联合包调度频谱切换和功率分配的跨层设计方案

杜奕航,王可人,焦传海

(1.解放军电子工程学院，安徽 合肥 230037;2.解放军陆军军官学院，安徽 合肥 230031)

联合包调度频谱切换和功率分配的跨层设计方案

杜奕航1,王可人1,焦传海2

(1.解放军电子工程学院，安徽 合肥 230037;2.解放军陆军军官学院，安徽 合肥 230031)

针对认知无线网络频谱切换造成系统吞吐量损失和切换延迟较大的问题，提出了联合包调度频谱切换和功率分配的跨层设计方案。该方案根据连续时间马尔科夫链模型预测信道状态信息，调度器采用包调度算法对预繁忙信道次用户进行调度，并重新分配认知节点功率以提升系统吞吐量。仿真结果表明，相对于传统频谱切换算法，该方案可在降低认知用户中断率的同时使系统吞吐量提升约5%。

主动频谱切换；认知无线网络；跨层设计；包调度算法

0 引言

为解决频谱资源短缺和不充分利用的问题，认知无线电作为一种有效方法被提出[1-2]，其基本思想就是利用频谱空穴“见缝插针”地进行通信。主用户(Primary User， PU)享有频谱使用的高优先级，当主用户重新回到该频段时，次用户(Secondary User， SU)必须进行规避，迁移到其他空闲信道继续进行数据传输，这一过程被称为频谱切换。目前，寻找一种行之有效并且可行性高的频谱切换方法是一个极富挑战的工作，已引起学术界的关注。

国内外专家对频谱切换和调度问题展开了相应研究，提出了一系列频谱切换方法。文献[3]根据信道空闲时间和繁忙时间提出了一种信道排序算法，并基于此算法建立了信道监测机制。文献[4]提出了一种以最大化信道利用率为目标的频谱切换算法，但该方法灵活性相对较低。文献[5]提出了一种混合式频谱切换算法，但缺乏一个详尽的频谱调度方案，致使次用户阻塞率和中断率较高。文献[6]提出一种基于群智能优化算法的频谱切换方法，在建立模型后利用群智能方法求解最优频谱切换方案，但存在求解时间过长、易陷入局部最优解等问题。上述文献均未考虑如何有效补偿认知无线网络频谱切换带来的系统吞吐量损失，并且切换延迟时间普遍较长。本文针对此问题，提出了联合包调度主动式频谱切换和功率分配的跨层设计方案。

1 极坐标系用户调度图

1.1 系统模型

采用集中式Overlay频谱共享模型的认知无线电网络架构[7-8]，如图1所示。考虑下行链路中用户调度与功率分配问题，认知基站负责对次用户进行频谱调度和功率分配，由于硬件设施和电池限制，其总传输功率约束为Ptotal。认知网络共包含N个主用户信道，记为信道i,i=1,2…N，每个信道i带宽为B。

(1)

假设主用户的到达时间服从泊松过程，平均速率为λ1，主用户在信道的驻留时间服从指数分布，服务强度为μ1。次用户的到达时间也服从泊松过程，平均速率为λ2，次用户在信道的驻留时间服从指数分布，服务强度为μ2。当主用户数和认知节点数远大于信道数时，以上假设被认为是合理的。

1.2 极坐标系调度图的映射关系

由于认知基站负责信道状态预测、次用户调度等任务，各认知用户将业务到达时间、持续时长等信息实时上报给认知基站，因此基站可获得认知无线网络中次用户信道占用图，如图2所示。从图中可以清楚地看到新用户呼叫请求前后的信道占用情况，系统中共有4个主用户信道，共计13个次用户数据包在上面进行通信。

另外，根据次用户数据包和新数据包之间的时间关系，可将次用户数据包分为两类：前端交叠包(Font-overlapping Packet, FP)和后端交叠包(Tail-overlapping Packet, TP)。前端交叠包指和新用户前端发生重叠的数据包，即数据包结束时刻晚于新用户数据包到达时刻；后端交叠包指和新用户后端发生重叠的数据包，即数据包开始时刻早于新用户数据包结束时刻。在图3中横阴影线区域全部是前端交叠包，竖阴影线区域全部是后端交叠包，其中虚线半圆代表新用户数据包的起始时刻在极径上的映射，虚线极径代表新用户数据包的结束时刻在方位角上的映射。

2 基于跨层设计的主动频谱切换方案

本节详细描述基于跨层设计和包调度算法的主动式频谱切换方案，首先认知基站基于连续时间马尔科夫链模型预测信道未来状态信息，而后根据极坐标系用户调度图对需要进行频谱切换的次用户采用包调度算法进行调度，最后重新分配各认知节点的功率实现系统吞吐量最大化。

2.1 基于连续时间马尔科夫链的信道预测

(2)

其中，I为单位方阵。求解式(2)可得：

(3)

因此，通过式

(4)

即可预测出t0+Δt时刻各信道所状态的概率，当预测信道处于1状态的概率超过阈值pth时，则认为Δt时间后该信道主用户出现概率较大，系统对该信道上的认知用户执行主动频谱切换。

2.2 基于包调度算法的主动频谱切换

认知基站完成一次信道状态预测后，对于预繁忙信道上的次用户要执行频谱切换，在这里采用填充算法和迁移算法相配合的方式实现用户调度。

新用户数据包到达时，调度器根据其开始时间和结束时间自动将其映射到极坐标系用户调度图上，如图3所示。此时若调度图的Ⅳ区域内某信道存在频谱空穴，则直接采用填充算法将中断用户数据包调度到该信道上。若有多个信道均存在满足用户业务时间要求的空穴，为保证频谱切换后的认知网络获得最大的吞吐量效益，则选择增益最高的信道接入。在图3中，信道1和信道4均存在满足要求的频谱空穴，由于SUk在信道1上的增益大于信道4，即hk1>hk4，因此SUk选择信道1接入。

但信道繁忙时，满足中断用户数据包时间要求的频谱空穴不一定存在，此时需要采用迁移算法“人为”制造频谱空穴。即认知基站迁移某些即将进行数据传输的次用户数据包到别的信道，从而在当前信道上形成更长的频谱空洞供中断用户传输。如图4所示，当中断用户SUk到达时系统中没有合适的频谱空穴供其使用，但如果将后端交叠包TP2迁移到信道4，则信道1就存在一个足够长的空穴供SUk使用，此时再采用填充算法即可完成对SUk的频谱切换。

值得注意的是，上述迁移过程中如果存在多个后端交叠包满足要求，而每个后端交叠包又存在不止一个频谱空穴可供迁移，为使系统吞吐量最大化则需根据每个数据包的持续时间和信道增益从中筛选。在这里定义第i个后端交叠包的补偿指数如下式：

(5)

其中，tk为中断用户SUk数据包时长，hkj为SUk在TPi原占用信道上的增益，ti为TPi数据包时长，j′为TPi可迁移的增益最大的信道，hij′为TPi在信道j′上的最大增益，hij为TPi在原占用信道上的增益。在调度过程中，调度器在众多后端交叠包中选择CPi最大的TPi迁移到可供其迁移且信道增益最大的信道上，使频谱切换后系统获得较大的吞吐量效益。综上所述，基于包调度算法的主动频谱切换流程如图6所示。

2.3 认知节点功率重新分配

在某些信道较拥挤的认知网络，频谱切换会频繁发生，造成认知用户的阻塞和中断[11]。为减小频繁频谱切换带来的系统吞吐量损失，本文采用对实现频谱切换后的认知节点优化功率分配的策略，通过物理层操作与MAC层操作之间的相互配合，实现认知网络的吞吐量最大。

假设频谱切换后同一时间共有M个认知用户数据包在上面进行通信，记为数据包m，m=1,2,…,M，其中第m个数据包占用的信道为k(m)。则优化问题可以表述为：

s.t.pm≥0,m∈M

(6)

其中，hmk(m)为数据包m在信道k(m)上的增益。问题(6)是一个凸优化问题[12]，因此具有强对偶性，原问题与对偶问题间隙为零。通过松弛问题(6)中的约束，可得到拉格朗日函数为：

(7)

其中，η是优化问题(6)中约束条件对应的拉格朗日因子。从而得到问题(6)的对偶问题：

(8)

将对偶问题(8)分解为M个子问题，每个次用户数据包对应一个子问题，它们有共同的优化结构：

s.t.pm≥0

(9)

由子问题(9)使用KKT条件可得优化问题(6)的最优解：

(10)

式(10)中的η可通过求解对偶问题(8)的最优解获得，可使用次梯度法迭代得到。由此可得到频谱切换后各个数据包的最优功率分配值。

3 仿真结果及分析

本节采用Matlab仿真首先对本文所提基于包调度算法的主动频谱切换方案进行验证，并与文献[8]中基于信道预测的频谱切换算法和文献[13]中基于分级的频谱切换算法进行了比较。建立一个拥有认知基站的认知网络仿真环境，设定系统信道数N=8，每个信道的速率为1 Mb/s。认知用户到达过程服从λ=0.3的泊松分布，数据包长度服从l=0.85的指数分布。

图7表示出了认知用户中断概率随主用户信道占用率变化的曲线。从图中可以看出，当主用户信道占用率较小时，三种方法的认知用户中断率均较低。这是因为主用户到来的机会较小，不经常发生频谱切换，因此无论采用那种算法次用户中断概率都很小。随着主用户信道占用率的增加，三种算法的次用户中断率均上升，并且本文算法的中断概率低于其他两种方法。这是因为主用户信道占用率上升，认知用户发生频谱切换的机会就增加，同时可供调度的新到资源减少，因而中断概率增加。本文算法较另外两种算法除了被动地填充频谱空穴还采用迁移算法制造频谱空洞，因此减小了次用户中断率，提高了频谱切换性能。

图8表示出了频谱利用率随主用户信道占用率变化的曲线。从图中可以看出，当主用户信道占用率较小时，三种方法的频谱利用率均较高。这是因为主用户到来机会较小，次用户可以长时间占据主用户信道进行通信，因而频谱利用率较高。随着主用户信道占用率的增加，三种算法的频谱利用率均下降，本文算法的频谱利用率明显高于其他两种方法。这是因为本文算法采用填充和迁移相结合的调度算法，最大程度地利用信道空洞，因此提高了频谱利用率。

为进一步分析比较所提方案与传统算法的差异，还仿真了本文提出的基于跨层设计的频谱切换方案与不考虑物理层功率分配的传统频谱切换算法。认知基站总功率Ptotal=5 mW，信道带宽B=100 kHz，信道增益的均值为1，即E(hmk(m))=1。

图9显示了系统总吞吐量随认知用户数据包数量变化曲线。从图中可以看出，本文算法的系统吞吐量比传统算法高出约5%左右，这是因为本文算法在MAC层对认知用户完成调度后又在物理层对各认知节点功率进行了优化分配。随着认知用户数据包数量的增加，认知网络所传输的数据量也在增加，因而一开始系统吞吐量随数据包数量增大而增大，但当数据包过多时，信道上出现较多长度较小的频谱空穴，导致大长度数据包被阻塞，所以系统吞吐量下降。另外我们注意到，主用户信道占用率P越大，系统总吞吐量就越大，这是因为空闲信道较繁忙信道可容纳更多次用户进行通信并且中断概率较小。

4 结论

本文提出了联合包调度主动式频谱切换和功率分配的跨层设计方案。该方案采用连续时间马尔科夫链模型预测信道状态，根据极坐标系用户调度图采用包调度算法对需要进行频谱切换的次用户进行调度，对于新的频谱态势重新分配各认知节点的功率以提升系统吞吐量。仿真结果证明，所提算法可在降低认知用户中断率的同时使系统吞吐量得到提升。

[1]JosephM.Cognitiveradio:MakingsoftwareradiosmorePersonal[J].IEEEPersonalCommunications, 1999, 6(4): 13-18.

[2]刘俊彤，王可人，张光良，等.基于不同需求等级改进的动态频谱分配算法[J]. 探测与控制学报，2014，36(1):32-36.

[3]AliA,SakhareM,HwangK,etal.Anovelchannelindexingbasedchannelselectionalgorithmforcognitiveradionetworks[C]//2013InternationalConferenceonICTConvergence(ICTC)，Korea， 2013： 682-687.

[4]WeissTA,JondralFK.Spectrumpooling:Aninnovativestrategyfortheenhancementofspectrumefficiency[J].IEEECommunicationsMagazine，2004，42(3):8-14.

[5]唐万斌, 喻火根, 李少谦. 基于信道预测的认知无线电混合频谱切换算法[J]. 计算机工程与应用, 2012, 48(27):17-21.

[6]ZhaoZJ,PengZ,ZhengSL,etal.Cognitiveradiospectrumallocationusingevolutionaryalgorithms[J].IEEETransactionsonWirelessCommunications，2009，8(9):4421-4425.

[7]谭华忠, 鲜永菊, 徐昌彪. 基于分级的频谱切换技术研究[J]. 计算机工程与应用, 2011, 47(18):118-121.

[8]LiangYC,ZengYH,PehECY,etal.Sensingthroughputtradeoffforcognitiveradionetworks[J].IEEETransactionsonWirelessCommunications，2008，7(4):1326-1337.

[9]SongL,LiL,ZhaoC.ANovelCluster-BasedArchitectureofCognitiveWirelessAd-HocNetworks[C]//IndustrialControlandElectronicsEngineering(ICICEE), 2012InternationalConferenceon. 2012，8: 23-25.

[10]郑仕链，杨小牛.认知无线电频谱切换目标信道访问机制[J].电子与信息学报，2012，34 (9): 2213-2217.

[11]郭彩丽，曾志民，冯春燕，等.机会频谱接入系统的切换请求排队机制及性能分析[J].电子与信息学报，2009，31 (6): 1505-1508.

[12]SongY.ProSpect:Aproactivespectrumhandoffframe-workforcognitiveradioAdHocnetworkswithoutcommoncontrolchan-nel[J].IEEETransactionsonMobileComputing，2012，11(7)：1127-1139.

[13]QuD.Detectionofnon-contiguousOFDMsymbolsforcognitiveradiosystemswithoutout-of-bandspectrumsynchronization[J].IEEETransactionsonWirelessCommunications,2011,10(2):693-701.

Joint Packet Scheduling Spectrum Handoff and Power Allocationfor Cross-layer Design Scheme

DU Yihang1, WANG Keren1, JIAO Chuanhai2

(1.Electronic Engineering Institute of PLA, Heifei 230037, China; 2.Army Officer Academy, Heifei 230037, China)

Aiming at the problem of system throughput loss caused by spectrum hand-off and long delay time of switching, the joint packet scheduling spectrum hand-off and power allocation scheme for cross-layer design scheme was proposed. The scheme predicted the channel state based on the continuous-time Markov chain of primary users’ channels. The scheduler adopted packet scheduling algorithm for scheduling the secondary users of the pre-busy channel and reallocation power of the cognitive nodes to maximize the system throughput. Simulation results showed that the proposed scheme could reduce the cognitive users’ interruption rate while increasing system throughput by about 5%.

proactive spectrum handoff; cognitive radio network; cross-layer design; packet scheduling

2016-06-26

安徽省自然科学基金青年科学基金项目资助(1608085QF143)

杜奕航(1991—)，男，山东济宁人，硕士研究生，研究方向：认知无线网络跨层设计。E-mail:18788839403@163.com。

TN92

A

1008-1194(2017)01-0116-06