基于信道容量估计的一种认知无线电路由算法

向碧群，张正华，覃凤谢，宋 华，王小平

(1.重庆邮电大学移通学院计算机系，重庆 401520;2.重庆邮电大学移动通信技术重点实验室，重庆 400065;3.重庆城市管理职业学院，重庆 401331)

0 前言

随着无线电与移动通信的快速发展，频谱资源变得越来越紧缺。未来无线通信的宽带化发展，3G，WiMAX(worldwide interoperability for microwave access)，UWB(ultra－wide band)等新技术、新业务不断涌现，频谱需求将呈指数迅猛增长，传统的静态频谱使用政策，使得频谱利用率低，供需矛盾日益明显，为了提高频谱资源的利用率，Joseph Mitola博士［1］在1999年首次提出了认知无线电(cognitive radio，CR)的概念，为缓解频谱资源缺乏与日益增长的无线业务需求之间的矛盾开辟了一条新的途径。现有的CR研究大多集中在物理层和MAC(media access control)层［2－3］，对网络层的研究相对较少。在认知网络中，频谱分布不均匀，各个节点的频谱机会集合(spectrum opportunity，SOP)各不相同，且随着空间、时间动态变化，寻找路由面临着很多挑战。仅仅考虑物理层和MAC层并不能得到最佳的性能，只有在最优化物理层和MAC层的基础上，同时考虑网络层，才能得到更好的性能指标。所以，CR路由算法将是CR网络的一个重要研究课题。

1 相关研究

在过去几年中，认知无线电网络路由协议受到越来越多的关注。文献［4］提出了多信道路由协议MCRP(multi－channel routing protocol)，它是一种按需路由协议，和 AODV(Ad－hoc on－demand distance vector routing)［5］有很多相似之处。它试图将不同的信道分配给不同的数据流，从而允许一个区域内的传输同时发生，以此来提高网络性能。在最坏情况下，总能找到一条路径到达目的节点，但是没有考虑节点间可用信道数及其信道带宽的差异性，也没有考虑主用户与CR用户之间的相互干扰。文献［6］提出了一个全新的分析认知无线电路由的分层图模型，用分层图来模拟SOPs(spectrum opportunities)，完成接口分配并计算路由。最大化网络容量和最小化邻居节点之间的干扰。基于分层图，给出一个算法将路由计算和接口分配结合起来，从而完成路由的选择与信道的分配。但是，这种模型仅适用于链路特性相对稳定的场合，动态频谱的特性决定了需要一种时变的网络模型，来实时地反映CR网络的可用频谱在时间和空间上的不连续性。文献［7］提出一种基于满足传输要求的最大概率的路由机制，给定一个传输速率要求，选择能够满足此速率要求的最大概率路径，但是在最坏情况下，仍然不能满足网络的性能要求。

以上路由协议都没有综合考虑认知网络特性，没有根据网络特性对信道容量进行正确地估计，即没有考虑主用户与CR用户之间的相互干扰。传统路由大多都是基于最短跳数，然而，在认知无线电网络环境下，每条链路的状态信息是不同的，这些信息包括节点间各个信道的带宽、可用信道数目、以及主用户与CR用户之间的相互干扰。所以传统路由不再适合于认知网络。本文中我们将考虑主用户与CR用户之间的相互干扰，对节点间的信道容量进行评估，并定义一种新的边权值，提出适合于认知网络的路由及其频谱分配算法。

2 信道容量估计与路由算法

2.1 网络模型

2.2 CRN中信道容量估计

信道容量作为描述频谱特性的一个重要参数，传统网络中通常是利用接收机端的信噪比(signal to noise ratio，SNR)进行信道容量估计。根据香农公式，假设连续信道的加性白噪声功率为N0，信道带宽为B，信号功率为S，则关于信道容量的计算公式为

(1)式中，S/N0即为该信道的信噪比。然而在CRN(cognitive radio network)中，这种基于SNR的信道容量估计方法仅考虑CR用户的本地观察情况，不足以避免对授权用户的干扰，也忽略了授权用户对CRN信道容量的影响。因此，CRN中的信道容量估计需要考虑CR用户的干扰情况以及授权用户可容忍的干扰等因素。

考虑CR用户受授权用户干扰情况下的信道容量估计，这样信道容量将主要取决于主用户发射机的功率、CR用户与主用户发射机以及CR用户收发机之间的距离［8］。在参考文献［8］中，采用大城市环境下的Hata模型［8］，估计CR收发机之间的空间损耗，并假设CR用户接收机使用具有扩展增益为10 dB的直接序列扩展频谱以减少阴影效应，信道容量估计公式为

(2)式中:B为信道带宽;S为CR接收机的接收信号功率;N0为高斯白噪声功率;I为主用户对CR接收机造成的干扰功率。

此外，CRN的信道容量还应重点考虑授权用户可容忍的干扰等要素。利用干扰温度模型计算出CR用户在授权频谱的发射功率上限。基于OFDM(orthogonal frequency division multiplexing)的CRN可以利用授权用户的频谱片断逼近于香农容量［9］。在主用户频段，特别是TV频段中授权频谱固定分配且带宽较大，CRN可采用基于时间和频率的信号。而对于不连续的任意带宽的授权频谱，OFDM技术因其灵活性成为CRN优先选取的信号结构。OFDM将频谱分割成多个窄带子信道，当子信道个数足够大时，其容量为

(3)式中:Ω是可用子信道集合;G(f)为子信道f的功率增益;S0和N0分别是各子信道的信号和噪声功率［9］。

2.3 链路边权值的定义

当节点间存在M个信道时，节点j和节点k之间的可用信道频谱集合可通过(4)式得到

2.4 路由算法

在网络中，本文用向量［B，li，M］表示节点i的特征，其中，B为信道带宽向量，li为节点i感知到的可用信道情况，M为节点i的可用信道总数。通过频谱感知，可以得到节点j和节点k的信道可用向量lj和lk表示。在一个给定的认知无线电网络G=(N，L)中，源节点和目的节点分别为NS和ND。

CRNRA算法的具体执行流程如图1所示。在CRNRA算法中，CR中的节点找到的路由为最短传输时延路由。其中，CR路由算法(CRNRA)的主要步骤如下。

1 )根据(5)式在图G=(N，L)中计算出每条链路的信道容量Ck→j。

2 )给定数据包的长度L，根据(7)式，在图G=(N，L)中计算出每一条链路的边权值。

3 )在图G=(N，L)中运用迪克斯屈拉算法找出从源节点到目的节点的最短传输路由，即边权值之和最小的路径S，即路由表。

图1 CRNRA算法伪代码Fig.1 Pseudocode of CRNRA

3 性能分析

在本节中，本文对所提出的路由算法进行性能评估。在仿真中，我们在30 m×30m的范围内随机分布N个认知节点，CR用户的通信半径设置为10 m，然后在节点集合中随机的选取10组节点对分别作为源节点和目的节点。数据包的长度设置为100 kbit，我们在不同的节点数N、不同的信道可用数目M下，根据本文中我们提出的算法，计算端到端的传输时延以及吞吐量。每一种情况取10组数据，然后再求平均值。对CRNRA算法和传统路由算法(如dynamic source routing，DSR)进行比较。设B={8，10，12，14，16}(单位:MHz)。设主用户发射机功率为100 kW(与CR用户的距离为1 km)、CR用户发射功率为100 mW、CR用户接收机噪声系数为3 dB。

3.1 不同的节点数N对时延与吞吐量的影响

如果节点数不同，端到端的时延和吞吐量是不相同的，所以我们取不同的节点数，考察CRNRA和传统路由的端到端平均时延以及吞吐量的变化情况。仿真参数设置如下:M∈［1，5］，B则根据M的值，在B中随机选取M个信道带宽，即随机选取M个可用信道对应的带宽，仿真结果如图2－3所示。

从图2可以看出，在不同的节点数目下，CRNRA的端到端平均时延均比传统路由算法的端到端平均时延短，在N较大时，这种趋势更加明显。从图3可以看出，CRNRA算法的平均吞吐量均比传统路由算法的平均吞吐量大。

3.2 不同的信道可用数目M对时延与吞吐量的影响

节点间的可用信道数目M对端到端时延以及吞吐量有一定的影响，分别设置M为1，2，3，4。其他参数设置如下:N=12，B则根据M的值，在B中随机选取M个信道带宽，即随机选取M个可用信道对应的带宽，仿真结果如图4－5所示。

从图3可知，在不同的可用信道数目M下，CRNRA的端到端平均时延均比传统路由算法的端到端平均时延短，在M较小时，这种情况更加明显。从图4可以看出，在不同的可用信道数目下，CRNRA的平均吞吐量均比传统路由算法的平均吞吐量大。

从以上的仿真分析可以看出，无论在任何情况下，无论认知无线电的网络参数如何改变，CRNRA路由算法的端到端平均时延都比传统路由的端到端时延小，并且吞吐量得到了很大的提高。

4 结束语

认知无线电路由技术作为认知无线电网络技术的重要组成部分，至今还没有形成一个相对统一的标准。本文中，我们提出了一种基于信道容量估计的CRNRA算法。CRNRA针对认知网络特性，同时考虑主用户可容忍的干扰以及主用户对CR用户的干扰，对节点间的信道容量进行估计，通过计算给定数据包的链路传输时延，并将此传输时延作为链路的边权值，利用经典的迪克斯屈拉算法找出传输时延最短的路由。经过仿真分析比较，CRNRA算法的端到端时延无论在什么情况下都比传统路由算法的端到端时延小，并且平均吞吐量也得到了很大的提高。证明了该路由算法符合认知无线电网络的特点，同时比传统路由更能满足网络性能要求。

［1］MITOLA J，GERALD Q，MAGUIRE JR.Cognitive Radios:Making Software Radios more personal［J］.IEEE Personal Communications，1999，6(4):13－18.

［2］AKYILDIZ I，LEEW Y，VURANM C，etal.Nextgeneration dynamic spectrum access cognitive radio wireless networks:A survey［J］.Computer Networks，2006，50(13):2127－2159.

［3］孙增友，车成华，赵涛.基于认知无线电的超宽带信号频谱检测的研究［J］.重庆邮电大学学报:自然科学版，2010，22(4):426－430.

SUN Zeng－you，CHE Cheng－hua，ZHAO Tao.Ultrawideband signal spectrum testing research based on the cognitive radio［J］.Journal of Chongqing University of Posts and Telecommunications:Natural Science Edition，2010，22(4):426－430.

［4］SO Jungmin，VAIDYA Nitin.A Routing Protocol for Utilizing Multiple Channels in Multi－Hop Wireless Networks with a Single Transceiver［R］.Urbana:University of Illinois at Urbana－Champaign，2004.

［5］PERKING Charles E，ROYER Elizabeth M.Ad－hoc On－Demand Distance Vector Routing［C］//The Second IEEEWorkshop on Mobile Computing Systems and Applications(WMCSA99).New Orleans:IEEE Press，1999:90－100.

［6］XIN C，XIE B，SHEN CC.A novel layered graphmodel for topology formation and routing in dynamic spectrum access networks［C］//IEEE Symposium on New Frontiers in Dynamic Spectrum Access Networks.Baltimore:IEEE Press，2005:308–317.

［7］KHALIFE H，AHUJA S，MALOUCH N，etal.Probabilistic path selection in opportunistic cognitive radio networks［C］//IEEEGlobeCom 2008.New Orleans:IEEE Press，2008:1－5.

［8］WILD B，RAMCHANDRAN K.Detecting primary receivers for cognitive radio applications［C］//IEEE DySPAN'05，2005 First IEEE International Symposium on New Frontiers in Dynamic Spectrum Access Networks.Baltimore MD，USA:IEEE Press，2005:124－13.

［9］TANG H.Some physical layer issues ofwide－band cognitive radio systems［C］//IEEE DySPAN'05.2005 First IEEE International Symposium on New Frontiers in Dynamic Spectrum Access Networks.Baltimore MD，USA:IEEE Press，2005:151－159.

(编辑:魏琴芳)