一种面向系统公平性的频谱资源分配方法

郭建立，周滇苏，刘 刚，赵海洋

(1.通信网信息传输与分发技术重点实验室，河北 石家庄 050081；2.中国人民解放军63963部队，北京 100072；3.燕山大学 河北省测试计量技术及仪器重点实验室，河北 秦皇岛 066004)



一种面向系统公平性的频谱资源分配方法

郭建立1，周滇苏2，刘 刚3，赵海洋3

(1.通信网信息传输与分发技术重点实验室，河北 石家庄 050081；2.中国人民解放军63963部队，北京 100072；3.燕山大学 河北省测试计量技术及仪器重点实验室，河北 秦皇岛 066004)

针对认知无线网络频谱分配过程中公平性和全局优化问题，提出了一种面向网络系统公平的频谱分配方法，以系统公平性为目标函数，基于认知无线网络的特性及改进的量子遗传算法，将频谱分配模型中的分配矩阵与改进量子遗传算法中的可行解相对应，在保证系统公平性的同时，避免了局部最优现象的出现。仿真结果表明，该算法能更好地实现网络效益最大化和系统公平性。

认知无线网络；频谱分配；量子遗传算法；系统公平性

0 引言

随着无线通信业务的飞速发展，无线频谱资源稀缺的问题变得十分严重。为了提高频谱资源的利用效率，解决频谱利用不均衡问题，Joseph Mitola在软件无线电的基础上进一步提出了认知无线电(Cognitive Radio,CR)的概念[1-3]。认知无线电的提出为解决频谱资源紧缺的问题提供了一种有效的途径，它提高了频谱利用率和频谱分配的质量，缓解了频谱资源短缺的压力[4-6]。认知无线网络环境中，由于频谱信息的动态变化特性，频谱分配算法必须同时满足灵活性和实时性的要求。现有的动态频谱分配方法主要包括拍卖理论[7-8]、博弈论[9-10]和图论着色[11]等方法，其中，由于图论着色方法的灵活高效特点，已经得到频谱分配研究人员的高度重视。文献[12]提出了一种频谱分配模型以及基于图论着色理论的频谱分配方法，但该方法存在不公平性以及时间开销较大等问题。文献[13]提出了基于遗传算法的频谱分配算法，通过选择高适应度的个体来淘汰适应度低的个体进行遗传操作，从而形成新一代种群并持续执行，该方法虽然在网络效益性能上优于经典算法，但是容易陷入局部最优困境。文献[14-16]提出了基于粒子群优化(PSO)算法的频谱分配方法，目的是实现最大化网络效益和认知用户之间的公平性。此外，文献[17]提出了基于量子遗传(QGA)算法的频谱分配方法，用于提高频谱分配时的寻优能力和收敛速度，但是，没有解决容易陷入局部最优的缺点。

本文提出了面向节点公平的频谱分配模型，采用了通过混沌搜索方法增加初始种群的多样性的改进的量子遗传算法[18]，并以网络系统公平性为目标函数，将频谱分配模型中的分配矩阵与改进量子遗传算法中的可行解相对应，在保证公平性的同时，避免了局部最优问题的出现。

1 系统模型

基于经典量子遗传算法的频谱分配过程，从干扰约束矩阵的定义可以看出当2个认知用户竞争同一信道时，算法通过随机数(rand)来决定信道的归属，以此来满足干扰约束矩阵C。依据该规则完成的干扰约束过程存在盲目性，不利于提高网络效益以及认知用户之间的公平性。

将量子遗传算法应用于频谱分配需确定其编码方式及效用函数。频谱分配算法中，每个染色体经过测量后得到的二进制串结果表示了一种可能的频谱分配方案。为提高算法执行效率，仅将与F中值为1的元素位置相对应的矩阵A中的元素提取出来，并与由染色体得到的二进制串相对应。如图1所示，图中N=4，M=5，则染色体的位数为20位，仅将L中为1的元素进行编码，则能够显著降低计算复杂度。

图1 二进制编码结构

为使认知用户之间满足一定的公平性，本文以系统公平性F(R)作为频谱分配的目标函数，即给定某一无干扰分配矩阵，用户n获得的总效益为：

(1)

令Λ(F,C)N,M表示无干扰频谱分配集合，则：

(2)

2 频谱分配算法实现

基于上述系统模型，根据改进量子遗传算法的处理流程，面向网络系统公平性的频谱分配算法(IQGA)实施如下：

④ 对P(t)进行适应度评价，将P(t)中的最优解保存至效益矩阵B(t)；

⑥ 评价P(t+1)，并将P(t+1)和B(t)中最优解保存至B(t)；

⑦ 若达到最大进化次数，将最优解映射为无干扰分配矩阵A的形式，即得到了最佳频谱分配方案；否则，至⑤继续下一循环的执行。

3 仿真分析

为验证提出的无线网络频谱分配模型的有效性，本节用IQGA算法、PSO算法、CGSG算法和QGA算法的频谱分配结果进行对比分析。为了便于比较，在所有仿真试验中所有智能算法的种群规模和终止迭代次数均相同。

认知用户N=10、信道数M=10、授权用户K=10，进化代数g=200时，各算法的网络系统的比例公平性如图2所示。从图中可以看出，IQGA算法进化到40代时系统的公平性基本稳定，而QGA算法和PSO算法分别需要60～80代，即相比于其他算法，IQGA算法可以很快地使网络系统的公平性达到稳定。从最终系统的公平性的数值来看，IQGA算法的值最大，PSO和QGA算法相差不多，CSGS算法的值最小。本文提出的对干扰约束项的改进，使得系统应用IQGA算法时可以在不损害系统整体带宽的情况下，认知用户之间满足一定的公平性。

图2 基于CMPF准则频谱分配算法性能比较

认知用户N=20、授权用户K=20、进化代数g=200、信道M从10～30时，4种算法系统公平性的比较如图3所示。从图中可以看到应用IQGA算法网络系统的公平性在认知用户数目发生变化的情况下表现比其他3种算法优秀。在认知用户和授权用户数目一定的情况下，认知用户对信道的竞争程度与信道的数目成正比，这是因为可用信道数量增多，认知用户的竞争也会随之减少。QGA算法和PSO算法系统的公平性根据信道数目增长成线性增长，两者仿真结果差不多；CSGS算法在信道数目小于认知用户数目时公平性极差，但在信道数目大于认知用户数目情况系统的公平性要比QGA算法和PSO算法好；IQGA算法与QGA算法和PSO算法的差距随着信道数目的增多而增大。仿真结果表明在一定进化代数情况下，在处理多用户之间的公平性问题方面，IQGA算法比QGA算法和PSO算法性能要好。

图3 基于CMPF准则网络公平性与信道数关系

4 结束语

基于认知无线网络的特性及改进的量子遗传算法，提出了面向系统公平的频谱分配算法。在染色体初始化时结合频谱分配在短时间内变化缓慢的特点引入混沌搜索的方法，解决陷入局部最优解的问题，并通过系统公平性约束提高频谱分配的公平。仿真试验结果表明，相对于其他经典演化算法，本算法在各种频谱分配需求下都能有效地提高认知无线网络系统的网络效益和公平性，具有良好的适应性。

[1] Mitola J. Cognitive Radio: Making Software Radios More Personal [J]. IEEE.Personal Communications. August 1999 ，6(4):13-18.

[2] Haykin S. Cognitive Radio: Brain-Empowered Wirelesscommunications[J]. IEEE Journal on Selected Areas in Communications,2005,23(2):201-220.

[3] Akyildiz I F,Lee W Y,Vuran M C,et al. Next Generation/dynamic Spectrum Access/cognitive Radio Wireless Networks: A Survey[J]. Computer Networks,2006,50(13):2127-2159.

[4] Lin F,Hu Z,Qiu R C,et al.A Combination of Quickest Detection with Oracle Approximating Shrinkage Estimation and its Application to Spectrum Sensing in Cognitive Radio[C]∥ MILCOM 2012-2012 IEEE Military Communications Conference. IEEE,2012: 1-6.

[5] 徐聪,张永杰. 认知无线电中频谱资源分配方法研究[J]. 无线电工程,2014,44(7):28-31.

[6] 黄川. 认知无线网络中频谱检测机制及频谱资源分配研究[D]. 南京: 南京邮电大学,2011.

[7] Teng Y,Zhang Y,Niu F,et al. Reinforcement Learning Based Auction Algorithm for Dynamic Spectrum Access in Cognitive Radio Networks[C]∥ Vehicular Technology Conference Fall. IEEE,2010:1-5.

[8] 张文柱,王凌云.基于单频段多赢家拍卖的动态频谱分配[J].通信学报,2012,33(2): 1-6.

[9] Ji Z,Liu K J R. Belief-assisted Pricing for Dynamic Spectrum Allocation in Wireless Networks with Selfish Users[C]∥Sensor and Ad Hoc Communications and Networks. Reston: IEEE Press,2006,1: 119-127.

[10]倪秋芬.基于博弈论的认知无线电网络频谱分配研究[J]. 计算机与数字工程,2016,44(1): 95-99.

[11]王晓飞,陈岳兵,张希,等. 基于免疫克隆选择的认知无线网络频谱分配研究[J]. 电子与信息学报,2011,33(7): 1561-1567.

[12]Peng C,Zheng H,Zhao B Y. Utilization and Fairness in Spectrum Assignment for Opportunistic Spectrum Access[J]. Mobile Networks and Applications,2006,11(4):555-576.

[13]Newman T R,Rajbanshi R,Wyglinski A M,et al. Population Adaptation for Genetic Algorithm-based Cognitive Radios[C]∥ International Conference on Cognitive Radio Oriented Wireless Networks and Communications,2007. Crowncom. IEEE,2007:279-284.

[14]Zhang B,Hu K,Zhu Y. Spectrum Allocation in Cognitive Radio Networks Using Swarm Intelligence[C]∥ International Conference on Communication Software and Networks. IEEE,2010:8-12.

[15]乔思宁,孙学斌,周正.基于改进离散粒子群算法的认知无线电频谱分配[J].无线电工程,2015,45(3):72-76.

[16]林培培,杨铁军.基于遗传粒子群的认知无线电频谱分配[J].无线电工程,2014,44(9):12-15.

[17]Zhao Z,Peng Z,Zheng S,et al.Cognitive Radio Spectrum Allocation Using Evolutionary Algorithms[J]. IEEE Transactions on Wireless Communications,2009,8(9): 4421-4425.

[18]王竹荣,杨波,吕兴朝,等.一种改进的量子遗传算法研究[J]. 西安理工大学学报，2012,28(2):145-151.

[19]傅德胜,张蓉. 一种改进的量子遗传算法研究[J]. 计算机仿真,2013,30(12):321-325.

A Spectrum Resource Allocation Method for System Fairness

GUO Jian-li1,ZHOU Dian-su2,LIU Gang3,ZHAO Hai-yang3

(1.State Key Lab of Information Transmission and Distribution in Communication Networks,Shijiazhuang Hebei 050081,China; 2. Unit 63963,PLA,Beijing 100072,China; 3. State Key Laboratory of Measurement Technology and Instrumentation of Hebei Province,Yanshan University,Qinhuangdao Hebei 066004,China)

In view of the fairness and global optimization in the process of spectrum allocation in cognitive radio networks,this paper proposes a new spectrum allocation method considering the fairness of network system. Based the characteristics of cognitive radio networks and improved quantum genetic algorithm,the new method uses the system fairness as objective function,and corresponding the allocation matrix in the spectrum allocation model with the feasible solution in the improved quantum genetic algorithm. While guaranteeing the fairness of the system,the phenomenon of local optimization is avoided. Simulation results show that the proposed algorithm can achieve maximum network efficiency and system fairness.

cognitive radio networks; spectrum allocation; quantum genetic algorithm; system fairness

2017-06-08

河北省自然科学基金项目(F2015203291)

郭建立(1980―),男,高级工程师,主要研究方向:无线自组织网络、认知网络等。周滇苏(1966―),男,高级工程师,主要研究方向:装备指挥自动化、军事通信技术。

10. 3969/j.issn. 1003-3114. 2017.05.08

郭建立，周滇苏，刘刚，等. 一种面向系统公平性的频谱资源分配方法[J].无线电通信技术,2017,43(5): 35-37,85.

[GUO Jianli,ZHOU Diansu,LIU Gang,et al. A Spectrum Resource Allocation Method for System Fairness[J].Radio Communications Technology,2017,43(5):35-37,85.]

TN927

A

1003-3114(2017)05-35-3