认知无线传感网络中吞吐量能耗均衡研究

高 卉，冯友宏,2，王晓雨

(1.南京邮电大学 教育部宽带无线通信与传感器技术重点实验室，江苏 南京 210003；2.安徽师范大学 物理与电子信息学院，安徽 芜湖 241000)

认知无线传感网络中吞吐量能耗均衡研究

高 卉1，冯友宏1,2，王晓雨1

(1.南京邮电大学 教育部宽带无线通信与传感器技术重点实验室，江苏 南京 210003；2.安徽师范大学 物理与电子信息学院，安徽 芜湖 241000)

认知无线传感网可利用空闲的授权频段来解决传统无线传感器网络的频谱资源短缺的问题，在授权频段内，其利用频谱空穴进行通信，从而改善了无线传感器网的性能。由于认知无线传感网主要基于无线传感器网，因此存在着节点能力弱、需考虑网络节能及其与节点协作等问题，不能直接套用传统认知无线电网络的技术。由于次用户能耗限制和上传信道信息可能存在错误，提高能耗效率在次用户频谱感知和协作发送过程中显得非常重要。为此，提出了一种用于集中式协作频谱感知的硬判决融合算法。该算法在能耗阶段，由总的检测概率和虚警概率的限制求最小的次用户数目；在能耗效率优化阶段，在固定感知时隙等参数限制下，设计优化目标函数，迭代算法求得最优用户数，从而实现能耗的最大效率。基于信道信息误码率对能耗影响的分析，进行了硬判决融合算法与传统算法的对比仿真实验。仿真结果表明，该算法需要的感知节点最少，且能耗效率可达到最优。

认知无线网络；协作频谱感知；能耗效率；硬判决；误码率限制

1 概 述

目前无线传感网(WSN)面临着诸多挑战，包括非授权ISM频段频谱资源匮乏和节点的能量有限等问题。为了缓解WSN的频谱资源匮乏问题，将无线通信领域的认知无线电技术引入WSN，认知无线传感网(CWSN)应运而生[1]。为了检测授权用户的活跃性，认知用户感知目标频谱。如果感知到没有主用户，次用户可以发送信息。然而，由于信道衰落和阴影效应的影响，单个WSN节点进行频谱感知可能导致错误判决。为了提高资源分配和频谱感知的性能，提出了协作机制[2]。次用户间的协作可以提高感知结果的可靠性，这称为协作频谱感知。在协作频谱感知阶段，次用户报告各自的本地判决到融合中心，在融合中心根据预设的判决准则进行最终判决。

协作频谱感知分为集中式和分布式。集中式协作频谱感知，所有次用户检测主用户存在与否，做出硬判决发给融合中心[3]。融合中心收集所有的判决，运用硬判决融合算法(与融合、或融合等)，把判决结果发给各个次用户。对于分布式频谱感知，每个次用户检测与WSN网络节点使用同样频段的其他无线电用户信号，并与邻节点交换观测信息，经过多轮交换，做出最终判决。集中式频谱感知要求在次用户和融合中心之间建立一个公用的控制信道。然而，这导致了频带的开销，如：带宽、计算复杂度、时延等。

传统的认知无线电(CR)网络技术研究中，已有大量文献对协作感知进行研究。文献[4]提出了最优化表决融合来获得最高能耗效率。文献[5-6]结合两种融合准则，运用分层结构，在满足检测概率和虚警概率的限制下,提出了一种迭代的能耗算法，极大地减小了在每个阶段报告次用户的数目。文献[7]提出，对于一定规模的认知无线电网络，一定存在特定数目的次用户(例如接收信噪比最高的用户)，使得协作性能达到最优。文献[8]主要致力于找出在次用户数及各次用户的接收信噪比已知的情况下，使得虚警概率和误检概率之和最小的最佳融合规则，以及在检测精度限制下使大规模认知无线电网络能迅速地进行频谱感知的最少次用户数，但对于大规模认知传感器网络中存在的诸如控制信道带宽的限制问题却没有考虑。传统CR网络的频谱感知技术，没有考虑如WSN网络的节点能力弱、需要节能的要求，因此需要对CR频谱感知技术进行改进，使之适合WSN网络。如限制进行频谱感知的节点数目，使得不必要的节点不进行频谱感知工作而节能，同时又要求尽可能不降低感知精确度。文献[9]提出了一种混合认知网络结构下的双信息融合的协作检测算法，该算法采用了多用户协作感知技术。不同于现有基于单一认知网络结构的协作频谱检测的研究,考虑了实际无线环境中存在的混合认知无线网络结构,提出了一种双信息融合的协作频谱感知算法。文献[10]为延长平均网络生存时间,提出了基于瞬时信道状态信息和剩余能量信息的机会多中继选择策略,避免了过度使用信道条件较好的中继节点,平衡各节点的资源利用。文献[11]介绍了基于梯度算子的小生境遗传算法的簇头选择方式。认知无线网络中无论是认知用户间的协作或是授权用户与认知用户间的协作，都会增加系统吞吐量，提高总的频谱效率。文献[12]基于双门限能量检测的协作频谱感知性能的优化方案,根据信噪比确定最优的检测门限值,使得协作频谱感知的全局错误概率在各信噪比条件下都达到最小值,从而提高了协作频谱感知的性能。文献[13]研究了使能耗最小的最佳协作频谱感知，但是该算法的近似结果中检测错误率相当高。

然而上述算法都没有考虑次用户报告信道误码率的影响而导致融合中心频谱感知的检测性能会下降。由于次用户在感知和发送阶段的能耗限制，检测精确度和能耗效率做出权衡折中很重要。检测概率随着次用户数的提高而提高，同时发送阶段能量消耗也随之增加。因此研究如何找到最优的次用户数使得消耗最小的能量，同时提供可靠的检测结果和发送质量显得非常重要。此外，对误码率如何影响最优的协作感知的次用户数也是值得关注的问题。

为此，可采用以下策略获得最优的次用户数N，研究分两个阶段：能耗阶段，在总的检测概率和虚警概率的限制下，通过仿真求最小的次用户数目；能耗效率优化阶段，在固定感知时隙等参数的限制下，设计优化目标函数，迭代算法求得最优用户数，从而使能耗效率最大。

2 系统模型

考虑含有N个次用户和一个FC的集中式协作频谱感知。假设任意两个次用户的间距远小于次用户到主用户的距离，所以可认为各次用户接收端的信噪比相等。鉴于能量检测具有实现简单且不需要任何先验信息的优点，假设网络中各次用户首先采用能量检测执行本地感知，然后将1 bit决策信息(“1”或“0”)发往融合中心参与全局决策融合。

2.1错误判决概率

用H0和H1分别表示主用户信道空闲和繁忙的假设，则第i个次用户的第k个接收信号为:

(1)

其中,s(k)为k时刻主用户发送的信号；hi(k)为k时刻主用户和第i个次用户间的信道增益；ni(k)为第i个次用户的加性高斯白噪声(Additive White Gaussian Noise,AWGN)。

假设感知时间小于信道的相干时间，则认为信道增益hi(k)在感知时间内不变，不妨记作hi，当各信道衰落相当时，hi=hj=h。假设各次用户采用相同的能量检测门限，则所有次用户具有相同的检测性能，所有次用户的发送错误概率均为Pe,记各次用户在感知时间内接收到的采样点数为M，则检测统计量为：

(2)

当N较大时，根据中心极限定理知,E可近似为一个正态分布。具体而言，当信号和噪声都是零均值的实值高斯时，由文献[14]可知：

(3)

(4)

(5)

协作频谱感知全局检测概率和虚警概率分别为：

(6)

(7)

其中，Px为频谱占用时，融合中心接收本地判决为1的概率；Py为频谱未被占用时，融合中心接收本地判决为0的概率。

Px=Pd(1-Pe)+Pe(1-Pd)

(8)

Py=Pf(1-Pe)+Pe(1-Pf)

(9)

总的错误概率为：

ε=P0Qf+P1(1-Qd)

(10)

2.2能耗效率

考虑的次用户时隙帧结构如图1所示。

图1 次用户时隙帧结构

在每个感知周期内，次用户首先花费TS用于频谱感知，包括本地感知时间Ts和信息上传时间N*Tr。如果FC给出的全局决策结果认为主用户不存在，则利用剩余的进行数据传输，否则等待下一个周期。

(11)

其中，R为数据速率；因子1-Qf表示成功发送数据的概率。

(12)

其中，PS为次用户协作频谱感知消耗的能耗；Pt为数据传输时消耗的能耗；Punused表示频谱未被占用的概率，需要注意的是，当且仅当频谱认为未被占用时才进行数据传输。

Punesed=P0(1-Qf)+P1(1-Qd)

(13)

因此，能耗效率(μ)表达式如下：

(14)

3 问题及算法分析

协作频谱感知性能随着认知用户的数量增加而增加。然而，大量的协作用户导致大量的能耗和报告时延。因此，在满足限制的虚警概率和检测概率下，找到最优数量的次用户数很重要。检测概率高表示对主用户干扰小，虚警概率低表示频谱利用率高。下面，首先得到满足限制干扰下的认知用户范围，接着得到网络吞吐最大化时的最优用户数。

3.1问题分析

3.1.1 能耗分析

认知无线传感网的检测性能与协作感知的用户数密切相关。认知用户数越高，检测性能越好，但同时增加了系统能耗。现在的标准[15]给出最低的检测概率和虚警概率要求，因此，只要满足这些限制，再增加参与协作的频谱感知数就相当于增加了认知无线传感网的能量消耗。因此有必要设计一个合适的能耗机制来减少网络能耗，同时仍保持标准要求。

定义能耗优化问题，在表决融合算法中，固定K,算法如下：

(15)

使用表决融合，根据二项式定理，式(6)、(7)可以写成：

Qf=1-ψ(k-1,Pf,N)

(16)

Qd=1-ψ(k-1,Pd,N)

(17)

其中，ψ是不完全beta函数，定义如下：

ψ(k,p,n)=I1-p(n-k,k+1)=(n-

(18)

ψ-1是ψ函数的逆函数，对于给定的k,N，ψ和ψ-1是单调递增函数，因此有：

Pf=ψ-1(k-1,1-Qf,N)≤ψ-1(k-1,1-β,N)

(19)

Pd=ψ-1(k-1,1-Qd,N)≥ψ-1(k-1,1-α,N)

(20)

(21)

其中，ζα=ψ-1(k-1,1-β，N)；Q-1是Q函数的逆函数。

因此最优数N*是从1到N的线性搜索，首先满足式(21)。

基于式(21)，与融合的最优N由下式得出：

Q(A+BQ-1(α1/N))≤β1/N

(22)

对于或融合算法，最优N由以下不等式得出：

Q(A+BQ-1(α'))≤β'

(23)

3.1.2 错误概率对能耗的影响

认为每一个次用户基于本地频谱感知做出判决，并向融合中心转发1 bit报告信息。假设报告信息由BPSK调制，由于信道衰落和阴影效应的影响，信息发送的过程中会出现一定的错误，错误概率记为Pre。根据文献[16]，采用BPSK调制，N个协作频谱感知次用户的平均报告误码率切诺夫界如下：

(24)

因此，协作频谱感知报告信道能耗范围由下式得出：

(25)

其中，dsensing为次用户到融合中心的距离；根据文献[17],G≈5×108。

由式(24)可得：

(26)

其中，Prb,bpsk(N,γb)的闭合表达式如下：

(27)

3.2算法分析

在考虑了感知和发送过程中的能耗，频谱利用率和发送可靠性条件下，构建了相关的优化问题，即在总的检测概率、虚警概率以及次用户发送误码率下，得到能耗效率最大化。优化问题目标函数如下：

(28)

通过对μ函数的最优化求解，能够得到一定值N,使得μ取得最大值，而当μ最大时，能使认知传感器网络在检测性能足够好的前提下减少网络的能量消耗[16]，从而在保证检测性能的同时，延长认知传感器网络的生存时间。计算基于检测概率和能量消耗的最佳用户数N。

对于固定的α，β，Ts，Tr，μ函数必存在N*，使得μ函数取最大值，N*便是基于检测概率、虚警概率和报告信道可靠性的最佳用户数。计算N*的步骤如下：

(1)初始化：设置K=1，固定系统虚警概率β，设置检测概率最小值α和错误概率Prb,req；

(2)根据式(6)计算协作系统检测概率Qd(K)；

(3)如果Qd(K)>α,则进行步骤(4)，否则K=K+1，并返回步骤(2)；

(4)根据式(14)计算K个次用户系统的能耗效率μ(K)；

(5)如果μ(K)<μ(K-1)，则K=K+1,并返回步骤(4)，否则转到步骤(6)；

(6)跳出循环，且有N*=K。

4 仿真结果及分析

仿真参数如表1所示，这些参数对所有次用户都相同。

表1 仿真参数

表2说明了误码率对与融合、或融合算法的影响，表决融合与之类似。

表2 检查概率与与融合、或融合的关系(虚警概率Qf=0.1，γ=-9 dB,Pre=10-4)

图2显示了最优数量N与虚警概率Qf之间的关系。

图2 虚警概率限制下的最优次用户数N

从图中可得，随着虚警概率的增加，三种融合方式需要的用户数目都随之减少；相同虚警概率，相同融合方式，检测概率大的需要的最优次用户数越大；在整个虚警范围内，OR融合准则优于与融合，表决融合方式最优，所需的最优用户数最少。

图3显示了最优数量N与检测概率Qd之间的关系。

图3 检测概率限制下的最优次用户数N

从图中可得，随着检测概率的增加，三种融合方式需要的用户数目都随之增多；相同检测概率，相同融合方式，虚警概率大的需要的最优次用户数越小；在整个检测概率范围内，OR融合准则优于与融合，表决融合方式最优，所需的最优用户数最少。

图4显示了能耗效率与次用户数量N之间的关系。

图4 不同次用户数的能耗效率

从图中可得，次用户数量存在最优值使能耗效率最优；在整个次用户数范围内，表决融合方式最优，能耗效率最大，OR融合次之。

5 结束语

为了提高能耗效率，考虑到信道存在错误概率的情况，提出了CWSN网络中协作频谱感知次用户数的优化方法，通过迭代算法得到融合最优次用户数。基于信道信息误码率对能耗影响的分析，进行了硬判决融合算法与传统算法的对比仿真实验。仿真结果表明，该算法需要的感知节点最少，且能耗效率可达到最优。此外，对比验证并分析与融合、或融合以及表决融合的最优次用户感知数目可知，表决融合的能耗效率最优。

[1] Peh E C Y,Liang Y C,Guan Y L,et al.Optimization of cooperative sensing in cognitive radio networks:a sensing-throughput tradeoff view[J].IEEE Transactions on Vehicular Technology,2009,58(9):5294-5299.

[2] Mishra S M,Sahai A,Brodersen R W.Cooperative sensing among cognitive radios[C]//International conference on communications.[s.l.]:IEEE,2006:1658-1663.

[3] Varshney P K.Distributed detection and data fusion[M].New York:Springer-Verlag,1997:216-232.

[4] Viswanathan R,Varshney P K.Distributed detection with multiple sensors[J].Proceedings of IEEE,1997,85(1):64-79.

[5] Zhang W, Mallik R, Letaief K. Optimization of cooperative spectrum sensing with energy detection in cognitive radio networks[J].IEEE Transactions on Wireless Communications,2009,8(12):5761-5766.

[6] Muta R,Kohno R.Throughput analysis for cooperative sensing in cognitive radio networks[C]//International symposium on personal,indoor and mobile radio communications.[s.l.]:IEEE,2009:2916-2920.

[7] Peh E C Y,Liang Y C,Guan Y L.Optimization for cooperative sensing in cognitive radio networks[J].IEEE Transactions on Vehicular Technology,2007,58(9):27-32.

[8] Zhang W,Mallik R,Letaief K.Cooperative spectrum sensing optimization in cognitive radio networks[C]//IEEE international conference on communications.[s.l.]:IEEE,2008:3411-3415.

[9] 杜 红.认知无线电中频谱感知优化与无线资源管理的研究[D].北京:北京邮电大学,2012.

[10] 陈 丹.协作与认知无线通信网络中若干关键技术研究[D].北京:北京邮电大学,2012.

[11] 郅希云.认知无线网络协作频谱感知、协作传输、频谱切换技术研究[D].北京:北京邮电大学,2012.

[12] 金燕君.认知无线传感器网络协作频谱感知技术的研究[D].南京:南京邮电大学,2015.

[13] Hai N P,Zhang Y,Engelstad P E,et al.Optimal cooperative spectrum sensing in cognitive sensor networks[C]//International conference on wireless communications and mobile computing:connecting the world wirelessly.[s.l.]:[s.n.],2009:1073-1079.

[14] Liang Y C,Zeng Y,Peh E C Y,et al.Sensing-throughput tradeoff for cognitive radio networks[J].IEEE Transactions on Wireless Communications,2008,7(4):1326-1337.

[15] Functional requirements for the 802.22WRAN standard[S].[s.l.]:[s.n.],2006.

[16] Cui S,Goldsmith A J,Bahai A.Energy-efficiency of MIMO and cooperative MIMO techniques in sensor networks[J].IEEE Journal on Selected Areas in Communications,2004,22(6):1089-1098.

[17] Xu X,Bao J,Cao H,et al.Energy efficiency based optimal relay selection scheme with a BER constraint in cooperative cognitive radio networks[J].IEEE Transactions on Vehicular Technology,2015,65(1):191-203.

ResearchonTradeoffofEnergyConsumptionandThroughputinCognitiveWirelessSensorNetworks

GAO Hui1，FENG You-hong1,2，WANG Xiao-yu1

(1.Key Laboratory of Broadband Wireless Communication and Sensor Technology of MOE，Nanjing University of Posts and Telecommunications，Nanjing 210003，China；2.College of Physics and Electronic Informaion，Anhui Normal University，Wuhu 241000,China)

Cognitive Wireless Sensor Networks (CWSN) can utilize idle authorized spectrum to overcome the shortage of spectrum resources in the traditional wireless sensor network.Within the authorized spectrum,the use of spectrum hole for communication can improve performance of wireless sensor network.In addition,since the CWSN operates in wireless sensor network there exist many shortcomings,such as weak energy of each sensor node,consideration of energy-saving and collaboration of energy-saving with specific node etc,which limit the direct application of traditional technology of cognitive radio network.Due to the energy constraint of each cognitive user and potential secondary transmission errors in CWSN,energy efficiency becomes very important for each cognitive node in spectrum sensing and cooperative transmission.The novel energy efficient strategies are proposed for the centralized CSS using hard decision fusion rules.In stage of energy consumption the minimum number of users can be calculated with the limitation of overall detection probability and false alarm probability;in stage of energy efficiency optimization under the constraint of parameters involving fixed perception time slot etc. the objective function is optimized with iterative algorithm for the optimized number of users as well as the maximum efficiency of energy consumption.Based on analysis on the channel information error rate of energy consumption,the simulation experiments on hard decision fusion algorithm are conducted in contrast with traditional ones.The results show that the optimality of k with N-Rule is prior to both of OR and AND-Rules and the energy efficiency is optimal.

cognitive wireless network;cooperative spectrum sensing;energy efficiency;hard decision fusion;bit-error-rate constraint

TP301

A

1673-629X(2017)10-0130-06

2016-06-20

2016-10-10 < class="emphasis_bold">网络出版时间

时间：2017-07-19

国家“973”重点基础研究发展计划项目(2011CB30230)；江苏省2015年高校研究生科研创新计划项目(KYLX0833)

高 卉(1991-)，女，硕士研究生，通信作者，研究方向为认知无线电技术。

http://kns.cnki.net/kcms/detail/61.1450.TP.20170719.1107.004.html

10.3969/j.issn.1673-629X.2017.10.028