使帶有信道衰落的集中式認(rèn)知無線網(wǎng)絡(luò)達(dá)到最優(yōu)化與低復(fù)雜度的動(dòng)態(tài)頻譜接入算法ppt課件

1、使帶有信道衰落的集中式認(rèn)知無線網(wǎng)絡(luò)達(dá)到最優(yōu)化與低復(fù)雜度的動(dòng)態(tài)頻譜接入算法Optimal and Low-complexity Algorithms forDynamic Spectrum Access in Centralized CognitiveRadio Networks with Fading Channels 本文內(nèi)容：本文中為SU(secondary users)開發(fā)了一種集中式的動(dòng)態(tài)頻譜接入方法 本文特點(diǎn)：假設(shè)主信道的占用服從馬爾科夫過程，信道感知模型是部分顯著馬爾科夫判定過程，假定一個(gè)SU利用能量偵測(cè)在同一時(shí)間內(nèi)只能發(fā)現(xiàn)一個(gè)信道，將感知結(jié)果報(bào)告給中心單元，此中心單元稱作二級(jí)決策

2、中心，它用來決定信道的感知和接入決策。此文中提出的感知和決策方法具有以下特點(diǎn)：1.能夠盡可能的使用更多的空白頻譜，提高利用率2.根據(jù)不同的信道充分利用了時(shí)間和空間的多樣性3.利用現(xiàn)實(shí)中局部感知和決策而不是傳遞信號(hào)的完整結(jié)構(gòu) 主要貢獻(xiàn)：最佳感知策略有高度的復(fù)雜性，故提出次優(yōu)方案，其表現(xiàn)接近最優(yōu)方案，但是大大減少了計(jì)算復(fù)雜度。本文知識(shí)要點(diǎn)本文知識(shí)要點(diǎn)從用戶對(duì)主用戶是否占用信道的估計(jì)不僅要依據(jù)當(dāng)前判斷，從用戶對(duì)主用戶是否占用信道的估計(jì)不僅要依據(jù)當(dāng)前判斷，如果通信存在時(shí)間相關(guān)性時(shí)，也要依據(jù)過去對(duì)信道的觀察。如果通信存在時(shí)間相關(guān)性時(shí)，也要依據(jù)過去對(duì)信道的觀察。信道模型可以用馬爾科夫鏈。最佳感知策略通過觀

3、察馬爾信道模型可以用馬爾科夫鏈。最佳感知策略通過觀察馬爾科夫判斷過程而得，但其最佳結(jié)果由于其連續(xù)狀態(tài)矢量空科夫判斷過程而得，但其最佳結(jié)果由于其連續(xù)狀態(tài)矢量空間而無法算出，因此要只計(jì)算其中的一部分，并且建立功間而無法算出，因此要只計(jì)算其中的一部分，并且建立功效函數(shù)。效函數(shù)。此文中假設(shè)存在集中式此文中假設(shè)存在集中式CR網(wǎng)絡(luò)，并有二級(jí)系統(tǒng)判決中心網(wǎng)絡(luò)，并有二級(jí)系統(tǒng)判決中心通過迭代通過迭代Hungarian算法來允許一個(gè)頂點(diǎn)與兩側(cè)不止一個(gè)頂算法來允許一個(gè)頂點(diǎn)與兩側(cè)不止一個(gè)頂點(diǎn)有關(guān)，這就等效于安排不止一個(gè)點(diǎn)有關(guān)，這就等效于安排不止一個(gè)SU來感知一個(gè)主信道。來感知一個(gè)主信道。當(dāng)當(dāng)SU數(shù)量大于信道數(shù)量時(shí)也同

4、時(shí)提出了一種啟發(fā)式算法數(shù)量大于信道數(shù)量時(shí)也同時(shí)提出了一種啟發(fā)式算法來完成信道分配問題。來完成信道分配問題。本文得到一個(gè)近似最優(yōu)解，減少了大量的計(jì)算時(shí)間。本文得到一個(gè)近似最優(yōu)解，減少了大量的計(jì)算時(shí)間。模型建立模型建立由k時(shí)刻到k+1時(shí)刻信道狀態(tài)轉(zhuǎn)移信道m(xù)在時(shí)隙k時(shí)的狀態(tài) 在每個(gè)時(shí)刻k SU向SSDC報(bào)告感知情況，SSDC預(yù)測(cè)信道k+1時(shí)刻的信道情況，然后在保證公平性的情況下安排SU的接入 由SSDC的預(yù)測(cè)結(jié)果和SU的感知結(jié)果得出決策結(jié)果為SU得到的觀察值為得到的主信道狀況得到的狀態(tài)評(píng)估依據(jù)MAP檢測(cè)器）其中對(duì)頻譜空穴的偵測(cè)概率為：定義信道空閑與否的置信向量為： 當(dāng)在時(shí)刻k收集到SU的觀察值后信道

5、m在k+1時(shí)是空閑與否通過下式得：其中為SU觀察得到的條件概率質(zhì)量函數(shù) 如果未得到時(shí)刻k時(shí)的觀察值，則按照馬爾科夫過程來估計(jì)，其中p為傳輸矩陣在k時(shí)刻m信道的效益函數(shù)定義為 其中 為帶寬，當(dāng)滿足條件E時(shí)， 其他情況其為零 因?yàn)橛写罅康男诺?，此算法?jì)算復(fù)雜度很高 作為另一個(gè)選擇就是使用短相關(guān)信道感知，它被定義能夠使得所有次級(jí)用戶的效應(yīng)函數(shù)對(duì)于所有主信道在每一步中達(dá)到最大，它的優(yōu)勢(shì)在于減少了相關(guān)，減少了計(jì)算量。 短相關(guān)中 定義為： 為短相關(guān)的最優(yōu)解它需要列出所有 的 組合，由于其計(jì)算依然是復(fù)雜的，因此提出了兩種簡(jiǎn)化算法，得到次優(yōu)解。1.迭代Hungarian算法：為了簡(jiǎn)化(10)計(jì)算量，簡(jiǎn)化時(shí)降低

6、了時(shí)間項(xiàng)的指數(shù)，并令 ，BACs的交叉概率和虛警概率已經(jīng)給出。定義M*N數(shù)列 假設(shè) 那么 否則 ，然后使用算法二找到信道感知分配表A 迭代了N/M次，將算法復(fù)雜度簡(jiǎn)化到了四次多項(xiàng)式水平 Hungarian 算法簡(jiǎn)介 Hungarian method is a combinatorial optimization algorithm which solves the assignment problem in polynomial time and which anticipated later primal-dual methods. It was developed and publishe

7、d by Harold .The time complexity of the original algorithm was O(n4), however Edmonds and Karp, and independently Tomizawa noticed that it can be modified to achieve an O(n3) running time. Ford and Fulkerson extended the method to general transportation problems. In 2019, it was discovered that Carl Gustav Jacobi had solved the assignment problem in the 19th century, and published posthumously in 1890 in Latin.12. 啟發(fā)式算法：按照最有可能發(fā)現(xiàn)信道的概率來隨機(jī)的將信道m(xù)分配給用戶N。并且保證最多有N/M個(gè)信道感知一個(gè)信道，其具體算法如下： 將計(jì)算復(fù)雜度簡(jiǎn)化到了線性的水平定義利用率為：仿真結(jié)果： 結(jié)論： 本文是在集中式頻譜感知和接入的CR網(wǎng)絡(luò)提出的，更加貼近于實(shí)際的C