[发明专利]一种面向用户需求和提升网络性能的动态频谱接入的方法

说明书

技术领域

本发明涉及通信技术领域次级用户资源优化分配，具体涉及一种面向用户需求和提升网络性能的动态频谱接入方法，可用于认知无线网络。

背景技术

随着无线技术的飞速发展，与日俱增的用户需求使得无线频谱资源面临着紧缺的危险。而传统的固定的频谱分配策略严重限制了用户接入能力，从而导致了频谱资源的严重浪费。基于此，认知无线电技术应运而生，其基本功能就是整合空闲频谱，为择机使用频谱的用户提供接入服务，提高频谱利用率。但次级用户在使用空闲的主用户信道时，必须满足在主用户不做任何改变的情况下不能给主用户带来任何形式的干扰的条件。具体而言，当信道没有被主用户占用而处于空闲的状态时，次级用户可以接入空闲信道进行通信；当信道被主用户占用而处于忙碌的状态时，次级用户则立即停止在此信道的通信并且切换到其他空闲信道继续数据通信。

由于主用户使用频谱的限制，次级用户可用频谱的数量和位置随时间而不断变化，因此对于这些“不确定”的频谱资源进行优化分配本质上是一个受限的频谱分配问题。所以，有效的，能够自适应调整的频谱资源分配方案及管理策略以保证各用户的需求是扩大无线通信应用范围和层次，满足无线终端系统成为综合的，智能的信息终端的最为关键的技术保证。而Q学习算法适用于外部环境变化复杂，但是奖励易积累计算的场景的特性，非常符合我们现在的动态频谱接入环境，能够为我们提供一种动态的，自适应的频谱资源优化方法。

Yinglei Teng等人在文章“Reinforcement Learning Based Auction Algorithm for Dynamic spectrum Access in Cognitive Radio Networks”（Vehicular Technology Conference Fall,2010IEEE72nd，中文名称为“认知无线网络中基于拍卖算法的强化学习的动态频谱接入算法”）中提出了一种用Q学习算法优化投标策略的动态频谱接入方法，根据缓存中数据量的多少，动态提出投标值，提高投标效率。该方法的步骤如下：1、首先构建Q学习算法运行的各个步骤，将投标值引入到奖赏函数中；2、利用Q学习算法状态动作对函数值和缓存数据量的大小更新每次的投标值；3、将投标值上报给拍卖人，根据拍卖人的决策结果调整状态动作对函数值的大小，继续新一轮Q学习算法的运行。

该方法的不足之处：首先，该方法只是将Q学习算法作为资源优化的一种辅助算法，这样不能充分发挥Q学习算法的动态性和智能性；其次，该方法只是以缓存中数据量的多少作为优化的目标，并未考虑信道的质量，网络的性能等方面的因素，无法使得网络整体性能得到很好的优化。

在公开的专利申请中，专利申请号201110197066.0，专利申请公布号102256262A的专利申请“基于分布式独立学习的多用户动态频谱接入方法”，根据公开的技术方案得知，其提供了一种认知无线电系统中基于分布式独立学习的多用户动态频谱接入方法。该方法的主要过程为：1、每个次级用户由状态感知模块感知频谱环境，根据感知结果构建状态空间；2、每个次级用户由动作预测模块和已构建的状态空间获取动作状态函数值；3、采用贪婪算法进行动作的选择；4、依据奖赏函数确定获取的回报；5、根据更新公式对状态动作函数值进行更新。

上述方法存在的不足之处：首先，虽然该方法将各个用户所接入信道的信噪比引入到奖赏函数中，在一定程度上提高了系统的平均容量，但是也仅仅单独考虑了对系统整体性能的优化，并没有从用户角度考虑对服务质量的优化；其次，该方法并不适用于当次级用户彼此之间竞争比较激烈，即信道数少于次级用户数的情况，因为在这种条件下很可能出现某个特定次级用户一直处于无法接入空闲频谱的情况。

发明内容

鉴于现有技术的不足，本发明旨在于提供一种面向用户需求和提升网络性能的动态频谱接入方法，从用户和网络两个角度对频谱资源进行优化分配，在使得网络整体性能较好的情况下尽量满足用户的需求，为用户提供更好的服务质量。

为实现上述目的，本发明采用的技术方案如下：

一种面向用户需求和提升网络性能的动态频谱接入的方法，所述方法包括以下步骤：

（1）入网初始化；