一种基于可用信道集的认知无线电盲会合方法
阅读：795发布：2020-05-08
专利汇可以提供一种基于可用信道集的认知无线电盲会合方法专利检索，专利查询，专利分析的服务。并且本 发明 提供了一种基于可用信道集的 认知无线电 盲会合方法，包括待会合的一对认知用户Ui和Uj从各自的空闲信道集合中随机选择1个信道si和sj；根据si和sj和基于信道的 种子 生成方法生成种子序列Di和Dj；由Di和Dj按照随机跳频序列生成方法生成各自的跳频序列Zi和Zj；认知用户按照所述跳频序列进行跳频通信直至会合完成。本发明只需可用信道集便可实现会合，提高了会合效率，而跳频序列保证认知用户间快速、稳健的会合，更加灵活。，下面是一种基于可用信道集的认知无线电盲会合方法专利的具体信息内容。
1.一种基于可用信道集的认知无线电盲会合的方法，其特征在于，包括：
待会合的一对认知用户Ui和Uj从各自的空闲信道集合中随机选择1个信道si和sj；
根据所述信道si、sj，基于信道的种子生成方法生成种子序列Di和Dj；
由Di和Dj按照随机跳频序列生成方法生成各自的跳频序列Zi和Zj；
认知用户Ui和Uj按照所述跳频序列Zi和Zj进行跳频通信直至会合完成；
其中，所述种子生成方法包括：
确定各个认知用户的潜在可用信道总数M和当前选择信道编号si，以及M的最小二进制数位数L，即
定义种子分量Ai、O、I，其中Ai为信道编号si所对应的L位二进制数，O＝<0，0，...，0>1×L，I＝<1，1，...，1>1×L；
根据Ai，O，I，si构造种子Di；
所述随机跳频序列生成的方法包括，根据种子分量的取值依次构造跳频基本序列Z(k)，其中k为种子分量下标；
所述种子分量的取值为0、1或si；
(k)
所述种子分量的取值为0时，所述跳频基本序列Z 由随机序列X0的元素依次和随机序列Y0的对应元素交错组成，其中X0、Y0为从m个可用信道编号中随机选取p个元素的任意一个排列，m为认知用户可用信道数，p为不小于m的最小素数，即：
Z(k)＝
2.根据权利要求1所述的基于可用信道集的认知无线电盲会合方法，其特征在于，所述种子Di＝
3.根据权利要求1所述的基于可用信道集的认知无线电盲会合方法，其特征在于，所述认知用户Ui和Uj按照当前时隙对应的序列中的信道编号进行会合，若会合成功则认知用户停止跳频并开始传输数据。
一种基于可用信道集的认知无线电盲会合方法
技术领域
[0001] 本发明属于通信领域，涉及一种认知无线电盲会合的方法，特别涉及一种基于可用信道集的认知无线电盲会合方法。
背景技术
[0002] 随着无线通信技术的快速发展，无线设备的数量和通信数据量在近几年呈现爆发式的增长，这使得无线频谱资源稀缺问题变得日益突出。此外，大量研究表明，传统的频谱资源固定分配技术导致大量频谱资源使用率低下。为了提高频谱利用率和缓解频谱资源需求压力，认知无线电作为一种实现动态频谱资源分配的智能无线技术，得到了广泛的关注。
[0003] 要实现认知无线电技术，首先要建立认知用户间的通信链路。由于认知用户属于非授权用户，在没有专门分配公共控制信道的条件下，认知用户相互间要建立联系变得困难，认知用户需要通过在授权信道上以跳频的方式去寻找它的通信目标用户，进而建立通信链路。此类没有专门控制信道条件下的通信链路建立问题，被称为盲会合问题(Blind Rendezvous)。
[0004] 为了有效解决认知用户的盲会合问题，需要在盲会合解决方法上进行突破，其中的关键是设计基于可用信道集的、无需角色扮演和使用用户ID等额外要求的、具有良好性能保证的跳频序列生成算法，这正是本发明致力于解决的问题和实现的目标。
发明内容
[0005] 为解决上述问题，本发明提供了一种基于可用信道集的认知无线电盲会合方法，包括
[0006] 待会合的一对认知用户Ui和Uj从各自的空闲信道集合中随机选择1个信道si和sj；
[0008] 由Di和Dj按照随机跳频序列生成方法生成各自的跳频序列Zi和Zj；
[0009] 认知用户按照所述跳频序列Zi和Zj进行跳频通信直至会合完成。
[0010] 在本发明的实施例中，所述种子生成方法包括：确定各个认知用户的可选信道总数M和当前选择信道编号si，以及M的最小二进制数位数 定义种子分量Ai、O、I，其中Ai为信道编号si所对应的L位二进制数，O＝<0，0，..，0>1×L，I＝<1，1，..，1>1×L。
[0011] 根据Ai，O，I，si构造种子Di。
[0012] 在本发明的实施例中，进一步的，所述种子Di＝1×(6L+1)。
[0013] 在本发明的实施例中，所述随机跳频序列生成的方法包括，根据种子分量的取值(k)依次构造跳频基本序列Z ，其中k为种子分量下标。
[0014] 在本发明的实施例中，所述种子分量的取值为0、1或si。
[0015] 在本发明的实施例中，进一步的，所述种子分量的取值为0时，所述跳频基本序列Z(k)由随机序列X0的元素依次和随机序列Y0的对应元素交错组成，其中X0、Y0为从m个可用信道编号中随机选取p个元素的任意一个排列，m为认知用户可用信道数，p为不小于m的最小素数，即：
[0016] Z(k)＝1×2p
[0017] 在本发明的实施例中，进一步地，所述种子分量的取值为1时，所述跳频基本序列Z(k)由随机序列X1的元素依次和随机序列Y1的元素交错组成，其中X1为从m个可用信道编号随机选取p个元素的一种排列，Y1为从m个可用信道编号中随机选取p+1个元素的一种排列，m为认知用户可用信道数，p为不小于m的最小素数，即：
[0018] Z(k)＝1×2p(p+1)。
[0019] 在本发明的实施例中，认知用户Ui和Uj按照当前时隙对应的序列中的信道编号进行会合，若会合成功，认知用户停止跳频并开始传输数据。
[0020] 本发明的有益效果：
[0021] 1.高效性：本发明中认知用户只需要根据可用信道集信息，不需要所有信道的全局信息来实现盲会合，提高了算法效率，保证认知用户间快速、稳健的会合。
[0023] 图1为本发明的实施例1中以二维表格形式呈现的用户1的完整的跳频序列；
[0024] 图2为本发明的实施例1中以二维表格形式呈现的用户2的完整的跳频序列；
[0025] 图3为本发明中实施例1中用户1和用户2会合的示意图；
[0026] 图4为本发明的实施例的最大会合时间的仿真结果图；
[0027] 图5为本发明的实施例的平均会合时间的仿真结果图。
具体实施方式
[0028] 一种基于可用信道集的认知无线电盲会合方法，包括待会合的一对认知用户Ui和Uj从各自的空闲信道集合中随机选择1个信道si和sj；根据si和sj和基于信道的种子生成方法生成种子序列Di和Dj；由Di和Dj按照随机跳频序列生成方法生成各自的跳频序列Zi和Zj；认知用户Ui和Uj按照所述跳频序列Zi和Zj进行跳频通信直至会合完成。
[0029] 具体的步骤为：
[0030] 已知：总信道数M，认知用户集台 N为认知用户总数；空闲信道集台其中Ck表示第k个认知用户Uk对应空闲信道集合。任意用户Ui和用户Uj(j≠i)是待
会合通信的一对用户。
会合通信的一对用户。
[0031] 步骤一：用户Ui在Ci中选择1个信道si，用户Uj在Cj中选择1个信道sj。
[0032] 步骤二：用户Ui和用户Uj分别根据信道si和sj，以及基于信道的种子生成算法，生成种子Di和Dj。
[0033] 步骤三：用户Ui和用户Uj分别根据种子Di和Dj，以及跳频序列生成算法生成跳频序列Zi和Zj。
[0034] 步骤四：用户Ui和用户Uj分别采用Zi和Zj进行跳频通信，直至会合完成。
[0035] 种子生成方法：
[0037] 步骤A2：种子分量定义，定义Ai为信道编号si所对应的L位二进制数O＝<0，0，..，0>1×L，I＝<1，1，..，1>1×L。
[0038] 步骤A3：种子生成，种子Di＝1×(6L+1)。
[0039] 跳频序列生成方法：
[0040] 已知条件：任意给定用户Ui的种子Di，初始化：k＝1；
[0041] 步骤B1：如果k≤6L，执行步骤B2，否则，执行步骤B3。
[0042] 步骤B2：如果Di[k]＝0，执行步骤B4；否则，执行步骤B5。
[0043] 步骤B3：跳频序列Z(k)＝，结束。
[0044] 步骤B4：初始化X0＝<0，0，..，0>1×p，Y0＝<0，0，..，0>1×p，m＝|Ci|为用户Ui的可用信道数，p为不小于m的最小素数。
[0045] 步骤B41：X0[1：m]＝Select(Ci，m)；
[0046] //即X0的前m个元素为Ci可用信道的一种随机排列，此处及下文中的元素是指信道的编号；
[0047] Y0[1：m]＝Select(Ci，m)；
[0048] //即Y0的前m个元素为Ci可用信道的一种随机排列
[0049] 步骤B42：如果p>m，X0[m+1：p]＝Select(Ci，p-m)；
[0050] //即X0的第m+1到第p个元素的每一元素都是在Ci个可用信道中随机选择一个信道的编号；
[0051] Y0[m+1：p]＝Select(Ci，p-m)；
[0052] //即Y0的第m+1到第p个元素的每一元素都是在Ci个可用信道中随机选择一个信道的编号；
[0053] 步骤B43：跳频序列Z(k)＝1×2p；
[0054] 步骤B44：k＝k+1，返回步骤B1；
[0055] 步骤B5：初始化X1＝<0，0，..，0>1×p，Y0＝<0，0，..，0>1×(p+1)，m＝|Ci|为用户Ui的可用信道数，p为不小于m的最小素数。
[0056] 步骤B51：X1[1：m]＝Select(Ci，m)；
[0057] //即X1的前m个元素为Ci可用信道的一种随机排；
[0058] Y1[1：m]＝Select(Ci，m)；
[0059] //即Y1的前m个元素为Ci可用信道的一种随机排列；
[0060] 步骤B52：如果p>m，X1[m+1：p]＝Select(Ci，p-m)；
[0061] //即X1的第m+1到第p个元素的每一元素都是在Ci个信道中随机选择一个信道的编号；
[0062] Y1[m+1：p+1]＝Select(Ci，p+1-m)；
[0063] //即Y1的第m+1到第p+1个元素的每一元素都是在Ci个信道中随机选择一个信道的编号；
[0064] 步骤B53：跳频序列：
[0065] Z(k)＝1×2p(p+1)；
[0066] 步骤B54：k＝k+1，返回步骤B1。
[0067] 跳频方法执行流程：
[0068] 初始化：t＝1；
[0069] 步骤C1：如果认知用户没有会合，则依次执行步骤C2至C5；
[0070] 步骤C2：k＝((t-1)mod(6L+1))+1；
[0071] 步骤C3：
[0072] 步骤C4：认知用户尝试在信道Z(k)[n]上会合；//Z(k)[n]表示z(k)的第n个元素；
[0073] 步骤C5：如果会合成功，认知用户停止跳频，开始传输数据；否则，执行步骤C6；
[0074] 步骤C6：t＝t+1，返回步骤C1。
[0075] 实施例1
[0076] 假设信道全集为C＝{c1，c2，c3}，即，总共有M＝3个信道。考虑两个认知用户，假设用户1和用户2的可用信道集分别为C1＝{c1，c2}和C2＝{c2，c3}，信道2是它们唯一的共同可用信道。假设在初始阶段用户1选择的s1＝1，用户2选择的s2＝2。
[0077] 1)注意到M＝3，s1和s2的二进制表示序列分别为<0，1>和<1，0>。根据种子生成算法，用户1和用户2分别生成种子D1和D2如下：
[0078] D1＝<0，1，0，0，1，1，0，1，0，0，1，1，s1>1×13，
[0079] D2＝<1，0，0，0，1，1，1，0，0，0，1，1，s2>1×13。
[0080] 2)生成跳频基本序列
[0081] 用户1：C1＝{c1，c2}，可用信道个数m＝2，选择不小于m的最小素数p＝2；
[0082] 当k＝1，D1[1]＝0，假设经过步骤B41和B42的运算，产生X0＝<1，2>1×p，Y0＝<2，1>1×p，则相应的跳频基本序列Z(1)＝1×
2p＝<1，2，2，1>。当k＝2，D1[2]＝1，假设经过步骤B41和B42的运算，产生X1＝<2，1>1×p，[0083] Y1＝<1，2，1>1×(p+1)，则相应的跳频基本序列：
2p＝<1，2，2，1>。当k＝2，D1[2]＝1，假设经过步骤B41和B42的运算，产生X1＝<2，1>1×p，[0083] Y1＝<1，2，1>1×(p+1)，则相应的跳频基本序列：
[0084] Z(2)＝1×2p(p+1)
[0085] ＝<2，1，1，2，2，1，1，1，2，2，1，1>。
[0086] 为简单起见，对于k＝3，4，…，12，若D1[k]＝0，则假设生成的基本序列Z(k))与Z(1)相同(注意到D1[1]＝0)；若D1[k]＝1，则假设生成的基本序列Z(k)与Z(2)相同(注意到D1[2]＝1)。
[0087] 当k＝13时，Z(13)＝＝<1>。
[0088] 用户2：C2＝{c2，c3}，可用信道个数m＝2，选择不小于m的最小素数p＝＝2，当k＝1，D2[1]＝1，假设经过步骤B41和B42的运算，产生X1＝<2，3>1×p，Y1＝<3，2，3>1×(p+1)，则相应的跳频基本序列＝<2，3，3，2，2，3，3，3，2，2，3，3>。
[0089] 当k＝2，D2[2]＝0，假设经过步骤B41和B42的运算，产生X0＝<3，2>1×p，Y0＝<2，3>1×p，则相应的跳频基本序列Z(2)＝1×
2p＝<3，2，2，3>。
2p＝<3，2，2，3>。
[0090] 为简单起见，对于k＝3，4，…，12，若D2[k]＝0，则假设生成的基本序列Z(k)与Z(2)相同(注意到D2[2]＝0)；若D2[k]＝1，则假设生成的基本序列Z(k))与Z(1)相同(注意到D2[1]＝1)。
[0091] 当k＝13时，Z(13)＝＝<2>。
[0092] 3)执行跳频序列尝试会合
[0093] 用户1和用户2利用各自的跳频序列，按照跳频算法执行流程不断尝试会合，直至会合成功为止。可利用二维表格的形式对用户1的跳频序列进行呈现，具体见图1；类似地，用户2的跳频序列可通过图2进行呈现。
[0094] 用户1和用户2可以保证在有限的时间内实现会合，不管它们时隙偏移如何。例如，假设用户1在用户2执行跳频序列7个时隙之后(时隙偏移为7)才开始执行它的跳频序列，算法理论保证，经过33个时隙时，用户1和用户2在它们的公共可用信道2上实现会合，具体如图3所示。注意到，用户1和用户2可能在更短的时间内实现会合，例如，在本实施例中，经过5个时隙，用户1和用户2就可以同时访问信道2而实现会合，但这不是算法理论保证的，而是与具体的例子有关的。
[0095] 如图3所示，执行图1和图2的跳频序列，用户1和用户2在有限时间内保证实现会合。
[0096] 仿真实验结果
[0097] 在Matlab7.11进行仿真实验，选择有代表性的CSAC、MMC、EJS和SSB进行对比。为方便起见，将本发明提出的方法命名为ZOS。仿真实验中，设定M＝100，即信道全集C包含100个信道；从C中随机挑选一部分信道形成每个用户的可用信道集，平均而言，每个用户具有θ×M(0≤θ≤1)个可用信道，其中，参数θ在仿真实验中设定为从0.1变化到0.5；此外，两个用户之间的共同可用信道的个数设定为6。图4与图5给出了仿真实验结果，其中图4给出的在最大会合时间(Maximum TTR)方面的结果，而图5给出的在平均会合时间(Average TTR)方面的结果，每个结果是基于5000次独立运行统计获得的。可以看出，本发明提出的会合方法在性能方面超越了现有的盲信道会合方法。
[0098] 以上仅为本发明的实施例，实施例中的认知用户的可选信道总数和信道编号、跳频开始时隙序号仅为举例，并不以此限定本发明的保护范围；本领域技术人员在不违反本发明构思的基础上所作的任何替换与改进，均属本发明的保护范围。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种基于TextCNN网络的信道编码识别方法 | 2020-05-08 | 119 |
| 基于增强学习算法的主用户仿真攻击检测方法 | 2020-05-08 | 869 |
| 基于排队论的认知无线电网络信道定价与服务选择联合优化方法 | 2020-05-08 | 607 |
| 一种采用聚类处理噪声不确定性问题的协作频谱感知方法 | 2020-05-11 | 701 |
| 认知无线电中双通道非参数化能量频谱感知方法 | 2020-05-11 | 784 |
| 一种基于卷积神经网络STBC信号识别方法 | 2020-05-12 | 536 |
| 基于历史判决数据学习的低开销实时频谱图构建方法 | 2020-05-08 | 757 |
| 基于感知质量的可缩放视频编码速率适配 | 2020-05-11 | 598 |
| 频谱管理装置 | 2020-05-12 | 367 |
| 一种基于协同感知的动态频谱接入方法与系统 | 2020-05-08 | 381 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
分析报告
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
认知无线电热门专利
QQ群二维码
意见反馈
意见反馈