衰落環(huán)境下一種高能效協(xié)作頻譜感知算法*

關業(yè)文，胡 航，張 杭

(解放軍理工大學 通信工程學院，江蘇 南京 210007)

衰落環(huán)境下一種高能效協(xié)作頻譜感知算法*

關業(yè)文，胡 航，張 杭

(解放軍理工大學 通信工程學院，江蘇 南京 210007)

在認知無線網絡中，對于電池供電的認知設備，如何高效地利用其能量資源極為重要。在將能量效率(能效)定義為認知網絡頻譜利用效率和平均功率消耗之比的基礎上，提出了一種高能效優(yōu)化算法，在加性高斯白噪聲(AWGN)信道、Rayleigh衰落信道和Nakagami衰落信道條件下使融合中心門限達到最優(yōu)，并求得了最佳的參與協(xié)作的用戶數(shù)。通過蒙特卡洛仿真對認知網絡的能效進行了性能評估，結果表明所提算法能有效提升認知網絡的能量效率。

認知無線網絡；高能效；協(xié)作頻譜感知；衰落環(huán)境

0 引 言

認知無線網絡中，當主用戶空閑時，認知用戶可以利用主用戶的授權頻帶進行數(shù)據(jù)傳輸。因此，需要頻譜感知技術來檢測主用戶的頻帶。但無線信道中的陰影效應和多徑衰落會惡化感知性能，因此認知用戶之間可以通過協(xié)作來提升檢測性能。在協(xié)作頻譜感知中，融合中心搜集感知信息并作出最終判決。參與協(xié)作的認知用戶數(shù)越多，感知性能越好，但同時感知和傳輸需要的能量也會隨認知用戶數(shù)的增加而線性增長。如果認知用戶的設備是電池供電的，在能量受限的情況下，如何高效地利用能量就尤為重要。

在文獻[1-3]中，感知信息可靠度高的認知用戶將其感知結果發(fā)送給融合中心，而感知結果可靠性低的認知用戶不發(fā)送信息，這種方法的目的是減少認知用戶向融合中心傳輸感知結果時所需要的能量。文獻[4]提出了感知時長和數(shù)據(jù)傳輸時長聯(lián)合優(yōu)化設計，通過對認知系統(tǒng)的能量消耗分析和幀結構的優(yōu)化，有效提升了認知網絡的能效。文獻[5]量化了不同的功率消耗成分(感知、傳輸和待機)對認知用戶最佳感知和傳輸時長的影響，結果表明認知用戶需要通過適當?shù)拇龣C來在能量消耗和感知之間達到平衡。

本文將網絡頻譜效率和感知能量、數(shù)據(jù)傳輸能量聯(lián)系起來，能量效率定義為認知網絡頻譜利用效率和平均功率消耗之比。融合中心的判決門限和能量檢測器門限影響感知性能，進而影響網絡頻譜效率和能量消耗，這是由于認知網絡的傳輸機會依賴于感知性能。參與協(xié)作的用戶數(shù)也會影響感知性能和認知網路的能量消耗。認知用戶數(shù)量越多，感知性能越好，但能耗也會隨用戶數(shù)的增加而線性增長。本文提出了使能效最大的優(yōu)化算法，在AWGN信道、Rayleigh衰落信道和Nakagami衰落信道條件下使融合中心門限達到最優(yōu)。在最優(yōu)融合準則下，求出最佳的參與協(xié)作的認知用戶數(shù)。

通過蒙特卡洛仿真對認知系統(tǒng)進行了性能評估，比較了AWGN信道、Rayleigh衰落信道和Nakagami衰落信道條件下的能效性能；對于協(xié)作感知，比較了不同融合準則下的能效性能；得到了不同信道下最佳的參與協(xié)作的認知用戶數(shù)。

1 系統(tǒng)模型

1.1 協(xié)作感知模型與系統(tǒng)仿真模型

協(xié)作頻譜感知的模型如圖1所示。

圖1 協(xié)作頻譜感知模型

多個認知用戶相互合作感知周圍的環(huán)境，然后通過報告信道把感知結果發(fā)送給融合中心，融合中心再做出最終的判決。當判決結果顯示主用戶空閑時，認知用戶會傳輸數(shù)據(jù)[6]。與主用戶和認知用戶之間的距離相比，認知網絡的規(guī)模相對較小。所以，每一個認知用戶的路徑損失幾乎是相同的，它們接收到的主用戶信號也可以認為是獨立分布的[7]。此外，所有認知用戶都采用能量檢測進行本地判決。

圖2 系統(tǒng)仿真模型

整個系統(tǒng)的仿真模型如圖2所示。本地感知采用能量檢測技術，帶通濾波器主要是去除帶外噪聲；平方器和累加器用來在一定觀察時間內計算信號的能量，當信號能量大于判決門限時，判決器輸出“1”；當信號能量小于判決門限時，判決器輸出“0”。融合中心在累加所有本地判決結果后，調用高能效優(yōu)化算法(見后文)，選擇最優(yōu)的判決門限，對主用戶的狀態(tài)做出判斷。

1.2 單用戶頻譜感知

在AWGN信道下，單個認知用戶的虛警概率pf和檢測概率pd為[8]：

(1)

(2)

式中λ是能量檢測器的門限，u是觀察周期內的時間帶寬積，Γ(·,·)是不完全伽馬函數(shù)，γ是認知用戶的接收信噪比，u(·,·)是廣義馬庫姆函數(shù)。

衰落信道下的虛警概率與AWGN信道下的虛警概率相等，這是由于它與信噪比無關。根據(jù)文獻[8]，Rayleigh衰落信道下的檢測概率為:

(3)

(4)

式中1F1(.;.;.)是合流超幾何函數(shù)，Ln(·)是自由度為n的拉蓋爾函數(shù)。

1.2 協(xié)作頻譜感知

在協(xié)作頻譜感知技術中，單個認知用戶首先根據(jù)預設的能量檢測器門限λ做出“1比特”的本地判決，然后把本地的判決結果上報給融合中心。在收集了所有認知用戶的判決信息后，融合中心根據(jù)判決準則做出最終的判決。

(5)

(6)

2 能量效率及優(yōu)化算法

2.1 能量效率

(7)

(8)

能量效率定義為認知網絡頻譜利用效率和平均功率消耗之比，即：

(9)

2.1 高能效優(yōu)化算法

f(n,θ)=α(1-Qf)(T-τs-Nτr)log2(1+γs)-θ{NτsPs+NτrPr+(T-τs-Nτr)×Pt[α(1-Qf)+β(1-Qd)]}

(10)

由g(θ)的單調性質，使g(η(n*))=0得最大能效的值η(n*)可用Bisection算法得到。首先有：

(11)

(12)

(13)

表1 高能效優(yōu)化算法

3 仿真結果分析

3.1 仿真參數(shù)設置

本文的仿真參數(shù)如下：認知無線電網絡中有1個主用戶，N個認知用戶感知它的狀態(tài)；通過對主用戶的長期觀察分析，取主用戶空閑的概率為α=0.5；主用戶忙的概率β=1-α=0.5；蒙特卡洛仿真次數(shù)為50 000次；認知用戶個數(shù)N=6；Nakagami衰落參數(shù)為2；幀長為T=20ms；感知時間為τs=1ms；報告時間遠小于幀長并設為τr=0.1ms；采樣頻率為fs=10 000Hz；次級鏈路信噪比為γs=5dB；認知用戶發(fā)射功率為Pt=3W；感知功率遠小于發(fā)射功率并設為Ps=0.1W[11]；Pr=0.02W。

3.2 仿真結果分析

圖3展示了認知用戶感知性能在AWGN信道、Rayleigh衰落信道和Nakagami衰落信道條件下的比較，使用蒙特卡洛方法仿真了認知用戶漏檢概率和虛警概率的關系，與理論值(解析式)相吻合。漏檢概率隨虛警概率的增加而下降，且AWGN信道下的漏檢概率最小，隨著衰落程度的增加，漏檢概率增加，系統(tǒng)的檢測精度下降，性能受到惡化。

圖3 認知用戶漏檢概率隨虛警概率的變化曲線

圖4仿真了Rayleigh衰落環(huán)境下能效(EE)隨能量檢測器門限的變化曲線。從圖中可以看出，本文所提的優(yōu)化算法的能效比“OR”準則、“AND”準則和“Majority”準則要高出很多。這是由于對于每個給定的能量檢測器門限，使用本文所提優(yōu)化算法總能找到最優(yōu)的FC判決門限使得能效達到最大。當能量檢測器門限較低時，如10<λ<13時，“AND”準則優(yōu)于“Majority”準則，優(yōu)于“OR”準則；而當能量檢測器門限較高時，如19<λ<30時，“OR”準則優(yōu)于“Majority”準則，優(yōu)于“AND”準則。

圖4 Rayleigh衰落環(huán)境下能效(EE)隨能量檢測器門限的變化曲線

圖5仿真了AWGN信道、Nakagami衰落信道和Rayleigh衰落信道下能效(EE)隨信噪比的變化曲線。對于本文所提優(yōu)化算法，能效隨著信噪比的增加而顯著提升；而對于大數(shù)準則，能效隨信噪比的增加提升緩慢。本文所提優(yōu)化算法的能效比大數(shù)準則要高。另外，AWGN信道下的能效最高，Nakagami衰落信道下次之，Rayleigh衰落信道下的能效最低，說明衰落對認知系統(tǒng)的性能造成了惡化，且隨著衰落程度的增加，能效有所減小。

圖5 能效(EE)隨信噪比的變化曲線

圖6仿真了不同信道下認知系統(tǒng)的能效隨總認知用戶數(shù)N的變化曲線。在該仿真中，每個認知用戶數(shù)所對應的最佳判決門限由本文所提算法得到。存在最優(yōu)的參與合作的認知用戶數(shù)量使得認知系統(tǒng)的能效達到最大。當信道存在衰落的影響時，系統(tǒng)的能效減小，且能效隨認知用戶數(shù)量的增加而起伏變化。AWGN信道下最佳參與合作的用戶數(shù)為10；受Nakagami衰落影響，最佳參與合作的用戶數(shù)為14；受Rayleigh衰落影響，最佳參與合作的用戶數(shù)為12。

圖6 能效(EE)隨認知用戶數(shù)N的變化曲線

4 結 論

本文提出了一種有效的迭代算法，能夠快速尋找到最優(yōu)的融合中心判決門限，在AWGN信道、Rayleigh衰落信道和Nakagami衰落信道條件下分析了相應的感知性能和能效，結果顯示蒙特卡洛仿真結果與理論值相吻合，本文所提優(yōu)化算法能有效提升認知網絡的能效。同時也仿真了認知用戶數(shù)對能效的影響，結果顯示存在最佳的認知用戶數(shù)使認知網絡的能效達到最大。下一步工作中將研究時頻能三域聯(lián)合優(yōu)化，進一步提升網絡能量效率。

[1] ZHAO N, YU F R, Sun H,et al. Energy-Efficient Cooperative Spectrum Sensing Schemes for Cognitive Radio Networks [J]. Eurasip Journal on Wireless Communications and Networking, 2013, 1-13.

[2] Wang Y, Feng C, Zeng Z, et al. A Robust and Energy Efficient Cooperative Spectrum Sensing Scheme in Cognitive Radio Networks [C] // IEEE Int. Conf. Adv. Commun. Technol., Feb. 2009, 640-645.

[3] Lee C H, Wolf W. Energy Efficient Techniques for Cooperative Spectrum Sensing in Cognitive Radios [C] // IEEE Consumer Commun. Netw. Conf. (CCNC), Jan. 2008, 968-972.

[4] Shi Z, The K C, Li K H. Energy-Efficient Joint Design of Sensing and Transmission Durations for Protection of Primary User in Cognitive Radio Systems [J]. IEEE Comm. Lett., 2013, 17(3): 565-568.

[5] Wu Y, Tsang D H K. Energy-Efficient Spectrum Sensing and Transmission for Cognitive Radio System [J]. IEEE Comm. Lett., 2011, 15(5): 545-547.

[6] 蘭昆偉, 趙杭生, 李湘陽等. 認知無線電中基于感知門限的頻譜預測研究 [J]. 通信技術, 2015, 48(02): 165-170.

LAN Kun-wei, ZHAO Hang-sheng, LI Xiang-yang, et al. Spectrum Prediction based on Sensing Threshold in Cognitive Radio Networks [J]. Communications Technology, 2015, 48(02):165-170.

[7] Chung W, Park S, Lim S, et al. Spectrum Sensing Optimization for Energy-Harvesting Cognitive Radio Systems [J]. IEEE Transactions on Wireless Communications, 2014, 13(5): 2601-2613.

[8] Digham F F, Alouini M S, Simon M K. On the Energy Detection of Unknown Signals over Fading Channels [J]. IEEE Transactions on Communications, 2007, 55(1): 21-24.

[9] Shen J, Jiang T, Liu S, et al. Maximum Channel Throughput via Cooperative Spectrum Sensing in Cognitive Radio Networks [J]. IEEE Transactions on Wireless Communications, 2009, 8(10): 5166-5175.

[10] Park S, Hong D. Achievable Throughput of Energy Harvesting Cognitive Radio Networks [J]. IEEE Transactions on Wireless Communications,2014,13(2):1010-1022.

[11] Peh E C Y, Liang Y C, Guan Y L, et al. Energy-Efficient Cooperative Spectrum Sensing in Cognitive Radio Networks [C] // IEEE Global Communications Conference, 2011.

A High Energy-Efficient Cooperative Spectrum Sensing Algorithm in Fading Environment

GUAN Ye-wen，HU Hang，ZHANG Hang

(College of Communications Engineering, PLA University of Science and Technology, Nanjing Jiangsu 210007, China)

In CR (Cognitive Radio) networks and for battery-powered SUs (Secondary Users), how to use energy resources efficiently is of great significance. In this paper, EE (Energy Efficiency) is defined as the ratio of spectrum utilization efficiency of CR network to average power consumption. A high energy-efficient optimization algorithm is proposed, and the threshold in FC (Fusion Center) is optimal under the condition of AWGN (Additive White Gaussian Noise) channels, Rayleigh fading channels and Nakagami fading channels, with the optimal number of cooperating SUs derived. EE performance of CR network is evaluated via Monte-Carlo simulation, and the results show that the proposed algorithm can effectively improve the energy efficiency of CR network.

cognitive radio; energy-efficient; cooperative spectrum sensing; fading environment

date:2015-01-09；Revised date：2015-03-18

TN924+.1

A

1002-0802(2015)04-0435-06

關業(yè)文(1992—)，男，學士，主要研究方向為認知無線電、綠色通信；

胡 航(1989—)，男，博士，主要研究方向為移動通信、認知無線電、協(xié)同通信；

張 杭(1962—)，女，教授，博士生導師。主要研究方向為信號處理、認知無線電、衛(wèi)星通信。

10.3969/j.issn.1002-0802.2015.04.011

2015-01-09；

2015-03-18