认知Ad Hoc网络多小区资源分配方案

阔永红,杨江洪,陈 健

(西安电子科技大学通信工程学院,陕西西安 710071)

认知Ad Hoc网络多小区资源分配方案

阔永红,杨江洪,陈 健

(西安电子科技大学通信工程学院,陕西西安 710071)

在授权多小区频谱资源复用场景下,基于分级信道接入模型提出了一种认知Ad Hoc网络资源分配方案.授权小区将频谱资源进行区间复用,认知系统根据区域复用的不同划分可用频段,并在不同频段采取不同的接入方式;联合考虑链路传输需求及授权用户干扰保障设计传输效益因子,根据传输效益因子分配可用信道,运用拉格朗日对偶理论实现功率分配,并基于令牌环结构实现Ad Hoc链路局部信息交互.仿真表明,所提算法相对非复用认知场景系统容量可在相同指标下提升2%.

认知Ad Hoc网络;频率复用;多小区场景;资源分配;令牌环

认知无线电网络(Cognitive Radio Network,CRN)的发展,为解决频谱稀缺问题带来了新的契机.在认知无线电网络多小区系统架构下,认知系统可充分运用频率复用技术,结合有效的频谱共享方案协调区间同频干扰,通过为次用户(Secondary User,SU)设计合理的资源调度策略保证主用户(Primary User,PU)通信质量,提高网络的频谱利用率[1].

在不同小区场景下,认知无线电网络资源分配侧重点有所差异.由于单小区场景系统架构简易,其侧重解决链路传输性能最优问题,现有的文献则多采用博弈理论[2-3]或最优化理论[4-5]实现资源有效分配;而多小区场景由于需联合考虑区间的资源调度,其实现途径相对单小区而言更为复杂,故需通过设计合理的多址接入和干扰协调方式,实现区间频率复用,从而进一步提高网络的频谱利用率.文献[6-7]研究了多小区正交频分多址(OFDMA)场景下的资源分配问题,次用户采用overlay方式接入授权小区频段,这种接入策略易导致次用户在授权小区承载业务量较大时,认知系统可用信道数减少而难以保障自身服务质量(Quality of Service,QoS).文献[8]提出小区冲突图的概念来降低认知小区间干扰,但每个认知小区采用underlay的方式占用系统部分频段,易使主用户受到同频干扰而无法保障其服务质量.

上述认知多小区资源分配方案多采用集中式网络架构来实现全局信息交互,且不同授权小区复用相同的可用频带,此种接入策略易造成区间同频用户的强干扰,降低了网络节点的传输性能,影响了认知小区对有限频谱的利用效率.相比于集中式认知无线电网络,分布式架构下的认知Ad Hoc网络更能切合可用频谱的时变特性,适应动态的网络拓扑结构,可通过灵活的频谱管理技术,使次用户自适应地满足射频环境在时空变化上的需求[9].此外,考虑到小区承载业务量的差异性,简单的调度机制难以消除小区同频干扰,实现区间频率复用则成为降低区间干扰的有效途径[10].

基于上述分析,笔者设计了认知Ad Hoc网络多小区分级信道接入模型.此模型在授权小区频率复用场景下,根据小区的不同将授权频谱划分为专用频段和共享频段,认知无线电网络在不同频段上采取不同的接入策略.联合考虑认知链路服务质量需求以及主用户干扰保障设计传输效益因子,提出对应的频谱分配方案为不同频段上的可用信道分配合理的Ad Hoc链路,结合拉格朗日对偶理论给出相应的功率控制策略.考虑到Ad Hoc网络的分布式架构,提出基于“令牌环”的信息交互方式,通过令牌的局部交互实现信道的分布式分配,使小区用户通过本地决策实现资源分配.

1 系统模型

如图1(a)和(b)所示,授权小区采用集中式架构,小区内主用户与次用户共存[6-8].认知无线电网络采用分布式架构,无中心控制器用于交互信息,节点需在本地进行决策.为兼顾频谱利用率并实现区间干扰协调,笔者采用频率复用因子为3时的授权小区复用场景,其他复用场景同样适用于这种设计的资源分配策略.次用户可通过地理位置上的相似性、频谱使用条件或其他共同的环境因素在授权小区中组成认知簇(Cognitive Radio Cluster,CRC),并在认知簇内形成局部公共控制信道,认知簇间可通过网关节点形成通路[9,11].认知簇节点运用RTS/CTS协议与簇内任意节点构成收发对.当主用户处于上行传输阶段时,系统有L个授权小区,每个小区授权可用子信道数为K(则系统子信道数为3K),每个小区有M个主用户和N条认知链路,每条链路由单个发射机(SU-T)和单个接收机(SU-R)构成.系统采用OFDM调制方式,载波之间完全正交,传输完全同步.此外,考虑到实际区域划分所产生的尺度衰落,仅考虑第1级相邻小区的干扰[12].

图1 系统场景与分级信道模型示意图

在现有的认知多小区信道共享模型中,次用户在授权小区内多采用overlay或underlay方式与主用户共存.前者易造成小区边缘用户对其余同频小区的干扰,且当同一小区授权网络负载较大时,次用户可用频谱资源尤为稀缺;后者的频谱利用率虽较高,但难以实现良好的干扰协调.

为避免对同小区主用户产生干扰并提高认知链路接入频谱机会,根据复用小区的不同,笔者所提分级信道模型在小区内将频谱对应地划分为专用频段与共享频段.专用频段供本小区主用户和部分次用户(占用频谱空洞)采用单信道-单用户的方式接入,而共享频段则允许多个次用户同时进行接入.如图1(c)所示,给授权小区1分配系统1/3的频谱,此部分频谱在小区1中属专用频段,可供小区主用户和次用户使用,且次用户在此频段仅能占用主用户未使用的信道,而次用户可通过干扰协调接入小区2、3频段.由于本小区次用户在专用频段上仅使用同小区主用户尚未使用的频谱空洞,区内同频干扰得到控制.对于相邻小区同频次用户,考虑到衰落的影响,其对此小区主用户造成的干扰很小,利于保障主用户的服务质量.此外,多条认知链路同时接入共享频段,可在实现干扰控制的前提下有效地提升认知系统的传输性能.

对于∀l∈L={1,2,…,L},设小区l中认知链路集合N={1,2,…,N},专用信道集合K},共享信道集合,主用户占用信道集为,则小区l专用频段中次用户可用的信道集小区l中SU n在专用信道s上的信干噪比为

类似地,可得SUn在共享信道p上的信干噪比为

2 多小区资源分配优化模型

在以往的多小区资源分配方案中,由于不同的授权小区使用相同的可用频段,与之共存的各个认知小区对不同地理位置上的授权小区采取了相同的干扰协调策略,这使得主用户干扰约束难以得到保障.在本节中,结合笔者设计的分级信道模型,提出多小区全局容量优化目标,给出专用频段与共享频段上的主用户干扰约束条件,依据小区的划分分解全局优化目标,降低算法求解难度.

根据分级信道模型,小区l第n条认知Ad Hoc链路的可达速率可由下式表征:

式中,等式右边为链路在专用信道和共享信道上可达速率的和值.

据式(3)联合信道分配,提出以下全局优化目标:

式中,αl,n,s和αl,n,p为信道分配因子,且αl,n,s∈{0,1},αl,n,p∈{0,1}.

考虑到专用频段与共享频段具有不同的接入策略,拟对不同频段采取不同方式进行主用户干扰约束.若小区l中专用信道s已分配给SUn,设此信道在其余L-1个小区中位于专用频段的小区集为Ses,为保证其余小区主用户的传输质量,则要求SUn在专用信道s上功率psul,n,s需满足

由于共享信道上可同时接入多条认知Ad Hoc链路,对于小区l中共享信道p,则要求

根据式(4)～(6)并联合认知Ad Hoc链路传输质量要求,将全局优化问题式(4)分解为L个子问题,每个子问题对应单个认知簇优化模型:

3 分级信道资源分配算法

式(7)是一个混合二进制整数优化模型.若采用联合优化算法直接结合信道和功率分配进行求解,计算复杂度较高.为进一步降低求解难度,分两步实现模型优化:利用分级信道接入算法为可接入信道分配合适的认知链路;利用对偶理论为接入的认知链路分配功率.

3.1 分级信道接入算法

以小区l为例,首先根据信道条件以及阈值pmaxl,n为每条认知链路计算专用信道s和共享信道p的估计功率以及可达速率:

考虑认知链路服务质量需求以及主用户干扰保障,结合式(5)和式(8),令小区l中SUn在信道s上的传输效益因子为

小区l中SUn在共享信道p上的传输效益因子为

由式(10)和式(11)给出的传输效益因子联合考虑了认知链路速率需求Rmin以及主用户干扰约束Ith,其将认知链路在某一信道上传输所得作为传输的收益,将此信道上造成的授权系统干扰量作为传输代价,且利用Rmin与Ith调节某一信道上认知链路传输收益与代价间的权重大小.当认知链路可达速率较低,造成的干扰量较小时,吞吐量收益权重较大;当认知链路可达速率较高,但造成的干扰量较大时,干扰代价权重较大.

基于传输效益因子,提出以下分级信道接入算法为每个信道选择合适的认知链路,步骤如下:

(5)为每个共享信道p分配可接入链路,∀n∈N,对N个ηl,n,p值进行排序,则前条认知链路共享信道分配因子αl,n,p置为1,并将这些链路标号并入集合

3.2 运用对偶理论进行功率分配

通过分级信道接入算法,可获得各个小区专用信道分配因子αl,n,s和共享信道分配因子αl,n,p.此后,通过求解以下模型实现认知链路的功率分配:

由于优化模型式(12)的非凸特性,运用对偶理论求解存在对偶差异,但若系统载波数足够大,可忽略对偶解与原始解的差异[8,13].首先考虑在共享信道干扰、认知链路速率和功率约束条件下,优化模型(12)的求解,其后将采用直接法保证专用信道干扰约束条件.依此,上述优化模型的拉氏函数可表达如下:

式中,δp、εn和θn为拉氏乘子,分别对应前述3个约束条件.注意到对式(13)进行整理,得

式中,Ls和Lp分别表征专用频段、共享频段的优化部分.

运用KKT条件[7,13],结合式(14)可求得小区l中SUn在专用信道和共享信道上的功率为

为满足每个专用信道上主用户的干扰约束,采用直接法对式(15)求出的功率进行取值:

多小区分级信道资源分配算法步骤如下:

(3)运用式(15)～(17),计算各个小区在专用信道上的功率以及共享信道上的功率

(4)判断功率值是否满足收敛条件,是,则算法结束;否则,执行步骤(5);

3.3 基于令牌环的分布式资源分配

与现有集中式调度方案不同,笔者所构建的认知Ad Hoc网络中的次用户仅能在本地决策.为避免信道占用冲突,提出基于令牌环的分布式资源分配方案,从而通过令牌局部交互实现信道分配和冲突避免.

由于授权网络可通过频谱租赁等方式从次用户处获得相应收益,授权小区可通过广播干扰阈值及其承受干扰量从而部分协作认知簇进行资源分配[10].考虑到拉格朗日对偶算法的分布式特性,认知链路占用信道的冲突关键在于传输效益因子η,拟根据令牌环提出相应的分布式资源分配方案,旨在通过令牌局部交互实现信道的分配,避免冲突.令牌环信息交互方案包括3个步骤;基于初始令牌构建令牌环;认知簇内节点根据所设计传输帧结构生成传输令牌;认知簇节点根据设计协议实现传输令牌流转从而交互局部信息.

在算法执行的初始阶段,认知簇随机选择一个群首(Cluster Header,CH),群首按一定方向广播初始令牌,如图2所示.相邻节点监听后,将此令牌附加自身ID信息继续广播,直至令牌最终返回群首处.群首根据初始令牌附加信息广播认知簇上次用户位置,令牌环构建结束.

图2 初始令牌帧结构示意图

图3 传输令牌帧结构示意图

认知簇节点监听到广播信息后,按图3所示帧结构生成各自令牌,其中,DATA信息在令牌中加载效益因子η.对于专用信道,由于η涉及比值但此值在同一信道上对所有次用户而言均相等,为便于次用户在本地生成传输效益值,对专用信道传输效益因子进行以下修正:

共享信道传输效益因子处理方式同式(18).节点根据上式在本地生成令牌DATA信息后开始令牌流转,流转协议如下:

(1)节点仅能将令牌按前置节点—后续节点顺序(由初始令牌节点ID顺序决定)流转令牌.

(2)后续节点接收到前置节点传递来的令牌,先判断令牌伪码是否与本地伪码序列一致.若一致,则解译令牌;否则,丢弃令牌.节点解译令牌后,记录节点ID、信道ID、DATA信息.若令牌节点ID非自身ID,则此节点在令牌上修正后续节点伪码序列,将此令牌传递给其后续节点.

(3)节点解译令牌后进行DATA信息对比.若信道ID标识为专用信道,则记录具有最大DATA信息的节点ID;若信道ID标识为共享信道,则记录前Nmax个DATA信息的节点ID.

(4)当节点接收到标记有环网所有用户ID的令牌后,各个节点根据记录信息进行信道占用,信道分配过程结束,所有用户监听群首的确认帧,开始数据传输.

3.4 算法复杂度分析

分级信道接入算法需要为每条Ad Hoc链路计算其在专用信道和共享信道上的估计功率及可达速率:专用信道和共享信道链路估计功率计算复杂度均为O(LNK2),可达速率计算复杂度均为O(L2N2K);为了实现专用信道和共享信道的分配,需要计算对应的传输效益因子,专用信道和共享信道传输效益因子计算复杂度均为O(LNK(K+N));确定专用信道和共享信道在接入用户集过程中涉及排序操作,采用快速排序法,专用信道计算复杂度为O(LN2K),共享信道计算复杂度为O(LNKNlgN).故分级信道接入算法总的计算复杂度可表征为O[LNKmax(LN,K+N,NlgN)].在运用对偶理论实现功率分配的过程中,需运用次梯度迭代更新拉氏乘子,设乘子更新迭代次数为T,则迭代过程的算法复杂度为O(L2N2KT).综上所述,多小区分级信道资源分配算法总的计算复杂度为O[LNKmax(LNT,K+N,NlgN)].据此,可分析得到分布式架构下平均每个用户的计算复杂度为O[Kmax(LNT,K+N,NlgN)].

4 仿真结果分析

仿真中,假设每个小区的可用信道已被次用户通过协作感知获得,且同一认知簇内的认知节点具有相同的频谱感知结果,授权小区数L=7,小区半径R=1km,每个小区覆盖6个主用户和6条认知AdHoc链路,信道数K=16,带宽B=1.8kHz,噪声功率谱密度σ2=-174dBm/Hz,链路功率增益其中Ad-a为路径损耗部分,A=0.097,a=4,d为收发端距离,为多径衰落成分(其服从指数分布).由于暂时尚未有针对认知AdHoc网络多小区的资源分配算法,故在仿真中将笔者所提算法与联合优化算法、非复用场景算法性能进行对比.

图4给出当Rmin=1Mbit/s,pmax=3W时,不同共享信道可接入认知链路数在不同Ith值下的系统吞吐量比值曲线.吞吐量比值定义为

在非复用场景下,各个授权小区分配相同的系统频段,且每个空闲信道至多被一个次用户占用.从图4中可看出,随着共享信道可接入认知链路数的增多,吞吐量比值逐渐提高,意味着在多小区复用场景下,认知系统的传输性能得到提升.此外,在同一可接入链路数下,Ith越小,吞吐量比值越大,说明主用户干扰约束越严格,复用场景获得的认知系统吞吐量增益越大.

图4 干扰阈值影响下的吞吐量比值示意图

图5 功率阈值影响下的吞吐量比值示意图

图5给出当Rmin=1Mbit/s,Ith=-150dBW时,不同共享信道接入认知链路数在不同pmax值下的系统吞吐量比值曲线.从图中可看出,相对非复用场景,在复用场景下系统吞吐量对于不同接入链路数均取得一定提升,其提升量为20%到40%,且当接入链路数使得共享信道近乎饱和时,随着接入链路数的增多,次用户在每个共享信道上可分功率减少,使得吞吐量比值有所下降.此外,在同一可接入认知链路数下,随着每个次用户可用功率的增大,次用户在每个共享信道上可分的功率增多,系统吞吐量比值也随之增大.

图6给出当Rmin=1Mbit/s,Ith=-150dBW,pmax=3W,Nmax=3时,不同专用频段主用户接入信道数下认知系统吞吐量变化曲线.从图中可看出,随着主用户接入信道数增多,认知系统可接入的信道数在逐渐减少,3种算法吞吐量随之降低.此外,在不同的主用户接入信道数下,笔者所提算法均优于非复用场景性能;与联合优化算法相比,性能差距随着主用户接入信道数的增多而逐渐缩小,且由于所提算法根据传输效益因子优先实现了信道的分配,避免了每次迭代过程中信道分配因子的更新,相对联合求解而言,降低了算法求解的复杂度.

图6 吞吐量随不同主用户接入信道数变化示意图

图7 吞吐量随不同功率阈值变化示意图

图7给出当Rmin=1 M bit/s,Ith=-150 dBW,Nmax=3,时,不同pmax值下认知系统的吞吐量变化曲线.从图中可看出,认知系统吞吐量随pmax值增大而逐渐增大.当pmax值较小时,系统吞吐量增加相对明显;相反,当pmax值增大到一定程度时,吞吐量提升幅度趋于平稳.原因在于此时每条认知链路受约束于授权系统干扰阈值Ith.在不同pmax值下,笔者所提算法的性能均优于非复用场景算法的性能,且性能差距随pmax值的提升而逐渐增大.

5 结束语

在授权多小区场景中,区间频率复用有助于提高认知系统吞吐量.笔者所设计的分级信道模型实现了专用频段与共享频段的划分,为保护主用户传输质量,提升认知Ad Hoc网络系统容量提供了必要前提,其不仅能保证授权系统干扰约束,还可在协调区间同频干扰的同时,提升认知链路接入授权频谱的机会.笔者所提算法根据传输效益因子分配可用信道,运用拉格朗日对偶理论分配链路功率,基于令牌环结构交互节点信息,通过分步求解降低了全局优化模型求解难度,保证了分布式节点可在本地实现资源分配.仿真结果表明,笔者所提算法相对非复用场景,可使认知Ad Hoc网络获得更优的系统容量性能.

[1] Akyildiz I F,Lee W Y,Vuran M C,et al.NeXt Generation/Dynamic Spectrum Access/Cognitive Radio Wireless Networks:a Survey[J].Computer Networks,2006,50(13):2127-2159.

[2] Ni Qiang,Zarakovitis C C.Nash Bargaining Game Theoretic Scheduling for Joint Channel and Power Allocation in Cognitive Radio Systems[J].IEEE Journal on Selected Areas in Communications,2012,31(1):70-81.

[3] 李建东,薛富国,杨春刚,等.认知网络中快速自适应功率控制算法[J].西安电子科技大学学报,2010,37(2):186-191. Li Jiandong,Xue Fuguo,Yang Chungang,et al.Fast Adaptive Power Control Approach for Cognitive Radio Networks [J].Journal of Xidian University,2010,37(2):186-191.

[4] Chen C H,Wang C L,Chen C T.A Resource Allocation Scheme for Cooperative Multiuser OFDM-Based Cognitive Radio Systems[J].IEEE Transactions on Communications,2011,59(11):3204-3215.

[5] Ngo D T,Le-Ngoc T.Distributed Resource Allocation for Cognitive Radio Networks with Spectrum-Sharing Constraints [J].IEEE Transactions on Vehicular Technology,2011,60(7):3436-3449.

[6] Ma Yao,Kim D I,Wu Zhiqiang.Optimization of OFDMA-Based Cellular Cognitive Radio Networks[J].IEEE Transactions on Communications,2010,58(8):2265-2276.

[7] Peng Hailan,Fujii T.Joint Resource Allocation and Interference Avoidance with Fairness Consideration for Multi-Cell Cognitive Radio Networks[C]//Proceedings of IEEE Wireless Communications and Networking Conference. Piscataway:IEEE,2012:1348-1353.

[8] Choi K W,Hossain E,Kim D I.Downlink Sub-Channel and Power Allocation in Multi-Cell OFDMA Cognitive Radio Networks[J].IEEE Transactions on Wireless Communications,2011,10(7):2259-2271.

[9]Akyildiz I F,Lee W Y,Chowdhury K R.CRAHNs:Cognitive Radio Ad Hoc Networks[J].Ad Hoc Networks,2009, 7(5):810-836.

[10] Bernardo F,Agusti R,Pérez-Romero J,et al.Dynamic Spectrum Assignment in Multicell OFDMA Networks Enabling A Secondary Spectrum Usage[J].Wireless Communications and Mobile Computing,2009,9(11):1502-1519.

[11] Kim M R,Yoo S J.Distributed Coordination Protocol for Ad-Hoc Cognitive Radio Networks[J].Journal of Communications and Networks,2012,14(1):51-62.

[12] Leith A,Kim D I,Alouini M S,et al.Distributed Optimization of Multi-Sub-Channel Ad-Hoc Cognitive Radio Network [J].IEEE Transactions on Vehicular Technology,2012,61(4):1786-1800.

[13] Yu Wei,Lui R.Dual Methods for Non-Convex Spectrum Optimization of Multicarrier Systems[J].IEEE Transactions on Communications,2006,54(7):1310-1322.

(编辑:郭 华)

Resource allocation scheme for multi-cell cognitive radio Ad-Hoc networks

KUO Yonghong,YANG Jianghong,CHEN Jian
(School of Telecommunication Engineering,Xidian Univ.,Xi’an 710071,China)

A resource allocation scheme for the cognitive radio Ad-Hoc network,which is collocated with the multi-cell primary radio network,is proposed based on the hierarchical channel access model.In this case,different primary cells can utilize some parts of the whole spectrums in terms of the reuse factor. Available bands are divided by the secondary system in line with the reused area and different access modes are developed according to the spectrum division.The proposed transmission profit parameter combining the transmission requirement with the interference constraint is used for channel allocation and the secondary system uses the Lagrange duality theory to implement power allocation.The Token Ring is introduced to realize local information exchange for the Ad-Hoc link.Simulation results show that,with the same performance metrics,the proposed algorithm can achieve 20%improvement on the overall throughput compared to the non-reuse-based cognitive scenario.

cognitive radio Ad-Hoc networks;frequency reuse;multi-cell scenarios;resource allocation; token ring

TN929.5

A

1001-2400(2014)03-0079-09

10.3969/j.issn.1001-2400.2014.03.012

2013-01-22< class="emphasis_bold">网络出版时间:

时间:2013-11-22

国家自然科学基金资助项目(60972072,61340033);高等学校学科创新引智计划资助项目(B08038)

阔永红(1967-),女,教授,博士,E-mail:yhkuo@mail.xidian.edu.cn.

http://www.cnki.net/kcms/detail/61.1076.TN.20131122.1628.201403.86_022.html