支持应急通信的认知网络QoS技术

3.3 跨层路由算法设计

支持应急通信的认知网络是叠加在Ad hoc网络上的，由于Ad hoc网络的特点和应急通信的"时间关键"特性，Ad hoc网络的QoS路由问题重点在研究如何利用有限的带宽资源快速有效地建立最优链路。由于Ad hoc网络的路由性能受无线数据链路的影响很大，而认知网络是在跨层设计的思想下发展而来的，因此将无线链路相关的参数(如信道信噪比、信道发射功率等)作为选择路由算法的约束条件。

由于应急通信对节点的健壮性要求高，节点在协作通信的同时，还需要有"自我保护意识"，即节点是"自私"的。换言之，应急通信系统不希望出现某些节点为了转发其他节点的信息而耗尽自身的能量，造成通信覆盖上的盲点。博弈论考虑游戏中的个体的预测行为和实际行为，并研究他们行为的优化策略。基于博弈理论分析认知网络的QoS路由，将节点的路由转发问题建立博弈模型。其中：节点对应博弈者；根据不同业务QoS需求的不同，利用模糊逻辑定义节点的路由转发行为，节点转发信息对系统的实时通信是有贡献的，因此需要给予奖励。但是转发数据包需要消耗节点的电源能量，对节点自身的健壮性不利，因此需要惩罚。另外，节点周围邻居转发包对节点本身也有利，需要奖励。按照上述思路可建立认知网络QoS路由的博弈模型。

3.4 在线分布式学习算法

在机器学习的范畴中，根据学习的反馈类型不同，学习技术可以分为监督学习、非监督学习和强化学习三大类。考虑到监督式学习和非监督学习都需要训练数据，而应急通信环境往往是不可预知的，因此很难事先准备大量训练数据。而强化学习不需要训练数据，仅依靠简单的试错来学习得到最优行为策略，这非常符合应急通信场景下节点资源和能力有限且需要在线学习能力的情况。因此，应采用强化学习算法来实现认知节点的在线学习。

图5所示的QoS决策系统包括两部分内容：推理机和强化学习器。QoS决策系统接受网络环境状态输入，使用推理机制根据相应的QoS策略进行推理，得到推理结论并输出相应的自适应动作。网络环境在系统自适应动作的作用下，根据状态转移函数由当前状态变迁到新的状态。系统学习模块接收网络环境对于系统自适应动作的奖赏反馈，采用强化学习算法学习得到新的自适应决策策略并将该策略提供给推理机制以备后续的QoS决策使用。QoS决策系统通过不断地学习，可以得到QoS决策策略，使得网络的自适应动作的回报累计值最大。

4 应用场景

随着无线通信技术、人工智能技术和信息处理技术的飞速发展和日益成熟，认知网络技术的应用将会越来越广泛，如何保证应急通信场景下认知网络的服务质量是认知网络研究中迫切需要解决的问题。

本文基于"时间关键"特征定义和描述应急通信业务的QoS需求，从不同视角定义支持应急通信的认知网络体系结构与模型；基于反馈控制理论研究认知网络的QoS控制，并设计了群体决策和在线分布式学习算法以实现认知网络的QoS控制。以上论述的结构体系和QoS技术可以用于以下应急场景。

(1)城市突发事件

突发事件处理是现代化城市管理的重要研究课题，突发时间往往发生在难以预料的场合和环境(如商场突发火灾)。突发事件处理部门的人员(公安、消防、医疗)到达现场后成功处理突发事件的前提是要迅速、准确地了解现场情况。支持应急通信的认知网络能够在突发事件现场快速组网并通信，准确、及时地传递各种相关信息。系统能够随网络环境的变化自适应调节以便保证不同业务按照其所需要的服务质量传输，减少由于不了解现场情况而带来的人民生命和财产的损失。

(2)地震灾害救援

中国2009年的四川地震及2010年的玉树地震都带来了巨大的人员伤亡和财产损失，而其对人们心灵带来的损害更是无法弥补的。当时由于地震造成传统电信网络瘫痪，外部救援的人员无法了解地震中心的情况，只能靠个别新闻工作者带去的少数海事卫星电话与外界保持联系。地震中心的受灾情况的视频若干天后才被传出，而且主要是靠飞机航拍的。救援人员到达现场后，通过支持应急通信的认知网络快速组网并通信，大面积采集各种灾害现场的信息，不仅可以为救援的调度和指挥提供一手的信息，而且能提高救援的针对性、最大限度减少灾害现场人员的伤亡。同时，时刻保持通信对灾害现场的救援人员来讲也是一种保护，具有很大的社会效益。

5 结束语

支持应急通信的认知网络是网络和通信发展的必然产物，是信息社会发展的需要。支持应急通信的认知网络QoS技术的研究将应用于紧急事件处理、灾害救援等领域，将产生重要的社会效益。就目前的研究状况来看，对支持应急通信的认知网络QoS技术的研究还存在很多不足，需要业界人士的进一步研究。

6 参考文献

[1] CLARK D D, PARTRIDGE C, RAMMING J C, et al. A Knowledge Plane for the Internet [C]//Proceedings of the Conference on Applications, Technologies, Architectures, and Protocols for Computer Communication (SIGCOMM '03),Aug 25-29,2003, Karlsruhe, Germany. New York,NY,USA:ACM,2003: 3-10.

[2] THOMAS R W, DASILVA L A, MACKENZIE A B. Cognitive Networks [C]//Proceedings of the 1st IEEE International Symposium on New Frontiers in Dynamic Spectrum Access Networks (DySPAN '05), Nov 8-11, 2005, Baltimore, MD,USA. Piscataway, NJ,USA: IEEE, 2005:352-360.

[3] BALDO N, ZORZI M. Cognitive Network Access Using Fuzzy Decision Making [C]//Proceedings of IEEE International Conference on Communications (ICC’07), Jun 24-28, 2007, Glasgow, UK. Piscataway, NJ,USA: IEEE, 2007: 6504-6510.

[4] 曾志民, 郭彩丽. 认知无线电网络的MAC层关键技术 [J]. 中兴通讯技术, 2009,15(2):20-24.

[5] 滑楠, 曹志刚. 认知无线电网络路由研究综述 [J]. 电子学报, 2010,38(4): 910-918.

[6] 李红艳, 李建东, 周丹. 认知网络路由技术 [J]. 中兴通讯技术, 2010,16(1):50-52.

[7] MATSUI S, WATANABE I, TOKORO K. Application of the Parameter-free Generic Algorithm to the Fixed Channel Assignment Problem [J]. Systems and Computers in Japan, 2005,36(4): 71-81.

[8] HUA Yao, ZHU Yanfeng, NIU Zhisheng. A Channel Assignment Scheme in High Density WLANs to Mitigate Pesudo Capture Effect [C]//Proceedings of the IEEE Global Telecommunications Conference (GLOBECOM '07),Nov 26-30,2007, Washington, DC,USA. Piscataway, NJ,USA: IEEE, 2007: 4796-4800.

[9] LI Xuejun, HAN P, CHONG Joo. WLC20-6: A Fixed Channel Assignment Scheme for Multihop Cellular Network [C]//Proceedings of IEEE Global Telecommunications Conference (GLOBECOM’06),Nov 27-Dec 1, 2006,San Francisco, CA, USA. Piscataway, NJ, USA: IEEE, 2006:5p.

[10] KRISHNAMURTHY S, THOPPIAN M, KUPPA S, et al. Time-efficient Distributed Layer-2 Auto-configuration for Cognitive Radio Networks [J]. Computer Networks,2008, 52(4), 831-849.

[11] THOPPIAN M, VENKATESAN S, PRAKASH R, et al. MAC-layer Scheduling in Cognitive Radio based Multi-hop Wireless Networks [C]//Proceedings of the 7th IEEE International Symposium on a World of Wireless, Mobile and Multimedia Networks (WoWMoM’06),Jun 26-29, 2006, Niagara-Falls/Buffalo, NY, USA. Piscataway, NJ, USA: IEEE,2006: 191-202.

[12] GHOSH C, AGRAWAL D P. Channel Assignment with Route Discovery (CARD) Using Cognitive Radio in Multi-channel Multi-radio Wireless Mesh Networks [C]//Proceedings of the 1st IEEE Workshop on Networking Technologies for Software Defined Radio Networks(SDR’06),Sep 25,2006,Reston,VA,USA. Piscataway, NJ, USA: IEEE, 2006: 36-41.

[13] 冯光升, 王慧强, 马春光, 等. 面向认知网络的用户QoS动态自配置方法 [J]. 通信学报, 2010,31(3): 133-140.

[14] SUTTON P D, DOYLE L E, NOLAN K E. A Reconfigurable Platform for Cognitive Networks [C]//Proceedings of the 1st International Conference on Cognitive Radio Oriented Wireless Networks and Communications(CROWNCOM’06), Jun 8-10,2006,Mykonos Island, Greece. Piscataway, NJ, USA: IEEE, 2006: 5p.

[15] NOLAN K E, SUTTON P D, DOYLE L E. A Framework for Implementing Cognitive Functionality [C]//Proceedings of the 51st SDR Forum General Meeting and Technical Conference (SDR’06), Nov 13-17, 2006, Orlando, FL. 2006.

[16] MAHONEN P, PETROVA M, RIIHIJARVI J, et al. Cognitive Wireless Networks: Your Network Just Became a Teenager [C]//Proceedings of the 25th IEEE International Conference on Computer Communications (INFOCOM’06), Apr 23-29,2006, Barcelona, Spain. Piscataway, NJ,USA: IEEE, 2006.

张冬梅，北京邮电大学博士毕业，北京邮电大学计算机学院副教授，从事网络与软件安全、网络通信、自组织网络方面的研究，已发表SCI/EI检索论文20余篇。

张世栋，北京邮电大学计算机学院在读博士研究生。

作者：张冬梅 张世栋 来源：中兴通讯技术——2010年 第5期