一种认知无线网络中的协作用户快速频谱感知优化算法

范波勇 张 敏 周井泉

1(长沙民政职业技术学院软件学院 湖南 长沙 410004) 2(湖南邮电职业技术学院 湖南 长沙 410015) 3(南京邮电大学电子与光学工程学院 江苏 南京 210003)

0 引 言

为了加快5G移动通信网络商用，《国家无线电管理规划(2016-2020年)》指出将重耕频谱资源，为5G系统储备500 MHz以上的频谱资源。国际无线电通信全会R15将5G正式定名为IMT-2020，意味着国际电联规定现有IMT系统使用的所有中低频段都可以被5G系统所采用，扩展5G网络的覆盖性能。另外，新推出的《国家信息化发展战略纲要》明确将频率作为国家信息化发展的重要基础设施，指出要做好资源配置和科学规划，提升频谱资源利用率[1]。

近期，国家无线电监测中心发布《450 MHz-5 GHz关注频段频谱资源评估报告》，给出了北京等城市部分无线电频谱占用情况，统计得出5 GHz以下所关注频段大部分的使用率远远小于10%，说明5 GHz以下已分配无线频谱资源利用率低、使用效率低[2]。

由此可见，5G需要采用认知无线电技术来提高频谱利用率[3]。认知无线电技术可使次用户(Secondary User，SU)机会接入主用户(Primary User，PU)的授权频谱，允许次用户租用主用户未使用的频谱资源，或者允许次用户与主用户共享频谱资源[4-6]。认知无线电系统能够自动对周围无线环境进行感知，从而对系统传输参数进行动态调整。认知用户通过频谱检测，一方面发现现有的频谱空穴，并利用这些空穴进行通信。另一方面当有主用户恢复通信的时候，及时退出空穴而不影响主用户的通信。但是，由于多径和阴影效应的存在，单个用户的感知能力十分有限。相形之下，协作频谱感知技术可以大大提高频谱感知的能力[7-9]。

协作频谱感知技术在提高系统的检测率的同时，会提高计算复杂度和延长检测时间。最经典的融合检测准则有OR准则、AND准则和K/N准则。OR准则通过对认知用户发送给接收器的本地判决结果做或运算作为最终的判决结果，即一个认知用户判断主用户存在则接收器就判定PU信号存在。OR准则能够提高检测率, 减小对PU的干扰，同时提高虚警率，降低频谱空穴识别能力，降低频谱利用率。AND准则通过对认知用户发送给接收器的本地判决结果做与运算作为最终的判决结果。即所有认知用户都判断PU存在的情况下接收器才会判断PU存在。AND准则能够降低虚警率, 提高频谱空穴发现能力，提高频谱利用率，同时降低检测概率，增加对PU的干扰。而K/N准则是一个折中的检测准则，系统中有N个认知用户，只要有K(1≤K≤N)个认知用户的本地感知判断PU存在，那么接收器就会判断PU存在。与OR准则相比， K/N准则虚警率要低；与AND准则相比，K/N准则检测率要高[10]。

通过与经典融合检测准则的比较，本文提出采用能量检测法进行协作频谱感知的优化方法，在保证不影响主用户通信的前提下，使得总的代价函数最优。在此基础上，提出复杂认知网络，在满足代价函数边界条件下，快速寻找所需的最少协作认知用户数的方法[11]。

1 系统模型

频谱感知的本质是一个二元假设问题，可以如下描述：H0为主用户不在通信，H1为主用户正在通信。

考虑如图1的模型：认知网络是由K个认知用户(SU)和一个接收器组成的。接收器起到基站的作用，协调所有的认知用户以及整个认知无线网络。假定K个认知用户独立地进行本地频谱感知。感知采用能量检测法，即在固定带宽W和时间间隔T内测量无线信道频谱所携带的能量，以决定是否存在主用户(PU)。由文献[6]可知对于第i个认知用户，在AWGN信道下能量检测法的平均虚警概率和平均漏检概率可以表示为：

(1)

(2)

Pm,i=1-Pd,i

(3)

式中:Pf,i为第i个认知用户的虚警概率；Pd,i为第i个认知用户的检测概率，采用Q函数计算出它的期望值；Pm,i为第i个认知用户的漏检概率；Ei是第i个认知用户所携带的能量；γi为第i个认知用户的信噪比；λi为第i个认知用户的检测门限值；u为能量检测中带宽W和时间间隔T的乘积。

图1 频谱感知网络结构

协作频谱感知中，各个认知用户将本地的判决结果以1 bit形式传给接收器，设定门限用户数n，当报告H1的用户数超过n，则接收器判断主用户存在，否则就判断主用户不存在。在此基础上作一定的假设：比起主用户到认知用户的距离，认知用户间的距离相对较小，所以假定各个认知用户具有相同的路径损耗，而且假定各个认知用户具有相同的门限λ[12]。这样Pf,i和Pm,i将与i无关，可以简化为Pf和Pm。因此总的虚警概率和漏检概率可以简化为：

(4)

(5)

2 协作频谱感知优化算法设计

在实际通信中，认知用户总的虚警率Qf表示信道中没有主用户PU的干扰信号时，次用户检测器却检测到干扰信号的概率，Qf衡量的是认知用户SU对频谱空洞的利用率，其值越大利用率越低。漏检率Qm表示信道中有PU的干扰信号时，次用户检测器却检测不到干扰信号的概率[13]。Qm衡量的是SU对PU的干扰程度，其值越大，PU受到SU的干扰越大。引入代价函数为：

F(n)=aQf+bQm

(6)

式中：a、b表示在虚警和漏检情况下的代价值。在给定认知用户数和信噪比的条件下，F(n)可以表示为：

(7)

所以：

(8)

令F(n+1)-F(n)=0可以得出：

(9)

(10)

3 仿真结果

仿真条件为假定认知网络中存在8个认知用户，信噪比定SNR=10 dB，代价值a=2、b=1。这时F(n)化简为F(n)=2Qf+Qm。然后根据上述情况，对漏检率性能的改善和最优化准则下代价函数的性能进行了仿真。

图2为协作频谱感知中不限制漏检率和限制漏检率的情况对比。通过限制漏检率，协作频谱感知时漏检率性能得到大大改善，基本维持在0.01以下，将主用户PU的正常通信的干扰降到最小。

图2 K=8,信噪比SNR=10 dB情况下加入限制后的漏检率性能

图3说明了所提最优准则在代价函数的代价值a=2、b=1情况下，相比于OR准则和AND准则的漏检率情况。根据前文讨论的定义，将OR准则设定门限用户数n=1，将AND准则设定门限用户数n=K。为了讨论方便，这里不考虑K/N准则的情况。从图3可以看出，所提最优准则的代价函数值相比OR准则和AND准则大大降低，优化效果明显。由此可见，所提最优算法可以使协作频谱感知的风险最小化，降低算法复杂度，提高频谱感知真正预测时的效果。

图3 K=8,信噪比SNR=10 dB情况下代价函数2Qf+Qm仿真

4 结 语

认知无线电是5G网络关键技术之一。本文分析采用能量检测法进行协作频谱感知的优化方法，分析一种在不影响主用户通信的前提下，最优化代价函数的算法。并将这种算法引申开来，提出在保证主用户PU正常通信和满足代价函数边界条件下，寻找最小协作认知用户数的算法。通过仿真发现这种算法既保证了主用户的正常通信，又减少了所需的协作认知用户数，改善了漏检率性能，通过最优化，代价函数值大大降低，优化效果明显。