设计并行智能算法优化认知无线电性能

刘 苗, 刘彦昌, 孙振兴,2, 赵 忖

(1. 东北石油大学(秦皇岛校区) 电子信息工程系, 河北 秦皇岛 066004；2. 东北石油大学 计算机科学与工程学院, 黑龙江 大庆 163318)

0 引 言

无线设备和数据流量的快速增长, 使无线频谱成为稀缺资源。频谱使用分析表明, 大部分频谱未被有效利用[1]。认知无线电(CR： Cognitive Radio)作为提高频谱利用率的一种最有前途的技术, 引起了学术界和工业界的广泛关注。CR用动态频谱接入策略取代了传统的静态频谱管理策略。动态频谱接入策略允许利用白空间, 即未使用或未充分利用的频谱资源[2]。采用频谱池技术, 不同用户的授权频谱合并成一个公共的频谱池, 认知用户可以使用未被授权用户占用的空闲频谱[3,4]。基于正交频分复用技术(OFDM： Orthogonal Frequency Division Multiplexing)的频谱池已经被广泛接受。然而OFDM信号的旁瓣干扰是基于OFDM频谱池的一个重要缺陷[5]。基于小波包调制(WPM： Wavelet Packet Modulation)的频谱池不仅能获得与基于OFDM的频谱池同样的性能而且还能配置子载波灵活性、 更有效地抑制符号内干扰、 脉冲干扰和窄带干扰[6]。此外, 基于WPM的频谱池还能实现多速率信号传输, 能更好地满足不同业务和业务质量的需求。由于不需要保护间隔和导频, 基于WPM的频谱池拥有更好的带宽有效性而且没有旁瓣干扰[7,8]。

在多径环境中, WPM信号的正交性被破坏导致符号内干扰和载波间干扰(ICI： Inter-Carrier Interference )[9]。基于WPM的频谱池性能被干扰破坏。屏蔽一个或多个认知用户子载波可减少ICI, 但是会牺牲认知用户的带宽。因此, 需要研究既能减少ICI又能保障认知用户通信质量的方法。遗传算法是一种有效、 实用并且鲁棒性好的优化算法。它可自动获取和积累搜索空间的相关知识, 自适应地控制搜索过程, 得到最优解[10]。笔者提出了ICI抑制并行智能算法, 该并行算法能提高基于智能算法的ICI抑制算法的计算速度, 能更好地满足认知无线电的实际应用需求。新算法不仅实现了减少干扰和保障认知用户传输质量的平衡, 而且考虑了算法的计算速度和实用性。新的机器学习算法很好的解决了基于WPM的频谱池的ICI问题。新的并行结构提高了算法的计算性能和认知无线电的通信性能。

1 抑制干扰智能算法设计

基于WPM调制的频谱池发射端如图1所示。原始信号序列被映射成符号序列。首先, 串行数据流被分成M个低速并行数据流。然后, 数据通过ICI抑制单元处理。之后, 每个并行数据流采用小波包调制成小波包调制信号。

图1 基于WPM的频谱池系统发射端Fig.1 The transmitter of the spectrum pooling system based on WPM

授权用户第j个子载波的平均ICI能量定义如下[11]

(1)

其中m、k、r和n的范围由滤波器的长度决定,p是信道的额外延迟,nj和nk分别是第j和第k个子载波的下采样系数,M是子载波数,hk和hj分别是调制第k和第j个子载波使用的小波滤波器函数,Nl是授权用户的子载波数,Nr是认知用户的子载波数。

频谱池ICI抑制智能算法是首先根据认知用户需求设定认知用户的数据传输率阈值Rthr和适应度阈值。通过Rthr计算屏蔽子载波序列长度L。从认知用户子载波中随机的选择bi(i=1,2,…,L)个子载波作为初始序列。通过适应度函数选择较优的中间子载波序列。通过交叉和变异产生新的子载波序列。不断调整适应度函数产生新的中间子载波序列直到适应度达到设置的阈值, 获得最优的干扰子载波序列。通过屏蔽最优干扰子载波序列实现认知无线电干扰抑制。

具体的ICI抑制算法描述如下。

1) 设定认知用户数据传输率阈值Rthr和适应度函数阈值。

2) 初选认知用户子载波序列。随机的从认知用户子载波中选择L个载波的集合bi(i=1,2,…,L)。

(2)

其中R(x)是干扰抑制实现前认知用户的初始数据传输率,Bbitx是分配给每个子载波的比特数。

3) 选择较优的中间载波序列。第j个认知用户子载波的适应度函数f(bj)描述如下

(3)

其中hl为调制授权用户子载波所用的滤波器,hl=[hl1hl2…hlNl],hr为调制认知用户子载波所用的滤波器,hr=[hr1hr2…hrNl];m和n的范围由滤波器的长度决定,p是信道的额外延迟,hli和hrj分别是调制授权用户第i和认知用户第j个子载波使用的滤波器函数；Nl是授权用户的子载波数,Di(i=0,…,N-1)是第i个滤波器的级数。

适应度调整公式描述如下

f(bj+1)=af(bj)+b

(4)

max{f(bj)|bj{0,1}L}

(5)

其中f(bj)≠f(bj+1),a和b是设定的适应度参数,L是初选集合长度。

4) 交叉产生新的可选载波。对于选中的中间子载波序列, 随机选择2个, 按交叉概率p, 进行交叉产生新的可选载波。交叉概率p定义如下

(6)

其中f(bj)是第j个认知用户子载波的适应度函数。

5) 变异产生新的可选载波。通过变异概率pm产生新的可选载波个体。

对于给定的载波群s=b1b2…bL,

(7)

其中j∈{1,2,…,L},L是初选集合长度,xj∈[1,0]。

6) 当最优子载波的适应度达到给定阈值, 遗传算法的迭代过程收敛, 获得最优的干扰子载波序列, 屏蔽该最优干扰子载波序列, 实现认知无线电干扰抑制。

2 频谱池抑制ICI并行智能算法设计

并行计算是使用多个计算资源解决计算问题的过程。传统的串行计算是在一个中央处理器单元分别执行单独操作。并行计算是在一组处理器单元上同时执行多个操作。并行计算可以很快的解决较大而复杂的计算问题。在多核时代, 在多核计算平台设计基于多线程并行算法能获得更好的性能[12]。

设计基于多线程的频谱池ICI抑制并行算法能提高基于遗传算法的ICI抑制算法的计算速度, 使其能更好地满足认知无线电实际应用的需要。基于遗传算法的ICI抑制算法可从以下两个方面进行并行化。

1) 对初始选择序列的适应度评估过程进行并行化。被选择序列的适应度评估过程占用了大量的执行时间, 而且和其他过程没有依赖关系。因此, 原始选择序列的适应度评估计算可以分配给多核处理器同时执行。

2) 对遗传操作进行并行化。交叉、 选择和变异操作可以被线程化, 并且在多个核上独立同时执行。

图2是ICI抑制并行算法的流程图。具体过程如下:

1) 设置认知用户的数据传输率阈值和适应度阈值;

2) 初始化认知用户的被选择序列;

3) 并行选择较优的中间子载波序列;

4) 并行执行交叉操作产生新的可选子载波;

5) 并行执行变异操作产生新的可选子载波;

6) 获得最佳干扰子载波序列。

综上, ICI抑制并行算法是对基于遗传算法的ICI抑制算法在每个子载波的适应度评估、 选择操作、 交叉操作和变异操作进行了并行化设计和改造。重新设计的基于遗传算法的ICI抑制并行算法的复杂度依然是O(N2)。但其可以运行在多核计算平台并且具有多线程的优势, 该算法能提高原算法的计算速度, 从而改善认知无线电系统性能, 满足实际应用的需求。

图2 并行智能ICI抑制算法流程图Fig.2 Flow chart of parallel intelligent ICI suppression algorithm

3 仿真结果

笔者对频谱池干扰抑制并行智能算法进行仿真和分析。采用Matlab作为仿真工具, 仿真参数选取如下： 在子载波数为32的频谱池中进行试验, 将频谱池分成8个子带, 每个子带匹配4个子载波。采用基于Daubechies-4(Db(4))小波的小波包调制, 星座映射为QPSK(Quadrature Phase Shift Keyin)。设置ωmarg=0.01。授权用户和认知用户使用相同的传输能量。

采用两径无线信道模型, 信道冲激响应函数定义如下[11]

hch(n)=δ(n)+δ(n-p)ejθ1

(8)

其中p是正整数, 代表信道的额外延迟, 规范化为被调制数据的符号周期。θ1代表第2径的随机相位, 在[0,2π)范围内取值。仿真中假设精确的信道信息, 信道参数p=0,θ1=π/5, 试验结果对10 000次信道实现平均而得到。

图3的仿真场景如下： 授权用户分别占用频谱池的2,3,4,5和7子带(20子载波)； 2,4,6和8子带(16子载波)； 2和6子带(8子载波)。

图3描述了在设计场景中随着被屏蔽的最优干扰子载波数的增加, 影响授权用户的ICI能量减少。因为对授权用户产生最大干扰的子载波被屏蔽, 在屏蔽相同子载波数的情况下, 授权用户的ICI能量被最大程度的减少。此外, 在屏蔽相同数量的最优干扰子载波的情况下, 随着授权用户子载波数的增加, 认知用户产生的ICI能量随之减少。认知用户数量减少, 对授权用户产生的干扰也随之减少。

图4的仿真场景如下： 授权用户占用频谱池的第2和6子带。两径无线信道模型参数p=0,θ=π/5。图4描述了在设计场景中采用干扰抑制并行算法后, 屏蔽不同数量的最优干扰子载波与授权用户比特误码率之间的关系。随着被屏蔽的最优干扰子载波数的增加, 授权用户的BER(Bit Error Ratio)性能得到明显改善。这是因为认知用户子载波中对授权用户产生最大干扰能量的子载波被屏蔽, 所以授权用户的BER性能被优化。

图3 屏蔽最优干扰子载波数与对授权用户误码率性能的影响 图4 屏蔽不同数量的最优干扰子载波授权用户ICI能量之间的关系Fig.3 Relationship between the number of masked sub-carriers and the ICI energy of licensed users Fig.4 The performance of licensed users with different number of masked optimal interference sub-carriers

综上所述, 并行智能ICI抑制算法在保证满足认知用户数据传输率目标的条件下, 可以减少频谱池中授权用户的ICI, 并且能改善授权用户的误码率性能。

4 结 语

基于WPM的频谱池是一种灵活有效的共享频谱资源的方法。但由于多径衰落影响, 授权用户和认知用户信号的正交性被破坏, 因此ICI很严重。智能算法可以自动获取和积累搜索空间的相关知识, 自适应地控制搜索过程, 得到最优解。笔者提出选择认知用户每个子载波的平均ICI能量作为每个子载波的适应度, 采用智能算法获得最优干扰子载波, 达到抑制认知无线电ICI的目的。此外, 对原始算法的并行化设计提高了运算速度, 满足了实际应用的需求。仿真结果表明屏蔽最优干扰子载波能有效降低影响授权用户的ICI能量, 并且能改善授权用户的比特误码率性能。