Академический Документы
Профессиональный Документы
Культура Документы
П.В. КРАШЕНИННИКОВ1,
Д.В. КЛЕЙКО2,
А.Г. ШАПИН3, канд. техн. наук
О.Г. МЕЛЕНТЬЕВ1, д-р техн. наук
1 Сибирский Государственный Университет Телекоммуникаций и Информатики
2 Lulea University of Technology
3 Ericsson Research
РАСЧЕТ ПАРАМЕТРОВ РЕЗУЛЬТИРУЮЩЕГО ЛОГИЧЕСКОГО КАНАЛА,
This paper considers the scenario when the resulting logical channel for a secondary user in a
cognitive radio system is formed by the algorithm minimizing the number of changes of physical
channels. The stochastic activity of primary users in a physical channel is characterized by a simple
Markov chain. We present the analytical method for forming an accurate stochastic model (a simple
Markov chain) of the resulting logical channel. The method is valid for any number of physical
channels. The result of the method describes the stochastic availability of the resources for the
secondary user in the formed logical channel.
SU
P11SU P12SU
(1) P = SU
P21 P22SU
условном состоянии.
Далее, формируем матрицу переходных вероятностей (T) системы c условными
состояниями, отображающую построение логического канала для SU. Переберем все
условные состояния i {1,, m } .
i
Определим, какому текущему каналу принадлежит условное состояние c .
s
Если текущий канал в доступном состоянии Sic 1, или все каналы недоступны, то
смены канала не происходит. Это значит, что переходы возможны только между состояниями
данного канала. Условные состояния текущего канала принадлежат диапазону
j {(c 1) s 1,, c s } .
F1(i ) 2N
T 2 bg A1i [2n 1] для нечетных
d ( b ) n 1
T 2bg Nc
T 2bg F1(i ) A1i [ 2n ] для четных j
d ( b ) n 1
В результате преобразований получаем матрицу переходных вероятностей Марковской
цепи с двумя состояниями (1), описывающую логический канал построенный алгоритмом с
минимизацией смен каналов для произвольного количества исходных физических каналов.
4. Заключение
В работе предложен новый математический подход для определения переходных
вероятностей логического канала SU, построенного посредством алгоритма А1-МСК, в
системах когнитивного радио. Матрица переходных вероятностей результирующего
логического канала SU позволяет получить количественные оценки многих вторичных
параметров, например: скорости передачи, коэффициента доступности (или коэффициента
потерь пакетов), среднего времени задержки и т.д. Эти параметры дают возможность
оперативно принимать решение о достаточности ресурсов и качества логического канала для
обслуживания требований SU.
СПИСОК ЛИТЕРАТУРЫ
1. G. Ghosh, P. Das, and S. Chatterjee Cognitive radio and dynamic spectrum access // A study
International Journal of Next-Generation Networks, vol.6, no.1, pp.43–60.
2. M.A.McHenry NSF spectrum occupancy measurements project summary // Shared Spectrum
Company Report, Aug. 2005.
3. S. Huang, X. Liu, and Z. Ding Opportunistic spectrum access in cognitive radio networks //
in Proc. IEEE INFOCOM, 2008, Phoenix, AZ, USA.
4. Senhua Huang, Xin Liu, and Zhi Ding On Optimal Control for Opportunistic Spectrum
Access of Cognitive Radio Networks // IEEE INFOCOM, 2010, San Diego, CA, USA.
5. L. Ferrari, Qing Zhao, A. Scaglione Utility Maximizing Sequential Sensing Over a Finite
Horizon // IEEE Transactions on Signal Processing, 2017, vol: 65.
6. Bowen Li; Panlong Yang, Jinlong Wang, Qihui Wu, Shaojie Tang, Xiang-Yang Li, Yunhao
Liu Almost Optimal Dynamically-Ordered Channel Sensing and Accessing for Cognitive Networks
// IEEE Transactions on Mobile Computing, 2014, vol.13.
7. Q. Zhao, B. Krishnamachari, K. Liu On myopic sensing for multi-channel opportunistic
access: structure, optimality, and performance // IEEE Wireless Commun., vol. 7, no. 12, Dec. 2008.
pp. 5431-5440.
8. M. R. Hueda, C.E. Rodriguez On the relationship between the block error and channel-state
Markov Models in transmissions over slow-fading channels // IEEE Transactions on
Communications, August, 2004.
9. Shibing Zhang, Huijian Wang, and Xiaoge Zhang Estimation of Channel State Transition
Probabilities Based on Markov Chains in Cognitive Radio // Journal of Communications Vol.9,
No.6, June 2014.
10. Мелентьев О.Г., Шевнина И.Е. Сравнение алгоритмов выбора логического канала, с
учетом приоритетов // Электросвязь. 2010, № 2, с.50 – 52.
11. Yuan Zhao, LuyiBai1 Performance Analysis and Optimization for Cognitive Radio Networks
with Classified Secondary / Mobile Information Systems Vol. 2017.
12. O.G. Melentyev, N.V. Lyamin, D.V. Kleiko Comparison of Algorithms for Construction of
Logical Channels for Secondary Subscribers // International Conference and Seminar on
Micro/Nanotechnologies and Electron Devices Proceedings, 2011.
13. Qing Zhao; B. Krishnamachari; Keqin Liu On Myopic Sensing for Multi-Channel
Opportunistic Access: Structure, Optimality, and Performance // IEEE Transactions on Wireless
Communications, 2008, vol.7.
14. László Csurgai-Horváth, János Bitó Primary and secondary user activity models for
cognitive wireless network // Telecommunications (ConTEL), 2011.