基于不确定感知的主动式频谱切换算法研究*

曹型兵 焦中帅

(重庆邮电大学移动通信技术重庆市重点实验室 重庆 400065)

基于不确定感知的主动式频谱切换算法研究*

曹型兵 焦中帅

(重庆邮电大学移动通信技术重庆市重点实验室 重庆 400065)

在实际的认知无线电网络中不可避免地存在虚警和漏检等非理想频谱检测的情况。非理想的频谱检测会使频谱切换不准确,引起更多的不确定问题。论文在隐马尔可夫模型基础上,考虑非理想感知下,利用虚警、漏检概率对感知信息进行修正,提高对未来状态概率预测的准确性;进而对信道剩余空闲时间的计算提出了一种改进算法,并且给出了相应的切换策略。仿真结果表明,在不同虚警概率下,所提切换算法性能更优。

认知无线电; 频谱切换; 非理想感知; 信道剩余空闲时间

1 引言

在认知无线电网络中,认知用户可以以一种伺机的方式利用和共享授权频段频谱,它可以有效地解决频谱资源越来越短缺的问题[1]。当授权用户突发出现在该频谱时,认知用户必须在第一时间退出该频谱并寻找到一个新的空闲频谱继续传输未传完的数据,而不能对授权用户造成干扰。这个在认知无线电网络中产生的切换问题称之为频谱切换[2]。

为了减少对授权用户的干扰,越来越多的研究倾向于主动式频谱切换。目前已经有很多关于主动式频谱切换的研究,文献[3～4]利用马尔可夫链的马尔可夫性来预测目标信道的状态,以频谱切换的参数来分析切换的性能;为解决多用户同时接入同一信道产生的冲突问题,文献[5～6]提出用预置优先级的排队策略。文献[7]对候选信道的空闲时间进行估计,在每个感知时隙选择信道剩余空闲时间最大的信道进行切换;文献[8～9]引入切换代价函数对文献[7]所提算法作出改进和修正,有效降低信道切换代价;文献[10]在基于最大空闲时间算法的基础上,提出有效的切换策略,减少了主动切换次数。文献[11]在计算状态转移概率时考虑了漏检和虚警,当授权用户出现概率较大时进行切换,减少了对授权用户的干扰。

以上这些频谱切换方案大多是基于理想感知的,并没考虑频谱检测中发生误警和虚警的情况。当认知用户频谱感知结果的不准确性时,会导致认知用户在进行频谱接入切换时可能会与授权用户或其他认知用户产生冲突,因此本文提出了一种基于不确定感知的主动式频谱切换策略。

2 不确定感知的改进型切换算法

2.1 信道基本模型

每个认知用户SUk以一个时隙作为通信单元,每个时隙分为感知信道阶段和通信阶段。每个时隙的时间长度为Δt。感知信道阶段为感知网内所有信道,时间为Δt1。通信阶段进行信息传输,时间为Δt2。在时隙开始感知信道阶段Δt1内,认知用户SUk利用收信机,对授权信道进行基于能量检测的快速感知,判断授权信道的状态。对于每一个授权信道m,m∈[1,M]来说,令1表示该信道被某个授权用户占用,0表示该信道处于空闲状态。

2.2 信道空闲时间的计算

假设授权用户的业务服从ON/OFF指数交替模型,则ON/OFF状态持续时间的密度函数为

(1)

由更新理论和拉普拉斯反变换可得授权信道在理想感知条件下的空闲状态转移概率[12],即:

(2)

(3)

(4)

(5)

其中,稳态概率Π={π0,π1},e为单位向量。

图1 感知信道状态及差错概率

认知用户观察到的结果和信道的实际状态并不完全一致。如图1所示,信道m的实际状态为h,感知到的信道状态为n的示意图。

设授权用户占用信道检错为信道空闲的漏检概率为Pm,信道空闲检错为授权用户占用信道的虚警概率为Pf,则授权信道m的感知差错概率矩阵B(m,t)表示如下

(6)

根据贝叶斯公式,授权信道m的状态差错概率矩阵C(m,t)可以根据感知差错概率矩阵B(m,t)和稳态概率求得:

(7)

类似地可以求出差错概率矩阵C(m,t)。

根据状态差错概率矩阵C(m,t),对信道状态转移概率A(m,t,d)进行校正,得到更准确的感知转移概率矩阵E(m,t,d):

(8)

×p{q(m)(t+d)=l|q(m)(t)=i}

(9)

即信道的感知转移概率矩阵E(m,t,d)可以被表达为

E(m,t,d)=C(m,t)×A(m,t,d)

(10)

2.3 信道剩余空闲时间的计算

较大的空闲概率却不一定有较大的信道剩余空闲时间,为了减少不明智的频谱切换,考虑信道的剩余空闲时间因素,对文献[7]中所提基于最大剩余空闲时间的LIP算法进行改进。

根据本地信道的历史信息,容易得到信道m每个OFF状态的持续时间xi,i∈{1,2,3…},而OFF状态的持续时间xi服从λOFF的指数分布,则持续时间的均值为1/λOFF。通过比较信道m的平均空闲时长和每个OFF状态持续时间的差值Dev,来修正对信道剩余空闲时间的估计。

考虑估计的实时性和遗忘性,即将过去的每个差值Dev乘上一个时间衰减函数f(t),本文f(t)取指数衰减形式:

f(t)=e-λ(tnow-t)

(11)

其中,λ称作遗忘因子,控制着遗忘的速度。

则修正因子σ可以表示为

(12)

进而把信道的剩余空闲时间的表达式修正为

(13)

2.4 信道切换过程

认知用户接入信道开始通信,在感知时隙进行频谱感知并预测信道的剩余空闲时间,判断比较当前信道剩余空闲时间是否大于0,若是则停留在当前信道继续通信,否则进行切换。

特别的,我们是基于概率的大小来预测信道的空闲时间,而不能确定授权用户具体达到的时间,而且感知信道也是不准确的。因此,在认知用户接入时或通信过程中,产生冲突是不可避免的。若发生冲突,则被动切换到候选信道。

3 性能分析与仿真结果

为了检验所提频谱切换算法的性能,把它与文献[7]和文献[11]中切换算法进行比较。其中主动式方案1和主动式方案2分别代表文献[7]和[11]中对应两种算法。假设认知无线电网络中有10个授权用户和5个认知用户,且授权用户和认知用户的业务服从交替指数分布的模型,感知时长为20ms,传输时长为180ms,仿真时长为10000s。

图2为在进入OFF状态时刻(即信道从1状态到0状态时刻)对信道空闲时间估计的误差。从仿真结果看出,虽然改进的算法并没有比经典的算法估计的更加准确,但改进的估计算法误差大多是正值,即实际OFF状态持续时间大于估计的信道空闲时间,这样认知用户在信道剩余空闲时间变为0之前,在授权信道中进行通信时对授权用户的碰撞概率大大减小。

图2 信道空闲时间的估计

图3为不同方案下,随着虚警概率的增大被动切换次数的比较。在虚警概率变大的过程中,漏检概率逐渐减少,即信道有用户时,没有被检测到的概率变小,被动切换次数变小,因此被动切换次数整体趋势是下降的。本文所提算法和主动式方案2均考虑了非理想感知情况,所以在虚警概率较小时认知用户可以更准确地预测用户的到来,提前执行切换。

图4为不同方案随着虚警概率的增大,主动切换次数的比较。可以看出,虚警概率的变化对本方案和主动式方案2没有太大影响,因为两个方案都对检错概率进行了纠正,即使感知信道时有些误差,但对主动切换的决策影响不大;而本方案由于对信道的空闲时间作为切换依据,减少了二次切换的可能,所以比方案2切换次数要少。方案1随着虚警概率的变大,主动切换次数趋势是上升的。因为虚警概率变大,认知用户认为授权用户到达的概率增大,相应的主动切换的次数变大。

图3 虚警概率不同,被动切换次数比较

图4 虚警概率不同,主动切换次数比较

图5为不同方案随着虚警概率的增大,冲突率的比较。把冲突率定义为:总传输时间内认知用户与授权用户、认知用户之间的冲突次数除以总的传输时隙。在虚警概率变大的过程中,漏检概率逐渐减少,即授权用户到达,没有检测到的概率变少,产生的冲突概率也变少。因此,冲突率的整体趋势是下降的。

图5 虚警概率不同,冲突率的比较

4 结语

在主动式频谱感知方式下,频谱感知性能会影响频谱切换,造成不必要的切换,对授权用户造成干扰。本文考虑了频谱感知性能的好坏,首先在非理想感知情况下,估计了信道状态转移概率;而后假设授权用户的业务服从ON/OFF指数交替模型,对信道剩余空闲时间的计算进行了改进;最后,给出了频谱切换的具体过程。通过仿真验证,所提算法性能更优。

[1] Wang C W, Wang L C. Analysis of Reactive Spectrum Handoff in Cognitive Radio Networks[J]. IEEE Journal on Selected Areas in Communications,2012,30(10):2016-2028.

[2] Xie X, Yang G, Ma B. Spectrum handoff decision algorithm with dynamic weights in cognitive radio networks[C]//Global Mobile Congress. IEEE Computer Society,2011:1-6.

[3] Bayhan S, Alag, Fatih Z. A Markovian approach for best-fit channel selection in cognitive radio networks[J]. Ad Hoc Networks,2014,12(1):165-177.

[4] Physical Communication, 2013, 9:199-211. Zhang L, Song T, Wu M, et al. Modeling for spectrum handoff based on secondary users with different priorities in cognitive radio networks[C]//International Conference on Wireless Communications & Signal Processing,2012:1-6.

[5] Willkomm D, Gross J, Wolisz A. Reliable link maintenance in cognitive radio systems[C]//Department of Computer Science, University of California, Santa,2012:371-378.

[6] Wu Y, Hu F, Kumar S, et al. Spectrum handoffs with mixed-priority queueing model over Cognitive Radio Networks[C]//Global Conference on Signal and Information Processing. IEEE,2013:1194-1197.

[7] Zheng H. Proactive Channel Access in Dynamic Spectrum Networks[J]. Chinese Journal of Sensors & Actuators,2007,20(2):393-397.

[8] 秦臻,薛峰,梁继民.主动式频谱感知的改进型信道切换算法[J].电波科学学报,2013,28(3):122-126,132. QIN Zhen, XUE Feng, LIANG Jimin. Improved Active Spectrum Sensing Channel Switching Algorithm[J]. Journal of Radio Science,2013,28(3):122-126,132.

[9] Xue F, Qu D, Zhu G, et al. Smart Channel Switching in Cognitive Radio Networks[C]//International Congress on Image and Signal Processing,2009:1-5.

[10] Li L, Shen Y, Li K, et al. TPSH: A Novel Spectrum Handoff Approach Based on Time Estimation in Dynamic Spectrum Networks[C]//Proceedings of the 2011 14th IEEE International Conference on Computational Science and Engineering. IEEE Computer Society,2011:345-350.

[11] Qiao X, Tan Z, Ai B, et al. Spectrum Handoff for Cognitive Radio Systems Based on Prediction Considering Cross-Layer Optimization[J]. Ieice Transactions on Communications,2010,93-B(12):3274-3283.

[12] Kim H, Shin K G. Efficient Discovery of Spectrum Opportunities with MAC-Layer Sensing in Cognitive Radio Networks[J]. IEEE Transactions on Mobile Computing,2008,7(5):533-545.

Proactive Spectrum Handoff Algorithm Based on Uncertain Sensing

CAO Xingbing JIAO Zhongshuai

(Chongqing Key Lab of Mobile Communications Technology,Chongqing University of Post and Communications(CQUPT), Chongqing 400065)

In the actual cognitive radio network, there exist the inevitable non-ideal spectrum detection such as false alarm and missed detection which may lead to the inaccurate spectrum handoff and cause more uncertain problems. Based on the hidden Markov model, this paper considers the non-ideal spectrum detection and utilizes the false alarm and missed probabilities to modify the sensory information and to improve the prediction accuracy. Furthermore, an improved algorithm as well as the corresponding handoff strategy are proposed to calculate the channel remaining idle time. The simulation results show that the proposed algorithm has a better performance under different false alarm probabilities.

cognitive radio, spectrum handoff, non-ideal spectrum detection, remaining idle time Class Number TP301.6

2016年10月8日,

2016年11月18日

国家科技重大专项基金项目(编号:2015ZX03001033-002);长江学者和创新团队发展计划(编号:IRT1299,cstc2013yykfA40010);重庆市科委重点实验室专项经费资助。

曹型兵,男,硕士,高级工程师,研究方向:移动通信网络规划。焦中帅,男,硕士,研究方向:认知无线电资源分配和频谱切换。

TP301.6

10.3969/j.issn.1672-9722.2017.04.004