使带有信道衰落的集中式认知无线网络达到最优化与低复杂度的动态频谱接入算法.pptx

本文内容:本文中为SU(secondary users)开发了一种集中式的动态频谱接入方法
本文特点:假设主信道的占用服从马尔科夫过程,信道感知模型是部分显著马尔科夫判定过程,假定一个SU利用能量侦测在同一时间内只能发现一个信道,将感知结果报告给中心单元,此中心单元称作二级决策中心,它用来决定信道的感知和接入决策。此文中提出的感知和决策方法具有以下特点:,
主要贡献:最佳感知策略有高度的复杂性,故提出次优方案,其表现接近最优方案,但是大大减少了计算复杂度。
本文知识要点
从用户对主用户是否占用信道的估计不仅要依据当前判断,如果通信存在时间相关性时,也要依据过去对信道的观察。信道模型可以用马尔科夫链。最佳感知策略通过观察马尔科夫判断过程而得,但其最佳结果由于其连续状态矢量空间而无法算出,因此要只计算其中的一部分,并且建立功效函数。
此文中假设存在集中式CR网络,并有二级系统判决中心
通过迭代Hungarian算法来允许一个顶点与两侧不止一个顶点有关,这就等效于安排不止一个SU来感知一个主信道。当SU数量大于信道数量时也同时提出了一种启发式算法来完成信道分配问题。
本文得到一个近似最优解,减少了大量的计算时间。
模型建立
由k时刻到k+1时刻信道状态转移
信道m在时隙k时的状态
在每个时刻k SU向SSDC报告感知情况,SSDC预测信道k+1时刻的信道情况,然后在保证公平性的情况下安排SU的接入
由SSDC的预测结果和SU的感知结果得出决策结果
为SU得到的观察值
为得到的主信道状况
得到的状态评估(依据MAP检测器)
其中
对频谱空穴的侦测概率为:
定义信道空闲与否的置信向量为:
当在时刻k收集到SU的观察值后信道m在k+1时是空闲与否通过下式得:
其中
为SU观察得到的条件概率质量函数
如果未得到时刻k时的观察值,则按照马尔科夫过程来估计,其中p为传输矩阵
在k时刻m信道的效益函数定义为
其中为带宽,当满足条件E时, 其他情况其为零
因为有大量的信道,此算法计算复杂度很高
作为另一个选择就是使用短相关信道感知,它被定义能够使得所有次级用户的效应函数对于所有主信道在每一步中达到最大,它的优势在于减少了相关,减少了计算量。
短相关中定义为:
为短相关的最优解它需要列出所有的组合,由于其计算依然是复杂的,因此提出了两种简化算法,得到次优解。
:
为了简化(10)计算量,简化时降低了时间项的指数,并令
,BACs的交叉概率和虚警概率已经给出。定义M*N
数列如果则否则
,然后使用算法二找到信道感知分配表A