多信道认知无线电频谱感知时间和门限联合分配

刘　鑫, 张建伟, 杨　昊, 孔繁锵, 高　宁, 闫钧华

(1. 大连理工大学 信息与通信工程学院, 116024 辽宁 大连; 2. 电力科学研究院 云南电网有限责任公司， 650217 昆明; 3. 南京航空航天大学 航天学院， 210016 南京; 4.中国航天科技集团 五○二研究所, 100190 北京)



多信道认知无线电频谱感知时间和门限联合分配

刘鑫1,3, 张建伟2, 杨昊2, 孔繁锵3, 高宁4, 闫钧华3

(1. 大连理工大学 信息与通信工程学院, 116024 辽宁 大连; 2. 电力科学研究院 云南电网有限责任公司， 650217 昆明; 3. 南京航空航天大学 航天学院， 210016 南京; 4.中国航天科技集团 五○二研究所, 100190 北京)

摘要:为提高多信道认知无线电的吞吐量，提出采用交替方向优化联合分配次用户的频谱感知时间和子信道感知门限. 基于“先听后传”的次用户帧结构，建立了感知时间和门限的优化分配模型. 该模型在保证满足主用户通信需求和子信道频谱感知性能的前提下，最大化次用户各子信道的吞吐量总和. 联合优化算法通过交替优化感知时间和门限能够获得模型的最优解. 仿真结果表明：存在最优的感知时间和门限最大化次用户的吞吐量，并且相比之前的方案，联合分配能够提高次用户的吞吐量. 关键词: 认知无线电；频谱感知；联合分配；吞吐量

认知无线电CR(cognitive radio)基于软件无线，是一种提高频谱资源利用率的智能无线通信技术[1]，它允许次用户SU(secondary user)使用政府固定分配给主用户PU(primary user)的授权频谱，但前提是SU不能给PU的正常通信带来干扰[2]. 因此，SU必须使用频谱感知技术检测信道中是否存在PU，只有当PU空闲时，SU才能进行通信[3]. CR最常使用的频谱感知技术是能量感知，能量感知只需将接收信号的能量统计值与预先设定的门限作比较即可确定PU是否存在，所以能量感知简单、易行，并且不需要PU信号的任何先验信息[4].

SU采用“先听后传”策略使用PU信道，即在每个帧的开始SU首先感知PU，如果检测到PU空闲，接下来的时间内SU才传输数据[5]. 多信道CR允许SU同时利用多个感知到的空闲子信道进行数据传输，因此吞吐量会提高[6]. 文献[7-8]指出CR的性能取决于感知时间和感知门限，较长的感知时间虽然会提高感知性能，但也会降低SU的数据传输时间；较小的感知门限虽然能提高检测概率，但也会增加虚警概率并降低SU的频谱利用率. 因此，选择合适的感知时间和门限对提高CR的性能是非常必要的. 文献[9-10]提出通过优化SU在每个子信道上的频谱感知门限，在保证子信道频谱感知性能的基础上，可以提高SU的吞吐量，但是没有考虑如何设置感知时间. 文献[11-12]则提出在保证检测概率的前提下，通过优化感知时间可以增加SU的吞吐量，但是却假定感知门限是固定的并由检测概率确定. 为此，本文提出联合分配频谱感知时间和门限，进一步提高SU的吞吐量.

1能量感知

由于能量感知不需要信号的先验信息就能够准确检测PU，因此被广泛应用于CR的频谱感知中. 假设CR可用的信道数为L，子信道l(l=1,2,…,L)上SU的接收信号yl为

(1)

能量感知首先计算接收信号yl的能量统计值Yl，表示为

yl(1),yl(2),…,yl(M)是独立同分布的变量，因此当M足够大时，Yl近似服从高斯分布，表示为

(2)

(3)

2系统模型

(4)

图1　SU帧结构

(5)

3模型优化

(6)

式中：ξ是PU满足通信需求的最小吞吐量，α和β分别是SU满足感知性能要求的最大虚警概率和最小检测概率且α≤0.5和β≥0.5. 式(6)是多变量优化问题，可以采用交替方向优化进行求解[15]. 求解思想是：给定感知时间τ为一初始值，搜索最优的门限向量ε*最大化吞吐量C，然后给定ε=ε*，搜索最优的感知时间τ*最大化C；给定τ=τ*，重新优化；通过若干次迭代优化，可获得优化问题的最优解.

3.1感知门限优化

因此，式(6)简化为关于ε的优化问题，表示为

(7)

(8)

(9)

3.2感知时间优化

(10)

(11)

求解C(τ)关于τ的二阶导数，表示为

(13)

(14)

(15)

3.3联合优化算法

联合优化算法基于交替方向优化，具体步骤如下：

1) 初始化k=1、τ(k)=0、ε(k)={0}和估计误差ξ；

2) 令τ(k)=τ0(τ0为0～T任意数)；

3) 代入τ(k)，根据式(9)求解最优向量ε*；

4) 令ε(k+1)=ε*；

5) 代入ε(k+1)，根据式(15)求解最优值τ*；

6) 令τ(k+1)=τ*和k=k+1；

8) 联合最优解为τ=τ(k)和ε=ε(k).

4仿真分析

图2　SU吞吐量随感知门限变化

图3　SU吞吐量随感知时间变化

图4是不同算法下，SU吞吐量随PU吞吐量的变化. 图4比较了本文感知时间和门限联合分配算法、文献[12]提出的优化感知时间的感知吞吐量折中方案、文献[9]提出的多信道感知门限优化方案以及传统的固定感知时间和门限方案. 可以看出，在PU吞吐量给定的情况下，联合分配算法能够使SU获得更高的吞吐量，而感知吞吐量折中方案和多信道感知门限优化方案由于仅优化感知时间或感知门限，其性能要低于联合分配算法，但是要好于固定感知时间和门限方案.

图4　SU吞吐量随PU吞吐量变化

5结论

本文基于“先听后传”的次用户帧结构，建立了频谱感知时间和子信道感知门限的联合优化分配模型，以最大化多信道CR中SU的吞吐量. 采用交替方向优化将联合优化分解为分别关于感知时间和感知门限的两个单变量子优化问题，理论和仿真表明两个子优化问题是凸优化且存在最优解，交替优化两个子优化问题可以获得最终解. 在PU吞吐量给定的情况下，联合分配能够使SU获得更高的吞吐量. 下一步会考虑将联合分配应用到多用户场景中.

参考文献

[1] MITOLA J, MAGUIRE G Q. Cognitive radio: making software radios more personal[J]. IEEE Person Communication， 1999, 6(4): 13-18.

[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. Spectrum sensing in cognitive radio networks: requirements, challenges and design trade-offs[J]. IEEE Communications Magazine， 2008, 46(4): 32-39.

[4] 刘鑫, 谭学治, 徐桂森. 噪声不确定下认知无线电能量检测性能的分析[J]. 四川大学学报(工程科学版)， 2011, 43(6): 168-172.

[5] MARINHO J, MONTEIRO E. Cooperative sensing-before-transmit in ad-hoc multi-hop cognitive radio scenarios [C]// International Conference on Wired Wireless Internet Communications. Santorini: Springer Press, 2012： 186-197.

[6] FAN Rongfei, JIANG Hai. Optimal multi-channel cooperative sensing in cognitive radio networks[J]. IEEE Transactions on Wireless Communications， 2010, 9(3): 1128-1138.

[7] 丁汉清, 杨家玮，赵志远. 认知无线电系统中感知时间的优化[J]. 华中科技大学学报(自然科学版), 2011, 39(8): 84-87.

[8] LIU Xin, JIA Min, TAN Xuezhi. Threshold optimization of cooperative spectrum sensing in cognitive radio network[J]. Radio Science， 2013, 48(1): 23-32.

[9] ZHI Quan, SAYED A H, POOR H V. Optimal multiband joint detection for spectrum sensing in cognitive radio networks[J]. IEEE Transactions on Signal Processing， 2009, 57(3): 1128-1140.

[10]MICHELE S, MAURIZIO M. Optimization of non-convex multiband cooperative sensing with genetic algorithms[J]. IEEE Journal of Selected Topics in Signal Processing， 2011, 5(1): 87-96.

[11]LIANG Y C, ZENG Y H, EDWARD C Y, et al. Sensing-throughput tradeoff for cognitive radio networks[J]. IEEE Transactions on Wireless Communications， 2008, 7(4): 1326-1336.

[12]LIU Xin. A new sensing-throughput tradeoff scheme in cooperative multiband cognitive radio network[J]. International Journal of Network Management， 2014, 24(3): 200-217.

[13]EDWARD C Y P, LIANG Y C, GUAN Y L. Optimization of cooperative sensing in cognitive radio networks: a sensing-throughput tradeoff view[J]. IEEE Transactions on Vehicular Technology， 2009, 58(9): 5294-5299.

[14]LIU Xin, JIA Min, GU Xuemai. Joint optimal sensing threshold and subcarrier power allocation in wideband cognitive radio for minimising interference to primary user[J]. China Communications， 2013, 10 (11): 70-80.

[15]STEPHEN B, NEAL P, ERIC C, et al. Distributed optimization and statistical learning via the alternating direction method of multipliers[J]. Foundations and Trends in Machine Learning， 2011, 3(1): 15-40.

(编辑王小唯苗秀芝)

Joint allocation of spectrum sensing time and threshold in multichannel cognitive radio

LIU Xin1,3, ZHANG Jianwei2, YANG Hao2, KONG Fanqiang3, Gao Ning4, Yan Junhua3

(1. School of Information and Communication Engineering, Dalian University of Technology, 116024 Dalian, Liaoning, China;2. Electric Power Research Institute, Yunnan Power Grid Company Limited, 650217 Kunming, China;3.College of Astronautics, Nanjing University of Aeronautics and Astronautics, 210016 Nanjing, China;4. 502 Research Centre, China Aerospace Science and Technology Corporation, 100190 Beijing, China)

Abstract:In order to improve the throughput of multichannel CR, a joint allocation of spectrum sensing time and subchannel sensing threshold based on the alternating direction optimization is proposed. Based on the SU’s listen-before-transmit frame structure, an optimized allocation model is built to maximize the aggregate throughput of the SU over all the subchannels, providing that the communication demand of the PU and the performance of the subchannel spectrum sensing are guaranteed. The joint optimization algorithm is proposed to obtain the optimal solutions to the model through alternately optimizing sensing time and threshold. The simulation results show that there exist the optimal sensing time and threshold that maximize the SU’s throughput, and compared to the previous schemes, the joint allocation can improve the SU’s throughput.

Keywords:cognitive radio;spectrum sensing; joint allocation; throughput

中图分类号:TN92

文献标志码:A

文章编号:0367-6234(2016)05-0117-05

通信作者:刘鑫, liuxinstar1984@nuaa.edu.cn.

基金项目:国家自然科学基金(61471194, 61401200); 江苏省自然科学基金(BK20140828); 中国博士后科学基金(2015M580425).

作者简介:刘鑫(1984—), 博士.

收稿日期:2015-08-09.

doi：10.11918/j.issn.0367-6234.2016.05.019