认知无线电网络中的动态权值频谱切换判定算法

谢显中，杨 光，马 彬

（重庆邮电大学宽带接入网络研究所，重庆 400065）

0 引言

认知无线电提供了一种按伺机的方式共享和利用频谱的手段，它可以有效地解决目前面临的频谱资源越来越缺乏的问题［1］。频谱移动是认知无线电用户改变其运行频率的过程，这产生了一种新的在认知无线电网络中的切换问题，通常称之为频谱切换，即发生在当前信道的性能下降或者主用户出现的时候。在频谱切换中，不同层的协议必须很快地适应新的工作频率的信道参数。当认知用户改变其工作频率的时候，网络协议将从一种工作状态变换成另外一种。频谱移动管理的目的是使网络状态变换尽可能较快地、平滑地进行，确保在这样的频谱切换中最大限度地降低认知用户的业务性能损失。

目前已经有很多关于频谱切换的研究，比如，减少认知用户的频谱切换概率和数量、切换延迟，提高认知用户的通信容量等，采用的算法和工具有马尔科夫链、功率控制、模糊数学等。文献［2-3］中提出将非授权信道作为备份信道的机会式频谱接入机制来改进认知用户的链路维持概率和切换数量;文献［4-5］提出基于预测的频谱决定算法来减少频谱切换概率;Yoon等［6］提出自发频谱切换机制来减少认知用户的切换延迟;文献［7-8］利用连续时间的马尔科夫链模型来分析认知用户的中断概率;Paramo［9］提出了保护信道模型来限制认知用户的中断概率;Waqas等［10］提出在几种常见的数学模型下研究认知用户的中断概率和容量;文献［11-12］利用队列网络模型来分析预认知和后认知对频谱切换的影响;Giupponi［13］研究了基于模糊数学理论，利用不确定不完全的信息来进行有效的频谱切换;Liu等［14］讨论了认知用户在时间关系模型下的频谱切换概率;Ohyun［15］对因频率变化而引起的中断问题讨论了不同频率间切换机制。

在以上这些频谱切换方案下，当主用户出现时，认知用户需要立刻空出正在通信的频段以避免给主用户造成干扰，然后检测空闲频段，如果没有可用的空闲频段则会出现服务中断，如果有可用的空闲频段则需要进行频谱切换。但是，如果主用户频繁出现，就会发生大量的频谱检测和频谱切换，这样就会导致认知用户性能的严重下降。Liu等［16］提出了一种新的频谱切换机制来提高认知用户的传输效率。不同于以往，其研究了在同一频段中主用户和认知用户共存（衬垫传输）的情况，将动态频谱分配和功率控制结合起来，其研究结果显示采用此机制后的频谱切换数量减少。但是该机制也存在局限性和缺陷，只分析了在理想情况下的性能，比如授权信道和非授权信道都存在空闲，在实际中，性能会出现偏差和下降。

只要认知用户对主用户的干扰不超过一定的门限，就能在原信道与主用户同时进行传输，这就是衬垫传输方式。但是，衬垫传输方式给认知用户留下的传输范围非常有限。为了克服上述问题，基于对衬垫传输的传输范围估计，本文提出结合主用户与认知用户共存的衬垫传输和多小区的频谱切换机制，当无法进行衬垫传输时，向相邻小区进行频谱切换，在对多小区进行选择时，采用动态权值的简单加权判定（simple additive weight-dynamic weight，SAWDW）算法来选择最优目的小区，减少认知用户的服务中断。理论分析和仿真结果显示，该方案和算法能够有效地减少切换失败概率和服务中断概率，提高认知用户的性能。

1 基于干扰温度模型的衬垫传输范围估计

1.1 干扰温度模型

干扰温度可以看做是认知用户对主用户频段内的干扰功率谱密度，其界限包括原始的噪声基底和认知用户产生的干扰，原始的噪声基底是由热噪声、自然噪声以及人为噪声造成的。针对经过谱估计得到的干扰温度，文献［17］中给出了干扰温度界限TL（fc）:

（1）式中:TI（fc，B）表示在中心频率为fc处，带宽为B的频带内的干扰温度;Pt（fc，B）表示在中心频率为fc处，带宽为B的认知用户发射端平均功率;k为波兹曼常数;常数Lc为衰减因子，用来描述认知用户发射端和主用户接收端之间的衰落和路径损耗引起的乘性噪声。这样建立的干扰温度模型是用来限制对主用户接收端引起的干扰。

只要干扰小于主用户所能容忍的最大限，即干扰温度界限，就不会对主用户系统造成严重的干扰。图1给出了一个主用户系统和认知用户系统共存的模型，在干扰温度界限和原始噪声基底之间出现了新的频谱接入机会。

图1 频谱接入模型Fig.1 Spectrum accessmodel

图1中，M表示没有认知用户接入时主用户基站的覆盖范围;N表示认知用户接入后主用户基站的覆盖范围。可见，由于认知用户系统的接入，主用户系统可以覆盖的范围变小了。

1.2 衬垫传输范围估计

前面分析了在干扰温度模型下对认知用户发送端的限制条件。当主用户出现，认知用户暂时不进行频谱切换，先计算不干扰主用户通信的最大传输功率，并根据此功率得到相应的最大传输覆盖范围。然后，认知用户比较计算得到的最大距离和实际收发端之间的距离。如果实际距离小于计算的最大距离，则认知用户可以继续在当前信道进行传输，不需要进行频谱切换，也不会对主用户通信产生严重干扰，即衬垫传输;如果实际距离大于计算的最大距离，则认知用户无法在当前信道进行传输。

而认知用户如果正常传输还要满足自身的传输条件，即认知用户发送端到认知用户接收端的传输条件。

首先，我们对（1）式进行变换，得到认知用户发送端的最大传输功率:

其次，考虑到认知用户发送端的信号在到达认知用户接收端的过程中，还要经历传播损耗。根据Okumura-Hata模型，传播损耗为

（3）式中:r为认知用户发送端到认知用户接收端的传播距离;fc为工作频率。

所以，认知用户接收端的最大功率为

认知用户接收端要保证能正确解调接收到的发送端信号，就必须满足一定的信干噪比:

（5）式中:Ip表示主用户对认知用户接收端引起的干扰功率;Nw表示认知用户接收端的噪声功率。

根据上述分析，设λmin为规定的最小信干噪比，可得到

则rmax就是在对主用户的正常传输不产生严重干扰的条件下，同时又能保证认知用户发送端与认知用户接收端之间可以通信的最大距离。因此，如果认知用户收发端之间的距离大于rmax，认知用户就不能再进行衬垫传输。因此下面给出动态权值的SAW-DW算法，当认知用户无法衬垫传输时就进行多小区的频谱切换，以减少认知用户的中断。

1.3 衬垫传输和多小区水平切换结合

衬垫传输多小区模型如图2所示。图2中，宏小区为主用户基站的覆盖范围，覆盖范围广;微小区为认知用户基站的覆盖范围，覆盖范围较小。

图2 多小区模型Fig.2 Multi-cellmodel

若将衬垫传输和多小区水平切换相结合时，会产生认知无线电网络中新的问题，那就是主用户的出现与同频段的多个认知用户相互产生影响。为了简化系统模型和复杂度，便于计算和仿真。本文限定每个主用户频段同时只能有一个认知用户通信，或者同时允许多个认知用户通信，但当主用户出现时，只有本小区的一个认知用户作衬垫传输估计，其余的认知用户都转移到其他空闲频段，不进行衬垫传输估计。这样，当主用户出现时，只需要对本小区的一个认知用户做衬垫传输估计。本文的系统模型为蜂窝通信系统，用户经过基站进行通信。并且在计算时不考虑用户的移动性，认知用户可以利用重叠的微小区进行频谱切换。当认知用户不能衬垫传输时，也可以切换到本小区的其他空闲频段。但是如果本小区内没有空闲频段或者其他小区有更好的服务质量，认知用户就应该切换到其他小区。因此，本文重点分析小区间的切换。

2 多小区的频谱切换机制和带动态权值调整的简单加权判定算法

2.1 多小区的频谱切换机制

为了使认知用户在无法进行衬垫传输时不产生服务中断，继续数据传输。本节在衬垫传输范围估计的基础上，加入了多小区的频谱切换机制。认知无线电网络中多小区的频谱切换流程如图3所示。

图3 多小区的频谱切换流程Fig.3 Multi-cell spectrum handoff flow

当认知用户在衬垫传输方式下无法继续时，就可以向邻小区进行频谱切换，寻求新的空闲频谱，保持继续通信。在切换过程中，本小区的基站负责收集各种必要的信息，其中，包括其他小区的各种信息和认知用户的信息。本小区基站也负责切换算法中权值和判定函数的计算。

2.2 带动态权值调整的简单加权判定算法

根据多个判定因素从多个候选目标中选择最优解的问题。这类问题常常可以采取简单加权（simple additive weight，SAW）算法来解决。而SAW 算法中的判定因素权值往往是固定的，权值的选择一般是根据经验赋值或者采取随机赋值的方法。因而SAW算法不能反映认知无线电网络的动态变化情况，进而导致了算法的不准确，降低了认知用户的性能。而带有动态权值调整的SAW算法可以很好地改进这个问题，下面进行详细分析。

对于一个候选网络i，在时刻k的切换判定函数可以表示为

（7）式中:i∈［1，N］，N表示候选网络的总数;M是判定因素的数量;ωi，j为网络i中判定因素j的权值;Ni，j为网络i中判定因素j的归一化值。

对于每个候选网络i，切换判定函数fi（k）的值越大，说明网络i的性能就越好。根据认知无线电网络的特性，选择3个判定因素:认知用户的接收信号强度ri（k）;认知用户可以利用的空闲信道数ai（k）;主用户对认知用户的干扰功率pi（k）。下面首先将这3个判定因素的值进行归一化变换:

（8）－（10）式中:ri（k），ai（k），pi（k）分别为第i个网络在k时刻的相应值，Ri，min，Ri，max，Ai，max，Pi，max分别为第i个网络各个参数的最小值和最大值。

在SAW算法中的权值ωi，j是固定的，而当认知无线电网络状况变化时不能反映网络的实际情况。而动态SAW算法（SAW-DW）的权值是随着网络状况调整的，能够及时正确反映网络条件的改变。

SAW-DW算法的权值可由（11）式计算出

ωi，j（k）=βj（k）αj（k）·γi（k）（11）（11）式中:i∈［1，N］，j∈［1，M］;N表示候选网络的总数，判定因素的总数M=3;αj（k），βj（k）分别表示判定因素j的均值和标准差，γj（k）为加权和。

可以看出，在频谱切换的过程中，具有更小的均值αj（k）和更大的标准差βj（k）的判定因素j会起到更重要的作用。比如，当ri（k）均值小于ai（k）均值时，说明ai（k）相对丰富，ri（k）在切换时起更大的决定作用。同样，当ri（k）标准差大于ai（k）标准差时，说明在候选网络之间ri（k）的差异更大，利用这个因素的差异可以更好地区分候选网络。

在时刻k切换时，通过（7）式计算各个候选网络的判定函数值fi（k），然后进行比较，最大fi（k）值的网络m相对能够提供最好的性能，然后将网络m作为切换的最优目的小区。当满足下面门限条件δ时，就可以进行切换:

（15）－（17）式中:fn表示当前服务网络的判定函数值;δ表示切换判定的门限值。

3 分析与仿真

假设认知用户的到达过程服从参数为λ的泊松分布，以及ri（k）在Ri，min和Ri，max之间，ai（k）在0和Ai，max之间，pi（k）在 0 和Pi，max之间都满足均匀分布。传播损耗模型采用Okumura-Hata模型。

主用户的到达速率和认知用户的到达速率对认知用户的性能都有影响。当分析切换失败概率时，我们考虑以水平切换为主，设主用户的到达速率为定值0.4个/s，然后讨论认知用户到达速率的变化与切换失败概率的关系。当分析中断概率时，我们考虑主用户的影响为主，设认知用户的到达速率为定值0.6个/s，然后讨论主用户到达速率的变化与中断概率的关系。

3.1 切换失败概率比较

为了比较，分别对单独基于接收信号强度判定因素时的切换、单独基于认知用户可用信道数判定因素时的切换、单独基于对主用户干扰判定因素时的切换、多参数固定SAW的切换、多参数动态权值算法（SAW-DW）等5种判定算法进行了切换失败概率的仿真，设δ=0.05，主用户到达速率为0.4个/s，结果如图4所示。

从图4中可以看出，采用了参数固定SAW，比采用单独一个判定因素时的3种方案的切换失败概率都要低，体现出综合考虑多个判定因素的优越性。采用多参数动态SAW-DW比采用多参数固定SAW的切换失败概率更低，显示出加入动态权值调整的好处。

3.2 服务中断概率的仿真

在传统模式下，认知用户的服务中断概率也就是主用户的到达概率，满足泊松分布:

由第一节的推算结论（6）式可以得出认知用户在衬垫传输方式下的服务中断概率:

可以得出，认知用户在采用SAW-DW判定算法的多小区频谱切换机制下的服务中断概率:

（20）式中:Pf为选择最优网络时的切换失败概率。

图5对认知用户在上面3种不同机制下的服务中断概率Pcon，Punder，Pdw进行了仿真和比较。设δ=0.05，认知用户到达速率为0.6个/s。

图5 不同机制下的服务中断概率Fig.5 Service interrupt probability of different schemes

从图5中可以看出，主用户出现的速率越大，认知用户发生服务中断的概率就越大。通过比较可以看出，加入衬垫传输和多小区频谱切换的机制后，认知用户的服务中断概率都出现了明显的降低，性能得到了显著的提升。

3.3 动态切换门限的影响

切换门限对切换效果有较大影响，这里进一步研究判定门限δ的值根据实际需求的变化而变化。

（21）式中:δth表示原来的固定门限值，限定了δ的初始值;ε表示变化因子，决定δ的最大变化范围;ηrt表示认知用户服务中实时业务所占的比例。

可以设定适当的 δth和 ε值，比如 δth=0.05，ε=0.02，通过ηrt的变化引起δ的变化。此时δ的取值限定在0.03～0.05。当ηrt逐渐增加时，表示认知用户的实时业务比例增加，通过（21）式引起δ的减少，而δ的降低使认知用户在切换时面临的可选网络机会增多，可以更快地向目标小区切换，减少了切换延迟，降低了中断概率。

图6给出了实时业务比例的变化对切换失败概率的影响。设δth=0.05，ε=0.02，主用户的到达速率为0.4个/s。

图6 可变门限对切换失败概率的影响Fig.6 Changeable threshold on effect of handoff failure probability

从图6可以看出，由于认知用户实时应用比例的递增，判定门限δ发生了变化，使SAW算法和SAW-DW算法的切换失败概率都逐渐降低，而且SAW-DW算法的性能始终优于SAW算法。

图7给出了实时业务比例的变化对中断概率的影响。设主用户到达速率为0.4个/s，认知用户到达速率为0.6个/s。

从图7也可以看出，无论是 SAW算法还是SAW-DW算法，随着认知用户实时应用比例的增加，引起切换门限δ的减少，从而导致切换判定准则的变化，结果使服务中断概率都不断降低，且动态权值算法的性能更好。这样，可变门限比固定门限能够带来更好的性能。并且当δth减少时，引起δ的减少，使中断概率降低。而当ε减少时，引起δ的增大，使中断概率增加。

4 总结

本文提出了在认知无线电网络中，将衬垫传输方式与多小区切换机制相结合的模型。并且在此基础上重点研究了选择目标小区时所用的判定算法，提出了将动态权值调整的简单加权算法与可变判定门限相结合的判定准则。通过理论分析和仿真结果显示出，提出的模型和判定算法能够显著降低认知用户的服务中断概率，提高认知用户的服务质量。下一步将对可变门限的优化进行研究。

图7 可变门限对中断概率的影响Fig.7 Changeable threshold on effect of interrupt probability

［1］ ZHAO Qing，BRIANM，S.A survey of dynamic spectrum access［J］.IEEE Signal Processing Magazine，2007，24（3）:79-89.

［2］ KALILM A，MAHDIH AL，A.Mitschele Thiel.Spectrum handoff reduction for cognitive radio ad hoc networks［C］//International Symposium on Wireless Communication Systems（ISWCS）.York:IEEE Press，2010:1036-1040.

［3］ZHANG Yan.Spectrum handoff in cognitive radio networks:opportunistic and negotiated situations［C］//IEEE ICC.2009.Fullerton:IEEE Press，2009:1-6.

［4］ LIYang，DONG Yu-ning，ZHANG Hui，etal.Qos provisioning spectrum decision algorithm based on predictions in cognitive radio networks［C］//International Conference on Wireless Communications Networking and Mobile Computing（WiCOM）.Cheng du:IEEE Press，2010:1-4.

［5］SONG Yi，XIE Jiang.Proactive spectrum handoff in cognitive radio ad hoc networks based on common hopping coordination［C］//IEEE INFOCOM2010.San Diego:IEEE Press，2010:1-2.

［6］YOON Suk Un，EKICIE.Voluntary spectrum handoff:a novel approach to spectrum management in CRNs［C］//IEEE ICC2010.Cape Town:IEEE Press，2010:1-5.

［7］LEI Jiao，VICENT Pla，FRANK Y L.Analysis on channel bonding/aggregation formulti-channel cognitive radio networks［C］//European Wireless Conference（EW）.Lucca:IEEE Press，2010:468-474.

［8］ CHUNG J M，KIM C H，PARK J H，et al.Optimal channel alloction for cognitive radios［J］.Electronics Letters，2010，46（11）:802-803.

［9］ PARAMO Pacheco D，PLA Vicent，MAETINEZ Jorge Bauset.Optimal admission control in cognitive radio networks［C］//International Conference on Cognitive Radio Oriented Wireless Networks and Communications（CROWNCOM）.Hannover:IEEE Press，2009:1-7.

［10］ AHMEDWaqas，GAO Jason，FAULKNERMichael.Performance evaluation of a cognitive radio networkswith exponential and truncated usagemodels［C］//International Symposium on Wireless Pervasive Computing.Melbourne:IEEE Press，2009:1-5.

［11］ LIChun-wang，CHUNGWei-wang.Spectrum handoff for cognitive radio networks:reactive-sensing or proactivesensing?［C］//IEEE International Performance，Computing and Communications Conference.Austin:IEEE Press，2008:343-348.

［12］谢显中，后茂森.基于统计信息与多队列的CR动态频谱分配［J］.吉林大学学报:信息科学版，2009，27（5）:452-458.

XIE Xian-zhong，HOUMao-sen.Dynamic spectrum alloca-tion scheme based on statistical information and multiqueue in CR networks［J］.Journal of Jilin University:Information Science Edition，2009，27（5）:452-458.

［13］ GIUPPONIL，ANA I.Perez Neira.Fuzzy-based spectrum handoff in cognitive radio networks［C］//International Conference on Cognitive Radio Oriented Wireless Networks and Communications（CROWNCOM）.Singapore:IEEE Press，2008:1-6.

［14］ LIU Hong-jie，WANG Zhong-xu，LI Shu-fang，et al.Study on the performance of spectrum mobility in cognitive wireless network［C］//IEEE International Conference on Communication Systems（ICCS）.Singapore:IEEE Press，2008:1010-1014.

［15］ JOOhyun，CHOIHyun Ho，CHODong-Ho.Seamless spectrum handover improving cell outage in cognitive radio systems［C］//International Conference on Cognitive Radio O-riented Wireless Networks and Communications（CROWNCOM）.Hannover:IEEE Press，2009:1-6.

［16］ LIU Dian-jie，HUANG Xiao-xia，LIU Cong，etal.Adaptive Power Control Based Spectrum Handover for Cognitive Radio Networks［C］//IEEE Wireless Communi-cations and Networking Conference（WCNC）.Sydney:IEEE Press，2010:1-5.

［17］ CLANCY TC.Formalizing the Interference Tempera-ture Model［J］.Journal on Wireless Communications and Mobile Computing，2007，7（9）:1077-1086.