基于混合OFDM调制的认知网络快速组网技术

叶芝慧 李 昂 彭文攀

(1南京理工大学电子工程与光电技术学院, 南京 210094)(2南京理工大学紫金学院, 南京 210046)(3中国航空无线电电子研究所，上海200233)

基于混合OFDM调制的认知网络快速组网技术

叶芝慧1李 昂2彭文攀3

(1南京理工大学电子工程与光电技术学院, 南京 210094)(2南京理工大学紫金学院, 南京 210046)(3中国航空无线电电子研究所，上海200233)

为了使节点设备在日益复杂的网络环境下具备快速组网能力,提出一种基于信号循环谱特征的混合OFDM调制算法,并将其应用到协同认知网络中.该算法利用信号内在的循环平稳特性,并人工嵌入唯一的循环平稳标示,可以强化信号的频谱特征,从而能够快速识别出信道空闲、认知信号传输、主用户信号传输和2种信号混叠4种状态,为认知信号的快速可靠接入和退出提供保障.进一步地利用混合调制的位置来标记不同的认知网络,使认知节点可以区分来自不同网络的信号，从而使系统具备快速组网的能力.仿真结果显示,所提算法在提高频谱利用率的基础上,能够实时地辨识出节点的调制方式和网络标识号,实现了快速组网的目的.

正交频分多路复用;认知无线电;快速组网;循环平稳;混合调制

在信息化网络中,节点之间存在不断变化的主从和协同关系,随着网络信息化程度的不断提高,节点类型更加多元并且数量巨大,节点之间关系更加错综复杂.在异构网络环境下,节点之间存在多种通信标准和体制,各种无线网络难以主动感知无线频谱环境进而调整自身的工作参数.这些问题的根源在于集中静态网络难以适应环境的动态变化.解决这些问题的有效方法之一是认知无线电技术.特别地,基于信号循环平稳特征的频谱认知技术在安全性、识别唯一性等方面具有显著优势,但是存在运算复杂度高、实时性低的缺点.因此,研究并找到一种能够克服上述缺点的快速协同感知方案,具有重要意义.

大量研究表明,具有小世界性、高聚集和呈幂律分布的连接度等共性特征的复杂网络,比较适用于多域协同认知的网络建模[1-2].复杂网络通过将系统中的多域实元抽象为节点,将实元间的联系(协同)抽象为网络的边,从而反映出个体之间的相互关系以及由此导致的整体行为[3].例如,针对战场环境,文献[4]提出了一种静态架构的攻击网络,文献[5-6]则对不同网络拓扑结构与作战效能之间的关系进行了仿真研究.这些模型能够比较真实地反映战场多域协同环境的多域协同本质,但静态、逐点连接矩阵特征值的分析方法并不完全适用于大规模动态网络的效能体制,并且仿真实验的规模也较小.

认知网络的研究主要集中在无线频谱检测、信号源定位、信号识别、认知信息融合与节点选择、快变环境学习机理等方面[7-8].在频谱检测的研究中,基于信号循环平稳特性的频谱感知方法具有精度高、频谱特征明显等优点,受到了广泛的重视[9-10].

人造信号包含潜在的循环平稳特性,理论分析表明,可以通过这种唯一性确定信号以及人工嵌入唯一的循环平稳标示创造特殊的循环平稳信号[11-12].但这种方式会造成频谱的浪费,也无法建立可靠的通信链路.

OFDM调制在卫星通信以及下一代通信中都被认为是重要的信号形式.本文对认知网络中的混合OFDM调制信号进行谱相关分析,并赋予节点设备增强的循环频谱特征，从而能够快速识别出信道空闲、认知信号传输、主节点信号传输和2种信号混叠这4种状态,为认知网络中认知信号的快速可靠接入和退出提供保障.进一步利用混合调制的位置来标记不同的认知网络,使认知节点可以区分不同的认知网络.在此基础上,设计多域协同认知网络节点应用模型,从而达到协同认知和快速组网的目的.

1 基于混合OFDM调制的快速组网模型

1.1 节点信号的循环谱检测

衡量动态频谱感知最重要的指标是频谱检测的准确度和检测时间.由于认知网络信道上用户数量、种类、占用时间的不确定性和不可预知性,导致了网络内通信链路的不稳定性.因此动态频谱接入技术首先要维持网络中通信链路的稳定,这可以通过在报头上加入使用频段标识来解决.接收节点先进行报头解析,在确定通信频段后再进行准确的信息接收.

循环平稳信号的谱相关函数与共轭谱相关函数分别是信号循环自相关函数与共轭循环自相关函数的傅里叶变换,即

(1a)

(1b)

谱相关是二阶循环平稳信号最为重要的特征,如果信号存在循环平稳特性,那么在频域上频谱平移相应位置后也存在相关性.信号的循环平稳特性只与自身的参数有关,因此具备唯一性.

不同的调制信号呈现出不同的循环谱特征,图1(a)和(b)分别给出了ASK调制和QPSK调制的谱相关函数,其中T0为抽样频率.即使调制方式相同,如果调制码元数不同,信号的谱相关函数差别也很大[10].

1.2 混合OFDM调制模型

1.2.1 OFDM统一调制信号的循环谱特性

(a) ASK数字幅度调制信号

(b) QPSK数字幅度调制信号

(2)

由式(2)可见,OFDM信号的谱相关函数是由子信道中数字调制信号的谱相关函数和共轭谱相关函数经频移相应位置相加而成,即OFDM信号的谱相关函数由2部分组成,一部分与α=n/T有关,另一部分与α=2fc+n/T有关，其中T为符号周期.

采用矩阵随机方法对数字载波调制信号的谱相关函数进行计算,例如QPSK信号的谱相关函数的一般形式为

(3)

式中,Q(f)为矩形脉冲q(t)的傅里叶变换;cm为数字调制中的调制码元;M为矩形星座图中信息码元的个数(假设M=4).

将ASK或QPSK信号单独映射到OFDM调制信号上,分析其循环谱特性.对于ASK信号,码元cm=2m-1-M;而对于QPSK信号,码元cm=ejπ(2m-1-M)/M,码元均值为零.可以计算出由QPSK调制子信道组成的OFDM信号的谱相关函数为

(4)

由式(4)可见,OFDM信号是由子信道中调制信号的谱相关函数的频移相加而成,并且单一调制子信道相加而成的OFDM信号谱相关函数的复包络较平滑.

分析表明,由ASK调制而成的OFDM信号的复包络幅度与调制码元数、符号周期T相关,而由QPSK调制而成的OFDM信号的复包络幅度仅与周期T相关.这表明,不同映射单一调制的OFDM信号只在复包络幅度上有所差别,通过平滑的复包络很难区分信号的调制类型与调制参数.但是,如果人为嵌入不同的子信道调制映射类型,增加信号的循环平稳特性的差别,便可以通过分辨信号的循环平稳特性,区分不同的调制信号.

1.2.2 OFDM混合调制的循环谱特征模型

OFDM混合调制通过改变其中一路或者多路子信道调制方式来增强信号的循环谱特性,使OFDM信号的谱相关函数发生改变,信号谱相关函数的复包络不再平滑,而是出现凹凸特性.例如,利用式(1)和(4)可推导出QPSK调制中加入ASK调制后的OFDM混合调制信号的谱相关函数表达式:

(5)

式中,j为标记信道;φin为狄拉克函数.此时,混合调制OFDM信号的谱相关函数中会出现凸部,并且在循环谱α=±2fc+k/T上出现相关谱线.同样,如果在ASK调制中加入QPSK调制的OFDM信号的谱相关函数,将其中一路或多路子信道的调制方式改为QPSK调制,组成的混合调制OFDM信号的谱相关函数中会出现凹部.

由以上分析可看出,混合调制凹凸部的位置与插入调制子信道的位置有关,并且相位调制中插入幅度调制后将出现凸部,幅度调制中插入相位调制后将出现凹部.

1.3 频谱认知组网技术

在异构网络环境中,单个节点常常处于盲检测环境,此时最为可行的方法是高阶循环谱检测,但是该方法检测时间较长并且算法复杂度较高.为解决这一问题,利用1.2节的结果,在得出混合调制信号的谱相关函数后,将混合调制的OFDM信号应用到认知网络中,对于认知用户与主用户同时使用信道的情况,通过检验信号的谱相关特性进行判定.假定认知用户与主用户之间相互统计独立,而认知用户不能影响主用户传输.设认知用户信号xc与主用户信号xp的混合信号为xm,则xm的时域相关函数为

Rxpxp+Rxcxc+Rxcxp+Rxpxc=Rxpxp+Rxcxc

(6)

其中,Rxcxp=0,Rxpxc=0.将式(6)代入式(2)和(3),得到混合信号xm的谱相关函数为

(7)

由式(7)可看出,混合信号的谱相关函数是认知用户信号和主用户信号的谱相关函数之和,混合信号谱相关函数的复包络大于主用户信号谱相关函数的复包络,也大于认知用户信号的复包络.因此,理论上可以利用信号的二阶循环平稳特性快速检测出信道中主用户信号传输、认知用户信号传输、两用户信号混叠和空白信道这4种信道状态.这也为认知网络用户快速可靠接入和快速撤出提供了保障.系统通过改变混合调制的子信道位置来标记不同的认知网络,认知节点通过分析信号谱相关函数可以快速分辨出凹(凸)部位,确定改变调制子信道的位置,从而确定具体的认知网络.

图2给出了采用OFDM混合调制的认知节点通信链路数随时间变化的关系.仿真结果表明,在认知网络中,该模型可以增加认知节点的通信链路数量,从而为快速组网提供保障.

图2 采用OFDM混合调制的认知节点通信链路数

2 算法实现

2.1 快速组网关键技术

通信协议是快速组网的关键技术之一.在通信协议设计中,单位网络通信链路的建立是通过主节点进行网络间的通信,这样既可以减少链路建立的时间,又可以减少网络通信的负担.本文算法的核心思想是利用子信道的混合调制方式加强通信信号的循环平稳特性,因此对于认知网络协议首要的任务就是为认知网络分配标记号,通过认知网络标识号映射该认知网络子信道的混合调制方式.其次,所提算法能快速识别出网络信道的多种状态,而不是将信道简单地分为空闲与忙碌2种状态.将信道划分成多种状态更利于认知网络进行信道管理,并且做出更加智能的决策.

2.2 异构网络中的协同认知方案

在所提出的混合调制信号模型中,可以通过判断信号的循环谱特性来判断认知节点是不是处于相同的网络内,如果处于同一个认知网络,而节点本身处于空闲状态,那么可作为中继点建立链路进行通信.如果不处于同一网络内,则算法程序转换为由主中心进行通信建立.因此标识后的混合调制认知网络在链路的建立与链路的维护方面,表现出较大的优势.

据此可设计出混合调制信号认知算法的软件实现框架,具体实现步骤如下:

① 检测时域相关函数的傅里叶变化函数,若在非零的循环谱外没有任何谱相关特性,即不存在非零的谱相关,则认为信道空闲,退出信道识别.

② 如果在非零循环谱处存在信号的谱相关特性,通过均值比较,检查谱相关函数的凹凸性,如果信号的谱相关函数的复包络较平滑,则认为信道为OFDM主节点信号通信.

③ 如果包络出现凹凸性,谱相关函数的复包络函数的均方差较大,则将信号谱相关函数包络峰值与门限值进行比较,如果低于主节点指定通信门限值,判别信道为认知节点传输.

如果信号的谱相关函数包络峰值高于主节点指定通信门限值,判别信道为认知节点与主节点混叠传输,此时应发出警告,避免这种通信情况的发生.

2.3 应用分析

要实现认知网络的快速组网,网络控制应具备以下功能:信道状态收集、通信信道质量评估、通信监控、认知节点接入、信道频谱状态池与空闲可用信道池管理.

系统通过信道状态收集模块收集各个认知节点对信道的识别结果,并且实时更新信道频谱池状态.信道质量评估模块将满足认知网络通信的信道送入可用信道频谱池.通信监控模块对信号进行循环谱检测,进而判断通信信号所属的认知网络.认知节点接入模块则对认知节点信号进行优先级排队,并对节点占用信道时间进行控制,为每个认知节点提供预留通信信道.信道频谱状态池记录认知节点信号所属的认知网络标识号.

在本文提出的混合调制的认知网络中,认知节点设备可以实现如下功能:

1) 对授权信道上通信信号进行循环谱分析.将信号进行时域相关处理,将相关后信号进行频谱分析,得出授权信道上信号的循环谱特性,根据循环谱的凹凸位置进一步确定信号所属的认知网络.

2) 将具有平滑循环谱特性的信号(一般为主节点信号)发布给系统.

3) 对具有平滑特性又兼有凹凸特性的混合信号进行报警发布,通知认知设备退出授权信道.

4) 对无循环谱特性的空白信道,进行空闲标记,通知系统有空闲信道可以使用,并对空闲时间作出预测.

3 结语

在异构网络场景下尤其是电子对抗、战场环境等重要场合,不但要求网络具有很强的识别能力,更要求认知节点与主节点具备快速组网能力.随着无线接入节点的增加,对这种能力的要求也随之增加.大多数的通信信号由于包含潜在的循环平稳特性,可以通过人工嵌入循环平稳标识创造唯一的循环平稳信号.本文提出一种基于混合OFDM调制信号的循环谱特征检测的算法,并将其应用到协同认知网络中.利用信号的循环平稳特性快速识别出信道的多种状态,为认知信号的快速可靠接入和退出提供了保障,并且利用混合调制的位置来标记不同的认知网络,使认知节点可以区分不同认知网络信号.仿真结果显示,在认知网络中,该系统可以提高频谱利用率,改善通信系统性能.

References)

[1]Watts D J, Strogatz S H. Collective dynamics of “small-world” networks[J].Nature, 1998, 393(6684): 440-442. DOI:10.1038/30918.

[2]Braca P, Goldhahn R, Ferri G, et al. Distributed information fusion in multistatic sensor networks for underwater surveillance[J].IEEESensorsJournal, 2016,16(11):4003-4014.DOI:10.1109/jsen.2015.2431818.

[3]Dong C L, Zhao Y, Zhang Q. Assessing the influence of an individual event in complex fault spreading network based on dynamic uncertain causality graph[J].IEEETransactionsonNeuralNetworksandLearningSystems, 2016, 27(8): 1615-1630. DOI:10.1109/TNNLS.2016.2547339.

[4]Jeffery R C.分布式网络化作战[M].于全,译.北京:北京邮电大学出版社,2006: 22-28.

[5]Dekker A H.Centralization and decentralization in network centric warfare[J].JournalofBattlefieldTechnology, 2003, 6(2):23-28.

[6]den Dekker H A, Beckers N W M, Keemink A Q L, et al. Assessing the usability of remote control servos for admittance-controlled haptic finger manipulators[C]//2016 6thIEEEInternationalConferenceonBiomedicalRoboticsandBiomechatronics. Singapore, 2016: 1260-1265.

[7]DARPA XG Working Group. DARPA XG policy language framework, request for comments, version 1.0 [R]. Cambridge, MA, USA: BBN Technologies, 2004.

[8]Liang C C, Yu F R. Wireless network virtualization: A survey, some research issues and challenges[J].IEEECommunicationsSurveys&Tutorials, 2015, 17(1): 358-380. DOI:10.1109/comst.2014.2352118.

[9]Yang M C, Li Y, Liu X F, et al. Cyclostationary feature detection based spectrum sensing algorithm under complicated electromagnetic environment in cognitive radio networks[J].ChinaCommunications, 2015, 12(9): 35-44. DOI:10.1109/cc.2015.7275257.

[10]彭文攀.无线频谱认知理论及组网技术的研究[D].南京:南京大学电子科学与工程学院,2012.

[11]Shen J-C, Alsusa E. An efficient multiple lags selection method for cyclostationary feature based spectrum-sensing[J].IEEESignalProcessingLetters, 2013, 20(2): 133-136.

[12]Wang D L, Ghannouchi F M, Ding Y, et al. 70% energy saving in wireless positioning systems: Non-data-bearing OFDM transmission replaces non-pulse-shaping PN transmission[J].IEEESystemsJournal, 2015, 9(3):664-674. DOI:10.1109/jsyst.2013.2265186.

[13]Hatfield D N, Weiser P J. Property rights in spectrum: Taking the next step[C]//2005FirstIEEEInternationalSymposiumonNewFrontiersinDynamicSpectrumAccessNetworks. Maryland,USA,2005:43-55.

Fast networking technologies based on hybrid OFDM modulation for cognitive radio networks

Ye Zhihui1Li Ang2Peng Wenpan3

(1School of Electronic and Optical Engineering, Nanjing University of Science and Technology, Nanjing 210094, China) (2College of Zijin, Nanjing University of Science and Technology, Nanjing 210046, China) (3China Aeronautical Radio Electronics Research Institute, Shanghai 200233, China)

To make the node device have the ability of quickly networking under complicated network environments, a hybrid OFDM (orthogonal frequency division multiplexing) modulation algorithm based on the cyclic spectrum feature of signals is proposed, and applied in cooperative cognitive networks. Utilizing inherent cyclic spectrum features and artificially embedding distinct cyclo-stationary identification, the proposed algorithm can agilely distinguish four kinds of channel states, that is, spectrum idle, master signals transmitting, secondary signal transmitting, and hybrid signals transmitting. The algorithm can strengthen the spectrum characteristics of signals, and help the nodes to access and withdraw fast and reliably. Further, by signing different cognitive networks with the locations of hybrid modulation signals, cognitive nodes can identify signals from different networks, so as to make the system have the ability of aglily networking. Simulation results show that the proposed algorithm can identify the modulation method and network sign number of nodes in real time, thus achieving the objective of agilely networking with the improved spectrum efficiency.

OFDM (orthogonal frequency division multiplexing); cognitive radio; fast networking; cyclo-stationary; mixed modulation

10.3969/j.issn.1001-0505.2017.04.002

2016-12-23. 作者简介: 叶芝慧(1967—)，女，博士，副教授，yezh@njust.edu.cn.

国家海洋公益重大专项资助项目(201205035).

叶芝慧，李昂,彭文攀.基于混合OFDM调制的认知网络快速组网技术[J].东南大学学报(自然科学版),2017,47(4):637-641.

10.3969/j.issn.1001-0505.2017.04.002.

TN911

A

1001-0505(2017)04-0637-05