王运峰,丁晓进,张更新
(南京邮电大学 通信与信息工程学院,江苏 南京210003)
低轨卫星(Low Earth Orbit,LEO)具有覆盖范围广、星地距离近、通信延时低和传播损耗小等特点,并且多颗低轨卫星构成的星座可实现全球(包含两极)无缝覆盖,能够有效克服地面通信网在覆盖方面的不足,具有广阔的应用前景[1]。近年来国内外对低轨卫星展开了深入研究,一些公司更是提出由数百颗或上千颗LEO卫星组成的大规模星座系统(如SpaceX,OneWeb[2]),代表着卫星通信未来发展的方向。另一方面,随着通信网络的发展,可申请使用的频率资源越来越紧张,卫星通信很难获得全球覆盖的授权频率,因此如何破解网络全球覆盖与频谱限制之间的瓶颈是目前急需解决的现实问题。
频谱感知是认知无线电技术的关键技术之一,能够缓解频谱资源紧张,为需要通信的用户动态接入到空闲频谱上,提升频谱资源的实际利用率[3-4]。因此基于低轨星座的频谱感知能够突破地面频谱资源不足的限制,实现全球范围内频率共享,是解决卫星网络用频瓶颈的有效手段。近年来,地面通信系统中的频谱感知得到了广泛研究,研究方向主要包括感知策略的选取与优化、频谱资源的管理与调度以及频谱安全接入等方面[5-7]。在卫星网络与认知网络相结合方面,文献[8]提出认知卫星地面无线电概念,地面终端通过认知无线电共享时间、频率和空间资源,并利用天线波束设计技术,减少相互干扰。文献[9]研究认知无线电对星地混合通信系统性能的提升,提出并分析了该系统的功率分配策略。文献[10]对认知卫星网络中频谱感知算法的优缺点进行了综述,并根据各算法自身的特点指出了其应用场合。然而受限于单星感知能力不足,频谱感知的精度往往达不到检测要求,而且卫星监测的带宽一般都采用宽频带,这更增加了卫星感知难度[11-13]。因此通过多星协同提升频谱感知精度,是解决上述问题的有效途径。
在协同频谱感知中,对地面设备用频信息的判定不再仅仅依靠单颗卫星,而是通过汇总多颗卫星的感知信息,通过信息融合判决准则做出判决,从而显著提升频谱感知精度。文献[14]研究基于分簇的认知卫星网络架构,提出基于信任加权的合作频谱传感方法。文献[15]考虑LEO与GEO共用相同频段,并针对卫星运动引起的动态配置问题,提出一种动态频谱分配算法。文献[16]基于LEO卫星宽频带特点,提出通过联合优化感知时间和硬融合方案,最大限度地提高感知效率。
通过卫星协同感知,会降低频谱漏检概率,然而又会提升虚警概率,如何平衡二者关系对提升频谱感知性能有重要意义。而作为合作博弈论之一的联盟博弈模型[17],能够充分关注参与协作的每个节点自身的策略,将所有参与的节点组成一个个联盟,通过联盟协同在提升整体系统的同时,也提升了个体的效用值。文献[18]通过分析检测虚警概率和漏检概率,提出一种基于合并和分裂操作的联盟博弈,通过比较联盟效用值提升整体感知性能。文献[19]通过联盟博弈,提出最佳中继的协作频谱感知技术。文献[20]基于认知基站先验知识,提出一种自适应联盟博弈算法以提升自身信道容量。然而上述文献对联盟博弈的研究都是基于对通过节点自组织形成联盟,无法对联盟划分数进行调控,无法满足多个任务的感知需求。基于此,本文研究一种基于任务驱动的GEO与LEO双层网络协同感知,不同于以往的合并分裂操作,本文联盟划分的数目是基于感知任务,提出将推选种子与联盟博弈相结合的方法,能够在提升频谱感知性能的前提下,满足多种任务要求。
本文研究基于任务驱动的GEO与LEO双层网络协同频谱感知算法,系统结构如图1所示。利用GEO卫星覆盖广,且与地球相对静止的特性,将其作为网络的骨干节点,评估感知任务以及实施LEO协同算法。LEO卫星作为频谱感知节点,采用能量检测的方式对地面设备是否占用频谱资源进行感知判定,将感知结果上报给GEO卫星。GEO卫星汇总LEO卫星获取的频谱感知数据,并根据任务要求对LEO卫星协同算法进行调度。
图1 系统模型图
单颗卫星感知能力有限,为满足一些场景的感知精度要求,需要多颗卫星进行协同感知。GEO卫星作为网络的骨干节点,负责LEO卫星节点的任务分配和感知数据的融合判决,面对不同的任务需求,能够灵活调整感知策略。
首先GEO卫星收到地面指挥中心的感知任务,根据任务的优先级、感知区域内地理信息以及历史感知数据,对感知任务进行评估,得出任务目标的感知精度要求。然后LEO卫星进行本地频谱感知,此时是单独工作,并将数据上传给GEO卫星。GEO卫星根据LEO感知数据计算相应的检测概率和虚警概率,如果能够满足任务要求,则利用单星感知;如果与感知精度有差距,GEO卫星则选取协同感知策略,利用多颗LEO卫星协同感知,提升感知精度,以达到任务要求。最后GEO卫星融合所有感知信息,对地面设备的用频信息及属性进行判决与挖掘。频谱感知具体流程如图2所示。
图2 系统流程图
卫星覆盖地域广、范围大,不同时刻、区域内的信道环境变化较大,且不同的感知任务有不同的要求,比如作战场侦察、灾区救援等需要较高的感知精度。因此GEO卫星作为网络骨干节点,根据不同的任务输入,对LEO卫星节点布置不同的感知精度要求。第k次感知任务可以建模为:
(1)
式中,tek为感知任务开始的时间,sh为任务区域,nk为当前时间内目标区域上空的卫星数,lk为此任务优先级,DB表示GEO感知数据历史信息,εk为目标感知精度。地面指挥中心将任务信息传送给GEO卫星,通过该任务信息,结合历史数据库DB,给出相关的感知参数。对感知参数分别说明:
① 任务优先级lk:地面指挥中心对感知业务进行评估,给出具体的业务优先级。比如承载特殊感知任务或灾区救援等业务优先级最高,称为1级(重要);为卫星寻找频谱资源以便传递信号时的感知任务称为2级(较重);其他获取地面设备用频信息的感知任务称为3级(一般)。
② 目标感知精度εk:不同的业务需求需要不同的感知任务,GEO卫星通过评估任务输入信息,并通过对比历史数据库,得出相应的目标感知精度。例如设置εk=0.1,是指LEO卫星感知的错误概率(虚警概率和漏检概率之和)需要降到10%。另外针对任务中包含不同的感知频率,设置不同的目标感知精度,再根据任务分配算法分给不同卫星联盟。
LEO是否对感知区域内的设备频谱占用,视为二元假设问题,即H0表示地面设备没有占用频段,H1表示频带被占用,卫星i感知的信号表示为:
(2)
(3)
(4)
(5)
GEO卫星采用OR准则对LEO感知数据进行融合判定,OR融合准则能够提升系统的检测概率,但同时也会提升虚警概率,漏检概率和虚警概率为:
(6)
(7)
根据GEO卫星的任务评估结果,如果单星感知无法满足任务要求,则对LEO卫星采用联盟博弈算法进行调度,并根据感知目标数分成不同联盟。多星协同的目标是降低感知系统的总体错误率,定义联盟的效用函数为:
(8)
(9)
式中,α表示虚警概率的门限值,当其超过门限值α时,代价函数趋于无穷大,该节点将不能加入联盟。α的定义保证LEO卫星不会为了追求漏检概率的不断降低而形成一个大的联盟,联盟的最大尺寸根据式(7)可得:
(10)
本文研究以任务驱动的联盟博弈算法,即根据不同的感知任务形成不同的LEO感知联盟,定义任务中需要感知的目标数为K,意味着LEO卫星需要形成K个联盟进行协同感知。任务数量不能改变,所以不能对卫星联盟进行合并和分裂操作。定义联盟比较规则,设Si,Sj为2种不同的联盟,任取联盟Si中的卫星k,若存在以下关系,表明卫星k在联盟Si内获得的收益小于联盟Sj,卫星k更愿意加入联盟Sj:
(11)
本文研究基于任务驱动的GEO与LEO双层网络协同频谱感知,其中GEO卫星作为网络骨干节点,负责实施联盟博弈算法,LEO卫星作为频谱感知节点,将感知信息上报GEO卫星,GEO卫星根据任务数将LEO卫星分成多个联盟进行感知,再分别融合每个联盟内的感知数据进行判定,完成对该目标的感知任务。整个过程分为3个阶段:
① 初始状态及种子卫星选取。GEO卫星接到任务,对任务做出评估并对位于感知区域上空的LEO卫星下发感知指令,LEO卫星单独进行本地感知。因存在多个感知目标,LEO卫星对所有目标依次感知,并通过星间链路将感知信息上报GEO卫星。GEO卫星根据感知结果计算各颗LEO卫星针对不同感知目标时的漏检概率和虚警概率,并根据式(8)计算单颗卫星的效用值,选取每个感知目标中效用值最高的卫星作为种子卫星,种子卫星不能重复且不参与联盟博弈进程,将剩余的卫星随机加入种子卫星,形成初始联盟。
② 联盟形成阶段。GEO卫星随机选取一个初始联盟中的卫星(种子卫星除外)进行联盟博弈,并选取距离此LEO卫星最近的联盟进行调整操作,若能够提升新联盟的效用值,则可加入该联盟并更新联盟分区,否则继续寻找下一个联盟执行此操作,反复迭代此进程,直到联盟的效用函数不再增长。
③ 联盟感知阶段。最终联盟分区达成纳什均衡结构后,卫星的联盟划分不再进行变化,LEO卫星形成K个不同的联盟。GEO根据OR准则对每个联盟内收到的信息进行融合,对任务目标的用频信息做出最终判决。
通过Matlab仿真分析,验证文中所提的基于任务驱动的联盟博弈算法的有效性。在搭建的仿真平台中,9颗LEO卫星随机分布在30 km×30 km的区域内。GEO卫星收到的任务是对1个地面设备进行感知,地面设备位于感知区域中心,距离LEO卫星106m。发射功率设为100 mW,每颗LEO卫星的采样数设为10 000,考虑到地面到卫星之间信道复杂多变的特性,比如地面设备周边建筑物密集或卫星仰角过小,设置不同卫星到地面设备的阴影莱斯信道参数(b,m,Ω)为随机变量。另外对于虚警概率的门限值设为α=0.1,虚警检测概率设为Pf=0.02。
图3 采用联盟博弈策略形成的联盟
表1 每颗卫星的检测概率和效用值
LEOPdU(i)10.936 60.916 620.954 50.934 530.912 40.892 440.872 50.852 550.912 40.892 460.915 50.895 570.913 60.893 680.940 40.920 490.949 00.929 0
图4为感知卫星的联盟效用值与卫星数目的关系,性能对比的方法为非协作单星感知,即在所有感知的LEO卫星中选取错误率最低的卫星做判决。仿真表明,基于联盟博弈的多星协同感知性能有了大幅提升,相比选取最优单星感知,联盟效用函数提升2%,错误概率有20%的降幅。
图4 不同卫星数下的联盟效用函数
提出基于任务驱动的联盟博弈协同算法,以GEO卫星作为网络的骨干节点,承担任务评估以及协同感知算法实施,LEO卫星负责感知任务。给出了基于任务驱动的协同感知业务流程,推导了认知卫星在阴影莱斯信道条件下的检测概率和虚警概率。然后给出基于联盟博弈的协同感知算法,GEO卫星根据感知任务实施联盟博弈算法,LEO卫星组成一个个单独的联盟,按照任务分组感知。仿真表明,提出的协同感知算法,能够平衡在协同感知中相互矛盾的漏检概率和虚警概率,降低整体错误概率,满足不同任务需求。