基于双代理结构的认知无线电动态频谱接入方案

高波，蔡铁,

（1.深圳信息职业技术学院信息技术研究所，广东 深圳 518172；2.深圳信息职业技术学院深圳市可视媒体处理与传输重点实验室，广东 深圳 518172；3.深圳信息职业技术学院计算机学院，广东 深圳 518172）

【信息技术理论研究】

基于双代理结构的认知无线电动态频谱接入方案

高波1,2，蔡铁2,3

（1.深圳信息职业技术学院信息技术研究所，广东 深圳 518172；2.深圳信息职业技术学院深圳市可视媒体处理与传输重点实验室，广东 深圳 518172；3.深圳信息职业技术学院计算机学院，广东 深圳 518172）

与传统的频谱管理方式相比，动态频谱接入能够充分利用未被占用的频谱资源，提高频谱利用效率，缓解频谱资源紧张的局面。本文基于双代理结构的认知无线电场景及离散事件系统，提出了一种高效的动态频谱接入方案，并利用连续时间Markov链对该策略建模，计算机仿真结果验证了该方案的有效性及理论计算结果的正确性。

动态频谱接入；认知网络；认知无线电

传统的静态频谱管理方式使得有限的频谱资源并未得到充分利用。与传统的频谱管理方式相比，动态频谱接入能够充分利用未被占用的频谱资源，伺机使用频谱，从而提高频谱利用效率，缓解频谱资源紧张的局面[1]。

动态频谱接入问题目前已成为认知领域的研究热点，国内外有较多研究成果，在此仅列举较有代表性的文献。国内方面：李瑞芳等人[2]提出了针对认知mesh网络服务区分的动态频谱接入策略，该策略根据业务QoS（Quality of Service，服务质量）需求的优先级采取不同的信道接入方案，可最大限度的满足实时业务需求；李方伟等人[3]提出了一种基于图型博弈的动态频谱接入算法，该方法利用环境信息的非对称性把频谱接入问题抽象为图型博弈模型,并用模型中的图型拓扑表示现实环境中博弈的内在结构，取得了不错的结果；文献[4]针对传统动态频谱分配算法计算复杂度高的缺点，提出了基于排队论的集中式频谱分配方案，降低了时延和节点能耗。国外方面：文献[5][6]将授权用户与非授权用户的交互行为建模为二维Markov过程，并对不同的动态频谱接入策略进行了比较分析；文献[7]将周期感知策略下的随机频谱接入问题建模为Markov决策过程，并利用线性规划方法对最优策略进行了求解，并在文献[8]中，针对感知错误对动态频谱接入性能的影响进行了深入分析。

本文主要研究基于认知无线电(Cognitive Radio，CR)的动态频谱接入方式：1.根据认知无线电网络(Cognitive Radio Network，CRN)的特点，构建了一个基于双代理结构的认知无线电场景，提出了一种部分合作动态频谱接入策略(Particial Cooperitive Dynamic Spectrum Access,PCDSA)；2.利用连续时间Markov链(Continuous Time Markov Chain,CTMC)对PCDSA策略进行了建模，对频谱接入策略的认知用户阻塞率、掉话率以及可达吞吐量进行了定义和求解；3.结合离散事件系统的特点，提出了一种高效的动态频谱接入仿真方案，并验证了该方案的有效性及正确性。

1 基于认知无线电的动态频谱接入问题描述及建模

为实现授权网络(PRimary Network，PRN)与CRN之间的动态频谱共享，并能与现有的频谱租用、频谱感知以及动态频谱管理等成果有效兼容，本文首先构建了一个具有双代理(double broker)的CRN环境，如图1所示。该环境将约束于一个有限的地理区域内，由CRN群、PRN群、频谱租用与拍卖代理(Spectrum Leasing and Auction Broker,SLAB)，动态频谱管理代理(Dynamic Spectrum Management Broker，DSMB)，授权用户(Primary User，PU)以及认知用户(Secondary User，SU)等功能实体组成；环境的部署与运行将包含5个基本过程：频谱租用与拍卖、频谱授权、动态频谱接入、环境感知过程和提供服务过程。本文所讨论的问题，均以该场景为背景展开。

首先，PRN根据当前PU的QoS情况和频谱利用情况，将一部分频谱资源委托给SLAB，形成二级市场“频谱池”。CRN则根据SU的业务强度和业务要求，估计所需频谱资源总量和占用时间，然后将需求提交给SLAB。SLAB接到CRN和PRN的委托后，触发CRN和PRN之间就频谱总量、优先级权限、接入策略和定价策略进行协商。一旦双方达成协议，则频谱交易成功。随后，SLAB将已达成的协议交付给DSMB，DSMB根据协议条款，对CRN开放临时频谱授权，并对CRN和PRN进行监管，保证双方遵守协议中的频谱礼仪。CRN获得使用权后，利用频谱感知技术对PRN中的频谱使用状态进行估计，发现未被PRN使用的空白频谱，并根据感知结果和SU的使用需求，令SU接入未被PU使用的频谱资源并向SU提供相应服务。

图1 双代理认知无线电网络示意图Fig.1 Illustration of cognitive radio networks with double brokers

在文献[5][6]中，作者提出了利用CTMC对PU与SU的交互过程进行建模，并根据对频谱的使用方式，提出了三种动态频谱接入策略：PU随机接入(PU Random Access，PU-RA)，PU冲突避免接入(PU Collision Avoidance，PU-CA)策略，以及SU受限接入(SU Limited Access，SU-LA)。本文在此基础上，提出了一种参数可调的混合动态频谱接入策略(Hybrid Dynamic Spectrum Access，PCDSA)。

PU-RA、PU-CA和SU-LA三种策略可以从PRN与CRN之间是否存在合作的角度来解释。其中，PU-RA策略不需要PRN与CRN之间进行信令交互，SU的行为对于PU而言完全透明，是一种非合作的动态频谱接入策略。与PU-RA策略不同，PU-CA策略中，PU需要完全了解SU占用信道的情况，并尽可能的避免与SU冲突，PRN与CRN之间需要一定的信令交互，并且PU接入需要做出调整以配合SU的接入。因此，PU-CA策略是一种完全合作的动态频谱接入策略。对于SU-LA策略，当系统中PU数量小于时，CRN和PRN所占用的信道被分割成两个独立的系统，互不干扰。当系统中PU数量大于等于时，系统采用PU-RA策略。尽管SU-LA策略能够通过调整参数R实现系统性能的灵活调整。但是，在进行系统设计时过于保守，尤其是当系统中PU数量小于，PRN与CRN完全隔离，使得SU的接入受到很大制约。

基于上述分析，推荐的PCDSA将以参数r为界，将PRN与CRN的共享信道分成两部分，其中r个信道采用PU-CA策略，个信道采用PU-RA策略。同时，根据SU-LA的设计方法，系统允许信道中同时传输的SU数量最大不超过参数R，如图2所示。

图2 PCDSA策略信道使用示意图Fig.2 Illustration of spectrum usage for PCDSA strategy

当SU到达时，优先接入采用PU-CA策略的r个信道中，只有当信道中SU数量大于r时，才接入到采用PU-RA策略的信道中。当PU到达时，优先接入采用PU-RA的个信道中，只有当信道中PU数量大于等于时，才接入到采用PU-CA策略的r个信道中。

从PRN与CRN合作的角度观察，提出的PCDSA策略可以看做是部分合作的动态频谱接入策略。当信道中SU数量大于r时，信道利用率较高，为避免对PU造成影响，采用非合作方案；而当信道中SU数量小于r时，信道利用率较低，此时SU与PU均有充分的频谱资源，故可采用合作方案。根据对PCDSA策略的描述可知，当时，系统为完全非合作方案，即PU-RA策略；当 时，系统为完全合作方案，即PU-CA策略。因此，PU-RA策略和PU-CA策略可看做是PCDSA策略的特例，而参数r可看做是调整PRN与CRN合作程度的合作因子。除此之外，PCDSA策略与SU-LA策略一样，通过调整参数R，实现对动态频谱接入性能的灵活调整，以适应更多的业务类型要求。

PCDSA策略的状态空间为：

根据参数R和r的关系，PCDSA策略具有不同的状态转移情况。假定PU和SU的到达间隔分别服从参数为的Poisson过程，平均服务时间分别服从参数为的指数分布。

e）PU和SU的服务完成与其他三种策略相同。

PCDSA策略的无穷小生成矩阵 可以表示为：

图3 基于CTMC的PCDSA策略状态转移图Fig.3 State transition for diagram CTMC based PCDSA strategy

2 性能指标评估

为评价推荐动态频谱接入策略的性能，在本文中，主要针对无线通信系统中常用的用户QoS指标：阻塞率、掉话率以及可达吞吐量进行分析。为了表述清晰，首先对上述3种QoS指标进行定义：

定义1：SU阻塞率。当系统处于稳定状态时，被阻塞的SU数量与到达的总的SU数量之比。

定义2：SU掉话率。当系统处于稳定状态时，被掉话的SU数量与接入信道的SU数量之比。

定义3：可达SU吞吐量。当系统处于稳定状态时，单位时间内成功服务的SU(既没有被阻塞，也没有被掉话)数量之和。

根据Poisson的无记忆特性可将PASTA定理9推广为在CTMC中，某一状态集的稳态概率与该状态集的时间比例依概率1相等，即

同理，可以得到其他三种动态频谱接入策略下SU的阻塞率表达式

与求解SU的阻塞率相同，以PU-RA策略为例，在观察时间(0,t)内，成功接入信道的SU数量为SU到达的总数量减去被阻塞的用户数量，即。当一个新PU到达系统时，如果遇到系统处于状态时，以概率与正在传输的SU发生碰撞，使SU产生掉话。如果记系统处于状态s的时间为ts(t)。根据PASTA定理，在(0,t)时间内遇到状态的PU数量为。定义状态集B为所有可能使SU掉话的状态，那么，在(0,t)时间与SU发生碰撞的PU数量为。根据掉话率定义，可以得到PU-RA策略下SU掉话率：

同理，可以得到其他三种动态频谱接入策略的SU掉话率表达式：

根据定义3可知，动态频谱接入策略的SU可达吞吐量为：

3 基于离散事件的动态频谱接入系统仿真

根据上述动态频谱接入策略的描述可知，动态频谱接入系统是由一系列事件（如PU和SU的到达、离开等）组成，且性能指标也与事件相关（如PU和SU的阻塞、SU的掉话等）。因此，可以将动态频谱接入系统看作一个典型的离散事件系统（Discrete Event Systems,DEVS）。DEVS的仿真技术可分为事件调度法（event scheduling，ES）、活动扫描法（activity scanning，AS）和进程交互法（Process Interaction，PI）[10]。

图4 改进的事件调度法仿真流程图Fig.4 Simulation flow chart for modified event scheduling method

结合ES、AS及PI的优势，提出了一种改进的动态频谱接入系统仿真方案。仿真方案主要由三个阶段构成：初始化阶段、到达事件处理阶段和离开/服务完成事件处理阶段，如图4所示。首先，根据事件的不同属性，采用了不同的仿真策略。对于确定事件，其发生事件可以预定。因此，仿照ES方法中对用户到达事件的处理方式，在初始化阶段将PU和SU的到达时间预先生成并保存在事件调度器中。初始化工作结束后，事件调度器每次取出最早到达的PU或者SU的到达时间，并推进仿真时钟到该时间，并判断仿真终止条件是否满足，如果满足，则结束仿真；否则，进入离开/服务完成事件处理阶段。扫描当前仿真时钟之前，是否有用户服务完成事件发生，如果是，则根据AS方法中对用户服务完成和离开的仿真流程处理，扫描直到在当前仿真时钟之前，没有任何用户服务完成事件发生，扫描结束，仿真进入动态频谱接入策略处理当前时钟到达的PU或者SU。动态频谱接入策略执行后，返回事件调度器，取出下一个最早到达的PU或者SU，推进仿真时钟，直至仿真结束。

改进的动态频谱接入系统仿真方案采用了对确定事件和条件事件的分类处理方式，对系统性能不敏感的条件事件进行了批处理方法，避免了ES方法中的不断对事件调度器不断插入和删除事件的操作，同时提高了AS方法中对各个实体的扫描效率，使仿真方案在复杂度和执行效率方面均得到了有效提升。

4 结果与讨论

4.1 不同仿真方案之间的比较

为了验证仿真方案的正确性和有效性，本节对前文设计的仿真方案从仿真时间，SU阻塞率、SU掉话率以及SU可达吞吐量进行了对比实验。

在实验中，仿真时间设为200000 min，信道数量N=10，PU到达率和SU到达率分别为，PU平均服务时间和SU平均服务时间为。由于不同的动态频谱接入策略均采用相同的仿真方案，本节选取了PU-RA策略作为代表进行分析。

图5为三种仿真方案所需的仿真时间对比结果。其中，ES方案所需的仿真时间最长，主要仿真时间消耗在对事件调度器的操作。而AS仿真方案并不需要维护事件调度器，且不需要衍生事件的插入操作，其仿真时间极大减小。推荐方案中针对动态频谱接入策略的用户离开事件进行了批处理，减小了操作事件的总数量，具有最小的仿真时间消耗。ES方案、AS方案以及推荐的仿真方案消耗CPU计算时间分别为5914s、34.74s、27.03s（仿真环境：CPU主频3.6GHz，内存32G）。推荐方案相比于ES和AS的仿真效率提升约为21800%和28%。

图5 不同仿真方案的仿真时间对比Fig.5 Comparisons of simulation time with different simulation schemes

图6 不同仿真方案SU阻塞率随场景时间变化Fig.6 SU block rate variation with scenario time under different simulation schemes

图7 不同仿真方案SU掉话率随场景时间变化Fig.7 SU drop rate variation with scenario time under different simulation schemes

图6和图7分别给出了不同的仿真方案以及理论解在SU阻塞率和SU掉话率的对比结果。通过仿真结果可以看出，3种仿真方案的SU阻塞率和掉话率均在理论值附近波动，且随着仿真时间的增加，仿真结果逐渐收敛于理论结果，验证了3种方案与理论推导结果的正确性。

4.2 PCDSA策略与PU-RA策略和PU-CA策略比较

图8、图9和图10分别给出了不同动态频谱接入策略下，SU阻塞率、掉话率以及可达吞吐量随 的变化。对于PCDSA策略，当r=0，R=10时，SU阻塞率、掉话率以及可达吞吐量均与PU-RA策略相同，当r=10，R=10时，SU阻塞率、掉话率以及可达吞吐量均与PU-CA策略相同，验证了PU-RA和PU-CA策略是PCDSA策略的一个特例。同时，根据图8和图9的仿真结果可以看出，PU-RA策略具有最低的SU阻塞率和最高的SU掉话率，而PU-CA则具有最高的SU阻塞率和最低的SU掉话率。PCDSA策略当r取最大值和最小值时，分别对应两个系统性能的两端，通过调整参数r，PCDSA策略的SU阻塞率和掉话率可以在两个策略之间进行调整，有效的实现对SU阻塞率和SU掉话率的调节作用。对应地，PCDSA策略的SU可达吞吐量也可以通过调整r实现在PU-RA策略和PU-CA策略之间进行取值。

图8 不同动态频谱接入策略下SU阻塞率随变化Fig.8 SU block rate vs.under different dynamic spectrum access strategies

图9 不同动态频谱接入策略下SU掉话率随变化Fig.9 SU drop rate vs.under different dynamic spectrum access strategies

图10 不同动态频谱接入策略下SU可达吞吐量随变化Fig.10 SU achievable throughputs vs.under different dynamic spectrum access strategies

4.3 PCDSA策略与SU-LA策略的比较

在进行PCDSA策略与SU-LA策略比较之前，首先给出对PCDSA策略的阻塞率和掉话率之间关系的讨论。如图11所示，为PCDSA策略随不同参数变化时，SU掉话率随SU阻塞率的变化情况。在仿真中，信道数量N=10，参数R=10。在图11中，线“□-”表示SU阻塞率-SU掉话率关系随变化情况，线“○-”表示SU阻塞率-SU掉话率关系随变化情况，线“△-”表示SU阻塞率-SU掉话率关系随变化情况。在每条SU阻塞率-SU掉话率曲线上，从左至右为参数r从1到10变化。

从图11中可知，每一条SU阻塞率-SU掉话率曲线均呈现反比例关系，这表明动态频谱接入系统中，SU阻塞率与SU掉话率之间存在权衡关系，且在给定仿真参数和动态频谱接入策略后，两个性能指标不能同时被减小。这种权衡关系一方面表明了动态频谱接入系统的性能受频谱资源、业务强度等参数制约的特性，另一方面也给系统设计带来了更大的灵活性。可以看出，在不同的仿真条件下，通过调整参数r，能够有效实现SU阻塞率与SU掉话率之间的调节和平衡。图11中每一条SU阻塞率-SU掉话率曲线的长度也表明了系统性能的可调范围，曲线长度越长，则表明参数r的调节范围更大，反之亦然。其中，可调范围受变化影响最为明显，当增加时，PU对信道的占用率增加，使得留给SU的可调整频谱资源越来越少，因此，可调范围逐渐变小。同时，在每条曲线上，随着r的增加，曲线上的两点间距离减小，表明对系统的调节能力逐渐减小。

除此之外，图11还反映出不同系统参数对性能的影响。其中，对SU阻塞率影响最大。随着的增加，SU阻塞率明显增加，但掉话率变化不大；对SU掉话率影响较大，随着的增加，SU掉话率减小明显，但阻塞率变化不大。

图11 不同参数下，SU掉话率随SU阻塞率的变化Fig.11 SU block rate vs.SU drop rate with different parameters

图12、图13和图14分别给出了SU-LA策略和PCDSA策略在不同参数R和r的变化时的对比结果。其中，信道数量N=10，PU到达率，SU到达率，服务率。图中横坐标为SU-LA策略和PCDSA策略的参数R，纵坐标为各个系统性能指标。顺着箭头所指方向，是PCDSA策略性能随着r的增加的变化。

图12 SU掉话率随合作因子r的变化Fig.12 SU drop rate variation with cooperative factor r

图13 SU掉话率随合作因子r的变化Fig.13 SU drop rate variation with cooperative factor r

图14 SU掉话率随合作因子r的变化Fig.14 SU drop rate variation with cooperative factor r

根据图12的仿真结果可知，在相同的动态频谱接入策略下，SU阻塞率和SU掉话率呈反比例关系。根据图13和图14的结果中可以看出，当PCDSA策略的SU阻塞率低于SU-LA策略时，SU掉话率则会高于SU-LA策略，反之亦然。但是，相比于SU-LA策略只有一个可调参数R，推荐的PCDSA策略明显具有更大的调整空间，SU阻塞率和SU掉话率的取值随着r的变化，更加丰富。图14给出了两种策略的SU可达吞吐量的变化对比。可以看出，对于SU-LA策略，SU可达吞吐量是关于参数R的凸函数。在本文给定的仿真条件下，当R=4时，SU-LA策略SU可达吞吐量最大。对于本文推荐的PCDSA策略，当R=2时，即可达到SU-LA策略的最大值。也就是说，达到同样的SU可达吞吐量，如果系统采用PCDSA策略，只需要为CRN预留2个信道即可，而SU-LA策略则需要4个信道。

除此之外，通过仿真结果可以看出，在本文给定的仿真条件下，当R＞5时，各项性能指标变化已经趋于平稳，而在相同的R时，当r＞5时，各项性能指标也趋于平稳。这表明，在PCDSA策略下，CRN只需要与PRN共享部分频谱资源，即可达到系统性能最优解的附近，而更多的频谱资源，并不能带来更好的系统性能提升，该结论对CRN的频谱租用与拍卖策略的设计，具有一定的价值。

最后，为了更清楚的体现本文推荐的PCDSA策略灵活调整系统性能的能力，定义效用函数

图15给出了不同策略随加权系数的变化关系。其中，信道数量N=10，PU到达率，SU到达率，服务率。SU-LA策略的效用函数取值为遍历参数R后的最大值，PCDSA策略则为遍历参数R和r后的最大值。从图中可以看出，当 较小时，系统对掉话率要求更高，故具有更低掉话率的PU-CA策略和SU-LA策略的效用函数更大，而当 较大时，系统对阻塞率要求更高，具有更低阻塞率的PU-RA策略效用函数更大。本文推荐的PCDSA策略，在不同的 下，均与最优策略的效用函数值相同，体现了PCDSA策略能够灵活地调整策略，适应不同的业务类型要求。

图15 SU掉话率随合作因子r的变化Fig.15 SU drop rate variation with cooperative factor r

5 结束语

本文对动态频谱接入的建模方法、评价指标以及仿真方案等方面进行了深入的讨论和分析。首先给出了一个具有双代理结构的认知无线电系统实现架构。在该架构下，分析了PCDSA，并利用连续时间Markov链对PCDSA策略进行了数学建模。随后，基于Markov相关理论，得到了SU阻塞率、SU掉话率以及SU可达吞吐量的理论结果，并给出了SU容量的闭合表达式。结合离散事件系统的特点，提出了一种高效的动态频谱接入仿真方案，理论计算结果和计算机仿真结果的对比分析，验证了该方案的有效性及理论计算结果的正确性。

（

）

[1]姚富强,张建照,柳永祥,赵杭生.动态频谱管理的发展现状及应对策略分析[J].电波科学学报,2013,8(4):794-801.YAO Fuqiang,ZHANG Jianzhao,LIU Yongxiang,ZHAO Hangsheng.Review of the development of dynamic spectrum management and the resolving strategies analysis[J].Chinese journal of radio science,2013,8(4):794-801（in Chinese）

[2]李瑞芳,刘泉,李仁发.认知mesh网络服务区分的动态频谱接入策略[J].通信学报,2014,35(3):69-76.LI Ruifang,LIU Quan,LI Renfa.Differentiated services dynamic spectrum access strategy for cognitive wireless mesh network[J].Journal on communications,2014,35(3):69-76（in Chinese）

[3]李方伟,唐永川,朱江,张海波.分布式网络中采用图型博弈的动态频谱接入[J].北京邮电大学学报,2014,37(2):18-22.LI Fangwei,TANG Yongchuan,ZHU Jiang,ZHANG Haibo.Dynamic spectrum access algorithm based on graphical game in distributed wireless network.Journal of Beijing University of posts and telecommunications,2014,37(2):18-22（in Chinese）

[4]张旭,刘聪,胡胜,陈晶.认知无线电网络中基于排队论的集中式频谱分配策略[J].计算机应用研究,2015,32(1):187-190.ZHANG Xu,LIU Cong,HU Sheng,CHEN Jing.Queuing theory based centralized dynamic spectrum allocation scheme in cognitive radio networks.Application research of computers,2015,32(1):187-190（in Chinese）

[5]Tang P K,Chew Y H,Ong L C.Performance of secondary radios in spectrum sharing with prioritized primary access [C].IEEE Military Communication Conference,2006:1-7.

[6]Tang P K,Chew Y H.On the modeling and performance of three opportunistic spectrum access schemes [J].IEEE Transactions on Vehicular Technology,2010,59(8):4070-4078

[7]Qianchuan Zhao;Geirhofer S,Lang Tong,Sadler B M.Opportunistic spectrum access via periodic channel sensing [J].IEEE Transactions on Signal Processing,2008,56(2):785-796.

[8]Yunxia Chen,Qing Zhao,Swami A.Joint design and separation principle for opportunistic spectrum access in the presence of sensing errors [J].IEEE Transactions on Information Theory,2008,54(5):2053-2071.

[9]Tijms H C.A first course in stochastic models [M].New York:Wiley,2002.

[10]肖田元,范文慧.离散事件系统建模与仿真[M].北京:电子工业出版社,2011.XIAO Tianyuan,FAN Wenhui.Modeling and simulation for discrete event system[M].Beijing:Publishing house of electronics industry,2011（in Chinese）

Cognitive radio dynamic spectrum access scheme based on double brokers scene

GAO Bo1,2，CAI Tie2,3
（1.Institute of Information Technology,Shenzhen Institute of Information Technology,Shenzhen 518172,P.R.China;2.Shenzhen Key Lab of Visual Media Processing and Transmission,Shenzhen 518172,P.R.China;3.School of Computer,Shenzhen Institute of Information Technology,Shenzhen 518172,P.R.China）

Compared with the traditional spectrum management,dynamic spectrum access can make full use of unoccupied spectrum resources and improve spectrum utilization efficiency.Based on the cognitive radio scene of double brokers and discrete event,an efficient dynamic spectrum access scheme is proposed.By using continuous time Markov chain,Mathematical modeling for this scheme is performed.The results show the effectiveness of the scheme and the correctness of theoretical calculations.

dynamic spectrum access;cognitive radio network;cognitive radio

TN915

A

1672-6332（2015）01-0001-10

【责任编辑：杨立衡】

2015-01-20

国家自然科学基金资助项目（61172165）；广东省自然科学基金资助项目（S2013010012669）；深圳市科技计划资助项目（JC201105190829A，JC201006020811A）

高波（1982-），男（汉），黑龙江省哈尔滨人，讲师，博士，主要研究方向：图像及视频处理，认知无线电。E-mail：gaob@sziit.edu.cn