学位论文 > 优秀研究生学位论文题录展示

认知无线电中的资源分配研究

作　者: 齐泽夫
导　师: 曹志刚
学　校: 清华大学
专　业: 信息与通信工程
关键词: 认知无线电机会性频谱接入动态频谱分配频谱转让功率控制
分类号: F623
类　型: 博士论文
年　份: 2009年
下　载: 1251次
引　用: 2次
阅　读: 论文下载

内容摘要

频谱是基本的无线通信资源。随着无线通信技术的发展,目前的无线用户服务重心已向视频、音频、高清晰图片和流媒体等需要较宽频谱和较高下载速率的服务转移,而现有的固定式频谱管理已成为高性能数据服务和新无线技术发展的阻碍。在很多国家,大量的可用频谱资源已被分配。尽管如此,美国联邦通信委员会(FCC)频谱策略任务工作报告指出,在很多个地区的大部分时间段,多数的频谱都处于空闲状态,这说明频谱的缺乏主要是由频谱分配机制引起的而不是真正意义上的频谱缺乏。在现有的固定式频谱分配方式中,频谱授权只能在固定的地方、用特定的技术、提供特定的无线服务,并且不允许转让使用权或者更换技术,从而导致了很低的频谱资源利用率。对于只关心服务而不关心技术的用户而言,网络运行商在保证他们的利益最大化的前提之下,应该为用户所需的服务提供最适合的技术。然而,目前的情况是用户只能得到运行商提供的某些特定服务,并用这些服务会受到现有技术的限制以及频谱管理政策的约束。为了更好地适应用户的需求的变化,网络以及终端应该在服务类型、技术和频谱应该等方面具有更高的灵活性。在2000年,Joseph MitolaⅢ提出了认知无线电(Cognitive Radio,CR)的概念。认知无线电是可以感知外界通信环境的智能通信系统。通过认知无线电技术可以动态地增加网络和个人用户的可用频谱总数,从而为频谱分配提供了一个可能的解决方案,同时可为网络及其终端提供更高的灵活度。因而对无线网络资源分配的研究具有重大意义。本论文对基于认知无线电的频谱资源分配开展了研究。为了达到最大频谱使用效益,频谱资源需要合理的动态分配。研究的内容包括:(1)首先是如何分配频谱才能达到最大使用效益的问题。主要内容是研究频谱分配方式的统一理论框架。(2)从短期频谱需求来看,要提出并分析从现有的固定频谱分配的环境中免费地获取频谱资源即机会性频谱接入的方法(Opportunistic SpectrumAccess)。(3)在基于机会性频谱接入方式下如何进行功率和子频段分配。主要研究基于统计的功率和子频段分配以及软频谱获取问题。(4)从长期频谱需求来看,要提出并分析基于收费的动态频谱转让(Dynamic Spectrum Leasing)机制。先提出能基于费用频谱交换的框架,然后研究频谱定价方法以及方法的最优性分析。(5)在基于动态频谱转让方式下进行功率和子频段分配。主要研究基于价格的功率和子频段分配问题。本论文的主要创新点包括:创新点一:针对不同的频谱分配模式提出了统一的理论研究框架,在该框架之下,动态的频谱分配方式允许频谱使用权的转让,因而能带来最大的使用效用,是最优的分配方式,固定的分配方式为其次,而自由的频谱使用为最次。更详细的介绍在下两段。虽然多方提倡基于市场的动态频谱分配机制,但是,在现有的文献并没有从理论的角度给出统一的理论研究框架。所谓统一的理论研究框架是指能用于研究固定分配模式(Command and Control)、动态频谱转让(Dynamic SpectrumLeasing)以及自由共享(Spectrum Commons)的频谱分配机制。本论文针对这三种频谱分配机制提出了统一的理论研究框架,从而分析了它们对频谱使用所带来的效益。该框架基于一个明显的事实,即由于频谱管理一般是由政府机关来控制,因此在某种意义上可以认为是国家垄断的一项业务,而把对某频段使用授权视为垄断的产品。因此,本论文的研究思路是采取耐用品垄断(Durable GoodsMonopoly)理论来建立该框架。基于此就可以得到一个比较以上三种频谱分配方式的框架。该框架指出动态的(允许频谱使用权的转让)频谱分配方式为最优(能带来最大的使用效益),固定的分配方式为其次,而自由的频谱使用为最次。本文提出对基于价格的频谱分配而言,达到帕累托最优(Pareto Optimality)的条件是频谱管理者可以知道每个用户所愿意付出的代价,并因此选出能出最高的频谱价化转让给它使用。帕累托最优是指资源分配的一种状态,在不使任何人境况变坏的情况下,无法再使某些人的处境变好。上面的理论框架跟部分国家的未来频谱管理计划吻合。英国通信办公室(OFCOM)的未来频谱分配计划显示:现在固定的频谱使用机制占96%,而2010年以后只占22%;动态的频谱转让机制目前占0%,而将来占71%;自由的频谱使用机制目前占4%,而将来占7%。美国的FCC以及其他国家如新西兰、澳大利亚、中国台北等也都提出了类似的趋势,即频谱的动态转让机制。从长期发展来看,我们应该抓紧研究可以灵活地获得频谱资源的通信技术,否则到时候技术落后于政策将导致失去’先下手为强’的优势。从实际情况来看,大部分国家的政策还不支持灵活的频谱分配,所以作为一个短期的方案还是需要考虑如何从现有的固定的频谱分配机制中获取免费的频谱资源。本论文考虑了这两种情况,即认知无线电技术中,如何在固定(免费)和动态(收费)频谱分配机制下进行资源分配。所考虑的资源为政策中的频谱分配和系统中的功率和子频段分配。基于以上的分析比较结果,本文进而围绕着频谱免费和收费两种情况进行频谱、功率和子频段资源分配的研究:针对免费频谱获取,研究基于机会频谱接入方式以及基于统计的软频谱获取,功率和子频段分配;针对收费的频谱分配研究是以动态频谱转让方式和基于价格的功率和子频段分配来实现的。创新点二:针对固定的频谱分配方式中的免费频谱获取,提出了用于机会频谱接入的持续可调(Variable Persistence)的感知方法,以填满频谱空洞并提高频谱的利用率。具体提出了三个频谱感知方案,并用对所提出的方案进行了理论分析和数值仿真实验。由于固定分配机制频谱资源利用的不灵活,导致了很低的频谱利用效率。这部分在解决如何最有效地再利用频谱资源?这一问题。针对固定的频谱分配方式,提出了用于机会频谱接入的持续可调的感知方法,以填满频谱’空洞’并提高频谱的利用率。持续度可调是指感知某一个子频段的时隙数可以调整,而频谱空洞是指那些已分配给授权用户使用,但是在特定的时间和地点授权用户却没有使用的频段。具体提出了三个频谱感知方案,并且对所提出的方案进行了理论的分析和数值仿真实验。本论文的研究思路是:按照主用户(有频谱利用授权用户或者任何先占用非授权频谱资源的用户)的频谱应用规律或者特性设计获取频谱“空洞”的方案并在其上进行数据通信。为了进行比较,本论文采用了两种主用户频谱应用规律,即在不同的时隙主用户出现的规律服从独立同分布(identically independently distribution,i.d.d.)模型和两个状态的Markov模型(2-state Markov model)。在本论文所提出用于机会频谱接入的持续度可调感知方法中,在每一个时隙中对感兴趣的频段进行感知,判断是否有‘空洞’,如果没有,作以下操作:达到一定重复次数后在下一个时隙随机地跳到另一个感兴趣的频段继续感知,否则在所在的频段继续进行频谱感知;如果找到了频谱空洞,则认为频谱接入成功并可以传输数据。一旦主用户出现在某个频段上,次用户必须立刻放弃使用这个频段。不同重复次数(T)的设置导致不同的方案:(1)当T为无穷大时,方案称为永久持续感知单个频段;(2)当1＜T＜∞时,方案为持续T个时隙感知单个频段再随机地跳换频段;(3)而T=1时,在每个时隙中随机地跳换感知的频段。为了对所提出的方案进行评估,本论文采用频谱利用效率和频谱接入延时作为评估参数。通过理论分析和计算机仿真得出:1)两个状态的Markov模型比i.d.d.模型更能反映主用户频谱使用规律;2)主用户的出现概率越低,次用户的频谱利用率越高,延时越小;3)主用户的出现概率越高,次用户的频谱利用率越低,延时越大;4)在两个状态的Markov模型下仿真和分析结果显示出方案(3)最好,(2)其次,而(1)最差。所提出用于机会频谱接入的持续度可调感知方法可以提高频谱的利用率,特别适合用于军事或者应急(如地震)的紧急频谱需求环境。创新点三:针对机会频谱接入方式提出了基于统计的功率和子频段分配方案。主要创新点包括:(a)针对认知无线电中的二维不确定性环境(频谱资源和信道衰落的不确定性)建立了数学模型。该问题被简化成凸优化问题,这样就可以得到全局最优方案以及高效率的资源分配算法。该算法可以实现功率和子频段分配,并允许用户的直接参与,即用户能依据个人需要输入个性化的参数;(b)所提出的算法对不确定的认知无线环境可以提供鲁棒的服务质量保证;(c)可以实现软频谱感知。更详细的介绍在下一段。文献调研显示目前大部分的认知无线电的研究工作是围绕着频谱的再利用方法,正如创新点二中的研究内容,而涉及资源分配问题的比较少见。由于现有的频谱资源是固定分配的,传统的无线资源分配问题研究在建模的时候一般不考虑频谱资源是否存在,而只考虑无线信道衰落的不确定性。在认知无线电中的资源分配问题则不然,即除了考虑信道衰落的不确定性以外,还得考虑频谱资源存在的不确定性。同时考虑二维不确定性因素对建立资源分配数学模型所增加的难度是可想而知的。此时,资源分配的目标是在环境的不确定情况下找到一个功率分配方案以达到某服务质量指标的保证。所描述的问题跟投资管理(Portfolio Optimization)所解决的问题是类似的。作为一个类比,可以把频段视为“股票”,功率分配就好比要投资的基会。投资者(认知无线电设备)的目标是尽可能降低投资风险,而风险是由回报率的方差衡量的。本论文的研究思路是采用投资管理模型来解决二维不确定性下的资源分配问题。在多因素不确定或者“高风险”的认知无线电环境中的目标是降低传输率的方差来达到稳定的数据率。本文建立的数学模型基于信道增益数据,求功率分配向量以降低传输率的方差。由于传输率和功率是基于香农定理的对数关系,因此建模的障碍在于简化传输率(功率的对数方程)的方差表达式。本论文采用了δ近似法(δ-Approximation)来得到简单的传输率方差的表达式,而且在所得到的表达式中。可以直接利用过去时隙的信道增益数据求解。基于上述的简化表达,本论文针对不同用户偏好,建立了两个优化目标函数;即(1)用户只考虑降低数据率方差;(2)用户同时考虑降低数据率方差和提高数据率均值(这个数学模型允许用户直接输入个性化的参数,即表示用户对不良QoS条件的承受度)。由于所建立的的数学模型是二次规划(Quadratic Programming)的凸优化问题,本论文得到了全局最优功率分配方案以及高效率的算法。从应用的角度,方案可以提供鲁棒的服务质量保证,这对”高风险”认知无线电环境很关键;可以同时实现功率分配和频谱接入;可以让用户直接输入个性化的参数如数据率以及实现软频谱检测。为了了解方案中的关键参数即最大功率和用户承受度的局限性,本论文还对所得到的方案进行了敏感度分析(Sensitivity Analysis),结果显示不同的参数设计或者选择会导致不同QoS效果,因此实际应用的时候该参数的设计将取决于应用环境和用户爱好的因素来确定。由于采用以前的信道增益数据做出软频谱检测,因此跟创新点二比较,这部分的工作更适用于民用的频谱再利用情景。未来的工作可以就认知无线电在二维不确定性中的资源分配问题进行鲁棒性研究。创新点四:针对收费的频谱使用方式,提出一个层次化的动态频谱转让框架(Hierarchical Dynamic Spectrum Leasing Framework),以及基于该框架的定价方案。目前,很多国家的有关频谱管理政策机构正在考虑,把大部分的频谱资源的分配从静态的固定模式转化到灵活的动态频谱转让机制。为了成功地实现动态频谱转让机制,需要全局性地考虑多方面的因素,首先是频谱利用率的最大化和管理的方便性,其次是无线通信服务运营商的利益最大化,最后是普通用户的功率控制和服务质量保证。针对这个情景,本论文提出一个层次化的动态频谱转让框架。该框架中,频谱管理者(Spectrum Manager,SM)是最高层:他负责实现使用效益最高的频谱分配。SM有频段需求量估计分析和频段定价两个功能模块。由于机制是基于频谱转让,SM的重要工作是对每个频段按照需求量分析的结果进行价值评估并定价,以达到频谱使用价值最大化的目的。在本论文中,SM采用垄断的定价方式。SM通过收集频谱的需求信息来确定价格,这样频谱的价格动态地随着需求量的变化而变,实时地反映频谱的价值。框架的中间层是网络运营商(Network Operator,NetOp):它按照SM提出的频谱价格和用户对其服务的需求量,来规划自己的网络,选择使用的技术,以及服务的收费。服务提供商关心的则是把自己的利益最大化。他是通过收服务费来获利。框架的最底层是最终用户(End User):用户关心的是以最便宜的方式得到最好的服务质量。他的发射功率和频谱(或者服务)受价格的约束。创新点五:针对基于价格的功率和子频段分配,本文:(1)对SM和网络运营商建立了回报率最大化的数学模型,提出了解决方法;(2)针对最终用户,(a)建立了基于非合作博弈的功率分配数学模型,并证明了功率控制策略的均衡点的存在和唯一性;(b)提出考虑和不考虑服务质量保证的,基于频谱价格的功率和子频段分配两个算法。更详细的介绍在下一段。为了达到全局性的最有效的资源分配方法,本文提出具体的SM和NetOp的利益最大化数学模型。在此,对SM和NetOp的优化感兴趣的结果是给最终用户提供频段价格的参数。该频段价格参数将被最终用户使用,并用于功率和子频段的分配。由于用户在层次化框架的最底层,而发射功率和频谱(或者服务)受上层所定的频段价格的约束,他的资源的分配方式则适合使用非合作的博弈描述。因此,本论文建立了基于非合作博弈的功率和子频段分配的数学模型。每一个用户的效用函数是由Sigmoid函数和频段价格而形成准凹效用函数(Quasi-concaveutility function)。对于该博弈,本文证明了功率控制策略的均衡点的存在和唯一性。针对该基于频谱价格的功率控制和子频段分配策略,提出两个算法,一个考虑服务质量,另一个不考虑服务质量。数值仿真结果显示,所提出的方案将对频谱分配、网络运营商利益最大化,并可有效的进行功率和子频段分配。基于认知无线电技术,以上的创新点有助于短期和长期的进行灵活高效率的频谱分配,从而达到最大的频谱使用效益,并且系统中的功率和子频段分配将以最低代价达到最好的服务质量。

全文目录

摘要  4-10
Abstract  10-21
Chapter 1 Introduction  21-37
  1.1 Background  21-24
  1.2 Literature Review  24-32
    1.2.1 Optimal Spectrum Resource Allocation  24-27
    1.2.2 Statistical Resource Allocation under OSA  27-30
    1.2.3 Price Based Resource Allocation  30-32
  1.3 Contributions of the Dissertation  32-34
  1.4 Organization of the Dissertation  34-37
Chapter 2 Cognitive Radio Resource Allocation:Preliminaries  37-63
  2.1 Cognitive Radio Network Assumptions  37-41
    2.1.1 Introduction  37
    2.1.2 Terminal Device Assumptions  37-39
    2.1.3 Network Assumptions  39-41
  2.2 Spectrum Management  41-49
    2.2.1 Introduction  41-43
    2.2.2 Command and Control  43
    2.2.3 Dynamic Spectrum Leasing  43-46
    2.2.4 The Commons Model  46-47
    2.2.5 The Secondary(Opportunistic) Usage of Licensed Spectrum  47
    2.2.6 Cognitive Radio as an Enabling Technology  47-49
    2.2.7 Summary  49
  2.3 Utility Based Resource Allocation  49-62
    2.3.1 Introduction  49
    2.3.2 Utility Based Optimization  49-52
    2.3.3 Monopoly Theory:Modeling Centralized Resource Control  52-55
    2.3.4 Game Theory:Modeling Interactive Decision Making  55-56
    2.3.5 Portfolio Optimization:Modeling Stewardship  56-62
  2.4 Utility Based Problem Formulation  62-63
PartⅠ Optimal Spectrum Allocation for Cognitive Radio Networks  63-73
  Chapter 3 Pareto Optimal Spectrum Resource Allocation  64-73
    3.1 Spectrum Allocation  64-66
    3.2 A Two Periods Model  66-69
    3.3 Comparison of the Different Approaches  69-71
      3.3.1 Command and Control(CC)  69
      3.3.2 Spectrum Commons(SC)  69-70
      3.3.3 Spectrum Leasing(SL)  70
      3.3.4 Summary  70
      3.3.5 Discussion on Spectrum Leasing versus Opportunistic Spectrum Access(OSA)  70-71
    3.4 Pareto Optimality  71-72
    3.5 Conclusion and Future Works  72-73
Part Ⅱ Resource Allocation in Opportunistic Spectrum Usage Environments  73-115
  Chapter 4 Variable Persistence Sensing Schemes for Opportunistic Spectrum Access  74-90
    4.1 Problem Statement  74-78
      4.1.1 Network Description  74-75
      4.1.2 Primary User Traffic Models  75-77
      4.1.3 Objectives  77-78
    4.2 Variable Persistence Opportunistic Spectrum Access Schemes  78-81
      4.2.1 Single Channel 1-Persistence  79
      4.2.2 T-Persistence Random Frequency Hopping  79
      4.2.3 1-Persistence Random Frequency Hopping  79-80
      4.2.4 Coordination of Secondary Users  80-81
    4.3 Performance Analysis  81-85
      4.3.1 Analysis of the I.I.D.Case  81-84
      4.3.2 Analysis of the Markov Case  84-85
    4.4 Simulation Results and Discussions  85-88
      4.4.1 Utilization Efficiency and Delay under the I.I.D.Model  85-86
      4.4.2 Utilization Efficiency and Delay under the 2-State Markov Model  86-88
    4.5 Conclusion and Future Work  88-90
  Chapter 5 Statistical Resource Allocation for Multi-band Cognitive Radio Systems  90-115
    5.1 System Framework  91-95
      5.1.1 Background  91-92
      5.1.2 An Uncertain Spectrum Availability Scenario  92-93
      5.1.3 Data Transmission  93-95
    5.2 Problem Formulation  95-100
      5.2.1 Formulation  95-96
      5.2.2 Problem Simplification  96-97
      5.2.3 Problem Solution  97-100
    5.3 Sensitivity Analysis  100-103
      5.3.1 Minimum Variance based Allocation  101
      5.3.2 Mean-Variance based Allocation  101-103
    5.4 Algorithm and Raw Data Processing  103-106
      5.4.1 An Example  104-106
    5.5 Simulation Results and Discussion  106-114
      5.5.1 Simulation Setup  106-108
      5.5.2 Performance for Various Utilities and Tolerance Parameter(η)  108-109
      5.5.3 Results in Various Channels  109-114
    5.6 Conclusion  114-115
Part Ⅲ Resource Allocation in Dynamic Speetrnm Leasing Environments  115-154
  Chapter 6 A Framework for Pareto Optimal Dynamic Spectrum Allocation  116-126
    6.1 Motivation and Assumptions  116-119
      6.1.1 Motivation for Automated Dynamic Spectrum Leasing  116-118
      6.1.2 Dynamic Spectrum Leasing Assumptions  118-119
    6.2 A Hierarchical Model for Implementing Automated Spectrum Leasing  119-122
      6.2.1 A Hierarchical Model  119-122
    6.3 A Monopolistic Price Setting Strategy  122-125
      6.3.1 Revisiting the Motivation  124-125
    6.4 Conclusion and Future Work  125-126
  Chapter 7 Joint Power Control and Spectrum Allocation for Cognitive Radio Networks via Pricing  126-147
    7.1 Spectrum Allocation Assumptions and Network Model  127-130
      7.1.1 Dynamic Spectrum Leasing Assumptions  127-128
      7.1.2 Hierarchical Model for Dynamic Spectrum Leasing  128-129
      7.1.3 Network Model  129-130
    7.2 Utility Functions  130-134
      7.2.1 Spectrum Manager's Revenue  130-131
      7.2.2 Network Operator's Revenue  131-132
      7.2.3 User's Utility Function  132-134
    7.3 Network Problem:Spectrum Price Setting and Revenue Maximization  134-137
      7.3.1 A Monopolistic Price Setting Strategy  134-135
      7.3.2 The Revenue Function for the Hierarchy  135-136
      7.3.3 The NetOp's Problem:Maximize Revenue  136-137
    7.4 End User Problem:A Noncooperative Power-Control Game  137-140
      7.4.1 Existence of the Equilibrium  138-139
      7.4.2 Uniqueness of the Equilibrium  139-140
      7.4.3 Power Control Algorithms  140
    7.5 Numerical Results  140-145
      7.5.1 Radio Propagation Model  141-142
      7.5.2 Relationship Between Demand,Throughput,and Spectrum Price  142
      7.5.3 Effect of Price on Emitted Power and Band Selection  142-144
      7.5.4 Comparison of Power and Utility Versus Price  144-145
    7.6 Conclusion  145-147
  Chapter 8 Conclusions and Future Research  147-154
    8.1 Conclusions  147-151
    8.2 Future Works  151-154
References  154-160
致谢  160-161
个人简历、在学期间发表的学术论文与研究成果  161-162

认知无线电中的资源分配研究

内容摘要

全文目录

相似论文