一種高效的協(xié)作頻譜感知架構(gòu)

欒紅志 李 鷗

?

一種高效的協(xié)作頻譜感知架構(gòu)

欒紅志*李 鷗

(解放軍信息工程大學(xué)信息系統(tǒng)工程學(xué)院 鄭州 450002)

為了有效利用協(xié)作頻譜感知中的上傳時(shí)隙以改善感知性能，該文設(shè)計(jì)一種新的協(xié)作頻譜感知(CSS)架構(gòu)。其核心思想是：當(dāng)一個(gè)次用戶上傳信息時(shí)，后面的次用戶繼續(xù)執(zhí)行本地感知直至輪到其上傳時(shí)才停止，該方法合理地將一半的空閑上傳時(shí)隙用于感知，因而更為高效。同時(shí)，該文基于Neyman-Pearson準(zhǔn)則，研究了AND準(zhǔn)則和OR準(zhǔn)則下的最優(yōu)調(diào)度策略問題，并討論了該架構(gòu)帶來的感知性能增益。仿真結(jié)果表明：所提架構(gòu)可以有效改善協(xié)作頻譜感知性能，而不帶來額外的感知時(shí)延。

認(rèn)知無線網(wǎng)絡(luò)；協(xié)作頻譜感知；Neyman-Pearson準(zhǔn)則；能量檢測(cè)

1 引言

作為認(rèn)知無線電技術(shù)應(yīng)用的前提和關(guān)鍵，頻譜感知有著極其重要的意義[1]。鑒于單點(diǎn)感知常常因陰影效應(yīng)、多徑衰落和隱藏終端等問題而檢測(cè)性能較差，學(xué)者提出了基于多個(gè)次用戶的協(xié)作頻譜感知[2]，對(duì)分布在多個(gè)地理位置的次用戶感知信息進(jìn)行融合所帶來的分集增益可有效彌補(bǔ)單點(diǎn)感知的缺陷[3,4]。然而，在帶來諸多好處的同時(shí)，協(xié)作頻譜感知也增加了網(wǎng)絡(luò)的負(fù)擔(dān)和額外的開銷，例如控制信道和感知時(shí)延等[4]。

幀結(jié)構(gòu)的設(shè)計(jì)是頻譜感知中的一個(gè)問題，而協(xié)作頻譜感知中上傳時(shí)隙的出現(xiàn)增加了問題復(fù)雜度。文獻(xiàn)[5]研究了最優(yōu)的頻譜感知架構(gòu)問題，對(duì)感知周期和感知時(shí)間等進(jìn)行了聯(lián)合優(yōu)化。當(dāng)感知周期固定時(shí)，文獻(xiàn)[6,7]建立了感知-吞吐量折中模型，通過尋求最優(yōu)的感知時(shí)間和決策融合準(zhǔn)則，實(shí)現(xiàn)了吞吐量的最大化。然而，該模型中忽略了協(xié)作頻譜感知中的上傳時(shí)隙，而當(dāng)次用戶數(shù)目較大時(shí)這部分時(shí)間不可忽略，所以文獻(xiàn)[8]建立了更為精確的感知-吞吐量模型，增加考慮了次用戶數(shù)目對(duì)吞吐量和感知時(shí)間(包括本地感知和信息上傳兩部分時(shí)間)的雙重影響，優(yōu)化了次用戶數(shù)目等參數(shù)。而當(dāng)感知時(shí)間固定時(shí)，文獻(xiàn)[9]考慮了不理想上傳信道時(shí)的感知性能，對(duì)本地感知和信息上傳的時(shí)隙分配等問題進(jìn)行了研究。

本文后續(xù)安排如下：第2節(jié)首先介紹系統(tǒng)模型，然后提出一種高效的協(xié)作頻譜感知架構(gòu)；第3節(jié)在Neyman-Pearson準(zhǔn)則下研究了各次用戶處信噪比不等時(shí)的最優(yōu)調(diào)度策略問題，并分析了所提架構(gòu)帶來的感知性能增益；第4節(jié)對(duì)前面的理論分析予以仿真和討論；最后，第5節(jié)給出本文的結(jié)論。

2 系統(tǒng)模型

2.1 能量檢測(cè)

2.2 高效的協(xié)作頻譜感知架構(gòu)

相比數(shù)據(jù)融合，決策融合可以大大降低協(xié)作開銷(包括控制信道帶寬、上傳能耗等)，而且當(dāng)次用戶數(shù)目較大時(shí)決策融合可以取得接近數(shù)據(jù)融合的性能[12]，所以本文考慮決策融合，并以常用的AND準(zhǔn)則和OR準(zhǔn)則為例分析感知性能。需要指出，本文所提架構(gòu)的初衷是通過擴(kuò)展本地感知時(shí)間來提高感知性能，不限定融合方式和融合準(zhǔn)則，所以適用于其他決策融合準(zhǔn)則和數(shù)據(jù)融合。

圖1 高效的協(xié)作頻譜感知架構(gòu)

應(yīng)用AND準(zhǔn)則時(shí)，當(dāng)且僅當(dāng)所有次用戶都認(rèn)為主用戶存在時(shí)，F(xiàn)C才給出主用戶存在的全局決策。全局檢測(cè)概率和虛警概率分別為

相應(yīng)地，應(yīng)用OR準(zhǔn)則時(shí)，只要有一個(gè)次用戶認(rèn)為主用戶存在，F(xiàn)C就給出主用戶存在的全局決策。全局檢測(cè)概率和虛警概率分別為

3 調(diào)度策略與感知性能增益

3.1 調(diào)度策略

一般來說，最優(yōu)的調(diào)度策略隨融合準(zhǔn)則的不同而異。為了便于分析和求解閉式表達(dá)式，下面以AND準(zhǔn)則和OR準(zhǔn)則為例分析調(diào)度策略問題。

表1按信噪比大小的最優(yōu)調(diào)度策略

融合準(zhǔn)則最優(yōu)調(diào)度策略 AND準(zhǔn)則用從大到小的策略： OR準(zhǔn)則用從小到大的策略：

3.1.3最優(yōu)調(diào)度策略的實(shí)現(xiàn) 由于各次用戶一般并不知曉其它次用戶處的信噪比，如果依靠FC來協(xié)調(diào)次用戶間的調(diào)度順序?qū)⒖赡軒眍~外的控制開銷，得不償失，所以本文考慮一種各次用戶自治的實(shí)現(xiàn)方案。具體包括以下2種情況：

(1)當(dāng)各次用戶處信噪比恒定時(shí)，如文獻(xiàn)[13]中考慮的系統(tǒng)模型，則可在認(rèn)知無線網(wǎng)絡(luò)初始化時(shí)按信噪比大小事先指定上傳順序，此后無需任何額外措施即可保證所提架構(gòu)下的最優(yōu)協(xié)作頻譜感知性能。

需要指出，最優(yōu)調(diào)度策略的實(shí)現(xiàn)是為了保證所提架構(gòu)下的最優(yōu)檢測(cè)性能。由于所提架構(gòu)中各次用戶的本地感知性能至少不會(huì)比傳統(tǒng)方案中的更差，所以即便不對(duì)調(diào)度策略做任何考慮也會(huì)取得比傳統(tǒng)方案中更好的協(xié)作感知性能。

3.2感知性能增益

相比傳統(tǒng)協(xié)作頻譜感知架構(gòu)，本文設(shè)計(jì)的方案具有更好的感知性能。根據(jù)表1所示的最優(yōu)調(diào)度策略，所提架構(gòu)下的全局檢測(cè)概率分別為

4 仿真結(jié)果與討論

圖2 4個(gè)次用戶時(shí)所有調(diào)度策略下的檢測(cè)概率

5 結(jié)束語(yǔ)

為了有效利用協(xié)作頻譜感知中的空閑上傳時(shí)隙，本文設(shè)計(jì)了一種高效的協(xié)作頻譜感知架構(gòu)，同時(shí)減小了上傳時(shí)隙浪費(fèi)和提高了感知性能。基于Neyman-Pearson準(zhǔn)則，重點(diǎn)研究了各次用戶處信噪比不等時(shí)AND準(zhǔn)則與OR準(zhǔn)則下的最優(yōu)調(diào)度策略問題，討論了最優(yōu)調(diào)度策略的實(shí)現(xiàn)，并分析了不同情況下的感知性能增益。所提架構(gòu)適用于決策融合和數(shù)據(jù)融合，且具有不依賴于最優(yōu)調(diào)度策略的優(yōu)勢(shì)，在工程實(shí)現(xiàn)方便時(shí)，即便不做任何調(diào)度順序的考慮也可實(shí)現(xiàn)比傳統(tǒng)方案更好的性能。仿真結(jié)果表明，本文設(shè)計(jì)的架構(gòu)可以在不增加感知時(shí)延的前提下有效改善協(xié)作頻譜感知性能，這對(duì)于提高認(rèn)知無線網(wǎng)絡(luò)的可靠性很有意義。

圖3 各次用戶信噪比相等時(shí)的檢測(cè)概率增益

圖4 各次用戶信噪比不等時(shí)的檢測(cè)概率增益

應(yīng)用AND和OR融合準(zhǔn)則，本文對(duì)所提架構(gòu)進(jìn)行了初步性能分析。然而，考慮到本文提出的架構(gòu)使得后上傳的次用戶具有更多的采樣點(diǎn)，所以根據(jù)這一特點(diǎn)設(shè)計(jì)加權(quán)的決策融合準(zhǔn)則有可能帶來更優(yōu)的感知性能，本文對(duì)此將做后續(xù)研究。

[1] Haykin S. Cognitive radio: brain-empowered wireless communications[J]., 2005, 23(2): 201-220.

[2] Ghasemi A and Sousa E. Collaborative spectrum sensing for opportunistic access in fading environments[C]. 2005 IEEE Symposium on New Frontiers in Dynamic Spectrum Access Networks (DySPAN 2005), Baltimore, USA, 2005: 131-136.

[3] Duan Dong-liang and Yang Liu-qing. Cooperative spectrum sensing with ternary local decisions[J]., 2012, 16(9): 1512-1515.

[4] Akyildiz I F, Lo B F, and Balakrishnan R. Cooperative spectrum sensing in cognitive radio networks: a survey[J]., 2011, 4(1): 40-62.

[5] Lee W Y and Akyildiz I F. Optimal spectrum sensing framework for cognitive radio networks[J]., 2008, 7(10): 3845-3857.

[6] Liang Y C, Zeng Y H, Peh E C Y,.. Sensing-throughput tradeoff for cognitive radio networks[J]., 2008, 7(4): 1326-1337.

[7] Peh E C Y, Liang Y C, Guan Y L,.. Optimization of cooperative sensing in cognitive radio networks: a sensing-throughput tradeoff view[J]., 2009, 58(9): 5294-5299.

[8] Maleki S, Chepuri S P, and Leus G. Energy and throughput efficient strategies for cooperative spectrum sensing in cognitive radios[C]. IEEE 12th International Workshop on Signal Processing Advances in Wireless Communications (SPAWC), San Francisco, USA, 2011: 71-75.

[9] Noel A and Schober R. Convex sensing-reporting optimization for cooperative spectrum sensing[J]., 2012, 11(5): 1900-1910.

[10] Althunibat S, Palacios R, and Granelli F. Performance optimisation of soft and hard spectrum sensing schemes in cognitive radio[J]., 2012, 16(7): 998-1001.

[11] Maleki S and Leus G. Censored truncated sequential spectrum sensing for cognitive radio networks[J]., 2013, 31(3): 364-378.

[12] Mishra S M, Sahai A, and Brodersen R W. Cooperative sensing among cognitive radios[C]. IEEE International Conference on Communications (ICC), Istanbul, Turkey, 2006: 1658-1663.

[13] Peh E C Y and Liang Y C. Optimization for cooperative sensing in cognitive radio networks[C]. IEEE Wireless Communications and Networking Conference(WCNC), Hong Kong, China, 2007: 27-32.

[14] Blum R S and Sadler B S. Energy efficient signal detection in sensor networks using ordered transmissions[J]., 2008, 56(7): 3229-3235.

[15] Hesham L, Sultan A, Nafie M,.. Distributed spectrum sensing with sequential ordered transmissions to a cognitive fusion center[J]., 2012, 60(5): 2524-2538.

欒紅志： 男，1989年生，碩士生，研究方向?yàn)檎J(rèn)知無線網(wǎng)絡(luò).

李 鷗： 男，1961年生，教授，博士生導(dǎo)師，研究方向?yàn)檎J(rèn)知無線網(wǎng)絡(luò)、無線傳感網(wǎng)與自組網(wǎng)等.

A High-efficiency Framework for Cooperative Spectrum Sensing

Luan Hong-zhi Li Ou

(,,450002,)

To utilize effectively the reporting slots in Cooperative Spectrum Sensing (CSS) and enhance the sensing performance, a novel CSS framework is designed. The core idea of the proposed framework is that, when a Secondary User (SU) is reporting the sensing results, the following SUs continue local sensing until their turns to report. Since a half of idle reporting slots are appropriately utilized for sensing, the proposed framework behaves more efficiently. Moreover, based on Neyman-Pearson criteria, the optimal schedules for AND rule and OR rule are investigated respectively, followed by the discussions of the sensing performance gains under the proposed framework. Simulation results demonstrate that, the proposed framework enhances the CSS performance considerately without any additional sensing delay.

Cognitive Radio Network (CRN); Cooperative Spectrum Sensing (CSS); Neyman-Pearson criteria; Energy detection

TN92

A

1009-5896(2014)05-1158-06

10.3724/SP.J.1146.2013.00925

欒紅志 luanhz@foxmail.com

2013-07-01收到，2013-11-01改回

國(guó)家科技重大專項(xiàng)(2010ZX03006-002)資助課題