謝顯中，楊 光，馬 彬

（重慶郵電大學寬帶接入網(wǎng)絡(luò)研究所，重慶 400065）

0 引言

認知無線電提供了一種按伺機的方式共享和利用頻譜的手段，它可以有效地解決目前面臨的頻譜資源越來越缺乏的問題［1］。頻譜移動是認知無線電用戶改變其運行頻率的過程，這產(chǎn)生了一種新的在認知無線電網(wǎng)絡(luò)中的切換問題，通常稱之為頻譜切換，即發(fā)生在當前信道的性能下降或者主用戶出現(xiàn)的時候。在頻譜切換中，不同層的協(xié)議必須很快地適應新的工作頻率的信道參數(shù)。當認知用戶改變其工作頻率的時候，網(wǎng)絡(luò)協(xié)議將從一種工作狀態(tài)變換成另外一種。頻譜移動管理的目的是使網(wǎng)絡(luò)狀態(tài)變換盡可能較快地、平滑地進行，確保在這樣的頻譜切換中最大限度地降低認知用戶的業(yè)務(wù)性能損失。

目前已經(jīng)有很多關(guān)于頻譜切換的研究，比如，減少認知用戶的頻譜切換概率和數(shù)量、切換延遲，提高認知用戶的通信容量等，采用的算法和工具有馬爾科夫鏈、功率控制、模糊數(shù)學等。文獻［2-3］中提出將非授權(quán)信道作為備份信道的機會式頻譜接入機制來改進認知用戶的鏈路維持概率和切換數(shù)量;文獻［4-5］提出基于預測的頻譜決定算法來減少頻譜切換概率;Yoon等［6］提出自發(fā)頻譜切換機制來減少認知用戶的切換延遲;文獻［7-8］利用連續(xù)時間的馬爾科夫鏈模型來分析認知用戶的中斷概率;Paramo［9］提出了保護信道模型來限制認知用戶的中斷概率;Waqas等［10］提出在幾種常見的數(shù)學模型下研究認知用戶的中斷概率和容量;文獻［11-12］利用隊列網(wǎng)絡(luò)模型來分析預認知和后認知對頻譜切換的影響;Giupponi［13］研究了基于模糊數(shù)學理論，利用不確定不完全的信息來進行有效的頻譜切換;Liu等［14］討論了認知用戶在時間關(guān)系模型下的頻譜切換概率;Ohyun［15］對因頻率變化而引起的中斷問題討論了不同頻率間切換機制。

在以上這些頻譜切換方案下，當主用戶出現(xiàn)時，認知用戶需要立刻空出正在通信的頻段以避免給主用戶造成干擾，然后檢測空閑頻段，如果沒有可用的空閑頻段則會出現(xiàn)服務(wù)中斷，如果有可用的空閑頻段則需要進行頻譜切換。但是，如果主用戶頻繁出現(xiàn)，就會發(fā)生大量的頻譜檢測和頻譜切換，這樣就會導致認知用戶性能的嚴重下降。Liu等［16］提出了一種新的頻譜切換機制來提高認知用戶的傳輸效率。不同于以往，其研究了在同一頻段中主用戶和認知用戶共存（襯墊傳輸）的情況，將動態(tài)頻譜分配和功率控制結(jié)合起來，其研究結(jié)果顯示采用此機制后的頻譜切換數(shù)量減少。但是該機制也存在局限性和缺陷，只分析了在理想情況下的性能，比如授權(quán)信道和非授權(quán)信道都存在空閑，在實際中，性能會出現(xiàn)偏差和下降。

只要認知用戶對主用戶的干擾不超過一定的門限，就能在原信道與主用戶同時進行傳輸，這就是襯墊傳輸方式。但是，襯墊傳輸方式給認知用戶留下的傳輸范圍非常有限。為了克服上述問題，基于對襯墊傳輸?shù)膫鬏敺秶烙嫞疚奶岢鼋Y(jié)合主用戶與認知用戶共存的襯墊傳輸和多小區(qū)的頻譜切換機制，當無法進行襯墊傳輸時，向相鄰小區(qū)進行頻譜切換，在對多小區(qū)進行選擇時，采用動態(tài)權(quán)值的簡單加權(quán)判定（simple additive weight-dynamic weight，SAWDW）算法來選擇最優(yōu)目的小區(qū)，減少認知用戶的服務(wù)中斷。理論分析和仿真結(jié)果顯示，該方案和算法能夠有效地減少切換失敗概率和服務(wù)中斷概率，提高認知用戶的性能。

1 基于干擾溫度模型的襯墊傳輸范圍估計

1.1 干擾溫度模型

干擾溫度可以看做是認知用戶對主用戶頻段內(nèi)的干擾功率譜密度，其界限包括原始的噪聲基底和認知用戶產(chǎn)生的干擾，原始的噪聲基底是由熱噪聲、自然噪聲以及人為噪聲造成的。針對經(jīng)過譜估計得到的干擾溫度，文獻［17］中給出了干擾溫度界限TL（fc）:

（1）式中:TI（fc，B）表示在中心頻率為fc處，帶寬為B的頻帶內(nèi)的干擾溫度;Pt（fc，B）表示在中心頻率為fc處，帶寬為B的認知用戶發(fā)射端平均功率;k為波茲曼常數(shù);常數(shù)Lc為衰減因子，用來描述認知用戶發(fā)射端和主用戶接收端之間的衰落和路徑損耗引起的乘性噪聲。這樣建立的干擾溫度模型是用來限制對主用戶接收端引起的干擾。

只要干擾小于主用戶所能容忍的最大限，即干擾溫度界限，就不會對主用戶系統(tǒng)造成嚴重的干擾。圖1給出了一個主用戶系統(tǒng)和認知用戶系統(tǒng)共存的模型，在干擾溫度界限和原始噪聲基底之間出現(xiàn)了新的頻譜接入機會。

圖1 頻譜接入模型Fig.1 Spectrum accessmodel

圖1中，M表示沒有認知用戶接入時主用戶基站的覆蓋范圍;N表示認知用戶接入后主用戶基站的覆蓋范圍?？梢?，由于認知用戶系統(tǒng)的接入，主用戶系統(tǒng)可以覆蓋的范圍變小了。

1.2 襯墊傳輸范圍估計

前面分析了在干擾溫度模型下對認知用戶發(fā)送端的限制條件。當主用戶出現(xiàn)，認知用戶暫時不進行頻譜切換，先計算不干擾主用戶通信的最大傳輸功率，并根據(jù)此功率得到相應的最大傳輸覆蓋范圍。然后，認知用戶比較計算得到的最大距離和實際收發(fā)端之間的距離。如果實際距離小于計算的最大距離，則認知用戶可以繼續(xù)在當前信道進行傳輸，不需要進行頻譜切換，也不會對主用戶通信產(chǎn)生嚴重干擾，即襯墊傳輸;如果實際距離大于計算的最大距離，則認知用戶無法在當前信道進行傳輸。

而認知用戶如果正常傳輸還要滿足自身的傳輸條件，即認知用戶發(fā)送端到認知用戶接收端的傳輸條件。

首先，我們對（1）式進行變換，得到認知用戶發(fā)送端的最大傳輸功率:

其次，考慮到認知用戶發(fā)送端的信號在到達認知用戶接收端的過程中，還要經(jīng)歷傳播損耗。根據(jù)Okumura-Hata模型，傳播損耗為

（3）式中:r為認知用戶發(fā)送端到認知用戶接收端的傳播距離;fc為工作頻率。

所以，認知用戶接收端的最大功率為

認知用戶接收端要保證能正確解調(diào)接收到的發(fā)送端信號，就必須滿足一定的信干噪比:

（5）式中:Ip表示主用戶對認知用戶接收端引起的干擾功率;Nw表示認知用戶接收端的噪聲功率。

根據(jù)上述分析，設(shè)λmin為規(guī)定的最小信干噪比，可得到

則rmax就是在對主用戶的正常傳輸不產(chǎn)生嚴重干擾的條件下，同時又能保證認知用戶發(fā)送端與認知用戶接收端之間可以通信的最大距離。因此，如果認知用戶收發(fā)端之間的距離大于rmax，認知用戶就不能再進行襯墊傳輸。因此下面給出動態(tài)權(quán)值的SAW-DW算法，當認知用戶無法襯墊傳輸時就進行多小區(qū)的頻譜切換，以減少認知用戶的中斷。

1.3 襯墊傳輸和多小區(qū)水平切換結(jié)合

襯墊傳輸多小區(qū)模型如圖2所示。圖2中，宏小區(qū)為主用戶基站的覆蓋范圍，覆蓋范圍廣;微小區(qū)為認知用戶基站的覆蓋范圍，覆蓋范圍較小。

圖2 多小區(qū)模型Fig.2 Multi-cellmodel

若將襯墊傳輸和多小區(qū)水平切換相結(jié)合時，會產(chǎn)生認知無線電網(wǎng)絡(luò)中新的問題，那就是主用戶的出現(xiàn)與同頻段的多個認知用戶相互產(chǎn)生影響。為了簡化系統(tǒng)模型和復雜度，便于計算和仿真。本文限定每個主用戶頻段同時只能有一個認知用戶通信，或者同時允許多個認知用戶通信，但當主用戶出現(xiàn)時，只有本小區(qū)的一個認知用戶作襯墊傳輸估計，其余的認知用戶都轉(zhuǎn)移到其他空閑頻段，不進行襯墊傳輸估計。這樣，當主用戶出現(xiàn)時，只需要對本小區(qū)的一個認知用戶做襯墊傳輸估計。本文的系統(tǒng)模型為蜂窩通信系統(tǒng)，用戶經(jīng)過基站進行通信。并且在計算時不考慮用戶的移動性，認知用戶可以利用重疊的微小區(qū)進行頻譜切換。當認知用戶不能襯墊傳輸時，也可以切換到本小區(qū)的其他空閑頻段。但是如果本小區(qū)內(nèi)沒有空閑頻段或者其他小區(qū)有更好的服務(wù)質(zhì)量，認知用戶就應該切換到其他小區(qū)。因此，本文重點分析小區(qū)間的切換。

2 多小區(qū)的頻譜切換機制和帶動態(tài)權(quán)值調(diào)整的簡單加權(quán)判定算法

2.1 多小區(qū)的頻譜切換機制

為了使認知用戶在無法進行襯墊傳輸時不產(chǎn)生服務(wù)中斷，繼續(xù)數(shù)據(jù)傳輸。本節(jié)在襯墊傳輸范圍估計的基礎(chǔ)上，加入了多小區(qū)的頻譜切換機制。認知無線電網(wǎng)絡(luò)中多小區(qū)的頻譜切換流程如圖3所示。

圖3 多小區(qū)的頻譜切換流程Fig.3 Multi-cell spectrum handoff flow

當認知用戶在襯墊傳輸方式下無法繼續(xù)時，就可以向鄰小區(qū)進行頻譜切換，尋求新的空閑頻譜，保持繼續(xù)通信。在切換過程中，本小區(qū)的基站負責收集各種必要的信息，其中，包括其他小區(qū)的各種信息和認知用戶的信息。本小區(qū)基站也負責切換算法中權(quán)值和判定函數(shù)的計算。

2.2 帶動態(tài)權(quán)值調(diào)整的簡單加權(quán)判定算法

根據(jù)多個判定因素從多個候選目標中選擇最優(yōu)解的問題。這類問題常?？梢圆扇『唵渭訖?quán)（simple additive weight，SAW）算法來解決。而SAW 算法中的判定因素權(quán)值往往是固定的，權(quán)值的選擇一般是根據(jù)經(jīng)驗賦值或者采取隨機賦值的方法。因而SAW算法不能反映認知無線電網(wǎng)絡(luò)的動態(tài)變化情況，進而導致了算法的不準確，降低了認知用戶的性能。而帶有動態(tài)權(quán)值調(diào)整的SAW算法可以很好地改進這個問題，下面進行詳細分析。

對于一個候選網(wǎng)絡(luò)i，在時刻k的切換判定函數(shù)可以表示為

（7）式中:i∈［1，N］，N表示候選網(wǎng)絡(luò)的總數(shù);M是判定因素的數(shù)量;ωi，j為網(wǎng)絡(luò)i中判定因素j的權(quán)值;Ni，j為網(wǎng)絡(luò)i中判定因素j的歸一化值。

對于每個候選網(wǎng)絡(luò)i，切換判定函數(shù)fi（k）的值越大，說明網(wǎng)絡(luò)i的性能就越好。根據(jù)認知無線電網(wǎng)絡(luò)的特性，選擇3個判定因素:認知用戶的接收信號強度ri（k）;認知用戶可以利用的空閑信道數(shù)ai（k）;主用戶對認知用戶的干擾功率pi（k）。下面首先將這3個判定因素的值進行歸一化變換:

（8）－（10）式中:ri（k），ai（k），pi（k）分別為第i個網(wǎng)絡(luò)在k時刻的相應值，Ri，min，Ri，max，Ai，max，Pi，max分別為第i個網(wǎng)絡(luò)各個參數(shù)的最小值和最大值。

在SAW算法中的權(quán)值ωi，j是固定的，而當認知無線電網(wǎng)絡(luò)狀況變化時不能反映網(wǎng)絡(luò)的實際情況。而動態(tài)SAW算法（SAW-DW）的權(quán)值是隨著網(wǎng)絡(luò)狀況調(diào)整的，能夠及時正確反映網(wǎng)絡(luò)條件的改變。

SAW-DW算法的權(quán)值可由（11）式計算出

ωi，j（k）=βj（k）αj（k）·γi（k）（11）（11）式中:i∈［1，N］，j∈［1，M］;N表示候選網(wǎng)絡(luò)的總數(shù)，判定因素的總數(shù)M=3;αj（k），βj（k）分別表示判定因素j的均值和標準差，γj（k）為加權(quán)和。

可以看出，在頻譜切換的過程中，具有更小的均值αj（k）和更大的標準差βj（k）的判定因素j會起到更重要的作用。比如，當ri（k）均值小于ai（k）均值時，說明ai（k）相對豐富，ri（k）在切換時起更大的決定作用。同樣，當ri（k）標準差大于ai（k）標準差時，說明在候選網(wǎng)絡(luò)之間ri（k）的差異更大，利用這個因素的差異可以更好地區(qū)分候選網(wǎng)絡(luò)。

在時刻k切換時，通過（7）式計算各個候選網(wǎng)絡(luò)的判定函數(shù)值fi（k），然后進行比較，最大fi（k）值的網(wǎng)絡(luò)m相對能夠提供最好的性能，然后將網(wǎng)絡(luò)m作為切換的最優(yōu)目的小區(qū)。當滿足下面門限條件δ時，就可以進行切換:

（15）－（17）式中:fn表示當前服務(wù)網(wǎng)絡(luò)的判定函數(shù)值;δ表示切換判定的門限值。

3 分析與仿真

假設(shè)認知用戶的到達過程服從參數(shù)為λ的泊松分布，以及ri（k）在Ri，min和Ri，max之間，ai（k）在0和Ai，max之間，pi（k）在 0 和Pi，max之間都滿足均勻分布。傳播損耗模型采用Okumura-Hata模型。

主用戶的到達速率和認知用戶的到達速率對認知用戶的性能都有影響。當分析切換失敗概率時，我們考慮以水平切換為主，設(shè)主用戶的到達速率為定值0.4個/s，然后討論認知用戶到達速率的變化與切換失敗概率的關(guān)系。當分析中斷概率時，我們考慮主用戶的影響為主，設(shè)認知用戶的到達速率為定值0.6個/s，然后討論主用戶到達速率的變化與中斷概率的關(guān)系。

3.1 切換失敗概率比較

為了比較，分別對單獨基于接收信號強度判定因素時的切換、單獨基于認知用戶可用信道數(shù)判定因素時的切換、單獨基于對主用戶干擾判定因素時的切換、多參數(shù)固定SAW的切換、多參數(shù)動態(tài)權(quán)值算法（SAW-DW）等5種判定算法進行了切換失敗概率的仿真，設(shè)δ=0.05，主用戶到達速率為0.4個/s，結(jié)果如圖4所示。

從圖4中可以看出，采用了參數(shù)固定SAW，比采用單獨一個判定因素時的3種方案的切換失敗概率都要低，體現(xiàn)出綜合考慮多個判定因素的優(yōu)越性。采用多參數(shù)動態(tài)SAW-DW比采用多參數(shù)固定SAW的切換失敗概率更低，顯示出加入動態(tài)權(quán)值調(diào)整的好處。

3.2 服務(wù)中斷概率的仿真

在傳統(tǒng)模式下，認知用戶的服務(wù)中斷概率也就是主用戶的到達概率，滿足泊松分布:

由第一節(jié)的推算結(jié)論（6）式可以得出認知用戶在襯墊傳輸方式下的服務(wù)中斷概率:

可以得出，認知用戶在采用SAW-DW判定算法的多小區(qū)頻譜切換機制下的服務(wù)中斷概率:

（20）式中:Pf為選擇最優(yōu)網(wǎng)絡(luò)時的切換失敗概率。

圖5對認知用戶在上面3種不同機制下的服務(wù)中斷概率Pcon，Punder，Pdw進行了仿真和比較。設(shè)δ=0.05，認知用戶到達速率為0.6個/s。

圖5 不同機制下的服務(wù)中斷概率Fig.5 Service interrupt probability of different schemes

從圖5中可以看出，主用戶出現(xiàn)的速率越大，認知用戶發(fā)生服務(wù)中斷的概率就越大。通過比較可以看出，加入襯墊傳輸和多小區(qū)頻譜切換的機制后，認知用戶的服務(wù)中斷概率都出現(xiàn)了明顯的降低，性能得到了顯著的提升。

3.3 動態(tài)切換門限的影響

切換門限對切換效果有較大影響，這里進一步研究判定門限δ的值根據(jù)實際需求的變化而變化。

（21）式中:δth表示原來的固定門限值，限定了δ的初始值;ε表示變化因子，決定δ的最大變化范圍;ηrt表示認知用戶服務(wù)中實時業(yè)務(wù)所占的比例。

可以設(shè)定適當?shù)?δth和 ε值，比如 δth=0.05，ε=0.02，通過ηrt的變化引起δ的變化。此時δ的取值限定在0.03～0.05。當ηrt逐漸增加時，表示認知用戶的實時業(yè)務(wù)比例增加，通過（21）式引起δ的減少，而δ的降低使認知用戶在切換時面臨的可選網(wǎng)絡(luò)機會增多，可以更快地向目標小區(qū)切換，減少了切換延遲，降低了中斷概率。

圖6給出了實時業(yè)務(wù)比例的變化對切換失敗概率的影響。設(shè)δth=0.05，ε=0.02，主用戶的到達速率為0.4個/s。

圖6 可變門限對切換失敗概率的影響Fig.6 Changeable threshold on effect of handoff failure probability

從圖6可以看出，由于認知用戶實時應用比例的遞增，判定門限δ發(fā)生了變化，使SAW算法和SAW-DW算法的切換失敗概率都逐漸降低，而且SAW-DW算法的性能始終優(yōu)于SAW算法。

圖7給出了實時業(yè)務(wù)比例的變化對中斷概率的影響。設(shè)主用戶到達速率為0.4個/s，認知用戶到達速率為0.6個/s。

從圖7也可以看出，無論是 SAW算法還是SAW-DW算法，隨著認知用戶實時應用比例的增加，引起切換門限δ的減少，從而導致切換判定準則的變化，結(jié)果使服務(wù)中斷概率都不斷降低，且動態(tài)權(quán)值算法的性能更好。這樣，可變門限比固定門限能夠帶來更好的性能。并且當δth減少時，引起δ的減少，使中斷概率降低。而當ε減少時，引起δ的增大，使中斷概率增加。

4 總結(jié)

本文提出了在認知無線電網(wǎng)絡(luò)中，將襯墊傳輸方式與多小區(qū)切換機制相結(jié)合的模型。并且在此基礎(chǔ)上重點研究了選擇目標小區(qū)時所用的判定算法，提出了將動態(tài)權(quán)值調(diào)整的簡單加權(quán)算法與可變判定門限相結(jié)合的判定準則。通過理論分析和仿真結(jié)果顯示出，提出的模型和判定算法能夠顯著降低認知用戶的服務(wù)中斷概率，提高認知用戶的服務(wù)質(zhì)量。下一步將對可變門限的優(yōu)化進行研究。

圖7 可變門限對中斷概率的影響Fig.7 Changeable threshold on effect of interrupt probability

［1］ ZHAO Qing，BRIANM，S.A survey of dynamic spectrum access［J］.IEEE Signal Processing Magazine，2007，24（3）:79-89.

［2］ KALILM A，MAHDIH AL，A.Mitschele Thiel.Spectrum handoff reduction for cognitive radio ad hoc networks［C］//International Symposium on Wireless Communication Systems（ISWCS）.York:IEEE Press，2010:1036-1040.

［3］ZHANG Yan.Spectrum handoff in cognitive radio networks:opportunistic and negotiated situations［C］//IEEE ICC.2009.Fullerton:IEEE Press，2009:1-6.

［4］ LIYang，DONG Yu-ning，ZHANG Hui，etal.Qos provisioning spectrum decision algorithm based on predictions in cognitive radio networks［C］//International Conference on Wireless Communications Networking and Mobile Computing（WiCOM）.Cheng du:IEEE Press，2010:1-4.

［5］SONG Yi，XIE Jiang.Proactive spectrum handoff in cognitive radio ad hoc networks based on common hopping coordination［C］//IEEE INFOCOM2010.San Diego:IEEE Press，2010:1-2.

［6］YOON Suk Un，EKICIE.Voluntary spectrum handoff:a novel approach to spectrum management in CRNs［C］//IEEE ICC2010.Cape Town:IEEE Press，2010:1-5.

［7］LEI Jiao，VICENT Pla，F(xiàn)RANK Y L.Analysis on channel bonding/aggregation formulti-channel cognitive radio networks［C］//European Wireless Conference（EW）.Lucca:IEEE Press，2010:468-474.

［8］ CHUNG J M，KIM C H，PARK J H，et al.Optimal channel alloction for cognitive radios［J］.Electronics Letters，2010，46（11）:802-803.

［9］ PARAMO Pacheco D，PLA Vicent，MAETINEZ Jorge Bauset.Optimal admission control in cognitive radio networks［C］//International Conference on Cognitive Radio Oriented Wireless Networks and Communications（CROWNCOM）.Hannover:IEEE Press，2009:1-7.

［10］ AHMEDWaqas，GAO Jason，F(xiàn)AULKNERMichael.Performance evaluation of a cognitive radio networkswith exponential and truncated usagemodels［C］//International Symposium on Wireless Pervasive Computing.Melbourne:IEEE Press，2009:1-5.

［11］ LIChun-wang，CHUNGWei-wang.Spectrum handoff for cognitive radio networks:reactive-sensing or proactivesensing?［C］//IEEE International Performance，Computing and Communications Conference.Austin:IEEE Press，2008:343-348.

［12］謝顯中，后茂森.基于統(tǒng)計信息與多隊列的CR動態(tài)頻譜分配［J］.吉林大學學報:信息科學版，2009，27（5）:452-458.

XIE Xian-zhong，HOUMao-sen.Dynamic spectrum alloca-tion scheme based on statistical information and multiqueue in CR networks［J］.Journal of Jilin University:Information Science Edition，2009，27（5）:452-458.

［13］ GIUPPONIL，ANA I.Perez Neira.Fuzzy-based spectrum handoff in cognitive radio networks［C］//International Conference on Cognitive Radio Oriented Wireless Networks and Communications（CROWNCOM）.Singapore:IEEE Press，2008:1-6.

［14］ LIU Hong-jie，WANG Zhong-xu，LI Shu-fang，et al.Study on the performance of spectrum mobility in cognitive wireless network［C］//IEEE International Conference on Communication Systems（ICCS）.Singapore:IEEE Press，2008:1010-1014.

［15］ JOOhyun，CHOIHyun Ho，CHODong-Ho.Seamless spectrum handover improving cell outage in cognitive radio systems［C］//International Conference on Cognitive Radio O-riented Wireless Networks and Communications（CROWNCOM）.Hannover:IEEE Press，2009:1-6.

［16］ LIU Dian-jie，HUANG Xiao-xia，LIU Cong，etal.Adaptive Power Control Based Spectrum Handover for Cognitive Radio Networks［C］//IEEE Wireless Communi-cations and Networking Conference（WCNC）.Sydney:IEEE Press，2010:1-5.

［17］ CLANCY TC.Formalizing the Interference Tempera-ture Model［J］.Journal on Wireless Communications and Mobile Computing，2007，7（9）:1077-1086.