信道分配技术

信道分配技术（通用7篇）

信道分配技术 篇1

1 TD-SCDMA系统无线资源管理

在TD-SCDMA系统中，无线资源由载波、时隙、扩频码和空间角度等构成，需要支持不同种类、不同速率业务的复用，这使得无线资源管理非常复杂。在TD-SCDMA系统中，RRM是无线网络控制器(RNC-RadioNetworkController)的重要组成部分，所采用的策略及算法会对系统性能产生重要影响。RRM主要完成接纳控制、切换控制、动态信道分配、功率控制等。RRM作用主要有三个方面：

1)通过空中接口资源的分配与使用，确保用户业务的Qo S;2)确保系统覆盖;3)充分提高系统容量。

TD-SCDMA系统采用了智能天线以及特殊的帧结构，因此TD-SCDMA系统的RRM设计更加灵活，同时也更复杂。在TD-SCD-MA系统的RRM中，接力切换技术和DCA技术是其关键技术。

2 快速动态信道分配技术

快速DCA一般遵循以下原则：

1)用于信道分配的资源单元是一个码字、时隙、频率的组合。

2)高数据速率业务传输通过对基本资源单元的组合分配实现，可以是多码道传输、多时隙传输或者是两者的组合传输。

3)对实时业务和非实时业务的信道分配是不同的。

4)对于低速率用户可以采用跳时，使小区间干扰均匀化。

5)系统为接纳实时高速率业务而进行资源整合。资源整合过程是为了防止为一个承载业务分配的码字落在多个时隙中，通过释放负荷最小的时隙的资源而进行的信道分配过程，还可能包括系统夺取一部分低优先级用户的资源的过程，以便将有限的资源分配给高优先级的用户。

6)通过智能天线，DCA可以保证同一个时隙内的不同用户在空间上是彼此隔开的。

3 TD-SCDMA基于切换信道预留的快速DCA算法

3.1 对称时隙模式下的MRGPR MB DCA算法

MRGMBDCA算法中，没有将切换业务作为高优先级业务来进行考虑。只是将切换业务作为普通语音业务和语音新呼叫具有同样的优先级。对于迫切需要进行切换的业务无法保障，影响重要业务的性能。由于连接被强行中断比接入不成功更让人难以忍受。因此，通常会在小区中预留出一部分信道专门供不同优先级的切换呼叫业务使用。

考虑到切换会给小区性能带来很大负面影响，如果降低切换的阻塞率，则能够减少切换给小区性能带来的负面影响，提高重要业务的性能;考虑到VIP用户能够创造普通用户几倍甚至十几倍的价值，在切换呼叫中，优先接入VIP用户。根据移动终端的属性，把一个小区中的接力切换呼叫业务分为四类，同时为了保证VIP用户优先切换，又将这四类切换呼叫业务赋予四个优先级：普通低速用户切换呼叫业务优先级最低，普通高速用户次之，VIP低速用户次高，VIP高速用户最高。这里以上下行时隙比为3:3的下行链路为例进行分析。MRGPRMBDCA将信道分为语音切换业务信道、语音业务信道和数据业务信道三部分，其中语音切换业务信道只能为各优先级切换呼叫业务服务，语音业务信道可以为切换呼叫业务和语音新呼叫业务服务，数据业务可以借用语音切换业务信道和语音业务信道进行数据传输。

在MRGPRMBDCA算法中，单向链路上的2个时隙分配给语音业务，1个时隙分配给数据业务，则语音业务时隙一共有32个BRU，最多可以承载16个语音业务。将语音业务时隙中8个BRU预留给各优先级切换呼叫业务，不同优先级的切换呼叫业务对应不同的门限，剩余的BRU为切换呼叫业务和语音新呼叫业务共同使用。

3.2 非对称时隙模式下的MRGPRMBDCA算法

以上下行时隙比2:4为例对MRGPRMBDCA算法下行链路的语音业务和数据业务性能进行分析。为了和非对称时隙模式下的MRG MBDCA算法进行对比分析，这里把下行链路4个时隙中的2个分配给语音业务，2个分配给数据业务。语音业务是上下行对称业务，在上行链路中为语音业务分配了2个时隙，下行链路中也为语音分配2个业务时隙。剩下的2个时隙分配给数据业务。数据业务最多可以借用全部2个语音业务时隙，所以下行链路数据业务服务通道最少为2个，最多为4个。为了分析非对称时隙模型下MRGPRMBDCA算法的下行链路性能，建立了一个二维马尔柯夫排队模型，模型的每个节点(i,j)代表系统的一个状态。由于数据业务可以以分组为单位半时隙借用空闲语音业务信道，并且固定分配数据业务的时隙数为2，所以数据业务时隙d可以为2、2.5、3、3.5、4。

4 结论

TD-SCDMA需要提供一种有效的快速DCA算法，把资源有效地分配给包含实时语音和非实时数据的综合业务。TD-SCDMA系统特有的智能天线和上行同步技术给接力切换和DCA技术带来了先天的优势。本文在TD-SCDMA系统下，在对蜂窝网络中切换算法研究的基础上，提出了TD-SCDMA基于切换信道预留的快速DCA算法，得出了一些有一定意义的结论。

参考文献

[1]谢显忠.TD-SCDMA第三代移动通信系统技术与实现[M].北京:电子工业出版社,2005.

[2]李世鹤.TD-SCDMA第三代移动通信系统标准[M].北京:人民邮电出版社,2003.

[3]朱东照,罗建迪等.TD-SCDMA无线网络规划设计与优化[M].北京:人民邮电出版社,2007.

信道分配技术 篇2

自从Hyacinth[3]与Ramon[4]提出了多接口多信道技术后，已经有很多人对静态信道分配算法进行了研究。在文献[2,5]中，一个集中的信道分配和路由算法是被提出，它主要是链路被遍历时按照某种顺序，同时不同链路的结尾节点必须使用相同的信道。如果两条相邻链路的末端节点分配的信道不同，此时必须对一条链路的末端节点进行重新分配信道，保证整个网路的连通性。在文献[6]中，一个混合的信道分配算法是被提出，它主要是使一些射频接口被固定的分配信道，另一些射频接口没有与固定的信道绑定，可以频繁的进行信道切换。在文献[7]中，提出了一种根据流过链路流量大小来对节点进行分优先级，然后根据优先级的高低来对链路进行信道分配。文献[8]提出了一种集中式信道分配算法，它以网络受到总干扰量最小为目标，每个节点贪婪的选择使用后对自己干扰最小的信道来进行信道分配。在文献[9,10]提出一种考虑网络中链路负载的信道分配算法，它假定每条链路上的流量为一个常量，与实际网络中局部流量过大会出现随机冲突产生的情况不符。

总之上面提到的多信道分配方法虽然在一定程度上改善了网络的性能，但它们都很难满足以下的条件要求:

1)当分配一条信道给一个射频接口时，这个信道分配算法不能仅仅依据在这个节点附近是否存在干扰，还要根据此时该节点附近的流量情况做出选择。忽略节点间的相互影响和网络中实际的带宽分配情况往往得到的不是最优解，往往还会伴随着发生由于射频接口的限制出现的信道数大于射频接口数的情况，需要对信道进行重新分配如图1所示。

2)信道分配算法应该独立于任何特定的链路带宽分配。因为依据特定的带宽分配情况而得到的信道分配方案，往往没有什么意义。因为对于实际的网络而言，它的网络带宽情况不同于特定的网络，这样之前的所做的信道分配就会变得与依据实际带宽情况分配的信道不同。

在这里我们提出一种集中式的信道分配算法用来解决这些问题。这个算法分成两个阶段，分别是对链路进行分组和对组进行信道分配的信道分配方法。这个信道分配方法不依赖于任何特定的链路带宽进行信道分配。

1 问题定义

无线Mesh的路由节点相对固定，客户端节点可以移动。客户端节点传送数据给路由节点，路由节点再向有线网转发数据。在这里我们定义每个路由节点u共有k(u)个射频接口，同时有|C|个可用的信道数。每个射频传输的最大距离和干扰距离分别为rT和rI。定义无线Mesh拓扑图GI=(V,EI)，节点u,v∈V，无向边uv∈EI，只有在d(u,v)≤rT时，这个边才存在，d(u,v)定义了u和v间的距离，c(u,v)定义了边u和v间能传输的最大的数据量。定义节点集合VAV是网络中充当路由节点的集合，定义集合VGV是路由节点中充当网关节点的集合。

定义一个信道分配集合R，其中R(u)定义为节点u所代表的信道数，其中|R(u)|≤k(u),u∈V。R信道分配方案会出现一个新的图G=(V,E)。两个节点使用同一信道在彼此的通信范围时，它们的边才存在。即当d(u,v)≤rT和R(u)∩R(v)≠同时成立时，uv∈E边才存在。当xy∈E和uv∈E中x、y、u,v共4个节点中存在任意一个节点在另一个节点的链路的干扰范围内时，同时它们有共同的信道即R(u)∩R(v)∩R(x)∩R(y)≠时，两条链路才会出现干扰。

所有的信道分配结果都会出现一个连通图，我们要在这些连通图中选择一个网络吞吐量最大的连通图。不同的连通图的网络性能不一样的原因是不同的连通图选择的边的子集不一样，不同的信道分配会使链路受到的干扰程度也不一样。

2 网络结构

2.1 网络拓扑

考虑到一些环境恶劣的地方如地震救灾现场、自然保护区的生态监测等地的客观原因，在这些地方部署无线Mesh网往往需要在不同的区域同时设置多个节点。为了避免一些节点失效，导致整个网络瘫痪。这里采用分层的网络拓扑进行组网，如图2所示。

2.2 协议干扰模型

对于任意两个接口u和v，能成功通信的条件为，接口u和接口v之间的物理距离小于通信距离，并且接收节点在所有其他发送数据的节点的干扰范围之外。在协议干扰模型中，假设两节点间的通信距离为r，干扰距离为RI，在k-跳协议干扰模型[11,12]中RI=kr，即在单个节点k跳通信范围内的所有节点都会受到干扰。

在图3所示的网络中，节点集合为V={v1,v2,v3,v4,v5,v6}，链路集合为E={(v1,v2),(v1,v4),(v2,v3),(v2,v5),(v3,v6),(v4,v5),(v5,v6)}，虚线圆形分别为节点v1和节点v4的干扰范围。考虑链路(v1,v4)，在协议干扰模型下，除了链路(v3,v6)，其余所有链路都为链路(v1,v4)的干扰链路。

3 信道分配

为了最大化网络的整体吞吐量和减少关键链路受到干扰的程度，我们对于承载更多流量的关键链路优先分配信道，对于数据很少经过的链路最后分配信道。原因是优先分配信道的链路，受到的干扰少，而干扰往往是链路吞吐量下降的主要因素[13]。链路吞吐量[14]主要取决于这条链路所能承载的最大流量的能力和网络的拓扑结构GI和它们的射频传输数据的能力。

3.1 链路分组

为了确定关键链路，利用最大流最小割定理[15,16]计算出在图GI中从客户端节点到网关节点的关键链路。利用最大流最小割定理，把无线Mesh网络这个多个源节点多个目的节点的网络N=(V,E,c,X,Y)，将其等价为一个单个源节点单个目的节点的网络N'=(V',E',c',X',Y')，其中(1)V'=V∪{s,t}，s,t分别是N'的源节点与目的节点;(2)E'=E∪{(s,x)|x∈X}∪{(y,t)|y∈Y};(3)c'=c(e),e∈E;c'(s,x)=",x∈X,c'(y,t)=",y∈Y。也就是说，添加两个超级节点在Mesh网中分别当作源节点VA和网关节点VG，现在形成了一个新的单个源节点单个目的节点的有向图G'I=(V',E'I),V'节点集中包含集合V中的所有节点包括节点VA和VG。E'I边集合包含集合EI中的所有边和节点VA、VG与其他节点所构成的边。最大流最小割计算的结果可以用fG'I(u→v)来表示链路所承载的带宽。

为了避免网络中节点出现信道数大于射频接口需要重新递归解决和减少关键链路的干扰的情况。我们把信道分配算法分成两部分，第一部分根据链路所负载的带宽进行分组，一个组内可以包括很多不同的链路，同时每个节点所在的组数不能超过它的射频接口数。第二部分分配信道根据组内流量大小优先选择的组。

首先对所有的链路进行分组，如表1所示。

定义L(e)∈N,e∈EI，起始阶段所有的链路都没有分组。neigh(u)是任意节点u在图GI中的邻居节点，同时任意节点u所在的不同组的集合可以用g表示，经过任意节点u的所有链路的流量总和为Ftot，任意节点u所在的所有链路中分到一个组的链路流量之和定义为Floc。在对链路进行分组时，如果一个节点所包含的组数超过了它的射频接口数，那我们就需要对它所在的组进行合并，直到其组数最多和射频接口数相等。合并的原则是在该节点所在的组集合g中，找出所承载的流量最少的两个组进行合并，直到组数不超过节点的接口数为止(line 9—14)。把节点u承载的所有流量Ftot均分成k(u)份，经过节点u的所有链路按照链路流量的大小进行降序排序。把排序的链路依次分到一个组，直到该组的流量Floc超过Ftot/k(u)为止。按照这样的方法，对经过节点u的所有链路进行分组。若分组结束后，还有经过节点u的链路没有分组，那么就把剩下的流过流量较少的链路都分到最后一组(line 15—35)。这样做会使最后一个组的链路比较多。虽然它们使用一个共同的信道时，会出现很大的链路干扰，但可以保证前面降序排序的关键链路不会因为使用相同的信道的链路比较多，出现严重干扰。这样网络中的关键链路就不会成为限制网络性能的瓶颈。

3.2 对组内链路分配信道

由于已经对所有的链路进行了分组，这样可以保证每个节点上的接口数始终大于信道数，接下来我们只需对组进行分配信道，如表2所示。

为了保证网络的连通性，对每条链路的末端节点都分配一个相同的信道。当一条链路的末端节点在另一条链路中的节点干扰范围内时，两条链路可能出现干扰。定义εc为所有分配信道c的链路的集合，P(g)为与组g中链路存在干扰的所有链路的集合。集合I为组g中的所有链路的末端节点的集合。S(g,c)为组g分配信道c后与其干扰的链路的集合。如果S(g,c0)是空集，则表示没有链路与g存在干扰在使用信道c0。此时分配信道c0时，要使分配c0信道的链路尽可能的多。如果S(g,c0)不是空集时，那么我们在给c0分配链路时，在干扰不可避免的情况下应该尽量在S(g,c0)中选择干扰最小的链路给它分配信道c0。这个信道分配算法是对流量多的链路所在的组优先进行信道分配，这样尽可能地避免关键链路出现链路干扰。总之，在进行信道分配时，首先以链路所承载的流量降序排序所有的链路，对承载流量越多的链路优先分配信道。

3.3 信道分配的时间复杂度

定义网络中共有n个节点，共有m条链路。在链路分组阶段:当合并分组时，每条链路上的节点都需要检查其所在的组数是否超过它的接口数时，超过时需要合并节点所在的组，这总共需要o(m)，由于共有m条链路，则整个过程共需要o(m2)。同时在利用最大流最小割原理[7]确定关键链路需要消耗时间，这一过程总需要时间。在信道分配分配阶段:给每个组分配一个信道，同时每个组内的链路都使用相同的信道。计算链路分组的数目消耗时间o(m)，在计算与每个组g存在干扰的链路集合P(g)需要时间o(mn)，在这一阶段可以看作总的消耗时间为o(mn+m)=o[m(n+1)]≈o(mn)。故而该算法两个阶段总共需要消耗时间o(m2+mn)≈o(m2n)。

4 实验仿真与分析

本文采用ns2仿真软件来比较基于链路分组优先的信道分配算法(LD-CCA)和集中信道分配[2](CCA)的性能。仿真场景如下:25个节点均匀分布在110 m×110 m区域，分别随机选取5个源节点和目的节点。5个源节点分别按照特定速率产生udp数据流为240 Kb/s、430 Kb/s、350 Kb/s、280Kb/s、130 Kb/s，同时设置源节点发数据的速率在原来的基础上从1到10倍的变化，然后随机选择目的节点并向其发送数据。设置各数据包固定长度L=100 Byte，其中物理层宽带选用2 Mbps。多信道MAC协议的最小退让窗口CWmin=32，最大窗口值为CWmax=1 024。源节点发送数据在链路层最大重传3次。网络采用AODV路由协议，信道分配算法分别采用信道分配算法LD-CCA和CCA。实验采用分层的网络拓扑(图2)。为了保证实验结果的正确性，文中所有实验重复30次。实验中的平均吞吐量和平均丢包率分别指的是统计5个目的节点的平均值。可以得到结果如图4和图5所示。

从图4和图5，可以看出在网络带宽较少时，信道分配方法LD-CCA与OCCA的性能差别不是特别大，但是当网络的带宽继续变大时，OCCA的网络丢包率开始变得明显比LD-CCA多。原因是由于LD-CCA在信道分配时优先保证承载带宽较大的链路选择干扰较少的信道，同时该算法不是针对任何预先特定的链路带宽分配进行的信道分配。它对于复杂多变的实际网络情形具有很好的适应性。网络吞吐量和丢包率都很一致，差别不是特别大在丢包率和吞吐量上信道分配算法LD-CCA的性能优于OC-CA。

5 结论

新的分层系统信道分配算法浅析 篇3

关键词：分层系统,信道分配,阻塞率

在无线通信系统中, 信道是一种很稀有的资源, 为了满足大量的无线通信业务需求, 有限的信道资源需要合理的分配。现有文献对分层系统中的信道分配问题做了大量的工作。分层系统中的信道分配算法可分为固定信道分配 (FixedChannelAllocation, FCA) 和动态信道分配 (Dynamic Channel Allocation, DCA) 。FCA算法比较简单, 但是性能较差;带层间溢出的FCA算法的性能有所改进;而DCA算法比FCA算法有比较显著的性能优势。本文针对实际应用需求, 提出了一种新的动态信道分配算法。

1 信道分配算法

在单层蜂窝系统中, 基于紧凑模式的信道分配策略已经成为共识[4]。图1为7个小区的紧凑信道复用模式, 图中 (i, j) (1#i 7, 1#j 7) 表示一个两层的HCS结构 (为了表示的方便, 图中未画出微小区) , 宏小区可以表示为 (i, j, 0) , 微小区可以表示为 (i, j, k) (1#k 7) 。

两个宏小区 (i, j, 0) 和 (i, j, 0) , 可使用相同频率集合的条件为:

由此得到宏蜂窝 (i0, j0, 0) 的紧凑蜂窝为: (i, j0, 0) i1i0 (2)

两个微小区 (i, j, k) 和 (i, j, k) 可使用相同频率集合的条件为:

由此得到微蜂窝 (i0, j0, k0) 的紧凑蜂窝为: (i, j, k0) , i构i0或者j j0 (4)

1.1 CP-HDCA-BO算法

文献[4]提出了层间动态信道分配且带层间呼叫溢出的CP-HD-CA-BO算法, 其中还考虑了信道排序重组与层内紧凑模式分配信道的思想。该算法包括信道分配和信道释放两部分。

1.1.1 CP-HDCA-BO算法信道分配

CP-HDCA-BO算法首先将所有信道存放在信道池中, 并对信道进行编号。信道分配时, 微 (宏) 蜂窝从小到大 (从大到小) 申请信道。

慢速呼叫信道分配流程如所示, 慢速呼叫首先向所在微小区申请编号最小的空闲信道, 如果没有空闲信道, 则向信道池申请编号最小的信道, 并将此信道分配给此微蜂窝以及与此微蜂窝共道紧凑微蜂窝, 如果信道池中没有空闲信道, 则该慢速呼叫申请溢出到其所在的宏蜂窝, 如果宏蜂窝中有空闲信道, 则选择一个编号最大的信道分配给该呼叫, 如果宏蜂窝中没有空闲信道, 则该慢速呼叫被阻塞。

快速呼叫信道分配流程如图2所示, 快速呼叫首先向所在宏小区申请编号最大的空闲信道, 如果没有空闲信道, 则向信道池申请编号最大的信道, 并将此信道分配给此宏蜂窝以及与此宏蜂窝共道紧凑宏蜂窝, 如果信道池中没有空闲信道, 则该快速呼叫申请溢出到其所在的微蜂窝, 如果微蜂窝中有空闲信道, 则选择一个编号最小的信道分配给该呼叫, 如果微蜂窝中没有空闲信道, 则该快速呼叫被阻塞。

1.1.2 CP-HDCA-BO算法信道释放

当一个慢 (快) 速呼叫结束, 释放信道c1, 在该呼叫所在的微 (宏) 蜂窝中寻找被占用的编号最大 (小) 的信道c2, 若c2>c1 (c1>c2) , 将信道c2上的呼叫切换到信道c1;检测占有信道c2的紧凑共道蜂窝中信道c2的使用状态, 如果信道c2在这些蜂窝中都处于空闲状态, 则将信c2道归还到信道池。

仿真结果表明, CP-HDCA-BO算法能够获得较低的呼叫阻塞率。但是, CP-HDCA-BO平等地对待了新呼叫和切换呼叫。由于中断正在进行的呼叫比拒绝新到达的呼叫更不能让人接受, 所以, 在信道分配时, 切换呼叫应该有更高的优先级。本章针对CP-HDCA-BO算法的不足提出了一种新的考虑切换呼叫优先级的信道分配算法。

1.2 新的信道分配算法

本节针对CP-HDCA-BO算法的不足, 提出一种新的信道分配算法。新的信道分配算法在CP-HDCA-BO算法的基础上, 通过为切换呼叫预留信道的方法提高切换呼叫的优先级。新信道分配算法将系统中的信道分为两个部分:公共信道和切换预留信道。算法的步骤如图3所示, 当有一个呼叫到达时, 系统首先在公共信道集合中按照CP-HD-CA-BO算法为该呼叫分配信道, 如果能分配到信道, 则分配过程结束;如果该呼叫不能分配到公共信道, 且该呼叫为新呼叫, 则阻塞该呼叫;若该呼叫为切换呼叫, 则继续在切换预留信道集合中按照CP-HD-CA-BO算法为该呼叫分配信道, 如果能分配到信道, 则分配过程结束;否则, 阻塞该呼叫。

2 仿真结果

本节进行数值仿真, 并将结果与CP-HDCA-BO算法比较, 以验证本文所提信道分配算法的性能。仿真场景如表1所示。假设每个小区中快速呼叫和慢速呼叫的到达率相同。

仿真得到新呼叫阻塞率、切换呼叫阻塞率与呼叫到达率的关系曲线分别如图4和图5所示。

仿真结果表明, 与CP-HDCA-BO算法相比, 本文所提新的信道分配算法在牺牲一定的新呼叫阻塞率前提下, 能获得更低的切换呼叫阻塞率。

3 结论

本文研究了分层覆盖系统中的信道分配问题, 并提出了一种新的动态信道分配算法。该算法考虑了层间呼叫溢出、层内信道紧凑复用、提高切换呼叫优先级等因素。根据实际应用需求, 新的信道分配算法, 为切换呼叫预留信道, 有效地降低了切换呼叫阻塞率。

参考文献

[1]蒋体刚.多层蜂窝系统无线信道资源管理研究[D][博士论文].成都:西南交通大学, 2005.

[2]Chih-Lin I, Larry J.Greenstein, Richard D.Gitlin.A Microcell/Macrocell Cellular Architecture for Low-and High-Mobility WirelessUsers[J].IEEE jour-nal on selected areasin communications, Vol.11, No.6, 1993.

[3]X.Lagrange, P.Godlewski.Performance of a hierarchical cellular network with mobility-dependent hand-over strategies[J].IEEE Vehicular Technology Conf., vol.3, 1996.

一种结合信道性能的频谱分配算法 篇4

认知无线电 (Cognitive Radio, CR) [1]技术具有智能感知周围环境, 发现并合理利用频谱空穴[2]的能力, 该技术能有效提高频谱利用率。在认知网络中往往存在多个频谱空穴供认知用户 (Secondary User, SU) 接入, 现有的频谱分配算法以达到最大化网络总效益为目标分配可用信道[3], 但未考虑信道性能对实际使用的影响。结合信道性能, 当前主要选择信道可用率最高的信道进行接入[4]。实际系统中, 由于主用户 (Primary User, PU) 接入的随机性, 在频谱分配后仍存在大量信道被主用户占用的可能性, 这时就要求认知用户执行中断或切换, 以适应信道的变化, 这无疑将影响认知用户使用已分配信道的连续性与可靠性。文献[5]提出SU通信链路维持的一般模型并分析其通信质量。文献[6]根据信道环境动态地进行频谱切换以保持SU通信的持续性。同时, 各种频谱切换技术也相应开始研究。少量的频谱切换可以提高SU链路质量, 但是频繁的频谱切换所导致的中断概率、切换延迟、丢包率等却是难以容忍的, 它将使整个系统性能下降[7]。因此SU需要侦测主用户的活动, 并选择一种能够有效降低系统频谱切换概率 (频谱切换概率是指频谱切换次数与通信次数的比值) 的信道决策方法。

本文首先使用ON-OFF模型建模授权信道的使用并给出统计参数表示, 然后提出一种用信道状态变化率衡量信道性能的方法, 最后提出利用CSGC (Color Sensitive Graph Coloring) [3]综合考虑信道性能的频谱分配算法, 该算法在考虑信道可用率的基础上对切换概率进行一定比例限制, 在网络吞吐量相同或相近情况下优先分配性能较好的信道, 以避免过多使用某些忙闲交替频繁的信道, 大幅降低系统的切换概率。

1授权信道使用模型及统计参数表示

用ON-OFF模型[4]建模主用户信道, 对每个信道m (m=0, 1, 2, …, M-1) , 都有“ON”和“OFF”两种状态, 分别记为状态“1”和“0”。“ON”状态为忙碌状态, 代表主用户正在使用该信道;“OFF”状态为空闲状态, 此时认知用户可以使用该信道进行数据传输。对于信道m, 用随机变量Ym (Xm) 表示ON (OFF) 状态持续时间, 假设ON (OFF) 状态持续时间在t时刻服从参数为λYm (t) (λXm (t) ) 的指数分布, t为感知时间点, 为书写方便, 用λYm (λXm) 简写之。假设P${}_{d{}_{1}d{}_2}^m$ (t) 为信道状态从d1变到d2的概率, (d1, d2) 共有四种不同的转移类型, 分别为 (0, 0) , (0, 1) , (1, 0) , (1, 1) , 形成一个连续时间马尔可夫链。根据马尔可夫链及更新理论[8]可得:

$\begin{array}{l}{\rm P}{}_{01}^m(t)=\frac{\lambda {}_{X{}^m}}{\lambda {}_{X{}^m}+\lambda {}_{Y{}^m}}-\frac{\lambda {}_{X{}^m}}{\lambda {}_{X{}^m}+\lambda {}_{Y{}^m}}\text{e}{}^{-(\lambda {}_{X{}^m}+\lambda {}_{Y{}^m})t}(1)\\ {\rm P}{}_{10}^m(t)=\frac{\lambda {}_{Y{}^m}}{\lambda {}_{X{}^m}+\lambda {}_{Y{}^m}}-\frac{\lambda {}_{Y{}^m}}{\lambda {}_{X{}^m}+\lambda {}_{Y{}^m}}\text{e}{}^{-(\lambda {}_{X{}^m}+\lambda {}_{Y{}^m})t}(2)\end{array}$

且有P${}_{00}^m$ (t) =1-P${}_{01}^m$ (t) , P${}_{11}^m$ (t) =1-P${}_{10}^m$ (t) 。

信道m的可用率为信道m处于OFF状态的概率, 由式 (1) 和式 (2) 可知:

$u{}^m=\frac{\lambda {}_{X{}^m}}{\lambda {}_{X{}^m}+\lambda {}_{Y{}^m}}=\frac{{\rm P}{}_{01}^m(t)}{{\rm P}{}_{01}^m(t)+{\rm P}{}_{10}^m(t)}(3)$

2考虑切换概率的信道性能描述

当前主要选择信道可用率um最高的信道进行接入, 一般来说um越高越适合SU接入使用, 但由于授权用户使用信道的时变性, um高但信道状态变化过于频繁的信道也不适合SU接入。图1给出了信道可用率相同但信道状态变化频繁程度不同的三个信道, 其中图1 (a) 所示信道的忙闲交替最频繁, 使用该信道时切换概率很高, 代价很大, 其次为图1 (b) 所示信道, 图1 (c) 所示信道最优。由此提出一种用信道状态变化率衡量信道性能的方法。在信道可用率相同或相近条件下对切换概率进行一定比例限制, 从而在信道决策过程中不至于盲目选择类似图1 (a) 和图1 (b) 所示的信道。

根据几何分布, 状态ON (OFF) 保持的次数服从参数为P${}_{01}^m$ (t) (P${}_{10}^m$ (t) ) 的几何分布, 用P${}_{01}^m$ (P${}_{10}^m$) 简写之。可供分配的信道须是主用户未使用的, 假设信道m的初始状态为OFF, 则第k次周期后主用户首次进入信道m的概率为 (1-P${}_{01}^m$) kP${}_{10}^m$。假设认知用户每次业务的服务时间服从参数为μ的指数分布, 当主用户从OFF转为ON时, 认知用户需将正在使用的信道交还给主用户, 即发生频谱切换。假设在第k个周期后主用户首次进入信道m时, 认知用户已经进行了t1时间的通信, 其中当t1=0时为认知用户新呼请求, 则在kT-t1时刻认知用户仍然没有结束通信的概率为∫∞kT-t1μe-μxdx, T为周期时长, 则在第k次周期认知用户发生频谱切换的概率为:

${\rm P}{}_{h{}_k}^m=(1-{\rm P}{}_{01}^m){}^k{\rm P}{}_{01}^m\cdot {\displaystyle {\int }_{k{\rm T}-t{}_1}^{\infty }\mu }\text{e}{}^{-\mu x}\text{d}x,k=1,2,\cdots ,\infty (4)$

认知用户使用信道m并发生切换的总切换概率为:

${\rm P}{}_h^m={\displaystyle \sum _{k=1}^{\infty }{\rm P}}{}_{h{}_k}^m(5)$

定义信道m的可用性参数wm为:

$w{}^m=\alpha \cdot u{}^m-\beta \cdot {\rm P}{}_h^m(6)$

式中:α, β分别为um和P${}_h^m$的权值, 即切换概率限制参数, 0≤α, β≤1。在信道可用率um的基础上加入一定切换概率P${}_h^m$的限制, 不仅能保证信道可用率, 而且能避免某些稳定性特别低的信道对系统性能的影响, 从而在频谱分配中分配更优的信道。

3结合信道性能的频谱分配算法

3.1 基本模型

一般的频谱分配模型[3]由可用频谱矩阵L、效益矩阵B、干扰矩阵C以及无干扰分配矩阵A描述。可用频谱矩阵$\mathit{L}=\{l{}_{n,m}|l{}_{n,m}\in \{0,1\}\}{}_{{\rm N}\times {\rm M}}‚l{}_{n,m}=1$表示认知用户n可以使用信道m, ln, m=0则表示不能使用。效益矩阵B={bn, m}N×M, bn, m表示认知用户n在信道m上获得的效益。干扰矩阵$\mathit{C}=\{c{}_{n,k,m}|c{}_{n,k,m}\in \{0,1\}\}{}_{{\rm N}\times {\rm N}\times {\rm M}}‚c{}_{n,k,m}=1$表示认知用户n和k同时使用信道m时会产生干扰, cn, k, m=0表示不产生干扰。无干扰分配矩阵$\mathit{A}=\{a{}_{n,m}|a{}_{n,m}\in \{0,1\}\}{}_{{\rm N}\times {\rm M}}‚a{}_{n,m}=1$表示信道m已经分配给用户n, an, m=0表示信道m没有分配给用户n。无干扰分配满足约束条件:an, m+ak, m≤1, cn, k, m=1, ∀0≤n, k≤N-1, 0≤m<M-1。其中总的可用信道为M, 认知用户为N, 可共享M个可用信道。

3.2 算法描述

认知无线电对频谱的使用不同于以往的静态划分, 认知网络往往需要很宽的频带范围, 该范围内可用频谱具有不同的性质, 即在某一分配周期内, 认知用户所分配得到的可用信道性能差异较大。因此不能单纯地将系统吞吐量作为惟一的分配效益量, 还应考虑授权信道的可用性效益。由此提出结合信道性能的分配目标函数, 并且提出一种利用CSGC综合考虑信道性能的频谱分配算法。

假设R为实际效益矩阵, R可以用信道性能参数wm比例加权效益矩阵表示:

$\mathit{R}=\{r{}_{n,m}|r{}_{n,m}=w{}^m\cdot b{}_{n,m}\}{}_{{\rm N}\times {\rm M}}(7)$

式中:rn, m表示认知用户n在信道m上获得的实际效益。R考虑了信道性能在频谱使用中的影响, 信道性能越好效益权重越高, 反之越低。基于以上分析, 提出结合信道性能的分配目标函数如下:

$U=\underset{\mathit{A}\in \Lambda (\mathit{L},\mathit{C}){}_{{\rm N},{\rm M}}}{{\displaystyle \max }}{\displaystyle \sum _{m=0}^{{\rm M}-1}{\displaystyle \sum _{n=0}^{{\rm N}-1}a}}{}_{n,m}\cdot r{}_{n,m}(8)$

式中:Λ (L, C) N, M表示无干扰频谱分配矩阵集合。

为实现式 (8) , 本文选用能使网络总效益最大化和协作式最大化的总带宽 (CMSB) [3]准则, 并利用CSGC进行频谱分配。设置:

$\begin{array}{l}\text{l}\text{a}\text{b}\text{e}\text{l}{}_n=\underset{m=0,1,2,\cdots ,{\rm M}-1}{{\displaystyle \max }}\left(\frac{b{}_{n,m}+\rho w{}^m}{D{}_{n,m}+1}\right)(9)\\ \text{c}\text{o}\text{l}\text{o}\text{r}{}_n=\arg \underset{m=0,1,2,\cdots ,{\rm M}-1}{{\displaystyle \max }}\left(\frac{b{}_{n,m}+\rho w{}^m}{D{}_{n,m}+1}\right)(10)\end{array}$

式中:ρ为信道性能对该信道优先分配的贡献量大小, 取ρ为实际效益的平均值;Dn, m表示信道m上与用户n有干扰的用户个数;labeln是用户n的标号值;colorn是用户n选择的信道。由式 (9) 和 (10) 看出, 在给SU做标志时用bn, m+ρwm值取代bn, m, 这样能使信道性能较好的优先得到分配。结合信道性能的频谱分配算法具体实现步骤如下:

(1) 计算Dn, m, labeln, colorn;

(2) 选择label最大的用户n*分配相应的信道m*, 将an*, m*置1;

(3) 更新实际效益矩阵R, 令rn*, m*=0;

(4) 设置步骤n*邻居用户的信道m*不可用, 更新L;

(5) 重复步骤 (1) ～ (4) , 直到R为全零矩阵, 得到A*;

(6) 计算实际总效益U。

4仿真分析

取M=10, N为3～8, T=100 ms, t1=0 ms, μ=0.5, 在仿真中每个信道随机生成500个P${}_{01}^m$, P${}_{10}^m$, 0≤P${}_{01}^m$, P${}_{10}^m$≤1, m=0, 1, 2, …, 9。图2 (a) 和 (b) 分别给出随机信道选择 (random) , 以及 (α, β) 分别为 (1, 0) , (0.8, 0.2) 情况下的切换概率及信道利用率, 切换概率及信道利用率均为100次试验取平均的值, 其中 (1, 0) 情况下只考虑信道可用率, (0.8, 0.2) 情况下对切换概率进行部分限制。由图2中可以看出, 随机信道选择方法信道利用率最低, 只考虑信道可用率的信道选择方法的信道利用率最高, 本文所选方法的信道利用率略低于前者, 但切换概率明显降低。

取M=10, N=10, 并随机生成一组wm, 且0≤wm≤1, m=0, 1, 2, …, 9, 取ρ=60, 进行50次拓扑试验, 每一次均随机产生不同的B, L, C, 进行30次分配累加, B, L, C根据文献[3]附录Ⅰ提供的伪码仿真产生。图3给出了本文提出的结合信道性能的频谱分配方法与未考虑信道性能的频谱分配方法的实际总效益, 从图3中可以看出, 本文方法的实际总效益高于未考虑信道性能的频谱分配方法。

5结论

提出了用信道状态变化率衡量信道性能的方法, 并在此基础上提出一种利用CSGC综合考虑信道性能的频谱分配算法。仿真表明, 该算法在降低切换概率的同时提高了实际总效益。

参考文献

[1]MITOLA J, MAGUIRE G Q.Cognitive radio:makingsoftware radios more rersonal[J].IEEE Personal Commu-nications, 1999, 6 (4) :13-18.

[2]AKYILDIZ I F, LEE W Y, VURAN M C, et al.Nextgeneration/dynamic spectrum access/cognitive radio wire-less networks:a survey[J].Computer Networks Journal, 2006, 50 (13) :2127-2159.

[3] ZHENG H T, PENG C Y. Collaboration and fairness in opportunistic spectrum access [C]//ICC 2005. Beijing: [s.n.], 2005: 3132-3136.

[4]KIM H, KANG G S.Adaptive MAC-layer sensing of spec-trum availability in cognitive radio networks[C]//RWS2007.Long Beach, CA, United States:University ofMichigan, 2007:1-5.

[5] WILLKOMM D, GROSS J, WOLISZ A. Reliable link maintenance in cognitive radio systems [C]//DySPAN 2005. Baltimore, MD: [s.n.], 2005: 371-378.

[6] LONG L, HOSSAIN E. OSA-MAC: A MAC protocol for opportunistic spectrum access in cognitive radio networks [C]//WCNC 2008. Las Vegas, United States: University of Waterloo, 2008: 1426-1430.

[7] BHANDARI V, VAIDYA N H. Connectivity and capacity of multi-channel wireless networks with channel switching constraints [C]//INFOCOM 2007. Anchorage, AK, United States: University of Illinois, 2007: 785-793.

信道分配技术 篇5

移动通信分为地面移动通信和卫星移动通信, 卫星移动通信又可分为星座移动通信和静止轨道卫星移动通信。人们对地面移动通信系统用户越区切换时信道分配策略的研究已经比较成熟, 而卫星移动通信系统信道分配策略的研究相对较少。GEO系统星地位置相对静止, 因而成为区域性通信的首选。针对GEO系统终端运行速度快、波束覆盖面积大等特点, 将移动通信的几种信道分配技术应用于该系统, 通过仿真来分析系统的性能。

1 系统模型

GEO系统同其他移动通信系统一样存在2种类型的呼叫, 即初始呼叫和切换呼叫。初始呼叫是终端需要通话时发起的呼叫;切换呼叫是当终端在通话过程中从一个区域移动到另一个区域时, 为了不使通话中断, 需要向新的服务区发起呼叫。切换呼叫的优先级高于初始呼叫, 所以移动通信系统在分配信道时要保证切换呼叫呼损率低于初始呼叫呼损率。

GEO系统一个显著的特点就是存在高速运行的终端, 终端高速运行时不轻易改变方向, 所以在模型中, 终端只有4个固定的运动方向, 确定了运动方向后, 在通话结束前不再改变。通话起始位置是随机的, 如图1所示。

为了分析系统的性能, 所以首先确定与系统性能密切相关的各个参数。

驻留时间是描述一个移动终端在一个波束内时间量的随机变量。驻留时间分为初始呼叫驻留时间Tns和切换呼叫驻留时间Ths。Tns是一个终端呼叫从发起到离开波束的时间长度, Ths表示一个从相邻波束切换过来的终端在该波束的驻留时间。假设终端在每个波束的平均驻留时间为Ts, Ts服从负指数分布, 均值为1/us, us=0.7182×v/R, v代表速度, R代表波束半径。

呼叫持续时间Tc是指一次呼叫完成所占有的时间。假设其服从均值为uc的负指数分布, 即:

f${}_{\text{Τ}}^{[\text{J}\text{X}-*3]\text{c}[JX*3]}$=ucexp (-uct) , (1)

uc=1/E[Tc]。 (2)

信道保持时间Th是指在一个波束内终端呼叫占用的时间, 信道保持时间通常等于或小于呼叫持续时间, 如式3所示。

Th=min[Tc, Ts]。 (3)

有了信道保持时间后, 就可以求出系统的平均呼叫离去率。由

P{Th≤t}=1-P{Tc>t}×P{Ts>t}, (4)

P{Th≤t}=1-e- (uc+us) t, t≥0, (5)

其概率密度函数为:

fTh (t) = (uc+us) exp[ (-uc-us) t], t≥0, (6)

均值为E[Th]=1/uh=1/ (uc+us) 。无论是切换呼叫还是初始呼叫, 当其在波束中的通话持续时间大于在该波束内的驻留时间时, 就会发生切换, 定义终端发生切换的概率为Ph:

Ph=P{Tc>Ts}=us/ (us+uc) 。 (7)

2技术方案

目前移动通信系统的信道分配方案主要有非优先切换方案、预留信道方案和排队方案。非优先方案是最基本的信道分配方案, 系统对初始呼叫和切换呼叫一视同仁。当没有信道可用时, 便形成呼损;预留信道方案将信道分为正常信道和预留信道, 正常信道为初始呼叫和切换呼叫所竞争, 而预留信道只服务于切换呼叫;排队方案不对信道进行分类, 当系统没有可用信道时, 新到达的切换呼叫可以排队等待系统分配信道, 在排队过程中, 切换呼叫无法立即接通, 且排队队列越长, 切换呼叫接通的等待时间就越长。

在上述几种信道分配方案中, 预留信道方案通过预留信道降低切换呼损率, 但却导致初始呼损率上升;排队方案通过排队机制降低切换呼损率, 却使切换呼叫产生一定的延迟。如果将预留信道方案与排队方案相结合, 即预留少量的信道同时又引入排队机制, 这样就不会导致初始呼叫呼损率过大, 并可以通过排队进一步降低切换呼损率。

3仿真分析

根据上述各种参数的推导, 结合以下参数设置, 通过仿真来分析系统的性能。

波束覆盖半径R:500 km;每个波束的信道数M:30条;MES在切换区驻留时间1/uq为信道保持时间1/uh的1/4;MES移动速度v:1 000 m/s;MES每次通话时长20 min。预留信道方案预留2条信道, 排队混合方案预留2条信道并且排队队列为10。

如图2所示, 非优先方案的初始呼损率最低, 切换呼损率最高;预留信道方案的切换呼损率较低, 但初始呼损率却较高, 因为信道的利用率降低了;排队混合方案的初始呼损率和预留信道方案是相同的, 它的切换呼损率是最低的, 因为在排队混合方案中, 切换呼叫除了可以参加排队之外, 还可以使用预留的信道。

预留不同的信道数对系统性能有很大影响, 如图3 (a) 所示, 预留信道越多, 系统性能越差, 因为预留信道不能被初始呼叫所使用, 降低了信道的利用率, 进而降低了系统容量。由图3 (b) 可见, 对于不同的队列长度, 初始呼叫的阻塞率几乎没有改变。因为初始呼叫不参与排队, 队列的大小和初始呼叫没有任何关系, 排队只是针对切换呼叫。对于切换呼叫, 当呼叫强度较低, 每小时少于20次时, 队列大小对系统性能影响不明显, 因为排队混合方案为切换呼叫预留了信道;当呼叫强度增大, 预留信道被全部占用, 切换呼叫开始参加排队。但并不是队列值越大, 系统可容纳的呼叫强度就越大, 当呼叫强度达到55次/h以上时, 队列大小对系统性能的影响同样不明显。当呼叫强度为30次/h, 预留2条信道, 队列大小为10的排队混合方案的切换呼损率和初始呼叫呼损率分别约为0.001和0.02, 而预留信道方案在保证切换呼损率为0.001时, 至少要预留5条信道, 而预留5条信道时的初始呼损率高达0.1, 显然排队混合方案比预留信道方案有更好的性能。

由图4可以看出终端的平均通话时长越长, 其阻塞概率就越大;平均通话时长越短, 系统可容纳的呼叫强度就越大。因为通话时长越长, 占用信道的时间就越长, 单位时间内被释放出来的空闲信道就越少, 降低了系统的容量。终端的平均移动速度与系统的性能也有密切的关系, 当终端平均运动速度大时, 发生切换的概率就越大。信道数目有限, 终端发生切换的概率变大, 单位时间内占用本波束信道的终端移出本波束的概率就会增大, 被释放出来的信道就会增加, 所以系统单位时间内可容纳的呼叫强度就会增加。

4结束语

通过仿真分析了GEO卫星移动通信系统的非优先方案、预留信道方案和排队混合方案3种信道分配方案下系统的性能, 并研究了终端通话时长和移动速度对系统性能的影响。从仿真结果可以看出, 单纯采用预留信道方案虽然降低了系统的切换呼损率, 但却提高了初始呼叫呼损率;排队混合方案在取得与预留信道方案同样的切换呼损率时, 可以获得更低的初始呼叫呼损率, 排队混合方案优于预留信道方案。

参考文献

[1]张更新, 张航.卫星移动通信系统[M].北京:人民邮电出版社, 2001:197-206.

[2]HONG D, RAPPAPORT S S.Traffic model and performance analysis for cellular mobile radio telephone systems with prioritized and non-prioritized handoff procedures[J].IEEE Transactions on Vehicular Technology.1986, 35:77-92.

[3]GUERIN R A.Channel occupancy time distribution in a cellular radio system[J].IEEE Transactions on Vehicular Technology.1986, 36 (3) :89-99.

信道分配技术 篇6

无线Mesh网络多接口多信道分配方案中,公共信道分配(CCA)是常见的分配方案[1,2]。该方案中,每个节点的射频端都分配相同信道,不能有效提高多信道的利用率。文献[3]根据Hyacinth架构提出了一种集中式的WMN信道分配算法,但该方案限定了路由模式为静态路由,应用场景有限。在此基础上提出了CAR-NL算法,通过采用节点优先级和链路分组的方法,保证了网络中流量集中区域的带宽需求,而且通过网关节点对网络信道质量的评估,提高了全网的整体容量,降低了链路间干扰。

1 系统模型

1.1 多接口WMN架构

Hyacinth无线Mesh网络架构如图1所示。图中,网关节点作为树型拓扑的根节点,承载网络中大部分流量的输入和输出,并负责对网络负载状况做出评估和分配方案,假设网关节点有足够能力来进行相关处理。Mesh路由节点负责汇聚和转发由终端节点上传的业务流量,起到负载均衡和多跳传输的作用。终端节点多用于业务流上传的发起者或者业务流反馈回来的接收者。

1.2 节点优先级评估

网关节点承载网络中大部分流量,作为树形拓扑的根节点,其优先级设为最高。其余节点优先级表示为:

$R(i)=\frac{A{\rm T}{}_i*{\rm N}}{{\rm M}{}_i*{\rm N}{\rm I}C{}_i}$。 (1)

式中,R(i)为节点i的优先级;ATi为节点i的总流量;Mi为节点i距离网关中心节点的最小跳数;NICi为节点i的网络接口数量;N为节点i的相邻节点数。

这样,流量承载负荷越大、距离网关节点跳数越小的节点优先级越高。这样的节点等级划分可以适应集中式无线Mesh网络架构的流量承载要求。

1.3 节点链路分组

文献[1,3]中指出了信道分配问题和图着色问题很类似,但是标准图着色算法无法解决一些实际场景中的限制问题。比如通过边着色公式无法解决节点的射频端数量有限的限制问题,因为每个节点对应的色彩数量应该不大于该节点的射频端数量。

通过按照优先级递减的顺序遍历节点,在当前节点所属的所有单跳链路中,选取该节点和优先级更低的节点组成的链路进行分组,分组数量(包括当前节点和优先级更高的节点组成的组)与该节点的射频端数量一致,以此来解决节点分配信道数量超过自身接口数量的矛盾,并且通过链路分组实现每个节点所属链路的信道分配只经过一次优化过程就可以达到最优,防止出现多次调整已分配方案以及由此引发的涟漪效应。分组按照链路中节点优先级和链路预期流量负荷为标准,将优先级高、预期流量负荷较大的链路单独分组,即给予更高的链路带宽。

1.4 链路负载和链路干扰

每个接入路由节点把自身的流入流出负载信息发送给网关节点,网关节点由此计算出端到端业务流对链路的占用比例。

传统的基于IEEE 802.11无线网络数据传输会受到路径内干扰和路径间干扰[4]。路径内干扰是指在发送节点载波侦听范围内同一时刻只能有一个节点进行接收,其余节点要保持空闲状态;路径间干扰是指不同链路中相邻节点发送或者接收信息时对对方造成的干扰。这些都会造成链路数据传输速率的降低和网络系统吞吐量的降低。减少这些干扰的有效手段就是调整不同链路在同一节点或者相邻近节点处的带宽分配,即通过评估链路负载,给不同业务流路径分配不同传输质量的信道,来保证不同带宽需求的业务流路径,达到高效利用有限带宽的目的。

2 信道分配设计和算法

2.1 负载评估

假设在传输范围内每一对Mesh路由节点都有直接的链路连接。网络的连接性由每个节点上分配的公共信道来保证,所有的控制信息均通过固定的公共信道来进行传输。首先计算出链路l的容量:

$C{}_l=\frac{Q*C{}_Q}{L{}_l}$。 (2)

式中,Cl为链路l的容量;Q为可用信道数量;CQ为每条信道的信道容量;Ll为链路l干扰范围内虚拟链路的数量。

然后计算出链路l的预期负载为:

$\text{ϕ}{}_{\text{l}}={\displaystyle \sum _{\text{s},\text{d}}\frac{\text{p}{}_{\text{l}}(\text{s},\text{d})}{\text{Ρ}(\text{s},\text{d})}}*\text{B}(\text{s},\text{d})$。 (3)

式中,对于节点对(s,d),ϕl为链路l预期负载;Pl(s,d)为节点对(s,d)间所有可行路径(Path)中通过链路l的数量;P(s,d)为节点对(s,d)间所有可行路径数量;B(s,d)为节点对(s,d)在业务流中预期的负载(所需带宽)。式(3)表明,链路的初始预期负载就是所有可行路径上的负载之和。

根据式(1)计算出每个节点的优先级,并根据节点优先级和预期负载通过遍历节点对所属链路进行分组。当可用分组数(即节点射频模块数量)大于节点链路数时,可以进行非重叠信道的均匀分配;反之则需要将负载较低的多条链路合并到相同分组中。

考虑到相邻链路间可能的信道干扰,在相邻链路分配相同信道时按照式(4)进行链路容量评估[3],

$\text{b}\text{w}{}_{\text{l}}=\frac{\text{ϕ}{}_{\text{l}}}{{\displaystyle {\sum }_{\text{j}\in \text{Ι}\text{n}\text{t}\text{f}(\text{l})}\text{ϕ}}\text{j}}*\text{C}$。 (4)

式中,bwl为链路l的评估容量;ϕl为链路l的预期负载;Intf(l)为链路l干扰范围内链路集合;C为理论信道容量。

如果相同信道上链路容量之和大于信道理论带宽时,则更换负载较低链路分配的信道来进行调整。

2.2 信道分配

节点优先级和节点链路分组完成后,首先对节点和链路进行降序排序,然后遍历节点依次为节点所属的链路进行信道分配。假设节点拥有射频模块数量为q,节点a和节点b通过链路l连接,会有以下2种情况:

① 节点a和节点b的已分配信道数量小于q,则从未分配信道列表里面选取负载最小的信道添加到节点a和节点b的已分配信道列表中;

② 有一个节点(假设节点a)已经分配了q条信道,b还有剩余链路组未分配信道,则从a中选取链路l所属组已分配的信道,分配给链路l。并且将信道添加到节点b的已分配信道列表中。

CAR-NL算法信道分配流程如图2所示。

3 仿真

使用NS2作为仿真平台进行CAR-NL算法信道分配方案的验证。使用带有RTS/CTS的 IEEE 802.11MAC协议,路由则采用AODV协议,主要通过CAR-NL算法和CCA算法在多信道多射频模块前提下进行无线Mesh网络的系统吞吐量和丢包率的比较。网络拓扑采用9节点矩阵网络结构。为了简化和产生模拟实验,将矩阵初始节点设为网关节点。每个信道的初始带宽设为1 M,业务流设为CBR类型,速率设定为300 kbit/s和600 kbit/s两种,每个节点最多的接口数设为3。节点水平和垂直间距为200 m,每个节点的接收范围小于节点两跳距离,同时又大于单跳距离。

对吞吐量和丢包率的仿真结果如图3和图4所示。在系统中有8个随机业务流时,单信道网络和CCA网络中的系统吞吐量明显低于CAR-NL网络吞吐量。表明当网络中业务流逐渐增大时,单信道网络系统容量由于多个业务流的干扰没有明显增长,而CAR-NL网络系统吞吐量则实现了较大的增长。与此同时,随着网络负载的增大,不同业务流间的干扰也在逐渐增大,但从整体上看,CAR-NL网络的丢包情况要明显好于前二者,同时,有2个业务流丢包极少,即通过信道的高效利用实现了降低干扰的目标。

4 结束语

在集中式无线Mesh网络基础上,分析了网络负载要求和链路间干扰,提出了信道分配改进算法,并通过仿真表明,该算法在保持较低丢包率的同时能有效提高网络整体吞吐量。集中式无线Mesh网络多信道分配算法的发展方向大多集中在反映网络拓扑和链路质量变化的动态自适应调整方面,对于无线Mesh网络性能的提高具有重要的意义。

参考文献

[1]HOSSAINE.无线Mesh网络架构与协议[M].易燕,李强,译.北京:机械工业出版社,2009:235-380.

[2]DRAVES R,PADHYE J,ZILL B.Routing in Multi-radio,Multi-hop Wireless Mesh Networks[C].MobiCom’04,2004:114-128.

[3]RANIWALAA,GOPALANK,CHIUEHT.Centralized Channel Assignment and Routing Algorithms for Multi-channel WirelessMesh Networks[J].ACM Mobile Computing andCommunications Review(MC2R),2004:50-65.

信道分配技术 篇7

关键词：正交频分复用,资源分配,信道聚合,遗传算法,速率最大化

正交频分 复用(OFDM)是一种多 载波数字 调制技术 , 其特点在 于多个子 载波在频 率维度上 可以相互 正交 、重叠,形成多个子信道,用于高速传递数据流 。 同时 ,OFDM系统能很 好地对抗 频率选择 性衰落和 窄带干扰 ,具有频谱 利用率高 、 资源分配 灵活 、 易扩展等 优点 , 被认为是4G网络通信 的核心技 术 , 已经得到 广泛应用 与研究 。

在OFDM技术中 , 如何合理 地资源分 配 , 提高系统 性能 ,已成为研 究热点 。 根据不同 的优化目 标 ,资源分配 问题分为 两种形式 :速率自适 应RA(Rate Adaptive)[1,2,3]问题和余 量自适应MA(Margin Adaptive)[4]问题 。 RA问题的目 标函数是 最大化系 统信道容 量 ,其限制条 件是总发 射功率一 定 ;MA问题一般 是从能量 有效性出 发 , 其目标函 数是最小 化系统总 发射功率 ,限制条件 一般设定 为用户速 率或误码 率低于预 定值[5]。 目前为止 , 采用相关 优化算法 求解RA问题 , 已经有一 些相应的 文献报道 。 文献 [1] 提出了基 于比例公 平的资源 分配算法 , 利用最优 的功率分 配算法来 实现用户 之间的资 源分配 。 然而 ,该算法利 用迭代法 求解优化 问题中 ,求解空间 和计算难 度均非常 大 。 文献[2]提出了一 种最大最 小化算法 。 然而 , 该算法是 在平均功 率分配的 基础上建 立的 ,忽略了信 道质量实 时变化的 特性 , 在实际应 用中具有 一定的局 限性 。 文献[3]利用注水 算法进行 功率分配 ,实现系统 最大容量 。 然而 ,该算法忽 略了用户 之间传输 速率的比 例公平性 ,同时获得 系统最优 解的计算 量较大 。

本文在分 析研究上 述各种RA问题求解 算法的基 础上 ,提出一种 基于信道 聚合的OFDM自适应资 源分配算 法 。 利用子载 波聚合分 配的思想 ,在子载波 分配过程 中 , 兼顾用户 速率比例 的公平性 ,将子载波 均匀地聚 合成多个 子载波组 ,分配给用 户 ,提高系统 容量 ,降低OFDM系统的峰 均比 (Peak to Average Power Ratio ,PAPR) 影响 , 有效地降 低计算复 杂度和获 得最优解 的计算时 间 。 在功率分 配过程中 , 基于遗传 策略 , 利用改进 的遗传算 法进行子 载波功率 分配 ,实现系统 总吞吐量 的最大化 。

1 系统 模型

假设OFDM系统总的 可用带宽 为B Hz,共有K个用户 ,L个子载波 , 不同的用 户之间不 能共用同 一个子载 波 ,以免发生 严重的干 扰 。 整个频带 被均匀地 划分为多 个子载波 , 即每个子 载波的带 宽为B/L Hz, 将子载波 均匀分组 , 分配给不 同的用户 。 OFDM系统中子 载波分组 的示意图 如图1所示 。 假定系统 的子载波 被分成N组 , 每组中有m=L/N个子载波 ,占用的带 宽为B/N Hz。 在一般情 况下 , 分配的子 载波数远 大于用户 数 , 因此假设 子载波的 组数N大于或等 于用户数K。

决策子载波分 配的是基 站 。 假定In代表任意 一组子载波 集合 ,n∈{1,2,…,N};其中 ,第k(k=1,… ,K)个用户在 第i个子载波 上的信道 加性高斯 白噪声为 σi ,k, 信道单位 冲击响应 为hi ,k, 第k个用户在 第i个子载波 上的发送 功率为pi ,k, 每个用户总的最大可用 功率为Pk。 由文献 [6] 可知 ,通过信道 聚合 ,第n组子载波 分配给第k个用户 , 其等效信噪比SNR(Signed-to-Noise Ratio)为rn ,k, 即 :

在迫零均 衡器 (Zero -Forcing equalization) 的帮助下 , 将子载波 聚合在一 起 , 有效地利 用子载波 之间的相 关性 ,降低OFDM系统中信 号接收时PAPR的影响 。 同时 , 可以减小 传输时延 损耗 。 由香农定 理可得 ,当用户k占据第n组子载波 时 ,所得到的 信道容量 为 :

设在一个 时隙内 , 假定每组 子载波只 分配给一 个用户 ,则系统总 的容量为 :

式中 ,ωn , k用来判断 子载波n是否分配 给用户k,若是则 ωn , k= 1 , 否则 ωn , k= 0 。 可以得到 子载波分 配矩阵 :

根据假定 每组子载 波只分配 给一个用 户 , 可以得出 子载波组 分配矩阵 满足如下 的关系 :

由文献 [7] 的分析可 知 , 采用子载 波聚合分 配方式 , 可以将子 载波均匀 地聚合起 来 ,分配给用 户 。 当数据进 行传输时,由于子载波组内的子载波 频率是连 续的 ,这使得在 组内部传 输的数据 能更加高 效地对抗PAPR的影响 。 同时 ,通过合理 的分组 ,可以大幅 提高子载 波分配的 速度,有效地降低计算复杂度和获得最优解的计算时间。

根据RA准则 ,假定网络 是饱和的 ,即每个用 户都有大 量的数据 需要进行 传输 ,系统信道 的总容量 等于所有 用户容量 之和 ,其中每个 用户的容 量为已分 配给该用 户的所有 子载波的 容量之和 。 基于以上 分析 ,优化问题 可表示为 :

约束条件 如下 :

在以上约 束条件中 ,式(7)表示各个 用户子载 波上总传 输功率不 能超过用 户本身限 定的总功 率值 ;式(8)表示各个 子载波上 的功率值 需要大于 等于0; 式 (9) 和式 (10) 表示每个 子载波只 能被一个 用户使用 ; 式 (11) 是为了保 证用户之 间资源分 配的公平 性 ,其中 θ1, … , θk是预先设 定的比例 值 。

根据RA优化问题 建立的数 学模型 , 可以看出 自变量包 含连续变 量和离散 变量 , 且限制条 件很多 , 因此求解 过程计算 量很大且 复杂度很 高 , 很难快速 找到最优 解 。 为此 ,为了降低 优化问题 难度 ,本文采用 两步法 ,先进行子 载波分配 。 再进行功 率分配 ,这样在优 化过程中 能有效地 减少变量 数目 ,大幅降低 求解的复 杂度 。

2 分步优化资源分配算法

2 . 1 子 载 波 分 配

目前 ,OFDM的资源分 配算法普 遍的问题 特点是求 解空间大 、 计算量大 且计算复 杂度高 , 导致很难 提出最优 的分配方 案 。 综合考虑 ,本文采用 一种新的 思路 ,在对子载 波分配之 前 ,采用分组 的方式将 子载波均 匀组合在 一起 , 并且把每 组子载波 看成是可 分配的最 小单元 ,优化分配 给每个用 户 。 一组子载 波仅能分 配给一个 用户 , 但单个用 户可以获 得多组子 载波 。

首先 , 假定已知 各个子载 波上的传 输功率 , 每个用户 在子载波 上的传输 功率是一 致的 ,则每个用 户之间分 配获得子 载波数比 例与用户 的速率比 例公平性 系数近似相等 。 当第k个用户分 配的子载 波个数为N'k, 即有N'1: N'2… N'k= θ1: θ2… θk。 然后确定 哪组子载 波分配给 哪个用户 , 分配方法 的目标函 数是使系 统性能损 失最小 , 最终得出 每个用户 分配的子 载波组数 和子载波 集合 。 在本文中 , 由于分配 前将子载 波进行等 距离的分 组 , 可分配的 子载波组 数已经大 幅度降低 。 因此 ,本文假定 各个子载 波上的传 输功率恒 定 ,然后以一 维穷举的 方式完成 子载波组 分配 。

2 . 2 基 于 遗 传 算 法 的 功 率 分 配

遗传算法[8]是在借鉴 自然进化 论和遗传 学说的基 础上 ,模仿自然 选择和生 物计划机 制发展起 来的迭代 自适应概 率性搜索 算法 ,其主要特 点在于模 仿自然界 生物进化 机制 ,不依赖于 梯度信息 便可在较 大的参数 空间内获 得全局最 优解 。 本文在对 各个用户 的子载波 分配完成 之后 ,利用改进 的遗传算 法对各个 用户在2.1节所得到 的子载波 进行功率 分配 ,具体过程 描述如下 :

根据上一 节子载波 组分配完 成的结果 , 用户k的子载波 功率分配 问题可以 简化为

其中 ,

式中 ,rn , k是一个关 于变量pi , k的函数 。 利用改进 的遗传算法对上 述优化问 题进行求 解 ,具体的分 配原理如 下 :

( 1 ) 编码 : 随机产生 一个具有 多个元素 的数列 , 其数列的 元素为基 因 , 代表一个 子载波的 功率值 , 取值范围 为[0,1],称一个数 列为个体 , 每个个体 都代表优 化问题的 一种解 。

(2) 种群初始化 : 随机产生M个个体 , 构成初始种群 。

(3) 计算个体适应度 : 将每个用户分配得到的 子载波 , 根据目标 函数公式 计算得出 用户的总 速率 ,总速率的 值作为个 体的适应 度值 。 若某个用 户的子载 波所对应 的个体中 基因的功 率之和大 于该用户 总的发射 功率 ,那么该个 体的适应 度等于种 群中个体 最小的适 应度 ,将种群中 所有个体 的适应度 升序排列 ,把种群中 适应度最 好的个体 保存起来 。

( 4 ) 选择 : 利用轮盘 赌法 , 即基于适 应度比例 的选择策 略 ,第j(j=1…M)个个体被 选中的概 率为第j个个体的 适应度与 所有个体 适应度和 之比 , 选出M个个体 , 组成交配 对 。

( 5 ) 交叉 : 设种群初 始交叉概 率为pc = 0 . 7 。 在交配对 所形成种 群中剔出 要变异的 个体和最 好的个体 ,对其余个 体进行两 两对应基 因随机交 叉产生新 的个体 ,两两交叉 后 ,把最好的 个体放入 种群中 。

( 6 ) 变异 : 设种群初 始变异概 率为pm = 0 . 01 。 根据种群 初始设定 的交叉概 率 ,使用随机 变异方式 产生新的 个体 ,每隔10代随机变 异个体数 就减1,直到为0,种群经过 选择 、交叉 、变异运算 之后 ,形成下一 代种群 。

( 7 ) 返回步骤 ( 3 ) : 重复迭代 , 直到个体 的最大适 应度的变 化差值低 于预定的 最小值 ,最后输出 用户间最 优的功率 分配及系 统的总速 率 。 整个算法 流程见图2。

3 仿真 分析

为了验证 本文提出 的自适应 资源分配 算法的性 能 , 进行以下 仿真分析 。 设定系统 的可用总 带宽为1 MHz, 子载波数 为64, 将其分成16组 , 每组子载 波数目为4, 共有8个用户 , 用户的速 率比例系 数暂定为4:4:2:2:1: 1 : 1 : 1 , 该速率比 值可根据 用户实际 的需要进 行调整 。 根据实际 情况的特 点 ,设定所有 用户的最 大限制功 率都相等 ,即Pk相等 。 通过仿真 将其与在 子载波不 分组的情 况下利用 遗传算法 求解的资 源分配算 法 (简称为不 分组的遗 传算法 )、等功率分 配算法进 行比较 。

图3为用户限 制功率值Pk= 1 W时 , 本文提出 的算法与 不分组的 遗传算法 适应度函 数值进行 比较 。 由图可知 , 在寻求最 大适应度 函数值的 过程中 , 与不分组 的遗传算 法相比 ,本文提出 的算法明 显减少了 遗传算法 的迭代次 数 , 提高了算 法的收敛 速度 , 同时本文 算法获得 最大适应 度函数值 明显大于 不分组的 遗传算法 ,提高了约0 . 2 。

图4表示的是 当用户总 的限制功 率值从1 W~10 W变化时 , 本文提出 的算法与 不分组的 遗传算法 、 等功率分配算法 的系统总 速率的比 较情况 。 由图可知 ,随着用户 限制功率 值的不断 增大 ,本文算法 获得的系 统总速率 值始终比 不分组的 遗传算法 、等功率算 法高 。 这是因为 在本文所 提的算法 中 ,子载波被 分组之后 再进行资 源分配 、 遗传算法 求解时 , 其面对的 优化问题 的解空间 得到有效 减少 ,算法更容 易逼近最 优解 。 同时 ,分组的进 行使得OFDM系统间PAPR降低 ,有效地提 高了系统 性能 。

4 结束 语