主動式頻譜感知的改進型信道切換算法

秦 臻 薛 峰 梁繼民

(1.西安電子科技大學電子工程學院，陜西 西安 710071；2.湖北省無線電管理委員會，湖北 武漢 430071)

引 言

認知無線電系統中，認知用戶可以通過周期性的感知信道采集信道的相關信息，及時感知周圍快速變化的無線環境，對信道相關參數進行統計和分析，得到信道及首要用戶的有用信息，并能夠盡快適應信道切換,實現信道的高效連接.

當認知用戶感知到首要用戶出現時，認知用戶需要迅速退出正在使用的信道，切換到未使用的信道上，重新建立通信. 許多研究是基于被動避讓方式[1]，認知用戶感知到首要用戶出現，則切換信道，隨機選擇可用信道，這樣不可避免地增加了對首要用戶的干擾.文獻[2]證明了減少信道的切換次數，可以提高認知系統的吞吐量. 文獻[3]提出了隨機信道選擇算法，可使得系統成功傳輸概率達到最大，但不足之處是，并未全面考慮感知系統的吞吐量，這樣實際上導致了系統效率降低. 文獻[4，5]研究表明頻繁信道切換對系統性能產生嚴重影響，這也意味著增大了感知開銷，因此認知用戶需要在選擇信道數量和感知開銷進行折衷考慮.

文獻[6]提出了一種自適應的主動式頻譜感知方案，通過對信道進行排序使認知用戶用最小的感知開銷找到可用的信道. 文獻[7]是基于業務流模型分類的主動式頻譜感知算法，減少傳輸信道可選數量，選擇最佳信道. 文獻[8]通過對信道的周期性檢測，預測信道將來可用時間的長短，提出了主動式的信道切換方法. 文獻[6-8]中算法的不足之處在于，均沒有考慮到頻繁信道切換對系統性能的影響，沒有有效解決系統的性能和信道的切換次數之間的矛盾.

在主動式頻譜感知方式下，信道切換必然會產生一定感知開銷代價. 在文獻[8]算法的基礎上，采用信道空閑時長預測和比較策略，提出了一種改進型的主動式頻譜感知信道切換算法. 仿真結果表明：在對首要用戶干擾最小前提下，與文獻[8]算法相比它可以減少信道切換次數約20%.

1 系統模型

基于預測的認知無線電系統模型[8]表明，認知用戶通過主動式頻譜感知方式，感知信道狀況并將感知信息存貯進信道歷史信息庫，最新的頻譜感知信息能夠顯示特定信道的當前狀態. 結合這些數據，認知用戶通過相應的預測算法，預測信道的空閑時長，按照一定的信道切換規則，認知用戶決定是否切換信道，如果不切換信道則在當前信道繼續進行數據傳輸，如果切換信道，則在新的信道重新建立鏈接進行數據傳輸.

2 信道切換算法

2.1 主動式和被動式信道切換

被動式信道切換模型如圖1(a)所示，認知用戶使用當前信道i進行通信，當檢測到首要用戶出現時，認知用戶切換到另一條空閑信道j進行通信，這將不可避免地對首要用戶的通信產生干擾.

主動式信道切換模型如圖1(b)所示，認知用戶周期性地檢測各個信道，當前信道的空閑時長小于門限時，它主動切換到另一條空閑信道進行通信，避免了對首要用戶的通信產生干擾.

(a) 被動式 (b) 主動式圖1 主動式和被動式信道切換模型

2.2 主動式信道切換算法

在主動式信道切換方式下，通過預測當前信道的空閑時間長短，認知用戶可以通過相關算法決定在當前信道上首要用戶出現之前切換信道. 它可以在對首要用戶干擾概率最小的前提下，提高系統的吞吐量. 主要包括以下兩部分內容：

信道空閑時間預測：認知用戶通過主動式頻譜感知方式感知一系列信道，獲取信道的一系列歷史觀測值，通過相關的算法[8]預測信道將來空閑的時長.

信道切換：根據預測的結果，認知用戶通過相關的切換規則決定何時退出當前信道并切換到最優的信道上.

假設認知用戶通過一條專用控制信道傳遞相關的控制信息，認知用戶通過主動式頻譜感知獲取首要用戶信道使用的相關統計信息. 認知用戶可以在N個正交的信道上切換，首要用戶的模型是基于兩個狀態的連續時間馬爾可夫模型. 認知用戶的幀結構如圖2所示. 算法的目的，是使認知用戶對首要用戶的干擾最小.

圖2 認知用戶的時序結構

利用歷史觀測值和預測結果，認知用戶可以預測將來信道的可用性，并且主動地切換信道，有效避免了對首要用戶的干擾. 然而，主動式信道切換方式的有效性與預測的精確程度有很大的相關性. 如果預測結果不準確，反而容易產生錯誤的切換決策.

圖3示出了兩種可能的錯誤信道切換方式[8]. 為了方便對比，將正確的主動式信道切換方式也示于圖中. 在錯誤的主動式切換方式Ⅰ中，認知用戶錯誤地認為，預測信道j可能的空閑時長比信道i長，然后主動切換到信道j，這導致對自身通信不必要的干擾. 同樣的，在錯誤的主動式切換方式Ⅱ中，信道j的實際空閑時長比信道i短，然而由于預測結果的不準確性，給首要用戶造成了附加的干擾. 改進型的主動式頻譜感知信道切換算法的設計目標，是盡可能實施有效的信道切換，而同時減少錯誤的切換次數. 這二者不同之處的關鍵在于信道空閑時間的長短，所以信道的選擇以信道空閑時間的長短為標準.

圖3 三種主動式信道切換方式

2.3 信道空閑時長預測

預測機制依賴于首要用戶的信道使用模型. 本文中，假設認知用戶通過主動式頻譜感知了解了各信道的相關統計模型和參數[9]， 認知用戶可以通過長時間地對信道進行周期性采樣感知，獲取這些相關信息.

下面給出相應的交替指數模型下信道在下一個時刻仍舊為空閑的概率. 信道的模型是交替指數ON/OFF模型，服從指數分布e-λΔt，其對應的參數用λYi,λXi表示，S=1,0分別表示信道忙閑狀態. 假設當前信道經過時長Δt為空閑的概率為Pj，推導出

(1)

特殊地如果Δt=Ts，Ts為數字通信的一個時隙的時長，那么轉移概率Pj也即表示當前信道j在下一個時隙其狀態為空閑的概率.則可以計算出當前信道下可能的空閑時長：

(2)

對當前信道空閑時長預測的精確性，與最近一次的觀測值、下一個時隙之間的時長有關. 通過對認知系統可用信道的主動式頻譜感知，預測各信道空閑時長，認知用戶可以在首要用戶出現之前主動地切換頻譜，避免了與首要用戶之間的碰撞.

2.4 改進型信道切換算法

認知用戶對備選的信道進行排序，選擇最優的信道. 它在對首要用戶干擾最小的情況下，盡可能提高頻譜的利用率. 公式表示如下：

(3)

(4)

式中:CH(prev(Xj)) 表示認知用戶在信道切換前所選信道;CH(Xj)表示認知用戶在信道切換后所選信道;τswitch表示信道的切換開銷.

算法步驟：

①經過主動式頻譜感知，估計信道的相關參數；

②估計當前信道j經過一個周期Ts后空閑的概率Pj；

④計算信道的切換開銷τswitch；

⑤計算各信道的可能空閑時長，并進行排序，按照一定的切換規則，認知用戶做出是否切換信道的決定.

如圖4所示，認知用戶當前工作信道為i，其空閑時長比信道j短，依照文獻[10]，認知用戶應切換到信道j，然而考慮到感知開銷，如果Δtswitch<τswitch，認知用戶則應繼續選擇當前信道而不是切換信道.

圖4 信道切換規則

3 性能分析與仿真

為檢驗改進型信道切換算法的性能，我們把它和文獻[8]中的兩種信道切換方案的算法進行比較， 其中主動式方案1和主動式方案2分別代表文獻[8]中對應兩種算法. 對仿真參數進行設定，假設認知網絡中有10個首要用戶和一個認知用戶，10個首要用戶信道服從交替指數分布的模型，其OFF和ON狀態均是均勻分布[μmin,μmax]， 固定μmin為0.5，μmax值介于0.6～2. 感知時長為20 ms，傳輸時長為180 ms.信道切換代價為20 ms，仿真時長為100 00 s.

為了評估首要用戶和認知用戶的性能，定義以下三個指標：

信道切換次數：認知用戶為了避免對首要用戶的干擾，采用主動式信道切換方式避讓首要用戶對應的信道切換次數的數值，它的值代表認知用戶切換信道的次數.

有效時間利用率：認知用戶通信時長減去和首要用戶發生碰撞相關時長后，進行可靠通信的時長與整個通信時長的比值，可以理解為頻譜空洞的利用率，它的值越高表示頻譜的利用率越高.

碰撞次數：所謂碰撞，就是在某個認知用戶進行通信的時隙正好首要用戶出現，則首要用戶和認知用戶的通信同時受到干擾. 碰撞次數表示在整個通信時隙上，認知用戶進行通信時和首要用戶發生碰撞的時隙數的總和，它的數值越大，說明認知用戶對首要用戶的干擾越嚴重.

3.1 信道切換次數

圖5給出了采用改進型信道切換算法和文獻[8]方案得到的信道切換次數的對比. 如圖5所示，隨著μmax值的上升，改進型信道切換算法在三種算法中是最優的. 它比文獻中信道切換次數減少約20% . 同時可以看到，仿真參數設定固定μmin為0.5，μmax值從0.6～2隨著μmax值的升高，該比例有輕微下降，這是因為μmax值的上升意味著首要用戶的出現相對降低，因此信道的切換次數也減小. 所以本算法對于比較繁忙的首要用戶系統更加有效.

由于文獻[8]中的兩種信道切換方案，僅考慮到認知用戶切換到信道空閑時長最長的信道上，它們并沒有考慮到信道切換的代價. 而本文提出的改進型信道切換算法，對應的信道切換次數明顯減少，有效地提高了系統的性能.

3.2 有效時間利用率

圖6對三種算法有效時間利用率進行了比較. 仿真參數的設定和文獻[8]中完全一致. 通過對比可以看到：在認知用戶有效減少信道切換次數的情況下，本文提出的算法其有效時間利用率比文獻[8]中的算法高. 這是因為當系統總的空閑時長是一定時，如果減少認知用戶的信道切換次數也即意味著相對增大了認知用戶可用的時長. 由于在三種算法中，改進型算法考慮到信道切換開銷，其信道切換次數最少，在總的可用時長一定的條件下，該算法所對應的有效時間利用率相對是最高的.

圖5 信道切換次數

圖6 有效時間利用率比較

3.3 碰撞次數

圖7對三種算法所對應的碰撞次數進行了比較. 可以看到：三種算法對應的碰撞次數接近相同，這是因為三種算法信道切換策略都是以最大化信道空閑時間為標準，所以認知用戶在通信時和首要用戶發生碰撞次數基本相同. 同時可以看到隨著μmax值的上升，三種算法對應的碰撞次數是逐漸減小的. 這是因為μmax值上升意味著首要用戶出現概率相對降低，信道空閑的概率增大，此時認知用戶利用空閑頻譜進行通信時干擾首要用戶的概率降低.

3.4 切換代價和有效時間利用率之間關系

圖8給出了τswitch和有效時間利用率之間的關系. 隨著τswitch的上升，三種算法的有效時間利用率都是下降的.這是因為τswitch的上升也即意味著切換代價增大，在總的可用通信時長是一定的條件下，認知系統可用的通信時間相對減少. 本文算法在三種算法中有效時間利用率相對最高，因為它的切換次數相對最少.

圖7 碰撞次數比較

圖8 τswitch和有效時間利用率之間關系

4 結 論

在主動式頻譜感知方式下，通過信道空閑時長的預測，同時要兼顧考慮切換代價. 因信道的頻繁切換往往帶來許多意想不到的麻煩，如丟包，延時及同步等, 對系統性能產生嚴重影響，這也意味著會增大感知開銷，所以認知用戶需要在信道切換控制和感知開銷進行折衷考慮，按照相應的規則算法選擇最佳的信道. 通過引入切換代價函數，對原算法做出改進和修正，有效降低信道切換代價. 仿真表明：改進型的主動式頻譜感知信道切換算法和文獻[8]算法相比，它可以減少信道切換次數約20%，同時對首要用戶干擾最小. 然而，考慮到認知無線電發展的實際情況，算法還可以進一步改進. 首先，首要用戶的業務模型僅考慮了ON/OFF模型，下一步工作應考慮更多的業務模型[11]；其次，本算法僅考慮單個認知用戶的情形，下一步可考慮多個認知用戶合作感知信道[12]的情形.

[1] SAHAI A, TANDRA R, HOVEN N. Opportunistic Spectrum Use for Sensor Networks: the Need for Local Cooperation. IEEE Communications 2006[C]// Istanbul, 2006:1153-1159.

[2] HOYHTYA M, POLLIN S, MAMMELA A. Performance Improvement with Predictive Channel Selection for Cognitive Radios[C]∥. Cognitive Radio and Advanced Spectrum Mangament 2008. Aalborg. 2008:1-5.

[3] SONG Y, FANG Y G, ZHANG Y C. Stochastic channel selection in cognitive radio networks[C]// IEEE Globle Telecommunications. Washington, 2007: 4878-4882.

[4] KYASANUR P, VAIDYA N H. Capacity of Multichannel Wireless Networks: Impact of Channels, Interfaces, and Interface Switching Delay[R]. University of Illinois at Urbana-Champaign, 2006.

[5] BHANDARI V, VAIDYA N H. Connectivity and capacity of multichannel wireless networks with channel switching constraints[C]// 26th IEEE Computer Communications 2007. Anchorage, 2007: 785-793.

[6] KIM H, SHIN K G. Efficient discovery of spectrum opportunities with MAC-layer sensing in cognitive radio networks[J]. IEEE Transactions on Mobile Computing, 2008, 7(5): 533-545.

[7] HOYHTYA M, POLLIN S, A MAMMELA A. Improving the performance of cognitive radios through classification, learning, and predictive channel selection[J]. Advances in Electronics and Telecommunications, 2011, 4(2): 28-38.

[8]YANG Lei, CAO Lili, ZHENG Haitao. Proactive channel access in dynamic spectrum networks[J]. Elsevier Physical Communication, 2008, 1(2):103-111.

[9] KIM H, SHIN K G. Fast discovery of spectrum opportunities in cognitive radio networks[C]// 3RD IEEE Dynamic Spectrum Access Networks 2008. Chicago, 2008: 1-12.

[10]YANG Lei, CAO Lili, ZHENG Haitao. Proactive Opportunistic Spectrum Access[R]. Santa Barbara: University of California, 2007.

[11] 王 瑩, 岳殿武, 王 謙, 等. 基于信道統計特征的認知無線電協作頻譜檢測[J]. 電波科學學報, 2009, 24(6): 1049-1054.

WANG Ying, YUE Dianwu, WANG Qian, et al. Channel statistics based cooperative spectrum sensing for cognitive radio[J]. Chinese Journal of Radio Science, 2009, 24(6): 1049-1054. (in Chinese)

[12] 趙東峰, 周賢偉, 程曾偉, 等. 采用最小最大準則的協作頻譜感知融合[J]. 電波科學學報: 2011, 26(5): 923-926.

ZHAO Dongfeng, ZHOU Xianwei, CHENG Zengwei, et al. Combination based on the MiniMax rule for cooperative spectrum sensing[J]. Chinese Journal of Radio Science, 2011, 26(5): 923-926. (in Chinese)