文獻標識碼: A
文章編號: 0258-7998(2015)06-0110-04
0 引言
認知無線電(Cognitive Radio,CR)網(wǎng)絡[1]最重要的功能之一是頻譜感知,目的是識別空閑頻段以提高頻譜使用率[2-3]。在CR網(wǎng)絡中使用協(xié)同頻譜感知使檢測準確率大大提高,但同時使CR網(wǎng)絡消耗了更多的能量[4-5],并且需要交換更多的數(shù)據(jù)和控制信號[6],因此,需要找到一種有效的方法來延長網(wǎng)絡壽命。文獻[7]提出一種能量分配和信道分配機制來最小化分布式CR網(wǎng)絡中能耗與吞吐量的差別,但該方法能耗較高,導致網(wǎng)絡壽命較短。
本文提出了一種雙閾值能量檢測的協(xié)作頻譜感知能量優(yōu)化方案。設計了一種聯(lián)合優(yōu)化檢測參數(shù)的優(yōu)化問題,優(yōu)化參數(shù)包括感知時間以及權(quán)衡網(wǎng)絡吞吐量和能耗之間關(guān)系的高低閾值。
1 提出的協(xié)作頻譜感知方法
1.1 系統(tǒng)模型
假設存在M個節(jié)點的CR網(wǎng)絡和第i個CR節(jié)點存在的FC信號檢測器為一種二元假設問題[8],如式(1):
式中,H0為虛假設,H1為擇一假設,分別表示不活動和活動的主用戶(Primary Users,PU)。xi[n]、si[n]和zi[n]分別表示接收信號、原信號和加性噪聲的樣本。N=τfs為樣本大小,τ為感應時間,fs為采樣頻率。每個CR節(jié)點的能量檢測器檢測總量為:
式中,γ為每個CR節(jié)點接收到的平均信噪比(SNR)。與傳統(tǒng)感知僅利用一個閾值檢測不同,每個節(jié)點的測試統(tǒng)計值利用雙閾值檢測,然后與兩個閾值λ1、λ2比較。若統(tǒng)計值介于二者之間,局部決策將不可信。該情況下,CR節(jié)點沒有給FC發(fā)送其感知結(jié)果而等待下一個感知階段。當測試統(tǒng)計值小于λ1或大于λ2時,局部決策“0”表示報告給FC的是H0,局部決策“1”表示報告給FC的是H1。誤報概率和檢測概率分別為:
為了進一步降低干擾,F(xiàn)C過程中使用‘OR’規(guī)則確定H1,使得無論什么時候至少存在一個局部決策表示H1。使用H0表示特殊情況下的最終決策,即所有局部感知結(jié)果都不可信,以致沒有信息發(fā)送給FC時(j=0),有:
設Pr(j|H0)表示當PU存在時,M個節(jié)點中的j個發(fā)送局部決策給FC的概率,最終的虛警概率可通過求qFj(τ,λ2)均值獲?。?/p>
式中,Pr(j|H1)表示在PU存在時,M個節(jié)點中有j個節(jié)點給FC發(fā)送的局部決策。
頻譜感知過程和報告過程中CR網(wǎng)絡的平均能耗計算如下:
式中,Esi表示第i個CR節(jié)點感知一個PU信號所需要的能量,Eri表示第i個CR節(jié)點發(fā)送局部決策給FC所需要的能量。在認知無線電訪問頻段時,檢測到PU后,該用戶必須立刻離開。故對一個給定的頻段,保證數(shù)據(jù)的高傳輸速率很重要,CR網(wǎng)絡的平均吞吐量為:
式中,T為幀持續(xù)時間,QM=Pr(H0|H1)為漏檢PU的概率。r0和r1分別表示PU空閑和PU存在時網(wǎng)絡的吞吐量。因為實際環(huán)境中,PU占有的頻譜很大部分沒有使用,因此假設空閑時間的許多頻譜對CR網(wǎng)絡可用,即P(H1)=P(H0)。PU干擾和信道容量不足,CR網(wǎng)絡的吞吐量在PU存在時與PU不存在時相比較低,即r1=r0。因此,重寫能量和吞吐量函數(shù)如下:
α保證了PU能夠有效抵抗CR網(wǎng)絡的干擾,β表示網(wǎng)絡能源的有效極值。
1.2 凸優(yōu)化
通常,目標函數(shù)或者約束條件是凸的,在約束虛警和檢測概率條件下,該問題或者聯(lián)合(τ,λ2),或者分離τ和λ2。凸問題通過內(nèi)部點方法可以有效地解決。
滿足式(17)的最優(yōu)值λ1=0。
將λ1=0帶入式(7)、(8)和(15),則有:
2 仿真實驗
利用仿真結(jié)果評價本文方法的性能,將本文方法與傳統(tǒng)方法進行比較。在式(28)中,設β=vE0,0<v≤1。定義能量效率參數(shù)S=100(1-v),該參數(shù)為本文方法的最低能量百分比。
考慮存在8個CR節(jié)點的感知無線網(wǎng)絡,幀周期為10 ms。假設FC的一般檢測概率為0.999,接收信號的采樣頻率為3 MHz,能量比為2 000。
圖1顯示了不同能量利用率時的吞吐量,從圖中可以看出,保存的能量越多,吞吐量越小,特別是SNR最小時。然而,即使對于非常低的SNR,本文方法與傳統(tǒng)方法相比獲得了較高的吞吐量。圖2顯示了最大能量利用率與SNR之間的關(guān)系。從圖中可以看出,相比傳統(tǒng)方法,本文方法具有更高的能量利用率,當SNR值高于-10 dB時可接近90%。
圖3從不同角度評價了本文方法的性能,即根據(jù)吞吐量與能耗的比值(吞吐量除以能耗),可以很容易地知道實現(xiàn)一個給定的吞吐量需要多少能量。從圖中可以看出,對于任何SNR,本文方法均獲得了更優(yōu)的性能。
圖4所示為本文方法中能量比對系統(tǒng)性能的影響。隨著能量比的增加,提高了能量利用率。從圖中可以看出,對于較大的能量比,吞吐量趨于定值,但高于傳統(tǒng)方法。給定一個吞吐量,能量比率越高意味著報告所需要的能量Er比發(fā)送策略所需要的能量越多。本文方法獲得較大的能量利用率,主要因為不可信的局部感知結(jié)果沒有發(fā)送給FC。
3 結(jié)束語
針對干擾條件下CR網(wǎng)絡中最大化吞吐量時存在的一些問題,提出利用基于雙閾值的協(xié)作頻譜感知方法解決這些問題。仿真結(jié)果表明,本文方法能夠很好地平衡網(wǎng)絡吞吐量與能量利用率之間的關(guān)系。與傳統(tǒng)方法相比,在SNR較高的情況下,可以得到較高的能量利用率和吞吐量。
在相同吞吐量條件下,當SNR高于-10 dB時,本文方法可以節(jié)省大約90%的能量。對于較低的SNR(如-18 dB),本文方法可節(jié)省大約50%的能量。根據(jù)吞吐量與能量的比率,對所有SNR值,本文方法性能均為最優(yōu)。此外,可通過優(yōu)化CR網(wǎng)絡中的感知參數(shù)和能量參數(shù)來調(diào)整吞吐量和能耗,從而滿足網(wǎng)絡的需要。
參考文獻
[1] 陳劍,吳建平,李賀武.基于用戶分配和負載的頻譜分配算法[J].軟件學報,2013,24(7):1638-1649.
[2] 王欽輝,葉保留,田宇,等.認知無線電網(wǎng)絡中頻譜分配算法[J].電子學報,2012,40(1):147-154.
[3] AKYILDIZ I F,LO B F,BALAKRISHNAN R.Cooperative spectrum sensing in cognitive radio networks:A survey[J].Physical Communication,2011,4(1):40-62.
[4] ZHANG R,LIM T J,LIANG Y C,et al.Multi-antenna based spectrum sensing for cognitive radios:A GLRT approach[J].Communications,IEEE Transactions on,2010,58(1):84-88.
[5] 趙春暉,馬爽,楊偉超.基于分形盒維數(shù)的頻譜感知技術(shù)研究[J].電子與信息學報,2011,33(2):475-478.
[6] ZHANG X,GUO L,WEI X.An energy-balanced cooperative MAC protocol based on opportunistic relaying in MANETs[J].Computers & Electrical Engineering,2013,39(6):1894-1904.
[7] 鄭仕鏈,楊小牛.認知無線電頻譜切換目標信道訪問機制[J].電子與信息學報,2012,34(09):2213-2217.
[8] ALIASGARI M,ABBASFAR A,F(xiàn)AKHRAIE S M.Coding techniques to mitigate out-of-band radiation in high data rate OFDM-based cognitive radios[J].Computers & Electrical Engineering,2013,39(2):373-385.