Channel switching cost-aware resource allocation for multi-hop cognitive radio networks with a single transceiver

Abstract

Bilişsel radyo ağları, çalışmak için geniş frekans aralıklarına ihtiyaç duyarlar. Bu gereksinim diğer kablosuz ağlarda olmayan yeni zorlukları beraberinde getirir. Bilişsel radyo ağlarında bir frekanstan diğer frekansa geçişin maliyeti göz ardı edilemeyecek kadar büyük olup değişim, frekanslar arasındaki uzaklığa bağlıdır. Bu maliyet özellikle tek antenli bilişsel radyo ağı cihazları için önem taşımaktadır. Yeşil ağlar ile ilgili çalışmalar bilişsel radyo ağlarının enerji ihtiyacını düzenleyen metodlara ihtiyaç duyulduğunu göstermektedir. Bu tezde, bilişsel radyo ağlarında enerji optimizasyonu konusu ile ilgili iki farklı problem üzerinde yoğunlaştık. İlk bölümde frekans değişiminin etkisini enerji tüketimi açısından inceledik. Öncelikle frekans değişim maliyetini dikkate alan kaynak tahsisi (FSCARA) problemine odaklandık. Tasarsız bilişsel radyo ağlarında bilişsel cihazlar için frekans ve zaman dilimi atamasını frekans değişimlerinden ortaya çıkan enerji maliyetini en aza indirecek şekilde yapan bir optimizasyon problemi formüle ettik. Bu optimizasyon problemini tamsayı lineer programlama yöntemi ile tasarladık ve değişken frekans geçişi ile sabit frekans geçisi arasındaki enerji maliyetlerini karşılaştırmalı olarak inceledik. İkinci kısımda, benzer bir optimizasyon problemi olan ağaç yapılarında en az değişim maliyeti (MINCCA) problemi üzerine çalıştık. Kenarları renklendirilmiş bir çizgede değişim maliyeti, FSCARA problemindeki frekans değişimi maliyetine karşılık gelmektedir. MINCCA problemi en az toplam değişim maliyeti olan bir kapsayan ağacı bulmayı amaçlar. MINCCA probleminin çözümü için 2 adet sezgisel algoritma geliştirdik. Geliştirdiğimiz bu algoritmaları rastgele maliyet hesaplayan bir algoritma ile karşılaştırdık. Sonuçlar geliştirdiğimiz algoritmaların rastgelelikten daha iyi çalıştığını ve çizgede artan kenar ve renklere göre de tutarlı bir sonuç ortaya koyduğunu göstermektedir.Cognitive radio networks need to operate in a wide range of frequencies. This requirement brings up new challenges that do not exist in other wireless networks. Switching from a certain frequency to another frequency incurs a non-negligible cost in cognitive radio networks and depends on the wideness between the previous and current frequencies. This cost is especially important in ad hoc cognitive radio networks when the cognitive devices have a single transceiver. Frequency switching also leads to energy consumption. Research studies related to green networks indicate the need for methods that address energy consumption in cognitive radio networks; hence, the energy consumption due to frequency switching is of paramount importance. In this thesis, we focus on two problems regarding cognitive radio network energy optimization. First, we focus on frequency switching cost aware resource allocation (FSCARA) problem. We analyze the impact of the frequency switching cost in terms of energy consumption by formulating an optimization problem that makes frequency and time slot allocation to the cognitive devices in an ad hoc cognitive radio network so that the energy cost related to frequency switching cost is minimized. We formulate our optimization problem as an integer linear program and comparatively evaluate the energy cost of varying switching energy consumption with constant switching energy consumption. Second, we work on a related optimization problem called minimum changeover cost arborescence (MINCCA) problem. In an edge-colored graph, changeover cost corresponds to frequency switching cost in FSCARA problem. The objective of the MINCCA problem is to find a spanning tree which yields the minimum total changeover cost. We propose two heuristic algorithms for MINCCA problem. We compare the performance of our algorithms with the algorithm that calculates random changeover cost for varying parameters such as the number of colors, node and graph density. Simulation results demonstrate that our heuristic algorithms yield significantly better performance than random case.