一种基于跨层设计的双次协同频谱感知技术

崔翠梅 汪一鸣 朱洪波

(1.苏州大学电子信息学院，江苏 苏州 215021；2.南京邮电大学 无线通信重点实验室，江苏 南京 210003)

引 言

目前，认知无线电网络(Cognitive Radio Network，CRN)已被认为是缓解因无线业务急剧增长而引起的频谱稀缺问题的最有希望的方法.在CRN中，通过机会共享和动态接入[1]，认知无线电(Cognitive Radio,CR)可智能地监测和分析频谱的应用，然后做出工作参数的调整以更好地适应动态频谱环境[2].由于认知网络的性能往往依赖于认知用户如何准确和快速地检测频谱利用机会，因而设计一个有效的频谱感知方法是CR技术成功实现的关键.

在CRN中，解决频谱感知时遭遇的隐藏终端和信道阴影衰落等问题是一个具有挑战性的任务.协同频谱感知技术因可利用多认知用户的空间分集作用有效克服这些不利因素对单节点感知所造成的负面影响[3-4]而被广泛利用.目前，关于协同频谱感知技术的研究在文献[5]中有了较全面的介绍.文献[6-8]中，作者利用多用户网络环境中固有的空间分集特性及放大重传(Amplify-and-Forward，AF)协议分析了基于中继的协同感知技术；文献[9-10]研究了利用融合中心将感知信息融合的协作频谱感知融合算法.

然而每一种协同感知方法都有它的优缺利弊，因此，在实际认知网络中考虑将多种协同感知技术加以结合也许是一个有效的解决方法.文献[11]研究了两次协同感知算法，通过分簇进行簇内和簇间的数据融合，这要求必须有较高信噪比(Signal Noise Ratio，SNR)的CR用户，如果各CR用户SNR都比较低，并不能显示协同的有效性.其次，提高协同感知性能不仅依赖于物理层(Physical，PHY)的检测方法，也取决于媒体接入(Medium Access Control，MAC)层的感知行为调度.最近，文献[12-13]研究分析了频谱感知行为的优化调度.然而，这些方法尚未综合考虑频谱感知的准确性、时效性和CRN的吞吐量.

本文针对处于低SNR环境的多用户认知网络，对PHY层的协同感知方法和MAC层调度机制进行了改善，提出一种双次协同感知模型和适应此新模型动态变化特性的动态可变时分多址(Dynamic and Variable Time-Division Multiple-Access,DV-TDMA)调度机制，二者进行跨层协作.此方法在考虑协同成本和复杂度的情况下，通过最小化参与协同的CR用户数，综合衡量了频谱感知的准确性与时效性，给出了认知网络吞吐量最优化的算法，并对算法的性能进行了分析和仿真.

1 双次协同感知原理

1.1 PHY层感知算法

1.1.1 系统模型

构建一个典型的多用户CRN双次协同感知系统模型，如图1所示.此CRN网络由N个协同用户对Pairi(Ui，Ri)组成，i=1，2，…，N.每个协同对包括一个认知用户Ui和一个认知中继Ri.当Ui位于授权用户/主用户(Primary User，PU)发射基站覆盖区域内，但受阴影和/或障碍物影响或位于覆盖区域边缘，而接收PU信号能力足够强的Ri由于受阴影和/或障碍物影响不能正确传递信息给感知基站时，此时CR正确感知PU是否存在很大的不确定性，甚至会产生“隐藏终端”问题，从而对PU产生干扰，这正是CR在借用频谱过程中应极力避免的问题.针对这种恶劣环境情况，提出双次协同频谱感知模型在尽量不增加成本开销和设备复杂度的情况下，充分利用网络中已有资源，通过增强认知中继用户的使用机率来提高频谱感知的准确性、快速性和CRN的吞吐量.

图1 双次协同感知系统架构图

该双次协同频谱感知的过程分两个阶段：第一阶段为放大重传(Amplify and Forward,AF)协同感知；第二阶段为数据融合.

1.1.2 AF协同感知

pf，i=φ(λi，1，βθi=0)，

(1)

(2)

Ui和Ri独立检测的检测概率分别为

(3)

(4)

1.1.3 数据融合

(5)

(6)

Qm=1-Qc.

(7)

1.2 MAC层感知调度

1.2.1 优化的感知调度机制

由于频谱感知的性能不仅依靠PHY层的感知方法，也取决于MAC层的检测行为的安排，采用DV-TDMA接入工作机制代替传统固定的TDMA机制.其原因有二：1)由于实际CR网络环境的动态可变性，所需感知的时隙数动态可变，可根据实际需要自动调整分配的时隙数；2)每个时隙的数据传输包也是依据实际环境动态变化，时隙的长短需根据传输数据包来调整；若时隙太长，CR与PU间易产生冲突碰撞；若太短，则会造成CR通信机会的丢失，从而导致频谱资源的浪费.

假设CR网络的所有协同用户对Pairi(Ui，Ri)都按照图2所示的AF协议及DV-TDMA工作机制进行同步数据传输，因第二次协同仅取最少部分CR用户，可允许有微小的传输延迟.在时隙T1，CR用户Ui发送信息，CR中继用户Ri监听；在时隙T2，Ri放大转发前一时隙接收的信息至Ui，Ui监听信息；在时隙T3，感知基站融合N个微时隙中来自Ui的判决信息θi，作出最终判决后广播至各CR用户.按照此三个时隙依次循环检测，直至检测到PU.

图2 动态可变的TDMA调度机制

1.2.2 平均感知时间

直觉上，两次协同会比单次协同耗用更多的时间来检测PU是否出现.为一探究竟，本节主要研究整个感知过程的平均感知时间.由于认知用户在网络中位置随机分布的特性，分如下两种情况讨论感知时间.对照图2，一种情况是如果每个协作用户对Pairi(Ui，Ri)的Ui先传输信息，Ri中继转发信息，此时的感知时间定义为τ1；反之，如果Ui和Ri的角色互换，Ri先传输信息，Ui中继转发信息，则感知时间定义为τ2，那么整个网络的平均感知时间则为τ=(τ1+τ2)/2.

(8)

类似的，可求得

(9)

因此，整个网络的平均感知时间可表示为

(10)

由图2知，式(3)中T3=Nt，N表示参与协同的CR数，是一个动态可优化参数，t为每个微时隙长度.

根据文献[6]的固定时隙调度机制，可推出单次协同感知的平均感知时间为

(11)

2 双次协同感知性能的跨层优化

2.1 系统吞吐量

PU对授权频谱的占用可等效为开关模型.当频谱处于开启On状态时，表示该频谱正被某个PU所占用；而当频谱处于关闭Off状态时，则表示该频谱未被PU占用，此时，CR可以接入该频段进行通信.根据文献[13]可知，授权频谱的繁忙(存在PU信号)与空闲(不存在PU信号)状态分别服从参数为u和v的指数分布，u、v分别表示授权频谱从繁忙转为空闲状态的转换速率以及由空闲转变为繁忙状态的转换速率.由此可得，授权频谱处于繁忙状态和空闲状态的先验概率Pon、Poff分别为:

(12)

(13)

事实上pon≤0.5(v≤u)的CRN才有实施的价值.

在CRN中，一般采用周期感知.设CR的帧长为T，每帧由两部分组成:一部分用于感知，感知时间为τ，余下T-τ部分用于数据传输.定义C0为PU空闲时CR接入PU授权频谱所获得的单位带宽信道容量，C1为PU繁忙时CR接入所获得的单位带宽信道容量.假设PU与CR的信号都呈高斯分布，那么C0=log2(1+P1)，C1=log2(1+P1/(1+Pt))，很明显C0>C1.若PU的信号是非高斯的，C1≥log2(1+P1/(1+Pt))，Pt为PU的传输功率.

CR可以接入PU的授权频带分如下两种情况：

一旦CR检测出PU处于空闲状态，CRN中各CR均以概率p(0≤p≤1)竞争接入，N个CR能成功接入该频带的概率为

ρ=Np(1-p)N-1.

(14)

这里暂不讨论CR在数据传输过程中与PU或其他CR之间产生的碰撞冲突情况.定义PU实际处于空闲状态时，CRN的吞吐量为

(15)

PU实际处于繁忙状态时，CRN的吞吐量为

(16)

那么，CRN采用双次协同感知后的平均吞吐量可写为

RD=R0D+R1D.

(17)

同理，可得CRN采用单次协同感知的吞吐量表达式

RC=R0C+R1C

(18)

2.2 吞吐量的优化

优化问题：实际CRN中，为了增强授权给PU的空闲频谱的利用率并避免对PU造成干扰，最大化CR的检测准确度和最小化系统感知时间的同时，是否存在最优的参数设置使CR系统达到最大的吞吐量是目前需要综合衡量的重要问题.该优化问题可表示为：

maxRD(τ，Qc，Qf)

(19)

s.t.Qm+Qf≤ε，

T-τ>0，

0<τ

式中ε为CR系统总检测错误率的上限，表示对PU的最低保护程度.根据IEEE 802.22 Wireless Regional Area Networks(WRANs)第一国际CR标准，CR检测到PU的感知时间不能超过2 s，漏检和虚警概率均要小于0.1[14].为满足此规格，在后续的仿真分析中，设ε≤0.01，则Qm≤0.01 和Qf≤0.01；加之pon≤0.5和C0>C1，那么R0D在整个系统吞吐量RD中占主导地位.因此该优化问题可以转化为

(20)

s.t.Qm+Qf=ε，

T-τ>0，

0<τ

根据式(5)～(6)和式(10)可知，式(20)的优化是一个关于PHY层和MAC层多元参数λ，N，K，t等的联合优化问题，且目标优化函数很难求出解析解.本文将在满足约束条件限制的情况下，采用嵌套循环搜索算法依次优化各参数以求得最优的系统吞吐量.其优化过程如下：

这里需要补充说明的是：对于过程4)中微时隙长度t的设置，由式(10)知，平均感知时间τ是一个关于N、t的增函数.当t一定时，只有选择最优的协同用户数N才可得到τ的最优值.为符合不同λ值设置，可以从所有λ值所对应的最优Nopt(λ)值中选择最小的一个值，即min(Nopt(λ))来求τ.当min(Nopt)确定后，根据τ=tc，可求出t的临界值t*，然后设置t∈(0，t*).

3 仿真分析

假设PU处于On/Off的指数参数u=v=1；CRN需要协同的CR数N=100，其接收SNR均为P1=10 dB，中继用户的接收SNR均为P2=10 dB，PU和各CR用户及中继用户的最大传输功率P1max，i=P2max，i=10 dB；CR接入成功率ρ≈1，总检测错误ε=0.01；帧长T=100 ms，时隙T1=T2=10 ms.图3给出了微时隙t=0.2 ms时，吞吐量与能量检测阈值λ的关系曲线图.从图3可以看出本文所提的双次协同检测及其优化方法明显优于单次协同检测，同时感知时间和检测概率也满足约束条件的限制，分别如图4和5所示.图3至图5中，优化的双次协同检测方法相对于未优化的双次协同检测方法(100个CR用户全部参与协同感知)虽然性能上改善程度不明显，但是它可以用较少的CR用户(如图6所示)参与协同实现相同的性能.节省了协同的成本，减少了协作复杂度.

图3 吞吐量与λ的关系曲线

图4 平均感知时间与λ的关系曲线

图5 检测概率与λ的关系曲线

图6 最优协同用户数与λ的关系曲线

图7和8是对2.2节优化过程4)中如何设置微时隙长度的仿真，设置λ=4.5，最小协同CR数为41.从两图中可以看出优化的双次协同方法性能明显优于未优化的双次协同检测方法，且放宽了临界点t*的调度范围(如图7箭头所示).当t∈(0，t*)时，如图8所示其吞吐量明显优于其余两种检测方法.

图7 平均感知时间与t的关系曲线

图8 吞吐量与t的关系曲线

4 结 论

频谱感知不仅需要物理层的感知算法，还需要媒体接入层的协作调度和控制.本文结合应用层的服务质量需求，提出了双次协同频谱感知方案和DV-TDMA调度机制进行跨层协作，以提高受限于阴影衰落和或隐藏终端CRN感知的准确度、时效性和通信吞吐量，并推出了平均感知时间的表达式，给出了吞吐量的优化方法.仿真结果表明：所提方法在保证网络检测总错误率小于0.01的条件下，通过联合优化选择分散在PHY层和链路层的特性参数，如协同用户数、判决值和时隙长度等可获得最大的认知网络吞吐量.

[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] 马忠贵, 周贤伟. 基于自适应智能天线的认知无线电抗干扰方法[J]. 电波科学学报, 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, 汪一鸣, 周刘蕾, 等. 协同频谱感知的多维度优化及判别准则[J]. 南京: 南京邮电大学学报, 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] 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 and Science, 2011, 26(5): 923-926 (in Chinese).

[10] 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 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.