认知无线网络中应用空闲认知用户的联合随机频谱检测策略

李建东 刘鑫一姜 建

(西安电子科技大学综合业务网理论及关键技术国家重点实验室 西安 710071)

1 引言

认知无线电技术使得更多的用户有机会接入无线网络中的空闲频谱[13]-，从而大幅地提高频谱利用率。其中存在一个重要的问题就是在不影响主用户传输的前提下，认知用户如何确定可接入的信道。主用户信道在认知用户使用前必须被探知为空闲状态，因而，认知系统必须快速、可靠地检测主用户信道的使用状况，从而获得更多的空闲信道信息。认知用户之间的协作不仅可以使认知网络的检测性能得到提升[45]-，而且可以获得更多的主用户信道信息[6]。文献[6]提出了随机感知策略和协商感知策略，并且利用跨层的方法分析了认知网络的性能。文献[7]提出了基于部分可观察马尔可夫决策过程的MAC协议，这种策略可以很好地利用空闲频谱资源。但要求每一个认知用户配备多个感知器并且复杂度较高，因而难以实现。文献[8]提出了一种主用户模型为连续时间马尔科夫模型的最优接入策略。文献[9]提出了基于半马尔科夫预测模型的检测策略。文献[10]提出了一种简单的不需要先验信息的多信道检测顺序模型。这些工作都没有考虑利用认知网络中的空闲用户资源。文献[11,12]将空闲认知用户引入到频谱检测中，从而提升了认知系统的检测性能。

为了保证频谱检测的准确性，认知用户只能和与它相距一定范围内的用户进行协作[13,14]。认知网络中主用户的时变特性使得授权频谱资源有机会处于空闲状态，因而可以被认知用户使用；认知用户在网络中同样不会时时有数据需要传输，当认知用户没有数据需要传输时，处于空闲状态的认知用户可以和同一范围内的其他用户进行联合检测。相比传统方案，将空闲认知用户用于检测可以获得更多的信道信息，从而增大了认知用户接入信道的机会，使系统的频谱利用率得到提升。本文在认知网络中存在空闲认知用户的条件下，基于文献[6]所提出的随机检测策略，分析了认知网络中利用空闲认知用户进行随机检测后的接入时延和吞吐量，同时考虑存在大量空闲认知用户的场景下，认知用户汇报检测信息会产生汇报开销，此时加入过多的空闲认知用户会导致传输时长减少，从而使系统的吞吐量降低。通过对认知网络在联合随机检测下的吞吐量进行分析，得出最大化认知网络的吞吐量。

2 存在空闲认知用户的认知网络系统模型

考虑单跳认知网络中存在一个认知基站和一部分认知用户，在其旁边存在一个主用户网络，主用户通过授权频段进行通信。在认知网络中，认知用户不会一直有数据需要传输。在当前时刻，一部分有数据需要传输的认知用户，称之为处于活跃状态的认知用户(活跃认知用户)；另外一部分认知用户没有数据需要传输，但是处于联合检测范围内，这部分认知用户称为处于空闲状态的认知用户(空闲认知用户)，如图1所示。认知用户在每一个时隙分别经历检测阶段和传输阶段。在检测阶段，空闲认知用户和活跃认知用户同时进行检测，并将检测结果汇报至认知基站，由认知基站统一进行处理[13]。认知基站将已检测到的空闲信道按照策略分配给活跃认知用户。空闲认知用户的存在使得认知网络在所需求空闲信道数不变的情况下，获取信道信息的能力增加。参与检测的空闲认知用户和活跃认知用户的数目分别表示为iN和aN，授权频谱被划分为个信道。

λ表示主用户的占用率，K表示当前时刻下可用的授权频谱信道数，授权频谱信道是否被占用是随机的，则可用信道数为k的概率为

图1 存在空闲认知用户的认知网络系统模型

3 应用空闲认知用户的联合随机频谱检测策略

由于无需前置信息且易于实现，因而随机检测策略被广泛使用。随机检测策略是指所有参与检测的认知用户随机地抽取其中一个信道进行检测。用服务时延来表示检测策略的性能：

考虑集中式控制模式使得每个时隙检测到的空闲信道都能被分配给有需求的认知用户。忽略控制信道以及基站分配算法带来的时延，时延的长短主要由认知系统检测策略的能力决定。

考虑在认知网络中，cN 为认知基站中已获得的不同可用信道数目，c为参与检测的认知用户数。在随机检测策略下，认知用户独立选择一个信道进行检测，每个认知用户随机地选择x个信道中 1个的概率为1/x。在认知网络中存在k个可用信道的前提下，假设当前c个认知用户已经检测到i个空闲信道，此时认知系统中未被检测到的可用信道数目为k i- ，如果再有一个认知用户进行检测，其有可能检测到空闲信道，也有可能检测不到，那么系统中可用空闲信道数目为i或者，构建马尔科夫链表示认知用户检测到不同的可用信道数目的概率为[6]

在认知网络中，x个认知用户在一个时隙内检测到的可用信道数为y的概率可以通过式(3)中马尔科夫链的x步转移概率矩阵表示。认知用户检测到可用信道数为j的概率为

假设每个认知用户在每个授权信道上的传输速率相同，表示为R，用表示平均检测到的可用授权信道数，认知网络的吞吐量C可表示为

式(6)中T表示一个时隙的长度；tT表示当前时隙下认知用户的传输阶段时长，随着参与检测的认知用户数目不同，tT的长度会发生变化。认知网络在当前时隙下的总体服务时延D表示为

在任意检测策略下，空闲认知用户参与检测使得认知系统获得更多的可用信道信息，使更多的活跃认知用户有机会利用频谱资源。但是过多的认知用户参与检测会使得系统性能下降，文献[15]提出每个认知用户汇报检测信息需要时间，过多的认知用户汇报检测结果使得认知用户的传输时间下降。系统中的活跃认知用户需要参与检测，但是可以只选择一部分空闲认知用户参与检测。考虑系统中存在所有活跃认知用户都接入信道的可能性，即pN ≥。认知用户的标准化吞吐量可以表示为

式(9)为一离散函数，由于认知网络中空闲认知用户的数目是有限的整数，因此认知网络的吞吐量在定义域范围内一定存在最大值。遍历定义域内每一个可取的值可以获得吞吐量的全局最大值，但当空闲认知用户较多时，遍历所花费的时间较长。通过对此函数进行分析，将离散函数连续化，对连续函数进行迭代求解，得出最优化的参与检测的空闲认知用户数。

式(3)代入式(13)，可以得到

式(14)和式(12)相减，可以得到

式(16)和式(15)相减，并利用式(3)，可以得到

证毕

4 仿真分析与结果

考虑系统中空闲认知用户的总数为40，每个认知用户的传输速率为1 Mbps。仿真场景选取文献[5]中的参数，认知用户每个时隙时长100 ms,。图2对比了在不同主用户信道数目和不同信道占用率条件下认知系统的吞吐量。可以看到，在加入少量的空闲认知用户进行检测后，认知网络的吞吐量得以提升，这是由于加入空闲认知用户可以使得认知基站获得更多的可用信道，从而使活跃认知用户有更多的机会进行传输。

图3对比了在主用户信道状况和活跃认知用户数不同的情况下，加入空闲认知用户所带来的服务时延。可以看到，在主用户占用率较高的情况下，认知网络中可以获得的可用信道数较少，系统拥有较高的服务时延，随着加入网络进行检测的空闲认知用户数的增大，系统的服务时延减小。

图4对比了在不同条件下，吞吐量随着参与检测的空闲认知用户数的变化情况。由图中可以看出，越多的认知用户参与检测并不能带来更高的吞吐量。当活跃认知用户较多的时候，需要的空闲认知用户数目也随之增加；在主用户占用率较低的情况下，拥有较多主用户信道数的认知网络需要较少的空闲认知用户，这是因为网络中大部分的主用户处于空闲状态，认知用户较容易检测到空闲的主用户信道；在主用户占用率较低的情况下，拥有较多的活跃认知用户信道数的认知网络需要较多的空闲认知用户。

图2 认知网络吞吐量

图3 服务时延

图4 吞吐量随着参与检测的空闲认知用户数的变化情况

5 结论

在认知无线电网络中，本文提出了一种利用空闲认知用户进行联合检测的方法。在利用空闲认知用户参与联合检测后，认知系统的检测能力得到提升，从而获得更多的可用信道信息。理论分析和仿真实验表明，空闲认知用户参与检测可以提升认知网络的吞吐量，并且减少服务时延。本文提出的联合检测算法考虑认知用户汇报所带来的额外时长，从而得出参与检测的最佳空闲认知用户数目。

[1] Haykin S. Cognitive radio: brain-empowered wireless communications[J]. IEEE Journal on Selected Areas in Communications, 2005, 23(2): 201-220.

[2] Ghasemi A and Sousa E S. Spectrum sensing in cognitive radio networks: requirements, challenges and design trade-offs[J]. IEEE Communications Magazine, 2008, 46(4):32-39.

[3] 王晓飞, 张希, 张权, 等. 认知无线网络随机接入 MAC 协议建模与性能分析[J]. 电子与信息学报, 2013, 35(4): 1007-1011.Wang Xiao-fei, Zhang Xi, Zhang Quan, et al.. Modeling and performance analysis of random access MAC protocols in cognitive radio networks[J]. Journal of Electronics ＆amp;Information Technology, 2013, 35(4): 1007-1011.

[4] 岳文静, 陈志, 郑宝玉, 等. 基于可靠次用户信息的协作频谱感知算法研究[J]. 电子与信息学报, 2012, 34(5): 1208-1213.Yue Wen-jing, Chen Zhi, Zheng Bao-yu, et al.. Cooperative spectrum sensing based on reliable secondary user information[J]. Journal of Electronics ＆amp; Information Technology, 2012, 34(5): 1208-1213.

[5] Liang Y C, Zeng Y, Peh E C Y, et al.. Sensing-throughput tradeoff for cognitive radio networks [J]. IEEE Transactions on Wireless Communications, 2008, 7(4): 1326-1337.

[6] Su H and Zhang X. Cross-layer based opportunistic MAC protocols for QoS provisionings over cognitive radio wireless networks[J]. IEEE Journal on Selected Areas in Communications, 2008, 26(1): 118-129.

[7] Zhao Q, Tong L, Swami A, et al.. Decentralized cognitive MAC for opportunistic spectrum access in ad hoc networks: a POMDP framework[J]. IEEE Journal on Selected Areas in Communications, 2007, 25(3): 589-600.

[8] Ma L, Han X, and Shen C. Dynamic open spectrum sharing MAC protocol for wireless Ad hoc networks[C]. Proceedings of IEEE Symposium on New Frontiers in Dynamic Spectrum Access Networks, Baltimore, USA, 2005: 203-213.

[9] Wang B, Feng Z, Zhang P, et al.. Prioritized spectrum sensing scheme based on semi-Markov process[C].Proceedings of IEEE Vehicular Technology Conference(VTC Spring), Yokohama, Japan, 2012: 1-5.

[10] Cheng H T and Zhuang W H. Simple channel sensing order in cognitive radio networks[J]. IEEE Journal on Selected Areas in Communications, 2011, 29(4): 676-688.

[11] Liu X Y, Li J D, and Jiang J. Cooperative sensing using inactive secondary users in cognitive radio system[J].SCIENCE CHINA Information Sciences, 2013, 56(10): 1-5.

[12] Hsieh Y L, Song S H, and Zhang Q T. Active sensing for cognitive radio[C]. Proceedings of IEEE Vehicular Technology Conference Fall (VTC 2009-Fall), Anchorage,USA, 2009: 1-5.

[13] Saad W, Han Z, Zheng R, et al.. Coalitional games in partition form for joint spectrum sensing and access in cognitive radio networks[J]. IEEE Journal of Selected Topics in Signal Processibng, 2012, 6(2): 195-209.

[14] Lin Y U, Liu K H and Hsieh H Y. On using interferenceaware spectrum sensing for dynamic spectrum access in cognitive radio networks[J]. IEEE Transactions on Mobile Computing, 2013, 12(3): 461-474.

[15] Letaief K B and Zhang W. Cooperative communications for cognitive radio networks[J]. Proceedings of the IEEE, 2009,97(5): 878-893.

[16] 施妙根, 顾丽珍. 科学和工程计算基础[M]. 北京: 清华大学出版社, 1999: 293-294.