基于特征檢測器的能量采集認知無線電系統優化研究*

高 燕,張照鋒,胡國兵,王書旺,石 天

(1.南京信息職業技術學院電子信息學院,南京 210023;2.金陵科技學院電子信息工程學院,南京 211169;3.東南大學信息科學與工程學院,南京 211189)

基于特征檢測器的能量采集認知無線電系統優化研究*

高 燕1*,張照鋒1,胡國兵2,王書旺1,石 天3

(1.南京信息職業技術學院電子信息學院,南京 210023;2.金陵科技學院電子信息工程學院,南京 211169;3.東南大學信息科學與工程學院,南京 211189)

將特征檢測器頻譜感知方案引入能量采集的認知無線電系統中,分析比較了不同檢測器背景下感知閾值和感知時間對系統性能的影響,且在能量約束和碰撞限制條件下,以最大化系統次級用戶的吞吐量為目標計算出最優的感知時間。計算機仿真結果表明,在合適的感知閾值條件下,3種檢測器的感知時間最優解有所差異,能量檢測器同時依賴于能量約束和碰撞限制,最大特征值檢測器僅受限于能量,而最大最小特征值檢測器則無法找到最優的感知時間。

認知無線電;能量采集;頻譜感知;感知時間

基于能量采集的認知無線電技術可作為克服頻譜資源稀缺以及實現綠色通信的一種有效手段,極大地提高了未來移動通信網絡的能量利用率和頻譜利用率[1]。能量采集技術充分利用可再生能源,區別于傳統的固定能源如電池驅動等方式,可從周圍無線電環境中的噪聲、干擾等無線電信號中提取能量,為認知無線電網絡的正常運作提供能源。這一方案解決了能源不足的問題,同時也是一種低碳環保技術。此外,認知無線電技術實現了主用戶和次級用戶之間的頻譜共享,通過對無線電磁環境的感知,在不干擾主用戶的前提下,次級用戶實現機會性地頻譜接入,從而提高了頻譜的使用效率。

目前,除了廣播和中繼系統中的應用[2-3],能量采集技術還廣泛用于認知無線電系統網絡[4-9]。在認知無線電系統中,頻譜感知的性能直接影響著頻譜的利用率。近年來,國內外很多學者一直致力于認知無線電網絡中的各種參數優化研究。文獻[4]和[5]研究了最優的頻譜感知策略,在能量約束和碰撞限制條件下,優化檢測閾值以最大化能量采集認知無線電系統的吞吐量。文獻[6]在能量采集的認知無線電系統中,對于不同采集到的能量值,分析感知時間和感知閾值之間的關系,在次級發射機的3種不同工作狀態下,實現了感知時間和感知閾值的聯合優化研究。文獻[7]將能量采集技術應用于認知無線電系統中,將頻譜感知過程建模為馬爾科夫過程,根據主用戶出現的概率以及存儲的能量值設計出最優的接入策略。文獻[8]提出了一種能量采集-頻譜感知-數據傳輸SST(Saving-Sensing-Transmitting)的時隙結構,通過尋找最優的能量采集因子和能量采集率,以最大化系統的吞吐量,在能量采集與頻譜感知之間尋求平衡點。文獻[9]提出了一種save-then-transmit協議,通過尋找最佳的能量采集率來優化系統的中斷性能。

然而,目前引入能量采集技術的認知無線電網絡,其中的頻譜感知環節大多采用能量檢測技術。能量檢測器ED(Energy Detection)簡單易于實現,但容易受到各種因素如噪聲不確定度[10]的影響而導致性能下降。因此,為了使頻譜檢測性能不受噪聲因素的影響,目前特征檢測器也常用于頻譜感知過程中。與傳統的能量檢測算法相比,特征檢測器無需知道主用戶和噪聲的具體信息,基于隨機矩陣理論,從中提取檢驗統計量,有效地克服了噪聲不確定度對檢測性能的影響,且檢測性能優于ED算法。文獻[11]基于信號的樣本方差矩陣,提取最大特征值ME(Maximum Eigenvalue)作為檢驗統計量進行頻譜感知,理論分析和仿真結果都表明了ME檢測器優于能量檢測器。文獻[12]同樣基于特征值理論提出了一種最大最小特征值MME(Maximum-Minimum Eigenvalue)檢驗算法,該算法無需信號、信道和噪聲的先驗信息,且性能優于能量檢測器。

基于以上研究,本文主要探討ED、ME和MME 3種特征檢測器在能量采集認知無線電系統中的應用。對于不同的檢測器,研究感知時間、感知閾值與采集能量之間的關系,在能量約束和碰撞限制條件下,優化感知時間,以最大化能量采集認知無線電系統的吞吐量,提高頻譜利用率和能量利用率。

1 系統模型

假設能量采集的認知無線電系統由兩層網絡組成,即主用戶網絡和次級用戶網絡。次級網絡無固定的能源供給,需要從周圍的無線電環境中采集能量,實現頻譜感知和數據傳輸。為了盡量避免次級用戶與主用戶之間的沖突,次級用戶在進行數據傳輸之前需要進行頻譜感知,以判斷信道是否可用。

1.1 主用戶網絡模型

假設授權主用戶網絡采用時隙的工作模式,每個時隙的長度為τ。定義St∈{0,1}為頻譜在時隙t時的兩種狀態,其中,0表示頻譜處于空閑狀態,1表示占用狀態,這兩種狀態可以相互轉換。進一步將q0定義為主用戶占用頻譜的可能性,而q1定義為頻譜空閑的可能性。因此,q0+q1=1。假設這兩種可能性對次級用戶可知,次級用戶始終處于飽和狀態,總有數據需要傳輸。

1.2 次級用戶網絡模型

1.2.1 頻譜接入以及能量模型

假設次級鏈路由一個能量采集的次級發射機和能量不受限的次級接收機組成。當未檢測到主用戶信號存在時,次級發射機機會性地接入頻譜。為了避免與主用戶的沖突,次級發射機周期性的執行頻譜感知以及數據傳輸。在一個時隙中,頻譜感知的時間和數據傳輸的時間分別為τs和τt=τ-τs。

由此可知,次級發射機的頻譜接入決定受能量約束限制,可以表示為

(1)

1.2.2 頻譜感知

當處于激活模式時,頻譜感知器通過二值假設檢驗來檢測主用戶信號的存在

H0:St=0(空閑)

H1:St=1(占用)

(2)

(3)

(4)

(5)

(6)

(7)

(8)

式中:γMME為感知閾值,ρmax和ρmin分別為主用戶信號協方差矩陣Rs的最大和最小特征值,其他參數的含義同于ME檢測器。

2 能量采集認知無線電系統的性能

在能量采集的認知無線電系統中,感知時間是一個很重要的參數,直接影響著消耗的能量大小,這就意味著次級發射機的有效工作模式依賴于感知時間。因此,有必要研究感知時間對整個系統性能的影響。

2.1 激活可能性

考慮到次級發射機接入頻譜的可能性與采集能量和消耗能量之間的關系,以能量檢測器為例,將次級發射機的激活可能性定義如下:

(9)

式中:

λED(τs,γED,eh)=

(10)

為采集到的能量與系統消耗的能量之比。

次級發射機采集到的能量與感知時間無關,而消耗的能量會隨著τs的變化而變化。假設eh一定,根據λED(τs,γED,eh)的值,系統工作區可以分成3種情況:

(1)能量充足區:λED(τs,γED,eh)>1,對應的感知時間集為Ts={τs|λED(τs,γED,eh)>1};

(2)能量平衡區:λED(τs,γED,eh)=1,對應的感知時間集為Te={τs|λED(τs,γED,eh)=1};

(3)能量不足區:λED(τs,γED,eh)<1,對應的感知時間集為Td={τs|λED(τs,γED,eh)<1}。

2.2 能量采集認知無線電系統的性能分析

認知無線電系統的頻譜感知性能通常由Pf和Pd這兩個指標衡量,如果次級發射機依賴于采集到的能量工作,由于能量約束和碰撞限制的影響,需要重新考慮新的性能度量標準。

(11)

(12)

同理,ME和MME檢測器的各種性能表示如下:

(13)

式中:

(14)

(15)

(16)

(17)

式中:

(18)

(19)

(20)

與傳統能量不受限的認知無線電系統相比,在能量采集的認知無線電系統中,系統的平均吞吐量會受到激活可能性的影響,對于能量檢測器,可以表示為

(21)

式中:

(22)

表示能量不受限的認知無線電系統的平均吞吐量,C0=lb(1+SNRs)是次級網絡的輸出,SNRs指次級接收機端的信噪比。

ME和MME檢測器的系統平均吞吐量可用相似的方法得到

(23)

式中:

(24)

(25)

式中:

(26)

3 最優感知時間設計策略

能量采集認知無線電系統的目標是最大化系統的吞吐量。然而,次級發射機必須同時滿足能量約束限制和碰撞限制,即碰撞限制應低于一定的值以保證主用戶網絡不受干擾。結合以上的分析可知,次級發射機的性能會受到感知時間的影響,如何在合適的感知閾值條件下,設計最優的感知時間以最大化系統的吞吐量顯得尤為重要。

3.1 碰撞限制下的最小感知時間

(27)

3.2 能量約束條件下的最小能量平衡感知時間

(28)

3.3 感知時間的最優解

(29)

4 仿真結果與討論

下面對上述的理論分析進行仿真驗證,并通過考察不同感知閾值條件下,當采集到的能量變化,在滿足一定的目標碰撞可能性限制下,ME和MME檢測器背景下的最優感知時間設計問題,同時與ED算法性能進行比較。

圖1 系統平均吞吐量與歸一化感知時間的關系

圖2 碰撞可能性與歸一化感知時間的關系)

圖3 系統平均吞吐量與歸一化感知時間的關系

圖4 碰撞可能性與歸一化感知時間的關系

圖5 系統平均吞吐量與歸一化感知時間的關系

圖6 碰撞可能性與歸一化感知時間的關系)

5 結論

本文基于ED、ME和MME 3種檢測器,在能量采集的認知無線電系統中,探討了感知閾值、碰撞限制、能量約束限制對系統性能的影響,并分析感知時間最優解的取值問題。利用本文的討論結果,可以在合理的感知閾值選取范圍內,設計最優的感知時間,以最大化系統的平均吞吐量。

[1]LeeS,ZhangR,HuangKB.OpportunisticWirelessEnergyHarvestinginCognitiveRadioNetworks[J].IEEETransactionsonWirelessCommunications,2013,12(9):4788-4799.

[2] Yang J,Ozel O,Ulukus S. Broadcasting with an Energy Harvesting Rechargeable Transmitter[J]. IEEE Transactions on Wireless Communications,2012,11(2):571-583.

[3] Nasir A A,Zhou X Y,Durrani S. Relaying Protocols for Wireless Energy Harvesting and Information Processing[J]. IEEE Transactions on Wireless Communications,2013,12(7):3622-3636.

[4] Park S,Kim H,Hong D. Cognitive Radio Networks with Energy Harvesting[J]. IEEE Transactions on Wireless Communications,2013,12(3):1386-1397.

[5] Park S,Hong D. Optimal Spectrum Access for Energy Harvesting Cognitive Radio Networks[J]. IEEE Transactions on Wireless Communications,2013,12(12):6166-6179.

[6] Chung W,Park S. Spectrum Sensing Optimization for Energy-Harvesting Cognitive Radio Systems[J]. IEEE Transactions on Wireless Communications,2014,13(5):2601-2613.

[7] Sultan A. Sensing and Transmit Energy Optimization for an Energy Harvesting Cognitive Radio[J]. IEEE Wireless Communications Letters,2012,1(5):500-503.

[8] Yin S X,Zhang E Q,Yin L. Optimal Saving-Sensing-Transmitting Structure in Self-Powered Cognitive Radio Systems with Wireless Energy Harvesting[C]//2013 IEEE International Conference on Communications(ICC),Jun. 2013,2807-2811.

[9] Luo S X,Zhang R,Lim T J. Optimal Save-Then-Transmit Protocol for Energy Harvesting Wireless Transmitters[J]. IEEE Transactions on Wireless Communications,2013,12(3):1196-1207.

[11] Zeng Y,Koh C L,Liang Y C. Maximum Eigenvalue Detection:Theory and Application[C]//2008 IEEE International Conference on Communications,May 2008,4160-4164.

[12] Zeng Y and Liang Y C. Eigenvalue-Based Spectrum Sensing Algorithms for Cognitive Radio[J]. IEEE Transactions on Communications,2009,57(6):1784-1793.

Feature-Based Optimization for Energy-Harvesting Cognitive Radio*

GAOYan1*,ZHANGZhaofeng1,HUGuobing2,WANGShuwang1,SHITian3

(1.School of Electronic Information,Nanjing College of Information Technology,Nanjing 210023,China;2.School of Electronic Information Engineering,Jinling Institute of Technology,Nanjing 211169,China;3.School of Information Science and Engineering,Southeast University,Nanjing 211189,China)

We consider an energy-harvesting cognitive radio system where the feature-based detectors are used for spectrum sensing,the effect of the sensing threshold and sensing duration on performances with different detectors are compared,and the optimal sensing duration can be obtained by maximizing the average throughput of an energy harvesting secondary network subject to energy causality constraint and a collision constraint. Numerical results show that there exists difference among the optimal sensing duration with three detectors for an appropriate sensing threshold,the energy detector is affected by energy causality and collision constraint,one just depends on energy with maximum eigenvalue detector,where there is no optimal sensing duration for the ratio of maximum to minimum eigenvalue detector.

cognitive radio;energy harvesting;spectrum sensing;sensing duration

項目來源:南京信息職業技術學院科研基金項目(YK20150102);南京信息職業技術學院開放基金項目(KF20150104);江蘇高校品牌專業建設工程資助項目(PPZY2015C242);江蘇省“六大人才高峰”第十二批高層次人才項目(DZXX-022);江蘇省高校優秀中青年骨干教師和校長境外研修計劃項目;江蘇省自然科學基金項目(BK20161104)

2016-04-09 修改日期:2016-05-02

TN92

A

1005-9490(2017)03-0561-07

C:1130

10.3969/j.issn.1005-9490.2017.03.009