认知无线网络架构与关键技术研究

张 平，李建武，冯志勇，张奇勋

1.北京邮电大学无线新技术研究所，北京100876;2.北京邮电大学网络与交换国家级重点实验室，北京100876;3.北京邮电大学泛网无线通信教育部重点实验室，北京100876）

0 引言

目前，网络的宽带化、业务多样化以及现有的固定频谱管理模式使无线网络面临资源日益缺乏的重大挑战。动态变化的异构网络环境，更加剧了资源紧缺和业务需求之间的矛盾，从而严重制约了现有和未来无线网络的部署和运行。建立在认知科学、计算机科学以及信息与控制理论基础之上的认知无线网络技术通过对无线环境、网络环境和用户环境的智能学习、推理和决策，实现了资源的有效共享与优化利用，成为了解决资源受限条件下的多网络共存的根本手段，同时也是实现异构网络融合的重要途径。

认知无线网络是一种具有认知过程的网络，能够识别当前网络状态，根据这些状态进行规划、决策和响应。认知无线网络应该将对网络性能的观察（或者代理观察）作为决策处理过程的输入，可作用于网络中可调元素的一系列行为作为输出。理想情况下，一个认知无线网络应该具备以下特征[1]:①网络协同能力;②对环境的认知能力;③对环境变化的学习能力;④对环境变化的自适应能力;⑤通信质量的高可靠性;⑥对网络资源的动态管理;⑦系统功能模块、协议的可重构性。

近年来认知无线网络技术发展快速，尤其是在国家“973计划”项目推进和支持下，认知无线网络研究逐渐从基础理论研究走向实际应用。项目组在认知无线网络研究中取得多项研究成果，限于篇幅简单介绍认知无线网络架构设计和关键技术研究[2]。

1 认知无线网络架构

在认知无线网络理论研究的基础上，提出适变的认知无线网络架构[3]。主要研究内容:理论模型、功能架构和部署架构。

1.1 理论模型

异构网之间通过认知流[4]导引资源流[5]合理流动提高资源利用效率，设计的认知网络架构的理论模型如图1所示。

图1 认知网络架构理论模型

该架构的理论模型主要包括了以下几个模块:

①端到端效能模型:该模块是整个认知无线网络架构的理论模型的驱动因素，基于端到端效能的目标，认知无线网络将进行相关认知信息的收集，由认知信息建立环境的映射，形成计划，优化决策，进而执行重构;

②认知信息滤波器:主要用于设置滤波器，从多域环境中获取认知信息;

③认知信息模型:建立认知信息的相关模型，以用于进一步建立对于多域环境的精确映射;

④认知映射模型:从认知信息模型中抽取相关认知信息，建立对于多域环境的映射。进一步的，可以从中得到现有网络状态下的端到端效能，用于同网络期望的端到端效能进行对比;

⑤计划模型:以端到端效能为目标，建立相关计划的模型，为决策做指导;

⑥决策模型:以计划为指导，建立相关的优化决策，为重构的执行做指导;

⑦重构模型:以优化决策为指导，建立相关的重构模型，用于执行重构命令;

⑧认知流:认知信息的获取、表征、度量、传递和应用的过程，具体描述、刻画认知无线网络的认知信息工作特征;

⑨资源流:认知无线网络资源空间的资源矢量有序变化过程和行为。在认知流的指引下实现资源的优化配置。

在该认知无线网络架构的理论模型中，整个架构由端到端效能驱动，通过架构中模块之间的反馈和模块之间的不断交互，实现网络环境的学习，认知信息传递，以及驱动网络优化决策的功能。

1.2 功能架构

认知无线网络的功能架构是认知无线网络架构的理论模型在基于蜂窝网的认知无线网络中的应用，基于理论模型设计了认知无线网络的功能架构，如图2所示。

该认知无线网络功能架构主要包括了网络侧和终端侧。网络侧和终端侧都包括了4大功能模块:

①认知信息管理:主要用于认知信息的获取、处理、表征和传递的管理;

②数据库＆智能管理:主要用于学习及长期认知信息和知识的存储;

③网络融合管理:主要用于以端到端效能为目标，进行多域资源的自主优化管理;

④重构管理:用于认知无线网络的重构决策及重构执行的管理。

该功能架构实现以下的功能需求来满足认知网络的适变性:①具有获取、处理、表征和传递多域认知信息的功能;②具有以端到端效能为目标的学习功能;③具有以端到端效能为目标，进行多域资源的自主优化管理的能力;④具有重构功能。

图2 认知无线网络功能架构

1.3 部署架构

如何整合理论及功能架构，实现认知无线网络的有效部署，提出一种基于认知平面的认知无线网络分层部署架构。将各网络的控制信息中有关网络融合的全局和长期的控制信息剥离出来，与用于网络融合的认知信息结合起来，形成一个基于认知的控制平面的大区，解决了目前网络的存在2个问题:一网一控制将会导致部分网络的控制信道利用不充分;要异构融合，必须将各个网络的一部分控制信息抽取出来，用于统一调度。部署架构如图3所示。

图3 基于认知平面的分层部署架构

在该网络中，部署架构实现了认知信息与控制信息、业务的分离，将网络分成2层。大区主要管理网络中的认知信息，以及网络长期和全局的少量控制信息，如终端建立连接、为用户业务选择承载网络和网间切换等，共同形成认知平面;小区包括多种不同类型的异构网络，各子网络负责管理其内部的各种控制信息，以及用户的数据业务。通过这种部分控制信令大区覆盖的方式实现了控制与业务在覆盖上的分离。架构的核心是将认知信息与控制信息和业务相分离，由大区统一管理。

设计的“集中管理+分布控制”2层信令控制体系，支持静态与动态相结合的适变体系结构;通过认知导频信道传递认知流，实现异构融合，有效减轻信令开销负担;分层异构的网络架构在保证网络覆盖的前提下，可以减少控制信道开销，有效地提升网络资源的利用效率，提升网络容量。

项目组提出了认知无线网络理论模型，支撑了认知无线网络三大问题的解决，并且描述了认知流的流动及相应的作用，体现出了认知流在认知无线网络架构重要作用，并提出“认知信息量”衡量网络的认知能力，提出“时间熵”、“地理熵”，分别从时间维度和空间维度衡量资源的分布情况。在认知无线网络的理论模型基础上，提出了认知无线网络的功能模型，将认知无线网络的功能模块化，并定义了相应的接口，设计了信令流程，使认知无线网络从理论变成具有可实现性的功能架构，可方便地映射到实际蜂窝网络中。最后，提出了在改动实际网络最小的情况下实现认知无线网络功能的部署方案，设计了认知导频信道（CPC）来实现认知流在不同网络间的流动，形成基于认知的控制平面，并提出2层信令控制方案提高信令资源利用率，解决信令风暴。

2 关键技术研究

实现认知无线网络架构功能，需要关键机制技术的驱动支持。从功能实现流程角度分析，研究主要内容包括:多域主动认知方法、自主资源决策管理、无线自主传输机制以及体系结构适变技术。

2.1 多域主动认知方法[6]

认知无线网络是在认知无线电基础上发展起来的，但与认知无线电有明显区别。区别之一就是认知环境发生了变化，将认知的研究对象从无线域横向拓展到网络域、用户域与政策域，反映了认知对象的多域特性。认知内容不仅仅包括了无线域的频谱空穴探测和主用户位置估计等，还拓展至网络传输延时与承载能力、用户的偏好与需求等。当从无线环境拓展到多域环境后，认知对象就更为丰富，认知方法就更为多样。

构建多域认知分层结构，反映了认知方法的多层次特性。认知的基础方法是本地认知，其核心三要素是数据采集、特征提取与类别判定。当网络拓展到多域环境后，其复杂性和多变性更为显著，需要充分考虑可能获得的所有数据资源，充分挖掘域内空时频等多维相关性与域间无线、网络和用户等多域关联性;为消除单源引入的不确定性和不可靠性问题，需要研究协同认知，其核心是数据层融合、特征层融合与决策层融合;主动认知侧重在机器学习，其核心是学习预测与关联关系等知识获取，可以进一步提高认知信息的精确性、实时性和可靠性等。

多域主动认知方法融入了多域环境表征、多域认知信息存储与传输等，根据认知无线网络多域认知的特性，构建了无线环境域、网络环境域和用户环境域的粗细多粒度表征体系，如图4所示。在多域认知信息获取和处理的基础上，提出了多域认知信息库方案，如图5所示，实现了认知信息的结构存储，为其他功能模块提供数据的查询和更新功能。

图4 多域认知表征体系简图

图5 多域认知信息库结构简图

2.2 自主资源决策管理[7]

认知网络的资源流动过程中体现出资源移动性，这是资源变化、迁移、转换和汇聚等过程中体现出资源流动的特性。如图6所示，基于资源移动性的管理，能够通过监控、管理、学习和预测等手段，准确获取资源的移动信息，进一步预测未来移动变化趋势，并据此实现动态、自主和联合的资源管理，完成资源空间与需求空间的匹配，保证资源流动过程的顺畅和平滑，在此需要研究资源流动时的具体决策管理方法。

图6 基于资源移动性的资源自主管控

2.2.1 针对频谱和相关资源的管控

对于频谱资源和与之相关的功率和接入等资源的管控，是认知无线网络中最为人所关注的一部分内容。在此，通过利用博弈理论、图论、学习算法和模糊推理等方法，对其进行深入的研究，并提出一系列的资源管控算法。

采用改进型图论的方法形成异构无线网络中基于用户速率需求的频谱资源分配方法;针对无线信道状态实时动态变化，以及系统中活跃用户数变化问题，提出了动态异构无线接入环境下的自适应联合带宽和功率分配;利用归一化径向基函数自适应构建状态空间，利用自适应启发评价机制提高学习效率，提出基于归一化径向基函数的自适应启发评价强化学习算法;利用强化学习的在线学习方法结合模糊推理，提出适用于认知网络的集中式动态频谱分配算法，并运用FIS进行优化;在原始贪婪算法的基础上增加多重贪婪策略改进VCG机制，提出基于单频段多赢家拍卖的动态频谱分配方法。关注认知无线网络中的资源分配，尤其是频谱资源的传输功率控制，面向自主决策模型和机制设计的要求，采用多种博弈建模，分析资源管理和控制问题。

2.2.2 针对多维资源的管控

认知网络所管控的资源，除了传统的频谱资源之外，还应该包含网络的终端、链路、天线、计算和交换等资源内容，这样就拓展资源管控的研究领域。

多维资源进行管控研究主要包括:多天线认知无线电网络联合资源管理方法、认知无线电网络基于空分复用的机会频谱接入、认知无线电系统基于空分复用的上行链路设计、认知无线电网络基于空分复用的收发联合频谱共享、认知MIMO系统联合自适应波束成形，以及基于授权通信模式信息的空频域机会接入等。

2.2.3 针对网间资源的管控

对于异构网络场景，打破资源的静态划分壁垒，实现资源的融合共享是提高系统性能，满足业务需求的良好途径。研究了接入网络选择和多流并传等资源联合管理方法。主要技术包括:适应资源移动性的接入网络选择、适应资源移动性的接入网络切换和多流并传的异构网络资源联合管理等。

2.3 无线自主传输机制[8]

认知无线网络的自主传输机制需要针对动态变化的网络、用户和资源等多域环境，在满足异构网络之间的传输约束条件下，充分利用与自主控制和网络适变交互所获得的多域环境认知信息、资源配置信息和端到端效能目标，得到与认知无线网络环境相匹配的最优传输参数和信息处理模式，实现自主适变的认知智能传输，以提高多域资源的利用效率，为达到端到端的网络传输效能提供可靠的传输物理基础，如图7所示。

图7 基于认知的无线自主传输机制工作机理

为充分利用认知流所提供的频率、时间和空间等多种无线资源的自由度，自主传输机制研究的内容及需要解决主要挑战和问题有:

①基于频率维度的传输信号设计:基于频谱空洞的接入方式（overlay），通过分集与复用有效折中的发射信号设计与检测，设计能够自适应可用频谱资源特性的发射信号，在授权用户保护与业务提供能力之间进行折中;

②基于时间维度的传输信号设计:充分利用物理层编码的喷泉属性、纠删抗干扰能力以及编码增益，设计新型的自适应传输和控制机制;

③基于空间维度的发射信号设计:基于干扰控制的接入方式（underlay），利用资源的空间特性，实现多个异构网络共存的自主适变传输，在授权用户保护与业务提供能力之间进行折中。

2.4 体系结构适变技术[9]

认知无线网络的根本目标是提高网络容量，而真正实现对网络容量的提升必须通过改变当前网络状态来实现，也就是在根据收集到的环境信息进行分析整理并做出决策，进而实现网络的结构适变，来最终实现对网络性能的优化和提升。为了实现认知网络的优越性，对体系结构适变技术进行深入研究，并针对复杂多变的重构层次和需求，给出高效稳定的实施机制，实现网络结构适变。

针对结构适变管理进行了框架层面的建模，如图8所示，从网络行为的本质规律出发，依据作用域对重构行为进行了尺度划分:大尺度（业务重构）、中尺度（协议重构）和小尺度（参数重构）。并从跨层、Self-x、分流和会话型业务重构4个方面阐述了具体的构建理论，提出面向不同时间粒度的无线网络业务、协议、参数重构方法与机制，解决了无线网络快速自主重构的难题。

图8 重构模型

体系结构适变性的研究，着重于对网络的实质性变更来真正实现提高网络容量的最终目的。通过网络重构变更作用域为索引，按照小、中和大3个尺度，针对不同的重构对象和方法进行了深入研究，并给出了高效稳定的实施机制。

3 结束语

从认知无线网络整体研究思路出发，明确了研究背景及意义。认知无线网络的提出对传统网络带来了新的变革，涉及到协议架构层面的创新，为此提出了认知无线网络新架构。主要从理论模型、功能架构和部署架构展开研究。此外，认知无线网络架构的实现离不开关键技术的驱动，包括多域主动认知方法、自主资源决策管理、无线自主传输机制和体系结构适变技术。

[1]张平，冯志勇.认知无线网络[M].北京:科学出版社，2010:1－12.

[2]张平.认知无线网络验证演示平台建设与试验[EB/OL].http://www.973cwn.cn.

[3]ZHANG Ping，LIU Yang，FENG Zhi-Yong，et al.Intelligent and Efficient Development of Wireless Networks:A Review of Cognitive Radio Networks[J].Chinese Science Bulletin，2012，57（28－29）:3662－3676.

[4]XU Wen-jun，LIN Jia-ru，FENG Zhi-yong，et al.Cognition Flow in Cognitive Radio Networks[J].China Communications，2013，10（10）:74－90.

[5]YANG Chun-gang，LI Jian-dong，SHENG Min，et al.Resource Flow:Autonomous Cognitive Resource Management Framework for Future Networks[J].Chinese Science Bulletin，2012，57（28－29）:3691－3697.

[6]DING Guo-ru，WANG Jin-long，WU Qi-hui.Mulit-domain Cognition in Cognitive Wireless Networks[J].Frequenz，2011（11－12）:56－63.

[7]HAN Wei-jia，LI Jian-dong，TIAN Zhi，et al.Dynamic Sensing Strategies for Efficient Spectrum Utilization in Cognitive Radio Networks[J].IEEE Transactions on Wireless Communications，2011，10（11）:3644－3655.

[8]HU Su，BI Guo-an，GUAN Yong-liang，et al.Spectrally Efficient Transform Domain Communication System with Quadrature Cyclic Code Shift Keying[J].Communications，IET，2013，7（4）:382－390.

[9]ZHANG ping，HE Qian，FENG Zhi-yong，et al.Reconfiguration Decision Making in Cognitive Wireless Network [J].Chinese Science Bulletin，2012，57（28－29）:3713－3722.