Verkehrsmuster‑adaptive Kanalzuweisung in kognitiven Funknetzen durch Mehrskalen‑Fensterung

Warum die Verbindung Ihres Telefons plötzlich überfüllt sein kann

Wer schon einmal gesehen hat, wie ein Video während der Stoßzeit stehen bleibt oder ein Anruf abbricht, hat gespürt, dass die drahtlosen Funkwellen begrenzt sind. Unsere Geräte konkurrieren alle um dieselben unsichtbaren „Straßen“ am Himmel, und der Verkehr kann sich innerhalb von Sekunden von ruhig zu überlastet ändern. Dieses Papier untersucht eine intelligentere Methode, wie drahtlose Netze diese Straßen teilen können, insbesondere wenn viele Geräte hinter höherpriorisierten Nutzern geduldig warten müssen, wie in künftigen kognitiven Funk‑Systemen.

Wer zuerst Anspruch auf die Funkwellen hat

Moderne drahtlose Netze reservieren oft Teile des Spektrums für lizenzierte, hochpriorisierte Nutzer wie Mobilfunkbetreiber oder Rundfunkdienste. Diese primären Nutzer haben stets Vorrang. Sekundäre, niederprioritäre Nutzer dürfen sich nur in die Lücken einfügen, wenn diese lizenzierten Kanäle stumm sind. Theoretisch sollte dieser „Reste‑nutzen“‑Ansatz die Gesamteffizienz steigern. In der Praxis treten primäre Nutzer jedoch unvorhersehbar auf und verschwinden wieder, und auch der Funkkanal selbst kann ein‑ und ausfallen. Hinzu kommt, dass die Datennachfrage sekundärer Nutzer stark zwischen ruhigen und burstartigen Perioden schwanken kann. Zusammengenommen machen diese Effekte es schwierig, von Moment zu Moment zu entscheiden, welchem Gerät welcher freie Kanal zugewiesen werden sollte.

Warum einfache Verkehrsmodelle nicht ausreichen

Die meisten früheren Ansätze behandeln das Eintreffen von Daten bei sekundären Nutzern, als wäre es gleichmäßig und sehr einfach zufällig, ähnlich wie Regentropfen auf den Boden. Das vereinfacht die Mathematik, verkennt aber die Realität, dass Menschen und Apps Daten oft in Bursts erzeugen: ein plötzlicher Upload, intensive Nachrichtenphasen oder ein Software‑Update. Frühere Arbeiten betrachteten außerdem meist nur einzelne Aspekte—etwa wie viele Pakete in der Warteschlange stehen oder wie oft ein lizenzierter Nutzer einen Kanal zurückfordert—statt die vollständige Kombination aus Aktivität der Primärnutzer, Kanalqualität und Warteschlangen der Sekundärnutzer. Infolgedessen können bestehende Regeln zur Kanalzuweisung träge auf Verkehrsspitzen reagieren, was zu überlaufenden Puffern und mehr verworfenen Paketen führt, wenn das Netzwerk unter Stress steht.

Eine neue Methode, den Verkehr auf mehreren Zeitskalen zu beobachten

Die Autor:innen schlagen ein neues Traffic Pattern‑Adaptive Allocation (TPA)‑Protokoll vor, das genau darauf achtet, wie sich der Verkehr der Sekundärnutzer über die Zeit verändert. Anstatt sich auf ein einziges, festes Beobachtungsfenster zu verlassen, beobachtet TPA den Strom eingehender Pakete über mehrere sich überlappende Fenster unterschiedlicher Länge. Kurze Fenster erkennen rasch plötzliche Bursts, während lange Fenster langsamere Trends erfassen. Das Protokoll gewichtet jedes Fenster nach seiner Dauer und der beobachteten Verkehrsmenge und fusioniert diese Sichtweisen zu einer verfeinerten Schätzung der aktuellen Last. Mit diesen Informationen klassifiziert es den laufenden Verkehr jedes Nutzers in zwei breite Modi: einen Normalzustand und einen burstartigen Zustand, jeweils mit einem charakteristischen Ankunftsverhalten.

Vom Verkehrsverhalten zu intelligenterem Kanalteilen

Sobald TPA ein gutes Gespür dafür hat, ob der Verkehr ruhig oder burstartig ist, integriert es dieses Wissen in einen einheitlichen mathematischen Rahmen, der zusätzlich verfolgt, wie oft lizenzierte Nutzer jeden Kanal belegen, wie gut die Kanalbedingungen sind und wie voll die Puffer der Sekundärnutzer geworden sind. All diese Zutaten werden in einem Markov‑ und Warteschlangenmodell verknüpft, das beschreibt, wie sich der Netzwerkzustand über diskrete Zeitschritte entwickelt. Das zentrale praktische Werkzeug in diesem Rahmen ist ein Probability Allocation Vector, der in einem Objekt kodiert, mit welcher Wahrscheinlichkeit welcher verfügbare Kanal unter unterschiedlichen Bedingungen welchem Sekundärnutzer zugewiesen wird. Da der Vektor auf Basis jüngster Verkehrsmuster aktualisiert wird, kann das Protokoll kanalzuweisungen vorausschauend verschieben, sobald Bursts entstehen, statt erst zu reagieren, nachdem die Warteschlangen bereits zu lang geworden sind.

Wie das neue Protokoll im Test abschneidet

Um zu beurteilen, wie gut TPA funktioniert, führen die Autor:innen detaillierte numerische Experimente an einem kleinen, aber repräsentativen Netzwerk mit zwei lizenzierten Kanälen und zwei Sekundärnutzern durch. Sie vergleichen ihre Methode mit einem bekannten Referenzverfahren, dem Maximum Throughput Allocation (MTA)‑Protokoll, das darauf abzielt, in jedem Moment möglichst viel Daten durchzusetzen, sich jedoch nicht an Mehrskalen‑Verkehrsmuster anpasst. Über drei Testsätze—bei Variation der Puffergrößen der Sekundärnutzer, der Häufigkeit, mit der Primärnutzer die Kanäle belegen, und der Geschwindigkeit, mit der sich die Kanalqualität ändert—berechnen sie zwei entscheidende Maße: wie viele Pakete pro Zeitschritt erfolgreich gesendet werden (Durchsatz) und wie viele Pakete verworfen werden, weil die Puffer voll sind (Ablehnungsrate). In jedem Szenario erzielt TPA einen höheren Durchsatz und durchweg weniger verworfene Pakete als MTA, insbesondere bei burstartigem Verkehr oder instabilen Kanalbedingungen.

Was das für alltägliche Funknutzer bedeutet

Kurz gesagt zeigt die Studie, dass die Beobachtung von Verkehrsmustern auf mehreren Zeitskalen einem Netzwerk ermöglicht, intelligentere und zeitgerechtere Entscheidungen darüber zu treffen, wer welchen Teil des Spektrums nutzt. Indem diese Verkehrskenntnis mit einem gemeinsamen Blick auf das Verhalten lizenzierter Nutzer, die Kanalqualität und die Gerätewarteschlangen kombiniert wird, sorgt das TPA‑Protokoll dafür, dass mehr Daten fließen und weniger Pakete verloren gehen. Obwohl das detaillierte Modell rechnerisch aufwändig ist und an einem kleinen Setup getestet wurde, deutet die zugrunde liegende Idee—verkehrsmusterbewusstes Teilen knapper Funkressourcen—auf zukünftige drahtlose Systeme hin, die besser mit hoher, unvorhersehbarer Nachfrage umgehen können, ohne wertvolles Spektrum zu verschwenden.

Zitation: Min, Z., Ziru, W., Jinyuan, B. et al. Traffic pattern-adaptive channel allocation in cognitive radio networks via multi-scale windowing. Sci Rep 16, 10188 (2026). https://doi.org/10.1038/s41598-026-41417-2

Schlüsselwörter: kognitives Radio, dynamischer Spektrumszugang, Verkehrsmodellierung, Kanalzuweisung, Warteschlangentheorie