认知网络实现同质网络的吞吐量缩放

我们研究两个不同但重叠的网络，它们在相同的时间、空间和频率下运行。第一个网络由 $n$ 个随机分布的\emph{主用户}组成，形成自组织网络，或带有 $l$ 个额外基站的基础设施支持型自组织网络。第二个网络由 $m$ 个随机分布的自组织次级用户或认知用户组成。主用户拥有频谱的优先访问权，且在次级用户存在时无需更改其通信协议。然而，次级用户需要根据关于主节点位置的知识调整其协议，以给主网络的吞吐量带来极小的损失。通过在主接收机周围引入保护区域并在主基站周围引入规避区域，我们为认知用户提出了两种改进的多跳路由协议。基于渗流理论，我们表明当次级网络比主网络更密集时，两个网络可以同时实现与独立网络相同的吞吐量缩放律。此外，主网络吞吐量仅遭受可忽略的分数损失。具体而言，对于自组织和基础设施支持的主网络模型，主网络分别实现量级为 $n^{1/2}$ 和 $\max\{n^{1/2},l\}$ 的总吞吐量。对于这两种主网络模型，对于任意 $\delta>0$，次级网络可以实现量级为 $m^{1/2-\delta}$ 的总吞吐量，且中断概率任意小。因此，几乎所有次级源 - 目的对都能以量级为 $m^{-1/2-\delta}$ 的速率进行通信。