委员会(Federal communications commission,FCC)认为可以解决无线频谱短缺的问题。认知无线电技术要求感知用户与主授权用户工作在相同的频带上,可分为3种操作模式[2]:铺在下面(underlay),叠加于上面(overlay),交错使用(interweave)。文章主要研究underlay操作模式,基于该模式下,要求感知用户对主用户造成的干扰低于某个门限。
感知基站为了确定每个调度时隙为某一个感知用户提供服务,必须拥有表征各用户无线链路质量的相关信息。在频分双工认知无线电系统中,信道信息通常可以通过每个接收机与基站之间的正交反馈信道而获取。只要允许反馈带宽随用户数呈线性增加,获取全部的信道信息,然而,这种获取方法在带宽开销上代价太高。在许多无线应用场景下,主网用户的发送功率电平在相邻时隙中仅发生有限的变化,其中潜含某种稀疏特性。
文章提出一种基于压缩感知技术的认知无线电网络的有限反馈协议,仅需与用户个数的对数呈正比的反馈带宽就可获取全部用户信道信息。特别之处在于利用了网络中潜在的稀疏结构。
1 系统模型
假定在给定地理区域分布一定数量的主收发信机对,同时存在着一个使用相同频段认知无线电网络。认知无线电网络由一个感知基站和许多感知用户(感知接收机)构成,如图1所示。
假设总共有N个主发射机,每个主发射机均匀分布于半径为rp的圆盘上,主发射机在圆盘上的位置坐标为{(Xp,i,Yp,i)}Ni=1。假定感知接收机的个数为M,M个感知接收机分布于若干个圆环上,圆环半径的集合为满足M/q为正整数。每个圆环包含M/q个感知接收机,所有感知接收机等间隔分布于固定点{(Xc,i,Yc,i)}Mi=1,如图2所示。
主网中N个主接收机及认知无线电网络中的感知基站可分布于XY平面的任意位置。对所有感知接收机根据其所在的圆环进行划分,分成q个部分{P1,P2,…,Pq},Uqi=1Pi={1,2,…M},Pi∩Pj=(i≠j)。感知接收机i与主发射机j之间的距离:
假设网络中任意两个节点之间的信道衰减惟一取决于路径损耗:
式(1)中δ>0通常是指临界距离,I()·为指示函数。这里假定路径损耗系数为2。式(1)中第二项表明距离小于δ时不存在信道衰减。
假定认知无线电网络中存在8个感知接收机,且等间隔分布于两个圆环上,圆环半径分别为rc,1与rc,2,如图2所示。因此所有感知用户被分成了两组,P1={1,2,3,4},P2={5,6,7,8}。感知基站所采取的发射策略是基于对主用户造成的干扰低于某个门限。假定主发射机在任何时刻所采取的发射策略也是基于这个干扰门限。在时刻t,主用户j发射功率为pj(t),所有主发射机的发射功率用p(t)表示。
为了做出调度决策,感知基站需要获取自身与各感知接收机之间的信道信息。感知接收机的信道质量关键取决于该感知节点从主网受到的干扰功率。因此,准确估计出各感知节点从主网受到的干扰功率非常重要。在时刻t,感知接收机i受到的干扰功率用yi(t)表示。基于以上假设,yi(t)=∑Nj=1hijpj(t)。将所有感知接收机受到的干扰功率用集合来表示,可以得到干扰状态:
信道增益矩阵H的行按照分组顺序{P1,P2,…,Pq}排列。图2所示的系统中,H的行顺序为{1,2,3,4,5,6,7,8}。感知基站为了执行用户调度,最好得知干扰状态y(t)的全部信息。在最初的调度时刻t,根据文献[3],假定感知基站请求子集I中所有感知接收机反馈干扰功率测量值yi(t)。干扰功率测量值通过各用户之间相互正交的反馈信道来传输。当然,感知基站也可以要求所有M个感知接收机均反馈干扰测量值,即I={1,2,…,N}。但是从反馈带宽效率上来看,这种方案肯定不是最佳的,因为该方案没有充分利用主网络潜在的稀疏结构。
2 稀疏性分析
认知无线电网络的主要动机就是利用没有被主网络使用的频谱,因而功率矢量p(t)必然具有稀疏性。由于主用户的活动性、信道相干时间的变化以及感知用户的活动性等因素,网络在不同时片中的操作动态变化。因而功率差矢量s(t)=p(t)-p(t-1)要比绝对功率矢量p(t)或p(t-1)更具稀疏性。这种情况尤其适合于主用户活动性操作在时间尺度上比感知用户更慢的场景。考虑如下场景,只有一小部分主用户接收机可移动,为保持传输速率,必然对这一小部分主用户进行功率控制。另一种场景,只有一小部分主用户在每个时片均需发送数据。在上述两种场景中,矢量s(t)=p(t)-p(t-1)均为稀疏的,如果最多包含S个非零元素则称稀疏度为S。定义z(t)=y(t)-y(t-1)=Hs(t)为相邻调度时隙中干扰功率之差值。假定系统中所有用户保持静止或慢速移动,信道在较长一段时间内保持不变;假定感知基站拥有所有主用户和感知用户的位置信息。在如上描述的场景下z(t)或y(t)具有内在的稀疏特性。用yI(t)表示在t时刻对应集合I中的用户反馈的干扰功率测量值,用k=|I|表示该集合的大小。感知基站所需要的能够保证可靠重建干扰状态y(t)的最小集合k决定了反馈量的大小。利用压缩感知技术仅需k=O(Slog N)个测量值就可重建s(t),从而重建y(t)。压缩感知理论表明,给定一个欠定系统的O(Slog N)个等式,就可准确重建稀疏数据。常用的重建算法包括基于凸优化的基追踪(Basis pursuit,BP)算法[4]以及一系列贪婪迭代算法[5],其中LASSSO(least absolute shrinkage and selection operator)算法[6]在有噪情况下被证明是性能很好的重建工具。该算法将问题描述为
上式中zI(t)=yI(t)-yI(t-1),HI为H的子矩阵,所对应的行序号包含在集合I={1,2,…,k}中。当测量矩阵满足NSP[7](Null space property)才可能重建任意S稀疏的矢量。对于满足NSP的这类特殊矩阵,如何选择子集I并不重要,重要的是子集I的大小。在文献[8]中证明了(1)式所定义的路径损耗矩阵H确实满足NSP。
3 性能研究
文章的研究均假定感知基站具有信道矩阵H的完美信息。而在实际中,信道估计、量化、节点的移动性以及衰落效应等因素均可能给系统带来误差。该实际问题推动进一步研究信道信息不完美情况下的重建性能。
考虑2种误差波动模型:(1)感知矩阵的每个元素均出现较小差错;(2)感知矩阵的一小部分元素出现较大错误。用f表示出现差错的元素所占的比例,f在[0,1]之间均匀选取。2种波动模型下,误差均为乘性随机的,存在误差的信道矩阵的元素为h∧ij=(1+eij)hij,其中eij～U[-p,p],p∈[0,1],参数p表示每元素差错的最大比例。这种每元素的乘性误差必然会导致系统性错误。在两种情况下,性能度量均为每信道测量值平均失真。用s∧表示信道信息不完美情况下重建算法的输出矢量,s表示真实矢量。当反馈的k个测量值中均匀选出fkN个元素遭受幅度为100 p%的乘性噪声时,每信道测量值平均失真定义为
式(3)中y∧=H∧s∧,y=Hs;L(f)为一个随机矩阵,代表出现差错的位置模型,包含fkN个数值为1的元素,kN-fkN个数值为0的元素,其中1元素的位置随机选取。
在两种差错模型下,均对4种参数c∈{1,1.25,1.5,2}进行仿真。第1种模型下每信道测量值平均失真为DcSlog N(p,1),p∈[0,1],稀疏度S=5,测量值个数k=cSlog N,(k∈{24,29,41,47})。第2种模型下每信道测量值平均失真为
仿真中重建算法均采用LASSO算法。主用户的活动性假定为开关模式,若用户i为开模式,则pi(t)=10,否则pi(t)=0。这种模型适用场景为主用户依据活动周期进行间断传输,数据包到达为突发模式。该场景下,功率矢量p(t)在每个时隙中均为稀疏的(该情况下s(t)自然也是稀疏的)。因此,仅需致力于p(t)的恢复重建。仿真参数如表1所示。
为通过压缩感知重建后的主用户发送功率矢量与真实的功率矢量对比。仿真中c=1,对应于反馈的测量值个数k=24,可见对于主用户的发送功率保持了准确重建。仿真结果如图3所示。
如果信道矩阵的每个元素均遭受10%的错误影响,当反馈的测量值个数从k=slog N增加至k=1.25Slog N(意味着反馈带宽增加25%)时,每信道测量值平均失真得到的改善约为30%。可见每信道测量值平均失真随着反馈带宽的增加而减小。
误差波动模型(1)情况下的仿真结果,如图4(a)所示。误差波动模型(2)情况下的仿真结果,如图4(b)所示。
由图4(a)进一步分析,如果每信道测量值平均失真为0.6,对应于测量值个数k=1.25Slog N时所能容忍的每元素差错的最大百分比为0.3,而对应于k=2Slog N时所能容忍的每元素差错的最大百分比为0.9,这意味着增加60%的反馈带宽可以换取差错量200%的增加。表明反馈带宽的增加可以提高系统对差错的容忍程度。
如果在信道矩阵的10%元素遭受100%的差错量,当反馈的测量值个数从k=Slog N增加至k=1.25Slog N(意味着反馈带宽增加25%)时,每信道测量值平均失真得到的改善约为26%。根据图4(b)进一步分析,如果每信道测量值平均失真为0.6,对应于测量值个数k=1.5Slog N时系统能够容50%元素遭受100%差错,而对应于k=2Slog N时系统能够容忍100%元素遭受100%差错,这意味着增加33%的反馈带宽可以换取差错容忍程度100%的增加。这再一次表明反馈带宽的增加可以提高系统对差错的容忍程度。
4 结束语
文章提出一种基于压缩感知技术的认知无线电网络中的有限反馈协议,在二种信道误差波动模型下,对LASSO重建算法的重建性能进行仿真研究,结果表明以每信道测量值平均失真为性能度量,LASSO算法在信道信息不完美的情况下能够保持较好的重建性能;同时还表明通过适当的增加反馈带宽可换取系统对差错的容忍程度的大幅提高。
参考文献
[1]Mitola J,Maguire G Q.Cognitive radios:making soft-ware radios more personal[J].IEEE Personal communi-cations,1999(6):1318.
[2]Kolodzy P J.Cognitive radio fundamentals[C]//SDR Fo-rum.Singapore,2005.
[3] Love D J,Heath R W,Lau V K N,et al.An overview of limited feedback in wireless communication systems[J].IEEE Journ sel commun,2008,11(26):1341-1365.
[4]Chen S S,Donoho D L,Saunders M A.Atomic decompo-sition by basis pursuit[J].SIAM journal scientic com-puting,1998(20):33-61.
[5]Tropp J A.Gilbert A C.Signal recovery from partial in-formation via orthogonal matching pursuit[J].IEEETrans inform theory,2007(53):4655-4666.
[6] Tibshirani R.Regression shrinkage and selection via the lasso[J].J.Roy.Statist.Soc.Ser.B,1996,58(1):267-288.
[7] Cohen A,Dahmen W,DeVore R.Compressed sensing and best k-term approximation[J]J amer math soc,2009(22):211-231.
无线移动感知网络 篇7
随着大量新的无线设备的出现,近十年来对无线频谱资源的需求有了突飞猛进的增长,使得官方的频谱管理部门不得不重新审视对无线频谱资源的利用策略。现有的频带持有者即授权用户对频带的利用率非常低[1],频谱管理部门已经开始考虑将公开授权的频带给非授权用户使用,即在不干扰授权用户使用信道的情况下,当非授权用户感知到信道空闲时,利用空闲的信道传输数据[2]。如何使非授权用户感知授权频带是否空闲的频谱感知技术,是认知网络实现的关键点。频谱感知指通过非授权用户直接感知授权频带来辨识空闲频段,并在频带空闲时传输自身数据。由于频谱感知相对低廉的结构成本以及良好的兼容性,已被包含在IEEE 802.11标准之中[3]。
多数研究频谱感知的文献,都假设每个非授权用户完全自愿进行频谱感知,然后把各自的感知结果发送到中心控制单元[4],由中心控制单元根据合适的决策规则进行决策,得到最终结果并通知各个非授权用户。然而,感知频带的空闲情况需要耗费一定的时间和能量,会减少非授权用户的数据传输时间,如果非授权用户不进行频谱感知而选择利用其他用户的感知结果,就可以提高自己的数据吞吐量。在保证检测概率的情况下,如果选择进行协同频谱感知的非授权用户的数目多,那么每个选择进行协同频谱感知的非授权用户进行频谱感知所用的时间就少,数据吞吐率(即一个周期传输的数据量)就大,反之,数据吞吐率就小[5]。如何合理地协调各个非授权用户的感知积极性,从而使每个非授权用户在得到各自满意的数据吞吐率的基础上,同时提高频带整体的利用率,是一个亟待解决的问题。
本文在已建立的频谱感知系统模型的基础上,证明了所有非授权用户共同进行协同频谱感知可以最大化每个非授权用户的数据传输速率。那么问题就转化为如何设计合理的博弈策略,使各个非授权用户都积极地选择进行协同频谱感知。本文根据理论分析结果,设计不同的策略来提高非授权用户进行协同频谱感知的积极性。仿真结果表明,本文所提出的策略可以有效地促进非授权用户进行协同频谱感知,提高信道的整体利用率。
1 频谱感知系统模型和频谱感知博弈模型
1.1 信道感知模型
非授权用户对信道的感知,分为两种情况:授权用户在使用信道和信道空闲,分别用H1和H0来表示,感知结果用r(t)来表示,则:
式中,h是信道从授权用户的发射机到非授权用户接收机之间的信道增益,假设为慢平坦衰落;s(t)是授权用户的信号,假设为独立同分布随机过程,方差为σ
利用能量检测器来感知频带的利用情况,采样次数为N次,那么用于判决的检测统计结果为:
利用中心极限定理可以得到检测统计结果T(r)的概率密度函数,在假设H0下,
定义1PD为假设授权用户正在使用的情况下,正确检测到信道忙的概率;PF为假设信道空闲的情况下,检测到信道忙的概率。
那么误检概率PF和检测概率PD分别表示为[6]:
其中λ为能量检测器的阈值,erfc(·)为互补误差函数。
为了最大限度地保证授权用户的通信质量,给定目标检测概率
其中erf-1(·)为误差函数erf(·)的反函数。
假设非授权用户感知频谱的采样频谱为fs(Hz),帧周期为T(s),由于感知频谱时占用帧周期时间,且频谱的状态未知,感知频谱时非授权用户不能传输数据,那么一个周期中,用于传送数据的时间为T-δ(N),其中
其中RH0(N)和RH1(N)分别表示信道空闲和授权用户占用信道两种情况下非授权用户的数据传输速率。CH0和CH1分别代表非授权用户在假设H0和H1下的数据传输速率。若以PH0代表授权用户不占用频带的概率,则非授权用户平均数据传输速率R(N)可以表示为:
R(N)=PH0RH0(N)+(1-PHo)RH1(N) (8)
理想的情况下,要求非授权用户不能对授权用户的通信造成任何干扰,即PD=1,但是根据式(5),当PD=1时,PF也为1,由式(8)得非授权用户数据传输速率为0。因此为了尽量不干扰授权用户的通信,同时兼顾非授权用户的数据传输速率,目标检测概率
1.2 协同频谱感知博弈
考虑在彼此通信数据可达范围的一组K个非授权用户,如果把授权频带分为K个子频带,当授权用户没有进行数据传输时,每个非授权用户可以选择在K个子频带中的一个频带进行数据传输,由于各个子频带的空闲情况是一致的,那么,各个非授权用户可以相互交换自己的感知结果,从而减少每个用户的感知时间,提高数据传输速率[7]。
非授权用户集合用S={s1,…,sk}表示,每个非授权用户sk有相同的策略集合:Α={C,D},其中C代表非授权用户选择进行频谱感知,D代表非授权用户选择不进行频谱感知,通过监听其他用户的感知结果来提高自己的数据传输速率。同一个周期中选择策略C的非授权用户构成集合Sc={s1,…,sJ}。定义收益函数为非授权用户数据传输速率。
若非授权用户sj∈Sc,即选择策略C,收益函数为[5]:
若非授权用户si∉Sc,即选择策略D,且|Sc|≥1,收益函数为:
在式(10)和式(11)中,Csj和Csi为非授权用户sj和si在假设H0下的数据传输速率。
若|Sc|=0,即所有的用户都选择策略D,那么所有用户的收益函数相同,都为:
在本文中PD和PF根据多数裁定原则进行确定[8]:
PD=Pr[在集合Sc中大于一半
成员感知结果为H1|H1] (13)
PF=Pr[在集合Sc中大于一半
成员感知结果为H1|H0] (14)
其中Pr表示概率。
2 多用户协同频谱感知博弈分析
2.1 多用户协同频谱感知模型
每个非授权用户在数据传输的过程中,有两种策略可以选择:进行协同频谱感知和不进行协同频谱感知利用其他用户的感知结果。如果某一用户不进行协同频谱感知而选择利用其他用户的感知结果,那么它就可以有更多的时间来进行数据传输,从而提高自身的数据吞吐率,如果所有用户都不进行协同频谱感知,那么由于没有协同频谱感知结果从而使得每个用户的数据吞吐率都下降。如何选择策略是每个用户都面临的问题,在多用户博弈的环境中,每个用户的策略选择不仅影响自身的数据传输速率,也在一定程度上影响着其他用户的数据传输速率,这种策略的选择和相互影响构成了一个多维的博弈问题。
在多个用户进行协同频谱感知的情况下,有多少用户参与协同频谱感知可以使得每个用户的数据传输速率最大?因为频谱感知耗费一定的时间和资源,如果过多的用户参与协同频谱感知是否会使花在频谱感知上的时间过多而导致整体的数据传输速率下降,如果过少的用户参与协同频谱感知是否会使得所有用户等待的时间过长而降低每个用户的数据传输速率?下面的定理回答了这些问题。
定理 在多用户协同频谱感知博弈中,所有用户参与协同频谱感知所得到的数据传输速率最高。
证明 假设有N个用户参与协同频谱感知(N>2,N∈N+)博弈,在参与协同频谱感知博弈的用户中有K个用户选择进行协同频谱感知,即|Sc|=K,(0<K<N)。
从式(10)中可以得到参加协同频谱感知的用户总数据传输速率为:
不参加协同频谱感知用户总数据传输速率为:
payoffN-k = (N-|Sc|)PH0 (1-PFSc)CH0
所有N个用户的总数据传输速率为:
where |Sc| < N
当所有N个用户都参加协同频谱感知时,总体的数据传输速率为:
where |ScT| = N
从式(5)和式(14)可知,当|ScT| > |Sc|时, PFScT < PFSc那么必有:
payoffN,K<payoffN,NK<N
通过以上定理可知,所有非授权用户参与协同频谱感知可以使得每个非授权用户的数据传输速率最大,下面我们通过仿真结果对所得到的结论进行检验。
仿真中假设授权用户所发射的信号为基带正交相移键控(QPSK)调制信号,采样频率为fs=1MHz,帧周期T=20ms,频带空闲的概率为PH0=0.9,检测概率为
可以看出,当所有用户都选择不参加频谱感知,即x=0时,由于没有频谱感知结果,达不到授权用户对目标检测概率的要求,所有的非授权用户都不能进行数据传输,总的数据传输速率为0;随着非授权用户选择参加协同频谱感知概率的增加,总体数据传输速率也逐渐增大;当所有用户都选择进行协同频谱感知时,总数据传输速率达到最大,约为18.75个单位。实验结果很好地验证了定理关于在协同频谱感知博弈中所有用户都选择参与协同频谱感知可以最大化总体数据传输速率的结论。
2.2 多用户协同频谱感知策略分析
在每个用户的单次博弈的过程中,由收益函数式(10)-式(12)知,在有用户进行协同频谱感知的情况下,用户选择不进行协同频谱感知而得到的收益比进行协同频谱感知而得到的收益多,用户自然会选择不进行协同频谱感知而提高自身的单次博弈所得到的收益,而如果没有用户选择进行协同频谱感知,那么所有用户的收益都为零。如果使所有用户都按照最大化单次博弈收益的方式来进行策略选择,那么博弈的均衡必然停留在整体效率较低的水平,这是由于博弈者仅仅考虑了单次博弈而没有从多次博弈的总体结果上进行考虑造成的。
如何使用户能从总体上把握博弈的结果,从总体出发来选择每次的博弈策略,并且能够快速收敛到几乎所有用户都参与协同频谱感知的均衡状态,是本文着重考虑的问题。考虑到集中控制和分布式控制各自的优缺点,本文采用自由博弈和固定引导的方式来解决完全自由博弈所造成的总体数据传输速率低下的问题。一部分用户固定的进行协同频谱感知,另一部分用户根据上次进行协同频谱感知的比例来选择自身的策略,以上次进行协同频谱感知的用户比例作为此次选择进行协同频谱感知策略的概率,那么从总体来看,相比于上次博弈,每次博弈选择进行协同频谱感知的用户数量在不断增加,根据上文的定理和仿真结果,总体的数据传输速率也在增加,从而提高了频谱的利用效率。这部分固定选择进行频谱感知的用户可以是政府机构采取的集中式控制策略,而新进入的自由博弈用户,可以有自由选择的权利,从而较好地协调了用户的自由选择权与资源的合理利用之间的矛盾。
本文首先从理论上进行分析,然后以仿真结果来进行验证这一结论。
假设在协同频谱感知博弈中,有占总数比例为x的非授权用户在每次博弈中固定的选择进行协同频谱感知,其他用户把上一次博弈结果中选择进行协同频谱感知的用户所占的比例作为此次博弈自身选择进行协同频谱感知的概率,每次博弈完成后,参与协同频谱感知的非授权用户占所有非授权用户的比例用y1,y2,y3…,yn…来表示,则初始时,参与协同频谱感知的非授权用户所占的比例为y0=x,那么:
y1=y0+(1-y0)y0
y2=y0+(1-y1)y1
y3=y0+(1-y2)y2
…
yn=y0+(1-yn-1)yn-1 (n≥1)
假设x=0.05,迭代结果如图2所示。可以看出,第5次迭代结果相比于初始的0.05已经有了很大的提高,但是迭代结果第10次之后就没有了变化,这是因为迭代过程中当yn=yn-1时,达到了系统的平衡点,此时
仍采用2.1节中的信道参数,仿真流程如图3所示,初始化固定参与协同频谱感知的非授权用户比例为x=0.05,在非授权用户数目为30时,非授权用户的总收益即总的数据传输速率和迭代次数的关系如图4所示,非授权用户选择进行协同频谱感知的概率和迭代次数的关系如图5所示。
从仿真结果可以看出,在进行大约70次迭代后,在非授权用户数目为30,初始概率为0.05的情况下,非授权用户进行协同频谱感知的概率为1,即所有的非授权用户都进行协同频谱感知,同时用户的总收益也达到了最大值18.75,与2.1节中的证明结果相符合。
3 结 语
本文通过分析典型的协同频谱感知模型,证明了所有非授权用户都进行协同频谱感知可以最大化总体数据传输速率的结论,进而最大化每个用户的数据传输速率。同时本文通过分析单次的协同频谱感知博弈,得出非授权用户会选择不进行协同频谱感知而最大化自身在单次博弈中的收益,从而造成总体的数据传输速率大大降低,进而使每个用户的数据传输速率都维持在较低的水平。为了解决这一问题,本文通过提出相应的模型,将集中式控制和分布式控制有效地结合起来,并分析了理论结果和实际工程的差别,得到了良好的结果。本文所提出的模型可以有效地应用于非授权用户的协同频谱感知,大大提高频带的利用率,为解决频谱资源紧张的问题提供一种思路。
摘要：认知无线电技术被公认是下一代无线网络的核心架构之一,频谱感知是认知无线电实现的核心手段。通过分析现有的协同频谱感知模型,证明了在多用户进行协同频谱感知的情况下,所有用户进行协同频谱感知所得到总体信道利用率是最高的;进而设计策略促使所有的非授权用户积极进行协同频谱感知,并对所设计的策略进行仿真验证。仿真结果表明,所设计的策略可以有效地促进非授权用户进行协同频谱感知,从而提高频谱资源的整体利用率。
关键词：认知无线电,博弈论,频谱感知,信道利用率,协同策略
参考文献
[1]Force S P T.Spectrum policy task force report[R].Federal Communi-cations Commission ET Docket02,2002,135.
[2]Mitola J.Cognitive radio:An integrated agent architecture for software defined radio[D].Doctor of Technology,Royal Inst.Technol.(KTH),Stockholm,Sweden,2000:271-350.
[3]Ghasemi A,Sousa E S.Spectrum sensing in cognitive radio networks:requirements,challenges and design trade-offs[J].Communications Magazine,IEEE,2008,46(4):32-39.
[4]杨磊,殷福亮,陈喆.认知无线电动态频谱分配新算法[J].信号处理,2010,26(8):1211-1216.
[5]Wang B,Liu R,Clancy T C.Evolutionary cooperative spectrum sensing game:how to collaborate[J].IEEE Transactions on,Communications,2010,58(3):890-900.
[6]Liang Y C.Sensing-throughput tradeoff for cognitive radio networks[J].Wireless Communications IEEE on Transactions,2008,7(4):1326-1337.
[7]Mishra S M,Sahai A,Brodersen R W.Cooperative sensing among cog-nitive radios[C]//Communications IEEE International Conference on.Dec2006,Istanbul.
无线移动感知网络 篇8
为了最小化损失, 在一个大的地理区域 (如森林) 内的多个不同地方的事件的探测需要尽早地追踪。我们想到了一个能够监视一片广阔的分布式地理区域的分布式WSN。传感器节点使用限定的结构进行部署, 部署的传感器的数量取决于事件发生的可能性。例如, 一个大的森林包括一些岩石的组合, 这些岩石分散在森林中的一大片区域, 很多高大的树木集中在被称作亚区或亚森林的一个特定区域, 在这种情况下, 便没有必要在森林中的岩石区部署传感器。因此, 事件发生可能性越大的地方传感器的密度也就越大。
图1展示了一个分布式WSN。每个亚森林区包括一个重要的Sink节点和一个次要的Sink节点, 如果主Sink节点失去功效则次Sink节点可以代替它, 整个系统还可以正常运行。在图1中只展示了一个可以和属于其它亚区域或亚森林的主Sink节点共享信息的Sink节点, 这些Sink节点是首尾节点, 他们之间可以通过直接连接进行通信, 例如他们之间的一次跳跃通信。来自亚森林的任何一个sink节点充当着头sink节点, 头sink节点可以查询来自不同亚森林的另外sink节点的信息。头部可以存储信息并追踪多个亚区的时间, 它也发出较早的探测和在WSN中事件发生地点的警报信息。
2 系统模型
我们想出了一个包含N个传感器节点的WSN, 在监测区域的这些传感器节点被有结构的进行部署, 来给网络编码创造机会。这N个传感器节点周期性的感知温度并将数据传送给sink节点。根据功能, WSN中的传感器节点被分为三种, 叶节点主要被用来感知并传送信息;集合节点主要用来聚集使用网络编码收到的信息并传送它;有一些转播节点向sink节点转播信息。
3 假设
为了应用可以提高分布式WSN性能的网络编码技术, 提出了下列假设。
每个节点被放置在彼此距离大约相同距离处。
节点按照2D平面进行放置;考虑到传感器部署平面不统一。
N是传感器节点的数量, S是Sink节点的数量。N和S的值取决于森林的深度。S取决于在一个地理区域内森林分成了多少块, 对于一个大森林来说N值很大。
在部署传感器的时候, 每个传感器节点分配了一个唯一的ID。
Sink节点维持了一个表格, 其中每行包含一个ID和一组坐标。在WSN中sink节点使用这张表来定位和追踪森林火灾。
所有传播都包含源ID和sink节点ID, 这种传播方式成为多播。
e1和e2是集合节点收到的两个信息, f是一个用来计算这两个数值间主要区别的二项式, 并且返回yes或no。如果e1和e2相差不超过γ, 函数f返回false, 否则返回true。两数之差的绝对值用d表示:d=e1~e2。
f:{0 if d<γ, 1 otherwise}
4 无线传感器节点和sink节点的规则
在网络中传感器节点的作用广义上包括感知、聚集和转播。传感器节点的功能是由制定预部署策略的部署者所决定的。集合节点是比叶传感器节点更强大的节点。sink节点是具有更高的带宽, 更强大的处理能力和存储能力的末端节点。
在网络中, 叶节点用来感知和传播。它存储先前传播的数据, 如果现在感知的数据 (温度) 和先前传送的数据差别较大, 新感知的数据就会像图2所示传送给聚合节点。这样通过避免不必要的数据传输节省了很多能量。
聚合节点的作用是作为网络编码节点, 这些节点运行启发式算法来限制大量信息流并实现节省网络带宽的网络编码。聚合节点使用f函数来决定是否应用网络编码。
5 部署策略和拓扑结构
部署策略是2D的。如图2所示, WSN是递归构建的。图3展示了一个更一般化的框架。图2中, 节点1和节点3是sink节点, 一个sink节点是主sink节点, 另一个sink节点是从sink节点, 但是他们在WSN中有同样的作用, 如图所示, 节点1和节点3从大量的传感器节点中获取大量的数据。拓扑结构最初由节点1、2、3、4、8、19、12和16组成。这称作初始级别L0, L0包括8个节点。现在拓扑结构递归构建级别L1、L2、L3…LP。L1包含8个叶传感器节点和4个聚合节点, 其中节点5、10、13和18是聚合节点, 节点6、7、9、11、14、15、17和20是叶传感器节点。级别L1包含 (r+q) 个节点, 其中r表示叶传感器节点的数量, q是级别L1中添加的聚合传感器节点的数量。此外, 拓扑结构进行递归构建, 则级别L2包含2 (r+q) 个节点, 随着WSN中级别的增加这个过程会继续添加新的传感器节点。提出的这个结构是可以升级的, 并且随着级别的提高, 它可以容纳更多的传感器节点。
6 结论
在这篇论文中我们展示了一个健壮的可知网络编码数据聚合方法。这种方法将通过减少网络中传输的信息数量来提高网络的性能, 它还为来自多个传感节点到sink节点的多对多网络流提供保护来防止连接失败, 我们提出的方法的效率已经在地理应用即野外火灾探测的帮助下得到论证。这种递归的部署策略是可升级的, 并可应用在一个大的分布式无线传感器网络中。
摘要：无线传感器网络 (WSNs) 被广泛的部署用来监视像适度、温度和土壤肥沃度等信息。当传感器节点采集到数据并且将数据传到网络时, 网络的流量增加并且可能造成可导致广播风暴问题的堵塞。阐述了最优化数据集合和减少WSN内传播信息的数量的网络编码。一个可知编码部署策略通过在传感器节点集合中创造网络编码机会表现出来。我们的部署策略可产生一个支持多对多网络流的拓扑结构。它同时也提供了在网络中防止出现多个错误的保护。此外, 我们提出了一种可以限制不必要传播的启发。
关键词：分布式WSN,数据集合,网络编码
参考文献
[1]Y.Wu, P.A.Chou, Q.Zhang, K.Jain, W.Zhu, and S.-Y.Kung."Network planning in wireless ad hoc networks:a cross-layer approach".IEEEJSAC special issue on wireless ad hoc networks, 23 (1) :136-150, 2005.
无线移动感知网络 篇9
网络安全态势感知(Network Security Situational Awareness,NSSA)指在大规模网络环境中,对能够引起网络安全态势发生变化的安全要素进行提取、理解、显示并预测未来发展趋势[1,2]。网络安全态势感知系统框架是构建安全集成平台和实现网络安全态势感知的基础,相关研究成果较少,大部分研究集中在网络安全管理方面,所采用的组织结构主要有集中式处理结构[3]、层次式结构[4]、协作式结构[5]和信息融合结构[6,7]。文献[8]提出了基于信息融合的安全态势模型,实现了准确的态势感知,该模型的信息获取对象是日志记录,没有涉及复杂态势感知和对其进行的性能评估;文献[9]提出了一个基于多数据源的网络安全态势感知模型,但未对多源融合作出明确描述,而上述的框架结构模型普遍存在的问题是网络负荷重、响应延迟大、自我保护性差和框架模型本身的稳定性和容错能力差等缺点。人们希望建立一种分布式的、面向异构数据源的网络安全态势系统,不仅能在全网络范围内实现统一部署,有良好的跨平台性和可伸缩性,而且在配置和更新过程中,网络和主机资源的开销较低,减少出现系统瓶颈的可能。
移动Agent(Mobile Agent,MA)具有(1)自治性(Autonomy);(2)社会能力(Social Ability);(3)反应性(Reactivity);(4)能动性(Pro-activeness)(5)开放性(Openness);(6)鲁棒性(Robustness)等特点[10],使得网络安全态势感知系统在大范围内统一部署成为可能。
结合移动Agent的特点和思想,设计了一个网络安全态势感知系统框架模型,给出了详细的设计思路和框架结构并采用PEPA的形式化描述方法对框架模型进行了形式化描述和分析,验证了框架的合理性。
1 NSSA框架模型构建分析
1.1模型构建目标
模型构建的过程中要充分考虑网络技术的发展对NSSA提出的新需求。网络安全多数据源的特点要求NSSA模型具有多源融合的能力;攻击技术的发展也使得NSSA要面对复杂态势感知的问题,单纯的低层报警事件的统计并不能有效地感知网络的安全状况;态势感知也需要评估自身的感知能力,并通过反馈逐步完善系统性能。
要满足上述需求,构建目标可简要地描述为:
(1)能融合来自IDS、流量传感器和日志等安全数据源的异构数据,准确地发现网络攻击行为或其他安全异常,支持大规模网络的安全态势感知;
(2)能发现安全事件之间的内在联系,并能获取异常行为的序列或意图,为感知提供丰富和细粒度的要素;
(3)能够感知网络中针对某一目标的威胁行为,也能够感知整个网络的威胁态势演化,并实现多角度、多尺度的态势表示,实现统一态势集成;
(4)能够通过对当前态势以及已生成态势综合分析的基础上预测未来的网络安全态势;
(5)模型本身比较优化,具有高效率、容错能力强、智能性等特点。
1.2移动Agent在NSSA中的优势
移动Agent是集智能Agent、分布式计算和通信技术于一体的产物,能够提供一个统一的、开放的、强大的计算模式。移动Agent具有智能性、自主性、协作性、移动性和安全性等特点,能够解决现有网络安全态势感知系统的一些弊病,将移动Agent应用到网络安全态势感知中具有如下优势。
(1)减轻网络负载:移动Agent技术能较大程度减少网络上的数据流量。数据无需在网络上来回传送,而是在本地被处理完成,减轻了网络的传输负担。
(2)增强响应能力:对于网络安全态势感知系统而言,需要对环境变化做出及时反应,目前的网络控制策略对实时性要求较高的系统是无法接受的。移动Agent可以从控制台被传送到局部各节点并激活,在本地直接执行控制台的指令,做到及时响应及时处理。
(3)封装协议:移动Agent能够直接移动到远程主机,建立起一个基于私有标准的数据传输通道。
(4)移动Agent的异步自主运行特性:移动A-gent能独立于生成它的进程,并可异步自主运行。当网络服务质量无法保证时,移动设备可在稍后的时间里再连接并回收Agent,即便出现网络故障,任务也能顺利完成。
(5)移动Agent的应变能力:移动Agent具备感知其运行环境并响应环境变化的能力。多移动A-gent系统拥有在网络主机间动态合理分布自身的独特能力。
(6)自然异构性:网络计算平台往往是异构的,由于移动Agent能独立于计算机和传输层,而仅仅依赖于运行环境,因而提供了良好的无缝系统集成条件。
(7)稳定性和容错能力:移动Agent具有对非预期状态和事件的应变能力,这使我们更容易创建稳定和容错性好的分布式系统。
由此可见在面向异构数据源的网络安全态势感知系统设计中,移动Agent技术有着其他技术不可比拟的优势。
2 NSSA框架模型总体层次结构
如图1所示,给出了NSSA的框架结构。该结构是一个分布式开放结构,主要采用“分布式获取,分域式处理”的思想,分为信息获取层、数据预处理层和态势决策层三个层次。信息获取层通过部署所设计的LogAgent、SNMPAgent、NetFlowAgent和ServiceAgent等传感器Agent获取网络环境中主机、交换设备、安全设备等各种异构数据源信息;数据预处理层针对所获取的各种异构信息,利用数据预处理Agent,采用无向图模型和信息融合方法对其进行必要的数据精简和安全事件提取;态势决策层利用量化感知Agent和态势预测Agent,分别完成异构数据源信息的综合理解和动态非线性时间序列预测,为用户提供直观的安全态势视图。信息获取层、数据预处理层和态势决策层的实现都需要与相应的知识库进行交互。系统设计了多个移动A-gent,包括公共服务类组件和各应用类Agent。各A-gent由Agent控制器(Agent Controller,AC)进行控制,通过黑板(Blackboard)共享信息,通过通信器(Communicator)互相通信。
3框架模型的形式化描述
相对自然语言而言,形式化描述具有坚实的理论基础和严密的推理逻辑,有助于模型的检验与分析,鉴于性能进程代数PEPA(Performance Evaluation Process Algbra)描述语言[11]在形式化验证功能之外,还具有良好的性能分析能力,因此将利用PEPA对本文提出的框架模型进行描述与分析。
3.1基于PEPA的框架描述
针对数据流进行抽象,采用分层和多移动A-gent描述的方式,对框架进行描述。
3.1.1信息获取层的描述
由图1可知,信息获取层主要包括各种传感器Agent,为表述方便,不妨假设有4种Agent:日志传感器Agent、SNMP传感器Agent,Netflow传感器A-gent以及服务类Agent,构成如下集合
从系统整体角度,忽略传感器Agent工作周期的细节,各传感器Agent具有相似的形式,如图1所示。
其中i∈SensorAgent,Sensoringi动作代表信息的收集,而sendingi动作代表传感器Agent向数据预处理层提交数据。
3.1.2 数据预处理层的描述
数据预处理层在整个框架中起到了承上启下的作用,从其功能上而言,主要是获取来自传感器Agent的数据,并向上层态势决策层提交处理结果,翻译成对应的形式化语言,即与上下两层都存在合作关系。本层主要包括两种Agent分别是:无向图模型Agent和信息融合Agent,构成如下集合
PretreatmentAgent={UGMAgent,DSAgent} (4)
3.1.3 态势决策层的描述
态势决策层是框架的最高层包括态势量化Agent(QFAgent)和态势预测Agent (PDAgent),构成如下集合
DecisionAgent={QFAgent,P DAgent} (5)
3.1.4 框架的整体描述
在对各层次结构抽象的基础上,由各Agent的交互描述框架整体的行为和状态转换,如下所示
其中,L1={sendi,i=1,2,3,4}。
3.2 框架模型的分析
在提出的PEPA形式化模型的基础上,对框架进行分析,验证框架的合理性,并尝试确定影响网络安全态势感知的关键因素,为网络安全态势感知框架模型的实现和改进提供理论参考。利用伦敦帝国理工大学开发的PEPA形式化分析工具Eclipse PEPA Plugin对框架实例进行验证。
当框架具有4个传感器,即N=4,通过对PEPA模型求解得到2280个状态。由于具有4个传感器时状态空间巨大,求解复杂,假设具有两个传感器LogAgent和SNMPAgent(其余同理)。结合目前的项目,对各参数进行估值,建立一个实例,其中参数取值如表1所示。
以下对各参数对于态势呈现动作的影响进行分析。首先,对于无向图模型Agent,算法处理动作deal_UGM的变迁速率对于态势呈现状态Showing的稳态概率的影响如图2所示。
由图2可见,X表示随着deal_UGM的变迁速率rate_u2的增长,即UGMAgent1的转移概率1-exp(-rate_u2)的概率变大,说明UGMAgent处理效率的提高。Y轴代表态势呈现状态Showing的稳态概率提高。因此说明提高UGMAgent处理效率有助于态势感知系统整体效率的提高。
同理,如图3、图4所示,提高DSAgent的决策效率和QFAgent的CRFs模型处理效率有助于态势感知系统整体效率的提高。
此外,在PDAgent中,Volterra预测动作的变迁速率对态势呈现状态Showing的稳态概率的影响如图5所示。
由图5可知,X表示随着Volterra模型预测动作的变迁速率rate_p的增长,态势呈现状态Showing的稳态概率提高。说明提高Volterra模型预测效率有助于态势感知系统整体效率的提高。这主要是在PDAgent中,Volterra模型预测的快速可以提高态势生成和呈现速度,提高态势感知系统整体的效率。
综上可知,本文设计的框架中对于无向图模型处理、DS证据决策、CRFs模型处理和Volterra模型预测对态势感知系统整体的效率都有着重要意义,与现实系统的行为相符合,框架模型的设计是合理可行的。
4 结论
采用“分布式获取,分域式处理”的思想设计了基于移动Agent的网络安全态势感知模型,自下而上依次分为“信息获取层——数据预处理层——态势决策层”三个层次。该框架结构是一个开放式、可扩展的智能分布式体系结构,有效地解决了数据源单一或多源同质、网络负荷重、响应延迟大、自我保护性差和框架模型本身的稳定性和容错能力差等缺点,并采用PEPA的形式化描述方法对框架模型进行了形式化描述和分析,验证了框架的合理性,为后续的研究奠定了基础。
参考文献
[1] Tim Bass.Intrusion Detection System and Multi-sensor Data Fusion.Communications of the ACM,2000;43(4):99—105
[2] 王慧强,赖积保,朱亮,等.网络态势感知系统研究综述.计算机科学,2006;33(10):5—10
[3] Ganame A K, Bourgeois J, Bidou R,et al. Evaluation of the intrusion detection capabilities and performance of a security operation center. Proceedings of the International Conference on Security and Cryptography, Setúbal, Portugal, 2006:48—55
[4] Zhang Z, Li J,et al. A hierarchical network intrusion detection system using statistical preprocessing and neural network classification. Proceeding of the 2nd annual IEEE systems, mans, cybernetics information assurance workshop, NY, 2001:85—90
[5] Ganame A K, Bourgeois J, Bidou R,et al. A global security architecture for intrusion detection on computer networks. Computers & Security,2008;27:30—47
[6] Engelhardt D, Anderson M. A distributed multi-agent architecture for computer security situational awareness. Proceedings of the 6th International Conference of Information Fusion, Cairns, Queensland, Australia, 2003
[7] 崔玉华,李涛,周仲义.远程监控Agent的体系结构及其环境安全态势评估模型.四川大学学报(工程科学版),2007;39(2):127—132
[8] Wang A J A. Information security models and metrics. Proceedings of the 43rd annual Southeast regional conference, Kennesaw, Georgia, 2005;2(2):178—184
[9] Salerno J J,Hinman M,Boulware D. A situation awareness model applied to multiple domains. Proceedings of the Defense and Security Conference,2006:65—74
[10] 林萍, 王汝传, 郑彦,等. 基于移动Agent的双层卫星网QoS路由算法. 南京邮电大学学报(自然科学版),2009;29(5):76—80
无线移动感知网络 篇10
微机电系统(Micro-Electro-Mechanism System)、无线通信和数字电子技术的快速发展,以及无线传感器网络(wireless sensor network,简称WSN)在国防军事、环境监测、交通管理、医疗卫生、防恐抗灾等众多领域的应用前景,使WSN相关研究成为近几年国内外研究的热点.传感器节点通常由电池供电,高效使用有限的电池资源,尽量延长节点的生命周期是任何WSN相关协议的首要考虑因素。同时由于传感器网络节点的计算能力、存储空间都十分有限,所设计的路由协议应该简单有效,使得节点的运算开销尽量的小。与传统网络管理相比,WSN的网络管理不仅包括故障管理,QoS支持等功能域,还包括了能量管理。能量消耗模型是WSN能量管理中的核心问题和关键点,建立WSN能量消耗模型具有十分重要的理论意义和现实价值。
WSN路由协议的任务是在传感器节点和汇聚节点之间建立路由,可靠地传递数据,能量多路径路由在源节点和目的节点之间建立多条路径,根据路径上节点的通信量消耗以及节点的均衡消耗节点能量延长网络的生存期。在源节点和目的节点之间建立多条路径,根据能量因素给每条路径赋予被选择使用的概率,在发送数据时,基于概率随机选择其中的一条路径,没有一条路径一直在传送数据,防止一条路径上节点能量消耗过快。但是其路径切换是在节点发生故障之后进行,耗费了大量节点能量资源。
2 无线传感器网络节点能量消耗模型
2.1 无线传感器网络节点能量消耗分析
典型的传感器网络体系结构通常由分布的传感器节点、接收发送器、互联网和用户界面等构成。其中,传感器节点作为网络中的独立工作实体,其基本的功能子系统包括供电子系统、传感子系统、计算子系统和通信子系统等,其能量消耗分别说明如图1所示。
供电子系统:供电子系统由电池和DCDC转换器等模块构成,其主要任务是为其他各个子系统供给能源。电池作为节点最主要的能量来源,其性能与容量至关重要。虽然增加电池容量可以延长供电子系统的能量供给时间,但采用有效的再充电技术或是太阳能等再生性能源则更利于保证供电子系统的能量来源,为其他子系统实现持续性的能量供应。
传感子系统:传感子系统由一组传感器和ADC,控制器等构成,主要任务是将采样/收集被测控对象的敏感信息转换成相应的数字信息。理想情况下,传感子系统自动检测周期性和非周期性两类事件时[7],其能量消耗总量可简单概括为单次采样消耗的能量与采样次数的乘积。因此,要控制该子系统的能量消耗必须从以下两个方面进行:一是控制单次数据采样所消耗的能量,二是控制采样频率。前者可通过采用低功耗器件,从元器件本身有效控制单次数据采样的能量消耗。对于后者而言,由于传感器网络众多分布节点中往往是成组节点去监测相同的对象或敏感数据,有选择性地减少单个节点的采样频率并不会对被测数据有效性和完整性造成破坏,只要依据应用需求合理设置节点采样任务的激活原则,就能在保证数据准确性的前提下,较好地控制该子系统的能量消耗。
计算子系统:计算子系统包括微处理器/微控制器、存储器和I/O接口电路,存储器等硬件;负责控制传感器、执行通信协议和处理传感数据等软件算法;是节点的控制和计算核心。作为节点的功能控制中心和数据计算中心,计算子系统功能复杂,与其他各个子系统联系紧密,因此,计算子系统的功能强弱、性能高低、在不同工作状态(活动、空闲和休眠等)的持续时长以及不同状态间的相互切换等,都会严重影响整个节点的能量消耗。低功耗器件、适时休眠和空闲时的降频技术,都是硬件上减少计算子系统能量消耗的常用技术,节点间的功能轮换则使从网络的整体来实现网络节点的能量消耗相对均衡。
自组织的簇生成、传输数据的加密/解密以及通信链路的建立和维护等,都是通过执行相应的指令序列来完成的,算法越复杂,指令条数就越多,消耗的能量也就越大。然而,算法是有效性、可靠性和复杂性的矛盾统一体,有效、可靠的算法往往具有较高的复杂性;简单算法的有效性、可靠性则可能不适应于应用需求。应用环境的多样性和不确定性,使得软件算法的能量消耗远比硬件的能量消耗控制困难,既要满足应用环境的需求,还要尽可能降低软件算法的复杂性。
另外,资源受限的传感器网络节点还易于遭受物理损坏攻击,使得非对称密钥管理协议等其他计算机网络中普遍采用的控制机制和数据处理算法并不适合于传感器网络。依据应用环境的需求,传感器网络对各控制和数据处理算法往往会有不同层次的要求。因此,每种控制或数据处理算法都是传感器网络中的非常具有挑战性的研究领域,需要根据节点能源的发展水平和技术特点,大幅度改造现有的成熟算法,或重新设计新的处理算法,甚至于在必要的时候;还可通过适当降低网络或节点的性能来控制节点能量消耗,以有效延长网络的生命周期。
通信子系统:由无线收发部件(radio)构成的通信子系统负责节点的通信任务。无线收发部件采用的调制模式、数据率、发射功率和操作周期等都是影响通信子系统能量消耗的关键因素。另外,由于通信元器件本身的物理特性等原因,通信子系统即使处于空闲期,也有着与接收期几乎相近的能量消耗。因此,在没有通信任务时,应尽可能地使通信子系统进入休眠期,而不是让其处于空闲期[9]。
基于以上分析,以分簇方式组织的无线传感器网络,节点能量消耗主要是数据发送和数据处理模块,节点运行时如表1所示,共分为6个状态。其中消耗能量最多为状态3和状态4。
2.2 无线传感器网络节点能量Markov预测模型
节点能量消耗仿真模型基于无线传感器网络节点的状态转换,采用Markov进行预测节点能量消耗,其中关键点是转移矩阵的生成,
2.2.1 状态转移概率矩阵生成模型
WSN状态转移矩阵生成有两种可行的办法,WSN节点可以根据自身过去的历史采集状态值,然后每个节点根据过去的历史构造自己的状态转移矩阵。例如,Pij是节点在状态i的时域总数除以节点在状态i迁移到状态j的次数。另一个构造此矩阵的方法是混合在同一个区域中节点之间的概率,在这种情况下,迁移矩阵将代表一个网络的特定区域中所有节点的行为。最终生成如式(1)状态转移阵
其中
2.2.2 Markov能量消耗预测模型分析
为了模拟传感器网络节点能量消耗情况,建立Markov仿真模型如下所示:
在每个节点中用一个随机变量序列X0,X1,X2,……来表示节点在这段时间的状态。既然每个节点都有一个随机变量序列,那么在同一时间,不同节点可以处在不同的模式下。在可能的操作模式集合中,如果Xn=i,传感器节点在时域n处在操作模式i下,一个时域就是一小段时间,假定所有的状态迁移发生在任何时域的开始阶段,每次节点在状态i时有一些固定的概率,如果下一个状态是j,则用Pij来表示。这个概率可用下式来表示:
Pij表示一个节点在操作状态i时下一个状态进入到状态j的概率,定义两阶的迁移概率Pij(2),表示一个节点当前在状态i,经历两个状态迁移后到状态j。即:
Pij(2)可由Pij经过下式计算出来:
n阶的迁移概率表示为Pij(n),Chapman-Kolmogorov方程式定义如下:
对于任意0
Pij(2)的值是矩阵P和它自身的乘积矩阵中第i行第j列的元素。用P2表示P*P意味着Pij(2)是矩阵P2的第i行第j列的元素。同样的,Pij(n)是矩阵P的n次方的第i行第j列的元素。既然Pm+n=Pm*Pn,那么这意味着
在模型中,迁移概率矩阵代表传感器节点的行为。根据迁移概率矩阵和每个节点的初态X0,我们就可以建立整个无线传感器网络能量消耗序列。
一个节点在T个时域后到达状态s共经历多少个时域,假定现在节点在状态i,即X0=i。由于Pis(t)代表一个节点当前处在状态i,经历t个状态迁移到达状态s那么,对任意的状态s一个节点停留在状态s时域数可用下式计算:
假设Bs个节点在状态s留一个时域传输的数据量,而节点经过T时域到达状态s的期望时域数可由计算出来,即如果节点当前处在状态i那么经过T时域,传输的数据总量,BT是:
每个节点在时间T的数据由计算,总的节点数由下式来计算:
其中Ck-i表示它是属于簇Ck的第i个传感器节点,Bs表示一个节点在状态s停留一个时域传输的数据量。Pis表示从状态i迁移到状态s的概率。
基于以上分析,可以根据WSN的状态转移矩阵和Markov模型来预测节点在T时刻能量消耗。
3 改进多路径路由协议
3.1 改进思想
在传感器网络中,引入多路径路由是为了提高数据传输的可靠性和实现网络负载平衡。有文献提出一种多路径路由机制,它预先建立和维护一组数据,无需周期性洪泛就能够从数据源节点到汇聚节点的传输路径。其基本思想是:首先建立从数据源节点到汇聚节点的主路径,然后再建立多条备份路径;数据通过主路径传送数据来维护数据的有效性;当主路径失败时,从备用路径中选择次优路径。这种由主路由失败触发的切换机制并不适用于WSN的需求,因为负载的不均衡将会导致传感器节点资源消耗的不均衡,从而导致WSN全网的生存期降低。可以通过引入能量消耗预测机制,主路由在预测其将要传输失败前切换至次优路径,从而实现了WSN多路径之间的负载均衡。
3.2 实例分析
如图2所示的WSN节点拓扑中,节点A为传感器数据发送源,汇聚节点是目的节点,在基于预测的多路径路由机制中,在基于预测的多路径路由机制中,路径A-B-C-D-sink node为主路径,其他两条路径为次优路径。其基本步骤为:
1)在主路径中,每个关键节点中建立了能量消耗Markov预测模型。
2)关键节点从本地测量网络流量,建立阈值,如果检测到即将发生拥塞,或者流量超过本节点负载,或者本节点能量即将耗尽,则发送一个消息给源节点A。
3)源节点A接收到报文后,就会立即进行路径切换,选择另外一条路径进行数据传输。
4 结论
基于以上分析,本文基于Markov过程来模拟无线传感器网络节点的运行状态,建立了无线传感器网络的节点能量消耗模型,并通过在J-sim网络仿真平台中扩展建立能量消耗模型,与一个真实无线传感器网络节点能量的消耗进行了对比分析,仿真结果表明本文提出的WSN能量消耗模型能够有效的表示WSN能量消耗过程,并改进了WSN多路径路由机制,结果表明能够有效减少WSN能量消耗量,提高WSN节点存活数量。
摘要：目前,无线传感器网络在智能环境检测,灾难控制,战场侦察,安全监视方面取得了日益广泛的应用,引起人们日益关注,在分析无线传感器网络能量消耗特征的基础上,基于Markov模型提出了无线传感器网络节点能量消耗模型,改进了无线传感器网络多路径路由协议。仿真结果表明,与传统的多路径路由机制相比,能够有效地降低无线传感器网络节点能量消耗,提高网络生存时间。
关键词：无线传感器网络,Markov,Wavelet,能量消耗
参考文献
[1]孙利民,李建中.无线传感器网络[M].北京:清华大学出版社,2005.
[2]崔莉,鞠海玲.无线传感器网络研究进展[J].计算机研究与发展,2005,42(1):163-174.
[3]Wireless Integrated Network Sensors,University of California,Los Angeles[EB/OL].http://www.janet.ucla.edu/WINS.
【无线移动感知网络】推荐阅读：
移动无线网络06-10
无线移动接入网络09-08
无线移动07-16
无线移动技术07-07
无线移动办公平台09-15
无线移动网12-08
高速移动无线信道07-09
无线移动通信网12-19
4G移动无线通信技术05-15
未来无线移动通信前瞻10-11