[发明专利]DCSS-OCR机会认知路由协议优化方法

摘要

一种DCSS‑OCR机会认知路由协议优化方法，首先，对DCSS‑OCR机会认知路由协议中关于期望链路接入机会和平均传输延迟度量提出了全局优化方案，以实现异构认知网络最优的路由质量和稳定性。其次，通过Monte Carlo实验仿真和理论数值分析验证了链路接入机会和平均传输延迟表达式的正确性。最后，通过多维度参数联合优化设置，仿真和数值分析了主用户活动对路由链路和路径接入机会、以及平均传输延迟的影响。

主权项

一种DCSS‑OCR机会认知路由协议优化方法，其特征在于，具体方式如下:首先，对链路的可用概率和期望的传输延迟进行优化，其优化目标函数表达式可表示为公式(1)所示：其中Ui表示第i个认知用户，表示按照第i个认知用户Ui的最佳邻居候选节点集按照距离认知目的节点Ud最近的原则进行优先权排序，其优先权序列集为为优先权序列集中的元素，Ci和Cj为正整数并且表示优先权序列号，式中第一项的由链路可用概率表达式(0‑22)定义，第二项的为若认知节点Ui在同一频带(信道)上有k个侯选认知邻居节点，则Ui可在N个信道发送一个数据包到认知邻居节点集的第j个邻居节点的期望链路传输延迟；根据式(0‑8)、式(0‑11)、式(0‑12)、式(0‑19)和式(0‑12)，可以得到上式第一项的优化目标函数表达式为公式(2)所示：maxj∈[1,k]{plink,i(Ui,Ucj)}=maxj∈[1,k]{maxm∈[1,N]{plink,icjm(Ui,Ucj)}}=maxj∈[1,k]{maxm∈[1,N]{ρicjm·(1-pon,im)·(1-pon,cjm)Πx=1j-1{1-(1-pon,im)·(1-pon,xm)}}---(2)]]>将公式(0‑8)的表达式代入上式可以得到DCSS‑OCR机会认知路由协议的链路可用概率优化函数表达式为公式(3)所示：maxj∈[1,k]{plink,i(Ui,Ucj)}=maxj∈[1,k]{maxm∈[1,N]{ρicjm·(1-Qon,im)·(1-Qon,cjm)Πx=1j-1{1-(1-Qon,im)·(1-Qon,xm)}}---(3)]]>关于链路可用概率的优化问题转化为公式(4)所示：maxj∈[1,k]{plink,i(Ui,Ucj)(ρicjm,Qon,im,N,k)}---(4)]]>受限于公式(5)：0≤Δtik<T,||Xi-{Xcj}j=1k||<min{rui,{rucj}j=1k},||Xi-Xd||-||{Xcj}j=1k-Xd||>0,||Xcj-Xd||<||Xcj+1-Xd||,∀j∈{1,...,k}---(5)]]>式中Δtij为Ui和在时间间隔(t+nT,t+(n+1)T)内期望的累积通信时间，T为认知节点工作时间周期，分别为表示认知节点Ui和的传输覆盖范围半径，Xi、表示认知节点Ui、的位置坐标，i∈{s,...,d}；表示发送认知节点Ui与其侯选邻节点集到认知目的节点Ud的前传距离增益，以确保中的任一节点到目的节点Ud的距离要比Ui到目的节点Ud的距离近，表示到目的节点Ud的距离要比到目的节点Ud的距离近；接着得到优化目标函数表达式(1)中第二项关于期望链路传输平均延迟的优化目标函数表达式为公式(6)所示：min{Tlink,i(Ui,Ucj)}=min{11-q‾ickN(Σj=1kΣm=1Nq‾icjm-1picjmlψicjm+q‾ickN·T)}---(6)]]>上式中函数表达式分别为公式(7)所示：q‾ickN=Πm=1N·(Πx=1k{1-(1-Qon,im)·(1-Qon,cxm)})picjm=(1-Qon,im)·(1-Qon,jm)q‾icjm-1=Πm=1N·(Πx=1j-1{1-(1-Qon,im)·(1-Qon,cxm)})·Πm=1m-1{1-(1-Qon,im)·(1-Qon,cjm)}---(7)]]>这样关于链路平均传输延迟的优化问题可转化为公式(8)所示：min{Tlink,i(Ui,Ucj)(Qon,im,N,k,ψicjm)}---(8)]]>受限于公式(9)：||Xi-Xcj||<min{rui,rucj},plink,icjm(Ui,Ucj)≥plink,icjm+1(Ui,Ucj),∀m∈{1,...,N}---(9)]]>式中Xi，表示认知节点Ui和的位置坐标，分别为表示认知节点Ui和的传输覆盖范围半径。