《数据通信原理》课程设计设计题目：一种认知无线电系统的频谱分配方法姓名学号学院专业班级目录绪论 (3)1.认知无线电网络的简介 (4)1.1认知无线电 (4)1.1.1. 认知无线电的概述 (4)1.1.2. 认知无线电的特性 (5)1.2.频谱决策 (6)1.2.1. 频谱决策的概述 (6)1.2.2. 频谱分配的概述 (6)1.3. 二分图最佳匹配（Kuhn-Munkras）算法 (7)2.系统模型和问题描述 (7)2.1. 系统模型 (7)2.2. 问题描述 (7)3. 基于Kuhn-Munkras算法的频谱分配方法 (9)3.1.Kuhn-Munkras 算法的描述 (9)3.2.频谱分配方法的流程 (9)4. 仿真和性能分析 (10)4.1. 仿真环境设置 (10)4.2.仿真结果 (10)4.3. Kuhn-Munkras算法与多小区动态频谱分配方法比较 (12)4.3.1.多小区动态频谱分配方法 (12)4.3.2.频谱分配方法比较 (12)5.总结 (13)参考文献 (14)一种认知无线电系统的频谱分配方法摘要：认知无线电网络为移动用户重构无线架构和动态频谱接入技术提供高带宽。
对于无线频谱资源的相对的稀缺，频谱分配成为认知无线电频谱资源的关键，为适应认知无线电网络的时变特性，频谱分配算法必须有较快的收敛速度。
该文提出了一种基于二分图最佳匹配（Kuhn-Munkra）算法的认知无线电频谱分配方法。
该方法利用二分图最佳匹配（Kuhn-Munkras）算法可以实现最佳匹配并且收敛速度快的特性。
根据不同的用户在不同信道上所产生的效益的差异性，利用认知无线电有效地提升频谱资源的利用率，实现认知用户和信道的最佳匹配，频谱的灵活分配。
关键词：认知无线电，频谱资源，频谱分配，最佳匹配AbstractCognitive radio networks will provide high bandwidth to mobile users via heterogeneous wireless architectures and dynamic spectrum access techniques. Radio spectrum resources for the relative scarcity of spectrum allocation as the key cognitive radio spectrum, cognitive radio network to meet the time-varying characteristics of the spectrum allocation algorithm must have fast convergence speed. The paper proposes a bipartite graph based on the best match (Kuhn-Munkra) algorithm cognitive radio spectrum allocation.Bipartite graph of the decision to use the best match (Kuhn-Munkras) algorithm can achieve the best match and the fast convergence characteristics.According to thedifferent user the benefit difference which produces on the different channel, promotes the frequency spectrum resources effectively radio using the cognition the use factor, realizes the cognition user and channel's optimum matching, the frequency spectrum nimble assignment.Key words:Cognitive radio; Radio spectrum resources; Spectrum allocation ；Best Match绪论随着无线通信技术的发展及其应用领域的拓展，频谱资源愈发稀缺，即某些频谱资源上承载了大量的业务，而另一些频谱资源却又浪费严重，或者说利用不足，成为无线通信研究领域和运营商不得不面临的问题。
即固定频谱分配方法导致各授权系统不能充分利用授权频谱，而造成授权频谱资源的浪费，及非授权频段的过分拥挤。
认知无线电是一种用于提高无线电通信频谱利用率的新技术，提出一种动态频谱共享的框架，允许用户在不影响主用户工作的前提下智能地利用空闲频谱，动态地进行频谱分配并且随时随地，高可靠性地通信。
因此，研究认知无线电网络的频谱分配方法很有意义。
目前，许多研究人员均在研究对认知无线电网络中的频谱分配问题。
针对中心式或分布式的网络体结构、协作式或非协作式的频谱分配行为、共存式或覆盖式的频谱接入技术，研究人员提出了不同的动态频谱分配方法，主要包括博弈论、图论着色等。
本文提出了一种基于配对算法的认知网络的频谱接入算法，二分图最佳匹配（Kuhn-Munkra）算法的频谱动态分配方法。
1.认知无线电网络的简介1.1认知无线电1.1.1. 认知无线电的概述认知无线电也被称为智能无线电。
从广义上来说是指无线终端具备足够的智能或者认知能力，通过对周围无线环境的历史和当前状况进行检测、分析、学习、推理和规划，利用相应结果调整自己的传输参数，使用最适合的无线资源（包括频率、调制方式、发射功率等）完成无线传输。
认知无线电能够帮助用户自动选择最好的、最廉价的服务进行无线传输，甚至能够根据现有的或者即将获得的无线资源延迟或主动发起传送。
它能够感知外界环境，并使用人工智能技术从环境中学习，通过实时改变某些操作参数(比如传输功率、载波频率和调制技术等)，使其内部状态适应接收到的无线信号的统计性变化，以达到以下目的：任何时间任何地点的高度可靠通信；对频谱资源的有效利用。
其拓扑图如下图所示：图1 认知无线电网络拓扑图模型1.1.2. 认知无线电的特性(1) 认知能力。
认知能力使无线电能够从其工作的无线环境中捕获或者感知信息，从而可以标识特定时间和空间的未使用频谱资源(也称为频谱空穴)，并选择最适当的频谱和工作参数。
认知无线电包括3个主要的步骤：频谱感知、频谱分析和频谱判决。
频谱感知的主要功能是监测可用频段，检测频谱空穴；频谱分析估计频谱感知获取的频谱空穴的特性；频谱判决根据频谱空穴的特性和用户需求选择合适的频段传输数据。
(2) 重构能力。
重构能力使得无线电设备可以根据无线环境动态编程，从而允许无线电设备采用不同的无线传输技术收发数据。
重构能力使得CR设备可以根据无线环境动态编程，从而允许CR 设备采用不同的无线传输技术收发数据。
可以重构的参数包括：工作频率、调制方式、发射功率和通信协议等。
重构的核心思想是在不对频谱授权用户(LU)产生有害干扰的前提下，利用授权系统的空闲频谱提供可靠的通信服务。
一旦该频段被LU使用，CR有2种应对方式：一是切换到其它空闲频段通信；二是继续使用该频段，但改变发射统率或者调制方案避免对LU的有害扰。
1.2.频谱决策1.2.1. 频谱决策的概述频谱决策是在完成频谱感知和频谱分析的基础上，根据用户的QoS需求和决策准则，确定一组合适的通信载频、通信体制、通信参数和发射电平。
1.2.2. 频谱分配的概述目前，对频谱决策的研究主要是对频谱分配的研究。
频谱分配基于频谱的可用性，根据一定的规则，给节点分配信道。
在频谱分配中，设计一个分配规则以提高节点性能是一个重要的研究课题，博弈论和图论是目前频谱分配算法中广泛应用的两种理论，可分为合作式频谱分配和非合作式频谱分配。
合作式频谱分配方法考虑节点通信对其他节点产生的影响，在节点间共享干扰信息。
合作式的方法考虑了公平性，提高了频谱的利用率和网络的吞吐量，但是要求用户间信息共存，会引入额外的通信开销。
非合作式频谱分配方法也称为自私的解决方法，指的是节点通信时不考虑对其它节点的影响。
非合作式的方法基于本地的规则执行，因此能大大减少通信的开销，但会导致频谱利用率下降。
1.3. 二分图最佳匹配（Kuhn-Munkras）算法Kuhn-Munkras 算法是为解决二分图最优匹配问题而提出的。
算法的主要思想是通过修改可行顶点标记，使得二分图最终达到完美匹配：首先任意设置可行顶标，然后在相等子图中寻找增广路径，找到增广路径后沿着增广路径增广，直到找到最佳匹配。
2.系统模型和问题描述2.1. 系统模型假设认知无线电网络中存在K个认知用户，各认知用户通过频谱检测获得可用频谱，假设所有的可用频谱可以划分为 N 个正交的带宽为Δf的子信道。
每个认知用户首先将检测到的可用信道按一定准则量化得出的效益系数通过控制信道传递给基站。
基站在获得这些效益信息后，对各认知用户间进行频谱分配。
2.2. 问题描述由于认知用户采用的发射功率、空时特性、调制技术等有所不同，在不同的子信道上具有不同的传输效益，jW i,表示用户i在频带j上获得的效益，如频谱利用率、最大流量等。
对认知用户进行频谱分配的目标是：在不超过主用户干扰门限的前提下，最大化网络总体效益。
根据认知用户对各个信道上的效益不同，可以将目标函数表示为：Xi,=1，衡量认知用Xi,为指示函数，当用户i占用信道j时，jj户在不同信道上的传输效益，即可达的传输速率越大，效益越高。
认知用户i在信道j上的可达传输速率为：其中 , jhi,表示Pi,表示认知用户i在信道 j 上的发射功率，j信道增益, 表示在加性高斯白噪声噪声。
假定认知用户的最大发射功率为，故认知用户的发射功率还需满足：综合上述约束条件，用 , 代替，频谱分配问题可以表示为：其中，条件,表明一个信道最多只能分配给一个用户，条件 ,表明所有认知用户需满足最大发射功率限制。
3. 基于Kuhn-Munkras算法的频谱分配方法3.1.Kuhn-Munkras 算法的描述Kuhn-Munkras算法符合频谱分配系统模型，可以将次用户和可用空闲信道构建为赋权二分图，权值由次用户在各个信道上的SINR 值确定，然后利用KM 算法实现次用户和信道的最佳匹配。
式（4）所描述的问题实际上是受限条件下的最优化问题。
KM 算法要求频谱数量和认知用户对的数量相等，但在实际中，通常情况是次用户对的数量多于频谱数量，即N> K 。
为了解决这一问题，引入“虚拟频谱”的概念，其数量为N -K个。