无线网络中一种基于频谱聚合的跨层优化装置及方法制造方法及图纸

本发明专利技术公开了无线网络中一种基于频谱聚合的跨层优化装置及方法，采用遗传算法，并通过将资源分配映射为遗传算法的个体编码，有效避免了使用物理干扰模型进行优化求解的复杂性，满足了大规模无线网络优化的需求。在遗传进化操作时，由于在个体初始化及种群进化过程中，始终保证个体满足优化的约束条件，因而能大大加快收敛的速度，提高发现最优解的效率。

【技术实现步骤摘要】
无线网络中一种基于频谱聚合的跨层优化装置及方法
本专利技术涉及无线网络中一种基于频谱聚合的跨层优化装置及方法，通过充分考虑频谱聚合方式在提升链路容量的特性，并充分考虑了资源分配与路由的匹配关系，具有更好的全局优化效果。
技术介绍
与传统基于单跳方式的无线网络(如蜂窝网络、WiFi网络)不同，无线多跳网络具有自组织、自修复、多跳级联、高速率、覆盖范围广等特点，在提高网络可靠性，增加网络容量、减少前期投资等诸多方面都显示出很大优势，正引起学术界和产业界的广泛关注。随着无线技术的发展，用户数量不断增多，对服务质量的需求不断提升，有限的频谱资源已成为获取高性能数据服务的严重障碍，而传统的固定频谱分配模式无疑使这一问题雪上加霜。近年来，认知无线电技术(CognitiveRadio，CR)的产生和发展为人们提供了新的解决思路。CR通过动态分配空闲频谱，能够使得认知用户伺机接入授权频谱，有望解决日益增长的无线通信需求和有限的频谱资源之间的矛盾。然而，由于认知无线电频谱资源的碎片化特征，基于单个碎片化频谱的复用还面临着可用速率较低的特点。频谱聚合技术作为一种新的物理层技术，能够同时聚合同一频段或多个频段上的多个离散的频谱碎片，从而有效提升单次传输的通信速率，目前已成为无线通信中最具发展前景的技术之一。然而，受无线多跳通信及无线频谱开放性特征的影响，如何将频谱聚合技术与无线多跳通信进行有机融合，以实现高效的资源管理并提升网络性能，成为亟需研究的难点问题。目前已有相关工作开始研究认知无线电与无线多跳通信的融合问题。其中，有部分工作主要关注利用信道分配机制来减少网络干扰情况，详见文献：TanL,LeL.Channelassignmentforthroughputmaximizationincognitiveradionetworks.InProceedingofWirelessCommunicationsandNetworkingConference(WCNC),2012,pp.1427-1431。LaiJ,DutkiewiczE.,LiuR,VesiloR.Opportunisticspectrumaccesswithtwochannelsensingincognitiveradionetworks,IEEETransactionsonMobileComputing,2015,14(1),126-138。但上述方法并没有考虑上层的端到端路由需求。由于路由算法直接决定了各链路的流量需求，而链路容量则受制于具体的功率控制与信道分配方案，可见网络层的路由优化与底层的功率控制与信道分配往往密不可分，单独考虑提升网络的某一方面性能并不能获得全网性能的整体最优。另外还有部分文献使用协议干扰模型对链路可用速率进行衡量，并提出若干联合路由的跨层优化机制，详见文献：HuiC.,ShengxiangY.JointQoSmulticastroutingandchannelassignmentinmultiradiomultichannelwirelessmeshnetworksusingintelligentcomputationalmethods.AppliedSoftComputing,2011,11(3):1953-1964。A.Raniwala,T.Chiueh,ArchitectureandalgorithmsforanIEEE802.11-basedmulti-channelwirelessmeshnetwork,IEEE24thInternationalConf.onComputerCommunications(INFOCOM)2005,pp.2223-2234。由于这种衡量方式忽略了无线通信的物理特性，难以清晰描述实际干扰情况，详见：GuptaP.KumarP.R.Thecapacityofwirelessnetworks.IEEETransactionsonInformationTheory,2010,46(2):388-404。与之相对，物理干扰模型通过信干噪比(signal-to-interference-and-noiseratio，SINR)评价网络干扰，只有接收端的SINR值大于约定的门限值时，才认为信号被正确接收，比协议干扰模型更接近实际情况。更为重要的是，基于SINR值与香农定理，还能够精确计算无线链路之间的容量值。然而，由于SINR计算过程复杂，目前基于SINR的跨层优化方法主要集中于单跳无线网络，详见：GállegoJ.R.,CanalesM.,OrtínJ.Distributedresourceallocationincognitiveradionetworkswithagamelearningapproachtoimproveaggregatesystemcapacity.AdHocNetworks,2012,10(6),1076–1089。ElBattTamer.Onthescheduling,multiplexinganddiversitytrade-offinMIMOadhocnetworks:aunifiedframework.AdHocNetworks,2013,11(2),639-653。现有的工作中均只考虑了单频谱的使用情况，没有考虑使用频谱聚合技术与无线多跳通信的有机融合。
技术实现思路
本专利技术提出无线网络中一种基于频谱聚合的跨层优化装置及方法，在该方法中，采用遗传算法对全网链路进行信道与功率分配，以便为链路寻找最优的频谱聚合方式。以线性规划机制求解对应资源分配下的路径选择与吞吐量指标，并将所求的吞吐量作为遗传算法的适应值函数，以保证资源分配与路由的较优匹配。本专利技术采用的技术方案如下：无线网络中一种基于频谱聚合的跨层优化装置，如图1所示，包括以下步骤：(1)频谱碎片获取器：用于当前网络中空闲的频谱碎片，频谱感知方法其采用能量感知方法。网络中所有主用户为M，其获取的频谱碎片集合表示为(2)信道分配约束器：用于避免自干扰的发生。其要求在同一时刻，发送节点i仅能使用信道m与唯一的节点j通信。信道集合为M，次用户集合为N。定义变量表示发送节点i使用信道m与接收节点j通信，否则则信道分配约束表示为(3)功率分配约束器：用于获取每个次用户节点的发射功率约束。定义为发送节点i使用信道m与节点j通信的发射功率，则节点i的功率约束为：(4)整数实数编码器：用于基于感知的频谱碎片集合，并且在满足信道分配约束及功率分配约束的前提下，对各节点分配的信道与功率进行遗传编码，其中信道编码为整数表示，功率编码为实数表示。(5)资源分配优化器：基于编码后的种群，采用智能优化算法对种群进行优化。其优化方法为遗传算法，其主要包括选择、交叉、变异及替换等遗传操作。(6)链路容量计算器：用于对遗传算法中的个体编码转化为具体的网络拓扑结构，并基于分配的信道与功率值，基于香农公式及频谱聚合关系确定各链路的有效容量。定义Hij为节点i与节点j之间的信道传输模型，为节点i使用信道m与节点j通信的信干噪比，基于物理干扰模型下的为：定义为节点i使用信道m与节点j通信的链路带宽，其可以表示为，基于频谱聚合原理，节点i与节点j通信的总带本文档来自技高网...

【技术保护点】
无线网络中一种基于频谱聚合的跨层优化装置，其特征在于，(1)频谱碎片获取器：用于当前网络中空闲的频谱碎片，频谱感知方法采用能量感知方法；网络中所有主用户为M，其获取的频谱碎片集合表示为

【技术特征摘要】
1.无线网络中一种基于频谱聚合的跨层优化装置，其特征在于，(1)频谱碎片获取器：用于当前网络中空闲的频谱碎片，频谱感知方法采用能量感知方法；网络中所有主用户为M，其获取的频谱碎片集合表示为(2)信道分配约束器：用于避免自干扰的发生，在同一时刻发送节点i仅能使用信道m与唯一的节点j通信；信道集合为M，次用户集合为N；定义变量表示发送节点i使用信道m与接收节点j通信，否则则信道分配约束表示为(3)功率分配约束器：用于获取每个次用户节点的发射功率约束；定义为发送节点i使用信道m与节点j通信的发射功率，则节点i的功率约束为：(4)整数实数编码器：用于基于感知的频谱碎片集合，并且在满足信道分配约束及功率分配约束的前提下，对各节点分配的信道与功率进行遗传编码，其中信道编码为整数，功率编码为实数；(5)资源分配优化器：基于编码后的种群，采用智能优化算法对种群进行优化；(6)链路容量计算器：用于对遗传算法中的个体编码转化为具体的网络拓扑结构，并基于分配的信道与功率值，基于香农公式及频谱聚合关系确定各链路的有效容量；定义Hij为节点i与节点j之间的信道传输模型，为节点i使用信道m与节点j通信的信干噪比，基于物理干扰模型下的为：定义为节点i使用信道m与节点j通信的链路带宽，其表示为，基于频谱聚合原理，节点i与节点j通信的总带宽为，(7)路由需求获取器：用于获取网络中所有的端到端的路由请求，其中路由请求包括源节点、目的节点及传输速率需求；(8)基于获取的路由拓扑，计算的链路容量及获取的路由请求，完成路由的优化计算，确定当前的最优路径及该路由下的最终用户传输速率。2.应用权利要求1所述无线网络中一种基于频谱聚合的跨层优化装置的方法，其特征在于以下步骤：Step1：各次用户节点执行频谱感知算法，获取可用频谱碎片集合，其中任意用户i(i∈N)的可用频谱集合为Mi；Step2：收集各次用户的最大可用功率，其中任意用户i(i∈N)的最大可用功率为Pimax；Step3：基于感知的频谱碎片集合及各用户的最大可用功率，执行基于整数实数联合编码的种群初始化方法，以便生成T个个体；Step4：根据个体适应值评价方法依次计算初始化种群中每个个体的适应值；Step5：使用遗传算法对生成的种群进行遗传进化操作；Step6：最优值输出；选择种群中适应值最大的个体，将该个体对应的信道与功率编码作为全网的最优资源分配结果；将该个体适应值评价所对应的路由优化变量作为最优的路由路径，将所求的适应值作为最优的吞吐量。3.根据权利要求2所述的方法，其特征在于：所述Step3中基于整数实数联合编码的种群初始化方法为：Step3-1：对于任意用户i(i∈N)，获取该用户的邻居节点集合Ni，且设置r＝1；Step3-2：初始化分配节点集Acur＝N；Step3-3：从Acur中任选一节点i(i∈N)，依次为其邻居节点分配通信信道，其分配方式为：(1)Mcur＝Mi∪{0}，Pleft＝Pimax；(2)从Ni中任意选择一个邻居节点j；确定节点i与节点j的可用信道交集Mij＝Mcur∩Mj；从集合中Mij∪{0}中...

【专利技术属性】
技术研发人员：贾杰，陈剑，刘忠禹，范润贤，王兴伟，
申请(专利权)人：东北大学，
类型：发明
国别省市：辽宁,21