一種面向系統(tǒng)公平性的頻譜資源分配方法

郭建立，周滇蘇，劉 剛，趙海洋

(1.通信網信息傳輸與分發(fā)技術重點實驗室，河北 石家莊 050081；2.中國人民解放軍63963部隊，北京 100072；3.燕山大學 河北省測試計量技術及儀器重點實驗室，河北 秦皇島 066004)

?

一種面向系統(tǒng)公平性的頻譜資源分配方法

郭建立1，周滇蘇2，劉 剛3，趙海洋3

(1.通信網信息傳輸與分發(fā)技術重點實驗室，河北 石家莊 050081；2.中國人民解放軍63963部隊，北京 100072；3.燕山大學 河北省測試計量技術及儀器重點實驗室，河北 秦皇島 066004)

針對認知無線網絡頻譜分配過程中公平性和全局優(yōu)化問題，提出了一種面向網絡系統(tǒng)公平的頻譜分配方法，以系統(tǒng)公平性為目標函數，基于認知無線網絡的特性及改進的量子遺傳算法，將頻譜分配模型中的分配矩陣與改進量子遺傳算法中的可行解相對應，在保證系統(tǒng)公平性的同時，避免了局部最優(yōu)現(xiàn)象的出現(xiàn)。仿真結果表明，該算法能更好地實現(xiàn)網絡效益最大化和系統(tǒng)公平性。

認知無線網絡；頻譜分配；量子遺傳算法；系統(tǒng)公平性

0 引言

隨著無線通信業(yè)務的飛速發(fā)展，無線頻譜資源稀缺的問題變得十分嚴重。為了提高頻譜資源的利用效率，解決頻譜利用不均衡問題，Joseph Mitola在軟件無線電的基礎上進一步提出了認知無線電(Cognitive Radio,CR)的概念[1-3]。認知無線電的提出為解決頻譜資源緊缺的問題提供了一種有效的途徑，它提高了頻譜利用率和頻譜分配的質量，緩解了頻譜資源短缺的壓力[4-6]。認知無線網絡環(huán)境中，由于頻譜信息的動態(tài)變化特性，頻譜分配算法必須同時滿足靈活性和實時性的要求?，F(xiàn)有的動態(tài)頻譜分配方法主要包括拍賣理論[7-8]、博弈論[9-10]和圖論著色[11]等方法，其中，由于圖論著色方法的靈活高效特點，已經得到頻譜分配研究人員的高度重視。文獻[12]提出了一種頻譜分配模型以及基于圖論著色理論的頻譜分配方法，但該方法存在不公平性以及時間開銷較大等問題。文獻[13]提出了基于遺傳算法的頻譜分配算法，通過選擇高適應度的個體來淘汰適應度低的個體進行遺傳操作，從而形成新一代種群并持續(xù)執(zhí)行，該方法雖然在網絡效益性能上優(yōu)于經典算法，但是容易陷入局部最優(yōu)困境。文獻[14-16]提出了基于粒子群優(yōu)化(PSO)算法的頻譜分配方法，目的是實現(xiàn)最大化網絡效益和認知用戶之間的公平性。此外，文獻[17]提出了基于量子遺傳(QGA)算法的頻譜分配方法，用于提高頻譜分配時的尋優(yōu)能力和收斂速度，但是，沒有解決容易陷入局部最優(yōu)的缺點。

本文提出了面向節(jié)點公平的頻譜分配模型，采用了通過混沌搜索方法增加初始種群的多樣性的改進的量子遺傳算法[18]，并以網絡系統(tǒng)公平性為目標函數，將頻譜分配模型中的分配矩陣與改進量子遺傳算法中的可行解相對應，在保證公平性的同時，避免了局部最優(yōu)問題的出現(xiàn)。

1 系統(tǒng)模型

基于經典量子遺傳算法的頻譜分配過程，從干擾約束矩陣的定義可以看出當2個認知用戶競爭同一信道時，算法通過隨機數(rand)來決定信道的歸屬，以此來滿足干擾約束矩陣C。依據該規(guī)則完成的干擾約束過程存在盲目性，不利于提高網絡效益以及認知用戶之間的公平性。

將量子遺傳算法應用于頻譜分配需確定其編碼方式及效用函數。頻譜分配算法中，每個染色體經過測量后得到的二進制串結果表示了一種可能的頻譜分配方案。為提高算法執(zhí)行效率，僅將與F中值為1的元素位置相對應的矩陣A中的元素提取出來，并與由染色體得到的二進制串相對應。如圖1所示，圖中N=4，M=5，則染色體的位數為20位，僅將L中為1的元素進行編碼，則能夠顯著降低計算復雜度。

圖1 二進制編碼結構

為使認知用戶之間滿足一定的公平性，本文以系統(tǒng)公平性F(R)作為頻譜分配的目標函數，即給定某一無干擾分配矩陣，用戶n獲得的總效益為：

(1)

令Λ(F,C)N,M表示無干擾頻譜分配集合，則：

(2)

2 頻譜分配算法實現(xiàn)

基于上述系統(tǒng)模型，根據改進量子遺傳算法的處理流程，面向網絡系統(tǒng)公平性的頻譜分配算法(IQGA)實施如下：

④ 對P(t)進行適應度評價，將P(t)中的最優(yōu)解保存至效益矩陣B(t)；

⑥ 評價P(t+1)，并將P(t+1)和B(t)中最優(yōu)解保存至B(t)；

⑦ 若達到最大進化次數，將最優(yōu)解映射為無干擾分配矩陣A的形式，即得到了最佳頻譜分配方案；否則，至⑤繼續(xù)下一循環(huán)的執(zhí)行。

3 仿真分析

為驗證提出的無線網絡頻譜分配模型的有效性，本節(jié)用IQGA算法、PSO算法、CGSG算法和QGA算法的頻譜分配結果進行對比分析。為了便于比較，在所有仿真試驗中所有智能算法的種群規(guī)模和終止迭代次數均相同。

認知用戶N=10、信道數M=10、授權用戶K=10，進化代數g=200時，各算法的網絡系統(tǒng)的比例公平性如圖2所示。從圖中可以看出，IQGA算法進化到40代時系統(tǒng)的公平性基本穩(wěn)定，而QGA算法和PSO算法分別需要60～80代，即相比于其他算法，IQGA算法可以很快地使網絡系統(tǒng)的公平性達到穩(wěn)定。從最終系統(tǒng)的公平性的數值來看，IQGA算法的值最大，PSO和QGA算法相差不多，CSGS算法的值最小。本文提出的對干擾約束項的改進，使得系統(tǒng)應用IQGA算法時可以在不損害系統(tǒng)整體帶寬的情況下，認知用戶之間滿足一定的公平性。

圖2 基于CMPF準則頻譜分配算法性能比較

認知用戶N=20、授權用戶K=20、進化代數g=200、信道M從10～30時，4種算法系統(tǒng)公平性的比較如圖3所示。從圖中可以看到應用IQGA算法網絡系統(tǒng)的公平性在認知用戶數目發(fā)生變化的情況下表現(xiàn)比其他3種算法優(yōu)秀。在認知用戶和授權用戶數目一定的情況下，認知用戶對信道的競爭程度與信道的數目成正比，這是因為可用信道數量增多，認知用戶的競爭也會隨之減少。QGA算法和PSO算法系統(tǒng)的公平性根據信道數目增長成線性增長，兩者仿真結果差不多；CSGS算法在信道數目小于認知用戶數目時公平性極差，但在信道數目大于認知用戶數目情況系統(tǒng)的公平性要比QGA算法和PSO算法好；IQGA算法與QGA算法和PSO算法的差距隨著信道數目的增多而增大。仿真結果表明在一定進化代數情況下，在處理多用戶之間的公平性問題方面，IQGA算法比QGA算法和PSO算法性能要好。

圖3 基于CMPF準則網絡公平性與信道數關系

4 結束語

基于認知無線網絡的特性及改進的量子遺傳算法，提出了面向系統(tǒng)公平的頻譜分配算法。在染色體初始化時結合頻譜分配在短時間內變化緩慢的特點引入混沌搜索的方法，解決陷入局部最優(yōu)解的問題，并通過系統(tǒng)公平性約束提高頻譜分配的公平。仿真試驗結果表明，相對于其他經典演化算法，本算法在各種頻譜分配需求下都能有效地提高認知無線網絡系統(tǒng)的網絡效益和公平性，具有良好的適應性。

[1] Mitola J. Cognitive Radio: Making Software Radios More Personal [J]. IEEE.Personal Communications. August 1999 ，6(4):13-18.

[2] Haykin S. Cognitive Radio: Brain-Empowered Wirelesscommunications[J]. IEEE Journal on Selected Areas in Communications,2005,23(2):201-220.

[3] Akyildiz I F,Lee W Y,Vuran M C,et al. Next Generation/dynamic Spectrum Access/cognitive Radio Wireless Networks: A Survey[J]. Computer Networks,2006,50(13):2127-2159.

[4] Lin F,Hu Z,Qiu R C,et al.A Combination of Quickest Detection with Oracle Approximating Shrinkage Estimation and its Application to Spectrum Sensing in Cognitive Radio[C]∥ MILCOM 2012-2012 IEEE Military Communications Conference. IEEE,2012: 1-6.

[5] 徐聰,張永杰. 認知無線電中頻譜資源分配方法研究[J]. 無線電工程,2014,44(7):28-31.

[6] 黃川. 認知無線網絡中頻譜檢測機制及頻譜資源分配研究[D]. 南京: 南京郵電大學,2011.

[7] Teng Y,Zhang Y,Niu F,et al. Reinforcement Learning Based Auction Algorithm for Dynamic Spectrum Access in Cognitive Radio Networks[C]∥ Vehicular Technology Conference Fall. IEEE,2010:1-5.

[8] 張文柱,王凌云.基于單頻段多贏家拍賣的動態(tài)頻譜分配[J].通信學報,2012,33(2): 1-6.

[9] Ji Z,Liu K J R. Belief-assisted Pricing for Dynamic Spectrum Allocation in Wireless Networks with Selfish Users[C]∥Sensor and Ad Hoc Communications and Networks. Reston: IEEE Press,2006,1: 119-127.

[10]倪秋芬.基于博弈論的認知無線電網絡頻譜分配研究[J]. 計算機與數字工程,2016,44(1): 95-99.

[11]王曉飛,陳岳兵,張希,等. 基于免疫克隆選擇的認知無線網絡頻譜分配研究[J]. 電子與信息學報,2011,33(7): 1561-1567.

[12]Peng C,Zheng H,Zhao B Y. Utilization and Fairness in Spectrum Assignment for Opportunistic Spectrum Access[J]. Mobile Networks and Applications,2006,11(4):555-576.

[13]Newman T R,Rajbanshi R,Wyglinski A M,et al. Population Adaptation for Genetic Algorithm-based Cognitive Radios[C]∥ International Conference on Cognitive Radio Oriented Wireless Networks and Communications,2007. Crowncom. IEEE,2007:279-284.

[14]Zhang B,Hu K,Zhu Y. Spectrum Allocation in Cognitive Radio Networks Using Swarm Intelligence[C]∥ International Conference on Communication Software and Networks. IEEE,2010:8-12.

[15]喬思寧,孫學斌,周正.基于改進離散粒子群算法的認知無線電頻譜分配[J].無線電工程,2015,45(3):72-76.

[16]林培培,楊鐵軍.基于遺傳粒子群的認知無線電頻譜分配[J].無線電工程,2014,44(9):12-15.

[17]Zhao Z,Peng Z,Zheng S,et al.Cognitive Radio Spectrum Allocation Using Evolutionary Algorithms[J]. IEEE Transactions on Wireless Communications,2009,8(9): 4421-4425.

[18]王竹榮,楊波,呂興朝,等.一種改進的量子遺傳算法研究[J]. 西安理工大學學報，2012,28(2):145-151.

[19]傅德勝,張蓉. 一種改進的量子遺傳算法研究[J]. 計算機仿真,2013,30(12):321-325.

A Spectrum Resource Allocation Method for System Fairness

GUO Jian-li1,ZHOU Dian-su2,LIU Gang3,ZHAO Hai-yang3

(1.State Key Lab of Information Transmission and Distribution in Communication Networks,Shijiazhuang Hebei 050081,China; 2. Unit 63963,PLA,Beijing 100072,China; 3. State Key Laboratory of Measurement Technology and Instrumentation of Hebei Province,Yanshan University,Qinhuangdao Hebei 066004,China)

In view of the fairness and global optimization in the process of spectrum allocation in cognitive radio networks,this paper proposes a new spectrum allocation method considering the fairness of network system. Based the characteristics of cognitive radio networks and improved quantum genetic algorithm,the new method uses the system fairness as objective function,and corresponding the allocation matrix in the spectrum allocation model with the feasible solution in the improved quantum genetic algorithm. While guaranteeing the fairness of the system,the phenomenon of local optimization is avoided. Simulation results show that the proposed algorithm can achieve maximum network efficiency and system fairness.

cognitive radio networks; spectrum allocation; quantum genetic algorithm; system fairness

2017-06-08

河北省自然科學基金項目(F2015203291)

郭建立(1980―),男,高級工程師,主要研究方向:無線自組織網絡、認知網絡等。周滇蘇(1966―),男,高級工程師,主要研究方向:裝備指揮自動化、軍事通信技術。

10. 3969/j.issn. 1003-3114. 2017.05.08

郭建立，周滇蘇，劉剛，等. 一種面向系統(tǒng)公平性的頻譜資源分配方法[J].無線電通信技術,2017,43(5): 35-37,85.

[GUO Jianli,ZHOU Diansu,LIU Gang,et al. A Spectrum Resource Allocation Method for System Fairness[J].Radio Communications Technology,2017,43(5):35-37,85.]

TN927

A

1003-3114(2017)05-35-3