异构认知无线网络中基于业务类型的信道分配方法组成比例

本发明专利技术请求保护一种异构认知无线网络中基于业务类型的信道分配方法。对当前信道分配未充分考虑频谱资源的多样性和区分性，导致次级用户所分配的信道资源与其业务类型不匹配的问题，首先充分考虑不同业务类型的次用户对信道的需求不同，同时兼顾次用户对主网络所造成的干扰，设计一个用来表征整体信道分配匹配度的参数S，并把S抽象成目标函数；其次，基于高效率的改进遗传算法，对S目标函数进行最优化求解，以期获得最大化信道分配匹配度。实验结果表明该算法能在次用户对主网络造成的干扰尽可能小的条件下，优化地为一组次用户分配符合其业务特征的信道资源，系统的整体满意度得到了提升。

Channel allocation method based on service types in heterogeneous cognitive wireless networks

The invention requests protection of a traffic type based channel allocation method in a heterogeneous cognitive wireless network. On the current channel allocation did not fully consider the diversity of spectrum resources and differentiation, lead to secondary user allocation of channel resources and business types do not match the problem, considering the secondary users of different traffic types on demand channel, taking into account the interference caused by the secondary users on the main network, a design used to characterize the overall channel allocation matching parameter S, and the S abstract objective function; secondly, the improved genetic algorithm based on high efficiency, optimization of S objective function, in order to obtain the maximum matching degree of channel assignment. The experimental results show that the algorithm can cause interference in secondary users on the main network is as small as possible under the condition of optimized allocation of channel resources to meet their business characteristics for a group of users, the system has improved the overall satisfaction.

【技术实现步骤摘要】
异构认知无线网络中基于业务类型的信道分配方法
本专利技术属于移动通信领域，特别是涉及一种基于业务类型的信道分配方法。
技术介绍
信道分配是无线资源管理的重要内容。相比传统认知无线网络，异构认知无线网络中不同种类无线接入技术在系统容量、传输速率和满足业务QoS能力等各方面有巨大的差异，因而异构认知无线网络的多样性与动态性更强，并且异构认知无线网络必须综合考虑传统异构网络中的网络选择问题以及认知无线网络中的信道分配问题。不同算法在给次用户分配信道时都有各自特定的目标函数，如频谱利用率，公平性，吞吐量等。文献[ALNWAIMIG,ARSHADK,MOESSNERK.Dynamicspectrumallocationalgorithmwithinterferencemanagementinco-existingnetworks[J].IEEECommunicationsLetters,2011,15(9):932-934]提出的信道分配算法在保证次用户QoS的前提下最小化干扰，同时最大化频谱利用率。由于信道分配是资源最优化分配问题，所以智能优化算法与其结合的优越性更加突出。文献[ZHAOZhi-jin,PENGZhen,ZHENGShi-lianetal.Cognitiveradiospectrumallocationusingevolutionaryalgorithms[J].IEEETransactionsonWirelessCommunications,2009,8(9):4421-4425]提出一种基于遗传算法(GeneticAlgorithm，GA)的频谱分配方法，相比于图着色频谱分配算法，该算法能更好地实现网络效益最大化。文献[HASANN,EJAZW,EJAZN,etal.Networkselectionandchannelallocationforspectrumsharingin5Gheterogeneousnetworks[J].IEEEAccess,2016,4:980-992]研究了异构网络环境下次级用户的网络选择和信道分配问题，以最小化整体服务费用以及次用户对主用户造成的干扰为目标求取一组最优的信道分配解，但该算法未考虑不同业务具有不同的需求，算法实用性低。
技术实现思路
本专利技术旨在解决以上现有技术的问题。提出了一种提升系统的整体满意度的异构认知无线网络中基于业务类型的信道分配方法。本专利技术的技术方案如下：一种异构认知无线网络中基于业务类型的信道分配方法，其包括以下步骤；101、首先对包括时延D、抖动J、花费E、带宽B在内的网络属性参数利用离差标准化作归一化处理；102、将次级用户的业务类型分为实时业务和非实时业务，并定义一个综合干扰的网络选择匹配度参数S；103、将匹配度参数S作为目标函数，利用改进的遗传算法进行优化，，得到整体信道分配结果，对遗传算法的改进如下：初始化染色体时，随机初始化前N-1个染色体，将第N个染色体设置为满足约束条件的一组解，每次迭代后，如果所有染色体中最大的适应值小于上一次迭代中的最大适应值，则将上一代中具有最大适应值的染色体保留到下一代。进一步的，所述步骤102的匹配度参数S为：U为认知网络中次级用户的个数，fi表示对次用户进行信道分配时选取的具体网络属性参数：(1)当service(i)＝1时，表示第i个用户业务类型为实时业务，实时业务更关注时延、抖动参数，且算法综合考虑干扰因素，故选取干扰，时延以及抖动作为实时业务次用户信道分配标准：fi＝(Ii,j+Di,j+Ji,j)/3(2)其中Ii,j，Di,j，Ji,j分别表示第i个用户选择网络j对应的干扰，时延以及抖动；(2)当service(i)＝2时，表示第i个用户业务类型为非实时业务，非实时业务更关注花费，带宽等参数，故选取干扰，花费以及带宽作为非实时业务次用户信道分配标准：fi＝(Ii,j+Ei,j+Bi,j)/3(3)其中Ii,j，Di,j，Ji,j分别表示第i个用户选择网络j对应的干扰，费用以及总带宽。进一步的，所述以S作为目标函数，利用改进的遗传算法进行优化包括Subjectto：(1)次级用户不能分配到被主用户占用的信道上来；(2)不同次用户不能分配到同一信道。进一步的，所述步骤101的网络属性参数可分为两类：效益型参数和成本型参数，其中，效益型参数包括带宽；成本型参数包括时延，抖动，花费，所述步骤101中两类参数的归一化方法分别为：效益型参数：成本型参数：x为同种类型的一组参数，xi为一组参数中的单个参数，为规范后的参数，规范后的参数范围在0到1之间。进一步的，所述步骤102将次级用户的业务类型分为两种，分别是实时业务和非实时业务，实时业务选取干扰，时延，抖动作为信道分配标准，非实时业务选取干扰，花费，带宽作为信道分配标准。进一步的，所述异构认知无线网络模型由各种无线接入系统覆盖区域相互交叉、重叠组成，由N个主网络构成异构网络环境，每个主网络下有一定数量的信道，且同一网络下信道特性相同，频谱共享方式为Overlay。本专利技术的优点及有益效果如下：本专利技术针对当前信道分配未充分考虑频谱资源的多样性和区分性，考虑异构认知无线网络环境下的信道分配方法。根据不同次级用户对QoS参数的不同需求，设计一个整体的信道分配匹配度参数作为优化目标函数，为次用户分配符合其业务特征的信道资源，提升系统的整体满意度。附图说明图1是本专利技术的异构认知无线网络场景；图2为改进遗传算法与经典遗传算法性能对比；图3为信道分配匹配度与算法迭代次数的曲线图；图4为实时业务次级用户平均时延与算法迭代次数的曲线图；图5为实时业务次级用户平均抖动与算法迭代次数的曲线图；图6为非实时业务次级用户平均费用与算法迭代次数的曲线图；图7为非实时业务次级用户平均带宽与算法迭代次数的曲线图；图8为信道分配匹配度与主用户出现率的曲线图；图9为信道分配匹配度与次级用户数目的曲线图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、详细地描述。所描述的实施例仅仅是本专利技术的一部分实施例。本专利技术解决上述技术问题的技术方案是：本专利技术该方法考虑了信道资源的多个属性特征以及次用户的业务类型，通过优化次用户的业务类型与所分配的信道资源的匹配度来最大化用户服务满意度，该算法在保证次用户对主网络造成的干扰尽可能小的前提下能够优化的为一组次用户分配符合其业务需求的信道资源。本专利技术提出的信道分配方法包括以下步骤：步骤一、首先对各网络属性如时延D，抖动J，花费E，带宽B利用离差标准化作归一化处理。步骤二、定义一个综合干扰的网络选择匹配度参数S。步骤三、将S作为目标函数，利用改进的遗传算法进行优化，得到整体信道分配结果。为了对本专利技术进行验证，我们在MATLAB平台上进行仿真实验，并设置如下仿真场景：场景内分布有6个不同类型的主网络，每个主网络下信道数为8，网络场景如图1所示，主网络特性参数如表1所示：表1仿真中遗传算法与粒子群算法参数设置如表2所示：表2为了进一步突出本专利技术中改进遗传算法的优越性，将本专利技术所提遗传算法方经典遗传算法对比。图2为改进遗传算法与经典遗传算法的对比曲线图。可以看出，随着迭代次数的增加，改进遗传算法的适应值一直呈上升趋势本文档来自技高网...

【技术保护点】
一种异构认知无线网络中基于业务类型的信道分配方法，其特征在于，包括以下步骤；101、首先对包括时延D、抖动J、花费E、带宽B在内的网络属性参数利用离差标准化作归一化处理；102、将次级用户的业务类型分为实时业务和非实时业务，并定义一个综合干扰的网络选择匹配度参数S；103、将匹配度参数S作为目标函数，利用改进的遗传算法进行优化，得到整体信道分配结果，对遗传算法的改进如下：初始化染色体时，随机初始化前N‑1个染色体，将第N个染色体设置为满足约束条件的一组解，每次迭代后，如果所有染色体中最大的适应值小于上一次迭代中的最大适应值，则将上一代中具有最大适应值的染色体保留到下一代。

【技术特征摘要】
1.一种异构认知无线网络中基于业务类型的信道分配方法，其特征在于，包括以下步骤；101、首先对包括时延D、抖动J、花费E、带宽B在内的网络属性参数利用离差标准化作归一化处理；102、将次级用户的业务类型分为实时业务和非实时业务，并定义一个综合干扰的网络选择匹配度参数S；103、将匹配度参数S作为目标函数，利用改进的遗传算法进行优化，得到整体信道分配结果，对遗传算法的改进如下：初始化染色体时，随机初始化前N-1个染色体，将第N个染色体设置为满足约束条件的一组解，每次迭代后，如果所有染色体中最大的适应值小于上一次迭代中的最大适应值，则将上一代中具有最大适应值的染色体保留到下一代。2.根据权利要求1所述的异构认知无线网络中基于业务类型的信道分配方法，其特征在于，所述步骤102的匹配度参数S为：U为认知网络中次级用户的个数，fi表示对次用户进行信道分配时选取的具体网络属性参数：(1)当service(i)＝1时，表示第i个用户业务类型为实时业务，实时业务更关注时延、抖动参数，且算法综合考虑干扰因素，故选取干扰，时延以及抖动作为实时业务次用户信道分配标准：fi＝(Ii,j+Di,j+Ji,j)/3(2)其中Ii,j，Di,j，Ji,j分别表示第i个用户选择网络j对应的干扰，时延以及抖动；(2)当service(i)＝2时，表示第i个用户业务类型为非实时业务，非实时业务更关注花费，带宽等参数，故选取干扰，花费以及带宽作为非实时业务次用户信道分配标准：fi＝(Ii,j+Ei,j+Bi,j)/3(3)其中Ii,j，Di,j，Ji,j分别表示第i个用户...

【专利技术属性】
技术研发人员：马彬，成双果，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：重庆,50