基于分簇协作频谱感知的应急通信网络应用研究

宋 浩，陈云川，赵 烨,胡存林

(1.昆明冶金高等专科学校计算机信息学院，云南 昆明 650033；2.中兴新思职业技能培训中心，云南 昆明 650033)

0 引 言

应急通信网络是指当出现自然或人为的突发性紧急状况而现有的通信网络难以满足即时通讯时，通过整合各类通信资源，提供高效稳定的临时性无线通信活动的一种特殊网络[1]。当前，一系列自然灾害、恐怖袭击、各种大型集会以及越来越多的突发医疗卫生事件给现有的通信网络带来了前所未有的压力。例如,自2020年1月爆发新冠肺炎疫情以来，全国各地紧急通信需求剧增，不仅要在短短 10 d 内完成武汉建造的雷神山、火神山医院的4G/5G网络覆盖，满足全市20多家医院、方舱等重点区域使用远程视频会议系统的迫切需要，还要在全国26个省、82个城市，对210多家医院进行网络建设，从而在短期内实现远程会诊、大数据疫情分析、企业远程办公、远程教育等应急通信业务。因此，在国际应急体系中应急通信网络发挥着越来越关键的作用。

为了保障实时可靠的通信，满足应急通信网络扁平化、可视化指挥的要求，我们可以将认知无线电中的多用户协作频谱感知技术应用于应急通信网络，针对衰减严重的恶劣通信环境，构建一个基于分簇协作的认知无线电应急通信系统，设计出具有良好适应性协作频谱感知算法，对信道进行准确检测和合理分配，从而快速高效地应对各类突发事件，以有效解决应急通信中遇到的信息无法共享带来的“信息孤岛”困境，对于提高整个系统的生存能力与灵活性具有显著的优势。

1 基于分簇的协作频谱感知

在通信量剧增、通信基础设施损坏严重以及频谱冲突加剧的应急通信场景下，由于受到严重的多径衰落和掩蔽效应的影响，早期基于单认知用户的本地频谱检测无法提供稳定可靠的通信；再加上突发事件发生时频谱资源严重不足和频谱使用不合理导致的通信效率低下，对频谱精准检测和信道的合理分配就显得尤为重要。而多用户协作频谱感知是集合多个认知用户的检测信息，结合一定的融合算法处理这些信息并以此判断授权用户是否存在，通过协作可以较好地解决前文提到的干扰问题，故协作频谱感知技术受到了广泛关注，成为当前解决应急通信技术的新兴方向[2]。

图1 协作频谱感知中分簇流程图

虽然传统的协作频谱感知对改善应急通信网络性能具有显著优势，但是当系统达到一定规模时，路径衰落或阴影效应对感知信道和报告信道的影响极易导致系统生存面临巨大的挑战。因此，将分簇机制引入应急通信后，协作频谱感知可以分为两级进行，在数据融合上有更加灵活的机动通信和快速反应能力，以提升通信业务量增大时对网络资源的调整性能和整体协作通信的保障能力。

协作频谱感知中分簇的流程如图1所示。主要步骤描述如下[3]：

1)网络初始化。依据GPS定位或其他算法获取各节点自身地理坐标；

2)簇首选举。所有节点进行本地能量检测，若得到的结果Oi,j大于设定的能量值，则选举为当前簇的簇首并广播；

3)新簇建立。簇首收集簇内成员节点的本地检测结果：Gi,j=Ω(Oi,j)，i=1,2,…,K,j=1,2,…,Ni,K为簇群内的簇数，Ni是第i个簇中所包含的认知节点数，从而形成新簇；

4)簇内感知。根据特定的融合规则，每个簇的簇首完成第一次在簇内的协作感知或数据融合处理，Bi=Φ(Gi,1Gi,2...Gi,NI)；

2 应急通信的系统模型与设计思路

2.1 组网架构

当前的应急通信网通常是多种形式组成的混合式分级网络：低层是由移动终端MT(Mobile Terminal)和应急认知用户ECU(Emergency Cognitive Users)自组构成的多跳通信网络；中层包括充当临时性基站作用的大功率应急通信车ECV(Emergency Communication Vehicle)、个人便携式小功率通信设备以及基站BS(Base Station)等设备，其中配置ECV和个人设备的数量取决于通信紧急程度、气候地形、基站容量以及信道质量等因素；高层则是借助UAV(Unmanned Aerial Vehicle)或卫星实现多个ECV和BS中间的远距离通信，或者通过有线或微波多跳中继方式互连。混合式组网，使得应急通信网络能够接入蜂窝网、因特网等网络和具备处理各类通信需求的能力[4]。

由于应急通信网络中往往节点种类和数量较多，因此，整个网络区域可以划分为多个应急通信子网，也就是进行分簇。每个子网代表一个簇，每个簇都是由簇首节点和成员节点组成，其中ECV、BS等设备具有更大的功率和更强的处理能力,可作为簇首节点，并为一定范围的ECU和MT等功率和处理能力较弱的成员节点提供服务。基于分簇协作频谱感知的应急通信网络架构如图2所示。图中大圆代表簇，其中BS是协作感知系统中的信息融合中心。

图2 应急通信拓扑结构图

2.2 设计策略

在各簇首和FC之间是理想信道的前提下，FC将收到的多个簇首的簇内感知信息根据某种算法进行融合，从而得到频谱决策。当前常用的融合算法有AND准则，OR准则和“K秩”准则3种，此外还有很多其他方式的融合算法是以这3种融合策略为基础而发展演变的。针对应急通信的特殊性，笔者选择频谱感知效率较大的OR准则。该准则判决信道空闲可用的依据是全部的簇首用户都判决授权用户不存在，此时的协作频谱感知的检测概率Qd、虚警概率Qf和漏检概率Qm分别表示为：

(1)

式(1)中，N是认知节点的数量，Pd,i是认知用户i的检测概率；Pf,i是认知用户i的虚警概率；Pm,i是认知用户i的漏检概率。

FC依据OR准则ψ对簇内感知数据进行判决得到最终决策H：

(2)

(3)

(4)

为了尽可能真实地模拟应急通信场景下的通信环境，因此利用瑞利衰落模型来分析信道在分簇协作频谱感知算法中的性能优劣。以BPSK为例，当全局虚警概率Qf给定时，簇j内认知用户i的虚警概率可以表示为：

(5)

这时的Qd,j,i可以表示如下：

(6)

式(6)中，γj,i代表簇j中第i个用户的接收信噪比。

在瑞利衰落信道下，γj,i的概率密度函数表示为[6]：

(7)

设ρmax,i是在瑞利衰落模型下第i个簇的簇首到数据融合中心的SNR的峰值：

ρmax,i=max(ρi,1,ρi,2...ρi,Ki)

(8)

ρi,j指的是在第i个簇中的第j个节点的SNR，其服从指数分布。ρmax,i的概率密度函数可以表示为：

(9)

对于给定的ρmax,i，其错误概率BER(Bit Error Rate)为：

(10)

2.3 仿真分析

为了验证基于分簇协作的频谱感知算法是否更适用于应急通信的场景，本文用MATLAB软件进行仿真对比。假设在非理想控制信道下经历瑞利衰落，本文对在 200 m×200 m 的区域内分布的60个参与分簇协作的随机节点进行独立仿真，仿真参数如表1所示。

表1 仿真参数及参数值

图3 传统的应急频谱检测算法与基于分簇协作频谱感知算法的检测性能比较

仿真中将本文算法和传统单认知用户频谱检测算法进行了性能对比，2种算法的检测概率Qd,j,i随虚警概率Qf,j,i的变化如图3所示。

图4 3种算法下误码率随信噪比变化曲线

从曲线的变化情况来看，在全局感知中Qf,j,i相同的情况下，能够得到准确度更高的Qd,j,i。这是由于经过分簇的网络不仅在完成簇内感知的过程中大幅减少了因个别用户检测性能差而带来的信道利用率低的问题，还可以有效通过簇和簇首的不断更新来提高网络的可生存性。而传统的单用户频谱感知算法，由于协议开销较大和网络管理效率低下，随着Qf,j,i的提高，Qd,j,i要明显低于本文算法。

除了检测概率和虚警概率之外，簇首向FC发送决策时的误码率BER也是判断频谱感知算法性能优劣的重要因素之一。图4表示了基于分簇协作、多用户协作以及单认知用户检测3种不同的频谱感知算法中误码率随信噪比变化曲线。从图4可以看出，随着SNR增加，本文算法的BER要优于其他2种。这是因为噪声的功率对信号所具有的稀疏性有很大的影响，而本文算法将协作感知分为簇内、簇间2级进行，在数据融合上可以有效规避信息传递时的误码情况，因此分簇算法能够取得较好的性能。

3 结 语

针对应急通信场景的特殊性，结合传统的单用户频谱感知算法存在的缺陷，充分考虑路径损耗和衰落对检测性能的影响，本文探讨了一种基于分簇协作频谱感知算法。该算法通过簇内、全局2级数据融合的方式提高感知性能和降低误码率，并通过MATLAB仿真验证其可行性。该算法复杂度较低，易于实现，有良好的认知能力和可生存性，可以有效解决突发事件场景下频谱资源紧张的问题。