认知无线电传感器网络中能量有效的感知策略

秦智超，周春华，张平，陆洲，周彬

（中国电子科学研究院，北京 100041）

认知无线电传感器网络中能量有效的感知策略

秦智超，周春华，张平，陆洲，周彬

（中国电子科学研究院，北京 100041）

将认知无线电技术引入无线传感器网络（WSN），可以使传感器节点在不影响主用户正常通信的前提下，利用频谱空穴来满足自身的通信需求。虽然切换到合适的信道能够降低传输能耗，但是感知过程不可避免的带来一定的额外能耗，因此如何对频谱进行感知来降低节点的总能耗是一个至关重要的问题。在基于离散马尔可夫链的信道占用模型基础上，根据信道状态的n步转移概率，提出了一种由当前感知结果来决定下一次感知时刻的感知策略。仿真结果表明，相对传统无感知过程的WSN以及先感知后传输的策略，有效地降低了能耗。

无线传感器网络；认知无线电；离散马尔可夫链；转移概率

0 引 言

目前频谱资源管理国际上采用的通用做法是实行授权和非授权频率管理体制，对于授权频段，非授权者不得随意使用［1］。无线传感器网络主要工作在无需授权的ISM频段，这些频段由于被越来越多的无线应用（如蓝牙，WiFi，Zigbee）所共享而变得日益拥挤，成为限制其大规模发展的瓶颈［2］。然而已分配的无线频谱资源（如具有良好传播特性的TV频段）却没有得到有效的利用，在FCC 2003年底的NRPM［3］指出目前已分配频段的利用率从15%到85%之间不等，并且频谱利用率在不同的时间和空间段也是不同的。

这种大量的频谱资源处于欠利用状态的根源在于目前固定的频谱分配策略［4］，为了更有效地利用已分配的频谱资源，认知无线电技术应运而生。它能够根据周围无线电环境的变化来调整各种工作参数（如传输功率、载波频率和调制方式等）来提高频谱利用率。

认知无线电传感器网络（Cognitive Radio Sensor Networs，CRSN）通过将认知无线电技术引入无线传感器网络，使得每个传感器节点具有频谱感知和动态频谱接入的能力，被认为是极具发展前景的下一代无线传感器网络［5-6］。认知无线电技术的应用不仅能够有效的减少碰撞和信道竞争所带来的时延和能量浪费，而且在降低无线传感器网络的工作频率后能够减少节点的传输能耗。目前新一代的商用传感器节点多采用支持多信道通信的射频芯片（如Ambientμ节点采用 NrF905射频芯片，MICAz和TelosB传感器节点采用 CC2420芯片）［7］，这为CRSN的实现奠定了硬件基础。

近年来CRSN开始获得了广泛的研究，并取得了多方面的成果。文献［5-6，8-10］为CRSN的综述性文献，介绍了CRSN的概念，架构以及所面临的挑战，并指出对于低速率和时延容忍的应用而言，采用认知无线电技术能够以协议复杂度和网络控制开销的增加来获得高的性能增益；文献［11］提出了能量有效注水算法来解决频谱接入问题；文献［12］利用修正博弈论算法来实现频谱的集中分配，以提高分配的公平性和频谱利用率；文献［13］通过将信道选择建模为随机控制问题来获得能量增益；文献［14］分析了实时业务在CRSN中的时延性能；文献［15］推导了数据包长度的最优值，指出该值与主用户的行为和信道的误码率密切相关；文献［16］在一定检测性能的约束条件下，通过选择最优的休眠和感知参数，来最小化分布式感知带来的能耗；文献［17］使用可信度投票算法来减少传输检测结果的节点个数以及利用基于部分可观测马尔可夫决策过程的检测算法来减少检测次数，达到降低频谱感知能耗的目的。

由于认知无线电传感器网络相对于传统的无线传感器网络多了一个感知过程，从而不可避免的消耗一定的额外能量，这给能量受限的无线传感器网络带来了一定的挑战。如何在感知能耗与采用认知无线电技术带来的增益之间获得一个合理的折中，以达到降低总能耗的目的是该研究的核心思想。该研究在基于离散马尔可夫链的信道占用模型基础上，根据当前的感知结果来决定下一次感知的时刻，相对于传统的无感知过程的WSN以及先感知后传输的策略而言，以一定的时延为代价有效的降低了节点的能耗，非常适合时延容忍的低速率应用场合。

1 系统模型

考虑一个传统的工作在ISM频段（如2.4 GHz）的无线传感器网络，然后在其基础上引入认知无线电技术使其能够感知其他传播性能良好的频段，在本文中以TV频段（如200 MHz）为例。如果传感器节点通过感知发现TV频段空闲，则可以利用该频段进行数据通信。为简化分析，从ISM频段和TV频段各取一个信道（为描述方便，分别称为ISM信道和TV信道，对应的频率分别表示为fISM和fTV）组成一个两信道的CRSN系统。为了避免对主用户造成干扰，其中TV信道必须遵循先感知后使用的原则。

1.1 信道占用模型

在现有的有关对信道占用状态的建模中，主要包括两类模型，即离散模型［17-19］和连续模型［20-21］。本文研究离散模型下的频谱感知策略。在离散模型中，主用户的业务按照严格的时隙进行工作，CRSN与其保持同步，如果要使用TV信道，则必须在每个时隙内遵循先感知后传输（listen before talk，LBT）的原则。

类似文献［17］，根据TV信道是否被主用户占用，将其分为两个状态，即“忙”表示主用户正在使用该信道，此时传感器节点不能使用该信道；“闲”表示该信道空闲，可以被节点使用。定义该信道在时隙t的状态为：

并设该信道上的主用户在相邻时隙间的状态转移服从齐次马尔可夫过程，如图1所示。主用户从状态0转移到状态1的概率为α，从状态1转移到状态0的概率为β。

图1 信道状态转移图

则主用户信道状态的极限分布为：

1.2 CRSN模型

假设CRSN中的每个时隙长度为T，并将其结构分为三个部分，如图2所示。相比传统的WSN而言，多了频谱感知和切换命令两个过程，但这两个过程并不是必须的，而是依据本文所提的频谱感知策略而定（详见2.2节）。下面根据是否进行感知来分别描述具体的数据传输过程。

1）如果不需要感知，则发送方和接收方均在频谱感知和切换命令对应的部分进入休眠状态，数据传输部分则在ISM信道进行。

2）如果需要感知，则发送方首先对TV信道进行感知（此时接收方为休眠状态），并根据当前感知结果来调整后续过程：感知结果为忙，则不再发送切换命令（对应部分进入休眠状态），接收方此时侦听不到该命令则维持ISM信道不变，最终数据传输部分在ISM信道进行。否则在ISM信道发送切换命令通知接收方切换到TV信道进行数据接收。

需要指出的是，无论是否需要进行感知，时隙结构均维持不变，这样做的目的是为了同步的需要。另外数据传输过程与WSN完全相同，使得目前的一些WSN协议可以方便的进行移植。

图2 时隙结构

1.3 能耗模型

节点在通信过程中所产生的能耗主要来源于功率放大器的发射能耗以及收发机的电路能耗。考虑基于高斯白噪声下的瑞利衰落信道，则发射端成功发送单位比特数据所需的发射能量可表示为［22］：

由式（3）可以看出，发射能耗与载波频率的平方成正比，载波频率越低，发射能耗越小，这为采用认知无线电技术来降低网络能耗提供了理论支持。

2 频谱感知策略

降低能耗是WSN的首要设计准则，所以本节首先对1.2节的模型进行能耗分析，然后给出具体的感知策略。

2.1 能耗分析

下面分析有无感知两种情况下的能量消耗。在无感知过程时，收发双方仅在数据传输部分消耗能量，则发送k bit数据两者消耗的总能量为：

其中EISM表示在ISM信道发送单位比特数据所需的发射能量。由于收发双方在频谱感知和切换命令部分均处于休眠状态不需要消耗能量，这与传统WSN中收发双方所消耗的总能量是一致的。

在需要进行感知时，根据感知结果的不同，总能耗也有所不同。当感知结果为忙时，消耗的总能量为：

其中Ese表示发送方频谱感知所需的能量，当感知结果为闲时，消耗的总能量为：

其中ETV表示在TV信道发送单位比特数据所需的发射能量，Esw表示收发双方在切换命令部分所需的能耗。所以如果采用LBT策略，则根据式（2），平均消耗的总能量为：

2.2 感知策略

首先从定性上讨论在当前不同的感知结果下，结合信道占用模型，在下次数据传输过程中进行感知是否更加节约能量的问题。

如果当前感知结果为忙（闲），且α（β）值较小（大），则可以预测下次感知结果为忙的可能性较大，则取消下次感知过程从概率意义上可以减少能量的浪费。而如果α（β）值较大（小），则可以预测下次感知结果为闲的可能性较大，则在下次数据传输过程中进行感知能够更加节省能量。

可见当前不同的感知结果和信道转移概率参数会对未来感知过程的节能效果存在影响。一种很自然的思路就是根据当前的感知结果在若干步以后再次进行感知（中间则为无感知过程的数据传输），从能量节约的角度对两次感知之间的间隔进行优化是本文的出发点。

设在当前感知结果为忙的情况下距离下次感知的间隔为I0，在当前感知结果为闲的情况下距离下次感知的间隔为I1。则从当感知结果为闲开始的I1个时隙内，通信双方消耗的总能量为：

而从当前感知结果为忙开始的I0个时隙内消耗的总能量为：

根据主用户的n步转移概率

其中Pij（n）（i，j∈0，1）表示从状态i经n步转移到状态j的概率，则对应的感知结果状态转移，如图3所示。

图3 感知结果状态转移图

则感知结果的极限分布为

可得单位时隙内平均消耗的总能量为：

结合式（8）-（12）进行整理可得：

可见在时隙各部分消耗能量、主用户信道状态占用模型已知的前提下，不同感知状态下的感知间隔会影响网络的总能耗。同时可以看出传统的无感知过程的WSN以及LBT策略分别为（I0，I1）取和（∞，∞）和（1，1）时的特例。采用表1中的参数，图4（a）给出了（I0，I1）分别取［1，10］之间整数时单位时隙平均总能耗的三维视图如图4所示。图4（b）与图4（c）为对应的当其中一个参数不变时，另一个参数变化时对应的单位时隙平均总能耗。

由图4可知，随着I0和I1的增加，单位时隙内的平均总能耗趋向于相同（即E1）。另外其在不同的（I0，I1）中是存在极值的，我们感兴趣的是取得极小值时的（I0，I1）（在本例中为（3，1）），问题可以建模为：

考虑到式（13）右边第一项在I0（I1）趋于无穷时趋向于0，可以认为其在超过一定值I0max（I1max）后对能耗的改善程度非常有限，再进行频谱感知几乎没有意义。用一个非常小的数值ε表示采用频谱感知允许的最低能耗改善程度，并满足

由于

（其中P0min＝min（P01（I0）），I0∈［1，∞］）

图4 单位时隙平均总能耗

根据以上结论，具体的感知策略可以简单描述为如果式（14）的最优解为（I0max，I1max），则不再进行感知，否则根据最优解（I0opt，I1opt），在当前的感知结果为忙（闲）时，等待I0opt（I1opt）时隙后再次进行感知。

3 性能仿真

下面采用MATLAB对两个节点间的数据传输过程进行蒙特卡罗仿真，并与传统的无感知过程和LBT策略进行对比，所采用的仿真参数见表1。

表1 仿真参数

对于每一个（I0，I1）组合，模拟100 000次数据传输过程，并利用整个过程中消耗的总能量与总时隙数的比来获得相应的单位时隙平均总能耗。I0＝1（I1＝1），I1（I0）变化时对应的仿真结果（由于选取组合已具有代表性，其他组合不再给出）如图5所示，并与式（13）的理论值进行比较，同时标记了传统的无感知过程和LBT策略下的单位时隙平均总能耗。

图5 不同（I0，I1）组合下的单位时隙平均总能耗

由图5可知，仿真结果与理论值几乎完全重合，这对式（13）的正确性进行了有效的验证。同时可以看到，相对于无感知过程和LBT策略而言，本文所提的感知策略从统计意义上来讲能够有效的降低数据传输过程中产生的能耗。另外采用LBT策略未必能够节省能量，这与具体的能耗模型和信道占用模型有关，以本例而言，LBT策略甚至比无感知过程浪费能量。

下面考虑信道占用模型参数（α，β）变化（其他参数不变）时带来的影响，见表2，其中列出了一些不同（α，β）组合下的最优感知间隔。由表2中可知除了少部分无穷值外，大部分最优解出现在相对较小的范围内，这说明在有限空间内对最优解进行搜索是可行的，并且是有效的。而出现无穷值的原因在于当α较小且β值较大时，由式（2）可知信道状态为忙的可能性非常大，此时取消感知过程将更有利于节约能耗。

表2 不同（α，β）组合下的最优感知间隔

4 结 语

在无线传感器网络中引入认知无线电技术，需要解决其带来的能耗问题。提出了一种建立在离散马尔可夫链信道占用模型基础上的频谱感知策略，该策略根据当前的感知结果来决定未来的感知时刻，仿真结果表明从统计意义上获得了良好的节能效果。需要指出的是该策略会在节点间的通信中引入一定的时延，其在多跳网络中的累积效应会对网络的吞吐量造成很大的影响，所以本策略主要面向的是时延容忍的低速率应用场合。另外本策略基于离散马尔可夫链信道占用模型，这需要严格的同步，实现起来可能会有一定的难度，所以在未来的工作中需要考虑在其它信道占用模型下的频谱感知策略。

［1］杨小牛.从软件无线电到认知无线电，走向终极无线电-无线通信发展展望［J］.中国电子科学研究院学报，2008，3（1）：1-7.

［2］JIA JG，HE ZW，KUANG JM，et al.Analysis of Key Technologies for Cognitive Radio Based Wireless Sensor Networks［C］.2010 6th International Conference on Wireless Communications Networking and Mobile Computing（WiCOM）.Chengdu：IEEE press，2010：1-5.

［3］Federal Communication Commission.Facilitating Opportunities for Flexible，Efficient，and Reliable Spectrum Use Employing Cognitive Radio Technologies［R］，NPRM＆Order，ET Docket no.03-108，FCC 03-322，2003。

［4］WANG B B，LIU K JR.Advances in Cognitive Radio Networks：A Survey［J］.IEEE Journal of Selected Topics in Signal Processing，2010，5（1）：5-23.

［5］AKAN O B，KARLIO B，ERGUL O.Cognitive radio sensor networks［J］.IEEE Network，2009，23（4）：34-40.

［6］YAU K A，KOMISARCZUK P，TEAL PD.Cognitive radio-based wireless sensor networks：conceptual design and open issues［C］.IEEE 34th Conference on Local Computer Networks（LCN 2009）.Zurich：IEEE press，2009：955-962.

［7］INCEL O D.A Survey on Multi-channel Communication in Wireless Sensor Networks［J］.Computer Networks，2011，55（13）：3081-3099.

［8］CAVALCANTID，DASS，WANG JF，et al.Cognitive Radio Based Wireless Sensor Networks［C］.Proceedings of 17th International Conference on Computer Communications and Networks（ICCCN'08）.Virgin Islands：IEEE press，2008：1-6.

［9］ZAHMATI A S，HUSSAIN S，FERNANDO X，et al. Cognitive Wireless Sensor Networks：Emerging Topics and Recent Challenges［C］.2009 IEEE Toronto International Conference-Science and Technology for Humanity（TIC-STH）.Toronto：IEEE press，2009：593-596.

［10］VIJAY G，BDIRA E，IBNKAHLA M.Cognition in Wireless Sensor Networks：A Perspective［J］.IEEE Sensors Journal，2011，11（3）：582-592.

［11］GAO S，QIAN L J，VAMAN D R.Distributed Energy Efficient Spectrum Access in Wireless Cognitive Radio Sensor Networks［C］.IEEE Wireless Communications and Networking Conference（WCNC 2008）.Las Vegas：IEEE press，2008：1442-1447.

［12］BYUN S，BALASINGHAM I，LIANG X D.Dynamic Spectrum Allocation in Wireless Cognitive Sensor Networks：Improving Fairness and Energy Efficiency［C］. IEEE 68th Vehicular Technology Conference（VTC 2008-Fall）.Calgary：IEEE press，2008：1-5.

［13］STABELLINIL.Energy-aware Channel Selection for Cognitive Wireless Sensor Networks［C］.2010 7th International Symposium on Wireless Communication Systems（ISWCS）.York：IEEE press，2010：892-896.

［14］LIANG Z L，FENG S，ZHAO D M，et al.Delay Performance Analysis for Supporting Real-Time Traffic in a Cognitive Radio Sensor Network［J］.IEEE Transactions on Wireless Communications，2011，10（1）：325-335。

［15］OTO M C，AKAN O B.Energy-efficient Packet Size Optimization for Cognitive Radio Sensor Networks［J］.IEEE Transactions on Wireless Communications，2012，11（4）：1544-1553.

［16］MALEKIS，PANDHARIPANDE A，LEUSG.Energy-efficient Spectrum Sensing for Cognitive Sensor Networks［C］.35th Annual Conference of IEEE Industrial Electronics（IECON'09）.Porto：IEEE press，2009：2642-2646.

［17］邹丹，钟国辉，屈代明等.无线认知传感器网络的节能频谱感知策略［J］.中国科学技术大学学报，2009，39（10）：1052-1058.

［18］JIANG H，LAIL F，FAN R F，et al.Optimal Selection of Channel Sensing Order in Cognitive Radio［J］.IEEE Transactions on Wireless Communications，2009，8（1）：297-307.

［19］SU H，ZHANG X.Cross-layer Based Opportunistic Mac Protocols for QOS Provisionings Over Cognitive Radio

Energy Efficient Sensing Strategy for Cognitive Radio Sensor Networks

QIN Zhi-chao，ZHOU Chun-hua，ZHANG Ping，LU Zhou，ZHOU Bin
（China Academy of Electronics and Information Technology，Beijing 100041，China）

Incorporating cognitive radio capability into wireless sensor networks（WSN）enables the sensor nodes to use spectrum hole tomeet their communication demands without causing interference to primary users.Switching to the appropriate channel for data transmission can reduce energy consumption，however the sensing process inevitably brings some extra energy consumption，and therefore how to sense the spectrum to reduce the total energy consumption is a crucial problem.Based on the discrete Markov chain modeled channel，the n-step transition probability of the channel state change is used to define the next sensing time according to the current sensing result.Simulation results show that the strategy can effectively reduce the energy consumption compared with traditionalWSN with no sensing process and the strategy that listen before talk.

wireless sensor networks；cognitive radio；discrete Markov chain；transition probability

TP393

：A

：1673-5692（2015）01-030-07

10.3969／j.issn.1673-5692.2015.01.005

2015-01-07

2015-01-20

国家自然科学基金资助项目（91338201）；国家863计划项目（2015AA010300）