刘 苗, 姚 荣, 钟晓曦, 孙振兴,2
(1. 东北石油大学秦皇岛校区 电气信息工程系, 河北 秦皇岛 066004; 2. 东北大学 计算机科学与工程学院, 沈阳 110006)
近年来, 随着无线通信系统的迅速发展, 新一代通信系统除了网络的极度复杂、 负载流量的海量增加外, 无线频谱资源也将面临一个巨大的瓶颈, 目前有限的频谱资源越来越难满足迅速增长的各种相关应用和用户的需求, 如何使互连对象之间建立可靠的连接也成为一项关键的任务。因此, 对基于时空维度频谱可用性管理和配置其传输参数的智能设备的需求显著增加[1-2]。
认知无线电(CR: Cognitive Radio)是基于时空维度频谱可用性管理和配置其传输参数的最好候选技术, 其在保证授权用户(主用户)频带不受非授权用户(次用户)干扰的条件下, 通过允许非授权用户共享授权用户频带可使非授权用户获得新的频谱资源, 但必须保证其通信不受任何影响。次用户可共享主用户的谱带有3种CR方案: overlay, underlay和interweave[3-4]。对overlay和underlay方案, 次用户可与主用户共存而不受干扰或具有最小干扰。在underlay方案中, 次用户的传输功率不应超过某个限制, 而在overlay方案中不存在这种约束。然而, 次用户应对主用户的信号有充分的了解, 以便次用户能生成与主用户信号正交的信号以消除干扰。在interweave方案中, 当且仅当主用户不利用其谱带时, 才允许次用户发送; 然而, 如果主用户恢复其活动, 则次用户应通过切换到另一个频带而离开, 或若没有空位存在, 则停止活动[5-6]。
作为认知无线电技术的一种非常有效的实现方式, 频谱池将不同用户(军事、 集群无线通信等)的频谱范围合并为一个公共的频谱资源池[7]。文献[8-9]展示了对这种崭新的频谱分配方式的需求。从这些主用户占据的公共频谱池中, 次用户可借用暂时不被主用户使用的频谱资源。频谱池技术最重要的是需保证各种非授权用户接入当前空闲资源时, 不能对主用户通信造成任何影响。
传统的基于OFDM(Orthogonal Frequency Division Multiplexing)的频谱池系统中, OFDM信号的旁瓣干扰导致其整个功率谱带外辐射功率巨大, 系统通过IFFT/FFT(Inverse Fast Fourier Transform/Fast Fourier Transform)操作进行信号的正交调制与解调, 在主用户与认知用户通信系统之间造成严重的相互干扰[10]。WPM(Wavelet Packet Modulation)是替代OFDM的多载波调制方法, 不需要循环前缀和导频, 因此能有效提高带宽利用率并减少旁瓣效应, 并且使用灵活多样的小波变换基[11]。
任何认知无线电技术都需高可靠度的通信质量和保证频谱资源的利用率最大化。为保证和提高授权用户的通信质量, 研究抑制WPM频谱池中干扰的优化算法具有重要意义。传统的频谱池干扰抑制方法通过屏蔽与授权用户相邻的认知用户子载波, 实现抑制影响授权用户的干扰。这种方法实现简单, 但无法保障认知用户数据传输率。文献[12]分析了频谱池中授权用户与认知用户的ICI(Inter-Carrier Interference)能量, 定位对授权用户产生最大ICI的子载波, 将这些子载波作为最优失效子载波, 并根据认知用户的传输数据率需求, 灵活地选择最优失效子载波进行失效, 从而达到抑制授权用户ICI的目的。文献[13]利用机器学习算法, 获得影响授权用户的最优干扰子载波, 屏蔽最优干扰子载波以达到消除频谱池干扰的目的。目前, 这3种算法都是在牺牲认知用户带宽和数据传输率的前提下实现频谱池干扰抑制的。为进一步提高频谱利用率, 笔者提出一种基于禁忌搜索的频谱池系统优化算法, 在不损失认知用户带宽的情况下, 实现频谱池系统干扰抑制和性能优化。
频谱池基本思想是将其规划为一个WPM系统, 将主用户的频谱按WPM系统子载波间隔的整数倍匹配, 并根据WPM本身所具有的优势灵活使用和控制频谱池资源。一个频谱池内可存在多个主用户与认知用户, 并且各用户之间可交叉存在, 充分利用所有频段。在通信时需检测感知系统通信环境, 以得到各个频点的占用情况。一般对子载波空闲的情况, 用“0”表示; 而对当前有主用户或认知用户使用的频点, 使用“1”表示。通过这样的向量编码, 就可得到对当前频谱的一个详细频点使用地图。认知用户理论上可使用频谱池中任何资源, 只要当前资源是标记为 “0”[14]。频谱池模型如图1所示。基于WPM的频谱池中的干扰是由于在多径信道中授权用户和认知用户信号的正交性遭到破坏, 从而导致授权用户信号与认知用户信号间的互扰。
图1 频谱池模型Fig.1 The model of spectrum pooling
为获得产生最小平均ICI能量的小波滤波器, 采用禁忌搜索算法搜索对授权用户产生最小ICI的小波调制滤波器, 并用该滤波器调制信号, 可在不损失认知用户传输带宽的条件下, 有效抑制频谱池多用户间干扰, 改善频谱池系统性能。具体步骤如下。
1) 设定初始值。设定认知用户子载波数L、 小波滤波器级数最大值Nmax、 禁忌长度T、 迭代次数K的值(K>L), 将初始计数器清零。
2) 创建初始小波滤波器。针对选择随机数Nmax, 创建初始小波调制滤波器
(1)
(2)
(3)
3) 比较初始生成的小波滤波器结构和Mallat结构的符号率, 要求这两种结构的符号率必须相等, 若不相等则返回2), 重新生成初始小波滤波器。
4) 编码。小波包树的每个节点编码为(i,j), 其中i∈(0,…,Nmax)代表层索引,j∈(0,…,2i-1)代表在第i层的位置索引。j为偶数代表高通滤波器,j为奇数代表低通滤波器。符合Mallat结构的L个节点集合x就是一个小波滤波器的编码。
5) 把初始滤波器和其目标函数值作为当前最优解(x,f(x)), 并把x放入禁忌表。采用构造出的小波滤波器调制认知用户子载波, 并把调制后认知用户子载波对授权用户产生的平均ICI能量作为目标函数[14]
(4)
其中hl=[hl1,hl2,…,hlNn]为调制授权用户子载波所用的滤波器,hr=[hr1,hr2,…,hrNr]为调制认知用户子载波所用的滤波器,m和n的范围由滤波器的长度决定,p是信道的额外延迟,hli和hri分别是调制授权用户第i个认知用户第j个子载波使用的滤波器函数,Nr是认知用户的子载波数,Nl是授权用户的子载波数。
6) 检查禁忌表, 在邻域重新生成新的滤波器。
随机选择当前最优滤波器中某一节点(i,j), 如果j<2i-1-1, 且(i,j+1)没有在当前滤波器结构中, 则变为(i,j+1); 如果j=2i-1-1且(i,j-1)没有在当前滤波器结构中, 则变为(i,j-1), 重新产生新的滤波器。重新生成滤波器的规则: 如果节点(i,j)被选择, 则(i,j)节点的子节点不能被选择。假设节点(i,j)被选择, 如果j是奇数, 则节点(i,j-1)或其子节点必须被选择; 如果j是偶数, 则节点(i,j+1)或其子节点必须被选择。
7) 比较新生成的小波滤波器结构和Mallat结构的符号率, 相等则更新禁忌表; 若不相等, 则返回6)。
8) 将新滤波器的目标函数值与当前最优解中的目标函数值相比较, 如果小于当前最优解中的目标函数值, 则该滤波器和其目标函数值成为当前最优解(x,f(x))。将x放入禁忌表, 计数器值加1, 如果计数器值小于K, 返回6); 否则结束, 产生最优小波滤波器。用最优小波滤波器调制认知用户信号, 将产生更小的ICI。该算法复杂度为O(N2)。
仿真场景1。算法初始值设定为: 采用Db(6)小波, 调制方式QPSK(Quadrature Phase Shift Keying), 授权用户子载波为64, 认知用户子载波为16, 设定小波滤波器级数最大值为8、 迭代次数为200、 禁忌长度为4。
屏蔽子载波算法的调制滤波器: 任意选择一个Mallat结构的小波滤波器调制认知用户子载波, 选择第4级滤波器的0~15个节点构成滤波器。
仿真场景2。算法初始值设定为: 采用Db(6)小波, 调制方式QPSK, 授权用户子载波为128, 认知用户子载波为32, 设定小波滤波器级数最大值为10、 迭代次数为500、 禁忌长度为8。
屏蔽子载波算法的调制滤波器: 任意选择一个Mallat结构的小波滤波器调制认知用户子载波, 选择第5级滤波器的0~31个节点构成滤波器。
在仿真场景1下, 使用禁忌搜索选择最优小波滤波器。图2将提出的优化算法产生的影响授权用户的ICI能量与屏蔽相邻子载波算法, 最佳失效子载波算法和基于遗传算法的ICI抑制算法相比较。由图2可见, 各种屏蔽子载波算法和笔者提出的优化算法都能减少影响授权用户的ICI能量。随着屏蔽子载波数的增加, ICI能量越来越小。但在场景1中认知用户共占有16个子载波, 当屏蔽2个子载波, 在牺牲认知用户传输带宽的1/8条件下, 笔者提出的优化算法的ICI抑制效果要明显优于3种屏蔽子载波算法。当屏蔽4个子载波时, 在牺牲认知用户传输带宽的1/4的条件下, 基于遗传算法的ICI抑制算法和最优失效子载波算法的效果略优于笔者提出的优化算法, 而笔者提出的算法明显优于屏蔽相邻子载波算法的ICI抑制效果。
在场景1中, 在屏蔽4个子载波的条件下, 图3将采用3种屏蔽子载波算法和采用笔者提出的优化算法的系统BER(Bit Error Rate)性能进行比较。由图3可见, 采用笔者提出的优化算法的频谱池系统在不牺牲任何认知用户带宽的情况下, BER性能优于其他3种屏蔽子载波算法。
图2 场景1下采用各种算法的系统ICI能量对比 图3 场景1中采用各种优化算法的系统BER性能对比 Fig.2 ICI energy comparison of system using various algorithms in scenario 1 Fig.3 Performance comparison of BER system with various optimization algorithms in scenario 1
图4 场景2中的基于禁忌算法搜索到的小波滤波器的树形结构Fig.4 Tree structure of the wavelet filter searched based on Tabu in scenario 2
在仿真场景2下, 使用优化算法选择最优小波滤波器, 获得的最优小波滤波器结构如图4所示。图5将场景2中笔者提出的优化算法产生的影响授权用户的ICI能量与屏蔽相邻子载波算法、 最佳失效子载波算法和基于遗传算法的ICI抑制算法相比。由图5可见, 各种屏蔽子载波算法和笔者提出的优化算法都能减少影响授权用户的ICI能量。随着屏蔽子载波数的增加, ICI能量越来越小。但在场景2中认知用户共占有32个子载波, 当屏蔽4个子载波, 在牺牲认知用户传输带宽的1/8条件下, 笔者提出的优化算法的ICI抑制效果要明显优于其他3种屏蔽子载波算法。当屏蔽6个子载波, 牺牲认知用户传输带宽的1/6时, 3种屏蔽子载波算法的效果略优于笔者提出的优化算法。
场景2中, 在屏蔽6个子载波的条件下, 图6将采用3种屏蔽子载波算法和采用笔者提出的优化算法的系统BER性能进行比较。由图6可见, 采用笔者提出的优化算法的频谱池系统在不牺牲任何认知用户带宽的情况下, BER性能要优于3种屏蔽子载波算法。
图5 场景2中采用各种算法的系统ICI能量对比 图6 场景2中采用各种优化算法的系统BER性能对比 Fig.5 ICI energy comparison of system using various agorithms in scenario 2 Fig.6 Performance comparison of BER system with various optimization algorithms in scenario 2
由以上仿真结果可见, 笔者提出的优化算法在不损失认知用户任何带宽的情况下, 可有效抑制系统ICI, 优化系统BER性能。虽然其他3种屏蔽子载波算法在失效子载波数足够多的情况下, 能具有更好的优化系统效果, 但牺牲认知用户大量带宽不符合高效共享频谱池资源的原则。
在通信系统和互联网的新时代, 5G将是实现数据服务需求的重要技术。在5G移动通信系统中采用更加先进的认知无线电技术是提高频谱效率进而缓解供需矛盾的重要手段。采用小波的认知无线电系统具有好的灵活性和带宽有效性。笔者提出的基于禁忌搜索获得最优小波滤波器算法, 能找到产生最小ICI干扰的小波滤波器, 从而在不损失认知用户任何带宽的情况下抑制认知无线电系统的ICI干扰, 优化系统性能。未来将进一步研究5G与认知无线电技术的融合, 最终实现在5G系统中将不同的无线电通信技术通过认知无线电技术整合在一起, 形成一个互通的大网络融合。