[发明专利]一种基于割边的认知无线电分集方法

说明书

技术领域

本发明涉及一种基于割边的认知无线电分集方法，属于分集技术和认知无线电频谱分配技术领域。

背景技术

随着社会通信需求的增长，频谱资源成为了一种越来越紧缺的资源。频谱资源存在的问题是使用率的匮乏，为了提高无线通信中频谱的使用率，一种以感知环境为目的的认知无线电被提出。频谱分配是认知无线电的一项关键技术，其目的是寻找到高效率的频谱管理方式。在以往的研究中，频谱分配可以分为集中式和分布式两大类。

集中式的频谱分配方案中，在需要作出一次决策的时候，仍然有一个节点需要全局的信息，根据全局情况，选择唯一的选项。这样的决策方式，在通信网络对环境的认知结构上，与以往基站结构并无两样。与集中式频谱分配方式相对应，也有一些分布式的环境认知方法，比如基于图染色的频谱分配方式，基于博弈的方式等。但是这些又显得范围太小，往往只是数个节点之间的权衡，至于这些节点如何了解全局的信息没有具体的方案。所以这些方案在节点数目增大的情况下，难以保持良好的效率。

发明内容

(一)要解决的技术问题

本发明的目的是要克服传统算法都没有适当考虑节点的感知能力，运算量将随着用户数的增加以非线性方式增加，造成频谱分配过程中通信量过大的问题。

(二)解决问题的技术方案

为了实现所述目的，本发明提供一种基于割边的认知无线电分集方法，它按实现过程分为自组网和寻找割边分集两步：

1、认知无线电的环境认知和自组网过程：

认知无线电以节点间的干扰为边形成一个图，每一个连通图形成一个小区。小区内存在一个群首，进行信息存储，环境计算及节点调配等功能。在节点形成的网络结构不断变化的过程中，群首应该能够根据对环境的认知，自动增加或者减少网络的数量，形成自组网。

2、基于割边的分集策略：

这一步是控制网络规模，减少通信量的主要步骤。割边是指在一个连通图中这样的边：当去掉这条边后，原图将不再成为一个连通图。在第2步自组网之后，群首将寻找图中满足一定条件的割边，并以此分割新的网络，设置合适的网关，以满足不同分集间的通信。

综上所述，本发明一种基于割边的认知无线电分集方法，该方法具体步骤如下：

步骤一：节点进入网络，了解周围已经存在的、可能对其形成干扰的节点。如果没有会产生干扰的节点，则说明它可以自由使用频带，跳过下列步骤。

步骤二：节点和与其形成干扰的节点进行交互，了解这些节点各自属于网络的主节点地址。

步骤三：节点与第二步得到的主节点进行通信，由此得到网络拓扑结构。

步骤四：在得知拓扑结构后，节点判断是否有更改主节点的必要(包括有可能产生的网络融合)，并以此选出主节点。不管有无必要，都在新的主节点处更新网络拓扑状态。

步骤五：主节点在更新网络拓扑状态之后，判断是否有分集的必要，若有的话，则进行分集行为。

步骤六：在新形成的各个网络中，主节点实施频谱分配。

其中，步骤五中所说的判断和分集方式，其具体内容及过程如下：

在进行前四步之后，网络已经选出了暂时的主节点，现在即由该节点进行判断过程，主节点利用TFCE算法得到拓扑中是否有满足条件的割边，若有则进行下一步分集行为，若没有则说明没有分集的必要。TFCE算法，改自连通图中求最大连通分量tarjan算法，具体实现如下：

Tarjan算法是基于对图深度优先搜索的算法，每个强连通分量为搜索树中的一棵子树。搜索时，把当前搜索树中未处理的节点加入一个堆栈，回溯时可以判断栈顶到栈中的节点是否为一个强连通分量。

定义DFN(u)为节点u搜索的次序编号(时间戳)，Low(u)为u或u的子树能够追溯到的最早的栈中节点的次序号。由定义可以得出，Low(u)为以下三者中的最小者：

1.DFN(u)；

2.Low(v)，(u，v)为树枝边，u为v的父节点；

3.DFN(v)，(u，v)为指向栈中节点的后向边(非横叉边)；

当DFN(u)＝Low(u)时，以u为根的搜索子树上所有节点是一个强连通分量。

该算法使用了两个栈和两个数组作为辅助来寻找割边，算法复杂度等同于一次深度搜索，只要调用TFCE(node，NULL)，则node所在网络中的割边即可被找到。