Адаптивное распределение каналов по трафиковым паттернам в когнитивных радиосетях с использованием мульти‑масштабного окна

Почему соединение телефона внезапно может оказаться перегруженным

Каждый, кто видел, как видео зависает или прерывается звонок в часы пик, ощущал пределы беспроводных полос. Наши устройства конкурируют за одни и те же невидимые «дороги» в эфире, и трафик может за секунды переключиться с пустого на переполненный. В этой статье рассматривается более умный способ, который позволяет беспроводным сетям делить эти дороги, особенно в ситуациях, когда многие устройства вынуждены вежливо ждать уступки от пользователей с более высоким приоритетом — как в системах следующего поколения когнитивного радио.

Кто получает приоритет в эфире

В современных беспроводных сетях часто выделяют части спектра для лицензированных, приоритетных пользователей — например, операторы сотовой связи или вещательные службы. Эти первичные пользователи всегда имеют право первыми. Пользователи с более низким приоритетом (вторичные) могут занимать каналы лишь тогда, когда лицензированные каналы молчат. Теоретически такой подход «использовать остатки» должен повышать общую эффективность. На практике же первичные пользователи появляются и исчезают непредсказуемо, а сам канал может затухать. К тому же спрос вторичных пользователей может резко колебаться между спокойными и всплесковыми периодами. Вместе эти факторы затрудняют моментальное решение о том, какому устройству и какой канал выдать в каждый момент времени.

Почему простые модели трафика не справляются

Большинство предыдущих схем рассматривают поступление данных от вторичных пользователей как гладкий и простым образом случайный процесс, похожий на капли дождя. Это облегчает математику, но игнорирует реальность: люди и приложения часто генерируют данные пачками — внезапная загрузка, оживлённые переписки или обновления ПО. Ранее также зачастую изучали лишь один аспект за раз — например, сколько пакетов ждёт в очереди или как часто лицензированный пользователь возвращает канал — вместо того чтобы рассматривать совокупность активности первичных пользователей, качества канала и очередей вторичных пользователей. В результате существующие правила распределения каналов медленно реагируют на всплески трафика, что приводит к переполнению буферов и потере пакетов в стрессовых ситуациях.

Новый способ наблюдать трафик на нескольких временных масштабах

Авторы предлагают новый протокол Traffic Pattern‑Adaptive Allocation (TPA), который внимательно следит за тем, как меняется трафик вторичных пользователей во времени. Вместо того чтобы полагаться на одно фиксированное окно наблюдения, TPA отслеживает поток входящих пакетов через несколько перекрывающихся окон разной длины. Короткие окна быстро выявляют внезапные всплески, а длинные фиксируют более медленные тенденции. Каждому окну присваивается вес в зависимости от его длины и объёма трафика, после чего эти оценки объединяются в уточнённую оценку текущей нагрузки. На основе этой информации протокол относит текущий трафик каждого пользователя к двум широким режимам: нормальному состоянию и всплесковому состоянию, у каждого из которых свой типичный профиль поступления.

От моделей трафика к более разумному распределению каналов

Как только TPA получает представление о том, спокоен ли трафик или в нём всплеск, эта информация поступает в единый математический каркас, который также отслеживает, как часто лицензированные пользователи занимают каждый канал, насколько хороши условия канала и насколько заполнены буферы вторичных пользователей. Все эти ингредиенты объединены в модель на основе марковских процессов и теории массового обслуживания, описывающую эволюцию состояния сети в дискретные моменты времени. Ключевой практический инструмент в этой модели — Вектор вероятностного распределения (Probability Allocation Vector), который кодирует в одном объекте шансы предоставить каждый доступный канал каждому вторичному пользователю в разных условиях. Поскольку вектор обновляется с учётом недавних трафиковых паттернов, протокол способен заранее смещать назначения каналов при появлении всплесков, а не реагировать лишь после значительного увеличения очередей.

Испытание нового протокола

Чтобы понять, насколько хорошо работает TPA, авторы проводят подробные численные эксперименты на небольшой, но репрезентативной сети с двумя лицензированными каналами и двумя вторичными пользователями. Они сравнивают свой метод с известным эталоном — протоколом Maximum Throughput Allocation (MTA), который стремится выжать максимум пропускной способности в каждый момент, но не адаптируется к мульти‑масштабным паттернам трафика. В трёх наборах испытаний — изменяя размер буферов вторичных пользователей, частоту занятости каналов первичными пользователями и скорость изменений качества каналов — они вычисляют два ключевых показателя: сколько пакетов успешно отправлено за такт (пропускная способность) и сколько пакетов отбрасывается из‑за переполнения буферов (уровень отказов). Во всех сценариях TPA показывает более высокую пропускную способность и последовательно меньшее число отброшенных пакетов по сравнению с MTA, особенно когда трафик всплесковый или условия каналов нестабильны.

Что это означает для обычных пользователей беспроводной связи

Проще говоря, исследование показывает: внимание к трафиковым паттернам на нескольких временных масштабах позволяет сети принимать более умные и своевременные решения о том, кто и какую часть спектра использует. Объединив такое понимание трафика с общим учётом поведения лицензированных пользователей, качества каналов и состояний очередей устройств, протокол TPA поддерживает более стабильную передачу данных и снижает потери пакетов. Хотя детальная модель вычислительно тяжела и была протестирована на небольшой конфигурации, сама идея — учёт трафиковых паттернов при распределении ограниченного эфира — указывает путь к будущим беспроводным системам, которые лучше справятся с загруженным и непредсказуемым спросом без бесполезной траты спектра.

Цитирование: 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

Ключевые слова: когнитивное радио, динамический доступ к спектру, моделирование трафика, распределение каналов, теория массового обслуживания