由于H2H （human-to-human）業(yè)務(wù)和M2M（machine-to-machine）業(yè)務(wù)的特性存在很大差異,現(xiàn)有的資源分配算法無法有效地同時(shí)解決H2H業(yè)務(wù)的可靠傳輸需求和M2M業(yè)務(wù)海量接入需求。文中提出兩種異構(gòu)資源分配算法:采用反應(yīng)函數(shù)求解的博弈資源分配方法和最佳反應(yīng)動(dòng)態(tài)博弈資源分配迭代算法。采用該算法,不同服務(wù)提供商可通過共享網(wǎng)絡(luò)資源,實(shí)現(xiàn)網(wǎng)絡(luò)資源的空間復(fù)用度增加,從而達(dá)到網(wǎng)絡(luò)資源利用率的提升,以緩解共存場(chǎng)景中H2H業(yè)務(wù)的QoS保障和M2M業(yè)務(wù)的海量傳輸帶來的資源分配壓力。仿真結(jié)果表明,由于引入一種懲罰機(jī)制,提出的方法能夠有效地消除構(gòu)建過程中的貢獻(xiàn)過度和"搭便車"問題,同時(shí)能夠明顯地提升網(wǎng)絡(luò)容量,可同時(shí)解決M2M業(yè)務(wù)的海量接入和H2H業(yè)務(wù)的QoS保障問題。 

【文章來源】：南京郵電大學(xué)學(xué)報(bào)(自然科學(xué)版). 2020,40(02)北大核心

【文章頁數(shù)】：8 頁

【圖文】：

參數(shù)α i C 對(duì)不同算法的性能影響

在異構(gòu)無線環(huán)境中存在N個(gè)無線接入網(wǎng)絡(luò),如圖1所示,其中每個(gè)無線接入網(wǎng)絡(luò)包含一個(gè)SP和多個(gè)末端接入節(jié)點(diǎn),包括HTC用戶、MTC網(wǎng)關(guān)節(jié)點(diǎn)以及MTC設(shè)備。本文主要考慮HTC用戶和MTC設(shè)備的上行通信。由于單個(gè)無線接入網(wǎng)的資源受限,因此考慮每個(gè)SP提供部分無線資源(本文主要考慮頻譜資源)構(gòu)成一個(gè)虛擬公共網(wǎng)絡(luò),利用公共網(wǎng)絡(luò)來應(yīng)對(duì)海量節(jié)點(diǎn)的接入需求,將該虛擬網(wǎng)絡(luò)稱為異構(gòu)云無線接入網(wǎng)絡(luò),簡(jiǎn)稱異構(gòu)云。由于異構(gòu)云都是異構(gòu)資源,這就要求每個(gè)接入網(wǎng)的使用者必須是多模終端。然而目前絕大多數(shù)MTC設(shè)備尺寸和功能受限,無法支持多種模式傳輸。因此針對(duì)MTC設(shè)備接入異構(gòu)云時(shí),可采用分層架構(gòu),即MTC設(shè)備必須利用MTC網(wǎng)關(guān)節(jié)點(diǎn)轉(zhuǎn)發(fā),才能通過SP與遠(yuǎn)端服務(wù)器進(jìn)行通信。對(duì)于HTC用戶,由于其功能強(qiáng)大,可直接通過SP接入到核心網(wǎng)。這里假設(shè)MTC設(shè)備采用藍(lán)牙、ZigBee和WiFi等低功耗的方式與MTC網(wǎng)關(guān)節(jié)點(diǎn)通信。注意每個(gè)參與構(gòu)建異構(gòu)云的SP才能免費(fèi)使用其中無線資源。N={1,2,…,N}表示異構(gòu)網(wǎng)絡(luò)中所有SP的集合,Di={1,2,…,Di}表示屬于SPi的所有MTC網(wǎng)關(guān)節(jié)點(diǎn)集合,Hi={1,2,…,Hi}表示屬于SPi的所有HTC節(jié)點(diǎn)集合,Bi表示SPi(?i∈N)的帶寬�？紤]到M2M業(yè)務(wù)的特點(diǎn),H2H通信的QoS保障以及H2H和M2M兩類業(yè)務(wù)之間的干擾消除這三個(gè)方面的因素,每個(gè)SP可利用異構(gòu)云傳輸M2M業(yè)務(wù),然后利用自己剩余的無線資源來保證H2H通信。由于M2M很多業(yè)務(wù)的隨機(jī)性,所以并不是所有SP都會(huì)同時(shí)使用異構(gòu)云;同時(shí)M2M業(yè)務(wù)的數(shù)據(jù)包很小但數(shù)量很多,這就導(dǎo)致了每個(gè)SP占用異構(gòu)云無線接入網(wǎng)絡(luò)資源的時(shí)間很短。假設(shè)這種公共網(wǎng)絡(luò)[1]資源很多,這就導(dǎo)致了每個(gè)SP在某段短時(shí)間內(nèi)需要較多的無線資源來支持這種M2M隨機(jī)突發(fā)業(yè)務(wù),而異構(gòu)云恰好能夠滿足;最后,這種異構(gòu)云由于資源的異構(gòu)性,可考慮資源在空間上復(fù)用,提升網(wǎng)絡(luò)資源利用率。正是基于以上三點(diǎn)原因,本文設(shè)計(jì)利用異構(gòu)云傳輸M2M業(yè)務(wù),降低網(wǎng)絡(luò)擁塞,保證兩類通信的性能。

圖2描述了BRRAI算法在不同參數(shù)下的收斂性能。其中,該圖的仿真參數(shù)設(shè)置如下:10個(gè)SP所擁有的頻譜資源按照下標(biāo)順序分別設(shè)置為{5,6,7,8,9,10,11,12,13,14}MHz,10個(gè)SP的平均信噪比 γ ˉ i 按照下標(biāo)順序分別設(shè)置為{10,11,12,13,14,15,16,17,18,19}dB。從圖2中可以看出,BRRAI算法的收斂速度非常快(迭代次數(shù)不超過2次)。這是因?yàn)锽RRAI算法通過反饋獲得了全網(wǎng)信息,能夠加速算法的求解速度。進(jìn)一步說明集中控制算法適用于動(dòng)態(tài)變化的網(wǎng)絡(luò)。同時(shí),BRRAI算法的收斂性能不會(huì)受到參數(shù)α i C 和λi改變的影響。表1給出了不同參數(shù)下各個(gè)SP對(duì)異構(gòu)云的頻譜貢獻(xiàn)量。仿真參數(shù)設(shè)置如下:10個(gè)SP所擁有的頻譜資源按照下標(biāo)順序分別為{5,6,7,8,9,10,11,12,13,14}MHz,10個(gè)SP的平均信噪比按照下標(biāo)順序分別為{10,11,12,13,14,15,16,17,18,19}dB。從表1中可以看出,本文設(shè)計(jì)的懲罰機(jī)制能夠有效地消除“搭便車”現(xiàn)象,并且能通過調(diào)節(jié)參數(shù)α i C 和λi來控制每個(gè)SP的貢獻(xiàn)量。此外,從結(jié)果還可看出,λi越大越能刺激SP貢獻(xiàn)頻譜資源,同時(shí)每個(gè)SP的貢獻(xiàn)量還與平均信噪比有關(guān),平均信噪比高的SP,其貢獻(xiàn)量也越大。這是因?yàn)槊總�(gè)SP的收益函數(shù)式(3)與頻譜復(fù)用度λi以及平均接收信噪比正相關(guān),λi越大,越能激勵(lì)SP貢獻(xiàn)更多的頻譜。

【參考文獻(xiàn)】：
期刊論文
[1]面向物聯(lián)網(wǎng)的無線傳感器網(wǎng)絡(luò)綜述[J]. 錢志鴻,王義君.  電子與信息學(xué)報(bào). 2013(01)



本文編號(hào)：3423812