基于多層分簇優化的認知無線電網絡協作頻譜感知策略

摘 要： 針對認知無線電網絡（CRN）中基于簇的頻譜感知策略的檢測性能和能耗問題，提出一種基于多層分簇優化的協作頻譜感知策略。首先，將CRN分成多個簇，進而將簇分成多個組，再將組分成多個子組，構建三層分簇結構；然后，利用提出的優化算法獲得最優的分簇參數和決策閾值；最后，通過投票機制和K?out?of?N規則對各級決策進行聚合，進行頻譜感知。實驗結果表明，該方案在獲得較高主要用戶（PU）頻譜占用檢測率的同時，能夠最大限度地減少信道開銷，提高了網絡的吞吐量。

關鍵詞： 認證無線電網絡； 協作頻譜感知； 多層分簇； 參數優化； 決策規則

中圖分類號： TN92?34 文獻標識碼： A 文章編號： 1004?373X（2016）17?0049?06

0 引 言

由于傳統的無線網絡采用固定頻譜分配政策的頻譜利用率非常低，由此，研究人員提出了認知無線電（Cognitive Radio，CR）技術[1]。其基本思想是：在不對占用頻譜的主要用戶（Primary User，PU）產生干擾的前提下，使次級用戶（Secondary User，SU）通過擇機的方式接入暫時空閑的PU頻段，以提高頻譜利用效率[2]。目前，認知無線電網絡（CRN）中的研究大多集中于協作頻譜感知（Cooperative Spectrum Sensing，CSS），在復雜的無線電環境條件（如重陰影和深多徑衰落）下改善CR的檢測性能。然而，通過CSS改善檢測性能的同時會導致通信開銷（即帶寬需求）增加。為此，基于簇的頻譜感知（CBSS）被用來最小化開銷，改善傳統CSS的檢測性能[3]。此外，基于簇的方案還被用于減少傳感延遲和避免控制信道的擁塞。

在傳統的基于簇的協作頻譜感知系統中，將認知無線電網絡劃分為簇，每個簇都包含一個簇頭（CH）和多個簇成員（CM），其中CH為具有最大信道增益的CR[4]。目前，學者提出了多種基于簇的CSS方案，例如文獻[5]提出了在非理想信道下基于CSS的一個傳統簇，使用OR規則作為聚合規則。相比于集中式的協作頻譜感知系統，有效提高了傳感性能。然而，其并沒有考慮頻譜效率。文獻[6]采用K?out?of?N規則（即少數服從多數規則）提出一種傳統CBSS方案，同時為大量CR提出了快速頻譜感知算法以及最優感測閾值。文獻[7]提出一種基于多簇多分組（MCMG）的CSS算法，其將每個簇劃分為多個分組，每個分組都有一個組頭，組頭根據組成員的檢測作出組決策，然后將其報告給CH，CH使用K?out?of?N規則對組頭發送的信息進行聚合。然后，CH向聚合中心（Fusion Center，FC）報告其簇決策。最后，由FC作出PU存在的最終決策。然而，這些方案只考慮檢測率作為優化目標，其沒有考慮到系統的能耗和吞吐量。

為此，本文提出一種基于多層分簇的協作頻譜感知算法，對認知無線電網絡進行多層分簇，將每個簇劃分為組，每個組劃分為子組，通過投票機制和K?out?of?N規則對各級決策進行聚合。同時提出一種優化方法，優化多層分簇結構參數和決策閾值。本文通過多層分簇結構減小報告CR的數量，在滿足檢測率的要求下，最大限度地減少報告信道開銷，增加網絡吞吐量。實驗結果表明，本文算法獲得了較優的檢測率和較低的開銷。

4 結 語

本文提出一種基于多層分簇結構優化認知無線電網絡中的協作頻譜感知策略。將CRN構建成三層分簇結構，利用優化算法獲得最優的分簇參數，包括組數量和子組數量，然后通過選舉策略和K?out?of?N對子組和組中的感知進行聚合，最終由FC做出PU是否占用頻譜的最終決策。實驗結果表明，與現有方法相比，本文方案能夠獲得最優的PU檢測率和最低的信道開銷，并有效提高了網絡整體吞吐量。

參考文獻

[1] 丁漢清，楊家瑋，趙志遠.認知無線電網絡中頻譜感知性能分析[J].計算機科學，2010，37（3）：125?127.

[2] 石磊，周正，唐亮，等.認知無線電網絡中壓縮協作頻譜感知[J].北京郵電大學學報，2011，34（5）：76?79.

[3] 孫劍鋒，高錦春，劉元安，等.基于頻譜感知結果的認知無線電用戶分簇方法[J].電子與信息學報，2012，34（4）：782?786.

[4] LIU H， CHEN W. Cooperative spectrum sensing and weighted?clustering algorithm for cognitive radio network [J]. International journal of information engineering electronic business， 2011， 3（2）： 37?46.

[5] 劉鑫，譚學治，馬琳.認知無線電多簇聯合頻譜感知算法[J].哈爾濱工業大學學報，2013，45（1）：50?54.

[6] JIN L， DUTKIEWICZ E， REN P R， et al. Performance optimization of cooperative spectrum sensing in cognitive radio networks [C]// Proceedings of 2013 IEEE Wireless Communications and Networking Conference. Shanghai， China： IEEE， 2013： 631?636.

[7] WANG Y， LIN W， HUANG Y， et al. Optimization of cluster?based cooperative spectrum sensing scheme in cognitive radio networks with soft data fusion [J]. Wireless personal communications， 2014， 77（4）： 2871?2888.

[8] 許瑞琛，蔣挺.基于POMDP的認知無線電自適應頻譜感知算法[J].通信學報，2013，34（6）：49?56.

[9] TAN L T， LE L B. Joint cooperative spectrum sensing and MAC protocol design for multi?channel cognitive radio networks [J]. Eurasip journal on wireless communications networking， 2014， 101： 1?21.

[10] WANG W R， WANG S B， ZHAO X Y. A dynamic threshold optimization algorithm for spectrum sensing with energy detection in cognitive radio [J]. Applied mechanics materials， 2012， 236： 917?922.

[11] TARICCO G. Optimization of linear cooperative spectrum sen?sing for cognitive radio networks [J]. IEEE journal of selected topics in signal processing， 2011， 5（1）： 77?86.

[12] 張正浩，裴昌幸，陳南，等.寬帶認知無線電網絡分布式協作壓縮頻譜感知算法[J].西安交通大學學報，2011，45（4）：67?71.

[13] 申濱，王舒，黃瓊，等.基于Gerschgorin圓盤理論的認知無線電寬帶頻譜感知[J].通信學報，2014，35（4）：1?10.

[14] SAKRAN H， SHOKAIR M. Hard and softened combination for cooperative spectrum sensing over imperfect channels in cognitive radio networks [J]. Telecommunication systems， 2013， 52（1）： 61?71.

[15] LIU Xin， JIA Min， TAN Xuezhi. Threshold optimization of cooperative spectrum sensing in cognitive radio networks [J]. Radio science， 2013， 48（1）： 23?32.