基于图论着色模型的频谱分配研究

合集下载

无线通信网络中的频谱分配算法研究

无线通信网络中的频谱分配算法研究无线通信网络的迅速发展使得频谱资源成为一种十分宝贵的资源。

为了提高频谱利用率和网络性能，频谱分配算法成为研究的关键问题。

本文将探讨无线通信网络中的频谱分配算法，介绍几种主要的算法，并讨论它们的优缺点。

频谱分配算法是指在给定的频谱资源下，将这些资源分配给不同的用户或设备，以实现高效的通信。

算法的目标是使得网络的性能最大化，同时满足用户的需求。

下面将介绍几种常见的频谱分配算法。

1. 静态频谱分配算法：静态频谱分配算法指的是在系统初始化时将频谱资源固定地分配给不同的用户或设备。

这种算法简单直观，易于实现，但由于频谱分配是静态的，无法满足动态变化的网络环境和用户需求。

在实际应用中，静态频谱分配算法往往无法充分利用频谱资源。

2. 动态频谱分配算法：动态频谱分配算法是根据网络的实时需求和频谱资源的实时情况，动态地分配频谱资源。

这种算法可以根据用户的需求和网络状况进行实时优化，提高频谱利用率和网络性能。

常用的动态频谱分配算法有功率控制算法、博弈论算法等。

3. 基于图论的频谱分配算法：基于图论的频谱分配算法将无线通信网络建模为图，利用图论中的算法来进行频谱分配。

这种算法可以有效地解决频谱分配中的干扰问题，并提高频谱利用率。

例如，最大独立集算法和最小频谱聚类算法都是基于图论的频谱分配算法。

4. 基于机器学习的频谱分配算法：近年来，随着机器学习算法的不断发展，在频谱分配领域也出现了基于机器学习的频谱分配算法。

这种算法可以根据历史数据和实时数据，在无需先验知识的情况下进行频谱分配，进一步提高频谱利用率和网络性能。

例如，支持向量机算法和深度学习算法都可以用于频谱分配。

综上所述，无线通信网络中的频谱分配算法是提高频谱利用率和网络性能的关键问题。

静态频谱分配算法简单易行，但无法适应动态变化的网络环境。

动态频谱分配算法可以根据实时需求进行频谱分配，提高频谱利用率。

基于图论和机器学习的频谱分配算法能够解决干扰问题和提高网络性能。

一种改进的CSGC频谱分配算法

一种改进的CSGC频谱分配算法滕志军;李可【摘要】To solve the problem that the spectrum allocation algorithm based on graph theory coloring algorithm has not fully considered the actual bandwidth needs of users, this paper proposes a spectrum allocation based on user priority algorithm improved CSGC and the original algorithm. The algorithm introduces two time factors that are respectively called idle spectrum and user demand, by setting the user priority, the function can meet the needs of users during the second spectrum allocation. Simulation results show that the algorithm not only retains the performance of the original algorithm CSGC, but also greatly improves the spectrum utilization.%基于图论着色的频谱分配算法未充分考虑用户实际带宽需求，针对这一问题，本文在原算法基础上提出了一种改进的CSGC 频谱分配算法。

该算法引入了空闲频谱和用户请求两个时间因子，通过设置用户优先级函数，在进行二次频谱分配时最大限度地满足用户需求。

仿真结果表明，该算法不仅保留了原CSGC算法的性能，而且大幅度提高了频谱利用率。

基于干扰图的家庭基站分簇频谱分配算法

第１８卷第１期２０１３年２月
文章编号：１００７ — ０２４９（２０１３）０ｌ－０２７９．０６
电路与系统学报
Ｊ０ＵＲＮＡＬ０ＦＣＩＲＣＵＩＴＳＡＮＤＳＹＳＴＥＭＳ
Ｖｏ１．１８Ｎｏ．１Ｆｅｂｒｕａｒｙ，２０１３
都根据接收到的功率来选择干扰最小的信道进行传输。但如果宏用户位于家庭基站附近，即使家庭基
站选用干扰最小的信道，也可能对此宏用户产生较大干扰。且这些方法中，每个用户都只能使用相同
边缘的容量得到提高。文献［７］通过ＯＳＡ（正交子带分配）来消除家庭基站间的干扰，考虑用户的移动性后又使用了ＡＳＲ（自适应子带分配）提高频谱复用率和吞吐量。文献［４，６】中都假设了宏基站与家庭
基于干扰图的家庭基站分簇频谱分配算法
史菊蓉１，２，朱琦１，２
（１．南京邮电大学江苏省无线通信重点实验室，江苏南京２１０００３；
２．南京邮电大学教育部宽带无线通信与传感网技术重点实验室，江苏南京２１０００３）
受到来自家庭基站的干扰。
随着人类社会的进步，计算机科学和数学软件的发展，图论越来越多地被人们应用于卖际的生活

基于改进图着色的D2D资源分配和功率控制

第 60 卷第 11 期2020 年 11 月电讯技术Telecommunication Engineering Vol. 60，No. 11November ，2020doi ：10.3969/j.issn.1001-893x.2020.11.013引用格式:郑天宇，章辉，周超，等.基于改进图着色的D2D 资源分配和功率控制[J].电讯技术,2020,60(11)：1342-1347. [ ZHENG Tianyu,ZHANG Hui , ZHOU Chao , et al. D2D resource allocation and power control based on improved graph coloring[ J ] . Telecommunication Engi-neering,2020,60(11) ：1342-1347.:基于改进图着色的D2D 资源分配和功率控制郑天宇，章辉二周超，姜美君(南开大学电子信息与光学工程学院，天津300350)摘要:针对蜂窝网络中D2D ( Device-to-Device )用户复用蜂窝信道带来的同频干扰问题，提出了一种基于改进图着色的资源分配和功率控制算法。

首先通过构建干扰图和候选集进行用户之间干扰关系建模，并定义指数型累积因子改进图着色算法，为D2D 用户分配蜂窝信道;再采用基于信干噪比的闭环功率控制算法动态调整D2D 用户发射功率，减小由于信道复用产生的干扰。

仿真结果表明，与现有算法相比，所提算法能够有效提升系统吞吐量和D2D 用户接入率，实现信道资源的合理分配。

关键词：D2D ；资源分配;功率控制；图着色算法微信扫描二维码开放科学(资源服务)标识码(OSID ):听作者|||文中图分类号:TN929.5 文献标志码：A文章编号：1001-893X ( 2020 )11-1342-06D 2 D Resource Allocation and Power ControlBased on Improved Graph ColoringZHENG Tianyu,ZHANG Hui,ZHOU Chao,JIANG Meijun( College of Electronic Information and Optical Engineering ，Nankai University ，Tianjin 300350 ， China)Abstract :To solve the problem of co-channel interference caused by device-to-device ( D2D) users multi plexing cellular channels in the cellular network ，a resource allocation and power control algorithm based on improved graph coloring theory is proposed. First ，the interference relationship between users is modeled by constructing an interference graph and candidate sets ，and graph coloring algorithm is improved by definingan exponential accumulation factor to allocate the cellular channels for D2D users. Then ， a closed - looppower control algorithm based on the signal-to-interference noise ratio( SINR) is used to dynamically ad just the transmit power of D2D users to reduce interference due to channel reuse. The simulation results show that ， compared with the existing algorithms ， the proposed algorithm can effectively improve systemthroughput and the access rate of D2D users ，and reasonably allocate channel resources.Key words : D2D ;resource allocation;power control;graph coloring algorithm0引言5G 时代的到来，使得网络终端和数据流量呈现爆炸式增长，在频谱资源紧缺的情况下，如何高效地实现大规模终端接入，提升系统数据传输容量，引起了广泛关注［1一2］。

基于用户需求和等待时间的改进型频谱分配算法

基于用户需求和等待时间的改进型频谱分配算法王坤;董淑福;刘杰【摘要】通过对最新的图论着色频谱分配算法进行分析,提出了一种基于用户需求和等待时间的改进型频谱分配算法.解决了频谱资源紧张情况下用户等待时间太长的问题.使认知用户机会均等地使用频谱资源.经过频谱复用,更好地满足了用户频谱需求.仿真结果表明该算法是有效的,提出的算法提高了频谱利用率并且保证了系统公平性.%With analyzing the latest spectrum allocation algorithms of graph-coloring theory, an improved spectrum allocation algorithm based on user demand and waiting time is proposed. It solved the users waiting for a long time in spectrum resource instances, making the cognitive users equal opportunities to use of spectrum resources. Through spectral multiplexing, the needs of users demand is better meeted. The simulation results show that the algorithm is feasible. The proposed algorithm improves the spectrum utilization and ensure system fairness.【期刊名称】《科学技术与工程》【年(卷),期】2012(012)022【总页数】5页(P5528-5532)【关键词】图论着色;频谱分配;用户需求;等待时间【作者】王坤;董淑福;刘杰【作者单位】空军工程大学电讯工程学院,西安710077;空军工程大学电讯工程学院,西安710077;空军工程大学电讯工程学院,西安710077【正文语种】中文【中图分类】TP393.07随着无线通信事业迅猛发展，无线频谱资源成为当今社会最重要的资源之一，而目前频谱利用率却存在巨大浪费［1］。

网络效益最大化的认知无线电频谱分配算法

中图分类号：ＴＰ３０１．６文献标识码：Ａ文章编号：１６７３ — ６２９Ｘ（２０１３）０８ — ００９１ — ０４
ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１６７３ — ６２９Ｘ．２０１３．０８．０２３
ＣｏｇｎｉｔｉｖｅＲａｄｉｏＳｐｅｃｔｒｕｍＡｓｓｉｇｎｍｅｎｔＡｌｇｏｒｉｔｈｍｗｉｔｈＮｅｔｗｏｒｋＢｅｎｅｉｔｆＭａｘｉｍｉｚａｔｉｏｎ
ＺＨＥＮＧＺｈｉ－ｇａｎｇ，ＸＵＥＦｅｉ，ＺＨＯＵＪｉｎｇ－ｑｕａｎ
－
ａｄｐｉｆｖｅｃｒｏｓｓｏｖｅｒａｎｄｍｕｔａｉｔｏｎｏｐｅｒａｔｏｒ、＾，ｉ也ｔｈｅｎｅｔｗｏｒｋｂｅｎｅｉｆｔｍａｘｉｍｉｚａｉｏｔｎａｓｈｅｔｇｏａ１．Ｂａｓｅｄｏｎｉｔ．Ｎｉｃｈｅｔｅｃｈｎｏｌｏｇｙｉｓｉｎｒｏｔｄｕｃｅｄ．
过仿真实验比较了本算法、颜色敏感图论算法与经典遗传算法的性能。结果表明基于自适应小生境的遗传算法不易陷入局部最优，在较少的代数内就可以找到理想最优解，能更好地实现网络频谱效益最大化，其性能优于颜色敏感图论算法和
经典遗传算法。
关键词：认知无线电；频谱分配；小生境ｉｉｖｔｅｒａｄｉｏｓｐｅｃｔｒｕｍａｓｓｉｇｎｍｅｎｔｂａｓｅｄｏｎｓｅｌｆ —ａｄａｐｉｔｖｅＮｉｃｈｅｇｅｎｅｉｃｔｌｇａｏｉｔｒｈｍｉｓｐｒｏｐｏｓｅｄ．ＳｉｍｕｌａｉｔｏｎｓａｒｅｃｏｎｄｕｃｔｅｄｔＯｔｏｍ－ｐａｒｅｔｈｅｐｒｏｐｏｓｄｅｍｅｈｏｔｄｗｉｈｔｃｏｌｏｒｓｅｎｓｉｉｖｔｅｇｒａｐｈｃｏｌｏｉｎｒｇｌｇａｏｒｉｔｈｍｎｄａｃｌａｓｓｉｃａｌｇｅｎｅｉｔｃｌｇａｏｒｉｈｍ．ｔＲｅｓｕｌｔｓｓｈｏｗｈａｔｔｔｈｅｐｒｏｏｓｐｅｄｍｅｈｏｔｄｃａｎｎｏｔｅａｓｉｌｙｔｒａｐｉｎｔｏｌｏｃｌａｏｐｉｔｍｕｍ，ａｎｄＣａ／ｌｉｎｆｄｈｅｔｏｐｔｉｍａｌｓｏｌｕｉｔｏｎｓａｆｔｅｒｏｎｌｙｓｅｖｅｒｌａｇｅｎｅｒａｉｔｏｎｓ，ｗｈａｔｉｓｍｏｒｅ，ｉｔｂｅｔｔｅｒｏｐｔｉ－ｍｉｚｅｓｎｅｔｗｏｒｋｓｐｅｃｔｒｕｍｕｉｔｌｉｚａｉｔｏｎ．Ｔｈｅｐｒｏｐｏｓｅｄｍｅｔｈｏｄｇｒｅａｌｔｙｏｕｔｐｅｆｏｒｍｓｈｅｔｃｏｌｏｒｓｅｎｓｉｉｔｖｅｇｒａｐｈｃｏｌｏｉｒｎｇｌｇａｏｄｔｈｍｎｄａｃｌａｓｓｉｃｌａ

基于Kuhn-Munkres算法保证认知用户QoS的动态频谱分配

基于Kuhn-Munkres算法保证认知用户QoS的动态频谱分配叶培青;李莉;周小平;陈小丹【摘要】本算法采用图论方法解决认知无线网络动态频谱分配(DSA)问题.首先,根据认知用户的服务质量(QoS)以及空闲信道的状态,分别为认知用户和信道划分优先权.然后,提出一种新的计算方式预计认知用户使用信道可获得的带宽效益.最后,将划分优先权后的认知用户、信道建立二分图,将带宽效益作为图的权重.在兼顾考虑认知用户的带宽效益和频谱利用率的前提下,使用Kuhn-Munkres算法将信道分配给认知用户.实验仿真结果表明,本算法可以同时优化带宽效益和频谱利用率,在认知用户等待分配信道时间方面也能取得较好服务质量要求.【期刊名称】《上海师范大学学报（自然科学版）》【年(卷),期】2013(042)002【总页数】6页(P137-142)【关键词】动态频谱分配;Kuhn-Munkres算法;优先权【作者】叶培青;李莉;周小平;陈小丹【作者单位】上海师范大学信息与机电工程学院,上海200234;上海师范大学信息与机电工程学院,上海200234;上海师范大学信息与机电工程学院,上海200234;上海师范大学信息与机电工程学院,上海200234【正文语种】中文【中图分类】TN929.5认知无线电被认为是解决有限的频谱资源利用率不高问题的主要技术之一.动态频谱分配是认知无线电的一项关键技术.基于频谱池原理［1］的动态频谱分配研究主要集中在带宽效益和／或频谱利用率方面.802.22是首个提出将认知无线电技术应用到数字电视的工作组.为满足现实无线通信的技术需求，802.22工作组针对认知无线电技术制定了几个标准：在IEEE802.11a标准中，无线局域网的产品在物理层应该能提供54 Mbps的传输速率；在IEEE802.11n标准中，要提供600 Mbps 的传输速率.在IEEE802.22标准中建议，无线区域网每条信道的传输速率要达到22 Mbps.这几类标准均对传输速率提出了要求，在可用频谱资源有限的前提下，提高带宽效益和频谱利用率是增大传输速率的一个解决方法.但是带宽效益和频谱利用率受到媒体接入控制和物理层开销的限制［2］，比如认知用户之间的相互竞争和干扰造成信道不可用，路径损耗降低了总带宽效益等.目前国内外已有一些关于带宽效益和频谱利用率的优化算法提出：Swami等在文献［3］中提出了一种利用图论分配信道的算法，首次提出了将认知用户和信道综合考虑的想法.具体为：首先根据每条信道可以承受的传输功率给信道分配优先权，然后根据吞吐量和误码率对认知用户划分优先权，最后利用匈牙利算法扩大增广路径的方法以增多分配的认知用户的信道数.该文(匈牙利算法）可以提高频谱的利用率，但是不能提高带宽效益.Im等在文献［4］中提出基于信噪比干扰管理机制的贪婪算法来完善动态频谱分配的算法.用干扰管理机制来解决基站(BSs）之间的干扰.该文(贪婪算法）可以取得局部带宽效益的最大值.在限制干扰后，该文算法也可以提高频谱利用率，但是信噪比的门限很难确定.因为信噪比的门限在不同的传输环境里是不同的.所以，该算法只能应用在特定的传输场合.Xu等在文献［5］中将吞吐量作为带宽效益，并提出了一种有效的信道再分配机制.文献［5］的实验仿真结果表明，将认知用户和信道结合考虑可以在带宽效益和频谱利用率方面取得更好的效果.本算法以提高带宽效益和频谱利用率为主要目标，综合上述已有算法的优点和不足，采用集中式网络结构，设计了一种结合考虑认知用户和信道的基于图论的动态频谱分配，给出一种新的计算方式来估计信道的带宽效益.本算法可以应用在无线区域网(WRAN）环境下.WRAN是面向无线宽带(远程）接入，面向独立分散、人口稀疏的区域.WRAN网络内数据传输距离可以比较远，与市区相比传输时受其他无线电干扰小.WRAN的应用环境决定了使用无线区域网通信的用户传输数据时间长短的差异较大，并且数据传输时路径损耗相对简单的特点.本算法主要根据这两个特点设计，用于提高动态频谱分配中带宽效益和频谱利用率问题，保证认知用户的QoS要求.在多用户传输场景中，认知用户在环境干扰、传输距离、发送数据量等方面各不相同，对认知用户分类，找到合适的信道，以提高认知用户可以获得的带宽效益.假设当前有M个认知用户申请发送数据.1.1 划分策略将认知用户发送数据时需要占用信道的时间作为认知用户QoS要求.认知用户优先权的划分基于认知用户QoS要求，M个认知用户传输数据的平均时间作为划分的门限值.设第i(1≤i≤M）个认知用户需要发送数据包的个数为Numi，每个数据包包含的固定比特数为I，数据传输速率为R(Mbps），数据传输的信道带宽B(MHz）；发送信号的传输距离di(km）.在不计干扰情况下，第i个用户需要的传输时间可表示为式(1）：所有认知用户发送数据的平均传输时间如式(2）：若ti＜，划分认知用户i的优先权为CR0，若ti≥，划分认知用户i的优先权为CR1.优先权为CR1的认知用户比优先权为CR0的认知用户需要发送更多的数据或者更长的传输距离，所以优先权为CR1的认知用户占用信道的时间长于优先权为CR0的认知用户.规定CR1的优先级高于CR0.1.2 认知用户的优先权管理优先权为CR1的认知用户所需的传输时间较长.为了保证所有认知用户的带宽效益，优先权为CR1的认知用户需要比优先权为CR0的认知用户更好的信道.因此频谱管理应该基于这样的策略：a）缩短认知用户竞争信道的等待时间；b）保证对所有认知用户的公平性；c）单个认知用户不会长时间占用信道.信道优先权的划分是基于可用信道状态及传输路径损耗.2.1 可用信道状态将频谱池中空闲频谱划分为N个相互正交的频带，每一条带宽为B的频带对应1条信道.频谱池中的信道k(1＜k＜N）有2个相邻信道，定义3种可用信道状态，记为j：j＝ 1，表示认知用户只能使用当前信道k；j＝ 2，表示认知用户能使用当前信道k以及相邻信道(k-1）或(k＋1）；j＝3，表示认知用户能使用信道(k-1）、k和(k＋1）.在所受背景噪声相同的情况下，根据香农定理，信道能够传输的最大信息速率正比于带宽大小.在可用信道状态j＝3时，可以发送更多的数据量，承受更大的发送功率.规定：当把信道k分配给1个认知用户，是指把信道k和相邻的可用信道一起分配给认知用户，表示为认知用户使用信道kj，j表示可用信道数，j＝ 1， 2，3.2.2 传输路径损耗Hata模型通常用于路径损耗的建模.可以证明：用Hata模型建模时传输距离是影响路径损耗的主要原因，频带内载频的不同对路径损耗影响比较小，为简便计算，本算法认为路径损耗只由传输距离决定.2.3 信道优先权分配在集中式网络结构中，设基站的覆盖半径为D，将它划分为( 0，D／3）、(D／3，2D／3）、(2D／ 3，D）3块.在IEEE 802.22标准中，基站的覆盖半径为40～100 km.记在这3个范围内，信号距离基站的平均半径为Dm，m∈｛ 1， 2，3｝.设L(di）表示认知用户i发送信号在传输距离为di时的路径损耗，S／N0是接收端处的信噪比.认知用户i使用信道kj的带宽效益定义为：用βjm表示信号传输距离为平均半径Dm、分别在3种可用信道状态j∈｛1，2，3｝下的带宽效益，即βjm＝j×B×log2(1＋S／N0）／L(Dm），可计算3×3＝9个带宽效益，表示认知用户在不同信道状态数和不同平均传输距离下获得的带宽效益.根据βjm值的大小，取3个大的βjm所对应的可用信道优先权划分为T1，3个小的βjm所对应的可用信道优先权划分为T0.规定T1的优先权高于T0.中间剩下的3个βjm对应的那部分信道被分配为优先权T0和T1.当优先权为CR1的认知用户数多于优先权为T1的信道数时，该3个βjm所对应的这部分信道作为优先权为T1的信道，反之，作为优先权为T0的信道.这样的信道优先权管理可以灵活地为不同优先权的认知用户分配信道，增大认知用户可以获得的总带宽效益. 目标是同时提高带宽效益和频谱利用率，在认知用户等待分配信道时获得更好的QoS要求.建立图G＝(S，C，B）.其中，S(1×M）表示申请发送数据的认知用户矩阵，每一个元素表示1个认知用户；C(1×N）表示频谱池中空闲的授权信道矩阵，每一个元素表示1条空闲信道.B(M×N）表示效益矩阵，每一个元素bi，kj可以用公式(3）计算获得，表示认知用户i使用信道k和相邻信道后获得的带宽效益.图G是对一次分配情况的描述，图G包括申请发送数据的认知用户数、空闲信道数以及认知用户使用信道后可以获得的带宽效益，以便于用图论的方法解决实际的频谱分配问题.用矩阵A(M×N）表示图G的分配矩阵.矩阵A是针对图G所反应的认知用户、信道以及带宽效益情况，采用动态频谱分配算法后表明哪一条信道分配给哪一个认知用户的矩阵.Kuhn-Munkres(KM）算法可以获得在完备匹配下的最大权分配.完备匹配是指将信道全部分配给认知用户.最大权分配是指权重最大，指在分配信道后所有认知用户可以获得的带宽效益和最大.在获得带宽效益方面，优先权为T1的信道要优于优先权为T0的信道.为了缩短认知用户传输数据时占用信道的时间和其他申请发送数据的认知用户等待分配信道的时间，规定优先权为CR1的认知用户只能使用优先权为T1的信道，优先权为CR0的认知用户可以使用多余的优先权为T1的信道和优先权为T0的信道.在一次分配管理中，使用KM算法将优先权为T1的信道分配给优先权为CR1的认知用户，再将多余的优先权为T1的信道和优先权为T0的信道分配给优先权为CR0的认知用户.表达式(4）和(5）代表了本动态频谱分配算法要取得的目标.B＿benefit表示M个认知用户的带宽效益和.C＿fairness表示频谱利用率，是被分配信道和空闲信道的比值.ai，k表示分配矩阵A的任意元素.ai，k∈｛ 0，1｝代表分配结果.当ai，k＝1时，表示信道k分配给认知用户i；当ai，k＝0时，表示信道k不分配给认知用户i.bi，kj表示认知用户i被分配信道k和相邻信道后可以获得的带宽效益.在图论中，1条信道只能被分配给1个认知用户.所以，通过KM算法，认知用户之间在发送数据时不会相互干扰.在集中式网络结构中，基站接收来自主用户和认知用户的信息：当前有M个认知用户申请发送数据，N条空闲信道，每一个认知用户要传输的距离和发送数据包的个数.步骤1 优先权划分：根据接收到的信息，基站分别对认知用户和信道分配优先权.步骤2 频谱管理规定：规定优先权为CR1的认知用户只能使用优先权为T1的信道，优先权为CR0的认知用户可以使用多余的优先权为T1的信道和优先权为T0的信道.步骤3 最优化分配：在频谱分配过程中，兼顾带宽效益和频谱利用率.利用最优分配KM算法将空闲的信道分配给认知用户，获得分配矩阵.本算法讨论在无线区域网(WRAN）环境下的动态频谱分配，部分仿真参数设置如表1所示.本算法按照IEEE802.22标准对WRAN的相关规定，带宽取值为22 MHz，基站的覆盖范围取值为100 km.在仿真中，比较了贪婪算法、基于KM算法实现的动态频谱分配和文献［3］提出的基于匈牙利算法实现的动态频谱分配.图1是对3种算法的带宽效益比较.在频谱池信道数多于认知用户数的前提下，随着认知用户数增多，3种算法下带宽效益都增大.图1中，贪婪算法是在没有干扰的前提下做的仿真，获得局部最大的带宽效益.匈牙利算法是可以获得最大匹配的算法，但是不能获得最大的带宽效益.仿真可得，本算法在带宽效益方面可以接近贪婪算法.但在认知用户数为15时，本算法的带宽效益有所下降，匈牙利算法在认知用户数为14和19时，带宽效益也有所下降.主要是因为不同认知用户在使用相同的信道传输不同的距离时，会获得不同带宽效益.在公式(3）中清楚地表示距离会影响路径损耗，路径损耗会影响带宽效益.本文作者介绍的KM算法要在带宽效益和频谱利用率之间取得平衡，算法会牺牲带宽效益来提高频谱利用率.但是对于贪婪算法，在不考虑干扰的前提下，带宽效益是随着认知用户数的增加而增大的.图2是在频谱利用率方面对3种算法进行的比较.本算法和匈牙利算法在频谱利用率方面都能接近1.因为KM算法能获得在完备匹配下的最大权分配.匈牙利算法和KM算法都是基于干扰图的，1条信道只能分配给1个认知用户.采用贪婪算法分配，由于认知用户之间为竞争获得最大带宽效益，多个用户使用同1条信道，干扰过大反而造成信道不可用，所以贪婪算法的频谱利用率不高.图3是认知用户在等待接入信道的时间比较图.在本算法中，由于优先权为T1的信道可以发送更多的数据，再根据第四章步骤2中的规定，优先权为CR1的认知用户占用带宽效益更高的信道，优先权为CR1的认知用户不会长时间得占用信道，其他的认知用户也不会长时间地等待分配可用信道.所以本算法在认知用户等待分配可用信道的时间方面要少于其他2种算法，保证了认知用户的QoS.文献［3］提出了对不同优先权的认知用户的排队机制.这样的安排也可以缩短认知用户的等待时间，但是不排除1个认知用户会分配到带宽效益不好的信道，则该认知用户占用信道的时间就会增长，造成其他认知用户长时间等待可用的信道.本算法是基于图论KM算法实现的动态频谱分配.在带宽效益和频谱利用率的约束下，本算法取得了两者的平衡和优化.本算法的带宽效益接近贪婪算法，频谱利用率接近1.在信道分配过程中，当认知用户数多于空闲信道数时，本算法可以一直循环执行直到所有的信道被分配完成.本次分配中未得到分配的认知用户等待下一次分配.当基站发现有主用户需要通信时，认知用户必须马上退出属于该主用户的授权信道.该认知用户需要等待下一次分配新的空闲可用信道.在图论中，1条信道只能被分配给1个认知用户.但是如果1条信道能被分配给多个用户，这将极大地提高频谱利用率.但随之而来产生一个新的问题：多个认知用户使用同一条信道必定会有干扰，这是必须处理的问题.在未来的研究中，动态频谱分配的研究可以深入考虑干扰管理，已有部分文章对此进行了讨论［6-7］，这也是下一阶段可以努力的方向.【相关文献】［1］ WEISST A，JONDRAL FK.Spectrum pooling：an innovative strategy for the enhancementof spectrum efficiency［J］.IEEE Radio Communications， 2004，42（3）：S8-14.［2］ FITZEK FH P，KATZM D.Cognitive wireless networks［M］.Berlin：Springer，2007. ［3］ SWAMR S，GHOSH C，DHEKNE R P，et al.Graph Theoretic approach to qos-guaranteed spectrum allocation in cognitive radio networks［C］.Texas：IEEE，Performance Computing and Communications Conference IPCCC 2008 IEEE International，2009.［4］ IM S，KANG Y，KIM W，et al.Dynamic spectrum allocation with efficient SINR-Based interference management［C］.San Francisco：IEEE，Vehicular Technology Conference（VTC Fall），2011.［5］ XU D，JUNG E，LIU X.Efficient and fair bandwidth allocation in multichannel cognitive radio networks［J］.IEEE transactions onmobile computing， 2012，11（8）：1372-1385.［6］ AINWAIMIG，ARSHAD K，MOESSNER K.Dynamic spectrum allocation algorithm with interferencemanagement in displaced networks［C］.Istanbul：IEEE，Wireless Communications and Mobile Computing Conference（IWCMC）2011 7th International，2011.［7］ YANG J，FEIZM Z.Bipartite graph based dynamic spectrum allocation for wirelessmesh networks［C］.Beijing：IEEE，Distributed Computing SystemsWorkshops 2008 ICDCS’08 28th International Conference，2008.。

光网络中若干路由和频谱分配算法研究

2018年软件2018, V ol. 39, No. 3基金项目: 国家自然科学基金(11571044，11471052)作者简介: 陈鹏(1992-)，男，北京邮电大学硕士研究生，主要研究方向为组合优化，网络优化。

光网络中若干路由和频谱分配算法研究陈鹏（北京邮电大学，北京海淀 100876）摘要: 近年来，网络的迅速发展，用户数目的不断增加，对光网络中的资源需求也越来越多。

其中，弹性光网络中的路由和频谱分配问题被人们广泛研究。

本文通过对一般网络中的路由和频谱分配算法的研究，证明可以将路由和频谱分配问题转化为图染色模型，并设计了图染色模型算法，算法同样适用于路由和频谱分配问题。

最后，本文进行扩展，通过特殊网络中的路由和频谱分配问题，转化为图染色模型，利用设计的算法，证实了算法求解路由和频谱分配问题可以得到频谱资源的更好解，这对求解路由和频谱分配问题有着启发作用。

关键词: 光网络；算法；图染色；路由和频谱分配中图分类号: TN929.11 文献标识码: A DOI ：10.3969/j.issn.1003-6970.2018.03.002 本文著录格式：陈鹏. 光网络中若干路由和频谱分配算法研究[J]. 软件，2018，39（3）：08-11Research on Some Routing and Spectrum Allocation Algorithms in Optical NetworksCHEN Peng(College of Mathematics, Beijing University of Posts and Telecommunications, Haidian District, Beijing 100876)【Abstract 】: In recent years, the rapid development of the network, the increase of the number of users, there is the more and more demand for the optical network. Among them, the routing and spectrum allocation problem in elastic optical networks has been widely studied. This paper through the research of routing and spectrum allocation algo-rithm in general network, it is proved that routing and spectrum allocation problem can be transformed into graph coloring model, and graph coloring algorithm is also designed. The algorithm is also suitable for routing and spec-trum allocation. Finally, this paper extended through special network routing and spectrum allocation problem into graph coloring model, using the designed algorithm, the algorithm is proved to solve the routing and spectrum allo-cation problem that can get the spectrum resource which has a better solution, inspiration for solving routing and spectrum assignment problem.【Key words 】: Optical network; Algorithms; Graph coloring; Routing and spectrum allocation0 引言当前，以信息技术为核心的全球新一轮科技革命和产业变革正在蓬勃兴起，随着人们对网络带宽需求的快速增长，作为信息网络基础架构的核心一环，光网络具有不可替代的重要地位。

图论课件第七章图的着色

总结词
平面图的着色问题是一个经典的图论问题，其目标是在满足相邻顶点颜色不同的条件下，使用最少的颜色对平面图的顶点进行着色。
详细描述
平面图的着色问题可以使用欧拉公式和Kuratowski定理进行判断和求解。此外，也可以使用贪心算法、分治策略等算法进行求解。
树图的着色问题
总结词
树图的着色问题是一个经典的图论问题，其目标是使用最少的颜色对树图的顶点进行着色，使得任意两个相邻的顶点颜色不同。
分支限界算法
总结词
分支限界算法是一种在搜索树中通过剪枝和优先搜索来找到最优解的算法。
详细描述
在图的着色问题中，分支限界算法会构建一个搜索树，每个节点代表一种可能的着色方案。算法通过优先搜索那些更有可能产生最优解的节点来加速搜索过程，同时通过剪枝来排除那些不可能产生最优解的节点。分支限界算法可以在较短的时间内找到最优解，
尤其适用于大规模图的着色问题。
03
图的着色问题的复杂度
计算复杂度
确定图着色问题的计算复杂度为NP-完全，意味着该问题在多项式时间内无法得到确定解，只能通过近似算法或启发式算法来寻找近似最优解。
图着色问题具有指数时间复杂度，因为对于n个顶点的图，其可能的颜色组合数量为n^k，其中k为每个顶点可用的颜色数。
02
图的着色算法
贪心算法
总结词
贪心算法是一种在每一步选择中都采取当前状态下最好或最优（即最有利）的选择，从而希望导致结果是最好或最优的算法。
详细描述
贪心算法在图的着色问题中的应用是通过逐个对顶点进行着色，每次选择当前未被着色的顶点中颜色数最少的颜色进行着色，直到所有顶点都被着色为止。这种算法可以保证最小化使用的颜色数量，但并不保证得到最优解。

基于认知无线电的动态频谱分配算法研究

ＣＧＣ算法实现的目的是全局最优分配，Ｓ在不考虑上次分
配信息的情况下，新对每一个用户的频率使用进行分配，重因此运算量较大。在协作式和非协作式条件下，基于效益和公平性的考虑，以通过制定协作式最大带宽（ＭＳ）可ＣＢ和最大比
配算法来解决电磁频谱动态分配问题。
关键词：认知无线电；频谱分ｆ；ｉ算法ｇ中图分类号：Ｎ９５Ｔ２文献标识码：Ａ
文章编号：６３１３（０２０－０３０１７－１１２１）５０２－２中的元素，表示用户ｎ使用频谱ｉ能获得的效益（ｎ所带宽）的
化。
参考文献：
［】Ｗｅ．ｎ，ｎｉ．ｉ－ｏｏｉｇａｅｈｎｅＡｌｃｏ１ｉＷａｇＸｉＬｕＬｓＣｌｒｓｄａｎｌｌ￣ｉｔｎＢＣｏｎｆｒＯｅ－ｐｃｕＷｉｌｓｔｒｓＣ．ｒｃｅｉｇｆｏｐｎＳｅｔｍｒｅｓｗｏｋ［］ＰｏｅｄｎｓｏｒｅＮｅ
２供应方云和客户端云建模研究
假设：（）设整个过程中这ｈ个文件被下载次数分别为１
上
ｍｌ ≥ｍ２ ≥… …
ｍ。记Ｍ＝ｍ。ｈｉ
（）由于一般可以认为文件被下载的次数近似满足Ｚｐ２ｉｆ分布，以假定ｎ。分布也近似满足Ｚｐ分布，可ｌ的ｉｆ即ｍ；Ｃ一＝ｉ，其中Ｃ和．为常数。
＋＝＋

认知无线电

摘要摘要认知无线电(Cognitive Radio,CR)的概念起源于1999年Joseph Mitola博士的奠基性工作，其核心思想是CR具有学习能力，能与周围环境交互信息，以感知和利用在该空间的可用频谱，并限制和降低冲突的发生。

随着无线通信技术的发展，一个日益严峻的问题摆在了我们的面前，那就是频谱资源日趋缺乏。

但是另一方面，无线频谱资源在空间和时间上存在着不同程度的闲置，于是人们提出了认知无线电技术。

认知无线电网络中的用户能感知周围的无线环境，并能择机进入频谱，从而提高了频谱利用率和实现了频谱的灵活分配。

本文主要对认知无线电的动态频谱分配算法进行了研究。

频谱的灵活应用要求认知无线电系统能够动态地分配频谱资源，包括要为主用户的出现实现退避和切换功能，因此，频谱分配是能否充分高效利用空闲频谱的关键技术。

本文首先对认知无线电作了简要的介绍，阐述了认知无线电的概念、功能以及发展状况等。

然后介绍了认知无线电关键技术及频谱分配方法，并分析了现有算法的优缺点。

关键词：认知无线电，频谱分配，图论着色，用户需求，公平。

AbstractCognitive radio (Cognitive Radio, CR) and foundation of the concept originated in 1999 Dr Joseph Mitola, its core idea is CR with learning ability, can with the surrounding environment, mutual information, to perceive and utilize the available spectrum in the space, and limit and reduce conflicts occur. With the rapidly development of wireless mobile communication technology, anincreasingly severe problem of scarceness of wireless spectrum placed in front of us. But on the other hand, there are different levels of idle in Space and time. Therefore people proposed cognitive radio technology. Users in Cognitive radio networks can sense the wireless environment, and accesses the spectrum opportunistically, so the technology can improve spectrum efficiency and use spectrum in flexibility.This paper mainly researches dynamic spectrum allocation algorithm in cognitive radio network. The flexible application of spectrum expects the cognitive radio system dynamically allocate the spectrum resource, at the same time, to help retreat and switch when primary users to present themselves. Therefore, the spectrum allocation becomes the key technology to use idle spectrum efficiently.This paper first introduces cognitive radio briefly, including the concept, function and development, and then introduces the existing model of the spectrum allocation and the spectrum allocation algorithm based on graph coloring theory. After that, this paper analyzes the advantages and disadvantages of existing algorithms.Keyword:cognitive radio, spectrum allocation, graph coloring, user demand, fairness1绪论随着无线通信需求的不断增长，对无线通信技术支持的数据传输速率的要求越来越高。

基于用户需求和等待时间的改进型频谱分配算法

的。如何在有限的无线资源条件下提高利用率，
等人提出了改进的频谱分配算法（ｍｒｅｌ — ＩｐｏｄＡｇｖｏ
ｒｈｆｐｃｕｌｃｔｎＩＳ。为了提高用ｉｍｏｅｔｍＡｌａｉ，ＡＡ）ｔＳｒｏｏ户效用，分配和标号同时进行，不影响系统整将在
随着无线通信事业迅猛发展，线频谱资源成无
算法的不足是随着信道的增加，它的时间开销也急
剧地增加，产生巨大开销。对ＣＧＳＣ算法，．ｎＪＷａｇ
为当今社会最重要的资源之一，目前频谱利用率而却存在巨大浪费¨ 。频谱资源是有限的、可再生Ｊ不
⑥
２１ＳｉＴｃ．ｎｒ．０２ｃ．ｅｈＥｇｇ
基于用户需求和等待时问的改进型频谱分配算法
王坤董淑福刘杰
（空军工程大学电讯工程学院，西安７０７）１０７
摘
要
通过对最新的图论着色频谱分配算法进行分析，出了一种基于用户需求和等待时间的改进型频谱分配算法。解提
１２３干扰矩阵．．
示，１中ｓ１Ｕ图ｕ一ｓ４代表四个不同的认知用户，所使用授权频段为信道Ａ、Ｂ和Ｃ。虚线圆表示每个授权用户的干扰范围。范围内，知用户和授权用认
第１２卷第２２期２１８月０２年
ｌ７一１１（０１２ — ５８０６ｌ８５２２）２５２ — ５

基于图论的认知无线网络频谱动态分配研究

基于图论的认知无线网络频谱动态分配研究作者：杨菊来源：《西部论丛》2020年第08期摘要：随着移动互联网技术的发展，人们对无线业务的需求日益增加，对服务质量也提出了更高的要求。

同时，对频谱资源的需求也与日俱增，然而频谱资源确是有限的，频谱资源短缺的问题逐渐暴露出来。

目前频谱资源的利用率十分低下，造成了频谱资源的严重浪费。

基于此，本文对基于图论的认知无线网络频谱动态分配算法进行了深入研究。

关键词：认知无线电;图论着色;频谱分配0引言近些年来，随着我国无线通信技术的快速发展，无线网络频谱资源逐渐短缺，目前国内的频谱管理方法主要是基于静态控制的分配方式，这种分配方式是对频谱进行固定分配，导致频谱利用率低下。

而基于圖论的认知无线网络频谱分配方式，实现了频谱的二次利用，这提高了频谱的利用率。

目前这也是解决频谱资源短缺的主要方案之一。

因此，本文对基于图论的认知无线电网络频谱分配问题进行探讨。

1认知无线电的定义认知无线电最早于20世纪末由美国提出，是CR的理想载体，是对软件无线电的进一步发展。

认知无线电本质上就是将无线资源与计算机通信技术进行结合，进而满足用户的无线资源与服务需求，同时认知无线电设备也能够自行选择更优质的服务。

总之，认知无线电就是一种具有学习能力的无线系统，能自动检测到无线频谱中的空洞，通过一定的算法，改变自身的参数设置，从而满足用户对频谱资源的需求。

2基于图论的频谱动态分配算法2.1数字模型与传统通信网络相比，基于图论的频谱动态分类算法可以用于小区的规划与信道的分配。

目前该频谱动态分配算法模型主要有以下几种：频谱矩阵、干扰矩阵以及分配矩阵构成。

2.2分配算法（1）着色（CSGC）算法该算法的主要目的是为了解决分配频谱的质量问题以及用户调制编码技术存在的差异性。

由于上述问题的存在使得用户的信道收益存在着较大差异，该算法通过引入效益矩阵从而将这种差异表现出来。

此外，干扰频谱也是一个重要的影响因素，因为干扰本身与频段的质量无关，主要受使用用户的位置以及发射功率的影响。

基于图论着色模型的频谱分配研究

基于图论着色模型的频谱分配研究
杨铁军;刘娟;司春丽
【期刊名称】《电子质量》
【年(卷),期】2011(000)001
【摘要】认知无线电是可以感知外界通信环境的智能通信系统,其中的频谱分配技术是解决现在频谱资源匮乏、提高频谱利用率的一项热门研究.该文首先对认知无线电系统中基于图论着色的频谱分配模型及其数学符号描述进行介绍;然后对图论着色中的几种算法进行了详细研究并比较总结;最后简单阐述了现存的问题及其未来的发展趋势.
【总页数】3页(P18-20)
【作者】杨铁军;刘娟;司春丽
【作者单位】河南工业大学信息科学与工程学院,河南,郑州,450001;河南工业大学信息科学与工程学院,河南,郑州,450001;河南工业大学信息科学与工程学院,河南,郑州,450001
【正文语种】中文
【中图分类】TN911
【相关文献】
1.基于图论模型的改进型频谱分配算法 [J], 余翔;郭垸汝;马广浩
2.认知网络中基于图论着色模型的频谱分配算法的分析 [J], 何新平
3.认知网络中基于图论着色模型的频谱分配算法的分析 [J], 何新平;刘军
4.一种基于改进颜色敏感图论着色的频谱分配算法 [J], 何建强;滕志军;刘皎
5.基于图论模型的认知无线电频谱分配仿真建模研究 [J], 刘新浩;马昕睿;王大为因版权原因，仅展示原文概要，查看原文内容请购买。

无线Mesh网络容量优化模型及算法研究

等机制，节点在指定的时隙或频段内进行通信，以避免数据冲突。这种算法能够提高网络容量和性能，但需要额外的控制开销和管证无线Mesh网络容量优化模型及算法的有效性，我们设计了一系列实验并进行了结果分析。在实验中，我们构建了一个规模为20个节点的无线Mesh 网络拓扑结构，并采用了上述介绍的信道分配算法、路由算法和MAC层算法。通过仿真工具对网络的吞吐量、时延、能耗等性能指标进行了评估。
2、路由算法
路由算法是无线Mesh网络中另一个重要的算法。它决定了数据包的传输路径，直接影响网络的容量和性能。在无线Mesh网络中，多跳传输是常见的传输方式，因此路由算法需要综合考虑节点的通信距离、信道质量和节点负荷等因素。常见的路由算法包括基于距离的路由算法、基于质量的路由算法、基于负载的路由算法等。
基于距离的路由算法是根据节点之间的距离选择传输路径，这种算法能够降低传输延迟，但可能增加信道竞争和干扰。基于质量的路由算法是根据节点之间的信道质量选择传输路径，这种算法能够提高网络容量的可靠性，但可能增加传输延迟。基于负载的路由算法是根据节点的业务负荷选择传输路径，以平衡网络负载，提高网络容量。
谢谢观看
无线Mesh网络容量优化模型
无线Mesh网络是一种基于无线技术的网络架构，具有高可靠性和低成本的优势。网络中的节点通过无线链路相互连接，形成多跳网络拓扑结构。在这种网络中，信道传输模型和用户分布情况对网络容量有重要影响。为了优化网络容量，需要综合考虑这些因素以及网络拓扑结构。
在无线Mesh网络中，优化模型可以分为两种：单信道模型和多信道模型。单信道模型是指所有节点共享同一信道进行通信，而多信道模型是指每个节点拥有多个独立信道进行通信。在单信道模型中，信道竞争和干扰是影响网络容量的主要因素，而在多信道模型中，可以通过信道分配算法优化网络容量。

基于图论着色模型的频谱分配研究

3.2 颜色敏感的图论着色算法
列表着色算法事实上是一种理想情况，该算法未考虑频谱效益差异性和干扰频谱的差异性。针对这些不足，提出了颜色敏感的图论着色算法[4]。该算法考虑了频谱效益差异性和干扰频谱的差异性，而且还分析了不同分配技术下的不同之处。相比列表着色算法，它明显减少了干扰，还使网络的吞吐量得到
摘要：认知无线电是可以感知外界通信环境的智能通信系统，其中的频谱分配技术是解决现在频谱资源匮
乏、提高频谱利用率的一项热门研究。该文首先对认知无线电系统中基于图论着色的频谱分配模型及其数学符号描述进行介绍；然后对图论着色中的几种算法进行了详细研究并比较总结；最后简单阐述了现存的问题及其未来的发展趋势。认知无线电；图论着色模型；频谱分配关键词： TN911 中图分类号： A 文献标识码： 1003- 0107(2011)01- 0018- 03 文章编号：
1 引言
在无线通信技术不断发展的今天，人们对它的需求也在不断增长。当前的通信资源变得日益紧张，频谱资源的缺乏成为分无线应用过程中面临的一个关键问题。但是大量研究表明，配给用户的频谱资源存在着不同程度的闲置，基于这个问题，它动态适应环境并以见缝插针的方式提出了认知无线电技术[1]，复用已授权用户，增加通信中的带宽，有效地缓解了频谱资源紧张的现状。其中的频谱分配技术不仅解决了频谱资源紧张、利用率低的问题，而且在尽量避免干扰的同时提高了系统的容量、效率和传输可靠性[2]。认知无线电网络中带宽、可用信道数量和位置都是随时间变化的，因此传统网络中的频谱分配方法不完全适用。要实现完全的频谱分配受到很多政策标准的限制，本文研究的图论着色是一门经典的优化理论，在满足限制的同时还考虑了网络的资源分配情况。图论着色模型中，认知用户择机使用授权用户的频谱，因此认知用户的可用频谱受到授权用户状态、位置及覆盖范围的影响，具有空时变化的特性。利用此理论根据不同的准则，就可以提出相应的认知无线电系统中的频谱分配算法。

基于着色理论的认知无线电频谱分配算法

Ｌｉｔｃｌｒｎａｅｐｃｒｍｃｅｓｉｏｎｉｉｅｒｄｏｎｔｒｓｓ — ｏｏｉｇｂｓｄｓｅｔｕａｃｓｎｃｇｔｖａｉｅｗｏｋ
ＬＩＹｉｂｎｇ — ｉ。ＹＡＮＧＲｕｉ，ＧＡＯＺｈｅｇｏｎ— ｕ。
ｃｎｒｄｃｈｕａｅｕｅｔｅｎｍｂｒｏｅｌｏａｅｅｏｄｒｓｒｔｏｔｓｇｉｉａｔｙｒｄｕｉｇｓｓｅｕｉｚｔｎ，ａｄｔｅｅｆｒａｌｃｔｄｓｃｎａｙｕｅｓｗｉｈｕｉｎｆｎｌｅｃｎｙｔｍｔｌａｉｃｉｏｎｈｃｍｐｅｉｙｏｙａｉｐｃｒｍｌｃｔｎｉｌｏｒｄｃｄｏｌｘｔｆｄｎｍｃｓｅｔｕａｌａｉＳａｓｅｕｅ．ｏｏＫｅｗｏｄｙｒｓ：ｃｇｉｉｅｒｄｏ￣ｓｅｔｕａｌｃｔｏｏｎｔａｉｖｐｃｒｍｌａｉｎ；ｓｅｔｕａｃｓ；ｇａｈ；ｌｔｃｌｒｎｏｐｃｒｍｃｅｓｒｐｉ —ｏｏｉｇｓ
新分配信道的节点个数，小动态频谱分配的复杂度。减
关键词：知无线电；谱分配；谱接入；图论；着色认频频
中图分类号：１ＴＮ０４文献标志码：ＡＤ：０３６／．ｓｎ１０—０Ｘ２１．６０１ＯＩ１．９９ｊｉ．０１５６．０００．０ｓ