北京航空航天大學(xué)計算機學(xué)院 碩士學(xué)位論文開題報告 論文題目：面向帶寬

北京航空航天大學(xué) 2009級碩士研究生開題報告 面向帶寬可調(diào)應(yīng)用的頻譜分配算法研究與實現(xiàn)北京航空航天大學(xué)計算機學(xué)院碩士學(xué)位論文開題報告論文題目：面向帶寬可調(diào)應(yīng)用的頻譜分配算法研究與實現(xiàn)專 業(yè)： 計算機應(yīng)用研究方向： 計算機應(yīng)用研 究 生： 王劍飛學(xué) 號： SY0906527指導(dǎo)教師： 吳威 教授北京航空航天大學(xué)計算機學(xué)院2010年11月第1章 研究背景與意義目前世界各國對頻譜資源的管理都是由無線電管理部門采取固定的頻譜分配策略，即對特定的應(yīng)用分配固定的頻譜。我國的無線電頻率劃分情況如圖 1所示。圖 1中國無線電頻譜劃分圖圖 1所示不同的顏色區(qū)域表示不同的業(yè)務(wù)類型，目前各種無線業(yè)務(wù)可以使用的無線電頻率范圍為9KHz-275GHz，但由于技術(shù)水平限制，絕大多數(shù)無線電設(shè)備工作在50GHz以下，從圖中可以看出大多數(shù)頻段區(qū)域內(nèi)都安排了多種無線電業(yè)務(wù)。國際無線電規(guī)則將各類無線電應(yīng)用劃分為41種業(yè)務(wù)，其中地面無線電業(yè)務(wù)21項，空間無線電業(yè)務(wù)20項，還規(guī)定了各類工業(yè)、科學(xué)、醫(yī)療設(shè)備使用的頻段。而據(jù)美國FCC頻譜政策任務(wù)組的報告顯示，3GHz以下頻譜的使用效率從15到85不等1，而3-6GHz的頻譜利用率甚至不到0.5，各種無線系統(tǒng)的總頻譜利用率在10%以下， FCC測試的頻譜使用情況如圖 2所示。圖 2 FCC測量的頻譜利用率從圖 2可以看出不同頻率的頻譜使用情況嚴重不均，測量人員也發(fā)現(xiàn)不同地點的頻譜使用情況也不盡相同，即使在同一地點的不同時間段內(nèi)頻譜使用情況也存在很大差異。同樣，伊利諾理工大學(xué)的研究人員通過對芝加哥和紐約30MHz-3GHz內(nèi)的頻譜測量也發(fā)現(xiàn)有些無線電資源未能充分利用2，這表明在頻域、時域、空域組成的三維空間內(nèi)存在大量的頻譜空洞。這就造成了目前對頻譜資源的使用形成了所謂的“頻譜資源相對匱乏與絕對浪費”的矛盾，于是研究人員開始考慮動態(tài)使用頻譜的技術(shù)以解決目前固定頻譜分配方式下頻譜利用率不高的問題，認知無線電技術(shù)正是在這一背景下提出的。認知無線電最早是由Joseph Mitolla于1999年提出3，隨后在他的博士論文中他這樣描述認知無線電：無線數(shù)字設(shè)備和相關(guān)的網(wǎng)絡(luò)在無線電資源和通信方面具有充分的計算智能來探測用戶通信需求，并根據(jù)這些需求來提供最合適的無線電資源和無線業(yè)務(wù)4。2003年，美國聯(lián)邦通信委員會給出了一個相對狹隘的定義5：認知無線電設(shè)備能夠依據(jù)所處環(huán)境的變化動態(tài)改變自身發(fā)射機參數(shù)，大部分認知無線電都采用軟件無線電的方式實現(xiàn)。認知網(wǎng)絡(luò)是在認知無線電的基礎(chǔ)上發(fā)展起來的，它要求無線通信終端具有頻譜感知和環(huán)境認知能力，能夠利用空閑的頻譜資源完成數(shù)據(jù)通信。認知網(wǎng)絡(luò)的概念最早是由弗吉尼亞理工大學(xué)的Ryan W. Thomas于2006年提出的，他認為認知網(wǎng)絡(luò)是一種具有觀察當前網(wǎng)絡(luò)狀況并能依據(jù)觀測結(jié)果規(guī)劃、決策和實施能力的網(wǎng)絡(luò)，它能依據(jù)各種端到端目標通過不斷循環(huán)的認知過程動態(tài)適應(yīng)網(wǎng)絡(luò)的變化6-8，常用于軍事、災(zāi)難救急、移動通信和個人數(shù)據(jù)業(yè)務(wù)等領(lǐng)域。認知網(wǎng)絡(luò)從功能上來說，它具有較好的擴展性和靈活性。從性能上來說，相對于非認知網(wǎng)絡(luò)，在允許的開銷和操作復(fù)雜性范圍內(nèi)，認知網(wǎng)絡(luò)能提供更好的端到端性能、更高的資源管理效率、更好的服務(wù)質(zhì)量、安全性與可靠性。從網(wǎng)絡(luò)構(gòu)成上來說，它有可能是由無線局域網(wǎng)、蜂窩網(wǎng)絡(luò)、ad hoc網(wǎng)絡(luò)、無線傳感器網(wǎng)絡(luò)、無線Mesh網(wǎng)絡(luò)及基礎(chǔ)設(shè)施網(wǎng)絡(luò)等不同類型的網(wǎng)絡(luò)構(gòu)成的異構(gòu)類型的網(wǎng)絡(luò)。第2章 國內(nèi)外研究現(xiàn)狀2.1 動態(tài)頻譜分配算法分類2.1.1 基于圖著色的頻譜分配算法Wei Wang等人按照不同的信道生成網(wǎng)絡(luò)沖突圖的子圖，應(yīng)用列表著色（list-coloring）實現(xiàn)在一定的干擾約束條件下最大的頻段分配數(shù)，提出了一種分布式貪婪算法，將頻段優(yōu)先分配給度數(shù)低的節(jié)點，且已分配到的信道少的節(jié)點有較高的優(yōu)先級。提出了分布式公平算法和隨機分布式算法保證節(jié)點間的公平性。實驗表明，分布式貪婪算法在性能上接近最優(yōu)的資源利用率，分布式公平算法在其性能基礎(chǔ)上達到了更好的公平性，隨機分布式算法則可以獲得較低的復(fù)雜性和通信開銷。H.Zheng提出的顏色敏感的圖論著色（CSGC）算法考慮了頻譜分配中的頻譜效益的差異性和干擾的頻譜差異性，并分析了在合作式和非合作式條件下頻譜分配算法的差異。算法根據(jù)所要達到的目標來選擇頂點標號規(guī)則，標號大小說明了分配目標和效益權(quán)重所決定的頂點的回報，回報越大則頂點標號越大，用戶會向其鄰居發(fā)送該回報信息以及相關(guān)聯(lián)的信道編號，之后為每一個標號對應(yīng)一種顏色，著色的算法設(shè)計即選擇回報最大的頂點進行著色。Wei Wang和H.Zheng提出的算法在每次網(wǎng)絡(luò)拓撲改變后都要重新計算全局最優(yōu)的分配方案，在網(wǎng)絡(luò)拓撲變化較快的場景中開銷過大。2.1.2 基于拍賣的頻譜分配算法Buddhikot首次提出了基于協(xié)商的動態(tài)頻譜訪問（Coordinated Dynamic Spectrum Access）模型，并設(shè)計了集中式的網(wǎng)絡(luò)架構(gòu)DIMSUMNet9, 10，分析了基于協(xié)商的DSA蜂窩網(wǎng)絡(luò)的頻譜分配過程中需要考慮的問題，如頻譜請求處理模型（分批處理和實時處理）、頻譜競價模型（商品模式、簡單競價、迭代競價）、頻譜訪問的粘性和公平性、頻譜分配的優(yōu)化目標，尤其討論了不同的網(wǎng)絡(luò)基礎(chǔ)設(shè)施對頻譜分配算法的影響（相同位置的同一基站、相同位置的多個基站、不同位置的多個基站上的多個收發(fā)器上的頻譜分配問題）。但作者僅討論了這些問題，沒有針對具體的網(wǎng)絡(luò)拓撲，也沒有給出頻譜分配優(yōu)化問題的具體解決方案。文獻11, 12在中間決策機構(gòu)執(zhí)行頻譜分配過程中，提出了快速啟發(fā)式算法以加快求解過程。Ayyoub13和Buddhikot14研究了LTE/WiMax網(wǎng)絡(luò)中的頻譜自我管理問題，并分析了頻譜分配時需要考慮的計算復(fù)雜性、級聯(lián)控制和穩(wěn)定性、優(yōu)化目標三者之間的平衡問題，并給出了平衡過程中的性能邊界。Kloeck討論了基于拍賣的頻譜分配模型15，在該模型中，認知用戶是投標者，中心控制器是拍賣人。在一次拍賣中，每個投標者為了滿足它的需要給頻譜資源投多個價，由拍賣人按照某種規(guī)則使認知無線電網(wǎng)絡(luò)的收益最大。這種基于多投標拍賣的機制只需要很少的信令交換和計算開銷就可以達到較高的系統(tǒng)效率。頻譜交易市場中的商品就是頻譜的使用權(quán)限。Patroklos Argyoudis提出了一種策略驅(qū)動的頻譜市場，并提出了一種輕量級框架結(jié)構(gòu)將這種市場應(yīng)用于網(wǎng)絡(luò)環(huán)境16。在這樣的頻譜市場中有三種參與者：票據(jù)交換所、頻譜消費者和銀行。其中，票據(jù)交易所和頻譜消費者都運行一個市場代理來完成策略管理的功能，代理中的PDP(policy decision point)會根據(jù)已有的策略以及輸入的市場數(shù)據(jù)完成決策。2.2 面向帶寬可調(diào)應(yīng)用的動態(tài)頻譜使用方法帶寬可調(diào)應(yīng)用是指應(yīng)用的網(wǎng)絡(luò)傳輸?shù)臄?shù)據(jù)的優(yōu)先級不同，部分數(shù)據(jù)的優(yōu)先級很高，丟失這部分數(shù)據(jù)將會導(dǎo)致Qos的極大地下降，而另一部分數(shù)據(jù)的優(yōu)先級較低，丟失這部分數(shù)據(jù)Qos并不會極大地下降。隨著編碼技術(shù)的發(fā)展，比如Scalable Video Coding(SVC)的發(fā)展，帶寬可調(diào)應(yīng)用變得越來越普遍，越來越多的研究者開始進行帶寬可調(diào)應(yīng)用的研究。論文17介紹了數(shù)字廣播系統(tǒng)中的分層調(diào)制方式，分層調(diào)制有兩部分星座圖，一部分是基本的星座圖，將用于傳輸優(yōu)先級很高的數(shù)據(jù)，另一部分是二級星座圖，將用于傳輸優(yōu)先級比較低的數(shù)據(jù)。圖 3分層調(diào)制的星座圖圖 3是一個分層調(diào)制的星座圖，采用的調(diào)制解調(diào)方式是16QAM的基本層和QPSK的加強層，圖中方塊表示的是一級星座圖，用于傳輸優(yōu)先級比較高的數(shù)據(jù)，圖中圓形表示的是二級星座圖，用于傳輸優(yōu)先級比較低的數(shù)據(jù)。Lin Cai等討論了可伸縮調(diào)制在可擴展無線視頻點播系統(tǒng)中的應(yīng)用18，分層調(diào)制需要特殊的硬件和很高的復(fù)雜度，并不適合在無線設(shè)備上使用，作者提出了一種基于軟件的可伸縮調(diào)制（s-mod）。文中的方法使用了基于軟件的位重映射機制，減少了硬件復(fù)雜度。Attilio等討論了可伸縮性編碼在802.11e中的應(yīng)用給網(wǎng)絡(luò)帶來的改進19，802.11e通過了不同的服務(wù)類，提供了不同層次的傳輸優(yōu)先級。而SVC也將視頻流分成了不同的優(yōu)先級，文中將兩者結(jié)合起來，最后的結(jié)果表明在擁塞的網(wǎng)絡(luò)環(huán)境中，視頻質(zhì)量將得到很好的提高。2.3 存在的問題與結(jié)論現(xiàn)有大部分頻譜分配算法的需求處理模型是批量處理模型。批量處理模型的處理流程是用戶提交需求，然后在一個周期后，系統(tǒng)將對收集的需求進行頻譜分配，在一個周期內(nèi)，用戶將會擁有頻譜的使用權(quán)。在下一個周期內(nèi)，用戶如果繼續(xù)需要頻譜，那么用戶仍然要再次進行申請。這樣的需求處理模型會在部分程度上簡化了頻譜分配算法的設(shè)計，但是因為需求持續(xù)多個周期的用戶需要多次申請，故而會增加系統(tǒng)開銷，而且用戶提交頻譜申請后不能立即得到頻譜，所以增加了用戶的等待時間。和批量處理模型相對應(yīng)的是在線處理模型，在線處理模型的流程是系統(tǒng)接受到用戶的請求后，立即處理請求，然后返回處理結(jié)果。此外，這些頻譜分配算法在分配時候都沒有考慮應(yīng)用的帶寬可調(diào)特性，在網(wǎng)絡(luò)頻譜資源緊張的時候仍然滿足一部分人的全部需求，而另一部分人的需求會一點也得不到滿足，這樣就破壞了用戶之間的公平性。現(xiàn)有的面向帶寬可調(diào)應(yīng)用的頻譜使用方法僅考慮了數(shù)據(jù)的優(yōu)先級特性，但是在頻譜資源緊張的時候，低優(yōu)先級的數(shù)據(jù)仍然會占用部分帶寬，不能有效地緩解頻譜資源緊張的狀況。認知網(wǎng)絡(luò)現(xiàn)有的大部分頻譜分配方法采用的需求處理模型不利于提高用戶的滿意度，而且沒有很好的利用應(yīng)用的帶寬可調(diào)特性。所以，本畢設(shè)旨在研究與實現(xiàn)一個面向帶寬可調(diào)應(yīng)用的頻譜分配算法，其需求處理模型采用在線處理模型，即用戶提交需求后，系統(tǒng)立即分配頻譜，如果頻譜資源緊張，那么，用戶的滿意度為。第3章 研究目標與內(nèi)容3.1 研究目標本畢設(shè)的研究目標是設(shè)計與實現(xiàn)一個面向帶寬可調(diào)應(yīng)用的頻譜分配算法，其需求處理模型是在線處理模型，算法輸入是實時的用戶頻譜請求，算法的輸出是分配給用戶的頻譜帶寬。3.2 研究內(nèi)容圖 4清楚地闡述研究內(nèi)容以及研究目標和研究內(nèi)容之間的關(guān)系。圖 4研究目標和研究內(nèi)容關(guān)系圖為達到本畢設(shè)的研究目標，可以將其分解成兩個研究問題：一個是在線請求處理模型的資源預(yù)留問題，另一個是高效且?guī)捒烧{(diào)的頻譜訪問問題。在線請求處理模型的資源預(yù)留問題包括兩個研究內(nèi)容：第一部分是估計算法的輸入，算法輸入的特性對算法的性能是非常重要信息，如果能對算法的輸入特性進行有效地估計，將能提高算法的性能，所以需要通過使用歷史數(shù)據(jù)對客戶流進行估計。第二部分是對系統(tǒng)進行建模，并求解出其中的參數(shù)。高效且?guī)捒烧{(diào)的頻譜訪問問題有一個研究內(nèi)容是基于軟件無線電的動態(tài)頻譜訪問的實現(xiàn)。3.2.1 基于歷史數(shù)據(jù)對客戶流進行估計將時間離散化，每個時間間隔內(nèi)到達的客戶的人數(shù)可以表示成，未來的時間間隔內(nèi)到達的人數(shù)可以表示為?？梢钥闯梢粋€時間序列，可以采用時間序列分析的研究方法對其進行估計，即使用估計。3.2.2 頻譜分配問題的建模和求解頻譜分配問題可以使用排隊系統(tǒng)對其建模，排隊系統(tǒng)有四個屬性，分別是客戶到達速率，客戶持續(xù)時間，服務(wù)規(guī)則以及服務(wù)臺的數(shù)目。頻譜分配問題的客戶是用戶的請求，客戶的持續(xù)時間是請求的持續(xù)時間，服務(wù)規(guī)則可以假設(shè)為先來先服務(wù)，服務(wù)臺的數(shù)目是系統(tǒng)初始時預(yù)定的最大負載人數(shù)，即在客戶數(shù)目未達到預(yù)定的最大負載人數(shù)的時候，系統(tǒng)不能拒絕客戶的請求。為了更好的利用應(yīng)用的帶寬可調(diào)性，我們提出滿意度的概念，即如果用戶的需求頻譜寬度為，系統(tǒng)的滿意度為，那么用戶將得到的頻譜寬度為。面向帶寬可調(diào)應(yīng)用的頻譜分配問題可以看成排隊系統(tǒng)的一個變種，不同之處是在普通的排隊系統(tǒng)中，每個客戶占用的資源是一樣的，而在新的系統(tǒng)中，不同的客戶所占用的資源不一定是相同的。系統(tǒng)的總的頻譜資源寬度假設(shè)為，每個用戶請求的頻譜寬度為，t時刻系統(tǒng)中的用戶數(shù)目為，每個用戶的滿意度為，所以占用的總的頻譜為，如果，那么在現(xiàn)有客戶不離開的情況下，新來的客戶就無法得到滿足。所以可以在比較接近時，降低新來的用戶的，來緩解客戶壓力。通過對系統(tǒng)求解，可以得到用戶的滿意度的變化曲線。3.2.3 基于軟件無線電的頻譜訪問方法的實現(xiàn)基于軟件無線電的頻譜訪問方法指用戶得到中間節(jié)點的分配回復(fù)后，用戶通過訪問這段頻譜和中間節(jié)點通訊，達到訪問網(wǎng)絡(luò)的目的。由于中間節(jié)點采用的是基于滿意度的分配，所有分配的帶寬并不是固定的，現(xiàn)有的調(diào)制解調(diào)方式很難滿足這種要求，可以采用基于軟件無線電的調(diào)制解調(diào)方式來滿足這個要求。通過動態(tài)的改變系統(tǒng)的參數(shù)來達到動態(tài)改變帶寬的目的。第4章 關(guān)鍵技術(shù)和難點4.1 ARMA模型或其變種的求解對客戶流進行預(yù)測時，我們可以參考時間序列分析和預(yù)測的研究成果，因為客戶的到達人數(shù)序列就是一個時間序列。在研究時間序列分析和預(yù)測的時候，研究人員提出了ARMA模型，其是將自回歸和移動平均模型的混合的模型，ARMA(p,q)的數(shù)學(xué)表達式是：在這個公式的中，表示時間序列和其期望的差值，即，是一個白噪聲序列，其方差為，其中是模型的參數(shù)，p是自回歸的階數(shù)，而q是移動平均的階數(shù)。當使用ARMA模型預(yù)測客戶輸入流的時候，我們需要使用歷史數(shù)據(jù)計算p+q+2個參數(shù)，分別是：。ARMA模型的一個重要假設(shè)是時間序列是平穩(wěn)的，如果時間序列是非平穩(wěn)的我們可以采用一定的方法將其轉(zhuǎn)變成為平穩(wěn)的，然后使用ARMA模型進行預(yù)測。這就產(chǎn)生了ARIMA模型，其對應(yīng)的轉(zhuǎn)變方法是差分，即對原序列進行差分轉(zhuǎn)換。這種差分轉(zhuǎn)換可以將帶有遞增趨勢的時間序列轉(zhuǎn)變成為平穩(wěn)的。時間序列的期望隨時間線性增加，進行一次差分以后，就可以將原時間序列轉(zhuǎn)變成平穩(wěn)的。ARIMA可以表示成ARIMA(p,d,q)，p表示ARIMA模型的自回歸的階數(shù)，q表示ARIMA的移動平均的階數(shù)，d表示ARIMA的差分的階數(shù)。差分的方法的一個缺陷是無法處理季節(jié)性的時間序列，差分后仍然為非平穩(wěn)時間序列，這時就采用季節(jié)性差分方法，去除季節(jié)性，這樣得到的模型就是季節(jié)性ARIMA模型(seasonal ARIMA model)。季節(jié)性ARIMA模型可以表示成ARIMA(p,d,q)x(P,D,Q)，即在ARIMA的模型上乘以一個季節(jié)性系數(shù)，P表示季節(jié)性系數(shù)的自回歸的階數(shù)，D表示季節(jié)性差分的階數(shù)，Q表示季節(jié)性的移動平均的階數(shù)。4.2 基于排隊論模型的頻譜分配問題的求解通過建模需要知道的量有兩個，一個是系統(tǒng)資源利用率與將來用戶需求之間的平衡點，以及用戶滿意度的轉(zhuǎn)變規(guī)則。資源預(yù)留的方式可以解決頻譜資源利用率和將來用戶需求之間平衡的問題。使用表示系統(tǒng)處于穩(wěn)定狀態(tài)的時候頻譜資源的利用率，通過對系統(tǒng)的建模得到t時刻系統(tǒng)平衡的頻譜資源利用率為的情況下，系統(tǒng)由于資源耗盡而無法響應(yīng)用戶的概率。通過分析可以得到越大則系統(tǒng)的頻譜利用率越高，系統(tǒng)服務(wù)用戶越多，系統(tǒng)收益也越大。另一方面，越大則越大，用戶得不到響應(yīng)的概率越大，用戶的滿意度越差，系統(tǒng)的收益又會因此而下降。所以尋找一個平衡點，使系統(tǒng)的總收益最大。如果系統(tǒng)資源的利用率大于，那么就需要降低系統(tǒng)的用戶的滿意度至，如果系統(tǒng)的頻譜資源的利用率小于，那么就可以提高系統(tǒng)的用戶的滿意度至。，和都需要通過對系統(tǒng)模型求解得出。4.3 基于軟件無線電平臺的OFDM調(diào)制解調(diào)的實現(xiàn)OFDM(Orthogonal Frequency Division Multiplexing)即正交頻分復(fù)用技術(shù)，是多載波調(diào)制的一種，其主要思想是：將信道分成若干正交子信道，將高速數(shù)據(jù)信號轉(zhuǎn)換成并行的低速子數(shù)據(jù)流，調(diào)制到在每個子信道上進行傳輸。通過在軟件無線電平臺上實現(xiàn)OFDM，實現(xiàn)動態(tài)改變子信道數(shù)目的要求，最后達到動態(tài)改變帶寬的目的。第5章 擬采用的實驗方案5.1 實驗軟硬件平臺介紹本畢設(shè)擬采用的軟件無線電平臺為GNU Radio開源軟件無線電平臺。其主要基于Linux操作系統(tǒng)，采用C+結(jié)合Python腳本語言進行編程。硬件前端采用Matt Ettus設(shè)計的射頻前端USRP來實現(xiàn)如圖 5，USRP可在0GHz2.9GHz載頻上提供高達16MHz帶寬的信號收發(fā)能力。圖 5 USRP硬件實物圖5.2 擬采用的實驗方案5.2.1 頻譜分配算法仿真驗證通過使用仿真的方法模擬五種情況作為輸入來驗證頻譜分配算法，這五種情況分別是顧客固定平均到達速率，顧客平均到達速率上階躍變化，顧客平均到達速率下階躍變化，顧客平均到達速率線性上升變化，顧客到達速率線性下降變化。這個實驗的目的是得到系統(tǒng)在不同情況下的性能和穩(wěn)定時間。5.2.2 頻譜分配方法真實數(shù)據(jù)驗證通過使用從CRAWDAD網(wǎng)站上得到的真實的wifi網(wǎng)絡(luò)的數(shù)據(jù)wifidog20來驗證頻譜分配算法。Wifidog數(shù)據(jù)是在140多個熱點上收集了45,000個用戶的會話的數(shù)據(jù)。它包含的信息包括用戶的到達時間、離去時間和用戶請求的帶寬寬度。將這些數(shù)據(jù)作為輸入可以驗證頻譜分配算法。5.2.3 基于軟件無線電平臺的OFDM調(diào)制解調(diào)實驗驗證用兩個節(jié)點分別模擬中間節(jié)點和用戶節(jié)點，在兩個節(jié)點上使用OFDM調(diào)制解調(diào)方式，調(diào)整通訊能量，子信道數(shù)目和節(jié)點之間的距離等參數(shù)統(tǒng)計OFDM調(diào)制解調(diào)實現(xiàn)的性能。5.2.4 面向帶寬可調(diào)應(yīng)用的頻譜分配算法的綜合實驗用三個節(jié)點分別模擬中間節(jié)點和兩個用戶節(jié)點，中間節(jié)點有3根天線，一根用于接收用戶之間的請求，另外兩根用于和用戶進行通訊。通訊采用的是調(diào)制解調(diào)方式是OFDM，用戶的需求是基于SVC的可伸縮性視頻點播應(yīng)用。兩個用戶觀看的視頻是同一個視頻，但由于用戶到達的先后的順序不同，用戶的得到的帶寬也就不同，最后用戶觀看的視頻效果也就不同。實驗的場景圖如圖 6所示：圖 6實驗場景圖第6章 已完成的工作6.1 面向帶寬可調(diào)應(yīng)用的頻譜分配算法部分工作申請專利一篇：一種基于拍賣和滿意度模型的動態(tài)頻譜分配方法6.2 基于軟件無線電的OFDM調(diào)制解調(diào)的實現(xiàn)完成了基于軟件無線電的OFDM的調(diào)制解調(diào)的實現(xiàn)的部分工作，對應(yīng)于研究內(nèi)容4的部分內(nèi)容。第7章 研究計劃與成果形式7.1 論文研究計劃與時間安排2010.112011.2 完成基于ARMA模型的用戶需求的預(yù)測部分工作，并撰寫一篇小論文。2011.32011.5完成基于軟件無線電的OFDM的調(diào)制解調(diào)部分的剩余工作。2011.62011.7 完成認知網(wǎng)絡(luò)協(xié)議的設(shè)計與實現(xiàn)。2011.82011.9 完成最后系統(tǒng)的整合以及最后的大實驗。2011.102011.12 撰寫畢業(yè)論文7.2 成果形式面向帶寬可調(diào)應(yīng)用的頻譜分配算法學(xué)術(shù)論文一篇?；贏RMA模型的客戶流的預(yù)測學(xué)術(shù)論文一篇。認知網(wǎng)絡(luò)MAC協(xié)議、OFDM調(diào)制解調(diào)和SVC視頻編碼的實現(xiàn)，相關(guān)文檔和源碼。面向帶寬可調(diào)應(yīng)用的頻譜分配算法的研究與實現(xiàn)研究生論文一篇。References: 1.Spectrum policy task force report. 2002, Federal Communications Commision. 2.Roberson, D.A. Structural Support for Cognitive Radio System Deployment. in 2nd International Conference on Cognitive Radio Oriented Wireless Networks and Communications, 2007. CrownCom 2007. 2007. 3.Mitola III, J. and G.Q. Maguire Jr, Cognitive radio: making software radios more personal. IEEE personal communications, 1999. 6(4): p. 13-18. 4.Mitola, J., Cognitive radio: an integrated agent architecture for software defined radio. Doctor of Technology, Royal Inst. Technol.(KTH), Stockholm, Sweden, 2000. 5.FCC, E.T., Docket No 03-222 Notice of proposed rule making and order. 2003. 6.Thomas, R.W., et al. , Cognitive networks: adaptation and learning to achieve end-to-end performance objectives. IEEE Communications Magazine, 2006. 44(12): p. 51-57. 7.Thomas, R., Cognitive networks. 2007, Virginia Polytechnic Institute and State University: United States - Virginia. 8.Thomas, R., et al. , Cognitive networks. Cognitive Radio, Software Defined Radio, and Adaptive Wireless Systems, 2007: p. 17-41. 9.Buddhikot, M.M. and K. Ryan, Spectrum management in coordinated dynamic spectrum access based cellular networks, in 1st IEEE International Symposium on New Frontiers in Dynamic Spectru Access Networks(DySPAN). 2005.10.Milind M. Buddhikot, P.K.S.M. DIMSUMNet: New Directions in Wireless Networking Using Coordinated Dynamic Spectrum Access. in Proceedings of the Sixth IEEE International Symposium on a World of Wireless, Mobile and Multimedia Networks(WoWMoM'05). 2005. Taormina : IEEE Computer Society.11.Subramanian, A.P. and H. Gupta. Fast spectrum allocation in coordinated dynamic spectrum access based cellular networks. in in 2nd IEEE Symposium on New Frontiers in Dynamic Spectrum Access Networks, DySPAN 2007. 2007.12.Subramanian, A.P., et al. Near-optimal dynamic spectrum allocation in cellular networks. in 3rd IEEE Symposium on New Frontiers in Dynamic Spectrum Access Networks, 2008. DySPAN 2008. 2008. Chicago,Illinois.13.Al-Ayyoub, M., M.M. Buddhikot and H. Gupta, Self-regulating Spectrum Management: A Case of Fractional Frequency Reuse Patterns in LTE Networks, in 2010 IEEE Symposium on New Frontiers in Dynamic Spectrum Access Network. 2010.14.Buddhikot, M.M. Cognitive Radio, DSA and Self-X: Towards Next Transformation in Cellular Networks (Extended Abstract). in 2010 IEEE Symposium on New Frontiers in Dynamic Spectrum Access Network. 2010.15.Kloeck, C., H. Jaekel and F.K. Jondral. Dynamic and local combined pricing, allocation and billing system with cognitive radios. in New Frontiers in Dynamic Spectrum Access Networks, 2005. DySPAN 2005. 2005 First IEEE International Symposium on. 2005.16.Argyroudis, P., et al. , A policy-driven trading framework for market-based spectrum assignment, in 2nd IEEE Symposium on New Frontiers in Dynamic Spectrum Access Network. 2007.17.Jiang, H. and P.A. Wilford, A hierarchical modulation for upgrading digital broadcast systems. Broadcasting, IEEE Transactions on, 2005. 51(2): p. 223-229.18.Cai, L., et al. Scalable modulation for scalable wireless videocast. in INFOCOM, 2010 Proceedings IEEE. 2010: IEEE.19.Fiandrotti, A., et al. Traffic prioritization of H. 264/SVC video over 802.11 e ad hoc wireless networks. in Proc. of the IEEE ICCCN 17th International Conference on Computer Communications and Networks. 2008.20.Lenczner, M., B. Grégoire and F. Proulx, CRAWDAD data set ilesansfil/wifidog (v. 2007-08-27). 2007.13