一種基于跨層設計的雙次協同頻譜感知技術

崔翠梅 汪一鳴 朱洪波

(1.蘇州大學電子信息學院，江蘇 蘇州 215021；2.南京郵電大學 無線通信重點實驗室，江蘇 南京 210003)

引 言

目前，認知無線電網絡(Cognitive Radio Network，CRN)已被認為是緩解因無線業務急劇增長而引起的頻譜稀缺問題的最有希望的方法.在CRN中，通過機會共享和動態接入[1]，認知無線電(Cognitive Radio,CR)可智能地監測和分析頻譜的應用，然后做出工作參數的調整以更好地適應動態頻譜環境[2].由于認知網絡的性能往往依賴于認知用戶如何準確和快速地檢測頻譜利用機會，因而設計一個有效的頻譜感知方法是CR技術成功實現的關鍵.

在CRN中，解決頻譜感知時遭遇的隱藏終端和信道陰影衰落等問題是一個具有挑戰性的任務.協同頻譜感知技術因可利用多認知用戶的空間分集作用有效克服這些不利因素對單節點感知所造成的負面影響[3-4]而被廣泛利用.目前，關于協同頻譜感知技術的研究在文獻[5]中有了較全面的介紹.文獻[6-8]中，作者利用多用戶網絡環境中固有的空間分集特性及放大重傳(Amplify-and-Forward，AF)協議分析了基于中繼的協同感知技術；文獻[9-10]研究了利用融合中心將感知信息融合的協作頻譜感知融合算法.

然而每一種協同感知方法都有它的優缺利弊，因此，在實際認知網絡中考慮將多種協同感知技術加以結合也許是一個有效的解決方法.文獻[11]研究了兩次協同感知算法，通過分簇進行簇內和簇間的數據融合，這要求必須有較高信噪比(Signal Noise Ratio，SNR)的CR用戶，如果各CR用戶SNR都比較低，并不能顯示協同的有效性.其次，提高協同感知性能不僅依賴于物理層(Physical，PHY)的檢測方法，也取決于媒體接入(Medium Access Control，MAC)層的感知行為調度.最近，文獻[12-13]研究分析了頻譜感知行為的優化調度.然而，這些方法尚未綜合考慮頻譜感知的準確性、時效性和CRN的吞吐量.

本文針對處于低SNR環境的多用戶認知網絡，對PHY層的協同感知方法和MAC層調度機制進行了改善，提出一種雙次協同感知模型和適應此新模型動態變化特性的動態可變時分多址(Dynamic and Variable Time-Division Multiple-Access,DV-TDMA)調度機制，二者進行跨層協作.此方法在考慮協同成本和復雜度的情況下，通過最小化參與協同的CR用戶數，綜合衡量了頻譜感知的準確性與時效性，給出了認知網絡吞吐量最優化的算法，并對算法的性能進行了分析和仿真.

1 雙次協同感知原理

1.1 PHY層感知算法

1.1.1 系統模型

構建一個典型的多用戶CRN雙次協同感知系統模型，如圖1所示.此CRN網絡由N個協同用戶對Pairi(Ui，Ri)組成，i=1，2，…，N.每個協同對包括一個認知用戶Ui和一個認知中繼Ri.當Ui位于授權用戶/主用戶(Primary User，PU)發射基站覆蓋區域內，但受陰影和/或障礙物影響或位于覆蓋區域邊緣，而接收PU信號能力足夠強的Ri由于受陰影和/或障礙物影響不能正確傳遞信息給感知基站時，此時CR正確感知PU是否存在很大的不確定性，甚至會產生“隱藏終端”問題，從而對PU產生干擾，這正是CR在借用頻譜過程中應極力避免的問題.針對這種惡劣環境情況，提出雙次協同頻譜感知模型在盡量不增加成本開銷和設備復雜度的情況下，充分利用網絡中已有資源，通過增強認知中繼用戶的使用機率來提高頻譜感知的準確性、快速性和CRN的吞吐量.

圖1 雙次協同感知系統架構圖

該雙次協同頻譜感知的過程分兩個階段：第一階段為放大重傳(Amplify and Forward,AF)協同感知；第二階段為數據融合.

1.1.2 AF協同感知

pf，i=φ(λi，1，βθi=0)，

(1)

(2)

Ui和Ri獨立檢測的檢測概率分別為

(3)

(4)

1.1.3 數據融合

(5)

(6)

Qm=1-Qc.

(7)

1.2 MAC層感知調度

1.2.1 優化的感知調度機制

由于頻譜感知的性能不僅依靠PHY層的感知方法，也取決于MAC層的檢測行為的安排，采用DV-TDMA接入工作機制代替傳統固定的TDMA機制.其原因有二：1)由于實際CR網絡環境的動態可變性，所需感知的時隙數動態可變，可根據實際需要自動調整分配的時隙數；2)每個時隙的數據傳輸包也是依據實際環境動態變化，時隙的長短需根據傳輸數據包來調整；若時隙太長，CR與PU間易產生沖突碰撞；若太短，則會造成CR通信機會的丟失，從而導致頻譜資源的浪費.

假設CR網絡的所有協同用戶對Pairi(Ui，Ri)都按照圖2所示的AF協議及DV-TDMA工作機制進行同步數據傳輸，因第二次協同僅取最少部分CR用戶，可允許有微小的傳輸延遲.在時隙T1，CR用戶Ui發送信息，CR中繼用戶Ri監聽；在時隙T2，Ri放大轉發前一時隙接收的信息至Ui，Ui監聽信息；在時隙T3，感知基站融合N個微時隙中來自Ui的判決信息θi，作出最終判決后廣播至各CR用戶.按照此三個時隙依次循環檢測，直至檢測到PU.

圖2 動態可變的TDMA調度機制

1.2.2 平均感知時間

直覺上，兩次協同會比單次協同耗用更多的時間來檢測PU是否出現.為一探究竟，本節主要研究整個感知過程的平均感知時間.由于認知用戶在網絡中位置隨機分布的特性，分如下兩種情況討論感知時間.對照圖2，一種情況是如果每個協作用戶對Pairi(Ui，Ri)的Ui先傳輸信息，Ri中繼轉發信息，此時的感知時間定義為τ1；反之，如果Ui和Ri的角色互換，Ri先傳輸信息，Ui中繼轉發信息，則感知時間定義為τ2，那么整個網絡的平均感知時間則為τ=(τ1+τ2)/2.

(8)

類似的，可求得

(9)

因此，整個網絡的平均感知時間可表示為

(10)

由圖2知，式(3)中T3=Nt，N表示參與協同的CR數，是一個動態可優化參數，t為每個微時隙長度.

根據文獻[6]的固定時隙調度機制，可推出單次協同感知的平均感知時間為

(11)

2 雙次協同感知性能的跨層優化

2.1 系統吞吐量

PU對授權頻譜的占用可等效為開關模型.當頻譜處于開啟On狀態時，表示該頻譜正被某個PU所占用；而當頻譜處于關閉Off狀態時，則表示該頻譜未被PU占用，此時，CR可以接入該頻段進行通信.根據文獻[13]可知，授權頻譜的繁忙(存在PU信號)與空閑(不存在PU信號)狀態分別服從參數為u和v的指數分布，u、v分別表示授權頻譜從繁忙轉為空閑狀態的轉換速率以及由空閑轉變為繁忙狀態的轉換速率.由此可得，授權頻譜處于繁忙狀態和空閑狀態的先驗概率Pon、Poff分別為:

(12)

(13)

事實上pon≤0.5(v≤u)的CRN才有實施的價值.

在CRN中，一般采用周期感知.設CR的幀長為T，每幀由兩部分組成:一部分用于感知，感知時間為τ，余下T-τ部分用于數據傳輸.定義C0為PU空閑時CR接入PU授權頻譜所獲得的單位帶寬信道容量，C1為PU繁忙時CR接入所獲得的單位帶寬信道容量.假設PU與CR的信號都呈高斯分布，那么C0=log2(1+P1)，C1=log2(1+P1/(1+Pt))，很明顯C0>C1.若PU的信號是非高斯的，C1≥log2(1+P1/(1+Pt))，Pt為PU的傳輸功率.

CR可以接入PU的授權頻帶分如下兩種情況：

一旦CR檢測出PU處于空閑狀態，CRN中各CR均以概率p(0≤p≤1)競爭接入，N個CR能成功接入該頻帶的概率為

ρ=Np(1-p)N-1.

(14)

這里暫不討論CR在數據傳輸過程中與PU或其他CR之間產生的碰撞沖突情況.定義PU實際處于空閑狀態時，CRN的吞吐量為

(15)

PU實際處于繁忙狀態時，CRN的吞吐量為

(16)

那么，CRN采用雙次協同感知后的平均吞吐量可寫為

RD=R0D+R1D.

(17)

同理，可得CRN采用單次協同感知的吞吐量表達式

RC=R0C+R1C

(18)

2.2 吞吐量的優化

優化問題：實際CRN中，為了增強授權給PU的空閑頻譜的利用率并避免對PU造成干擾，最大化CR的檢測準確度和最小化系統感知時間的同時，是否存在最優的參數設置使CR系統達到最大的吞吐量是目前需要綜合衡量的重要問題.該優化問題可表示為：

maxRD(τ，Qc，Qf)

(19)

s.t.Qm+Qf≤ε，

T-τ>0，

0<τ

式中ε為CR系統總檢測錯誤率的上限，表示對PU的最低保護程度.根據IEEE 802.22 Wireless Regional Area Networks(WRANs)第一國際CR標準，CR檢測到PU的感知時間不能超過2 s，漏檢和虛警概率均要小于0.1[14].為滿足此規格，在后續的仿真分析中，設ε≤0.01，則Qm≤0.01 和Qf≤0.01；加之pon≤0.5和C0>C1，那么R0D在整個系統吞吐量RD中占主導地位.因此該優化問題可以轉化為

(20)

s.t.Qm+Qf=ε，

T-τ>0，

0<τ

根據式(5)～(6)和式(10)可知，式(20)的優化是一個關于PHY層和MAC層多元參數λ，N，K，t等的聯合優化問題，且目標優化函數很難求出解析解.本文將在滿足約束條件限制的情況下，采用嵌套循環搜索算法依次優化各參數以求得最優的系統吞吐量.其優化過程如下：

這里需要補充說明的是：對于過程4)中微時隙長度t的設置，由式(10)知，平均感知時間τ是一個關于N、t的增函數.當t一定時，只有選擇最優的協同用戶數N才可得到τ的最優值.為符合不同λ值設置，可以從所有λ值所對應的最優Nopt(λ)值中選擇最小的一個值，即min(Nopt(λ))來求τ.當min(Nopt)確定后，根據τ=tc，可求出t的臨界值t*，然后設置t∈(0，t*).

3 仿真分析

假設PU處于On/Off的指數參數u=v=1；CRN需要協同的CR數N=100，其接收SNR均為P1=10 dB，中繼用戶的接收SNR均為P2=10 dB，PU和各CR用戶及中繼用戶的最大傳輸功率P1max，i=P2max，i=10 dB；CR接入成功率ρ≈1，總檢測錯誤ε=0.01；幀長T=100 ms，時隙T1=T2=10 ms.圖3給出了微時隙t=0.2 ms時，吞吐量與能量檢測閾值λ的關系曲線圖.從圖3可以看出本文所提的雙次協同檢測及其優化方法明顯優于單次協同檢測，同時感知時間和檢測概率也滿足約束條件的限制，分別如圖4和5所示.圖3至圖5中，優化的雙次協同檢測方法相對于未優化的雙次協同檢測方法(100個CR用戶全部參與協同感知)雖然性能上改善程度不明顯，但是它可以用較少的CR用戶(如圖6所示)參與協同實現相同的性能.節省了協同的成本，減少了協作復雜度.

圖3 吞吐量與λ的關系曲線

圖4 平均感知時間與λ的關系曲線

圖5 檢測概率與λ的關系曲線

圖6 最優協同用戶數與λ的關系曲線

圖7和8是對2.2節優化過程4)中如何設置微時隙長度的仿真，設置λ=4.5，最小協同CR數為41.從兩圖中可以看出優化的雙次協同方法性能明顯優于未優化的雙次協同檢測方法，且放寬了臨界點t*的調度范圍(如圖7箭頭所示).當t∈(0，t*)時，如圖8所示其吞吐量明顯優于其余兩種檢測方法.

圖7 平均感知時間與t的關系曲線

圖8 吞吐量與t的關系曲線

4 結 論

頻譜感知不僅需要物理層的感知算法，還需要媒體接入層的協作調度和控制.本文結合應用層的服務質量需求，提出了雙次協同頻譜感知方案和DV-TDMA調度機制進行跨層協作，以提高受限于陰影衰落和或隱藏終端CRN感知的準確度、時效性和通信吞吐量，并推出了平均感知時間的表達式，給出了吞吐量的優化方法.仿真結果表明：所提方法在保證網絡檢測總錯誤率小于0.01的條件下，通過聯合優化選擇分散在PHY層和鏈路層的特性參數，如協同用戶數、判決值和時隙長度等可獲得最大的認知網絡吞吐量.

[1] ZHAO Q, SADLER B M. A survey of dynamic spectrum access[J]. IEEE Signal Processing Magazine, 2007 24(3): 79-89.

[2] HAYKIN S. Cognitive radio: brain-empowered wireless communications[J]. IEEE Journal on Selected Areas in Communications 2005, 23(2): 201-220.

[3] GHASEMI A, SOUSA E S. Collaborative spectrum sensing for opportunistic access in fading environment [C]// IEEE DySPAN. Baltimore, November 8-11, 2005: 131-136

[4] 馬忠貴, 周賢偉. 基于自適應智能天線的認知無線電抗干擾方法[J]. 電波科學學報, 2010, 25(4): 767-772.

MA Zhonggui, ZHOU Xianwei. Interference suppression method in cognitive radio networks based on adaptive smart antenna[J]. Chinese Journal of Radio and Science, 2010, 25(4): 767-772. (in Chinese)

[5] LIANG Y C, CHEN K C, LI Y, et al. Cognitive radio networking and communications: an overview[J]. IEEE Transactions on Vehicular Technology, 2011, 60(7): 3386-3407.

[6] GANESAN G, LI Y. Cooperative spectrum sensing in cognitive radio, part I: Two user networks[J]. IEEE Transactions on Wireless Communications, 2007, 6(6): 2204-2213.

[7] CUI C, WANG Y. Optimization and criterions of collaborative sensing under transmission power constraint[C]// 6th international conference of wireless communications Networking and Mobile Computing (WiCOM). Chengdu, 23-25 September, 2010: 1-4.

[8] 崔翠梅, 汪一鳴, 周劉蕾, 等. 協同頻譜感知的多維度優化及判別準則[J]. 南京: 南京郵電大學學報, 2011, 31(4): 19-23.

CUI Cuimei, WANG Yiming, ZHOU Liulei, et al. Multi-dimension optimization and criterions of collaborative spectrum sensing[J]. Journal of Nanjing University of Posts and Telecommunications: Natural Science, 2011, 31(4): 19-23. (in Chinese)

[9] 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 and Science, 2011, 26(5): 923-926 (in Chinese).

[10] 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 radios[J]. Chinese Journal of Radio and Science, 2009, 24(6): 1049-1054 (in Chinese).

[11] LI L, LU Y, ZHU H. Half-voting based twice-cooperative spectrum sensing in cognitive radio networks [C]// 5th International Conference of Wireless Communications Networking and Mobile Computing(WiCOM). Beijing, September 24-26, 2009: 1-3.

[12] DU Hong, WEI Zaixue, YANG Yanhui, et al. Sensing overhead and average detection time mitigation for sensing scheduling algorithm[C]// 18th International Conference on Telecommunications (ICT). Ayia Napa, May 8-11, 2011: 216-220.

[13] WON-YEOL L, AKYILDIZ I F. Optimal spectrum sensing framework for cognitive radio networks[J]. IEEE Transactions on Wireless Communications, 2008, 7(10): 3845-3857.

[14] STEVENSON C, CHOUINARD G, LEI Z, et al. IEEE 802.22: The first cognitive radio wireless regional area network standard[J]. IEEE Communications Magazine, 2009, 47(1): 130-138.

[15] ZHANG W, MALLIK R K, LETAIEF K B. Optimization of cooperative spectrum sensing with energy detection in cognitive radio networks[J]. IEEE Transactions on Wireless Communications, 2009, 8(12): 5761-5766.