基于协作频谱感知和干扰约束的认知异构网络

方案最大限度地提高了网络的能源效率和吞吐量。Yang等提出一种基于归一化能量检测的异质认知无线网络协作频谱感知算法，根据次用户频谱感知上的可靠性差异，基于对数似然比检验（Log-likelihood Ratio Test）的原理提出能量检测方案，提升频谱感知的准确率，并根据次用户的信噪比概率密度函数选择传输信道，提升网络的传输效率。Ewaisha等提出一种异构认知网络联合调度和功率控制算法，考虑到上行链路多个次用户对主用户的干扰约束，提出了基于位置的动态功率分配策略，使靠近主用户的次用户以较低的功率电平发送数据，并制定了次用户在使用空闲信道上的动态调度策略，减少网络的整体平均延迟，提高吞吐量。

在频谱感知问题上，考虑到过多节点参与频谱感知会给网络带来过多的能量负担，本文提出一种基于中心次用户节点的协作频谱感知方式，通过能量检测的方式，中心次用户节点共同检测空闲信道，该方法在提升检测精度的同时引入能量检测阈值，可以降低网络所付出的能量代价。在网络吞吐量问题上，采取加大节点发射功率的方式可以提升数据速率，然而会对其他节点带来更大的干扰。本文将干扰功率约束下的最大化数据速率方程转化为对KKT条件下的最优值的求解，从而为节点分配最佳发射功率，达到在限制干扰程度下最大化网络吞吐量的目的。

1基于协作频谱感知的认知异构网络系统模型

假设异构无线网络由基础网络和多个次级网络组成。基础网络由主用户（PrimaryUsers，PUs）节点与通信基站构成，次级网络由通信基站和次用户（secondary Users，SUs）节点构成。在k个次级网络中，存在k个次用户节点担任认知基站，它们属于中心SUs，简称CSU，作用是协助其他SU节点进行频谱感知和转发数据，而次级网络中的其他SU称为分布式SU，简称PSU，CSU与PSU之间互相通信。在认知异构网络中，将可用频谱被分成k个正交频谱信道，并且所有用户都可以在多个信道同时传输。每个PU具有一个特定授权信道，SU可以采取机会接入的方式在不影响PU的条件下接入授权信道。

在认知异构网络中，多个节点进行协作频谱感知可以提高空闲信道检测的准确率，但过多节点参与频谱感知会带来一定的能量损失，在本文系统中，采用CSU协作其他PSU节点进行频谱感知，在提高检测准确度的同时使用于频谱感知的能耗得到控制。假设PSU节点i需要接入一个授权信道j，t作为时隙长度，S^t_i（j）、Q^t_i（j）分别表示PU在时隙t对信道J的占用/未占用状态，q_i[j]表示节点i接收到来自主用户的信号，是带有零均值和方差为δ²_i的隨机过程。用ψ_i[j]来表示信道噪声，是带有零均值和方差为δ²_i的高斯独立同分布的随机过程，对于信道被PU占用的情况，S^t_i（j）可以表示为

（1）

（2）

（3）

（4）

（5）

（6）

（7）

（8）

（9）

（10）

（11）

（12）

为了最大限度地发挥CSU节点的可实现数据速率，提高网络吞吐量，需要优化CSU节点的发射功率。基于最大发射功率约束和干扰功率约束，可以将最佳发射功率分配问题配制

（13a）

（13b）

（13c）

（14）

（15a）

（15b）

（15c）

（16a）

（16b）

（16c）

2.2PSU節点的最佳发射功率分配方法

对于PSU节点，与CSU节点相同，都是基于最大化数据速率和干扰功率约束条件来进行最佳发射功率分配，由于PSU共享所有信道，且PSU之间是一种独立关系，因此本文采用了非合作博弈的方法来解决PSU节点的功率分配问题。用”多表示PSU节点的数据速率

（17）

（18a）

（18b）

（18c）

（19）

（20）

（21）

（22）

3实验仿真结果及分析

在实验部分，本文采用了NS2网络仿真器搭建仿真场景，对算法进行编程仿真。对于取得的仿真结果，主要采用对比分析的方法来体现本文算法的性能。所采用的对比算法为：文献中Zhang提出的基于集群的协作频谱感知分配策略算法，文献中Bacci提出的基于QoS约束的能量感知竞争功率分配算法。所搭建的异构网络场景包括了3个CSU节点，5个PSU节点以及1个PU节点，仿真范围100m×100m，CSU节点和PSU节点的最大干扰功率为0.1 w。信道矩阵遵循瑞利分布，并彼此独立。路径损耗指数为2，服从均值为0方差为4的高斯分布，噪声功率为10^-5W/Hz，设置采样频率f=6MHz，时隙T=100ms。以下的实验结果若未特别说明，均为100次独立实验结果的均值。实验仿真时间为500s，PU具有特定的授权频谱段，PU在仿真过程中会经历多次从运作一休眠，休眠一运作的状态切换，切换次数和切换时间随机，但总的运作时隙为仿真时间的10%，这使得在实验过程中CSU需要准确地检测频谱空闲的时隙，并利用这些时隙为PSU创造利用空闲频谱的机会。实验仿真的模拟场景图如图1所示。

在图2的实验中，本文通过逐渐增加PSU节点的数量来得到算法频谱利用率的变化情况。从图中的数据可以看出，随着PSU节点数量的增加，算法的频率利用率逐渐提升，PSU节点数量的增多使得频谱资源的竞争加大，网络中存在的空闲频谱变少。本文算法在PSU节点数量逐渐增加的情况下，频谱利用率可以达到92.0%，而文献算法的频谱利用率最高才达到82.5%，文献算法的频谱率最高则达到了83.6%。由于本文采用了结合CSU节点的协作频谱感知算法，在检测空闲信道上具有更高的准确率，并且能量检测阈值的设定节省了频谱感知的能耗。

图3显示了在PSU节点数量逐渐增多的情况下算法的数据传输速率情况，由图中的数据分布情况来看，算法的数据传输速率随着PSU数量的增多而逐渐降低，这是由于PSU节点数量的增多导致了信道占用的竞争加剧，而PSU节点的增多带来了更多的互相干扰情况，更多的数据碰撞使得重传次数增多，影响了数据的平均传输效率。从图中可以看出，虽然数据传输速率受到PSU节点数量增多的影响，但本文算法的数据传输速率受到影响的程度相比文献和文献要较小，其中本文算法的数据传输速率最后保持在2.3kbps，而文献和文献算法则分别为1.6kpbs和1.4kpbs。由于本文算法采用了最大化数据速率的优化方程，在干扰约束的条件下可以为节点分配一个最大的传输速率，并且算法对干扰电平的有效约束可以减少数据碰撞的概率，减少数据包重传次数。

图4显示了在PSU节点数量增多的情况下网络吞吐量的变化情况。从图中可以看出，随着PSU节点数量的增多，网络吞吐量逐渐提升。从图4的数据结果来看，本文算法的平均网络吞吐量相比文献和文献分别提升了3.4%和1.5%。这是由于本文所采用的功率分配算法在干扰约束的条件下可以最大化数据传输速率，通过更高的数据速率提高网络的吞吐量，并且减少干扰情况使得传输效率提升，单位时间内基站的流量达到率提升。

4结论

通过对异构无线网络空闲信道检测及功率分配问题的研究，本文提出了一种基于协作频谱感知和干扰约束的异构认知无线网络。针对节点在频谱感知上的准确度及能耗问题，本文采用一种折中方案，通过中心次用户节点协作其他次用户节点进行频谱感知，在提高频谱感知准确率的同时约束协作节点数量，减少能耗。为了提高网络吞吐量，采取了一种最佳发射功率分配算法，在干扰功率约束的条件下最大化数据传输速率。在实验仿真过程中，通过对比分析的方法，验证了本文算法在提高频谱利用率、提升网络吞吐量上的有效性。在接下来的研究工作中，会重点研究移动认知异构网络，并在更多的复杂环境进行测试，提高研究工作的应用价值。

（责任编辑：李艺）

推荐访问： 频谱 感知 认知 协作 干扰

---