基于协作频谱预测和频谱分割的认知无线电网络吞吐量优化

方浩军，齐丽娜

(南京邮电大学 通信与信息工程学院，江苏 南京 210003)

认知无线电技术是提高频谱资源利用率的主要解决方案之一，已成为近年来的热点研究问题。过去10年中，认知无线电技术作为无线通信中频谱稀缺问题的有效解决方案受到了广泛关注，其允许次用户（Secondary User，SU）在不影响主用户（Primary User，PU）通信的前提下接入主用户信道并进行数据传输。频谱感知作为认知无线电技术中的必要步骤，确保次用户感知主用户授权信道并及时检测频谱的占用状态。当授权信道未被主用户占用时，次用户便接入信道并进行数据传输，反之，次用户等待或选择另一个信道进行感知［1-2］。在认知无线电网络（Cognitive Radio Network，CRN）中，次用户随机选择信道进行感知操作时，信道感知结果为占用状态概率较高，从而导致系统吞吐量较低［3-4］。这个问题已被广泛研究，文献［5］提出了一种利用无线电环境地图作为辅助系统的阈值自适应协作频谱感知方法，通过高可靠性的协作感知方法作出全局的决策，提高了网络吞吐量并降低了漏检概率。文献［6］提出了一种执行频谱感知和调度的跨层框架，用以实现主用户和次用户吞吐量之间的最佳平衡。

在现有的研究工作中，很少有研究尝试提高次用户的吞吐量，而如何提高选择空闲信道进行感知的概率成为提高次用户吞吐量的关键。频谱预测技术基于历史数据预测未来的信道状态。文献［7］讨论了认知无线电网络中关于使用频谱预测技术的研究现状。基于频谱预测，次用户可以选择空闲概率较高的信道进行感知。因此，次用户正确感知信道为空闲的概率能得到显著的提高，从而提高次用户吞吐量。为解决次用户在认知无线电网络中的低吞吐量问题，本文重新设计次用户的帧结构，在感知阶段之前增加协作频谱预测阶段，并推导出次用户吞吐量的近似表达式。通过融合次用户预测结果提高预测精度。文献［8］提出了基于隐马尔可夫模型（Hidden Markov Model，HMM）的频谱预测方法，由于在大型认知无线电网络中，信道的真实状态对次用户是不可见的，即隐藏状态，次用户通过感知获得的信道状态为观察状态。次用户可以通过历史感知结果数据对信道状态进行预测，并选择预测结果为空闲的信道进行感知。文献［9］提出了一种基于BP神经网络（Back Propagation Neural Network）的预测算法，使用二进制序列训练预测器，基于主用户的历史数据预测下一个时隙内主用户的活动状态，重复训练直至达到均方误差最小值，训练完成，便可投入使用。文献［10］提出了一种基于移动平均算法（Moving Averaging Algorithm，MAA）的能量预测方法，其中的频谱预测机制基于时间频谱状态序列，但MAA只适用于频谱状态变化微小且短时间的预测。文献［11］中的研究结果表明，多用户的协作感知性能优于单用户。对于频谱预测，多用户协作也同样可以提高预测准确率，因此，使用协作频谱预测技术的优势显而易见。但对于多用户协作频谱预测的研究相对较少。文献［12］将协作策略用于存在多个次用户和多个主用户的认知无线网络环境，通过协作频谱预测技术避免次用户之间的自干扰，证明了预测准确度与协作用户数量存在优化关系。

综合以上研究成果，本文考虑基于协作预测技术和分频工作思想，重新设计次用户的帧结构。仿真结果表明，与传统帧结构相比，本文提出的方案有更优的认知无线电系统吞吐量。

1 系统模型和分析

1.1 CR中的信号模型

传统感知模型指的是在认知无线电网络中，次用户对授权信道频谱进行感知操作，从而得到主用户在当前时隙的活动状态。一般情况下，将次用户进行感知操作得到的主用户信号假设为一个二元模型［13］

其中，t=1，2，…，N代表第t个采样时间点，N=2TsW，Ts和W 分别代表感知时间以及感知带宽，x（t）为接收信号，h为信道增益，本文假设h是常数，s（t）为PU的发射信号，n（t）为接收信道的高斯白噪声，H1表示感知信道此时处于被占用状态，H0表示感知信道此时处于空闲状态。

1.2 传统帧结构及吞吐量分析

传统的认知无线电网络中，次用户的感知帧结

构如图1所示［1-2］。假设次用户的一个感知时隙长度为T，吞吐量定义为C。次用户在一个帧时隙内的感知结果有3种情况：感知结果为占用状态，则次用户暂时处于等待期，吞吐量C=0；感知为空闲状态，对应有两种可能，感知正确，即信道状态为空闲，感知错误，即信道真实状态为占用状态，这两种情况对应的吞吐量分别为

其中，C0表示感知结果为空闲，且信道真实状态也为空闲时的吞吐量；C1表示感知结果为空闲，但信道真实状态为占用时的吞吐量。SNRs代表次用户接收机处收到次用户信号时的信噪比，SNRp代表次用户接收机处收到主用户信号时的信噪比。Pd代表检测概率（即真实状态为占用，感知结果为占用的概率），Pf代表虚警概率（即真实状态为空闲，感知结果为占用的概率）。

2 基于协作频谱预测的频谱感知模型

2.1 协作预测方法下的感知帧结构

本节主要分析如何对传统的感知帧结构进行优化处理，目的是在一定条件下尽可能最大化系统吞吐量。文献［13］提出一种改进的帧结构，如图2所示，即在频谱感知之前加上协作频谱预测阶段，采用基于遗传算法优化的神经网络预测模型。信道预测结果分为预测为空闲和预测为占用，相对应的概率为P0p（空闲）和P1p（占用）

其中，Ppd代表预测准确度。

信道的真实状态和预测状态之间的概率分布如表1所示。

表1 预测状态分布及相应概率

2.2 加入频谱分割后改进的感知帧结构

本文的主要思路是对传统帧结构进行改进，引入分频工作思想，结合协作频谱预测和频谱分割技术，进一步改进次用户的感知帧结构，并参考文献［14］中的协作频谱预测方法。如图3所示，首先选择将帧时隙的带宽在频域上分为两个部分，Wb频带用于进行协作频谱预测和频谱感知，W-Wb频带用于传输数据。两个子频段在时域上的时间均为时隙长度T。这种设计的优势在于解决了传统帧结构感知有间断的问题，即感知过程可以连续进行，具体表现为，如果在当前帧时隙内的感知状态为空闲，则下一帧在该子频带传输数据，并且下一帧内继续感知。否则，次用户进入等待状态。

如图3所示，改进后的帧结构不仅解决了感知中断问题，而且在时域上，两个子频带时间均为时隙长度T，即在一个时隙T内用于传输数据的时间也为T，这极大地增加了数据传输时间。而传统的帧结构，总会有一些时间上的损耗，或用于感知工作，或用于预测工作，但是如图3所示的帧结构将整个时隙T都用于传输数据，从而有效地提升了系统吞吐量。

基于图3的帧结构，式（2）和式（3）得到相应改进，如式（6）和式（7）所示

2.3 系统吞吐量分析

本文的系统模型参考文献［15］设定。假定在认知无线电网络中主用户信道数量为N，次用户数量为M，每个主用户活动独立，不受其他用户影响。设定当信道状态是占用时为1，当信道状态是空闲时为0。次用户机会性地访问授信信道。主用户的到达时间间隔服从参数为λ的泊松分布，主用户的用频持续时间服从参数为μ的二项分布。假设信道被随机地分配，当所有信道都被占用时的概率为Pn1，而在N个信道中存在空闲信道的概率为Pn0。Pn0和Pn1分别如式（8）和式（9）所示

其中，N为授信信道数，k为N个授信信道中存在的空闲信道数。

当经过协作预测阶段后存在空闲信道时，从空闲信道中选择一条进行感知操作。而当协作预测状态为占用的时候，随机选择一条信道进行感知操作，这是由于预测存在错误概率，即有可能将空闲状态的信道预测为占用状态。在协作阶段，对多个次用户的预测结果进行进一步地处理。在小范围内的次用户之间进行协作，将其中一个次用户作为协作组leader，剩余的次用户作为follower，follower用户的预测数据集中传给leader用户，然后根据“少数服从多数”原则，进一步地融合预测数据。单个帧长内次用户的协作时间开销定义为Tc

其中，k代表参与协作的次用户数量，N为授信信道数量，T代表帧长，C0由式（6）给出。

依照重新设计的帧结构，每一帧中次用户用于传输信息的持续时间为帧长T，而频谱感知持续时间参考文献［16］为Ts，如式（11）所示其中，SNRp为主用户信号在次用户收发机处的信噪比，fs为采样频率，Pd和Pf分别为检测概率和虚警概率。本文中Pd，Pf给定，因此Ts可视为常量。

另外，信道的感知结果可能出现感知错误的情况。从真实状态到预测结果，再到感知结果的关系路线图，如图4所示。

如图4所示，只有当感知结果为空闲时，次用户才会尝试接入信道，因此只需要关注概率为P6，P8，P10和P12这4种情况，分别代表了预测结果为1、感知结果为0、真实状态为1，预测结果为0、感知结果为0、真实状态为1，预测结果为1、感知结果为0、真实状态为0，预测结果为0、感知结果为0、真实状态为0。P6，P8，P10和P12分别为

其中，P（H1）和P（H0）分别代表信道状态为占用时的概率和信道状态为空闲时的概率。P（H1）通常被看作主用户的通信强度，Ppd则代表预测的准确度，Pn0和Pn1分别由式（8）和式（9）给出，Pp1和Pp0分别由式（4）和式（5）给出，Pd和Pf分别为检测概率和虚警概率。

推导得出平均吞吐量的表达式为

由于Pd和Pf的值由接收机决定，因此在本文中被视为常数，进而可以推断出吞吐量C主要由预测的准确度，授信信道N的数量，通信强度P（H1）以及带宽决定。本文沿用文献［14］中提出的神经网络预测模型进行协作预测，因此预测准确度Ppd受协作预测模型的影响。而文献［14］已经证明了神经网络的预测方法能有效地提高预测准确度，进而提升吞吐量性能。本文选择在协作预测基础之上结合频谱分割技术，在协作预测中采用分组-聚簇融合的方式，减少单次上传预测结果的次用户的数量，进而降低了用于进行感知、协作和预测的带宽Wb，提升了用于传输数据的带宽，从而进一步提升系统吞吐量。

3 仿真结果分析

3.1 仿真参数设置

IEEE 802.22［16］基于认知无线电，是第一个全球无线电标准，在一定的无线区域网络内分配无线电资源而不会对主用户产生干扰，因此本文仿真参数全部依照IEEE 802.22的无线网络标准设定。参考文献［13］，单个次用户用于频谱预测的时间设置为5 ms。具体参数设置如表2所示。

表2 仿真参数表

仿真中设定授信信道数N为30，次用户数量M为15。仿真中仅考虑信道为确定信道，因此SNRs设置为20 dB。

3.2 归一化吞吐量

给定一个时隙内的最大吞吐量公式为

归一化吞吐量公式为

由于仿真中需要比较传统帧结构和改进后的帧结构在吞吐量性能方面的差异，因此需要给出传统帧结构吞吐量公式，如式（19）所示

推导出原始的归一化吞吐量公式，如式（20）所示

3.3 性能分析

本文首先比较了改进后帧结构在不同的Ppd（预测准确度）下，吞吐量的性能差异，设定Wb为相同值，即Wb=Ws=0.6 MHz。当Ppd的值分别为0.95，0.90，0.85和0.80时，改进后帧结构的归一化吞吐量变化如图5所示。从图5中可以看出，通信强度相同时，当预测准确度下降，吞吐量随之下降，而预测准确度相同时，随着主用户通信强度的增加，吞吐量下降。当P（H1）为0.7时，吞吐量性能开始急剧下降。当P（H1）达到峰值（即全占用的情况）时，吞吐量却没有到达0，原因是预测和感知存在一定误差，因此尽管真实状态下信道全占用，但是依旧会有次用户预测结果显示信道状态为空闲，从而导致最终结果只会逐渐逼近0。由此可见预测准确度对吞吐量性能的影响。

同时，仿真还比较了传统帧结构和改进后帧结构在吞吐量性能上的差异，这里设定Ppd=0.95，Wb=Ws=0.6 MHz。如图6所示，在通信强度的递增过程中，传统帧结构下的归一化吞吐量递减趋势较为明显，且与改进后帧结构的归一化吞吐量之间的差值逐渐增大。可以看出在主用户通信强度相同时，改进后帧结构在吞吐量性能上总是优于传统帧结构。

4 结束语

本文通过在传统的感知帧结构上进行改进，加入协作频谱预测阶段，并引入分频工作思想，增加了数据传输的时间，从而提高系统吞吐量。通过仿真，在不同预测准确度和不同主用户通信强度下对提出的方案进行了验证，以及将改进后帧结构与传统帧结构在吞吐量性能方面进行了比较。仿真结果表明，本文采用改进后的帧结构方案，可以在很大程度上提升系统吞吐量。然而，在仿真中可以看出，预测精度对系统吞吐量影响很大，频谱的预测方法有待进一步改进，后续将进行深入研究。