[论文解读] A Fair Scheduling Model for Centralized Cognitive Radio Networks

Didem Gözüpek, Fatih Alagöz|arXiv (Cornell University)|Sep 9, 2013

Cognitive Radio Networks and Spectrum Sensing参考文献 38被引用 4

一句话总结

本文提出了一种用于集中式认知无线电网络的广义公平调度模型，该模型在异构多信道环境下，联合优化多天线次用户在频谱、时隙和数据速率分配方面的资源分配。通过采用滑动窗口机制引入近期吞吐量历史数据，该模型在保证主用户保护、可靠CBS-SU通信以及避免碰撞的前提下，同时实现了时间公平性和吞吐量公平性。仿真结果表明，启发式算法的性能接近CPLEX和KNITRO求解器的最优解。

ABSTRACT

We formulate throughput maximizing, max-min fair, weighted max-min fair, and proportionally fair scheduling problems for cognitive radio networks managed by a centralized cognitive base station. We propose a very general scheduling model accomplishing goals such as making frequency, time slot, and data rate allocation to secondary users with possibly multiple antennas, in a heterogenous multi-channel and multi-user scenario. Moreover, our schedulers ensure that reliable communication between the cognitive base station and secondary users are maintained, no collisions occur among secondary users, and primary users in the service area of the cognitive base station are not disturbed. Two distinctive features of our fair schedulers are that they provide joint temporal and throughput fairness, and take throughput values experienced by secondary users in the recent past, referred to as window size, into account and use this information in the current scheduling decision. We also propose a heuristic algorithm for our fair schedulers and demonstrate through simulations that our proposed heuristic yields very close solutions to the values obtained from the optimization softwares. Furthermore, we make extensive simulations to evaluate our schedulers' performance in terms of both total throughput and fairness for varying number of secondary users, frequencies, antennas, and window size.

研究动机与目标

• 为解决具有动态频谱接入能力的集中式认知无线电网络中的公平且高效的资源分配挑战。
• 在确保主用户不受干扰的同时，维持认知基站与次用户之间的可靠通信。
• 设计一个统一的调度框架，支持多种公平性准则：最大最小公平、加权最大最小公平以及比例公平。
• 将过去吞吐量表现（通过滑动窗口机制）纳入当前调度决策，以平衡公平性与吞吐量。
• 设计一种启发式算法，使其在不依赖计算密集型求解器的情况下，能近似最优解。

提出的方法

• 在集中式控制下，提出四个调度问题：吞吐量最大化、最大最小公平、加权最大最小公平以及比例公平。
• 引入一种滑动窗口机制，用于存储次用户的近期吞吐量值，以指导当前的调度决策。
• 设计一种贪心启发式算法，专用于最大最小公平与比例公平，且可适配不同公平性目标。
• 通过防止次用户传输期间对主用户造成任何干扰或被其检测到，确保主用户保护。
• 通过协调时隙与频率分配，确保次用户之间无碰撞。
• 采用联合优化框架，实现多天线与多信道环境下频率、时隙和数据速率的联合分配。

实验结果

研究问题

• RQ1 集中式认知基站如何在最大化系统吞吐量并保护主用户的同时，公平地分配频谱资源？
• RQ2 在动态频谱接入中，引入过去吞吐量表现在多大程度上能提升公平性与系统适应性？
• RQ3 在不依赖计算密集型求解器的情况下，启发式算法能否在公平调度问题中实现近似最优性能？
• RQ4 在不同网络条件（如用户数量和信道异构性）下，不同公平性准则（最大最小公平、加权最大最小公平、比例公平）的表现如何？
• RQ5 在调度机制中调整窗口大小时，总吞吐量与公平性之间存在何种权衡？

主要发现

• 所提出的启发式算法在调度性能上非常接近CPLEX和KNITRO优化软件的解，验证了其实际可行性。
• 增大窗口尺寸不会降低最大最小公平或比例公平调度器的性能，但在加权最大最小公平调度中，会以增加与目标权重偏差为代价，提升总吞吐量。
• 在次用户数量较少时，吞吐量最大化调度器的公平性指数仅略低于公平调度器，因此是可行的选择。
• 在具有大量次用户且信道高度异构的条件下，比例公平调度器相比最大最小公平调度器，在公平性与总吞吐量之间提供了更优的权衡。
• 加权最大最小公平调度器通过支持基于目标权重的优先级吞吐量分配，实现了服务差异化。
• 滑动窗口机制能有效补偿临时的吞吐量损失，从而在不牺牲系统效率的前提下，随时间提升公平性。