认知无线电网络环境中主动用户数的柔性排队模型

摘要

这项工作介绍了在某些给定的即时在某些时候存在于认知无线电网络（CRN）中的活动用户数的软排队模型（SQM）。从现有的蜂窝网络开始，其中通道数量和有效用户的上限很好。然后，该想法将扩展到CRN的复杂场景，其中上限不是频道数量和活动用户的数量。因此，在通道数和主动认知用户的数量是随机变量的情况下提出了概率的SQM。所提出的模型对于与CRN连接的客户端提供可靠性水平，并因此为即使在合作CRN上提供安全通信。理论上已经验证了所提出的模型，并在多样化的设定上进行了模拟，以评估性能。

1.介绍

认知无线电(CR)似乎是未来通信系统的突出研究领域，包括基于大规模MIMO和异构网络的5G [1那2]．一个可靠的认知无线电通信模型是时代的要求。随着这一理念的发展，其在包括4G和移动通信在内的几乎所有现有通信设施中的含义，以及它所获得的势头，它在未来的研究中肯定也会继续发挥其重要性[3.那4.]．针对未来能源需求的智能电网最近的工作也纳入了认知无线电的思想，用于在不同的网络层进行通信;例如，家用电器的网络，社区，然后超大规模的网络到城市级别被认为是利用认知无线电的想法进行通信[5.那6.]．

令人惊讶的是，认知无线电仍然缺少一个可靠的信道模型。具体来说，如果我们有这样的想法，即用户与融合中心在社区中并行运行，与主网络和服务提供商，那么，认知无线电网络将有多少资源可用是一个基本问题。这也将与认知无线电网络可能提供给客户的可靠性水平有关。

然而，已经有很多关于CR的研究集中在三个主要领域。第一个是通道感知[7.那8.[第二个是频谱孔或通道的访问[9.]第三个是利用可用频道的资源优化，以最大限度地利用[10.]．

现在在认知无线电网络上的可靠通信的情况下，问题将在某些给定的即时存在有多少用户[11.]以及有多少频道可以容纳这些用户[12.] ?答案就在概率论中。认知无线电网络的可用信道将根据一些参数，例如在该区域运行的一个主要基站的总可用/免费信道，当然也根据正在考虑的认知无线电网络的感知能力。

第二个问题与上述讨论的三个主要领域有关，CRN将有一定的渠道，并将向其客户提供服务;那么，在一个给定的时刻可以容纳多少客户端，这是一个问题的答案在排队理论。

对于主无线电网络中用户所占用的信道数，排队模型相对不那么复杂，其推导方法类似于[13.]．然而，这是无限的资源，已修改为有限的可用资源;也就是说，最大可用通道是有限的。这似乎是合乎逻辑的，并被用于现有的主要无线电网络。

在第三阶段，该想法已经扩展到具有灵活上限的认知无线电网络。由于认知无线电网络中可用信道的上限因此，因此，在本文中提出了一种灵活的排队模型。该模型已在模拟中实现，并介绍了多元化方案的结果。

备注的其余部分已组织如下：部分2提出了具有固定用户数上限的现有网络的数学框架和模型。节3.讨论了关于认知无线电网络的灵活排队模型。部分4.呈现整个系统模型。仿真结果在一节中给出5.第一部分为结论部分6.。

在文档中代表的概率活动用户数量和分别表示认知无线电网络可用信道数和活跃用户数的随机变量。

2.现有网络的数学框架和提出的模型

在现有移动网络模型的情况下，BS致力于可用通信通道的一部分以容纳（HO）的光滑送基于移动用户的物理位置，HO是可预测的;即，切换概率将在细胞边界附近的更高侧。然而，可以存在其他原因，例如服务质量（QoS）和结合;然而，它们是相比之下的二次原因。

在认知无线电的情况下，可用的信道数量和活跃用户是随机的，这取决于感知能力和占用频谱的可用空闲点。因此，柔性排队模型是解决这一问题的最终要求。由于现有文献中没有该模型，因此提出该模型来处理两种不同的场景，可以认为是M/M/1的扩展。

情景 - 我。本案在现行科中审理2队列长度被视为有限的地方。然而，这个长度保持固定。因此，已经开发了数学模型，并为有限数量的用户推导出来的结果（在手稿)。

Scenario-II。我们工作的主要贡献是有限数所处的环境是随机的。因此，标题中引入了“柔性排队模型”一词。所有的推导都已进行，结果已生成的随机上限，如Section3.。

对于现有的蜂窝网络，BS可用信道的数量被认为是确定的和固定的。设该数为n，并设最大允许的活跃用户数为k。 那将保留用于切换。最大允许的活动用户与可用频道的比率反映了整个峰值时出现的最糟糕的情况允许的通道将被占用。作为一个例行公事，活动用户的数量将随机占用一个值从集合 。假设当另一个用户出现时，当时的活动用户数量，数字将移动到 州和相反;如果活动用户离开网络，系统将移动到 状态。最终，活动用户的数量将遵循如图所示的排队系统模型1。

在图中是新用户出现的速率，并且过程从州向前移动来 和 和是过程从状态向后移动的速率来 当活跃的用户将系统带入条件时 。

因此，找到处于状态的过程的概率在某个给定的时刻 在哪里 和是找到处于状态的进程的概率吗在某个给定的时刻。详细的派生可以遵循[13.]．

为了计算 那即，在某些给定的即时在某些时候找到州O的过程的概率，我们可以应用归一化I.。

那是， 。

现在的系列, 那两个无穷级数的差是什么 它将收敛 因此

这给了 因此 随着条件 因此 。因此，在这种情况下，正向跃迁速率这是需要一些新频道的速率必须小于反转过渡率 那这是用户释放通道并将其添加回可用资源队列的速率，这将是全局平衡的最终条件。

这些转换概率和排队模型对于现有的蜂窝网络有效。以下是认知无线电网络的一点复杂模型。该模型将适用于致力于为用户提供特定的可靠性水平的认知无线电网络。

3.建议的认知无线电网络灵活排队模型

在上面部分，我们提出了一种用于蜂窝网络的排队模型。在这种情况下，状态是一些给定的即时的用户的有效数量的指示。在上述推导的情况下的优点是最大允许的活性用户和通道数，即，和 那我们所知道的HO发生的概率相对较小 。但是，如果在CRN的情况下，情况会更加复杂一点;即，在这种情况下，可用的通道数将是随机变量哪个可能从集合中取一个值 概率随着结果的变化而变化。对这些概率的评估可能并不简单，特别是当存在多个crn在协同基础上并行运行时。然而,有可用频道CRN将有适当的位置将根据可靠性水平来确定的用户，即， 比率（6.)由CRN聚变中心决定。相应的对活跃的用户， 那在哪里 是上界，在哪里是感知后CRN可用的信道总数，也是随机的。 这表示最大允许用户。明显地在这种情况下也将是一个随机变量。根据此设置，排队系统，如在上述蜂窝模型的情况下，需要灵活。更新的数字2在下面给出。

过渡率和在这种情况下，将大于前一节中的相应对应物，即，即 和 那在这种情况下表明更充满活力的环境。

定理1。在给定的情况下，状态概率并推导出收敛条件如下:

证明。鉴于固定 那IE。， 那国家概率将成为 表达的场景(8.)类似于公式(5.）。然而，现在的场景是灵活的 。同样，收敛的条件将是 。自是随机的，在这种情况下，上述概率将成为 在哪里 将来自于用于CRN的可用频道，基于传感策略，环境温度和给定区域中的有源CRN的数量。表达式（9.在概率理论的帮助下提出，特别是总概率定理。
重新安排表达式(9.我们得到了

4.整个系统模型

如下图所示流程图3.描述了包括主要和认知无线电用户环境的体系结构的整个系统模型。

5.模拟

为了验证所提出的模型的性能，在MATLAB中进行仿真。为此目的，考虑不同情况下的不同情况。

案例1。以防1，确定用于现有蜂窝网络的活动用户数量的概率。为此目的，可用频道的数量和基站的最大有效用户数分别为20和15 。随机变量代表活动用户的数量将从集合中占用值 。所需的概率使用表达式(5.)的不同值 那即0.75,0.85和0.95。相应的概率如图所示4.。

案例2。这种情况涉及认知无线电网络的活动用户的概率。为此目的让 主要的活跃用户数量BS=100。 认知用户的空闲频道数 认知网络数量= 5 每个认知网络的平均通道数 认为 差异 。CRN的活跃用户概率用Poisson随机变量分布表示(10.）和所产生的表达成为 的合成概率 如图所示5.。

例3。为例3.模拟在与情况相同的条件下进行2除了方差这被认为是5，仿真结果如图所示6.。

案例4。情况下4.与Case相同2除了使用表达式的均匀随机可变分布评估CRN的活动用户的概率（10.）和所产生的表达成为 的合成概率 如图所示7.。

案例5。情况下5.对均匀分布和泊松分布的数值结果进行了模拟比较 。这些结果如图所示8.。

以上模拟结果表明，通过增加用户数目，几乎所有绘图都观察到概率的指数样衰减。这完全符合预期，即考虑表达式（9.）， 和保持恒定，小于1。因此与1和1和1相比，将可以忽略不计 在哪里 。

因此,通过增加 那 从图中可以明显看出呈指数下降。

如果我们取更靠近统一，PDF几乎是线性的，即直线。可以观察到，在直线的情况下可以容易地计算的曲线下的面积大致为PDF的归一化。

6.结论

提出了现有蜂窝网络和认知无线电网络中寻找活跃用户数量概率的方法。对于现有的蜂窝网络，基站的信道数和活动用户的最大允许数被认为是固定的。系统在任何时候的状态是由当时活动用户的数量来定义的。系统处于特定状态的概率是基于该速率进行评估的新用户在系统中出现的时间和速率活动用户离开系统。然后灵活的排队状态模型解决了认知无线电网络的复杂方案，其中可用频道实际上是主要BS的备用通道。因此，认知网络的频道数量和最大的主动认知用户的频道数量不是确定性的。根据速率评估认知网络系统处于特定状态的概率在系统中出现新认知用户，速率可能在此状态下，一个活跃的认知用户可以离开系统和PMF可用通道的数量。

在概率的基础上，该工作对于处理现有蜂窝网络中的活跃用户数目的交换问题是重要的，并且在认知无线电网络中处理。

数据可用性

支持本研究结果的数据包含在文章中。

的利益冲突

所有作者声明不存在利益冲突。

参考

1. Y.-J。刘,S.-M。程,P.-Y。黄，“异构网络中的认知垂直切换”，载于第11届EAI异构网络会议质量，可靠性，安全性和鲁棒性，Qshine 2015，pp.392-397，台湾，2015年8月。视图:谷歌学术
2. E. M. Machy和V.Muthuswamy，“通过异构无线网络中的排队模型”垂直切换便利化“国际先进工程技术杂志，第7卷，第346-348页，2016。视图:谷歌学术
3. Y. Shim和D. Shin，“分析了中国第四代移动网络的发展：演员网络理论视角，”翡翠的洞察力，卷。17，不。1，pp。22-38,2015。视图:出版商网站|谷歌学术
4. L. A. Magagula, H. A. Chan和O. E. Falowo，“下一代无线网络中无缝移动性管理的切换方法”，无线通信和移动计算，卷。12，不。16，PP。1414-1428,2012。视图:出版商网站|谷歌学术
5. S. Alam, M. F. Sohail, S. A. Ghauri, I. M. Qureshi, N. Aqdas，“基于认知无线电的智能电网通信网络”，可再生和可持续能源评论， vol. 72, pp. 535-548, 2017。视图:出版商网站|谷歌学术
6. S.Alam，A. N.Malik，I. M.Qublyhi，S.A.Ghauri和M. Sarfriaz，“基于认知无线电网格通信中的邻域网网络的集群基础通道分配方案”，IEEE访问，卷。6，pp。25773-25784,2018。视图:出版商网站|谷歌学术
7. 程宏涛，庄伟，“认知无线电网络中的简单信道感知顺序”，IEEE通信选定领域杂志，卷。29，不。4，pp。676-688，2011年。视图:出版商网站|谷歌学术
8. A. Ghasemi和E. Sousa，“在认知无线电网络中的机会频谱访问的优化优化”，“第四届IEEE消费者通信与网络会议论文集， 1022-1026页，2007年1月。视图:出版商网站|谷歌学术
9. K. W. Choi，W.S.Jeon和D. G.Jeong，“对认知无线电系统的频谱孔的自适应和分布式访问”，无线个人通信，卷。70，否。1，pp。207-226,2013。视图:出版商网站|谷歌学术
10. G. I.Siropoulos，O. A.Dobre，M.H. Ahmed和K.E.Baddour，“关于认知无线电网络中有效频谱访问的无线电资源分配技术”IEEE通信调查和教程，卷。18，不。1，pp。824-847,2014。视图:出版商网站|谷歌学术
11. 厕所。吴和K.-c.陈，“在同步CDMA多用户检测中识别活跃用户，”IEEE通信选定领域杂志，卷。16，不。9，pp。1723-1735,1998。视图:出版商网站|谷歌学术
12. A. S. Cacciapuoti, M. Caleffi, L. Paura和M. A. Rahman，“移动认知无线电网络的信道可用性”，网络与计算机应用杂志，第47卷，第131-136页，2015。视图:出版商网站|谷歌学术
13. a . L-Garcia电子工程中的概率、统计和随机过程，第12章，普伦蒂斯霍尔，第三版，2008年。

版权

Ahsan Tanveer等人版权所有©2018这是一篇开放获取的文章创意公共归因许可证，允许在任何媒介上不受限制地使用、分发和复制，只要原稿被适当引用。