适用于宽带网络波形的基于定价策略的时隙选择^*

王 昭^*

(中国西南电子技术研究所，成都 610036)

摘 要： 针对宽带网络波形(Wideband Networking Waveform，WNW)的多信道二维时频资源，以减小网络资源浪费为优化目标，提出了一种基于定价策略的时隙选择方法(Pricing Strategy Based Slot Selection，PSSS)。该方法通过接纳控制保障资源分配的公平性，采用对偶优化建模与椭圆搜索法实现最优的时隙选择。理论分析证明该方法能够在多项式级别时间复杂度内搜索到时隙选择的最优解。仿真结果表明，提出的PSSS算法通过较低资源浪费获得了较低的容量冗余度，能够有效地解决WNW多信道网络的时隙选择问题。

关键词： 宽带网络波形；时隙选择；定价策略；对偶优化；椭圆搜索法

1 引 言

宽带网络波形(Wideband Networking Waveform，WNW)是美军联合战术电台系统(Joint Tactical Radio System，JTRS)波形库中一种新型波形协议标准，是美国战术互联网的基础。WNW波形采用统一时隙分配协议(Unifying Slot Assignment Protocol，USAP)进行JTRS电台自组网，利用发送节点发起的多跳分布式按需动态分配时隙的媒体接入控制(Media Access Control，MAC)机制，是一种基于多信道时分多址(Time Division Multiple Access，TDMA)结构的多跳自组织战术网络。传统的自组织网络(ad hoc)常采用竞争接入的MAC机制，如ALOHA协议与载波侦听多址接入(Carrier Sense Multiple Access，CSMA)协议。在前人研究工作中，文献[1]利用李雅普诺夫偏移与队列稳定性估计每个时隙的节点传输概率，通过搜索最优的传输概率参数提出了分布式的多信道时隙ALOHA算法，并仿真验证了该算法能够获得近似于最优解的性能；文献[2]在CSMA协议的基础上通过短帧的控制信令交互计算允许在一跳范围内共存的多跳链路，通过串行干扰消除(Successive Interference Cancellation，SIC)在接收端剥离干扰信号并实现有用信号的成功解调，从而显著地提升网络容量。然而，基于竞争的MAC机制无法有效地保证网络消息的可靠传输与低时延抖动需求，在高业务负载的场景下可能导致较差的用户体验，因此需要基于预约申请与反馈的无冲突MAC机制。在WNW网络中，USAP允许发送节点从未分配的时隙池中选择一个或多个时隙，通过各邻节点之间对时隙分配的声明和确认，将时隙分配信息传至两跳范围，从而实现射频共享域内的无冲突资源分配。文献[3]对USAP协议进行了深入研究与仿真，验证了采用USAP协议可以实现分布式组网，并能很好地解决时隙冲突问题。

业界对USAP算法的研究主要集中在如何在分布式环境下动态感知哪些时隙可用的问题，却没有给出如何根据传输需求在所有可用时隙中选择最合适时隙的方法，而时隙选择结果直接影响业务传输的服务质量以及整个网络的资源利用率。针对WNW的多信道二维资源结构，利用USAP协议的可用时隙资源的判定方法，本文重点在于提出一种基于定价策略的高效时隙选择算法(Pricing Strategy Based Slot Selection，，PSSS)，在利用接纳控制对传输需求进行公平性处理后，利用对偶优化与椭圆搜索方法获得最优解，使网络节点在各信道上选择的时隙满足传输容量需求，尽可能少地占用网络资源，从而实现网络资源的最优分配。

2 系统模型

2.1 USAP协议的帧结构描述

在WNW中，USAP协议的帧结构^[4]划分如图1所示。帧结构由时频二维资源构成，每帧包含S 个时隙与F 个信道，用RB (s ,f )表示时隙号为s 、信道号为f 的时隙资源。时隙集合和信道集合分别为S ={0,1,…,S -1}和F ={0,1,…,F -1}。S 个时隙中由1个控制时隙与S -1个数据时隙构成，控制时隙用于时隙分配信令的交互，数据时隙用于业务信息的传输。由于WNW中信道带宽都是可变的，根据不同信道情况和应用要求变换带宽，以提高频谱利用率和减少宽带干扰的引入，因此可将有限的频带资源设计成带宽不等的多个信道，分别支持不同的传输速率，对应不同的覆盖距离。本文需要解决的问题是节点如何在一帧所有可用的数据时隙资源中选择一个或多个RB (s ,f )来满足传输需求，即确定每个所选时隙的时隙号s 与信道号f 。

图1 USAP协议的帧结构

2.2 可用时隙资源判定

对于参与WNW网络的任意节点i ，根据战术应用可能产生业务发送给网络所有相邻节点的广播需求或者给任意相邻节点j 的单播需求。邻居集合定义为J ={1,…,J }。文献[4]描述了USAP协议，并提出了可用时隙资源的判定。用STi (s ,f )与SRi (s ,f )分别表示节点i 在RB (s ,f )是否发送与接收，STi (s ,f )、SRi (s ,f )∈{0,1}，用NTi (s ,f )与NRi (s ,f )分别表示节点i 在RB (s ,f )是否存在邻居节点发送与接收，NTi (s ,f )、NRi (s ,f )∈{0,1}。

对于i →j 的单播需求，满足以下所有条件的RB (s ,f )称为可用时隙资源：

充分发挥农业公益性社会服务机构在农业科技推广中的主体作用。建立公益性农技推广体系，以满足农民的科技需求为出发点，以服务农民的成效为检验标准。建立健全农技推广运行机制，培养建设农业科技示范户和示范基地，开展农技人员培训，促进农业产业技术体系与技术推广体系对接。加速农业新机制形成，完善农业科技成果转化快速通道，全面提升公益性农技推广体系的公共服务能力。

(1)节点i 在时隙s 既不发送也不接收，即

STi (s )=∪_f∈F STi (s ,f )=0且
SRi (s )=∪_f∈F SRi (s ,f )=0；

(2)节点j 在时隙s 既不发送也不接收，即

STj (s )=∪_f∈F STj (s ,f )=0且
SRj (s )=∪_f∈F SRj (s ,f )=0；

(3)节点i 的所有邻节点在RB (s ,f )不接收，即

NRi (s ,f )=∪_j∈J SRj (s ,f )=0；

(4)节点j 的所有邻节点在RB (s ,f )不发送，即NTj (s ,f )=0。

对于节点i 的广播需求，满足以下所有条件的RB (s ,f )称为可用时隙资源：

最后依据对偶优化问题定义^[6]，本节建模了优化问题P1的对偶优化问题如下：

STi (s )=0且SRi (s )=0；

(2)节点i 的所有邻居节点在时隙s 既不发送也不接收，即

NTi (s )=∪_f∈F NTi (s ,f )=0且
NRi (s )=∪_f∈F NRi (s ,f )=0；

(3)节点i 的所有两跳邻居节点在资源块RB (s ,f )不发送，即NTk (s ,f )=∪_j∈J NTj (s ,f )=0。

。

2.3 传输需求的接纳控制

在分布式组网环境下，必须考虑资源分配的公平性，以防止部分节点占用过多的资源而导致部分节点“饿死”的现象，通常对每个节点的传输需求进行接纳控制。本文设定每个节点的额定需求容量为R _th。当节点i 的所有需求容量之和不大于R _th时，接纳控制直接输出每个i →j 单播需求R _j 与广播需求R _i ；否则按照优先级顺序从所有传输需求中依次抽取，直到累加的需求容量之和接近R _th为止，并输出每次抽取后的R _j 与R _i 。

2.4 时隙选择问题建模

s.t.C1:x _i,j (s ,f )+min{1,STi (s )+SRi (s )+STj (s )+

(1)

(2)

式中：r _i,j (s ,f )与r _i (s ,f )分别表示节点i 在RB (s ,f )上发送单播业务(i →j )与广播业务的传输速率；r _max表示在F 个信道中支持的最大传输速率；且与分别表示节点i 发送单播业务(i →j )与广播业务时由于覆盖距离等原因带来的速率限制，若在RB (s ,f )上的传输速率大于该限制，则设置价格为无穷大；w _i (s ,f )取平方表示占用资源块用于发送广播数据需支付更高的价格。

∀j ,

在进行接纳控制后，为了实现资源利用率的最大化，尽可能少地占用网络资源，考虑到定价策略通过定价模型能够根据资源调度状态调整时隙选择的价格参数，具有动态匹配用户需求与资源调度的优势^[5]，本文采用定价策略对时隙选择问题进行建模。在定价模型中描述每个时隙占用的费用，定义w _i,j (s ,f )与w _i (s ,f )分别表示节点i 占用RB (s ,f )用于单播需求与广播需求的价格：

SRj (s )+NRi (s ,f )+NTj (s ,f )}≤1,∀j ,s ,f ,

C2:x _i (s ,f )+min{1,STi (s )+SRi (s )+NTi (s )+

NRi (s )+NTk (s ,f )}≤1,∀s ,f ,

∀s ,

在满足接纳控制后的单播及广播需求的前提下，以占用最少的网络资源为优化目标构建费用函数f (X _i,j ,X _i )，其数学建模如下：

C6:x _i,j (s ,f ),x _i (s ,f )∈{0,1},∀j ,s ,f 。

班主任的管理措施不仅影响大学生参与班级自主管理的态度和方式，也影响班干部管理职责的落实。有些班主任过多干涉班级管理事务，甚至有较为明显的“独裁”倾向，往往将班级的大小事情一手包办，这等于剥夺了大学生特别是班干部的班级管理权；有些班主任赋予班干部太多的自由和权限，班级事务一切由班干部当家作主，缺乏对他们工作的指导和监督，反而导致班级陷入一种无序的状态。上述举措伤害了大学生对班集体的情感，削弱了他们的集体意识和责任心，其后果是人心涣散，使大学生失去了对班主任、班干部和班级的积极期待，影响了班集体建设。

式中：优化变量X _i,j ={x _i,j (s ,f ),∀s ,f },∀j 和X _i ={x _i (s ,f ),∀s ,f }分别表示节点i 的单播与广播时隙资源的选择结果，若x _i,j (s ,f )=1，则表明节点i 选择了该RB (s ,f )发送单播业务(i →j )；若x _i (s ,f )=1，则表明节点i 选择了该RB (s ,f )发送广播业务。约束条件C1、C2来源于USAP协议中单播发送与广播发送需要满足的必要条件；约束条件C3来源于节点设备的单发限制；约束条件C4用于满足节点i 发送单播业务(i →j )的传输需求；约束条件C5用于满足节点i 发送广播业务的传输需求；约束条件C6表示时隙选择的0-1二进制约束。

纳入标准：①双上肢麻木、步态不稳和体格检查符合颈椎病，经保守治疗无效的患者；②具有阳性症状和体征，如腱反射亢进、霍夫曼征阳性和四肢感觉麻木、肌力减退等；③C3～C7无节段不稳和后凸畸形的患者。

信息服务作为高校图书馆工作的重点工作之一，随着技术的发展一直处于改革与创新当中，这既是信息化社会发展的需要，也是促进高校图书馆自身发展的需要。笔者在分析论述新媒体环境下信息服务特征的基础上，面对民族高校图书馆信息服务创新发展面临的障碍，提出民族图书馆信息服务发展要充分认识新媒体环境下对高校图书馆的影响，主动改进信息服务模式，拓展技术服务的发展空间，将技术创新与服务创新有机结合，依托技术力量不断创新服务理念，深化改革服务方式，开拓信息服务新模式，这样才能为读者提供更贴心、更方便、更快捷、更有针对性的信息服务，构筑民族高校图书馆的核心竞争力。

3 PSSS算法设计

优化问题P1为整数线性规划问题，其优化变量X 的二进制约束使得求解优化问题P1不存在通用的优化方法^[6]，常采用时间复杂度为指数级别的遍历搜索法来获得P1的最优解。为了降低求解复杂度，本文采用对偶优化方法进行求解，并保证P1的对偶问题的最优解可满足优化变量X 的二进制约束，通过时间复杂度为多项式级别的椭圆搜索法来设计高效的时隙选择算法。

3.1 对偶优化分解

首先通过引入对偶变量λ =[λ _i ;[λ _i,j ]_J×1 ]，依据拉格朗日函数理论^[6]，定义拉格朗日函数L (λ ,X )如下：

实验组则同时实施柴胡疏肝散加减治疗,即在美托洛尔治疗的基础上,实施柴胡疏肝散加减治疗,其主要的药物成分为12克柴胡、10克陈皮、6克白芍、10克川芎、6克木香、6克香附、15克酸枣仁、6克枳壳、6克甘草,将以上药物水煎,患者口服用药,每天用药1剂,分早晚2次用药。

L (λ ,X )=

通过对上述可用时隙资源的判定方法分析可以看出，广播需求对可用时隙的约束限制远高于单播需求，对网络资源的消耗远大于单播传输需求，因此在时隙选择算法上需要对单播需求与广播需求区分对待。

(3)

其次依据对偶函数定义^[6]，将优化问题P1的拉格朗日对偶函数构建为

(4)

对偶函数g (λ )的最优解X ^*可通过求解线性规划获得。令

(5)

(6)

然后对于任意时隙s ，定义集合φ (s )={φ _i,j (s ,f ),φ _i,B (s ,f ),∀j ,f }的最小值所对应的元素为φ _i,j ^*(s ,f ^*)。若集合φ (s )存在多个最小值元素，则选取任意一个最小值元素，其结果不影响对偶函数g (λ )的取值。因此，拉格朗日对偶函数g (λ )的最优解X ^*为

(7)

(8)

(1)节点i 在时隙s 既不发送也不接收，即

TD-LTE网络中大气波导干扰的分析与预测…………………………………………… 孙天宇，周婷，杨24-2-19

3.2 椭圆搜索法求解

本节点采用椭圆搜索法^[7]求解优化问题P2的最优解λ ^*。椭圆搜索法包含以下三个步骤：

三是以人民为中心，不断优化金融消费者咨询投诉处理机制。“12363”咨询投诉电话开通四年来，全省共接受投诉1528起，受理咨询8453起，办结率达到100%，有效服务了各类金融消费者。

Step 1 初始化。确定最优解λ ^*所在的一个封闭有界候选集合，确保满足0≤λ ^*≤λ _max，并构建初始椭圆。

Step 2 平面切割。计算对偶函数g (λ )在当前椭圆中心点处的次梯度d (λ )，然后，基于次梯度d (λ )的方向进行椭圆切割。

Step 3 收敛。持续地进行平面切割操作直至候选集合足够小则收敛至λ 的最优解。

在Step 1中，本节构建了λ 的候选集合的最小外接椭圆，定义为

在编制财务预算过程中，要确保其口径、范畴等要素和财务决算报表间的统一性，需依照“从上至下、分级式制定、上级审核”的流程进行工作，相关人员要理性的结合企业上一年度的预算执行状况，以完善预算编制相关指标的合理性与可执行性。并确保财务预算的各种报表与数据间建设良好的联动关系，相互牵制与促进，最后构建一个相对完善的预算管理体系。

ξ ⁽⁰⁾(S ₀,z ₀)≜{λ |(λ -z ₀)^TM ₀^-1(λ -z ₀)≤1}。

(9)

式中：M ₀=δ ·[diag(λ _max)]²,z ₀=0.5λ _max且δ =dim(λ )为λ 的维度。

在Step 2中，本节首先提出并证明定理1用于获得最优解相对于椭圆圆心的分布区域，从而确定平面切割的参数。

定理1：给定对偶变量λ ，则对偶函数g (λ )的次梯度d (λ )可定义为

d (λ )=[d _i ;[d _i,j ]_J×1 ]。

(10)

式中：

(11)

(12)

证明：对于优化问题P2的任意可行解ν =[ν _i ;[ν _i,j ]_J×1 ]，可得

(13)

依据次梯度的定义可以证明d (λ )是拉格朗日对偶函数g (λ )的次梯度。

在获得初始椭圆(9)和次梯度(10)之后，在平面切割的第m 次迭代中，如果椭圆的圆心位于可行域之外，即z _m 的部分元素为负数，则可通过设定d (z _m )为z _m 在负元素处的导数值来将椭圆圆心映射至可行域内。随后依据d (z _m )的方向对当前椭圆在圆心点处进行平面切割，将与d (z _m )同向的区域切割掉。然后根据文献[7]中的椭圆搜索法，将包含此次切割后的剩余区域对应的最小外接椭圆构建为

与对照组比较，BV模型组小鼠子宫组织中TLR4蛋白表达量显著增加（P＜0.01），各剂量黄柏碱与加替沙星可减少小鼠子宫组织中TLR4表达。黄柏碱（20、40 mg/kg）与加替沙星均可有效降低小鼠子宫组织中TLR4表达量，与模型组比较差异显著（P＜0.05、0.01）。结果见图2。

2015年6～8月，正值药品稽查“农忙时节”，因丈夫被公派出国留学，黄梅不得不一边工作，一边独自带着1岁的女儿担起家庭重任。在此期间，她参与了“幸福伤风咳嗽”假药案、“小儿健胃宝”假药案、“公牛牌超速效鼻炎灵”假药案、“板蓝根冲剂”假药案等系列假药案的查处。案件数量多、案情复杂，加班成为常态，她常常不得不把年幼的女儿托付给自己年迈的母亲。

(14)

(15)

(16)

随着对椭圆平面的持续切割，由于所有的候选λ 被界定在一个封闭集合内，椭圆搜索法能够保证收敛到一个最优解λ ^*[7]，并将最优的对偶变量λ ^*代入到式(7)～(8)来获得最优解X ^*。

综上，基于定价策略的高效时隙算法步骤如下：

Step 1 输入：STi (s ),SRi (s ),STj (s ),SRj (s ),NRi (s ,f ),NTj (s ,f ),NTi (s ),NRi (s ),NTk (s ,f ),r _i,j (s ,f ),r _i (s ,f ),w _i,j (s ,f ),w _i (s ,f ),∀j ,s ,f 。

基于式(7)～(8)计算当前的λ 对应的最优解X ^*；

Step 3 基于式(9)构建初始的最小外接椭圆。

Step 4 repeat

Step 2 执行接纳控制并输出R _i 与R _j 。

基于式(10)计算当前的最小外接椭圆圆心所对应的次梯度d (λ )；

基于椭圆更新方程式(14)～(16)来更新最小外接椭圆及其圆心。

Step 5 until λ 收敛。

Step 6 输出:优化问题P1的最优解X ^*。

15) pyamid ['pɪrəmɪd] n.金字塔16) casino [kə'si:nəʊ] n.赌场；俱乐部

像身处迷雾中一般，宴西园、曼香罗、灰色翼龙以及安第斯神鹫等都没有发现当前形势的严峻，水兽紫丁儿仍在和机器人蓝蓝、橙橙进行追逐比赛。他们被装在泡泡里，在空中飞速运转着。壶天晓盯着他们，心情有些复杂。看他们那镇定自若、努力训练的样子，肯定不知泡泡外面究竟发生了什么事。这些曾被他“抛弃”的伙伴们，一直都在默默地为了跟上他的步伐而努力训练着。

综上所述，随着时代的发展，很多新的理论与技术都应用于现如今的电力系统继电保护当中，和以前相比，相关工作人员应该具备更多的业务知识来满足时代发展的需求，由此可见，相关工作人员在实际工作过程中，只有通过不断加强实践操作，对电力系统相关知识领域进行不断探索与研究，才能为我国电力事业做出贡献。

4 性能分析

4.1 仿真配置

为了对比算法性能，仿真时与启发式算法进行比较。启发式算法在每次迭代过程中随机选择一个传输需求，按照信道传输速率由大到小、时隙号由小到大的顺序依次选择可用的时隙资源，直到选取的时隙资源满足该需求后更新可用时隙资源，并继续处理下一个传输需求。

两种算法在典型场景上独立运行10 000次，每次运行使用不同的随机种子产生传输需求。算法使用Matlab编码实现，开发环境为MATLAB^® Version 7.1.0.246(R14) Service Pack 3，平台环境为Windows XP Professional SP 3操作系统，Intel^®Core^TM 2 Quad CPU Q8400 @ 2.66 GHz的CPU，以及1.96 GB的内存。

4.2 复杂度分析

本文提出的基于定价策略的高效时隙选择算法中，椭圆搜索法能够在O (δ ²)次迭代中收敛到最优解，且每次迭代的时间复杂度为O (F (S +1)(J +1))，则总时间复杂度为O (F (S +1)(J +1)³)。若采用遍历搜索法来获得最优解，时间复杂度为O (2^SF(J +1))，从而本文提出的方法能够显著地提升获取最优解的收敛速度。在启发式算法中，任意传输需求能够在O (FS )次迭代中搜索出时隙分配结果，并更新剩余的j 个传输需求的可用时隙资源，每个更新的时隙复杂度为O (FS ·j )，则总时间复杂度为O (FSJ (J +1)/2)。

4.3 仿真分析

4.3.1 网络配置

以文献[8]中提出的WNW基本参数与仿真测试场景为基础，并结合实际网络参数对网络进行配置，不失一般性与代表性。典型的网络场景如图2所示，16个节点在100 km×100 km的组网区域内呈网格均匀分布。USAP帧结构的配置参数如表1所示，其中时隙长度为8 ms,M =32。

图2 典型网络场景

表1 USAP帧结构的配置参数

在需求产生模型上，假定战术协同任务中每个节点根据战术信息交互的需要，在一次时隙分配周期内产生K 个传输需求(包括单播与广播)，K 服从均值为3的均匀分布。对单个传输需求，定义容量需求因子A 来表示表2中包含的所有类型的业务产生的概率，A ∈[0,1]。在接纳控制中，将额定需求容量R _th设置为1.4 Mb/s。

表2 传输需求的配置参数

4.3.2 结果分析

以典型场景图2中节点n ₆为例，图3给出了PSSS算法与启发式算法的容量分配结果。图3中的数据点由1 000次运行的结果平均得到，两种算法都是在相同的传输需求下进行的。

图3 容量需求与容量分配结果分析

从图3可以明显看出，当A 大于0.2时，接纳控制对实际的传输需求进行了有效的预处理，实现控制后的容量需求不超过额定需求容量R _th，从而保障了全网资源分配的公平性。由于PSSS算法采用对偶优化，时隙选择过程中不受传输需求的处理顺序的影响，从而能保障椭圆搜索法都收敛至最优解，因此在同等系统配置及传输需求条件下，PSSS算法能以最小的费用满足时隙选择的需要，比启发式算法分配的容量更接近接纳控制后的容量需求，达到了减小网络资源占用、最大化资源利用率的优化目标。

为了进一步分析网络资源占用的效果，定义容量冗余度=(分配的容量-接纳控制后的容量需求)/接纳控制后的容量需求。容量冗余度越小，表明选择的时隙资源更恰当，资源利用率越高。图4给出了PSSS算法与启发式算法的容量冗余度的柱状图，从图中可看出PSSS算法的容量冗余度明显优于启发式算法，PSSS算法在所有容量需求范围内的容量冗余度能稳定在2%左右，而启发式算法的容量冗余度随着容量需求的变化在6%～12%之间变化。

图4 容量冗余度分析

图5给出了典型场景下PSSS算法某一次运行得到的时隙选择结果，可以看出节点n ₆选择了RB (30,2)用于广播发送，选择了RB (18,4)向节点n ₂发送，选择了RB (6,5)与RB (17,5)向节点n ₇发送，选择了RB (1,5)、RB (13,5)等多个时隙向节点n ₁₀发送。

图5 时隙选择结果示例

5 结束语

在WNW中，优化时隙选择方法对提高网络资源利用率非常重要。本文针对WNW的多信道二维资源结构，利用USAP协议的可用时隙资源的判定方法，提出了一种基于定价策略的时隙选择方法。仿真结果表明，本文提出的PSSS算法为WNW提供了一种有效的时隙资源选择方法，在尽量满足传输容量需求的情况下，充分考虑网络公平性，利用对偶优化与椭圆搜索方法获得最优解，具有较低的容量冗余度，达到了减小网络资源占用、最大化资源利用率的优化目标，在多信道组网资源优化方面具有较强的工程应用价值。但是由于WNW的时隙选择的研究仍处于初级阶段，如何兼顾选择的均匀性、稳定性等指标进行多目标联合优化，是今后继续深入研究与改进的方向。

参考文献：

[1] TOOR W T,SEO J B,JIN H.Distributed transmission control in multichannel S-ALOHA for ad-hoc networks[J].IEEE Communications Letters,2017,21(9):2093-2096.

[2] KONTIK M,ERGEN S C.Distributed medium access control protocol for successive interference cancellation-based wireless ad hoc networks[J].IEEE Communications Letters,2017,21(2):354-357.

[3] 张立冬,吴利平.USAP协议的研究及仿真[J].数据链系统运用与技术,2017,8(6):128-131.

[4] YOUNG C D.USAP:a unifying dynamic distributed multichannel TDMA slot assignment protocol[C]//Proceedings of 1996 MILCOM.New York:IEEE,1996:235-239.

[5] 许航天.基于网络定价策略的通信网资源分配研究[D].北京：北京邮电大学，2007.

[6] BOYD S,VANDENBERGHE L.Convex optimization[M].Cambridge:Cambridge University Press,2004.

[7] YU W,LUI R.Dual methods for nonconvex spectrum optimization of multicarrier systems[J].IEEE Transactions on Communications,2006,54(7):1310-1322.

[8] JOINT T R S.Joint tactical radio system wideband networking waveform functional description document[M].Washington DC:JTRS Joint Program Office,2001.

Pricing Strategy Based Slot Selection for Wideband Networking Waveform

WANG Zhao

(Southwest China Institute of Electronic Technology,Chengdu 610036,China)

Abstract： Considering the two-dimensional time-frequency resource in wideband networking waveform(WNW) with multiple channel,this paper proposes a slot selection algorithm based on pricing strategy called PSSS to minimize the waste of network resource.This method ensures the fairness of resource allocation through admission control and achieves optimal slot selection by using dual optimization formulation and ellipsoid search method.Theoretical analysis proves that this method can obtain the optimal solution under polynomial time complexity.Simulation results show that the proposed PSSS method achieves low capacity redundancy by diminishing resource waste and can effectively solve the slot selection problem in WNW network with multiple channel.

Key words： wideband networking waveform(WNW);slot selection;pricing strategy;dual optimization;ellipsoid search method

开放科学(资源服务)标识码(OSID)：

中图分类号： TN924

文献标志码： A

文章编号： 1001-893X(2019)05-0576-06

doi: 10.3969/j.issn.1001-893x.2019.05.014

引用格式： 王昭.适用于宽带网络波形的基于定价策略的时隙选择[J].电讯技术，2019,59(5):576-581.[WANG Zhao.Pricing strategy based slot selection for wideband networking waveform[J].Telecommunication Engineering,2019,59(5):576-581.]

收稿日期： 2018-10-15；修回日期：2018-12-27

通信作者： henwujue@163.com

作者简介：

王 昭 男，1982年生于湖南邵东，2007年获工学硕士学位，现为高级工程师，主要研究方向为网络协议设计、数据链等。

标签：宽带网络波形论文;  时隙选择论文;  定价策略论文;  对偶优化论文;  椭圆搜索法论文;  中国西南电子技术研究所论文;