无线移动感知网络

无线移动感知网络篇1

无线传感器网络(Wireless Sensor Network,WSN)技术可应用于军事、国防、城市管理、生物医疗、环境监测、物流管理、危险区域远程控制等诸多领域[1]。

无线传感器网络中,传统的数据传递方法是各节点不断地把采集的原始数据传送给一个数据处理中心。然而,由于数据量太大,节点电源将很快消耗殆尽。近几年许多学者对如何减少传送数据量以减少能量损耗做了一些研究,比如本地数据压缩[2]、传送描述性数据代替实际数据[3]和传送查询消息[4,5]等。传输查询消息的方法即网络外部的某客户节点向网络发送查询消息,网络在完成消息处理后给客户节点返回应答。通过精心设计消息处理算法,可以取得了很好的效果。本文提出的方法采用的方法即为传送查询消息法。前人已经提出了一些能量感知的目标定位算法;文献[6]中提出了一种数学模型,分别确定了在有检测目标以及没有检测目标的情况下,传感器网络的生命期。文献[7]为节点间通信提出了一种能量模型,这种模型被广泛应用在传感器节点能量消耗模型中文献[8]。引入的动态能量管理可以用来设计能量高效的无线传感器网络。

本文采用一种新的目标定位步骤来延长传感器网络的生命期。当同时探测到目标的节点数少于三个时,不可避免地会导致定位不准确,于是本文提出了前向预测定位算法以提高其定位准确度。

1假设及模型

1.1假设

(1)无线传感器网络中的节点都已经知道自身的地理位置,并且按照离覆盖范围中心区域远近编排好序号,序号越小表示离中心区域越远。

(2)并且假设每个节点探测,发送,接受信号所消耗能量大小都一样;能量损耗包括探测损耗,发送信号损耗,接受信号损耗,其他损耗不计。

(3)所有的簇内节点都能和簇头通信;并且由于在短距离传输中,传输错误概率非常低,因此本文假设传输的数据全部正确,不需要数据重发。

1.2 节点探测模型

假设在一个n×m的网络中含有k个节点,si(1≤i≤k)为(xi,yi)处的节点,对于任何一点P(x,y),si与P(x,y)之间的距离为 $d (s_{i}, Ρ) = \sqrt{(x_{i} - x)^{2} + (y_{i} - y)^{2}} ‚ c_{x y} (s_{i})$ 为节点si在点P(x,y)的覆盖度,则节点探测模型[13]为:

$c_{x y} (s_{i}) = {\begin{cases} 0 r + r_{e} \leq d (s_{i}, Ρ) \\ e^{- λ α^{β}} r_{e} ＞ ■ r - d (s_{i}, Ρ) ■ \\ 1 r - r_{e} \geq d (s_{i}, Ρ) \end{cases} (1)$

其中re(re<r)是节点探测距离不确定量,α=d(si,P)-(r-re),λ,β是探测概率距离参数;不同探测概率距离参数可以看成各种节点的物理性能参数。由于本文的定位算法与节点探测模型是相互独立的,因此其他的节点探测模型也适用于本文的定位算法。

1.3 能量消耗模型

由于网络能量损耗因素非常复杂,因此假设一个节点的损耗包括探测损耗,发送损耗,接收损耗,分别用Ψs,Ψt,Ψr表示,整个网络的损耗(不含簇头节点)是网络中所有节点损耗之和。同时假设在时间t上,有k(t)个节点能够探测到目标,k(t)≤k,因此网络中节点用于探测消耗的能量为

Es(k(t))=k(t)ΨsTs (2)

其中Ts是节点探测时间,在一个固定时间间隔内,如果各个节点各向同性,则Es是一个常量。同理,节点用于与簇头通信的损耗(包括发送损耗和接收损耗)分别为Ec;簇头用于广播消耗的能量为Eb。Eb和Ec是T和k(t)的函数,其中T是节点发送的时间,同时也是簇头广播的时间;k(t)是在时间t参与通信的节点数量。

Ec(k(t),T)=(ΨtT+ΨrT)k(t) (3)

Eb(k(t),T)=ΨtT+ΨrTk(t) (4)

显然,上两式中的T的大小与通信所传递的数据量成比例关系。根据不同的通信模式,其有三种表示方式:Td,Te,Tq,分别表示目标信息数据,目标事件报告数据,查询请求数据;因为目标数据信息远大于其他两类数据,并且簇头广播查询信息数据也大于目标事件报告数据,因此Te≤TqTd。由于目标探测和定位过程是一个离散采样的过程,并且Td,Te,Tq及Ts小于采样间隔,因此当在时间范围[tstart,tend]内,对应的瞬时能量损耗E(t)以及总能量损耗E为:

E(t)=Es(k(t))+Ec(k(t),Td) (5)

$E = \sum_{t = t_{s t a r t}}^{t_{e n d}} E (t) (6)$

2 能量感知的目标定位算法

本文提出的目标定位算法分为以下三个步骤:

目标监测阶段。在此阶段,监测范围中心区域节点处于休眠状态,仅由监测范围外层的传感器节点(即序号较小的节点)轮流监测边缘区域,由于监测范围中心区域节点一直处于休眠状态,这样大大可以降低网络整体损耗;没有目标出现时,网络处于目标监测阶段,一旦有节点发现目标入侵,则节点报告簇头,由簇头广播唤醒簇内节点,节点由休眠状态进入定位状态。

目标报告阶段。在此阶段,节点和簇头之间采取两步通信协议,第一步是探测到目标的传感器节点向簇头报告,第二步是由簇头从报告上来的节点中选择三个节点发送目标的详细信息给簇头。

目标定位阶段。在此阶段,簇头处理节点传上来的信息,如果发送报告节点小于三个,则采取预测的方式进行定位。

2.1 目标报告阶段

在本文使用两步通信方式,第一步当节点探测到目标时,向簇头发送报告信息,此信息由一个bit组成,没有探测到目标的节点不发送信息,目标的其他详细信息存储在节点的本地内存里,以便于簇头后续查询;第二步由簇头从报告节点中选取查询节点。

2.1.1 探测覆盖表

在网络建立之后,簇头在本地内存中建立一张探测覆盖表,这张表包含有每个传感器节点覆盖到的网格以及相对应的覆盖度。只要网络的节点位置没有改变,就不需要更新探测覆盖表。假设在网络中有三个节点s1,s2,s3,由2.2节的节点探测模型,假设r=5,re=4,λ=β=0.5,可知探测覆盖表,如图1所示。

2.1.2 查询节点的选取

假如报告节点大于三个,则从中选取三个节点用于查询。由3.1.1节可知,在探测覆盖表中,对于任一个网格来说,覆盖度越大的节点对其信息探测的越准确。例如对于坐标为(2,5)的点,节点s1,s2对它的覆盖度分别为0.51和0.72,因此可以断定s1,s2同时报告时,s1对点(2,5)的探测的信息准确度要低于s2;同时,对于s1,s2,s3同时能探测到的点(3,2),点(3,3),点(3,4),点(3,5),点(2,4),点(2,3),点(2,2),点(1,3),由于点(3,3)对应的覆盖度积为1*0.57*1=0.57在上述所有点中覆盖度积中最大,因此可以断定s1,s2,s3同时报告时,它们对点(3,3)的探测信息最为准确。

假设Srep为报告节点的集合,则采用以下步骤进行选择:

首先将报告节点的集合与探测覆盖表对照,找出对应的网格;例如假设只有s2,s3报告,则找出点(1,4),点(1,2),点(1,1)。

然后从第一步得出的网格中找出覆盖度积最大的网格,例如假设只有s2,s3报告,则找出点(1,4)。

最后对照探测覆盖表,从第二步得出网格上,选择覆盖度依次最大的三个节点为所需节点,如果节点数不足三个,则采用下文的前向预测定位算法。

上述步骤会引起一个问题即可能出现簇头会对某一个节点频繁查询,而其他可用节点却由于覆盖度较低而不被查询的情况,这样的话,被频繁查询节点的能量会很快被损耗,导致节点失效,进而导致网络覆盖度降低,同时降低网络的生命期。

为了解决上述问题,在簇头记录各个节点被使用次数,初始值都为1,以后每使用一次后加1。在上述步骤的最后一步中,设节点si的被使用次数为numi,节点覆盖度为ci,将每一个节点覆盖度乘以其被使用次数的根号,即 $\sqrt{n u m_{i}} * (1 - c_{i})$ ,然后从中找出结果最小的三个节点作为查询节点。这样可以在保证一定信息准确度的情况下,确保相对均衡的使用网络中各个节点,延长网络的生命期。

2.2 目标定位阶段

本文采用TOA方式进行定位。当选择的查询节点个数为3时,采用三边测量法定位,个数小于3时采用前向预测定位算法。

2.2.1 三边测量法

如图2所示,节点D是目标,节点A,B,C是查询节点,坐标分别为(xa,ya),(xb,yb),(xc,yc);它们到目标的距离分别为da,db,dc,假设目标D的坐标为(x,y)。那么,存在下列公式:

${\begin{cases} \sqrt{(x - x_{a})^{2} + (y - y_{a})^{2}} = d_{a} \\ \sqrt{(x - x_{b})^{2} + (y - y_{b})^{2}} = d_{b} \\ \sqrt{(x - x_{c})^{2} + (y - y_{c})^{2}} = d_{c} \end{cases} (7)$

则由上式可以得到目标D的坐标为:

$\begin{array}{l} [\begin{matrix} x \\ y \end{matrix}] = [\begin{matrix} 2 (x_{a} - x_{c}) & 2 (y_{a} - y_{c}) \\ 2 (x_{b} - x_{c}) & 2 (y_{b} - y_{c}) \end{matrix}]^{- 1} \to \\ \leftarrow [\begin{matrix} x_{a}^{2} - x_{c}^{2} + y_{a}^{2} - y_{c}^{2} + d_{c}^{2} - d_{a}^{2} \\ x_{b}^{2} - x_{c}^{2} + y_{b}^{2} - y_{c}^{2} + d_{c}^{2} - d_{b}^{2} \end{matrix}] \end{array}$

2.2.2 前向预测定位算法

当报告节点少于三个时,簇头无法对目标进行准确定位,在此情况下,本文提出了前向预测定位算法。

当报告节点只有两个时,则如图3所示,其有两个可能的位置,D和D′。

假设探测周期为T,第i个探测周期上目标的运动轨迹坐标为(txi,tyi),当前目标坐标为(txnow,tynow),并且只有两个节点探测到当前目标,则先使用之前目标的运动轨迹预测当前位置。如图4所示,(txnow-3,tynow-3),(txnow-2,tynow-2),(txnow-1,tynow-1)为当前时刻前三个探测周期探测到的目标位置;而由于在传感器网络中,探测周期都较短,因此可以认为距离存在比例关系,即 $\frac{d_{1}}{d_{2}} \approx \frac{d_{2}}{d_{n o w}}$ 。因此,如果 $| \frac{d_{1}}{d_{2}} - \frac{d_{2}}{d_{3}} | ＞ | \frac{d_{1}}{d_{2}} - \frac{d_{2}}{d_{4}} |$ ,则说明D′比D更接近比例关系,即选择D′为当前目标位置;反之选择D。

当报告节点只有一个时,如图5所示,目标D可能在一个圆周上任何一个位置。假设节点A的坐标为(xa,ya),目标D的坐标为(x,y),则

(x-xa)2+(y-ya)2=d2 (9)

而由前向预测定位算法有

$\frac{d_{1}}{d_{2}} = \frac{d_{2}}{\sqrt{(t x_{n o w - 1} - x)^{2} + (t y_{n o w - 1} - y)^{2}}} (10)$

由式(9),式(10)便能得出目标的当前的预测位置。

2.3 能量损耗估计

假设E*(t)为第t个探测请求周期所消耗的能量,krep(t)为第t个探测请求周期簇头收到的报告节点数,kq(t)为第t个探测请求周期查询节点的个数,则

E*(t)=Es(krep(t))+Ec(krep(t),Te)+

Eb(kq(t),Tq)+Ec(kq(t),Td) (11)

则网络损耗的总能量为

$E^{*} = \sum_{t = t_{s t a r t}}^{t_{e n d}} E^{*} (t) (12)$

因此,节省的能量为

ΔE(t)=(krep(t)-kq(t))(Ψt+

Ψr)Td-(kq(t)Ψr+Ψt)Tq-

krep(t)(Ψt+Ψr)Te (13)

$Δ E = \sum_{t = t_{s t a r t}}^{t_{e n d}} Δ E (t) (14)$

3 仿真

为了验证本算法的效果,进行了仿真计算,本文使用MATLAB进行仿真。在30×30的区域里随机布置30个传感器节点。传感器节点探测模型参数分别为r=5,re=4,λ=0.5,β=0.5。能量消耗模型为Ψr=Ψt=400nJ/sec,Ψs=1000nJ/sec。这些值是根据文献[1,2,7]中给出的典型值得出。由于目标数据信息远大于其他两类数据,并且簇头广播查询信息数据也大于目标事件报告数据,因此Te≤TqTd,故设定Td=100ms,Te=2ms,Tq=4ms。仿真结果如下。

由图6-10可以看出,与所有节点均报告目标信息的方法情况相比较,本文提出的方法能量节省了30%以上。而且,随着报告节点kmax的减少,能量可以节省得更多。

4 结束语

提出了一种新的能量感知的传感器目标定位算法。本算法在簇头和簇内节点间采用两步通信方式,传感器网络中的节点使用一个bit来表示两种工作状态。与此同时,本算法采用了有效的查询机制来达到节约能量和节省通信带宽的目的,并针对节点稀疏的情况提出了保证定位精确性的方法。仿真表明,本文提出的方法能量节省了30%,极大地提高能量利用率。

参考文献

[1]Varshney P K.Distributed Detection and data fusion[Z].Springer,NewYork,NY,1996.

[2]Pottie GJ,Kaiser WJ.Wirelessintegrated networksensors[J].Com-munications of the ACM,2000;43(5):51-58T.

[3]D Erin,Rcovindan,J Heidemann,Next century challenges scalable coordinationin sensor networks[C]//ACM/IEEEInternational Confer-ence on Mobile Computing and Networking,1999:263-270.

[4]Wheizelman,J Kulik,HBalakrishnan.Adaptive protocols for infor-mation dissemination in wireless sensor networks[C]//ACM/IEEE MobicomConference,1999A.

[5]Yong Yao,J E Gehrke.Query Processing in Sensor Networks[C]//Proceedings of the first Biennial Conference on Innovative Data System Research CIDR2003,Asilomar,California,2003-01.

[6]Garnett,A.P.Chandrakasam.Bounding the life time of sensor net-works via Optimal Role assignments[J].Proc,IEEEinfocom,3:1380-1387.

[7]Rappaport T.Wireless Communication:Principles&Practice[M].NewJersey:Prentice-Hall,Inc.1996Ohta,Y.Sugano,M.;Murata,M.Autonomous Localization Methodin Wireless Sensor Networks.

[8]Sinha,A.Chandrakasam.Dynamic Power Management in Wireless Sensor Networks[J].IEEE Design and Test of Computers,2001,18:62-74.

[9]Yi Zou,Krishnendu Charkrabarty.Target localization based on energy considerations in distributed sensor networks[C].Pervasive Computing and Communications,2003.(PerCom2003).Proceedings of the First IEEEInternational Conference on23-26March2003:60-67.

无线移动感知网络篇2

节点集，若区域内的任一点都不能被内的节点所感知到，则这样的区域称为的覆盖盲区。可以注意到，覆盖盲区有两种类型闭合型与开放型，若组成开放型盲区区域的圆弧之间有交点，则交点也称为盲区顶点。

若一个节点的感知圆的某段圆弧被其任何一个邻居节点的感知圆包含，则称这段圆弧为约束圆弧，否则称为自由圆弧。

【定理1】有一圆心为半径为的圆和顶点为的凹曲边形，设为到的最大距离，即，若满足，则圆必覆盖该凹曲边形区域。

证明：欲证圆覆盖凹曲边形，只需证明圆覆盖顺次连接的相邻顶点所形成的n多边形。设点为n多边形内的任意一点，连接并延长则必交的一边于点,记该条边为，如下图所示。在内易知，又因所以，因此，从而凹曲边形内任意一点到圆心的距离均不大于圆半径，即该圆覆盖凹曲边形，定理得证。

【定理2】若有盲区区域均是传感器节点的邻居集的闭合型覆盖盲区，其顶点分别为，，，，且是的感知圆内的所有闭合型盲区，节点的传感半径等于其最大传感半径，为节点到，，，的最大距离。如果的感知圆不存在自由圆弧，则的传感半径在由调整为的过程中不会产生集合的覆盖盲区。

证明：因的感知圆不存在自由圆弧，易知在的感知圆内必不存在的邻居集的开放型覆盖盲区区域部分，则的感知圆内仅存在闭合型盲区区域，由定义4可知均为凹曲边形。又由定理1可知，当时的感知圆覆盖，又因故当时必覆盖，即在的传感半径在由改变为的过程中不会产生的覆盖盲区。定理得证。

2.2 传感器感知能力动态调整算法描述

(一)算法思想概述

节点首先根据邻居信息判断其感知圆是否具有自由圆弧，若具有自由圆弧，则传感半径保持不变，仍为最大传感半径，以尽可能多的覆盖其邻居集的覆盖盲区区域。若不存在自由圆弧，则计算节点所有邻居节点感知圆在该节点感知圆内彼此两两相交所构成的交点的集合，将集合中交点的被覆盖次数判断盲区顶点和普通交点，若不存在盲区顶点，则邻居节点能够完全覆盖感知区域，此时，传感半径可以调整为零，否则说明感知圆内包含有邻居集的闭合型盲区,可根据定理2对传感半径进行调整。

(二)算法步骤

具体算法步骤如下：

1) 首先查询邻居节点集NBS的信息，获得所有邻居节点的圆心坐标、当前传感半径等。

2) 检查邻居节点的个数NBS.count 是否小于1，若是则转步骤7，否则转3。

3) 依照判断是否存在自由圆弧的算法判断该节点的感知圆是否存在自由圆弧，若存在则转到步骤7，否则转到4。

4) 计算所有邻居节点的感知圆在本圆内的交点，若不存在交点，即转到步骤6;否则，转到5。

5) 从第4步中获取的交点集合中按查找本圆内盲区顶点集合HolePointsList，若不存在，则转步骤6;若存在，则找出离该节点最远的点到该点的距离d，传感半径调整为，转步骤7;其中为误差控制参数，以免去因误差导致的覆盖盲区。

6) 将节点传感半径调整为零。因此时节点的感知范围区域已被邻居所覆盖。

7) 算法结束。

2.3 邻居集的选取

在传感器感知能力动态调整算法中定义传感器节点A的邻居节点集为，其中为B到A的距离，为A的最大传感半径，为邻居范围控制因子。在进行传感半径调整时，要保证算法中节点的邻居的感知圆和本节点的感知圆是非相离关系，因为相离关系的两个节点不会相互影响到对方的覆盖范围，则只需保证其邻居到该节点的距离不大于该节点2倍最大传感半径，即的取值应满足下式：

当时，这时节点在传感器感知能力动态调整算法中考虑到了所有能对自己的.最大覆盖范围能造成影响的节点，传感器感知能力动态调整算法可以充分利用邻居的信息，调整能得到最佳的效果。

当时，此时，部分节点的感知区域可以覆盖该节点感知区域的一部分，因为这部分节点不包含在该节点的邻居集内，会出现节点感知区域内实际上不存在盲区，但是节点会误认为其感知圆内存在盲区，传感半径调整后出现部分监测区域的重复覆盖现象，这时的调整效果不及。

实验结果显示，当时的调整效果最好，时的效果最差，产生大量不必要的冗余覆盖。

3 仿真与分析

为了检验传感器感知能力动态调整算法的有效性，论文主要从调整效果、能量消耗和覆盖冗余度三个方面对算法进行了模拟实验和分析。首先对本文所用仿真程序做简单的介绍。

3.1 覆盖冗余度

覆盖冗余度是用来衡量监测区域中被传感器节点覆盖区域的覆盖次数。定义为区域中所有节点覆盖范围之和与区域中所有节点的覆盖范围的并集之比值。覆盖冗余度的计算公式为

其中，表示节点的覆盖范围，覆盖冗余度反映了节点对监测区域覆盖的冗余程度，覆盖冗余度越低，节点利用率越高，反之节点利用率越低。

随机布置节点数N分别取{800，1000，1200，1300，1400}五个值时，节点最大传感半径从10变化到30时，调整前和调整后覆盖冗余度的对比情况。

实验结果表明传感器感知能力动态调整算法前，网络的覆盖冗余度会随着最大传感半径的增大而急剧增大，加入传感器感知能力动态调整算法之后，网络的覆盖冗余度随着节点最大传感半径的增大而增大甚少，传感器感知能力动态调整算法应用在具有不同最大传感半径的传感器网络中，对覆盖冗余度的控制也能保持较好的成效。

3.2 能量消耗

本节只分析传感器节点的传感模块的能量消耗，暂时不考虑通信和计算的能耗。假设传感器节点的传感半径调整为零时认为该节点消耗能量也为零。传感器节点的感知模块的耗能与传感半径成正比，，为常量，可看作能量消耗系数。

所有节点的有效覆盖面积即所有节点的覆盖范围的并集为

则调整传感半径前，覆盖区域的平均能量消耗为

而调整传感半径后，覆盖区域的平均能量消耗为

前文已经证明，节点在传感半径调整的过程中不会产生盲区，所以传感半径调整前后，所有节点的有效覆盖面积在理论上是保持不变的。

表1列出了在的区域内随机布置800个节点，各个节点的最大传感半径为15m时，节点传感半径调整前后网络覆盖区域的平均能量消耗。

传感半径调整前后区域平均能量消耗统计

实验次数

调整前平均耗能

调整后平均耗能

3.6463

0.6875

3.6092

0.7189

3.6487

0.7054

3.6389

0.7311

从表中实验数据可以看出，传感半径调整后，平均能量消耗比原来减少了大约80%，说明传感器感知能力动态调整算法能够大大减少传感器节点的能量消耗。

4.小结

针对无线传感器网络节点高密度随机部署时，网络的覆盖冗余度过大，大量冗余信息的被感知及其在网络中的传输，会极大浪费网络能量的特点，本文提出了一种能够保证网络覆盖的分布式传感器感知能力动态调整算法。各节点只根据其邻居节点的信息来调整自身的传感半径。算法侧重于保证网络的原始覆盖和连通，在此前提下，尽量减少网络的冗余覆盖，所以传感半径调整后对网络的路由协议的设计不会产生任何影响。

参考文献：

无线移动感知网络篇3

关键词：无线传感器网络移动锚节点定位算法

0 引言

无线传感器网络（Wireless Sensor Network， WSN）是由大量的静止或移动的传感器以自组织和多跳的方式构成的无线网络，以协作地感知、采集、处理和传输网络覆盖地理区域内被感知对象的信息，并最终把这些信息发送给网络的所有者。

无线传感器网络所具有的众多类型的传感器，可探测包括地震、電磁、温度、湿度、噪声、光强度、压力、土壤成分、移动物体的大小、速度和方向等周边环境中多种多样的现象。潜在的应用领域可以归纳为：军事、航空、防爆、救灾、环境、医疗、保健、家居、工业、商业等领域。

传感器的准确定位既是监测目标位置信息的前提，也是实现网络拓扑管理、目标跟踪、目标轨迹预测等网络功能的基础。如何以较少的网络成本获得较多的锚节点位置信息，在网络成本与定位性能之间取得平衡是实际应用中值得研究的问题。目前比较实用的定位方式是利用一些带有GPS装置的移动锚节点按照有效规划的移动路径遍历整个监测区域，通过发送包含自身坐标的信标数据包来定位区域中的未知节点。该方法有效避免了无线传感器网络的资源浪费。对于该定位方式，移动锚节点的路径规划问题是需要解决的基本问题。

1 国内外研究现状

无线传感器网络移动锚节点定位技术领域主要集中在两个方面，即移动锚节点的路径规划问题以及移动锚节点的定位算法。

2 移动锚节点路径问题

移动锚节点的定位算法中，移动锚节点发送包含其自身位置信息的信标数据包，在其移动过的路径上形成多个虚拟锚节点，未知节点利用通信范围内的虚拟锚节点的坐标信息进行定位。有不少研究人员在移动锚节点路径方面做了研究，也取得了相应的成绩。移动锚节点路径问题大致可分为两类：静态移动锚节点路径和动态移动锚节点路径。

2.1 静态移动锚节点路径

静态移动锚节点路径是指：移动锚节点按照预先规划好的路径在网络中移动，研究正六边形移动路径的移动锚节点定位算法中，假设监测区域是正方形，移动锚节点在监测区域中按照正六边形的移动路径移动，移动锚节点每隔周期广播包含自身坐标信息在内的信标数据包。信标数据包的广播位置形成了若干个相邻的正三角形。未知节点接收通信范围内的移动锚节点信标信息，当收到满足条件的信标信息后，未知节点用相应的定位算法计算自身位置。以上提到的算法相对于动态路径规划简单易于实现，但是它们无法根据节点分布状态而灵活地变化。

2.2 动态移动锚节点路径

动态移动锚节点路径，即根据网络中节点的分布情况和移动锚节点当前位置来确定移动锚节点下一个位置。移动锚节点根据接收到的网络信息自适应调节移动路径。动态路径是不规则的图形，它利用未知节点分布信息动态调整，并且使移动路径较短，从而弥补了静态路径的短处。

3 移动锚节点的定位算法

移动锚节点的定位算法分为两类：一类是静态锚节点与移动锚节点定位未知节点，另一类只是移动锚节点定位未知节点。

3.1 静态锚节点与移动锚节点定位未知节点

MBAL和APP定位算法是典型的静态锚节点与移动锚节点的定位算法，移动锚节点通过未知节点发送的定位请求消息周期性地选择下一个移动位置，并广播包含自身坐标。未知节点通过RSSI测距方法并接收到三个以上不共线的锚节点坐标来计算出自身位置。然后，变换为静态锚节点与移动锚节点定位未知节点。

3.2 移动锚节点定位未知节点

利用移动锚节点发射信号的强度、位置信息和贝耶斯估计方法进行未知节点的位置估计。

4 小结

可以发现，尽管也有使用移动锚节点辅助定位的算法研究，但是大部分的研究主要停留在静态移动锚节点的路径规划上，并且路径规划大多针对单个移动锚节点，这种路径规划存在虚拟锚节点共线，移动路径较长和定位时间较长等问题。能精确定位的算法比较少且大多数研究都是假设在理想环境下，即没有障碍物的环境下，忽略了实际应用中存在障碍物的情况。因此障碍物环境下无线传感器网络多移动锚节点定位算法研究，使移动锚节点能在绕开障碍物的前提下，完成对网络中未知节点的精确定位，达到定位精确度高、定位覆盖范围广且定位时间短三个基本要求。

参考文献：

无线移动感知网络篇4

感知无线电[1]是一种无线电系统, 它能够自动地检测周围的环境情况, 智能地调整系统的参数以适应环境变化, 在不对授权用户造成干扰的条件下, 从空间、频率和时间多维地利用空闲频谱资源进行通信。根据接入技术的频谱共享, 感知用户主要有2种接入方式:overlay模式和underlay模式[1]。在underlay模式下, 次用户和主用户同时使用相同的频段, 主用户将使用同一频段的次用户视为噪声信号, 次用户能够使用授权频段, 频谱利用率相对较高。

为了解决自组织无线网络的节点自私行为, 引入了博弈论中的2种方式来分析用户的交互行为并且激励合作:信誉机制和定价机制[2,3,4]。定价机制根据对等网络中的每个节点的服务引入价格因素, 每一次交易成功后, 根据既定的价格给该节点相应的报酬, 激励节点为了获取报酬而积极主动地参与交易。

1系统模型

在感知无线电ad hoc网络, 假设每个节点都是自私的, 它们的目标是使得自身的效用函数最大化。由于为其他节点转发数据包会产生一定的费用, 如果不支付一定的报酬, 中继节点将没有激励机制去为它们转发数据包。

由于ad hoc网络的多跳特性, 当一个节点想到发送数据到目的节点, 需要请求一系列中间节点帮忙转发数据包。路由请求之后, 从源节点到目标节点会产生多条转发路由。每条路径为源—目标节点的转发服务而出价, 源节点选择一条出价最低的路径LCP来传输数据包。源节点支付给所选路径节点的报酬应该使得没有节点会选择背离该均衡策略。

满足接收信噪比 (SNR) 的最小发射功率:节点i以功率P $_{i}^{e m i t}$ 发送到j, j接收到的功率为 $Ρ_{i, j}^{r e c} = \frac{Κ}{d^{α}} Ρ_{i}^{e m i t}$ , j根据i的发送功率P $_{i}^{e m i t}$ 、接收功率P $_{i, j}^{r e c}$ 和满足接收信噪比的最小接收功率P $_{\min}^{r e c}$ 估算出节点i的最小发送功率:

$Ρ_{i, j}^{\min} = \frac{Ρ_{i}^{e m i t}}{Ρ_{i, j}^{r e c}} * Ρ_{\min}^{r e c}$ 。 (1)

2定价博弈模型

2.1模型建立

把感知无线电ad hoc网络中次用户源节点到目标节点的路由建立过程建模成一个博弈。博弈参与者是网络中的次用户。每个参与者具有只有为自己所知的私有信息ti称为它的类型 (type) , 类型是指节点单播情况下传输一个数据包的开销。每个参与者的策略集有{发送节点, 中继节点, 目的节点}。每个用户的目标是使得自身的收益最大化。发送节点要在最小花销的路径上传输数据包。中继节点的效用函数定义为该节点转发获得的收益减去所要花费的开销。中继节点获得的收益不仅要能够包含转发开销, 更要使得额外收益越多越好。

2.2开销定义

干扰代价:在感知无线电ad hoc网络underlay频谱共享下, 由于主用户和次用户共存共同使用同一频段, 必须保证次用户对主用户的干扰不超过主用户所能承受的最大干扰值。

干扰代价可以定义为:

f (i, j) =giP $_{i, j}^{\min}$ wf。 (2)

式中, gi为i到主用户的信道增益;P $_{i, j}^{\min}$ 为满足接收信噪比的最小发射功率;giP $_{i, j}^{\min}$ 为对主用户的干扰值, 如果干扰值大于主用户的干扰阈值, 该节点直接不参与路由;wf为单位干扰的代价。

能量代价:由于ad hoc节点都是能量有限的, 把节点的能量系数定义为节点的最大能量和剩余能量的比值, 剩余能量越少, 链路度量就越大, 节点就越不适宜进行数据转发。

节点i到节点j的能量代价定义为:

$e (i, j) = \frac{B_{i}^{t}}{B_{i}^{r}} Ρ_{i, j}^{\min} w_{e}$ 。 (3)

式中, B $_{i}^{t}$ 为节点i的最大能量;B $_{i}^{r}$ 为节点i当前剩余能量;B $_{i}^{t}$ /B $_{i}^{r}$ 可以定义为节点i的能量系数bi;we为单位能量的代价。

节点i到节点j的开销可以表示为:

$\begin{array}{l} c (i, j) = α f (i, j) + (1 - α) e (i, j) = \\ (α g_{i} w_{f} + (1 - α) \frac{B_{i}^{t}}{B_{i}^{r}} w_{e}) Ρ_{i, j}^{\min} = t_{i} * Ρ_{i, j}^{\min} 。 (4) \end{array}$

式中, ti=αgiwf+ (1-α) weB $_{i}^{t}$ /B $_{i}^{r}$ , 是每个用户的类型, 为用户的私有信息。根据用户的偏好选择比重α, 0≤α≤1, α=0表示选择剩余能量最大的路由 (适用于无线传感网最大化网络生存时间) , α=1表示对主用户干扰最小路由。

路径k上的总能量开销等于经由该路径的所有节点链路开销之和,

Lk=∑c (i, j) =∑ti*P $_{i, j}^{\min}$ 。 (5)

3报酬

目的节点根据收到的请求信息生成有向带权图G= (V, E, W) 表示自私无线ad hoc网络, V为节点集合, E为边集合, W为边的权值。目标节点收到来自源节点的多条路由之后, 计算每条路径的开销, 选出一条从源节点S到目标节点D的最短开销路径 (Lowest Cost Path, LCP) , 记S, vσ (1) , …, vσ (n) , D。将LCP上的总开销记为|LCP|, 为了计算分配给LCP上每个中继节点的报酬, 引入VCG报酬机制, 目标节点同时要计算从源节点S到目标节点D不经过中继节点vσ (i) 的最小开销路径LCP-σ (i) 及其开销 $| L C Ρ^{- σ (i)} |$ , 中继节点vσ (i) 的VCG报酬可以定义为:

$p_{σ (i)} = | L C Ρ^{- σ (i)} | - | L C Ρ | + c (σ (i), σ (i + 1))$ 。 (6)

pσ (i) 分为2个部分, 第1部分 $| L C Ρ^{- σ (i)} | - | L C Ρ |$ 表示如果中继节点vσ (i) 不存在, 从S到D的开销相较于LCP的差值, 第2部分对应节点vσ (i) 产生的开销值。

目标节点选出最小开销路径LCP并计算出给每个中继节点的开销之后, 会创建一个ROUTE REPLY数据包, 包括LCP的各个中继节点vσ (i) , …, vσ (n) , 每个节点所需的最小发射功率P $_{σ (i), σ (i + 1)}^{\min}$ , 以及需要支付给每个中继节点的报酬pσ (i) 。ROUTE REPLY数据包沿着路由发现的反向路由回送给源节点, 至此路由寻找过程结束, 开始数据传输过程。

4低开销诚实能效路由步骤

路由建立过程如下:

① 源节点:当源节点想要发送数据, 检查路由表中没有找到合适的路由的时候, 广播路由请求RREQ。RREQ中包括:请求分组序列号、源节点、目标节点、节点类型和发送功率。

S→* <RREQ, s0, n, 0, n, P $_{0}^{e m i t}$ , t0>

② 中继节点:收到路由请求分组后, 查看之前的路由请求分组里面是否有序列号相同的请求, 如果有, 丢弃该路由请求;如果没有, 把自己的类型值和发送功率添加进去, 估计上一跳节点的最小发射功率 $Ρ_{i, j}^{\min} = \frac{Ρ_{i}^{e m i t}}{Ρ_{i, j}^{r e c}} * Ρ_{\min}^{r e c}$ , 替代原有发送功率, 并广播该数据包。

vi→* <RREQ, s0, n, 0, n, P $_{0, 1}^{\min}$ , t0, 1, P $_{1, 2}^{\min}$ , t1, …, i, P $_{i}^{e m i t}$ , ti>

③ 目的节点:收集所有信息形成有向带权图N, 选择最小开销路径LCP, 根据VCG计算出分配给该路径上每个中继节点的报酬:

$\begin{array}{l} p_{σ (i)} = | L C Ρ^{- σ (i)} | - | L C Ρ | + \\ c (σ (i), σ (i + 1)) ‚ \end{array}$

发起ROUTE REPLY, 沿着LCP的反向路由发给源节点。

上述路由算法中, 路径的选择不是基于简单的最小跳数, 而是考虑感知无线电基于对主用户的干扰和节点自身剩余能量, 及最小发送功率, 选择一条开销最小的诚实能效路由。

5仿真分析

仿真模型:50个节点随机均匀分布在100 m*100 m的区域内, 节点的通信范围为30 m。假设节点的最大能量为1, 剩余能量是0～1之间的随机数。每个节点初始发送功率相同, 根据接收到的功率估算出最小发送功率。为了简化起见, 设主用户位于原点 (0, 0) , 源节点和目标节点分别位于 (0, 100) 和 (100, 0) 。节点对主用户的干扰与发射功率成正比, 与到主用户的距离的平方成反比。信道增益使用简单的路径损耗模型g=G/d2。

首先比较不同权值下的最小开销路径LCP和最短路径路由SP, 仿真结果如图1所示。

计算结果显示当α=1时, 只考虑对主用户的干扰, 所以路径的选择离主用户越远越好;α=0时只考虑剩余能量, 所以只跟节点当前的剩余能量有关;α=0.5时综合考虑节点对主用户的干扰和剩余能量;最短路径路由SP只考虑源节点到目的节点的最短路径。

接下来取次用户数量从40～100个 (每次的节点剩余能量和节点位置随机产生) , 分别仿真LCP和SP对主用户的平均干扰值和节点平均剩余能量值, 平均干扰值定义为该路径节点对主用户的总干扰值除以节点数, 平均剩余能量值定义为该路径上节点的总的剩余能量除以节点数。仿真结果如图2和图3所示。最小开销路由LCP相比于最短路径路由SP, 选择的路径对主用户的干扰更小, 节点的剩余能量更大, 因此获得更好的性能。

6结束语

针对感知无线电自私ad hoc网络提出一种新的基于干扰和剩余能量的低开销诚实能效路由算法, 将路径的开销定义为对主用户的干扰和节点剩余能量的函数, 目的节点选择一条最小开销路由。

利用VCG定价机制给LCP上每个中继节点以报酬, 促使节点为了追求最大报酬积极合作, 并证明VCG机制下节点真实的反应自身的类型是一个占优策略。仿真结果表明, 该路由算法有效实现了感知无线电自私ad hoc网络的诚实能效路由, 与最短路径协议比较, 该协议所选择的路由对主用户的平均干扰更小, 并且平均剩余能量更大。

参考文献

[1]HAYKIN S.Cognitive Radio:Brain-empowered WirelessCommunications[J].Selected Area in Communications, IEEEJournal on, 2005, 23 (2) :201-220.

[2]LUZI A, STEPHAN E.Ad hoc-VCG:A Truthful and Cost-EfficientRouting Protocol for Mobile Ad hoc Networks with Selfish Agent[C].Proceedings of the 9th Annual International Conference onMobile Computing and Networking, 2003:245-259.

[3]EIDENBENZ S, RESTA G.COMMIT:A Sender-centric Truthfuland Energy-efficient Routing Protocol for Ad Hoc Networks withSelfish nodes[J].Parallel and Distributed ProcessingSymposium, 2005 (13) :239-248.

[4]ZHU J, WEI Y.A Game Theoretical Framework for DynamicPricing-Based Routing in Self-Organized MANETs[J].Selected Areas in Communications, IEEE Journal on, 2008, 26 (7) :1 204-1 217.

[5]KAUSHIK R.CRP:A Routing Protocol for Cognitive Radio AdHoc Networks[J].Selected Areas in Communications, IEEEJournal on, 2011, 29 (4) :794-804.

无线移动感知网络篇5

一、单选题(2)共 35 题

题号: 1 TTI技术是说绑定（）个TTI用于一个包的传输 A、1 B、2 C、3 D、4 标准答案：D 题号: 2（）解决语音控制和移动到CS网络切换时的语音连续性问题 A、SRVCC(Single Radio Voice Call Continuity)B、.EPC C、MME D、IMS 标准答案：A 题号: 3 无论何种接入方式，必须使用（）方式接入IMS网络 A、SCCAS B、PCRF C、IP D、P-CSCF 标准答案：C 题号: 4 单从注册信令流程看，是否区分漫游或非漫游用户 A、区分 B、不区分

标准答案：B 题号: 5 暂态是指每次业务建立初期尚未稳定的状态，此状态下的数据包较（）A、大 B、小 C、一样大

标准答案：A 题号: 6 下行半静态调度的功控中，如果IBLER测量值小于IBLER Target，应该（）发射功率

A、减少 B、增加 C、不变

标准答案：A 题号: 7 VOLTE采用的传输协议是 A、带宽为64bits/s的传输方式电路交换 B、无连接的UDP协议 C、有连接的TCP协议 D、无任何协议

标准答案：B 题号: 8 如同4G网络需要开机或者outof service一段时间后进行注册附着流程一样，IMS子系统的用户同样需要进行在（）的注册 A、P-CSCF B、S-CSCF C、I-CSCF D、IBCF 标准答案：B 题号: 9 LTE语音业务最终解决方案 A、CSFB B、VOLTE C、SvLTE 标准答案：B TTI绑定技术中捆绑在一起子帧采用（）个HARQ进程 A、1 B、2 C、3 D、4 标准答案：A AMR-NB模式共有多少种编码方式 A、4 B、8 C、16 D、32 标准答案：C 静默期是对应用户通话停顿的状态，每间隔（）ms发一个很短的SID A、100ms B、120ms C、160ms D、200ms 标准答案：C volte语音业务使用qci为多少的专有承载（）。A、l B、2 C、5 D、8/9 标准答案：A 下列哪个网元负责转发SIP消息到相应的SIP服务器（S-CSCF）A、P-CSCF B、S-CSCF C、I-CSCF D、IBCF 标准答案：A 以下哪个网元起到了电信域与IMS域沟通互联的作用 A、P-CSCF B、S-CSCF C、I-CSCF D、PCRF 标准答案：A 当P-CSCF收到INVITE消息时候，需要反馈（）消息 A、100 trying B、100 OK C、200 trying D、200 OK 标准答案：A 以下哪种RLC实体最适合用于VoIP业务 A、AM B、TM C、UM D、标准答案：C IMS鉴权过程中网络侧对手机鉴权的比对主体是 A、I-CSCF B、S-CSCF C、PGW D、P-CSCF 标准答案：B 没有TD-LTE覆盖时，采用切换至GSM 的方案实现语音业务连续性，切换方案主要采用3GPP R10的（）功能

A、CSFB B、SRVCC C、ESRVCC D、CSCF 标准答案：C TTI bundling也称为子帧捆绑，是LTE系统中一种特殊的调度方式，它是针对处于小区边缘的VoIP用户而设计的。TTI bundling仅用于： A、上行 B、下行 C、上下行均用 D、以上都不对

标准答案：A 半静态调度的周期是

A、10ms B、20ms C、30ms D、40ms 标准答案：B IMS注册流程是在手机得到IP地址之（）A、前 B、后 C、同时

标准答案：A()消息可以在初始的INVITE消息完成之前发送

A、UPDATE B、re-INVITE C、100Trying D、183response 标准答案：A SIP协议最早起源于（）所制定的多媒体通信协议 A、3GPP B、IETF C、ETSI D、3GPP2 标准答案：B LTE语音业务可通过（）和（）解决

A、CSFB B、Esrvcc C、VoLTE D、CSFB和VoLTE 标准答案：D IMS的发起者和主要贡献者是 A、IETF B、3GPP C、ETSI D、ATT 标准答案：B Precondition字段是在哪条消息中携带的

A、INVITE Request B、100Trying C、183response D、200OK 标准答案：A TTI Bundling针对的是（）覆盖受限的情景

A、上行 B、下行 C、上下行均用 D、以上都不对

标准答案：A 以下哪个网元起到了不同IMS域之间的联络节点 A、P-CSCF B、S-CSCF C、I-CSCF D、IBCF 标准答案：D OTT业务占用什么等级的承载

A、默认承载 B、专用承载 C、默认承载和专用承载

标准答案：A（）消息可被用来进行媒体流和码流信息的更新

A、INVITE Request B、100Trying C、183response D、UPDATE 标准答案：D 使用LTE分组域支持话音业务的技术方案是 A、VOLTE/SRVCC B、CSFB C、双待机

标准答案：A VOLTE用户在通话状态下每（）传送一次数据。A、10ms B、20ms C、30ms D、40ms 标准答案：B AMR-WB的抽样频率为

A、4KHZ B、8KHz C、16KHz D、32KHZ 标准答案：C 承载IMS会话的IP-CAN发生了变化，UE是否需要发起重新注册流程 A、是 B、否 C、不确定

标准答案：A

二、多选题(2)共 11 题 AMR编码包括（）和）（）两种语音编码方式 A、AMRWB B、AMRMB C、AMRNB D、AMC 标准答案：AC CSCF包含的网元有

A、I-CSCF B、S-CSCF C、PGW D、P-CSCF 标准答案：ABD SIP呼叫的过程包括

A、登记 B、媒体协商 C、呼叫媒体流建立并交互 D、呼叫更改或处理

标准答案：ABCD IMS网络架构中核心功能实体有 A、CSCF B、MRS C、MGCF D、MGW P-CSCF发现过程的机制包括

A、Attach方式 B、DHCP方式 C、动态配置在UE中 D、静态配置在UE中

标准答案：ABD 可采用的LTE话音方案包括哪些（）A、VoLTE B、CSFB C、SRVCC D、双待机

标准答案：ABCD IMS核心网需要完成的功能有

A、接入控制 B、数据路由 C、业务触发

标准答案：ABC IMS注册相关流程包括 A、P-CSCF 的发现过程 B、S-CSCF分配 C、注册流程 D、INVITE流程

标准答案：ABC 影响语音质量的因素包括

A、网络延时 B、回声 C、声音压缩 D、网络丢包

标准答案：ABCD volte新通话功能可以实现

A、音频 B、视频 C、多方通话

标准答案：ABC VoLTE注册过程的作用

A、建立用户当前的IP与其IMPU的对应关系 B、掌握用户当前的位置信息及业务能力 C、注册过程的鉴权与认证保证了网络的安全性 D、没有任何作用

标准答案：ABC

三、判断题(2)共 34 题

QCI8~9: 用于GBR业务的默认承载

标准答案：错

UE查找P-CSCF IP地址的过程称之为CSCF发现过程

标准答案：对

VoLTE用户与IMS用户是隔离的，不需要遵从IMS的用户标识

标准答案：错

IMPI是用户的身份标识，用于IMS网内的用户鉴权；功能类似于IMSI 标准答案：对

IMS用户间呼叫时，P/I/S-CSCF完成整个信令路由过程

标准答案：对

IMPI存贮在用户的ISIM卡中，每张ISIM卡中有多个IMPI 标准答案：错

普通 LTE 终端可以利用 LTE/EPC 提供的互联网业务 APN默认承载的 IP 通道接入 OTT平台

标准答案：对

volte是利用LTE无线网+EPC核心网提供的IP通道接入IMS 标准答案：对

QCI2: 用于语音通话的专用承载；标准答案：错

IP包头压缩可大大降低头开销，提高VoLTE语音用户容量，提高数据业务吞吐量，增强边缘覆盖

标准答案：对

IMS采用完全基于IP的SIP信令

标准答案：对

当一个用户注册到网络中要接入IMS业务时，I-CSCF才会分配一个S-CSCF给UE 标准答案：对

SRVCC媒体的切换点是对端网络设备（如对端UE），影响切换时长的主要因素是会话切换后需要在IMS网络中创建新的承载

标准答案：对

P-CSCF则是不同IMS域之间的联络节点

标准答案：错

在LTE无线网和EPC核心网内部，网络为IMS APN专用承载提供相应等级的Qos保障，以使VoLTE用户获得更好语音业务体验。

标准答案：对

I-CSCF根据从HSS接收到的S-CSCF集合中，依靠每个S-CSCF的能力选择一个合适的S-CSCF 标准答案：对

eSRVCC技术相比于SRVCC，媒体切换点改为更远离本端的设备

标准答案：错

OTT和VOLTE都可以为用户提供一致的话音业务体验

标准答案：错

IMPU用于通信请求中的寻址，IMS系统中至少需要保存2个IMPU 标准答案：错

QCI5: 用于与IMS网元通信信令的专用承载

标准答案：对

注册是将UE的IP地址和IMPU的绑定关系存储到到IMS系统中

标准答案：对

SRVCC的实现过程实质上就是一个切换过程标准答案：对

I-CSCF在UE注册过程先从HSS获取S-CSCF的地址，然后将该S-CSCF分配给该UE用来SIP注册，之后将SIP请求或者反馈路由到注册的S-CSCF 标准答案：对

VoLTE的信令和媒体经EPC路由至IMS网络，由IMS提供会话控制和业务逻辑

标准答案：对

IMS接入网采用IP技术,实现了底层接入的无关性

标准答案：对

半持续调度比动态调度更耗费L1/L2信令开销

标准答案：错

P-CSCF即代理呼叫会话控制功能（Proxy-Call Session Control Funtion）是IMS系统中用户接触到的第一个实体

标准答案：对

P-CSCF是一个信令面的网元

标准答案：对

VOLTE的业务由拜访网络提供

标准答案：错

P-CSCF功能实体起到了电信域与IMS域沟通互联的作用

标准答案：对

在IMS子系统中，只有1个S-CSCF逻辑网元

标准答案：错

QCI1: 用于视频业务的专用承载

标准答案：错

半静态调度（SPS）是LTE中为了节省PDCCH数量而提出的一种新的调度法，最初主要是针对VoIP业务。其可大大降低信令开销，使信令开销资源最低可仅为业务的1.3% 标准答案：对

LTE/EPC网络仍将OTT语音IP包视为普通的 IP数据包，不对OTT语音IP包提供任何额外的Qos保障。

标准答案：对

一、判断题。（每题1分，共10分）

1、EPC网络不具备语音和多媒体业务的呼叫控制功能，需要通过IMS网络提供业

2、EPS Bear可以划分为两大类： GBR(Guranteed Bit Rate)和 SRB。（F）

3、ROHC功能，目前可针对QCI1和QCI5同时开启。（F）

4、VOLTE中，MME只作为业务承载体而不进行业务控制。（T）

5、VOLTE消息中的503代码属于最终相应，终止SIP事物。（T）

6、VOLTE视频业务需要建立QCI2一条业务承载。（F）

7、网络侧域选功能仅涉及Single Radio终端。（T）

8、discardTimer为PDCP SDU的丢弃时间。（T）

9、鼎利MOS盒子有两路通道CH0/CH1，可以同时支持两部手机进行MOS测试。（T）

10、eNodeB间的切换为X2链路切换，该切换存在用户面中断时延。（T）

二、单项选择题（每题1分，共10分）

1.LTE普通数据业务采用的资源类型为下列哪种（B）。A．GBR

B.Non-GBR

C.SRB

D.DRB 2.VoLTE主要是引入（Ｃ）来提供高质量的分组域承载。

A.MME

B.SGSN

C.IMS

D.EPC

3、SRVCC时，eMSC通过（C）接口的消息触发预留CS域资源 A、SGS

B、Gn

C、Sv

D、Gp 4.VOLTE中，不同的QCI有不同的优先级，其中优先级最高的为（C）。A．QCI1

B.QCI2

C.QCI5

D.QCI8/QCI9

5、VOLTE用户注册阶段，UE通过（C）向IMS发起注册。A．QCI1

B.QCI2

C.QCI5

D.QCI6

E.QCI9

务控制功能。（T）

6、语音和视频业务的专用承载使用的是（B）方式 A．AM

B.UM

C.TM

7、VOLTE网络中，注销过程与注册过程相似，主要就是注销请求中,expire值为（C）

A．False

B.Ture

C.0

D.1

8、IMS注册过程中，网络对UE的鉴权由哪个网元负责？（C）A．P-CSCF

B.MME

C.S-CSCF

D.I-CSCF

9、UE通过哪条信令上报SRVCC能力和Notification给MME（A）

A．Attach request

B.UE capacity

C.RRC connection Request

D.invite 10.VoLTE测试中，HTC手机开启自动接听需要打开（D）开关。

A.ControlDiag Port

B.Control Modem

C.ControlRmnetD.Radio Auto Answer

三、多项选择题（每2分，共40分）

1．SPS适用于语音业务，VoIP业务的状态分为（AE）

A．激活器(Active State)B.短暂(Transient State)C．临时期（Temp talk）D.通话期(Talk spurt)E．静默期(Silent Period)F．空闲期（IDLE）2.RB包括（AB）

A．SRB

B.DRB

C.GBR

C.Non-GBR 3.下面关于SIP信令说法正确的是（ABCD）

A．SIP信令以加密的方式传输

B.SIP信令可以在CN侧解码 C．基站侧无法记录SIP信令 D.SIP信令可以在终端侧解码 E．SIP信令无法在终端侧解码

4.Invite消息中包含哪些信息（ABCD）A．主叫号码 B.被叫号码 C.主叫支持的媒体类型 D.主叫方支持的编码

5、HTC手机配合鼎利软件进行测试时，需要对下列哪些端口进行配置（ABCD）A．Control Diag Port B.Control Modem C.Control RemNet D.QXDM Logger 6.下面关于VOLTE叙述正确的是（ABCD）

A.VOLTE就是VoIMS

B.VOLTE是VOIP的一种 C.VOLTE从LTE网络接入

D.VOLTE业务承载在IP网上 7.LTE网络下的语音解决方案（ABD）

A．CAFB

B.VOLTE

C.SRVCC/eSRVCCD.SvLTE

8、VoLTE业务中，以下SIP协议响应码属于判断异常事件的是？（ABCE）A.408

B.487

C.503

D.180

E.486

F.200 9.由VOLTE业务引入的承载为（ABD）

A．QCI1

B.QCI2

C.QCI4

D.QCI5

E.QCI8/QCI9 10.关于QCI1和QCI5的说法正确的是（AD）

A．QCI1采用资源类型为GBR

B.QCI1采用的资源类型为Non-GBR C．QCI5采用资源类型为GBR

D.QCI5采用的资源类型为Non-GBR 11.关于SRB、DRB的叙述正确的是：（ABDE）

A．SRB0主要用于RRC连接建立过程，不经过加密和完整性保护； B．SRB1主要用于RRC重配置消息，经过加密和完整性保护； C．SRB0主要用于RRC连接建立过程，经过加密和完整性保护； D．SRB2主要用户NAS信令，经过加密和完整性保护； E．DRB为数据承载，可分为默认承载和专用承载； 12.UE-EUTRA-Capability定义了网络的无线能力，其中携带的心有（ABCDE）A．Rohc能力

B.SPS能力

C.TTI Bundling 能力

D.RLC UM Mode

E.SRVCC能力

13.以下哪个定时器为重建类定时器（CD）

A．T300

B.T304

C.T301

D.T311 14.下列说法中正确的是（ABCD）

A.IP包头压缩可以提高传输

B.DRX可以使终端更省电

C.半持续调度可以减少信令开销

D.TTI Bundling和RLC分段可以增强覆盖

E．RLC层采用的AM模式

15.VOLTE终端将采用双APN方案正确的是（ABD）

A.Default APN用于普通数据业务，其缺省承载采用为QCI=9的Non-GBR B．Dedicated IMS APN用于IMS，其中Default bearer 用于SIP信令，采用QCI=5的Non-GBR； C．Dedicated IMS APN用于IMS，其中Dedicated bearer 用于SIP信令，采用QCI=5的Non-GBR；

D．Dedicated IMS APN用于IMS，其中Dedicated bearer 用于Voice业务，采用QCI=1的GBR；

16.下面关于Rohc说法正确的是：（ABCD）

A．RoHc仅在初次传输时发送数据包头的静态信息（如IP地址等），后续不再重复发送

B.通过一定信息可推知数据流中其他信息时，可仅发送必须的信息，其他信息可由上下文推算

C.Rohc功能可大大降低包头开销 D.RoHC功能可采用IPv6和IPv4两种 17.RoHC模式包括以下哪种?(ABD)A.单项模式

B.双向模式

C单项可靠模式

D.双向可靠模式 18.下面关于C-DRX说法正确的是(ABD)A.长DRX最短周期为10ms，短DRX最短周期为2ms B.分为长DRX和短DRX两种，DRX周期=“On Duration”+ “Opportunity for DRX” C.数据业务与语音业务的DRX配置相同，目前只有一套参数

D.UE处于连接态时，如果在给定的时间（由RRC配置）内没有上下行数据时，允许UE 不再一直监视PDCCH

19.下面哪条信令为开始和结束的信令(ABCDE)A.Detach request

B.Detach accept

C.Extended service request D.rrcConnectionReconfigurationComplete

E.Paging

F.measurementReport 20.关于eSRVCC说法正确的是（ACDE）

A．支持eSRVCC方式切换至GSM、TD-SCDMA承载保证话音 B.eSRVCC优先处理QCI=1业务，只支持基于语音质量触发

C.同时配置4个A2事件，分别对应触发异频测量、异系统测量、盲重定向 D．针对触发异系统测量的两个A2，分别触发不同的异系统B2事件测控 E．语音和数据并发业务，以QCI等级高的承载对应的业务为准下发测控

四、简答题（1、2、4、5、7题每题5分，3题7分，6题8分，共40分）

1、简述在LTE弱覆盖场景，起呼成功率低的原因？

 当前网络不支持bSRVCC功能（振铃前的bSRVCC切换）；  当bSRVCC失败后，语音呼叫无法在源LTE小区恢复；

 其它无线质量原因：弱覆盖、上行链路质差等原因导致语音接入失败；

2、简述在快衰场景下掉话的原因？

 eSRVCC切换不及时，重定向到GSM导致掉话；  LTE网络内发无线链路失败，重选至GSM；

 eSRVCC切换失败后，在LTE网络恢复呼叫失败。

3、简述eSRVCC切换流程（流程图表示），简述eSRVCC分析中重点关注的信令点？

 Measure Report，UE上报B2报告，基站会发起切换判决，携带当时的无线环境，这里有两个注意事项，必须UE和CN侧均支持SRVCC切换，基站RRM才会判决进行SRVCC切换，否则判决为重定向；

 源eNodeB向源MME发送Handover Required消息，该消息中包含括Target ID、generic Source to Target Transparent Container、SRVCC切换指示等。SRVCC HO 指标标明切换目标只是CS域；

 MME向eNodeB发送Handover Command，eNodeB通过MobilityFromEUTRACommand通知UE进行切换。

4、简述VOLTE呼叫基本流程（流程图表示）及关键信令含义。

5、从端到端的角度分析VOLTE呼叫建立时延的分析思路。

 无线因素：上行干扰（基站底噪、终端上行发射功率）、下行干扰（SINR<3dBm）、无线覆盖（RSRP<-100dBm）、参数配置（邻区漏配、切换参数等）

 专用承载管理：切换流程与转载流程冲突、QCI1异常去激活或未建立、被叫转CSFB  寻呼流程：IMS重发机制、IMS CS retry定时器、MME寻呼策略、PGW/DRA信令缓存功能、 SIP流程：IMS注册失败、SIP信令丢失。

6、分别从无线、规划两个维度简述RRC重建产生的原因？RRC重建对用户感知的影响？RRC重建对VOLTE网络指标的影响？无线类原因：弱覆盖（包括上行覆盖不足）、重叠覆盖、模3干扰引起的下行质差、干扰

规划类原因：PCI冲突导致RRC重建、参数配置（例如参数不一致等）导致RRC重建

RRC重建对用户感知的影响：RRC重建前后短时的业务中断会被用户立即感受到，表现为听不清、通话吞字、一段时间听不到声音、视频停滞等。RRC重建对VOLTE网络的影响：影响接通率、掉话率、呼叫建立时延

7、案例分析：请说明以下信令流程中出现的问题并分析原因。

问题描述：主叫起呼后，流程正常，达到eSRVCC切换门限后收到eSRVCC切换命令后主叫收到Ringing 180，由于切换失败导致未接通。

原因：主叫在11：25：26.130起呼，到11：25：28.204收到网络侧转发的Ringing 180，整个信令流程正常。

无线移动感知网络篇6

Google无所不能，如果它生产手机，也能把手机做成免费！

8月初，据境外媒体报道，目前Goolge已经开发出了一款手机原型，正式产品有望于1年内上市。该款手机将免费提供给用户，但前提条件是用户必须接受Google捆绑的一些广告，这也印证了去年11月Google CEO施密特的说法。

有人预言，Google手机将是手机史上的革命。如果它的产品能在设计上达到一流水准，将是对手机终端厂商和移动运营商的致命打击。目前，Google正在进一步优化技术参数，从而让手机更好地支持网络浏览。

随着Google的不断壮大，资金实力日益雄厚，它已经不再满足单一的互联网搜索。它想将自己的技术延伸到行业的方方面面。特别是移动通信领域，它不想再受控于各大移动运营商，而是想铺建自己的网络。今年7月，Google透露将计划斥资46亿美元参与700MHz无线频谱的竞拍，这是Google进军移动市场的一个信号。

其实，最近几个月，Google的动作大得惊人，7月份投资了瑞典一家生产家用型移动通信基站的公司——Ubiquisys，同时还将向包括中国在内的13个国家推出移动广告等。

但Google进军移动领域的举动绝对不会一帆风顺，首先将会遭遇运营商的“保卫战”，它们不会眼睁睁地看着Google蚕食自己的市场。前不久，Google希望美国几大移动巨头能够在手机中集成自己的互联网服务，结果谈判并不顺利。与此同时，Google也会引来雅虎和微软的竞争，为了控制行业的主导权，它们不会对Google的举动视而不见。

当然，还有Google自身的困难。Google的长处在搜索，移动领域不是它的特长，要想迎头赶上还需时日。

兴建无线网络

Google强大得令人恐怖，它无所不能。

目前，它正在为大举进军美国手机市场作最后的冲刺，对那些大型的移动运营商们，它采用了一种既合作又竞争的策略。

7月末，Google与美国移动运营商Sprint Nextel签署了迄今为止最重要的协议。根据协议，Sprint将在其新的4G（WiMAX）网络中整合Google的移动服务。

自2006年11月以来，Google已经与Sprint达成合作关系，将一些移动应用整合进Sprint的服务中，比如移动版的Gmail就已经直接出现在Sprint的菜单中。

这次与Sprint的合作又有所深入，预计将有更多的Google无线技术进入Sprint的无线服务中。比如，Sprint计划将自己的定位技术与Google的搜索工具、电子邮件以及聊天工具进行结合，为用户提供位置提醒服务。这意味着用户可以使用Google进行本地搜索，向朋友通报自己的位置及行踪，或者在手机上收发电子邮件。

最近Google的动作大了些，它的一举一动都被它的竞争对手看在眼里，并把它当作须提防的敌人。Google最近宣布，将计划参与美国联邦通讯委员会的700MHz无线频谱竞拍。此外，它还在旧金山以及加州的山景城加紧它的免费城际Wi-Fi网络的建设。

业内人士称，Google参与无线频谱竞拍，与Sprint合作，建设自己的城际Wi-Fi，都是对公司现有业务的延伸，能够为YouTube等应用提供更多的带宽。现在，Google的YouTube网站需要耗费大量的带宽服务。

Google开始担心如果不能推出自己的服务，必将受制于人。但Google若能改变规则，拥有或者拓展自己的无线网络，就能摆脱运营商的控制，直接与用户建立联系。这是Google所期待的。

对于Google最近的举措，观察人士纷纷参与猜测。有人认为，Google会利用从拍卖中获得的频谱建设自己的无线网络，或者像苹果一样推出自己的手机产品。有人甚至预言，将来有一天它会成为摩托罗拉、诺基亚一样的手机终端巨头。

但Google表示，无论与运营商合作还是竞争，其目的都是为了提供互联网连接。Google特别项目部的负责人克里斯认为：“目前，全球仍然还有几十亿人没有互联网接入。手机是使他们能够访问互联网的最好机会。”不过，Google对具体的无线网络建造计划依然讳莫如深。

在亚洲和欧洲，Google已经和一些大型运营商达成了合作协议，如沃达丰和中国移动等。但美国的移动运营商却开始担心，不久的将来，Google会成为它们的噩梦。现在，Verizon无线和AT&T等运营商都不愿将Google的手机服务直接添加到自己的服务菜单上。

志在必得

很显然，Google无线战略中的最大赌注就是明年1月的700MHz无线频谱竞拍。

700MHz频谱已经用于模拟电视服务，它能够进行长距离的传输，从移动运营商、公共安全公司到Google，每家企业都将这一频谱看作是扩展移动带宽服务的一个绝佳机会。

分析人士预测，Google会不惜一切代价切入这一领域，并将无线宽带服务的价格降下来。当然，Google这么做的最终目的就是为了做这一行业的霸主。

Google表示将参与每个环节，从网络的建造到运营等，如果有需要，将会和其他运营商合作。目前，Google有充足的现金流，对这一竞拍志在必得。

Google预计，由于竞拍的底价高达50亿美元，最后的竞争就是它跟几家大运营商之间的较量。

Google正在游说美国通讯委员会制定700MHz频谱竞拍成功者的规则，希望竞拍成功者能够满足4大开放原则，保证700MHz频谱无线网络上的用户能够使用任何设备或软件，提供合理的批发价格，以确保小公司能够获得建造竞争性无线服务所需的无线接入能力。

AT&T和Verizon无线这两大美国移动运营商已经表示，它们可以接受设备使用开放标准，但它们反对为保证小公司的利益而提供合理批发价的规定。

业内人士认为，Google竞标无线频谱，表明它将无线领域列为战略要地。Google称自己无意成为一家互联网服务提供商或是一家移动虚拟网络运营商，它期望进行合作，而不是与移动运营商们进行竞争。Google的终极目标是改进用户体验。

分析师说，Google更有可能会继续和手机制造商合作。Google已经宣布和三星、LG、Palm以及摩托罗拉合作，一些程序还进入了部分黑莓手机以及Windows Mobile手机。

全面出击

现在，Google已经开始全面出击。

7月，Google投资了瑞典一家生产家用型移动通信基站的公司——Ubiquisys，Google和多家投资公司一共注资了2500万美元。

Google称，投资这家通信设备制造商的目的是为了使广大网民获得更加方便、快速的互联网接入服务。

目前，传统移动通信设备巨头，比如诺西网络、摩托罗拉、阿尔卡特-朗讯都已经开始研发或者测试家用型移动基站，媒体预计，家用型移动基站大规模部署有望在明年上半年进行。

与此同时，今年7月，Google在声明中说，“我们有义务找到新的和更好的方法让用户在移动中获得自己需要的信息，并且为我们的合作伙伴提供新的收入机会。”这里所提及的新的和更好的方法就是指移动广告。

据Google AdWords帮助中心称，移动广告将在美国、英国、日本、德国、法国、意大利、中国、印度等13个国家推出，它能针对具体的国家发布广告。

不过，移动广告的效果如何，最终还得看手机用户的反应。如果这一模式能获得成功，将会吸引更多人通过手机上网，从而降低服务资费。Google CEO施密特表示，手机广告将会补贴手机服务的成本，移动广告将是实现这个目标的第一步。

同时，Google推出移动广告，也将迫使它的竞争对手雅虎和微软推出自己的移动广告产品。

从理论上看，这是未来的发展趋势。但这样一来无疑蚕食了运营商的利润，而且运营商自己也可以推出移动广告。问题的关键在于，谁能推出更有吸引力的内容。

7月底，据国外媒体报道，Google还将面向手机用户，推出铃声、游戏和其他移动内容的搜索服务。

此前，Google曾经推出过手机版网页搜索服务。但是，Google希望进一步拓宽业务范围。通过该项新服务，用户可以搜索所需要的移动内容及内容链接，以便购买和下载。最终，Google还将根据搜索结果的排名，向企业收取费用。

据悉，Google已经与包括大型娱乐公司在内的内容供应商合作了几个月，试图将其内容搬到手机上。一旦技术成熟，该服务将被推向市场。

Google的野心越来越大，它眼里不只有搜索。

困难不少

不过，Google进军通信领域绝对不会一帆风顺。它的对手都对它虎视眈眈。以手机软件为例，据《纽约时报》报道，Google正准备以自有品牌软件进入手机市场，而微软则占了手机软件市场约10%的份额。

微软董事长盖茨认为，Google不会在手机软件市场上对自己构成威胁，“在Google已发布产品中，其中有多少是盈利产品?”他用反问的语气质疑了Google在这一领域的实力。

不过，在搜索市场上，它的地位无人能撼，目前占据了60%以上的市场份额。但是，现在它想将自己在网络上的优势延伸到手机上。继今年早些时候传出中国台湾厂商宏达为Google代工生产手机的消息后，最近又有与LG等移动终端设备商合作的消息。更让人震惊的是，Google的手机产品将是免费提供给用户的，这无疑将损害其他多方的利益。它必将首先引起移动运营商和手机终端厂商的强烈敌视。

其实，电信运营商们早就不乐意Google的“猖狂”。今年早些时候，各电信运营商们联合起来，筹划共同建立一个手机搜索引擎，对抗以Google为首的美国搜索巨头。它们包括沃达丰、法国电信、西班牙电信、德国电信、和黄、意大利电信以及美国电信运营商Cingular，它们结盟以探讨建立移动搜索引擎的计划。

在欧美国家，移动业务收益已经遇到了瓶颈，而手机搜索无疑是电信运营商即将开发的一块最诱人的“蛋糕”。如果让Google搀和进来，各移动运营商就很难获得高额利润。谁都知道，Google习惯于免费，有人甚至认为，倘若让Google卖面包，它可以把面包卖成免费。

相比互联网搜索服务，手机搜索蕴藏着更大的商业价值，因为手机比电脑更普及，其移动性、便捷性也非电脑可比。早在2004年，Google就发现了移动搜索的价值。不过，要想开拓一个新的领域，绝对不是轻而易举的事。时至今日，Google在移动搜索领域依然没有找到盈利方式，就是很好的证明。

无线移动感知网络篇7

关键词：认知无线电,合作频谱感知,融合准则,能量效率

1引言

近年来,由于移动互联网的发展和智能终端的大量涌现,无线通信业务的快速增长对可用频谱资源的需求量不断增加。然而,人们却发现造成频谱资源紧缺是因为全球授权频段频谱利用率较低。美国联邦通信委员会(FCC,Federal Communications Commission)的研究报告表明实际授权频段的利用率仅有15%-85%[1].

为了在动态网络中解决频谱资源利用率低的问题,认知无线( CR) 电技术,作为一种开创性的频谱共享技术应运而生[2]。它能够使未授权用户具有感知授权用户[3]在时域、频域和地域上动态出现频谱空洞的能力,而未授权用户就是利用频谱空洞进行通信,因此授权频谱的利用效率得以改善。我们称未授权用户为认知用户[3]。

在感知授权频谱的过程中,单个认知用户会因为受到多径、阴影效应和路径损耗等因素的影响导致较低的本地频谱检测概率而不能满足系统所要求的可靠性。在这种情况下,认知用户接入授权频谱可能会对授权用户产生较大的干扰。因此,多用户的合作频谱感知更加适用于动态复杂的无线网络环境。合作频谱感知技术通过融合多个认知用户的本地检测信息来对授权频谱的使用情况进行更加准确的判断。在融合中心,判决准则主要分为硬判决和软判决。软判决通常需要大量的信道开销而难以实现,硬判决主要分为or准则和and准则两种。在文献[4]和[7]的融合中心分别使用or准则和and准则融合多个认知用户的本地检测信息并比较这两种规则最终获得的系统性能。文献[5]研究了多个用户感知多个信道时的吞吐量和能量消耗问题,它是在检测概率和虚警概率满足可靠性要求时,选择部分用户进行频谱感知以节省系统中的能量消耗。文献[8]在参与频谱感知的用户中找到合适的认知用户的数目,在能量效率和感知性能之间获得均衡。

基于以上讨论,提出了一种部分认知用户合作频谱感知方法,该方法在系统认知用户数量一定,并且在满足给定系统检测概率和虚警概率的前提下,选择最小数量的认知用户参与频谱感知,使系统的能量消率最低并且能量效率达到最优。

2 系统模型

在正交频分复用系统中有M个授权用户、N个认知用户如图1。整个可用频带分成K个子信道。假设某一子信道未被授权用户使用时,该子信道对于认知用户来说就是可用信道。因此,需要用两种假设来描述授权用户使用第k个子信道的情况。假设Hm1,k表示在m时隙第k个子信道被授权用户所占用,假设Hm0,k表示在m时隙第k个子信道未被授权用户所占用。在第m个时隙,单用户检测的基本假设模型可以描述为二元假设检验问题:

式中rk(m)代表在在m时隙第k个子信道上的接收信号值,hk 代表第k个子信道的信道增益,假设它在每一个感知间隔是保持不变。sk(m)表示在m时隙第k个子信道上的授权用户发送信号值,此信号的均值为0,方差为σ s2,wk(m)服从均值为0方差为σw2 的高斯过程。当采样数量较多时,利用中心极限定理,通过高斯分布估计检验统计量的卡方分布,所以,在每个时隙,第i个认知用户对于第k个子信道的检测概率和虚警概率分别是[5]

式中 ,λ是能量检测阈值,f s是信号采样频率,τ1 是每一时隙的时隙长度。

在感知阶段之后,每一个认知用户将本地决定发送给融合中心,融合中心收到本地决定并利用融合规则进行融合:

式中umi,k表示第m时隙第i个用户对第k个子信道的本地决定,umi,k=0表示授权用户未使用第k个子信道,umi,k=1表示授权用户使用第k个子信道。式(4)的融合规则表示N个认知用户中至少有k个用户的本地决定umi,k=1,则判定授权用户占用第k个子信道[9]。Or规则和and规则是式(4)的一种特殊情况,当l =1时,式(4)中的融合准则即为or规则,当l =N时,式(4)中的融合准则即为and规则[9]。因此,在合作频谱感知方法中,分别应用不同的融合准则得到最终的系统检测概率和虚警概率如下:

基于or规则,最终的检测概率和虚警概率分别为[6]

根据and规则,最终的检测概率和虚警概率分别为

3 能量消耗

在传统的频谱感知算法中,所有的认知用户参与频谱感知并将感知信息传送给融合中心做出最后的判断。但是,如果大量的认知用户全部参与频谱感知,必然会增加能量消耗,降低系统的性能。所以,我们设计在给定系统检测概率和虚警概率的前提下,最小化能量消耗的问题。

合作频谱感知分为认知用户感知信息和信息交换两个过程。假设每一时隙的感知时间为τ1 ,参与感知的认知用户数量为U,Ts为总的感知时间,且Ts=Uτ1。认知用户感知阶段的功率是Pr 。每一时隙的信息交换时间为τ 2,Te 为总的交换时间,且Te=Uτ2。认知用户与融合中心交换信息的功率是Pt。所以,感知阶段消耗

的能量E s=TsPr和信息交换阶段消耗的能量E e=TePt。因此 , 感知过程中总的能量消耗Ec=Es+Ee。公式(9)形成了最小化能量消耗问题:

式中Pd,th和Pf,th分别为给定系统的检测概率和虚警概率阈值。重写公式(9)

由此可见,合作频谱感知的能量消耗是由参与频谱感知的认知用户数量决定的。进一步简化得到公式(11)

根据文献[5]的求解方法,我们得到参与感知用户的数量U的范围为

与or融合规则相似,应用and规则可以得到

因此,应用and规则时,参与感知用户的数量U' 的范围为

求解过程参见附录一

随着参与频谱感知认知用户数目U和U' 的增加,能量消耗也随之增加。由此,可以得出当U和U' 取这个范围内的最小整数值时,所消耗的能量最小。同时,为了提高频谱的检测概率和虚警概率,对于or和and融合规则分别选择信噪比较高的U和U' 个认知用户参与频谱感知。

4 吞吐量

吞吐量的获得必须满足可用信道被发现并分配给认知用户进行数据传输。在这里用p表示信道可用的概率,因此,一个信道被成功发现的概率为

然后,我们能够得到在一个感知周期内可用信道能被发现的概率[5]

其中,u表示合作频谱感知到的可用信道数量。

最后,我们能得到用某一信道的认知用户的吞吐量为[5]

R为单位时间内该认知用户使用一个信道所获得的吞吐量。

由此,可得到使用or规则的能量效率和使用and规则的能量效率EEand分别为

5 仿真结果

在仿真部分中,设, N从1到40变化。Pr=1 W, Pt=5.1W。假定系统的检测概率Pd,th和虚警概率Pf,th分别是0 . 8和0 . 4 . 感知时隙的长度,

图2和图3为部分用户合作频谱感知和传统的合作频谱感知算法分别应用OR和AND融合规则时,系统的检测概率和虚警概率进行比较。从图中可以看出,部分用户合作频谱感知算法在满足系统检测概率和虚警概率阈值的情况下,获得了更高的检测概率和较低的虚警概率,这种方法的优势之处在于降低了单独应用OR规则时较高的虚警概率,提高了单独应用AND规则时较低的检测概率。所以,在获得较高的检测概率和较低的虚警概率的前提下,系统能够获得较高吞吐量。

图4为传统的合作频谱感知和部分用户合作频谱感知算法分别应用OR和AND两种不同融合规则在感知用户数目不断变化的情况下,进行能量效率的比较。从图中可以看出,在感知用户数目较小时,两种感知算法的能量效率基本相同。但是随着感知用户数目的不断增加,部分用户合作频谱感知算法获得了较好的能量效率。当认知用户数目增大到一定值时,部分用户合作频谱感知算法的能量效率趋于稳定,而传统的合作频谱感知算法的性能急剧恶化。这是因为,部分用户合作频谱感知算法能够在保证系统容量的情况下,尽可能的减少能量消耗。而传统的合作频谱感知算法在认知用户数目增加时,系统的能量消耗急剧增加会导致系统性能下降。

6 总结

从能量效率的角度讨论了如何确定认知无线电系统中参与合作频谱感知用户数目的方法,在给定系统的检测概率和虚警概率阈值时,与传统的频谱感知算法进行比较,证明了选择部分用户参与合作频谱感知能够获得更高的能量效率。并且通过应用AND和OR融合准则,可以看出AND准则明显优于OR准则。此外,该方法改善了单用户频谱感知时,AND准则具有较低的检测概率和OR准则具有较高的虚警概率的问题。

附录一

由公式(7)推导,

经过移项 , 不等式两边同时取对数 , 得到 , 令 , 因为y是Pkd,i的增函数,为了减少认知用户的取值范围,代入Pkd,i的最小值 , 所以 ,

无线移动感知网络篇8

近年来, 无线传感器网络[1] (Wireless Sensor Networks, WSN) 引起了广泛的关注。美国商业周刊在预测未来技术发展的报告中, 将WSN列为21世纪最具影响力的21项发明之一[2], 麻省理工学院 (Massachusetts Institute of Technology, MIT) 则将WSN列为改变世界10大关键技术之一[3]。WSN是一种全新的信息获取平台, 其目的是协作地感知、采集和处理网络覆盖区域中感知对象的信息, 并发送给观察者[4], 已被广泛用于军事领域、环境监测、医疗护理等相关领域。目前, 大规模WSN还存在很大技术壁垒, 如网络能量消耗和网络中存在少量瓶颈节点是阻碍WSN数据有效采集和传输的重要因素。针对以上面临的问题, 压缩感知 (Compressed Sensing, CS) [5,6]作为一种新兴的技术理论逐步发展起来。相继有众多学者提出了一系列应用于WSN中基于CS的数据收集方法[7,8,9,10,11], 如文献[7]提出在WSN数据融合中采用CS技术, 以使传输和融合能耗达到最小;文献[8]通过调研CS在WSN中的数据采集应用, 旨在通过联合路由和压缩融合来最小化网络能量损耗;文献[9]提出了一种在WSN中基于CS框架监视1-D环境下的信息的新方法, 以减少传感器节点的能量损耗;文献[10]提出的树式路由的压缩数据采集方案能够有效地减少通信成本和延长网络的寿命;文献[11]提出了一种对大规模无线传感器网络能量有效的分簇路由数据采集方案。

由此可见, CS应用于WSN中对于传统机制是一个质的飞跃。本文在以上研究的基础上, 提出一种改进方案, 并通过理论分析和仿真实验验证了该方案的有效性。

1 压缩感知理论

CS是一种新的信号描述与处理方法, 即采样的同时实现压缩目的, 突破了传统的Nyquist采样定理的局限性。其结构框架如图1所示。

1.1 信号的稀疏表示

已知一个实值一维有限长离散时间信号x∈RN, x可看作N维列向量, 其元素由x[n]表示, 其中n=1, 2, ⋯, N。若将信号x在某正交基或紧框架Ψ=[ψ1, ψ2, ⋯, ψN]∈RN×N下进行展开, 即:

式中展开系数αi=x, ψi=ψiTx。假设系数向量α是K-稀疏的, 即其中非零系数的个数K≪N, 则信号x是可压缩的且能稀疏表示。

1.2 测量矩阵

信号x采用一个测量矩阵Φ∈RM×N (M≪N) 进行非适应线性投影得到测量值y∈RM×1, 表示如下:

因为M<<N, 从y中恢复出x信号是低维空间求解高维空间问题。然而, 在CS理论中, 由于x是K-稀疏的, 当ΑCS=ΦΨ满足约束等距性 (Restricted Isometry Property, RIP) [12]或正交基Ψ与测量矩阵Φ不相关[13], 则信号恢复成为了可能。

1.3 信号重构

对式 (2) 的逆问题最直接方法是通过L0-范数求解, 即:

然而式 (3) 的数值计算极不稳定而且是NP难问题。但若ΑCS=ΦΨ满足RIP或是Ψ与Φ不相关, 式 (3) 可等价于L1-范数最优化问题, 即:

由于L1-范数是凸优化问题, 所以式 (4) 是一个线性优化的问题, 可以高概率精确恢复稀疏或可压缩信号[6]。目前, 已有很多算法可以较好地解决式 (4) 的问题, 如BP (Basis Pursuit algorithm) [14], MP (Matching Pursuit algorithm) , OMP (Orthogonal Matching Pursuit algorithm) [15]等。

2 系统模型

本文所研究的方案目前适用于大型环境监测领域WSN传感器节点所采集的1-D数据。

2.1 网络模型

为了简化问题的描述, 研究限定于以下假设:

(1) 在某监控区域有一个汇聚节点和N可感知温度、湿度等环境物理量的传感器节点, 网络节点固定且均分为个簇, 如图2所示。

(2) 簇头位于簇的中心位置, 簇内节点采用CS数据收集方法, 如图3 (a) 所示。

(3) 簇头之间按照最短路径的路由策略进行测量值的收集, 如图3 (b) 所示。

2.2 数据分析

WSN节点采集的数据一般都具有较高时空相关性, 每个传感器节点采集的数据种类也较多, 如Intel Berkeley Research实验室[16]部署的54个传感器节点, 可采集湿度、温度、光照和电压值数据信息。图2为该网络部分节点采集的温度信号。

因此, 不能一味地用CS直接套用于WSN。本文借助联合稀疏模型 (Joint Sparsity Model, JSM) , 对数据做深入研究。在传统的JSM模型中, 把每个信号分成不同的两个部分来进行分析和应用, 一部分是共用的成分, 另一部分则是独有的成分。而本文采用以各簇簇头为共用部分, 从而减少对共用成分的单独分析, 并且缩小了数据处理的分布范围, 提高数据压缩性。

簇头μ (μ=1, 2, ⋯, J) 收集到的一维离散信号Xμ=[x1μ, x2μ, ..., xnμ]T, x0μ为簇头的感知数据。因此, 把向量Xμ中的每个xiμ (i=1, 2, ⋯, n) 做xiμ-x0μ处理, xˉiμ=xiμ-x0μ就等价于向量Xμ扩展为矩阵Xˉμ=[x0μ, x1μ, x2μ, ⋯, xnμ]T左乘一个矩阵, 即:

式中:

式中:εμ代表簇头μ地理位置的小量信息, 不仅可保持处理数据维度的一致性, 而且能将该簇对应于汇聚节点保存的伪随机序列唤醒, 以有效恢复数据。

2.3 数据编码

2.3.1 数据压缩编码

本文利用伪随机序列产生CS的随机投影, 即稀疏投影矩阵, 该矩阵能够避免高斯随机矩阵在资源有限的WSN节点实现难的特点。稀疏投影矩阵Φ中各元素表示如式 (7) 所示:

式中:p表示概率;s表示投影稀疏程度, 当s=1时, 投影没有任何稀疏度。

根据压缩感知原理可知, 有:

当投影yi (i=1, 2, ⋯, m) 中某项为零时, 成员节点不用传输任何数据, 故能减少节点的数据传输量。

2.3.2 数据传输编码

簇头之间传输数据包格式如图5所示。

根据实际应用需求, 数据包选用相应的编码长度。而本文数据域Yμ选用32 b, 该位存储着随机投影值;头部域x0μ采用16 b, εμ采用2 b。

2.4 数据恢复

汇聚节点收集到网内中各个簇头数据包后, 进而进行解码恢复各簇数据信息。

3 仿真与分析

本文仿真实验基于Matlab R2010a仿真器进行, 选择的实验参数如表1所示。

在表1中, 稀疏变换为离散余弦变换 (Discrete Cosine Transformation, DCT) , 其具有较强的“能量集中”特性;测量矩阵为伪随机序列;重构算法采用L1-范数最优化内点法, 使用L1-magic工具箱中的L1eq_pd () 函数算法, 具有较高的恢复精度。

下面从以下两方面对改进算法进行性能描述:

(1) 归一化重构误差

式中:x为原信号;为恢复信号, 且定义压缩比r为观测个数m和感知数据个数n之比, 即r=m/ n。对于不同的r, 分别测试其恢复误差, 测试10次, 结果取其平均值, 如图6所示。从图6可知, 在相同压缩比情况下, 本文的方法明显降低了归一化恢复误差;归一化恢复误差随着压缩比增加而减少, 当压缩比接近1, 即观测数据和感知数据个数接近时, 恢复误差均趋向零。

(2) 数据传输次数

每簇数据所需的传输次数为。其中aμ测量个数且, c为较小的常系数, k为信号稀疏度, 可通过信号的稀疏表示求得;传统方法的传输次数。如图7所示, 可以看出, 随着节点数目的增加, 不同方案的数据传输次数都在增加, 但是本文方法 (Clustering with CS) 的传输次数明显的少。

4 结语

本文主要探讨了基于CS的簇路由在WSN数据收集中的应用。针对大规模WSN的特点, 本文在现有工作的基础上, 提出了一种改进方案, 该方案结合了CS算法, 利用WSN分簇路由结构及JSM而设计的。最后通过理论分析和实验仿真测试得出该改进方案不仅能够以较低的恢复误差重构原始数据, 而且也大大减少了数据传输次数, 平衡网络能耗。

摘要：提出一种应用于大规模环境监测领域无线传感器网络 (WSN) 中改进的基于压缩感知 (CS) 数据收集方案。该方案改进联合稀疏模型 (JSM) 进行数据分析;并采用分簇路由采集并传输数据, 即每簇簇内使用基于CS的数据收集方法, 簇头之间采用最短路径路由到达汇聚节点。仿真结果表明, 该方案不仅缩小了数据处理的分布范围, 降低了恢复误差, 而且大大减少了数据传输次数, 维持了整个网络的能耗平衡。

无线移动感知网络篇9

在无线传感器网络多目标定位中应用压缩感知, 将基于网格的多目标定位变为压缩感知问题, 并进行多目标定位, 大幅减少网络通信的数据量, 减小功耗且延长网络寿命, 却增加了融合中心算法的复杂度。但这项研究应用压缩感知, 也存在缺陷, 所以需要采用自适应采样方法。

运用RVM算法可快速重构贝叶斯压缩感知, 时间复杂度明显降低, 即使有噪声, 仍然能完美的恢复原始信号。根据贝叶斯压缩感知提供的“误差线”大小可以动态设置测量比, 避免了测量值的浪费。

1 无线传感器网络模型的建立

图5.1 为无线传感器网络模型, 设在特定的区域内, 将该区域划分为网格, 在该区域随机散落分布一定数量的无线传感器节点, 构成传感器网络。并设置已知位置一定数量的传感器节点接收待定位节点的信号。通常已知位置的节点为信标节点或锚节点, 未知位置的节点叫目标节点。信标节点的位置已知, 数目会比目标节点少。信标节点接收目标节点发出的信号, 并将接收到的信号发给汇聚节点, 由汇聚节点传输给管理节点。在管理节点处, 分析采集的信号, 运行重构算法, 定位节点。

2 无线传感器节点二维位置重构与仿真

因为传感器节点的分布是稀疏的, 所以恢复节点位置期间可应用稀疏, 采样的原始信号是稀疏信号, 不用以稀疏变换来获得稀疏信号。

首先构建测量矩阵和稀疏信号向量。对于第i个信道, 第k个信标节点, 所有的网格点都可能向信标节点传输信号。接收到的位于的节点的功率为:

是该节点到信标节点的距离, 为来自点使用第i个信道的发射功率, 为第i个信道的频率。所以, 第i个信道中第k个信标节点接收到的功率和为

向量包含占用第i个信道中, 所有可能存在传感器节点的信号发射功率的大小, , 向量为衰落参数, , 其中:

用来表示所有个信道中第k个信标节点的接收功率, 可表示为:

向量表示个信道里, 所有网格点的发射功率,

矩阵是一个对角矩阵, 其中非零元素是所有网格点所有信道相对于第k个节点的路径损耗大小, 它的第i行是向量:

其中的是一个1行列的全0行向量。

利用如下公式可获得所有信标节点的接收信号强度,

很显然, 公式 (5.6) 是测量矩阵乘以稀疏向量的形式, 得到了测量值, 矩阵L是测量矩阵, 在的网格点中只有少量的目标节点, 是稀疏向量。为个信标节点的观测值。获得观测值后, 就能利用贝叶斯压缩感知对信号进行重构。

如第四章所述, 先分配零均值高斯先验分布给未知向量, 其中表示均值为零的方差为的高斯分布, 因为, 所以也是方差为的高斯分布。是与每个估计值的权重相联系的超参数。

接下来, 便可以应用贝叶斯压缩感知重构信号, 利用RVM使参数收敛, 由上文可知, 均值是对稀疏向量的重构, 而表示重建稀疏向量的方差, ∑的平方根表示重建的“误差线” (标准差) 。利用误差线能得知测量值是否满足需要。

因而, 利用贝叶斯压缩感知快速重构算法可以重建传感器节点的功率和位置信息。为了更好的理解重建结果, 我们将仿真过程看作二维网格中节点的恢复问题。上文中所述方法的目的是通过稀疏观测恢复二维网格图。以上是无线传感器定位网络节点运用贝叶斯压缩感知的过程。在仿真后能清楚看到, 此方法可完美的恢复传感器节点的位置、发射功率的大小。

图 5.2 仿真结果：（a）原始信号（b）恢复信号（c）目标节点位置恢复

本节中验证了上述贝叶斯压缩感知重构过程, 首先对上述参数赋值, 可以令信标节点的数目为6, 信道为20, M和N均为10, 并在网络中随意设置5 个目标节点, 运用贝叶斯压缩感知算法恢复信号。图5.2 是重构后的信号以及定位的传感器节点

由图5.2 (a) 得出, 网络中存在5 个传感器节点。图5.1 (b) 是运用了贝叶斯压缩感知算法对信号重构之后的重构结果。可看出, 存在信号的点在重构后均被恢复。

图5.2 (c) 是定位传感器节点的结果, 红色星形为传感器节点的原始位置, 绿色圆圈为根据恢复后的信号得到的传感器节点的位置。由图可看出, 绿星与红圈都是重合的, 贝叶斯压缩感知算法精确的完成了对传感器节点的定位。

下面我将传感器节点的数量从5 个加至10 个, 观察仿真结果。

由上图可知, 传感器节点增加至10个时, 重构算法仍然能准确的实现节点的位置重建。

上述的两个仿真结果中, 加性噪声服从零均值的高斯分布, 方差为0.005。下面将方差加至0.05, 观察仿真结果。

增大噪声方差后图5.4 (b) 的重建信号功率“误差线”变大, 而且图5.4 (a) 中不存在的冲击信号, 同理, 目标节点位置恢复中, 出现了虚警目标节点。

从上述结果中得知, 当噪声的方差值达到一定程度时恢复信号时会产生误差, 出现虚警目标, 系统会检测出不存在的节点, 错误的定位出目标节点的位置。

3 结论

本文研究无线传感器网络多目标时应用了压缩感知, 对建立该传感器的网络模型的过程进行了分析, 阐述了传感器节点二维位置重构的算法, 并使用MATLAB进行仿真, 得知定位无线传感器网络节点时应用贝叶斯压缩感知的有效性。

摘要：本文研究无线传感器网络多目标时应用了压缩感知, 对建立该传感器的网络模型的过程进行了分析, 阐述了传感器节点二维位置重构的算法, 并使用MATLAB进行仿真, 得知定位无线传感器网络节点时应用贝叶斯压缩感知的有效性。

参考文献

[1]汪炀.无线传感器网络定位技术研究[D].中国科学技术大学, 2007.

[2]金逸超.基于物联网环境的智能家居系统的研究与实现[D].南京邮电大学, 2011.

无线移动感知网络篇10

无线技术的发展引出许多无线应用, 给人们的生活带来很多便利。无线应用需要无线频谱的支持, 而可用无线频谱是稀缺资源, 并分配给不同的系统和业务使用。一些关于频谱利用情况的调查显示, 主要的可用频谱在大多数时间、大部分地点不仅没有充分利用, 而且利用率很低[1]。这一结果促使认知无线电技术研究的兴起。

认知无线电 (Cognitive Radio, CR) 是一种能提高频谱利用效率的新兴技术, 由瑞典学者J.Mitola在1999年首先提出[2]。目前, 学术界对CR没有一致的定义, 大家普遍接受的一种说法是:认知无线电是一种智能无线通信系统, 它能感知周围环境, 运用“理解-构建”的方法从周围环境中获取信息, 通过实时改变诸如传输功率、载频、调制方式等传输参数来适应运行环境的变化。CR的两个主要目标是:任何时间、任何地点都能提供高度可靠的通信;有效提高频谱利用效率[3]。

认知无线电中有三个基本概念, 一是主要用户 (Primary User, PU) , 也称授权用户, 指对某一频谱带宽的使用具有较高的优先权或合法接入权的用户;二是次要用户 (Secondary User, SU) , 即CR节点, 指那些非授权用户, 他们有使用频谱的低优先权, 但只能在不对PU产生干扰的前提下接入频谱;三是频谱空洞 (Spectrum Holes) , 即空闲频谱, 指那些在某一时刻或者某一区域未被PU使用的无线频谱子带。

认知无线电技术是为了提高频谱利用效率而提出的, 次要用户可以在信道中不存在主要用户信号时接入授权频谱。因此判断频谱什么时候空闲是CR首先要解决的问题。此外, CR必须要保证授权用户使用频谱的优先权, 在非授权用户使用频谱的过程中, 如果授权用户返回信道, 非授权用户必须释放该频谱, 以避免对授权用户产生干扰, 因此判断授权信号何时出现至关重要。所以, 频谱感知是实现认知无线电的重要环节, 频谱感知技术的好坏将直接影响认知无线电系统的性能。

1相关研究

1.1 能量检测

频谱检测的核心是检测到主要用户信号。在信号检测中, 能量检测不仅计算复杂度和实现复杂度最低, 而且还是没有主要用户信号先验知识时的最优检测方法, 因此在实践中它是最为常用的频谱感知技术。本文采用能量检测方法。

能量检测的基本思路是检测信道中射频信号的能量或者接收信号的强度, 从而判断信道是否空闲, 它实质是一个二元假设检验问题:

H0:系统中不存在主要用户

H1:系统中存在主要用户

认知节点接收到的信号为:

$x (t) = {\begin{cases} n (t), Η_{0} \\ h s (t) + n (t), Η_{1} \end{cases} (1)$

式中:n (t) 为高斯白噪声;s (t) 为主要用户产生的信号;h是主要用户与认知节点之间信道的信道增益。此处假定感知信道在感知周期内是时不变的。

进行能量检测时, 先确定观测时间间隔t和检测带宽W, 接收信号x (t) 通过工作在该频带的带通滤波器将输出信号平方, 并在观测的时间间隔内进行积分, 将这一输出Ei与一个预先设定好的阈值λ比较, 从而判断信道是否空闲。衡量检测性能主要有三个参数, 分别是检测概率Pd、漏检概率Pm和虚警概率Pf, 其中:

$\begin{array}{l} Ρ_{d} = Ρ_{r} (E_{i} > λ | Η_{1}) (2) \\ Ρ_{f} = Ρ_{r} (E_{i} > λ | Η_{0}) (3) \\ Ρ_{m} = 1 - Ρ_{d} (4) \end{array}$

根据文献[4]中F.F.Digham等人关于能量的检测知, Pd和Pf的计算公式分别为:

$\begin{array}{l} Ρ_{f} = \frac{Γ (u, λ / 2)}{Γ (u)} (5) \\ Ρ_{d} = Q_{u} (\sqrt{2 γ}, \sqrt{λ}) (6) \end{array}$

式中:γ是检测信号的信噪比;u是时间t与带宽W的乘积;Γ是gamma函数;Qu是Marcum Q函数。

1.2 协作频谱感知

无线信道频谱感知的最大挑战是隐藏终端问题[5]。此时, CR节点与PU发射机之间的信道经历了严重的多径衰落或阴影衰落, 导致CR接收到的PU信号的信噪比很低, 无法正确判断出PU的存在, 这就使CR节点错误地认为信道空闲并接入信道, 对PU造成干扰。为了解决这些问题, 研究人员提出采用多认知节点协作频谱感知。这一方法的具体流程如下[6]:

(1) 每个CR节点首先独立进行本地频谱感知, 并做出PU是否存在的二元决定;

(2) 所有CR节点将自己的判决结果发给认知无线网络的头节点, 该节点类似于无线网络中的基站;

(3) 头节点将所有CR节点的判决结果汇总, 并最终判决PU是否存在。

由于基于计数规则的协作频谱感知具有良好的性能[7], 因此本文从这一规则入手。计数规则根据所使用计数子规则的不同, 又可分为AND规则、OR规则、MAJORITY规则等。在AND规则中, 如果头节点接收到的所有CR判决都认为信道被使用时才确定信道被PU占用;而在OR规则中, 只要有一个或多于一个CR判决信道被占用, 就说明信道被PU使用;在MAJORITY规则中, 当超过半数的认知节点表示信道被占用时才确定PU正在使用信道。因此, AND, OR, MAJORITY规则是计数规则的三个特例, 多个认知用户只是将自己的判决结果发给头节点, 头节点根据认知无线网络中判决存在PU的节点数目做出最终判决。

在计数规则的三个特例中, 采用OR规则的系统中, 只要有一个CR节点判断存在PU就推出当前网络存在PU, 而AND规则是所有节点都判断存在PU才推出网络中存在PU, MAJORITY规则介于两者之间。因此, OR规则最为严格, 对PU产生干扰的可能性最小, 下面的分析都是基于OR规则。

1.3 协作频谱性能分析

假定认知无线网络由K个认知节点组成。此外, 还定义Pf, i为第i个节点本地频谱感知的虚警概率, Pm, i表示第i个节点本地频谱感知的漏检概率。

具有上述两个概率后, 假定K个感知信道增益相同, 根据数学分析, 可以很快推出在实际应用中, 基于OR规则合作频谱感知的系统虚警概率为[8]:

$Q_{f} = 1 - \prod_{i = 1}^{Κ} (1 - Ρ_{f, i}) (7)$

合作频谱感知的系统漏检概率为:

$Q_{m} = \prod_{i = 1}^{Κ} Ρ_{m, i} (8)$

因此, 系统检测到PU的概率为:

$Q_{d} = 1 - Q_{m} (9)$

2一种认知无线网络中的协作感知方法

2.1 分集协作策略

认知无线网络在判断PU的存在性时, 首先在每个CR节点处独立判断。一般节点会设置一个阈值, 并把它对PU信号的测量结果与这个阈值相比较。如果结果大于阈值, 节点就会给头节点发送1表示存在PU, 反之发送0。认知网络中节点数目K越大, 系统性能越好。然而, 在不增加硬件复杂度的前提下, 如果网络采用的是轮询方式, 每一时隙只有一个节点发送判决结果。如果节点数目越多, 会使判决时间过长, 造成的开销也越大, 最终导致吞吐量下降。此时可以选择多用户分集技术[6]。

在实际应用环境中, 可以将临近的两三个节点分为一个集合, 并指定这个集合中具有最大信噪比的节点为集合头节点。这样整个认知无线网络就划分为多个集合。当集合中的节点完成PU存在判决以后, 将结果发送给集合头节点, 该头节点采用某种合作规则做出本集合的初步判决结果。这一过程可以在所有集合中同时完成。此后这些集合头节点将本集合判决结果发送给整个网络的头节点, 头节点据此做出最终判决结果。这种方法是选择性分集技术, 它的优点是:第一, 集合中只有最大信噪比节点代表集合发送判决结果, 这样做可以产生选择性分集增益, 减少信道衰落的影响;第二, 大部分数据在每个集合内部处理, 这样做极大减少了报告给头节点的总比特数, 从而可以加快判决时间, 提高信道性能。

2.2 性能分析

不存在主要用户的认知网络的吞吐量为C0, 存在主要用户的认知网络的吞吐量为C1, 根据文献[9], 如果:

$\begin{array}{l} R_{0} (λ, τ) = \frac{Τ - τ}{Τ} C_{0} (1 - Q_{f} (λ, τ)) Ρ (Η_{0}) (10) \\ R_{1} (λ, τ) = \frac{Τ - τ}{Τ} C_{1} (1 - Q_{d} (λ, τ)) Ρ (Η_{1}) (11) \end{array}$

那么, 认知无线网络的平均吞吐量为:

$R (τ) = R_{0} (ε, τ) + R_{1} (ε, τ) (12)$

假定认知无线节点帧的大小为T, τ为感知所耗时隙, T-τ则为可能的有效数据传输时隙数, T与τ均是时隙的整数倍。设定每个节点自身感知需要2个时隙, 已知每一时隙只有一个节点发送, 那么在一个24节点的认知网络中, 采用传统的协作策略总共需要26个时隙。为简化分析, 假设所有认知节点处接收的主要用户信号的信噪比相等;如果将网络每四个节点分为一个集合, 整个网络分为两级, 那么总共需要4+6+2=12个时隙。图1显示了两者吞吐量的区别, 其中u=5, λ=10, T=50, P (H1) =0.2。

2.3 优化的分集协作策略

在认知无线网络分集判决后, 系统吞吐量得到提升, 但系统的吞吐量是否还可以提升?为证明多次分级的有效性, 本文先证明一个定理。不失一般性, 本文假设认知无线网络中的节点数目均为合数[10]。

定理:一个正整数分解为多个正整数的乘积, 必有一种分解使得这些数之和取最小值。

证明:令:n=p $_{1}^{r_{1}}$ p $_{2}^{r_{2}}$ …p $_{s}^{r_{s}}$ , ri≥1, 1≤i≤s, p1, p2, …, ps为互不相等的素数。设函数Ψ (n) 为数n的各个因子之和的最小值, 则:Ψ (n) =r1p1+r2p2+…+rsps。

∵ a的因子与b的因子也为a*b的因子

∴ Ψ (a·b) ≤Ψ (a) +Ψ (b)

∴ Ψ (n) ≤Ψ (p $_{1}^{r_{1}}$ ) +Ψ (p $_{2}^{r_{2}}$ ) +…Ψ (p $_{s}^{r_{s}}$ )

然而Ψ (p $_{i}^{r_{i}}$ ) =ripi。这是因为p $_{i}^{r_{i}}$ 的分解若不为 $\underset{r_{i} 个}{p_{i} p_{i} \dots p_{i}} ‚$ 则必会在分解中出现一个p $_{i}^{r}$ (r≤ri) 项, 此时分解的因子之和与 $\underset{r_{i} 个}{p_{i} p_{i} \dots p_{i}}$ 的因子之和的差为pri-rpi≥0, 故Ψ (p $_{i}^{r_{i}}$ ) =ripi。所以Ψ (n) ≤r1p1+r2p2+…+rsps。

∵ 若Ψ (n) ≠r1p1+r2p2+…+rsps, 则Ψ (n) <r1p1+r2p2+…+rsps

∴ 存在n的一个分解Π且此分解不会为 $\underset{r_{1} 个}{p_{1} p_{1} \dots p_{1}} \underset{r_{2} 个}{p_{2} p_{2} \dots p_{2}} \dots \underset{r_{s} 个}{p_{s} p_{s} \dots p_{s}} ‚$ 则n的分解Π中至少有一项p $_{1}^{t_{1}}$ p $_{2}^{t_{2}}$ …p $_{s}^{t_{s}}$ , 其中t1, t2, …, ts不全为零。故此分解的因子之和与 $\underset{r_{1} 个}{p_{1} p_{1} \dots p_{1}} \underset{r_{2} 个}{p_{2} p_{2} \dots p_{2}} \dots \underset{r_{s} 个}{p_{s} p_{s} \dots p_{s}}$ 分解的因子之和相差一个p $_{1}^{t_{1}}$ p $_{2}^{t_{2}}$ …p $_{s}^{t_{s}}$ - (t1p1+t2p2+…+tsps) , 不妨设p1<p2<…<ps, 所以p $_{1}^{t_{1}}$ p $_{2}^{t_{2}}$ …p $_{s}^{t_{s}}$ - (t1p1+t2p2+…+tsps) ≥0, 同时p $_{1}^{t_{1}}$ p $_{2}^{t_{2}}$ …p $_{s}^{t_{s}}$ 项与t1p1+t2p2+…+tsps是一一对应的, 不存在其他分解比 $\underset{r_{1} 个}{p_{1} p_{1} \dots p_{1}} \underset{r_{2} 个}{p_{2} p_{2} \dots p_{2}} \dots \underset{r_{s} 个}{p_{s} p_{s} \dots p_{s}}$ 分解的因子和更小, 这与上面的假设矛盾。

故Ψ (n) =r1p1+r2p2+…+rsps。

在一个有24个节点的认知网络中, 根据已证定理, 最优的分集方案为2*3*4 (2*2) , 即将所有节点先两两分集, 再将相应头结点三三分集, 最后从剩下的四个节点中得到判决结果。此时所需时隙为11, 即分三级在判决时能够节省时间, 根据式 (12) , 这样可以提高系统的吞吐量。图2显示了这一结果, u=5, λ=10, T=50, P (H1) =0.2。

结果证明, 多级分集方案所得的系统吞吐量高于传统分集方案的系统吞吐量。当系统中节点数目越多, 多级分集方案的性能优势更为明显。图3显示了100个认知节点在两种分集方案吞吐量对比。

3结论

传统的频谱分配方案一方面导致频谱利用率严重不足, 造成资源浪费, 另一方面却使得许多用户无法获得频谱资源。认知无线电技术可以解决这一矛盾, 它能够使次要用户动态接入频谱, 提高频谱利用率。因此, 它首先需要确定当前网络是否存在主要用户, 这就是频谱感知技术需要解决的问题。频谱感知有两点要求, 一是对主要用户不会产生干扰, 二是能够快速找到可以接入的频谱。频谱感知性能的好坏将直接影响到认知网络性能的优劣。本文改进了已有的协作频谱感知, 提出了一种认知无线网络中的协作感知方法, 并寻找到最优的协作频谱感知分集策略。实验证明, 该策略能够优化已有分集感知策略的性能, 提高认知无线网络的吞吐量。

参考文献

[1]SIFRY David.FCC spectrum policy task force report re-leased[EB/OL].[2002-11-18].http://www.sifry.com/alerts/2002/11/fcc-spectrum-policy-task-force-report-re-leased/.

[2] MITOLA J, MAGUIRE G Q. Cognitive radio: making software radios more personal [J]. IEEE Pers. Commun., 1999, 6 (4) : 13-18.

[3] HAYKIN S. Cognitive radio: brain-empowered wireless communications [J]. IEEE Select. Areas Commun., 2005, 23 (2) : 201-220.

[4] DIGHAM F F, ALOUINI M S, SIMON M K. On the energy detection of unknown signals over fading channels [J]. IEEE Trans. on Commun., 2001, 55 (1) : 21-24.

[5]YUCEK T, ARSLAN H.Asurvey of spectrumsensing al-gorithms for cognitive radio applications[J].IEEE Com-mun.Surveys&Tutorials, 2009, 11 (1) :116-130.

[6] LETAIEF K B, ZHANG Wei. Cooperative communications for cognitive radio networks [J]. Proc. of the IEEE, 2009, 97 (5) : 878-893.

[7]SHEN Jun-yang, JIANG Tao, LI U Si-yang, et al.Maxchannel throughput via cooperative spectrumsensingin cog-nitive radio networks[J].IEEE Trans.on Wireless Com-mun., 2009, 8 (10) :5166-5175.

[8]ZHANG Wei, LETAIEF K B.Cooperative spectrumsens-ing with transmit and relay diversity in cognitive radio net-works[J].IEEE Trans.on Wireless Commun., 2008, 7 (12) :4761-4766.

[9] LIANG Y C, ZENG Yong-hong, PEH E C Y, et al. Sensing-through put tradeoff for cognitive radio networks [J]. IEEE Trans. on Wireless Commun., 2008, 7 (4) : 326-1337.

本文来自古文书网(www.gwbook.cn)，转载请保留网址和出处

最新水泥运输合同(二十一篇)01-15

2025年茶叶购销合同精简版茶叶购销合同协议 (完整版(23篇)01-15

高速无线网络01-15

无线网络仿真01-15

精选观看电视专题片《一体推进“三不腐”》心得体会五篇01-15

最新酒店承包经营协议书酒店承包合同协议书(23篇)01-15

农村无线网络01-15

2025年隐身动物大班教案(3篇)01-15

无线网络安全刍议01-15

最新读《隐身衣》心得感悟(3篇)01-15

注：本文为网友上传，旨在传播知识，不代表本站观点，与本站立场无关。若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。E-MAIL：66553826@qq.com