大规模认知社会网络的性能分析

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

Worst:2/25
m
1
mEsd m as m
Best:8/25
16
一般认知网络性能分析
节点社会属性对于基站数目的影响
a
n, l ,
p
npEsd
1
np
ap n
i
n,
l
,
p
1
1 p
n
自组织模式 单节点网络容量
基站模式 单节点网络容量
平均 单节点网络容量
自组织模式 单节点网络容量
Pri
j
1
G1Rankia
j
引理1:假设一个单位面积的网络中随机、均匀得分布着n+1个节点,源节点基于 亲疏度的模型选取目的节点,则网络中任意一对源-目节点之间的平均距离的分布如 下:
8
主要内容
研究背景 网络模型概述 一般认知社会网络性能分析 结论
9
一般认知网络性能分析
自组织认知社会网络模型
KTH, 8 May, 2000. Available at:http://www.diva-portal.org/smash/get/diva2:8730/FULLTEXT01.pdf
5
主要内容
研究背景 网络模型概述 一般认知社会网络性能分析 结论
6
网络模型概述及相关工作
基本随机网络拓扑
•单位面积的二维区域,n个节点随机分布
• 假设不考虑干扰
• 非激活主网格区域频谱接入 概率为100%
• 由于保障主用户的传输质量 而设置的保护区域
Worst Chance Best Chance
• 使得次用户的频谱接入概率 降低
并不会从数量阶上 影响次网络性能
Worst:9/25 Best:16/25
m
1
mEsd m as m
•源节点-目的节点(源-目节点)随机配对,多跳方式传输
Source
•源节点以每秒 n比特的数据量向目的节点发送信息
混合网络拓扑
•单位面积的二维区域,n个节点和m个基站随机分布
•基站只提供中继服务,有线连接,带宽与功率不受限
Source
Destination Destination
认知网络拓扑
•单位面积的二维区域, •n个主用户节点和m个次用户节点随机分布 •次用户通过共享主用户的频谱进行数据传输
l n
10
一般认知网络性能分析
路由方式
• 拆分任意一对源-目节点传输路径 • 水平传输路径+垂直传输路径 • 数据通过相邻网格的节点进行接力传输
调度策略
• TDMA • 保护区域
11
一般认知网络性能分析
主网络容量分析
• 基于TDMA的调度策略
a
(n)
p
A
• 单个主网格的传输带宽为常数级
E a (n) (n)
13
一般认知网络性能分析
主网络时延分析
• 基于主网络中源-目节点之间平均距离
• 主网格的边长
Dp n
Esd n ap n
次网络时延分析
• 基于次网络中源-目节点之间平均距离
• 主网格的边长
• 假设主用户的传输间隔时隙为TP,则
次用户的传输间隔时隙为
25 16 Tp
Ts
25 9 Tp
Ds m
需求使得无线频谱资源日 益紧缺
认知无线电[1] 技术被认为可以大幅度缓解当今频谱 资源稀缺的紧张局面
Mitola III 2000
[1] J. Mitola III, “Cognitive Radio-An Integrated Agent Architecture for Software Defined Radio,” Dissertation of Doctor of Technology,
Ds m
Esd m as m
15
一般认知网络性能分析
混合认知网络的容量分析
主网络概率路由策略
• 主用户节点以概率P选择自 组织传输模式;以概率1-P 选择基站传输模式
次网络频谱接入概率
a
n,
l,
p
npEsd
1
np
ap n
i
n,
l
,
p
1
1 p
n
Worst Chance Best Chance
基站的数目必须 大于一定阈值
17
一般认知网络性能分析
节点社会属性使得基站数目的阈值提高 18
主要内容
研究背景 网络模型概述及相关工作 一般认知社会网络性能分析 结论
sd
p
E sd
(n) (n)
ap
(n)
p
a
• 基于源-目节点之间平均距离
• 分析穿过任意一个主网格的传输 路径数量上限
B
Source node Destination node
HDP VDP
• 单节点网络容量
n
1
nEsd n ap n
Cell Z
12
一般认知网络性能分析
次网络容量分析
Primary User
Secondary User
7
网络模型概述及相关工作
亲疏度模型(Rank-based Model)
考虑单一网络中的任意两个节点i和j,定义j相对于i的亲疏度为:
Ranki j k : Xi X k Xi X j
Βιβλιοθήκη Baidu
基于上式并进行加权归一化,建立j是i的朋友的概率分布为:
• 网络中包含n个主用户节点和m个次用户节点 • 节点随机均匀的分布(P.P.P.) • 单位面积区域分别被划分为等面积的主网格
和次网格 • 网络中源节点按照亲疏度模型选取目的节点,
并组成传输对(S-D Pair)
m n
混合认知社会网络模型
• 主网络中包含l个基站 • 基站规则均匀得铺设在主网络中 • 只有主用户节点能够使用基站服务
Tx
Rx
point-to-point (Shannon 1948)
网络容量(Network Capacity)
Shannon 1948
Source
Multi-Hop (Kumar 2000)
Destination
1 n
Kumar 2000
4
研究背景
越来越多的用户数量和业 务种类、更好的服务质量
大规模认知社会网络的性能分析
姓名:贾日恒 学号:0150342003 上海交通大学电子信息与电气工程学院
主要内容
研究背景 网络模型概述 一般认知社会网络性能分析 结论
2
主要内容
研究背景 网络模型概述 一般认知社会网络性能分析 结论
3
研究背景
已知的信道容量(Gaussian Channel)
C log2 1 SNR
Esd m as m
14
一般认知网络性能分析
主网络时延分析
• 基于主网络中源-目节点之间平均距离
• 主网格的边长
Dp n
Esd n ap n
次网络时延分析
• 基于次网络中源-目节点之间平均距离
• 主网格的边长
• 假设主用户的传输间隔时隙为TP,则
次用户的传输间隔时隙为
25 16 Tp
Ts
25 9 Tp
相关文档
最新文档