許威，林月娥，張霞

（1.北京城建設(shè)計發(fā)展集團(tuán)股份有限公司，北京 100037；2.北京理工大學(xué)信息與電子學(xué)院，北京 100081）

物聯(lián)網(wǎng)（IoT）以其創(chuàng)新的解決方案和不同領(lǐng)域中具有的優(yōu)勢，在通信和網(wǎng)絡(luò)行業(yè)中已變得異常重要。物聯(lián)網(wǎng)提供了從醫(yī)療保健到監(jiān)測環(huán)節(jié)等多種應(yīng)用程序[1-2]，因此基于物聯(lián)網(wǎng)的網(wǎng)絡(luò)已成為未來應(yīng)用程序中最有前景的技術(shù)之一。物聯(lián)網(wǎng)是由智能物理對象（設(shè)備、車輛、建筑物和其他物品）組成的網(wǎng)絡(luò)，配備有各種微控制器、收發(fā)器和協(xié)議，用于傳播感知和控制信息。所以，物聯(lián)網(wǎng)旨在為智能對象提供無處不在的連接。連接這些異構(gòu)對象的最新技術(shù)包括RFID、UWB、藍(lán)牙、ZigBee、WiFi Direct 等。而這些技術(shù)使用非許可頻譜進(jìn)行操作[3]，在已建立鏈路上的QoS 是不可控制的。但是，QoS 對物聯(lián)網(wǎng)來說又至關(guān)重要，需要一種創(chuàng)新的解決方案來確保所需的QoS。認(rèn)知無線電（Cognitive Radio,CR）技術(shù)是一種前景較好的解決方案，因為它可以利用未經(jīng)許可的頻譜和經(jīng)過許可的頻譜進(jìn)行傳輸。

智能建筑是建筑、電氣和信息技術(shù)的融合，是通過網(wǎng)絡(luò)系統(tǒng)和設(shè)備的聚合而產(chǎn)生的建筑概念，這些設(shè)備屬于不同的系統(tǒng),它們在數(shù)據(jù)速率、延遲和誤碼率方面有不同的QoS 要求。因此，這些設(shè)備的集成必須以更高的頻譜效率完成。提高頻譜效率的關(guān)鍵技術(shù)之一是認(rèn)知無線電（CR）技術(shù)，因此將CR 技術(shù)應(yīng)用于這些物聯(lián)網(wǎng)設(shè)備。

在基于CR 的網(wǎng)絡(luò)（CRN）中，有兩種用戶：主用戶（PU）和CR用戶或輔助用戶（SU），CR僅允許使用PU未使用的頻譜。在不失一般性的前提下，為支持認(rèn)知物聯(lián)網(wǎng)的智能建筑系統(tǒng)保留相同的PU 和CR 術(shù)語，即部署在建筑物內(nèi)的移動用戶、物聯(lián)網(wǎng)設(shè)備和網(wǎng)絡(luò)監(jiān)視器（NM）稱為CR 或SU，少數(shù)移動終端稱為PU[4]?？梢愿鶕?jù)CRN 的架構(gòu)（集中式或分布式）、分配行為（協(xié)作或非協(xié)作）、訪問技術(shù)（底層或重疊式）和范圍（內(nèi)部或內(nèi)部）來對CRN 的信道分配領(lǐng)域中的工作進(jìn)行分類[5-6]。王玉等[7]提出了一種基于不同業(yè)務(wù)服務(wù)質(zhì)量要求的通信頻譜資源分配算法，該算法可以有效提升系統(tǒng)總吞吐量，但是網(wǎng)絡(luò)存在延遲，效果不佳；張淑華等[8]設(shè)計了一種基于組合智能算法的無線網(wǎng)絡(luò)信道分配方法，該方法可以大幅度提升無線網(wǎng)絡(luò)的吞吐量，數(shù)據(jù)傳輸丟包率遠(yuǎn)小于單一的遺傳算法，但其蜂窩用戶的通信質(zhì)量較差。因此，文中提出了一種新的信道分配方案，該方案考慮了不同物聯(lián)網(wǎng)設(shè)備的QoS 要求、PU 活動導(dǎo)致的信道可用性以及不同應(yīng)用程序在不同物聯(lián)網(wǎng)設(shè)備上運(yùn)行的流量模式。

1 系統(tǒng)模型

智能建筑環(huán)境由一個中央實體、Q個頻譜傳感器、I個IoT 設(shè)備、M個移動用戶和N個免費(fèi)許可信道組成。中央實體負(fù)責(zé)管理頻譜，包括頻譜感知和頻譜分配。在頻譜分配期間，中央實體將可用的許可信道分配給IoT 設(shè)備和移動用戶，物聯(lián)網(wǎng)設(shè)備和移動用戶被視為SU，但不執(zhí)行頻譜感知任務(wù)，這是因為在頻譜感知任務(wù)中使用了專用傳感器，它不僅有助于節(jié)省IoT 設(shè)備和移動用戶的能源，而且還減少了頻譜感知過程中的延遲。頻譜傳感器感知不同的信道，以檢查它們是否為空，并將其決策發(fā)送給中央實體。在頻譜感知之后，中央實體執(zhí)行信道分配，以將空閑信道分配給物聯(lián)網(wǎng)設(shè)備和移動用戶。將物聯(lián)網(wǎng)設(shè)備、移動用戶和網(wǎng)絡(luò)監(jiān)視器（NM）劃分到C 類。每個類別在數(shù)據(jù)速率(αmin)、誤碼率(βmin)和穩(wěn)定性指數(shù)(γmin)方面都有最低要求。由于物聯(lián)網(wǎng)涉及能量受限的設(shè)備，所以無法遠(yuǎn)距離傳輸[9-10]；否則，其電池將很快耗盡。為了促進(jìn)物聯(lián)網(wǎng)與中央實體的通信，將智能建筑分為多個部分，每個部分都有特定的網(wǎng)關(guān)，SU 與中央實體之間通過網(wǎng)關(guān)進(jìn)行通信。SU、網(wǎng)關(guān)和中央實體之間的幀交換序列如圖1 所示。

圖1 SU、網(wǎng)關(guān)和中央實體之間的幀交換序列

各幀的簡要說明如下：每個要發(fā)送數(shù)據(jù)的SU 都將I-REQ 消息定向到其各自的網(wǎng)關(guān)，I-REQ 消息指定具體的用戶類別。收到所有SU 的I-REQ 后，網(wǎng)關(guān)將C-REQ 消息轉(zhuǎn)發(fā)到中央實體，C-REQ 消息包括與特定網(wǎng)關(guān)相關(guān)聯(lián)的所有SU 需求信息。從所有網(wǎng)關(guān)接收到C-REQ 消息后，中央實體將最大程度地服務(wù)用戶，同時根據(jù)每個SU 的類確保最低的QoS 要求。對于分配給SU 的信道，中央實體考慮信道的數(shù)據(jù)速率、誤碼率和穩(wěn)定性指數(shù)，向每個網(wǎng)關(guān)廣播C-GRANT 消息，其中包括分配給每個SU 的信道列表。之后，網(wǎng)關(guān)將I-GRANT 消息定向到相應(yīng)的SU，I-GRANT 包含分配給每個SU 的信道號。若PU 在任何信道上返回，則由中央實體向網(wǎng)關(guān)生成PUDETECT 消息，以指示PU 在預(yù)定信道上到達(dá)。因此，網(wǎng)關(guān)向SU 生成CH-PAUSE 消息以停止其正在進(jìn)行的傳輸，以避免干擾PU。

1.1 容量和誤碼率

假設(shè)每個SU 都屬于某個類別c，滿足c∈C，并以功率傳輸信號。令ρk為SU 在第k個信道上受到的干擾，σ為噪聲含量，可以使用式（1）來計算第k個信道上SU 可達(dá)到的數(shù)據(jù)速率：

其中，K=-1.5/lg(5×)，b為第k個信道上SU的BER。

1.2 頻譜感知

由于SU 使用CR 技術(shù)，將獨(dú)立的頻譜傳感器部署在智能建筑的頂部和內(nèi)部，負(fù)責(zé)檢測SU 頻譜中的空白點(diǎn)?；诎l(fā)射體檢測（頻譜傳感器接收到的信號）的假設(shè)模型如式（2）所示：

其中，rk(t)為頻譜傳感器在第k個信道上接收到的信號，(t)為PU 的傳輸信號，h(t)為信道響應(yīng)，表示噪聲含量。簡化后，使用一個基于雙閾值的能量檢測器，該檢測器按如下方式計算第k個信道上的PU 信號能量：

如果Ek的值大于閾值-1，則認(rèn)為PU 存在于第k個信道上，故SU 不能使用第k個信道進(jìn)行傳輸；若Ek的值小于閾值-2，則證明該信道可供SU 使用。

1.3 信道穩(wěn)定性指數(shù)

如前所述，獨(dú)立的頻譜傳感器用于PU 檢測。每個頻譜傳感器在每個感知間隔上創(chuàng)建一個矢量，并將其直接轉(zhuǎn)發(fā)到中央實體，中央實體基于信道的穩(wěn)定性指數(shù)來表征信道的特征，PU 活動最少的信道被認(rèn)為是最穩(wěn)定的信道。設(shè)fk={f1,f2,…,fT}為歷史狀態(tài)向量(HSV)，表示第k信道在T時段的PU 活動。為了更好地預(yù)測PU 活動，將HSV 垂直劃分為不同的區(qū)域，其中z=1 表示最新區(qū)域，z=Z表示HSV 的最舊區(qū)域。假設(shè)πk={π1,π2,…,πZ}表示在HSV 不同區(qū)域中的連續(xù)空閑槽數(shù)，wk＝{w1,w2,…,wZ} 表示分配給HSV 各區(qū)域的權(quán)重。從最新的HSV 樣本到較舊的HSV 樣本，權(quán)重的分配順序是遞減的。穩(wěn)定性指數(shù)可由式（4）給出：

其中，θk表示第k個信道的穩(wěn)定性指數(shù)。θk的值越大，表明該信道越穩(wěn)定，并且其PU 活動越少。

2 粒子群優(yōu)化算法

為了在智能建筑中為SU 提供所需的QoS，需要找到一個最佳的信道分配調(diào)度，以處理最大請求數(shù)[11-12]?？紤]到SU 的需求和可用信道，文中提出了一種優(yōu)化方案，以在特定時間內(nèi)最大化服務(wù)的用戶數(shù)量，從數(shù)學(xué)上可以表示為式（5）：其中，為二進(jìn)制變量，取值為0 或1。如果=1，則意味著將信道k分配給屬于類c的第u個用戶。優(yōu)化問題試圖在可用信道、用戶數(shù)量和類上最大化的總和。粒子群優(yōu)化算法是一種從鳥類社會行為中獲得靈感的人工智能技術(shù)，被用來近似求解涉及大搜索空間的優(yōu)化問題[13-15]。鳥類種群中的個體被稱為粒子，它代表給定問題的可能解決方案。每個粒子的適合度表明它與理想解決方案的距離，該方案具有明確的邊界，粒子在三維邊界(鳥類飛行空間)內(nèi)運(yùn)動。設(shè)P為粒子總數(shù)，表示第j個粒子(1 ≤P≤D)在迭代τ處的位置，其中表示粒子在第d(1 ≤d≤D)維空間中的位置。在迭代τ處，第j個粒子的速度記為它在范圍[-Vmax,Vmax]內(nèi)變化。

在每次迭代過程中，都會評估粒子的適合度以指示其優(yōu)點(diǎn)。粒子的位置取決于兩個關(guān)鍵參數(shù)[16-17]：1）粒子最佳(Pbτ)；2）鄰居最佳(Nbτ)。令Pbτ表示第j個粒子的最佳位置，并且是鄰居最佳位置。如果將其余粒子視為鄰居，則該術(shù)語可以稱為全局最佳，可以用Gbτ表示，該參數(shù)有助于快速收斂到可能的解決方案。利用式（6）和式（7）可以更新單個粒子的速度和位置：

其中，η1和η2分別為學(xué)習(xí)因子或加速度系數(shù)，而δ1和δ2均為0～1 范圍內(nèi)的隨機(jī)數(shù)。和分別表示第j個粒子的更新位置和速度因子。

2.1 粒子編碼

編碼過程是粒子群優(yōu)化過程中的重要步驟之一。對于當(dāng)前問題，解決方案是將N個信道分配給M個移動用戶、I個IoT 設(shè)備和網(wǎng)絡(luò)監(jiān)視器。使用上述編碼方案執(zhí)行模擬場景，并假設(shè)移動用戶、傳感器和網(wǎng)絡(luò)監(jiān)視器在離散信道上提供服務(wù)。

圖2 為兩種流量場景（即低流量和高流量）的編碼過程。粒子1 的大小為20，表示來自移動用戶、IoT 和網(wǎng)絡(luò)監(jiān)視器的請求總數(shù)，而粒子2 的長度為40。從給定方案中可以明顯看出，粒子在向移動用戶、IoT 和網(wǎng)絡(luò)監(jiān)視器分配信道方面可以表示最佳的解決方案。

圖2 粒子編碼

2.2 位置和速度更新

為了獲得最優(yōu)解，粒子群需要更新其速度和位置。第j個粒子的速度可以用D維矢量表示，其中每個元素都是隨機(jī)實數(shù)，表示給定迭代的信道分配變化。例如，對于一個用于低負(fù)載流量的粒子，將速度矢量(-13,5,2,-8,33,24,-22,…,-19,41,6,55)加到位置矢量(5,42,58,69,21,6,18,…,6,11,22,30)上，形成粒子的新位置(8,47,80,61,54,30,4,…,13,52,28,85)。為了獲得粒子在D維空間內(nèi)的最新位置，可以使用給定范圍[-Vmax,Vmax]來限制速度。

3 性能評估

文中使用Matlab 中的仿真結(jié)果評估所提出方案的性能。為了提高清晰度，將結(jié)果分為兩部分。第一，給出了低流量和高流量情況下的仿真結(jié)果，以表明所提出的方案能夠快速收斂到最優(yōu)解。第二，將提出的解決方案與現(xiàn)有方案在QoS 參數(shù)(如數(shù)據(jù)速率、BER 和穩(wěn)定性指數(shù))方面進(jìn)行了比較。通過改變迭代次數(shù)、信道、流量負(fù)荷和穩(wěn)定性指數(shù)（SoC），研究了這些評價參數(shù)的影響。采用蒙特卡羅仿真模型，得到迭代次數(shù)超過500 次的平均結(jié)果。PU 流量使用開/關(guān)狀態(tài)建模，PU 到達(dá)率范圍為0.0～0.6。為了簡化SoC 計算，保留了30個時隙的PU歷史記錄，將其劃分為三個區(qū)域，權(quán)重分別為ω1=0.6，ω2=0.25和ω3=0.15。

3.1 平均目標(biāo)函數(shù)

圖3 所示為四種不同粒徑的目標(biāo)函數(shù)隨迭代次數(shù)的變化曲線。粒子群優(yōu)化算法是一種迭代算法，通常在一定次數(shù)的迭代后才能得到最優(yōu)解，停止標(biāo)準(zhǔn)（就迭代而言）取決于目標(biāo)函數(shù)和給定問題的約束。通過曲線圖可以清楚地看出，12 個粒子是最合適的種群大小。其余的模擬是使用12 個粒子的種群進(jìn)行的。此外，該方案在兩種情況下均能快速收斂得到最優(yōu)解。例如，在圖3 所示的低流量情況下，提出的方案滿足了SU 95%以上的請求，在圖4 所示的高流量情況下，滿足了SU 90%的請求。因此，提出的方案可有效地管理智能建筑中SU 的異構(gòu)流量。

圖3 低流量情況下的平均目標(biāo)函數(shù)

圖4 高流量情況下的平均目標(biāo)函數(shù)

3.2 與現(xiàn)有方案比較

文中比較了提出的方案與基于吞吐量、可靠性和SoC 的隨機(jī)信道選擇(RCS)方案以及貪婪信道選擇(GCS)兩種現(xiàn)有方案的性能。RCS 從概率為的可用信道池中隨機(jī)選擇一個信道分配給SU，而不考慮其QoS，而GCS 為每個用戶選擇一個局部最優(yōu)信道，以期得到全局最優(yōu)解。與現(xiàn)有方案比較，選擇高流量模式并進(jìn)行500 次迭代仿真，采用蒙特卡洛原理給出平均值。圖5 根據(jù)網(wǎng)絡(luò)的整體吞吐量將提出方案與RCS 和GCS 方案進(jìn)行了比較，將SU 的總吞吐量與現(xiàn)有方案進(jìn)行了比較，以說明建議方案的性能增益。從圖中可以看出，所提出方案的吞吐量在0.74～1.75 Mbps 的范圍內(nèi)，而RCS 的吞吐量在0.378～1.0 Mbps 之間變化，GCS 的吞吐量在0.43～1.505 3 之間變化?？梢杂嬎愠鎏岢龇桨概cRCS 方案相比，其最大吞吐量提升了[(1.75-1.0)/1.0]×100%=75%，同理可得提出方案與GCS 方案相比，其最大吞吐量提升了16.25%。因此，所提出方案優(yōu)于RCS 和GCS 方案。基于可靠性的比較如圖6 所示，對結(jié)果進(jìn)行了500 次仿真，然后繪制平均可靠性指標(biāo)曲線。在可靠性指標(biāo)上，RCS 的可靠性最大值為0.687 2，文中方案的可靠性最大值為0.959 8，由此可計算出文中方案相較于RCS 方案在可靠性方面提升了[(0.9596-0.687)/0.687]×100%=39.68%。雖然與RCS 相比，GCS顯示出領(lǐng)先的模式，但仍然落后于所提出方案。

圖5 吞吐量的累積分布函數(shù)

圖6 可靠性的累積分布函數(shù)

4 結(jié)論

針對智能建筑環(huán)境開發(fā)了一種大吞吐量和QoS優(yōu)化方案，該方案根據(jù)所需的QoS 將信道分配給移動用戶、IoT 設(shè)備和網(wǎng)絡(luò)監(jiān)控器。該方案在可靠性（低誤碼率）方面提高了39.68%。考慮到網(wǎng)絡(luò)的總吞吐量，與貪婪和隨機(jī)共享方案相比，所提出方案分別提高了16.25%和75%的吞吐量。因此，該方案可以支持更高密度的用戶，并獲得具有競爭力的性能增益。