基于能效管理的认知车载网络频谱接入方案

田 亮，王卫锋

(新乡学院计算机与信息工程学院，河南新乡453003)

基于能效管理的认知车载网络频谱接入方案

田 亮，王卫锋

(新乡学院计算机与信息工程学院，河南新乡453003)

在车载网络系统中，车辆用户根据距离接入点(AP)的远近使用不同的策略传输数据，为了控制策略切换造成的能量损耗，提出了一种适用于车载网络的能量有效频谱接入算法。通过车辆用户与基站的协作感知，对各个时段车辆用户的发射功率联合进行优化，使用户获得尽可能多的可用频谱资源，以最小化车辆用户总的能量损耗，满足车辆用户的QoS需求。仿真结果最终验证了该算法的有效性。

车载网;频谱资源;吞吐量;能量损耗

有的专用短程通信技术(Dedicated Short Range Communications，DSRC)是一种适用于短距离快速移动的目标识别技术，基本可以在车辆数量不多的情况下，完成以上交通管理通信服务［1－5］。

但是，随着车辆道路安全服务的需求不断增加，可用频谱资源变得尤为紧缺。认知无线电技术的引入，可以让应急用户作为次用户，寻找其所在地址的可用频谱资源，从而最大可能地完成通信，以有效地解决频谱资源短缺问题［6－9］。

在本文的工作中，主要关注的是认知车载网络的能量损耗问题。提出了一种适用于认知车载网络的车与路边设备之间的通信(Vehicle－to－Infrastructure，V2I)上行链路的能量有效的频谱接入算法，在给定的吞吐量需求和延时限制条件下，设计出一种新的频谱接入策略，以最小化系统总的能量损耗。

1 系统模型

考虑V2I网络中的上行链路的一个简化模型，包括3个节点，1个车辆用户传输数据给路边节点(Access Point，AP)。系统框图如图1所示。假定S表示发射节点，D表示AP上的接收节点。S快速驶向AP节点。S选择一个运行在S与D中间的车辆用户作为中继节点，记为R。假定每一个节点都安装GPS导航，使其可以很方便地获取节点的位置信息。由于车辆的快速移动，车载通信会受到路径损耗衰减、阴影效应和多普勒频移等影响。在本文中，重点研究路径损耗衰减对系统性能的影响。车辆与AP节点之间的距离直接影响到信道的容量。当发射节点S与D之间的距离很远时，S直接将数据传输给D并不是一个很好的选择，距离太远使得路径损耗增大。此时，S可以选择一个中继节点R进行辅助传输。另一方面，当S与D之间的距离较近时，S可以直接传输数据给AP。根据不同车辆的位置信息，S可以自适应地选择传输策略，包括直接传输策略和中继传输策略。

图1 V2I 上行链路的系统框图

假定S总的传输的数据量为C*，传输的最大时延为T。节点S通过与AP节点以及其他车辆用户合作频谱感知获得可用频段。由于一般的通信周期都比较短(≤100 ms)，所以这里基本可以假定车辆的速度在一个通信周期内是恒定的，则S与R之间的距离是恒定的。S的可用频段带宽为aB，其中a为带宽因子，a＞0，B为单位频段的带宽。对于S而言，其要想获得更多的带宽，就需要对越多的信道进行感知，同时也需要付出更多的感知代价，所以需要一个折中。在本文中，感知代价指的是节点与其他节点合作频谱感知时的能量损耗。与S可以与基站合作频谱感知得到可用频段进行传输，不同的是，中继节点R是S的一个帮助者，没有必要格外开销去进行感知。此时，R只能使用Underlay接入模式进行数据传输。由于是与主用户共存，其传输功率需要严格进行控制，以保证对主用户的干扰在可接受的范围内。

可用时间(最大时延)T可以分为两个时隙。发射节点S与中继节点R的结构框图如图2所示。在第一个时隙，节点S通过感知得到的频段传输数据给R。假定传输功率为P1，在该时隙传输的数据总量为C1，d1为S与R之间的距离，则C1可以表示为

式中:τ表示的是第1个时隙的时长;r为信道的路径损耗衰减系数;N0表示的是次用户接收端的噪声功率;Γ1表示SNR的间隔;i=1，2，3，其表示的是信道实际容量与理论值之间的差距［10］。当t=τ时，节点S的接入策略切换至直接传输策略。在第2个时隙，由于S与D之间的距离变短，S可以直接传输数据给D。假定d2(t)表示的是S与D之间的距离，这不是恒定的。C2为S在第2个时隙的总的传输数据量，其可以表示为

式中:P2表示的是S在第2个时隙的传输功率。

式中:t∈［τ，T］;L表示的是S与AP之间的初始距离; l0表示的是接收节点D到汽车行驶直线的垂直距离。

图2 发射节点S与中继节点R的结构框图

中继节点R是以半双工模式工作的，即其不能在接收数据的同时进行数据传输。在第1个时隙，R接收节点S传递的数据信息，而在第2个时隙，R将接受到的数据中继转发给目标节点D。R没有进行频谱感知，其数据传输是以Underlay接入策略进行的，其传输功率P3是受限制的。假定C3为R在第2个时隙的总的传输数据量，可表示为

式中:B1表示的是Underlay接入策略下信道带宽;Pp表示主用户的发射功率;hpd表示的是干扰信道的信道增益; d3(t)表示的是R与D之间的距离，即

式中:t∈［τ，T］。对于节点D来说，其可以通过DOFDM技术在第2个时隙同时接收发射节点S与中继节点R的传输数据。整个系统的传输模型如图3所示。

图3 传输模型

2 联合优化算法

在本文中，建立了一个关于信道带宽因子a，切换时间和次用户的发射功率P1，P2，P3的联合优化问题，以最小化系统的能量损耗，同时达到传输需求。系统总的能量损耗为

式中:Es表示的是次用户系统感知单条频段所需要的能量［11］。中继节点R以Underlay模式进行数据传输，其传输功率P3以满足限制条件p3h3p≤I，I表示的是预设的主用户在该信道的最大可容忍干扰功率。节点D总的接收数据量要不低于预定值C*。为了避免丢失数据，假定中继节点R在第1个时隙接收到的数据量与第2个时隙转发出去的数据量相等，即C3=C1。该联合优化问题可以表示为

式中:C3是关于P的单调递增函数，中继节点R更加靠近AP，其路径损耗最小。因此，中继节点将以最大的传输能力进行数据传输，即P3=。通过分析限制条件C3= C1，传输功率P1可以改写成关于τ与a的函数，为

传输的数据量C1与C2分别为关于传输功率P1和P2的单调递增函数。为了最小化系统的能量损耗，限制条件C2+C3≥C*可以取等号，为C2+C3=C*。同时，C2为关于切换时间τ的连续函数。利用积分中值定理，则存在一个数ξ，τ≤ξ≤T，此时，C2可以改写成关于ξ的函数

则P2可以改写为关于τ与a的函数

当τ=0时，本文给出的接入策略简化成直接接入策略。在整个传输时间内，S直接传输数据给AP，C3= C1=0。此时，优化问题P1简化为一个关于P2与a的问题

当τ=T时，S传输数据给中继节点R。在最大的时延前，D不能够接收到任何的数据，C3=C2=0，这是因为D只能在第2个时隙接收S与R的传输数据。当0＜τ＜T时，P1与P2改写成关于τ与a的函数，优化问题P1可以改写成

因为目标函数R(a，τ)不是关于τ的凸函数，所以问题P3不是凸优化问题，若是直接对其进行求解会很复杂。为此，将其转化成一个轮流优化问题，以减小其计算的复杂度。

先求关于a的单变量优化子问题。当

τ=τ*，该子问题为

定理1:优化问题SP1是一个凸优化问题。证明:为了证明SP1是一个凸优化问题，只需要证明其目标函数R(a，τ*)是凸函数即可

为了求解问题SP1，可以使用一些经典的凸优化算法，并得到SP1中最优的解a*。当a=a*时，得到关于τ的单变量优化问题

目标函数R(a*，τ)是关于τ的连续函数，且其自变量的取值区间是闭区间，因此，可以对目标函数求一阶导数，并将其等于零，得

由此得到最优的τ*和相对应的R(a*，τ*)。同时，通过问题P2求解R(a*，0)，并将其与R(a*，τ*)进行比较，最小的值即为所求。基于以上分析，可以通过关于a与τ的轮流优化问题对P3进行求解，并最终得到最优的P1，P2。

3 数值仿真与分析

下面将对本文所提的算法进行数值仿真与分析。在本文所提的策略中，车辆用户根据不同的位置信息自适应地选择接入策略，记为混合接入策略(Hybrid access scheme)，它将与以下两种策略进行性能比较。

1)直接传输策略(Direct transmission scheme):S直接传输数据给D。

2)等间隔切换传输策略(Equal switching time scheme):S通过中继节点传输数据给D，直接传输和中继传输策略的切换时间为τ=Τ/2。

车辆的速度设为v=100 km/h，S与R之间的距离为d1=40m。AP上的接收节点D距离汽车行驶的垂直距离为l0=15m。根据预期的误码率BERi，可以得到BER间隔Γi。Γi=ln(5BERi)/(－1.5)，Γ2=4，Γ3= 5。感知单位频段所消耗的能量为Es=1.5(W·s)。

带宽为B=B1=1MHz。仿真的其余参数如表1所示。

表1 仿真参数

首先，为了论证本文所提的迭代轮流优化算法的收敛性，与文献［12］的分析相类似，将迭代轮流优化算法与穷举法的性能进行比较，比较结果如图4所示。由图可以看出，迭代算法与穷举法的曲线基本相吻合，这说明本章所提的迭代轮流优化算法具有较好的收敛性。

图4 迭代算法与穷举法的能量损耗比较

图5表示的是3种接入策略下总的能量损耗比较，包括混合接入策略、直接接入策略和等时间切换策略。X轴表示的是可用时间(时延门限值)T，S与AP的初始距离固定为L=110m。混合接入策略与优化问题P1相对应，并使用迭代轮流优化算法求解。等时间切换策略是混合接入策略的一种，两种策略的切换时间固定为τ=Τ/2。由图5可以发现3种策略总的能量损耗随着可用时间T的增大而减小，这是因为当可用时间增大时，S会更加接近D。而需要传输的数据总量是一定的，距离越近，其路径损耗衰减就越小，所需要的能量就越小。同时，可以看出本文所提的混合接入策略性能比其余两种要好，这是因为节点S在根据车辆的位置信息来最优选择不同的接入策略。而在直接接入策略中，总的吞吐量减小，当S距离D较远时，需要更多的能量进行数据传输。而在等时间切换策略中，由于切换时间是固定的，并不是最优的，其系统性能受到了影响。当T增大时，S有更多的机会切换至中继传输策略，混合接入策略的优势变得更加明显。混合接入策略是一种普遍的接入策略，与另外两者相比，其更加灵活，系统的参数均得到了优化处理，性能更优。

图5 能量损耗随延时门限的变化(L=110m)

图6和图7表示的是总的能量损耗随着S到AP的初始距离L变化的情况，可用时间固定为T=1.2 s。图6中，车辆的运行速度是恒定的，均为v=100 km/h;而在图7中，车辆的速度可变，且不相等。S的速度是vs=30t+ 20(km/h)，中继节点R的速度为vR=20t+20(km/h)。由图7可以看出，无论车辆的速度是否是恒定的，本文所提的混合接入策略性能均是最优的，当距离L变小时，这种优势会更加明显。这是因为当初始距离L缩短时，在一个可用时间内的变化会很明显，这样本文所提出的混合接入策略切换有更多的机会。同时，当距离L增大时，在一个可用时间内，车辆运行带来的位置变化不是很大，3种策略的性能变得接近。

图6 能量损耗随节点S与AP距离的变化(T=1.2 s，速度恒定)

4 小结

本文将认知无线电技术应用到车载网络中，提出了一种适用于车载网络的V2I上行链路的能量有效频谱接入策略。车辆节点利用GPS实时获得自身的位置信息及与AP之间的距离，自适应地选择不同的传输策略(直接传输策略和中继传输策略)。发射节点S通过频谱感知获得可用频段，中继节点作为一个帮助者，不参与频谱感知，直接以Underlay策略进行数据传输。这样就做到了节点的传输功率、两者策略之间的切换时间以及感知的频段宽度被联合进行优化，以最小化系统总的能量损耗，同时，满足系统的QoS需求。仿真结果验证了算法的有效性。

图7 能量损耗随节点S与AP距离的变化(T=1.2 s，速度变化)

［1］CHENG H T，SHAN H，ZHUANGW.Infotainmentand road safety service support in vehicular networksing:from a communication perspective［J］.Elsevier echanical Systems and Signal Processing，2010，10(9): 1－19.

［2］AHMED Z，JAMAL H，MEHBOOB R，et al.A navigation device with MAC supportingmultiple physical networks for extended coverage and operations［J］.IEEE Trans.Consumer Electronics，2008，54(3): 1103－1109.

［3］ WANG P，NIYATO D.Optimization of the mobile router and traffic sources in vehicular delay tolerant network［J］.IEEE Trans.Vehicular Technology，2009，58(9):5095－5104.

［4］刘富强，单联海.车载移动异构无线网络架构及关键技术［J］.中兴通讯技术，2010，16(3):47－60.

［5］谢旭.车载自组网的通信策略与协议技术研究［D］.武汉:华中科技大学，2010.

［6］李翠然，钟章队，谢健骊.认知的铁路应急自组织网络研究［J］.铁道学报，2013，35(1):60－65.

［7］WANG X Y，HO PH.A novel sensing coordination framework for CRVANETs［J］.IEEE Trans.Vehicular Technology，2010，59(4): 1936－1948.

［8］NIYATOD，HOSSAIN E，WANGP.Optimal channel accessmanagement with QoSsupport for cognitive vehicular networks［J］.IEEE Trans.Mobile Computing，2011，10(5):573－591.

［9］FELICEM，MOHAMMADY R，CHOWDHURY K，et al.Smart radio for smart vehicles cognitive vehicular networks［J］.IEEE Vehicular Technology Magazine，2012，7(2):26－33.

［10］ZHAO Q，KRISHNAMACHARI B，LIU K.On myopic sensing for multi－channel opportunistic access structure，optimality and performance［J］.IEEE Trans.Wireless Communications，2008，7(12): 5431－5441.

［11］LIU Y，XIE S，ZHANG Y，et al.Energy－efficient spectrum discovery for cognitive radio green networks［J］.ACM/Springer Mobile Networks and Applications(MONET)，2012，17(1):94－107.

［12］PEH E，LIANG Y C，GUAN Y L，et al.Optimization of cooperative sensing in cognitive radio networks:a sensing－throughput tradeoff view［J］.IEEE Trans.Vehicular Technology，2009，58(9):5294－5299.

Spectrum Access Scheme Based on Energy Efficient M anagement in Cognitive Vehicle Network

TIAN Liang，WANGWeifeng
(Department of Computer and Information Engineering，Xinxiang University，Henan Xinxiang 453003，China)

In the vehicular network system，the vehicle users transmit data using different strategies based on the distance to the access point(AP)，to control the energy losswith switching strategy.A suitable in－vehicle network energy efficientspectrum accessalgorithm is proposed.Through the vehicle users and the base station cooperative sensing，the transmit power of the united with various periods is optimized，allowing users to get asmuch available spectrum resources asmore，in order tominimize the totalenergy consumption，at the same timemeeting the QoS requirements of the vehicle users.Simulation results verify the effectiveness of the algorithm eventually.

vehicular network;spectrum resource;throughput;energy consumption

TN919.8

A

田 亮(1982— )，副教授，研究方向为认知无线电网络、带宽测量。

�� 盈

2013－12－12

【本文献信息】田亮，王卫锋.基于能效管理的认知车载网络频谱接入方案［J］.电视技术，2014，38(13).

河南省科技厅2013年基础与前言项目(132300410204)