主动式频谱感知的改进型信道切换算法

秦 臻 薛 峰 梁继民

(1.西安电子科技大学电子工程学院，陕西 西安 710071；2.湖北省无线电管理委员会，湖北 武汉 430071)

引 言

认知无线电系统中，认知用户可以通过周期性的感知信道采集信道的相关信息，及时感知周围快速变化的无线环境，对信道相关参数进行统计和分析，得到信道及首要用户的有用信息，并能够尽快适应信道切换,实现信道的高效连接.

当认知用户感知到首要用户出现时，认知用户需要迅速退出正在使用的信道，切换到未使用的信道上，重新建立通信. 许多研究是基于被动避让方式[1]，认知用户感知到首要用户出现，则切换信道，随机选择可用信道，这样不可避免地增加了对首要用户的干扰.文献[2]证明了减少信道的切换次数，可以提高认知系统的吞吐量. 文献[3]提出了随机信道选择算法，可使得系统成功传输概率达到最大，但不足之处是，并未全面考虑感知系统的吞吐量，这样实际上导致了系统效率降低. 文献[4，5]研究表明频繁信道切换对系统性能产生严重影响，这也意味着增大了感知开销，因此认知用户需要在选择信道数量和感知开销进行折衷考虑.

文献[6]提出了一种自适应的主动式频谱感知方案，通过对信道进行排序使认知用户用最小的感知开销找到可用的信道. 文献[7]是基于业务流模型分类的主动式频谱感知算法，减少传输信道可选数量，选择最佳信道. 文献[8]通过对信道的周期性检测，预测信道将来可用时间的长短，提出了主动式的信道切换方法. 文献[6-8]中算法的不足之处在于，均没有考虑到频繁信道切换对系统性能的影响，没有有效解决系统的性能和信道的切换次数之间的矛盾.

在主动式频谱感知方式下，信道切换必然会产生一定感知开销代价. 在文献[8]算法的基础上，采用信道空闲时长预测和比较策略，提出了一种改进型的主动式频谱感知信道切换算法. 仿真结果表明：在对首要用户干扰最小前提下，与文献[8]算法相比它可以减少信道切换次数约20%.

1 系统模型

基于预测的认知无线电系统模型[8]表明，认知用户通过主动式频谱感知方式，感知信道状况并将感知信息存贮进信道历史信息库，最新的频谱感知信息能够显示特定信道的当前状态. 结合这些数据，认知用户通过相应的预测算法，预测信道的空闲时长，按照一定的信道切换规则，认知用户决定是否切换信道，如果不切换信道则在当前信道继续进行数据传输，如果切换信道，则在新的信道重新建立链接进行数据传输.

2 信道切换算法

2.1 主动式和被动式信道切换

被动式信道切换模型如图1(a)所示，认知用户使用当前信道i进行通信，当检测到首要用户出现时，认知用户切换到另一条空闲信道j进行通信，这将不可避免地对首要用户的通信产生干扰.

主动式信道切换模型如图1(b)所示，认知用户周期性地检测各个信道，当前信道的空闲时长小于门限时，它主动切换到另一条空闲信道进行通信，避免了对首要用户的通信产生干扰.

(a) 被动式 (b) 主动式图1 主动式和被动式信道切换模型

2.2 主动式信道切换算法

在主动式信道切换方式下，通过预测当前信道的空闲时间长短，认知用户可以通过相关算法决定在当前信道上首要用户出现之前切换信道. 它可以在对首要用户干扰概率最小的前提下，提高系统的吞吐量. 主要包括以下两部分内容：

信道空闲时间预测：认知用户通过主动式频谱感知方式感知一系列信道，获取信道的一系列历史观测值，通过相关的算法[8]预测信道将来空闲的时长.

信道切换：根据预测的结果，认知用户通过相关的切换规则决定何时退出当前信道并切换到最优的信道上.

假设认知用户通过一条专用控制信道传递相关的控制信息，认知用户通过主动式频谱感知获取首要用户信道使用的相关统计信息. 认知用户可以在N个正交的信道上切换，首要用户的模型是基于两个状态的连续时间马尔可夫模型. 认知用户的帧结构如图2所示. 算法的目的，是使认知用户对首要用户的干扰最小.

图2 认知用户的时序结构

利用历史观测值和预测结果，认知用户可以预测将来信道的可用性，并且主动地切换信道，有效避免了对首要用户的干扰. 然而，主动式信道切换方式的有效性与预测的精确程度有很大的相关性. 如果预测结果不准确，反而容易产生错误的切换决策.

图3示出了两种可能的错误信道切换方式[8]. 为了方便对比，将正确的主动式信道切换方式也示于图中. 在错误的主动式切换方式Ⅰ中，认知用户错误地认为，预测信道j可能的空闲时长比信道i长，然后主动切换到信道j，这导致对自身通信不必要的干扰. 同样的，在错误的主动式切换方式Ⅱ中，信道j的实际空闲时长比信道i短，然而由于预测结果的不准确性，给首要用户造成了附加的干扰. 改进型的主动式频谱感知信道切换算法的设计目标，是尽可能实施有效的信道切换，而同时减少错误的切换次数. 这二者不同之处的关键在于信道空闲时间的长短，所以信道的选择以信道空闲时间的长短为标准.

图3 三种主动式信道切换方式

2.3 信道空闲时长预测

预测机制依赖于首要用户的信道使用模型. 本文中，假设认知用户通过主动式频谱感知了解了各信道的相关统计模型和参数[9]， 认知用户可以通过长时间地对信道进行周期性采样感知，获取这些相关信息.

下面给出相应的交替指数模型下信道在下一个时刻仍旧为空闲的概率. 信道的模型是交替指数ON/OFF模型，服从指数分布e-λΔt，其对应的参数用λYi,λXi表示，S=1,0分别表示信道忙闲状态. 假设当前信道经过时长Δt为空闲的概率为Pj，推导出

(1)

特殊地如果Δt=Ts，Ts为数字通信的一个时隙的时长，那么转移概率Pj也即表示当前信道j在下一个时隙其状态为空闲的概率.则可以计算出当前信道下可能的空闲时长：

(2)

对当前信道空闲时长预测的精确性，与最近一次的观测值、下一个时隙之间的时长有关. 通过对认知系统可用信道的主动式频谱感知，预测各信道空闲时长，认知用户可以在首要用户出现之前主动地切换频谱，避免了与首要用户之间的碰撞.

2.4 改进型信道切换算法

认知用户对备选的信道进行排序，选择最优的信道. 它在对首要用户干扰最小的情况下，尽可能提高频谱的利用率. 公式表示如下：

(3)

(4)

式中:CH(prev(Xj)) 表示认知用户在信道切换前所选信道;CH(Xj)表示认知用户在信道切换后所选信道;τswitch表示信道的切换开销.

算法步骤：

①经过主动式频谱感知，估计信道的相关参数；

②估计当前信道j经过一个周期Ts后空闲的概率Pj；

④计算信道的切换开销τswitch；

⑤计算各信道的可能空闲时长，并进行排序，按照一定的切换规则，认知用户做出是否切换信道的决定.

如图4所示，认知用户当前工作信道为i，其空闲时长比信道j短，依照文献[10]，认知用户应切换到信道j，然而考虑到感知开销，如果Δtswitch<τswitch，认知用户则应继续选择当前信道而不是切换信道.

图4 信道切换规则

3 性能分析与仿真

为检验改进型信道切换算法的性能，我们把它和文献[8]中的两种信道切换方案的算法进行比较， 其中主动式方案1和主动式方案2分别代表文献[8]中对应两种算法. 对仿真参数进行设定，假设认知网络中有10个首要用户和一个认知用户，10个首要用户信道服从交替指数分布的模型，其OFF和ON状态均是均匀分布[μmin,μmax]， 固定μmin为0.5，μmax值介于0.6～2. 感知时长为20 ms，传输时长为180 ms.信道切换代价为20 ms，仿真时长为100 00 s.

为了评估首要用户和认知用户的性能，定义以下三个指标：

信道切换次数：认知用户为了避免对首要用户的干扰，采用主动式信道切换方式避让首要用户对应的信道切换次数的数值，它的值代表认知用户切换信道的次数.

有效时间利用率：认知用户通信时长减去和首要用户发生碰撞相关时长后，进行可靠通信的时长与整个通信时长的比值，可以理解为频谱空洞的利用率，它的值越高表示频谱的利用率越高.

碰撞次数：所谓碰撞，就是在某个认知用户进行通信的时隙正好首要用户出现，则首要用户和认知用户的通信同时受到干扰. 碰撞次数表示在整个通信时隙上，认知用户进行通信时和首要用户发生碰撞的时隙数的总和，它的数值越大，说明认知用户对首要用户的干扰越严重.

3.1 信道切换次数

图5给出了采用改进型信道切换算法和文献[8]方案得到的信道切换次数的对比. 如图5所示，随着μmax值的上升，改进型信道切换算法在三种算法中是最优的. 它比文献中信道切换次数减少约20% . 同时可以看到，仿真参数设定固定μmin为0.5，μmax值从0.6～2随着μmax值的升高，该比例有轻微下降，这是因为μmax值的上升意味着首要用户的出现相对降低，因此信道的切换次数也减小. 所以本算法对于比较繁忙的首要用户系统更加有效.

由于文献[8]中的两种信道切换方案，仅考虑到认知用户切换到信道空闲时长最长的信道上，它们并没有考虑到信道切换的代价. 而本文提出的改进型信道切换算法，对应的信道切换次数明显减少，有效地提高了系统的性能.

3.2 有效时间利用率

图6对三种算法有效时间利用率进行了比较. 仿真参数的设定和文献[8]中完全一致. 通过对比可以看到：在认知用户有效减少信道切换次数的情况下，本文提出的算法其有效时间利用率比文献[8]中的算法高. 这是因为当系统总的空闲时长是一定时，如果减少认知用户的信道切换次数也即意味着相对增大了认知用户可用的时长. 由于在三种算法中，改进型算法考虑到信道切换开销，其信道切换次数最少，在总的可用时长一定的条件下，该算法所对应的有效时间利用率相对是最高的.

图5 信道切换次数

图6 有效时间利用率比较

3.3 碰撞次数

图7对三种算法所对应的碰撞次数进行了比较. 可以看到：三种算法对应的碰撞次数接近相同，这是因为三种算法信道切换策略都是以最大化信道空闲时间为标准，所以认知用户在通信时和首要用户发生碰撞次数基本相同. 同时可以看到随着μmax值的上升，三种算法对应的碰撞次数是逐渐减小的. 这是因为μmax值上升意味着首要用户出现概率相对降低，信道空闲的概率增大，此时认知用户利用空闲频谱进行通信时干扰首要用户的概率降低.

3.4 切换代价和有效时间利用率之间关系

图8给出了τswitch和有效时间利用率之间的关系. 随着τswitch的上升，三种算法的有效时间利用率都是下降的.这是因为τswitch的上升也即意味着切换代价增大，在总的可用通信时长是一定的条件下，认知系统可用的通信时间相对减少. 本文算法在三种算法中有效时间利用率相对最高，因为它的切换次数相对最少.

图7 碰撞次数比较

图8 τswitch和有效时间利用率之间关系

4 结 论

在主动式频谱感知方式下，通过信道空闲时长的预测，同时要兼顾考虑切换代价. 因信道的频繁切换往往带来许多意想不到的麻烦，如丢包，延时及同步等, 对系统性能产生严重影响，这也意味着会增大感知开销，所以认知用户需要在信道切换控制和感知开销进行折衷考虑，按照相应的规则算法选择最佳的信道. 通过引入切换代价函数，对原算法做出改进和修正，有效降低信道切换代价. 仿真表明：改进型的主动式频谱感知信道切换算法和文献[8]算法相比，它可以减少信道切换次数约20%，同时对首要用户干扰最小. 然而，考虑到认知无线电发展的实际情况，算法还可以进一步改进. 首先，首要用户的业务模型仅考虑了ON/OFF模型，下一步工作应考虑更多的业务模型[11]；其次，本算法仅考虑单个认知用户的情形，下一步可考虑多个认知用户合作感知信道[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 莹, 岳殿武, 王 谦, 等. 基于信道统计特征的认知无线电协作频谱检测[J]. 电波科学学报, 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] 赵东峰, 周贤伟, 程曾伟, 等. 采用最小最大准则的协作频谱感知融合[J]. 电波科学学报: 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)