对机器的网络认知频谱分配算法

文摘

小说aggregation-based频谱分配算法,提出了机器的(CM2M)认知网络。介绍算法需要实际的约束包括干扰授权用户(逻辑单元),同信道干扰(CCI) CM2M设备,和最大聚合跨度(MAS)考虑在内。清楚地仿真结果表明,该算法优于最先进的(SOTA)算法的频谱利用率和网络容量。此外,该算法的收敛性分析验证其高收敛速度。

1。介绍

今天,世界上大约有40亿M2M设备,而在2022年,预计将达到500亿1]。根据思科系统,目前单一M2M设备可以生成尽可能多的交通3基本功能手机;此外,新兴应用程序和服务的M2M网络预计将增加人均交通设备从70 MB每月2018年至2014年的每月366 MB (2]。因为设备的数量的增长率和高数据流量的需求,未来的M2M网络将面临许多挑战,特别是在所谓的频谱稀缺问题。

介绍了认知无线电(CR)作为一个有前途的解决方案来解决频谱稀缺问题M2M网络。CR已经成为无线通信中最深入研究范式。在CR,未经授权的用户利用CR技术主义式的访问授权频谱只要干扰逻辑单元是保持在一个可接受的水平3]。许多M2M应用程序(如智能电网、医疗和汽车停车)可以受益于CR和M2M通信的结合1]。CM2M网络可以提高频谱利用率和能源效率在M2M网络(4]。CM2M设备可以与无线电环境交互执行光谱传感或访问光谱数据库或他们两人来检测频谱机会(4]。感应后,CM2M设备利用发现的未使用的频谱根据设备需求。

此外,电视乐队(甚高频/超高频),高度有利的传播特性,通常保留广播。但在从模拟广播电视系统过渡到数字,大量的电视频道(也称为电视空白(TVWS))释放和未使用的。2010年9月,美国联邦通信委员会(FCC)发布的重要规则,使未经授权使用TVWS宽带无线设备。不幸的是,由于频谱碎片和由于低效的指挥和控制频谱管理方法,连续宽段TVWS是罕见的在许多国家包括英国。

CM2M网络,可以知道它的无线环境中,聚合窄谱的机会成为可能。频谱聚合为CM2M设备提供更广泛的带宽和更高的吞吐量。CM2M设备可以访问的不连续部分TVWS同时通过不连续的正交频分复用(DOFDM) [5,6]。

DOFDM是OFDM的多载波调制技术,是一种变体用于聚合不连续段的频谱。OFDM和DOFDM之间的主要区别是开/关副载波信息块(7]。多谱段可以被其他CM2M设备或逻辑单元。因此,这些副载波CM2M设备(都是被禁止的6]。因此,为了避免干扰其他传输,副载波在他们的附近是CM2M设备关闭,无法使用,如图1。此外,可用(可用)副载波位于光谱的空置的部分,这是由频谱代理。

频谱聚合是最重要的一个LTE-advanced在LTE技术从物理层角度和标准化(8]。然而,尽管标准化的频谱聚合,也尚未开发优化频谱聚合利用CR M2M技术网络。有有限的文献上可用频谱分配CM2M设备之间有频谱聚合功能。

在[9),一个Aggregation-Aware频谱分配算法(AASAA)提出了聚合离散频谱碎片贪婪的方式。该算法在9)利用第一个可用的聚合范围从低频率和假设所有用户都具有相同的带宽要求。

黄等。10)提出了一种基于预测的频谱聚合计划增加产能,减少重新分配开销。该方案被称为最大满意度算法(MSA)频谱分配。主要的思想是为用户提供更大的带宽分配频谱需求第一,其他用户留下更好的光谱带,而考虑到不同的用户带宽需求和信道状态统计数据。然而,MSA并不提高频谱利用率通过重用范围内未经授权的网络;也就是说,CCI在MSA是被忽视的。

最近,遗传算法(GA)用于频谱分配(11]。你们et al。11]介绍了一个基于GA在CR网络频谱分配;但频谱聚合能力的用户是不考虑。

CM2M网络,现有的频谱分配和聚合直接等实际问题的解决方案不适用跨度最大聚合(MAS)必须被考虑。此外,在aggregation-based频谱分配之间的一个重大挑战是管理CCI CM2M设备不考虑在现有文献。本研究的主要贡献是双重的。(1)防止多个CM2M设备碰撞在光谱的重叠部分,中央集权的方法是应用。此外,一个整数单元吞吐量最大化优化问题是制定,考虑CCI和MAS aggregation-aware CM2M网络。(2)的频谱分配问题本质上是被视为一个np难优化问题,进化的方法可以应用于解决这一具有挑战性的问题。在这篇文章中,遗传算法是用来解决aggregation-aware频谱分配,因为它简单,鲁棒性和快速收敛的算法(12]。本文组织如下。节2频谱分配和聚合模型。该算法在部分说明3。仿真结果讨论了部分4,紧随其后的是结论部分5。

2。系统模型

2.1。频谱分配模型

我们假设一个CM2M网络组成的CM2M设备定义为争夺不重叠的正交通道在上行。所有频谱分配和访问程序由一个中心控制实体被称为光谱代理。我们假设分布式传感机制和测量由每个设备转发到频谱代理(13]。频谱占用地图构建的频谱之间的代理和CCI CM2M设备决定。此外,代理可以租赁单个或多个渠道在一个有限地理区域一定的时间。最后,一个基站可以传输数据在分配的渠道。图2本文描述了系统模型中使用。

我们定义的通道可用性矩阵作为一个二进制矩阵表示信道可用性当且仅当可用于和否则。每一个与一组可用的通道在其位置定义为;也就是说,。由于不同的干扰范围的每个陆(这取决于陆的传输能力和物理距离)在每个CM2M装置的位置,不同的CM2M设备可能不同(14]。根据共享协议,任何可以重用的一组CM2M设备定义的附近吗这样,如果CM2M设备所在的逻辑单元范围外的干扰;也就是说,。

约束矩阵的干扰是一个二进制矩阵代表CM2M设备之间的干扰约束如果和会相互干扰,否则。应该注意的是,,。的价值取决于之间的距离和。还取决于干扰限制功率和传输规则在不同的频段差异很大。所有CM2M设备的带宽需求是不同的,因为不同的每个设备的服务质量要求。我们定义作为设备请求的带宽向量,代表带宽的需求。

在动态环境中,通道可用性和干涉约束矩阵不断变化;在这项研究中,我们假设频谱可用性是在每个调度时段静态或变化缓慢;也就是说,所有矩阵调度期间保持不变。在我们建议的解决方案的一个子集,CM2M设备预计在每个时间段和可用的频谱分配其中而不造成干扰逻辑单元。

2.2。频谱聚合模型

在传统的频谱分配,每个通道由一个连续谱碎片;从而为用户利用是不可行的小频谱碎片小于用户带宽需求。例如,假设一个CM2M网络,每台机器需要4 MHz信道带宽,和可用的频谱包含两个谱4 MHz的碎片和四个谱2 MHz(图的碎片3)。连续频谱分配,2 MHz频谱碎片无法利用的任何机器。因此,连续光谱分配模式只能支持两个设备通信()。然而,光谱aggregation-enabled设备可以利用分散的频谱通过使用专门的空中接口技术,如DOFDM。在图3,如果一些小频谱碎片聚合为更广泛的渠道,然后16兆赫的未使用的频谱可以支持四个CM2M设备()。

由于射频前端的聚合功能有限,只有渠道驻留在MAS范围内可以聚合。随着这个约束,一些频谱碎片可能不是聚合因为他们的跨度大于马斯。我们的算法考虑马斯。为了简单起见,我们做出以下假设。(1)所有CM2M设备(即有相同的聚合功能。马斯,所有设备都是一样的)。(2)防护频带相邻通道被忽视。(3)每个通道的带宽要求,每个设备和带宽是一个整数倍数的子通道带宽带宽的最小单位(事实上,较小的碎片将需求过度过滤限制相邻信道干扰);也就是说, 在哪里自然数的集合,请求的子信道的数量吗,子信道的数量吗,的带宽。

总的可用频谱(例如,渠道)被细分为多个数量的子信道。如果可用的频谱带组成子信道(即。,来tal available bandwidth is),然后 在哪里有子信道,代表了子通道的。每一个可以在一个时间间隔定义为,在那里和的最低和最高频率吗: 基于这种新的子通道索引、矩阵和可以写成 如果 在哪里表示索引中的每个子通道可用的频谱。

子通道分配矩阵是一个二进制矩阵代表子信道分配给CM2M设备等聚合当且仅当子通道可用于和否则。我们定义奖励向量代表总带宽分配给每个CM2M设备在调度时间对于一个给定的子通道的任务。

3所示。问题公式化

3.1。优化问题

部署的关键目标之一CM2M网络是提高频谱利用率。考虑这个重要的目标,我们定义网络利用率最大化的总带宽分配给CM2M设备和被称为最大化回报的总和(MSR): 最大化频谱聚合问题可以被定义为一个约束优化问题如下:

表达式(8)确保奖励带宽每一个接受必须等于的带宽需求;如果CM2M网络不能满足的带宽请求,被拒绝,。如果()是一个初始的最低频率聚合子通道()是一个终结的子通道的最高频率,(9)保证的范围分配频谱等于或小于MAS。必须满足干涉约束(10)和(11);表达式(10)和(11)保证没有有害干扰逻辑单元和其他CM2M设备,分别。

3.2。基于遗传算法的频谱聚合算法

传统的频谱分配问题(已被分类为一种的np困难问题12]。,GA求解aggregation-based频谱分配问题为了获得更快的收敛。遗传算法是一种随机搜索方法,模拟自然进化的过程。此外,它很容易编码解决方案的频谱分配问题的染色体遗传算法并比较每个解决方案的健身价值。该算法的具体操作,称为MSR算法(同行),可以通过以下步骤进行描述。(1)编码。在同行中,染色体代表一个可能的无冲突子通道分配。为了减少搜索空间(通过减少冗余数据)和获得更快的解决方案,类似的方法中描述(12]本文采用。我们应用之间的映射过程和染色体,基于的特点和。只有那些元素的编码中相应的元素1的值;也就是说,,()满足。由于这种映射,染色体长度等于非零元素的个数和搜索空间大大减少。基于给定的染色体的长度可以计算的。(2)初始化。在初始化过程中,初始种群是随机生成的基于二进制编码机制应用于(12]。的大小取决于人口和;对于更大的和,人口规模应该增加表示集合的基数。(3)选择。每个单独的健身价值的当前人口根据同行标准中定义的(6)计算。根据个人的健身价值,优秀的个人选择和保留在下一代。最大的染色体健身价值取代了有一个小的健身价值的选择过程。(4)遗传算子。保持高的所有染色体的适应度值连续的人口,应用交叉和变异算子。选择两个随机选择的染色体在每个迭代中父母和父染色体的交叉概率进行交叉率。除了选择和交叉操作、变异在特定的突变速率执行保持遗传多样性。(5)终止。检查的停止标准遗传算法在每次迭代中。如果他们不能满意,步骤(3)和步骤(4)是重复的。最大数量的迭代和健身价值的差异作为标准来确定遗传算法的终止。染色体的数量生成初始化后,选择,交叉,变异可能不能满足给定的约束定义在(8)- (11)。找到满足所有约束的可行染色体,constraint-free过程是应用以下步骤(为了)。(1)带宽需求。向量下节2.2计算。应该等于或为零;否则所有相关的基因组更改为零。(2)马斯。为了满足收发器的硬件限制,表达式(9)应满足;否则所有相关的基因组更改为零。(3)没有干扰逻辑单元。表达式(10)保证CM2M设备传输不影响逻辑单元传输,确保CM2M网络不会伤害逻辑单元的性能。如果表达式(10)很不满意,所有相关的基因组更改为零。(4)CCI。表达式(11)保证没有有害干扰其他CM2M设备。如果表达式(11)是不满意的,两种矛盾的设备是随机选取的,然后所有的基因组所选设备更改为零。实现更高的频谱利用率和更快的收敛性,每一代后,同行随机分配剩余所有未赋值的光谱CM2M设备,只要有可能。同时,MSRA保证中定义的所有约束(8)- (11)感到满意。

4所示。仿真结果

在本节中,提出了一套系统级的性能结果,以比较和显示效率的同行在MSA (10],AASAA [9),RCAA。仿真结果证明该方法的高潜力的频谱利用率和系统容量。评估网络的性能,每个设备的交通分配模型独立,积压的交通模型(称为full-buffer模型)用于每个设备的信息包队列长度是更长的时间比计划在每个调度时间段。

由于随机性质的信道带宽和设备的带宽需求,蒙特卡罗模拟执行,每个模拟场景重复100000次。模拟中使用的默认参数表中列出1,在那里代表了离散均匀随机整数数字1至20。每个通道建模为平坦瑞利信道的路径损耗模型(在公里)和渗透损失20分贝。对数正态分布的平均值和标准偏差为零,8分贝,分别。在我们的仿真模型中,CM2M设备位置随机的矩形区域内没有限制。之间的所有通道是随机选择54 MHz至806 MHz电视频率(频道2 - 69)。通常,M2M设备的数量非常高在每一个细胞,但在这项研究中,因为SOTA解决方案的高计算复杂度较小数量的M2M设备被认为是出于比较目的。

探讨有效的仿真结果,以下术语和定义用于我们的分析。(1)频谱利用率。它被称为这是定义为回报的总和的比例带宽可用带宽的总和;也就是说, (2)网络负载。它被称为这是定义为CM2M设备带宽的总和的比例要求所有可用的带宽的总和;也就是说, (3)拒绝了设备数量。拒绝这些机器设备不分配任何光谱在一定安排时间槽。

4.1。场景我:没有CCI

在这种情况下,同行的性能比较与SOTA算法包括MSA (10],AASAA [9],RCAA当CCI CM2M设备之间不考虑。因此,我们假设CM2M设备传输不重叠与其他CM2M设备使用相同的传输通道。

为,增加增加CM2M设备的数量从5 - 60。图4显示,当CM2M设备数量的增加,频谱利用率也会增加在所有三种方法,但微软利用所有可用的空白在各种网络加载条件下更有效地比MSA AASAA, RCAA。这可以用这一事实来解释,更高,网络可以更好的段频谱分配给用户,因为更高的多用户分集。此外,由于使用随机搜索方法,MSRA附近达到最佳解决方案相比其他SOTA解决方案基于近似算法。同行,高于3,CM2M网络达到饱和时,由于缺乏可用的频谱。然而,对于其余的方法,仍有未赋值的谱片。

4.2。场景二:CCI

在这个场景中,CCI CM2M设备之间存在我们比较算法,同行,AASAA和RCAA。MSA固有的不考虑CCI,出于这个原因,我们不包括MSA的比较。图5显示了频谱利用率,根据不同的网络负载增加CM2M设备的数量来当只有七个可用通道(即,)。如图5,MSRA优于AASAA RCAA不同网络负载。类似的场景我,MSRA利用TVWS甚至比以前的场景,因为一些CM2M设备网络可能重用频谱CM2M网络中使用的其他设备。

图6代表拒绝CM2M设备的数量,当网络负载的增加。拒绝CM2M设备数量的增加网络负载;拒绝CM2M同行少数量的设备(或更满意设备)比AASAA和RCAA不同网络负载。同行优化频谱利用率承认设备与网络更好的信道质量和有效分配频谱资源。此外,同行不分配任何频谱资源的设备至少贡献整体网络的吞吐量。图6意味着微软会增加网络的容量(M2M网络的这是非常重要的,因为大量的设备)。我们的方法可能会饿死一些位于远离基站的设备;在未来的工作中,我们将根据比例公平目标函数优化网络性能,保证设备之间的公平。

4.3。收敛的同行

因为遗传规划的本质,它可以说是不可能做出正式的担保健康评估的数量需要一个算法来找到一个最佳的解决方案。然而,执行,计算机实验显示数量的影响一代又一代的同行的性能。中使用的系统参数表列出了仿真部分2。收敛性研究的目的,我们假设和。

图7显示最好的健身价值(同行)人口在不同数量的后代。如图7算法的性能增强,后代数量的增加;然而这是在处理时间增加的成本。后大约代,健身价值浸透在最优值显示使用GA进行频谱分配的有效性使用频谱聚合。

此外,图8说明了同行的分布处理时间找到一个最佳的解决方案。如图8,在85%的时候,MSRA找到一个最佳的解决方案在不到调度时间槽(1)女士和15%以上调度时间段。此外,MSRA可以优化使用更少的处理器资源,以便更快地执行。

此外,Lobo et al。15]提供了理论和实证分析的时间复杂度的传统简单的气体。根据(15),遗传算法的时间复杂性这是依赖于每个染色体的长度。线性时间复杂度为GA是因为人口规模的增长与染色体长度的平方根。本文提供的时间复杂度为最坏的情况是,当人口规模被认为是固定和最大的几代人。

5。结论

本文介绍了一个使用遗传算法aggregation-aware频谱分配算法。该算法最大化频谱利用率CM2M设备作为判据来实现频谱分配。此外,介绍了算法考虑的现实约束同信道干扰和最大聚合。仿真验证了该算法的性能和结果与算法在文献中可用。该算法减少了设备的数量,提高CM2M网络的频谱利用率。我们的算法提高了网络容量为M2M网络是非常重要的。对于未来的工作,我们将调查中使用的各种参数的影响遗传算法解决了利用函数;特别是,人口规模、交叉率和变异率的参数将调查在我们的研究中;此外,我们将进一步研究开发基于遗传算法的方法将频谱分配给CM2M设备的节能方式。

相互竞争的利益

作者宣称没有利益冲突。

引用

1. 梁r, x, x, x沈,和林x”GRS:绿色、可靠性和安全的新兴机器机器通信,”IEEE通讯杂志卷,49号4,28-35,2011页。视图:出版商的网站|谷歌学术搜索
2. “思科视觉网络指数:全球移动数据流量预估更新2014 - 2019年的白皮书,”2015年,http://www.cisco.com/c/en/us/solutions/collateral/service provider/visual -网络-指数vni/mobile -白-纸- c11 - 520862. - html。视图:谷歌学术搜索
3. 美国Rostami、k艾尔沙德和k . Moessner“基于顺序统计量的认知无线电的频谱感知,”IEEE通信信,16卷,不。5,592 - 595年,2012页。视图:出版商的网站|谷歌学术搜索
4. y, r . Yu m . Nekovee谢,y . Liu和s . Gjessing”认知机器对机器通信:愿景和智能电网潜力,”IEEE网络,26卷,不。3,6-13,2012页。视图:出版商的网站|谷歌学术搜索
5. m . Wylie-Green”动态频谱感知的多频带OFDM无线干扰降低,”学报第一IEEE国际研讨会上新的前沿动态频谱接入网络(DySPAN ' 05)IEEE,页619 - 625年,巴尔的摩,医学博士,美国,2005年11月。视图:出版商的网站|谷歌学术搜索
6. j·d·Poston和w·d·霍恩,“不接触的OFDM考虑动态频谱接入空闲电视频道,”学报第一IEEE国际研讨会上新的前沿动态频谱接入网络(DySPAN ' 05)马里兰州巴尔的摩,页607 - 610,美国2005年11月。视图:出版商的网站|谷歌学术搜索
7. r . Rajbanshi a . m . Wyglinski和g . j .,“一个有效的实现NC-OFDM认知无线电收发器,”面向学报第一国际会议对认知无线电的无线网络和通信(CROWNCOM 06年),页1 - 5,米克诺斯岛,希腊,2006年6月。视图:出版商的网站|谷歌学术搜索
8. ,3 gpp LTE;进化的通用陆地电台访问(进阶);物理层过程,”科技。众议员3 gpp TS 36.213版本10.1.0发布10,3 gpp, 2010年,http://www.3gpp.org。视图:谷歌学术搜索
9. d .陈、张问:和w·贾”聚合意识到认知ad hoc网络频谱分配,”面向学报》第三届国际会议在认知无线电的无线网络和通信(CrownCom ' 08)2008年5月,页1 - 6,。视图:出版商的网站|谷歌学术搜索
10. 黄f . w . Wang h·罗g . Yu >,“Prediction-based在认知无线电网络中频谱聚合与硬件限制,”IEEE 71车辆技术研讨会论文集(职业训练局的10)2010年5月,页1 - 5,。视图:出版商的网站|谷歌学术搜索
11. f .你们、r·杨和李y“基于遗传算法的认知无线电网络频谱分配模型,”第二届国际会议信息工程和计算机科学(ICIECS 10),页1 - 4,武汉,中国,2010年12月。视图:出版商的网站|谷歌学术搜索
12. z z赵,彭、郑s和j .商”的认知无线电频谱分配使用进化算法,IEEE无线通信,8卷,不。9日,第4425 - 4421页,2009年。视图:出版商的网站|谷歌学术搜索
13. k .艾尔沙德m·a·伊姆兰,k . Moessner”协作频谱感知优化算法的认知无线电网络,”国际期刊的数字多媒体广播文章ID 424036卷,2010年,20页,2010年。视图:出版商的网站|谷歌学术搜索
14. 李y l .赵c . Wang a . Daneshmand问:胡,”Aggregation-based在认知无线电网络频谱分配算法,”《IEEE网络运营和管理研讨会(提名的12)IEEE,页506 - 509年,毛伊岛,夏威夷,美国,2012年4月。视图:出版商的网站|谷歌学术搜索
15. f . g . Lobo d·e·戈德堡和m . Pelikan“遗传算法的时间复杂度成倍扩展问题,”《遗传与进化计算会议(GECCO ' 00)Morgan-Kaufmann, 158,页151 - 2000。视图:谷歌学术搜索

版权

版权©2016热天Rostami等。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。