APP下载

基于增强学习的非协作认知无线网络路由算法研究

2018-01-29杨振宇

西安文理学院学报(自然科学版) 2018年1期

杨振宇

(安徽交通职业技术学院 信息工程系,合肥 230051)

无线通信系统所需的无线电频谱是一种有限的资源.随着各种无线应用的蓬勃发展,可用的频谱已经越来越少,频谱稀缺问题日益严重.认知无线电网络(Cognitive Radio Networks,CRNs)允许通过支持动态频谱接入(DSA)来提高无线电频谱的使用效率.在CRNs中,次用户(SUs)只有在主用户(PUs)没有占用频谱的情况下才可以使用频谱资源;当PUs需要使用频谱时,SUs必须立即停止数据传输,并将频谱资源让给PUs[1].CRNs中的路由利用中间SUs节点,以多跳方式将源SU的数据转发到目的SU.在设计路由算法的时候需要考虑以下几个问题:1)CRNs是一个动态的环境,所以SUs需要适应环境的变化;2)SUs需要交换大量的路由信息,由于CRNs是一个分布式的环境,需要考虑如何优化路由算法以减少路由开销;3)由于各个SUs之间是非协作的,因此,设计路由算法时考虑到SUs之间的非协作交互;4)CRN路由协议设计是需要考虑PUs的活动模型,在实现高路由性能的同时并满足PU的服务质量(QoS)需求.

1 问题建模

1.1 系统模型

假设CRN中有N个SUs以及M个PUs,网络中有多个源SU发送数据包,并以多跳的方式通过中间SU发送到目的地SU节点.假设PUs也在发送数据包,PUs也可以转发其他PUs的数据包.利用离散时间马尔科夫泊松过程(DT-MMPP)来对PUs的活动进行建模[2-3].SUs之间是非协作的,每个SU只优化自己的路由性能,而不考虑其他SU的路由性能.当一个SU将数据包传输到到下一跳节点后,该SU会收到来自下一跳SU的确认包(ACK).

1.2 问题定义

每个SU的目标是选择下……

登录APP查看全文