王 嬌，黃玉清，江 虹，周云輝

(西南科技大學信息工程學院，四川 綿陽 621010)

責任編輯:許 盈

認知無線電技術作為緩解無線頻譜資源緊張局面的有效方法，已成為通信領域的研究熱點［1］。由于認知無線電網絡(Cognitive Radio Networks，CRN)中機會頻譜的動態(tài)性，使得傳統(tǒng)路由算法不能完全適用于CRN［2］。目前對CRN頻譜分配與路由跨層算法的研究主要集中在分布式認知無線網絡［3－4］，針對具有基礎設施的混合式CRN，文獻［5］提出了一種基于著色圖模型的跨層路由設計，該設計在一定干擾限制條件下選擇具有最短路徑的路由;文獻［6］提出了將跳數最少、魯棒性強和路由安全等級高作為路由選擇標準;文獻［7］利用馬爾可夫鏈建模，提出了一種基于動態(tài)分層圖模型的路由策略與頻譜接口分配策略。

本文采用模型簡單且適用性較好的著色圖模型分析設計混合式CRN網絡的信道分配和路由算法［8］。針對文獻［5］沒有考慮到交叉節(jié)點對網絡通信性能影響的不足，提出了信道分配和路徑選擇改進算法(ICARS)，通過定義認知用戶在某一時刻只能用于一條數據流數據的發(fā)送或接收，從而可以避免多條數據流形成交叉節(jié)點在不同信道間來回切換，避免“耳聾”效應的發(fā)生，降低端到端時延。ICARS算法采用貪婪搜索算法獲得端到端最短路徑路由，使得接入授權信道的認知用戶盡快完成通信，一方面保障了該認知用戶端到端傳輸的質量，另一方面可盡快讓出授權信道供其他認知用戶使用，從而進一步提高頻譜利用率，增加網絡吞吐量。

1 系統(tǒng)模型

本文研究的混合式CRN網絡模型如圖1所示，由主用戶網絡和認知用戶網絡組成。其中，主用戶網絡由具有授權頻段的M個主用戶組成，包括Mact個活躍主用戶(正在進行通信的主用戶)和M－Mact非活躍主用戶(處于空閑狀態(tài)的主用戶)。用PU表示主用戶集合，PUact表示活躍主用戶集合，則PUact?PU，fk表示主用戶k的授權信道，Rinf為主用戶的干擾半徑。

認知用戶網絡由N個認知用戶和1個認知基站組成，用SU表示認知用戶集合。認知用戶是具有頻譜感知、頻譜切換等認知能力的移動終端，通過擇機的方式接入主用戶的授權信道，其通信半徑為Rcom，SOPi表示認知用戶節(jié)點i可使用的信道集合，也稱機會頻譜。認知基站可以是類似于蜂窩網的基站或WLAN的接入點，除了具有傳統(tǒng)基站的功能外，還要負責檢測周圍無線頻譜環(huán)境，獲得認知用戶和主用戶的位置信息，分析可用頻譜信息，識別主用戶行為，決策其覆蓋范圍內的端到端路由等功能。

圖1 混合式CRN網絡模型

2 基于著色圖模型的混合CRN路由算法

為了更加有效地描述算法，文中用rij表示認知用戶i與j之間的路徑長度，定義為兩節(jié)點之間的跳數，如式(1)所示。

式中:dij表示認知用戶之間的距離。式(1)表示:當且僅當用戶i與j之間的距離小于其通信半徑Rcom，且它們至少共享一條可用信道時，兩個認知用戶才能彼此直接通信，也稱節(jié)點i和節(jié)點j互為鄰居節(jié)點。

用xij表示認知用戶鏈路(i，j)當前的狀態(tài)，如果鏈路中的節(jié)點當前正在轉發(fā)或處理數據，則狀態(tài)為忙，否則處于空閑狀態(tài)，可表示為

本文路由算法除了考慮路由長度外，為避免多條數據流形成交叉節(jié)點在不同信道間來回切換，避免“耳聾”效應的發(fā)生，從而降低端到端時延，文中用wij表示認知用戶鏈路(i，j)的權重，定義為鏈路的跳數與鏈路狀態(tài)的加權和，作為路由選擇標準，具體表達式為

式中:α ∈［0，1］，β∈［0，1］，且α + β =1。

此外，文中用e(f)表示從源節(jié)點S到節(jié)點n的最短路徑上具有相同顏色連續(xù)邊(信道)的條數。

本文基于著色圖模型，考慮數據交叉節(jié)點對網絡通信性能的影響，通過改進文獻［5］的CARS算法，為認知用戶數據流(源節(jié)點S，目的節(jié)點D)決策具有最小干擾的最短路由ICARS算法流程如下:

1)設路徑從源節(jié)點S開始，用path=［S］表示。首先，計算CRN中各個認知用戶節(jié)點的SOP，即?i∈SU，SOPi=SOPi∪{fk1}∪{fk2}，其中，k1∈PU －PUact，k2∈PUact且di，k2＞Rinf;再根據各節(jié)點的位置信息和SOP信息，生成網絡的著色圖 G，并計算連通矩陣matrix(i，j)=wij，?i，j∈ SU 。

2)在圖G中，針對路由上的節(jié)點i，i∈path，為其尋找轉發(fā)節(jié)點j，需滿足，并為節(jié)點j分配具有最小e(f)值的信道f，且f∈SOPj。如果信道f已被其他數據流使用，則必須保證節(jié)點j處于使用信道f的其他節(jié)點的干擾半徑Rinf之外，設置path=path∪{j}，channel=channel∪{f}，轉步驟3);如果這樣的信道不存在，則設置wij=inf，更新著色圖G，轉步驟2)。

3)如果D?path，轉步驟2);如果D∈path，則算法結束。

3 仿真實驗

3.1 網絡場景與仿真參數

本文采用如圖2所示的混合式CRN網絡仿真場景，認知用戶和主用戶隨機分布在場景大小為1 000 m×1 000 m的網絡中。在圖2中，認知用戶數為40，主用戶數為8，即授權信道數為8，其中主用戶1，3，5，8處于通信狀態(tài)，即為活躍主用戶。

圖2 ICARS算法獲得的仿真結果圖

假設在圖2所示的隨機CRN場景中，存在兩條認知用戶的數據流，其源節(jié)點分別為節(jié)點2和節(jié)點5，目的節(jié)點分別為節(jié)點7和節(jié)點12，分別利用文獻［5］中的CARS算法和本文ICARS算法決策兩條數據流的端到端路由及路徑上的信道，并在圖2上標識。

3.2 仿真結果與分析

為驗證本文所提出的ICARS算法的有效性，利用多信道Manual靜態(tài)路由協(xié)議對算法進行網絡性能仿真，并將其與CARS算法進行比較分析。首先，在NS2中建立如圖2所示網絡場景TCL腳本，設置網絡傳播模型為兩徑模型、MAC協(xié)議為多信道IEEE802.11(RTS/CTS)、數據流通信模型為CBR、信道帶寬為2 Mbit/s，干擾半徑為550 m，數據分組大小512 byte;再根據圖2的仿真結果在TCL腳本中設置兩條數據流，即節(jié)點5至節(jié)點12和節(jié)點2至節(jié)點7，以及數據流的端到端路由與信道。為了保證認知用戶之間的通信半徑為250 m，認知用戶節(jié)點采用統(tǒng)一功率0.281 838 15 mW，且數據流節(jié)點5至節(jié)點12的數據開始傳輸時間為10 s，而數據流節(jié)點2至節(jié)點7開始進行數據傳輸的時間為20 s，仿真時間為100 s。通過分析Trace文件獲得吞吐量、丟包率和端到端時延網絡性能仿真結果。

圖3為利用CARS算法與ICARS算法獲得的網絡累積吞吐量。從圖3可以看出，兩種算法隨著仿真時間的增加，獲得的網絡累積吞吐量也隨之增加，但增加的程度卻不同。ICARS算法獲得的網絡累積吞吐量增加程度略高于CARS算法。

圖3 不同算法獲得的網絡累積吞吐量

圖4統(tǒng)計了兩種算法隨著數據流增加獲得網絡累積吞吐量的變化情況。從圖4可以看出，隨著數據流的增加，ICARS算法獲得的網絡累積吞吐量增加程度明顯高于CARS算法?？梢姡琁CARS算法可以緩解由于數據流增加造成的網絡擁塞狀況。

圖4 不同算法隨數據流變化獲得的網絡累積吞吐量

上述算法網絡性能仿真都是在如圖2所示的場景下完成的，其中活躍主用戶數固定，為了進一步驗證本文算法的性能，在網絡場景其他參數相同的情況下，圖5給出了兩種算法在不同活躍主用戶數下獲得的網絡累積吞吐量。

圖5 算法隨著活躍主用戶變化獲得的網絡累積吞吐量

從圖5中可以看出，隨著活躍主用戶數的增加，CARS算法與ICARS算法獲得的網絡平均吞吐量都隨之降低，這是因為隨著活躍主用戶數的增加，認知用戶可用信道數量隨之減少，從而限制了網絡吞吐量。然而，ICARS算法獲得的累積吞吐量降低程度小于CARS算法。

此外，本文還利用ICARS和CARS算法對圖2所示網絡場景的丟包率和端到端時延進行了仿真比較，這里的端到端平均時延，除了傳輸時延、排隊時延、退避時延外，還包括信道切換時延，平均端到端時延仿真結果如圖6所示。結果顯示兩者獲得的網絡丟包率基本相同，而ICARS算法獲得的端到端平均時延小于CARS算法，這是由于ICARS算法在CARS算法的基礎上考慮了交叉節(jié)點對網絡通信的影響，從而避免不同數據流形成交叉節(jié)點，盡量縮短數據分組由于交叉節(jié)點造成的排隊時延與信道切換時延，從而驗證了該算法具有較高的通信性能。

圖6 不同算法獲得的網絡端到端平均時延

4 結語

本文基于著色圖模型提出了一種信道分配與路由選擇改進算法。該算法以著色圖模型為路由分析模型，利用貪婪搜索算法為端到端通信選擇具有最小鏈路狀態(tài)和跳數加權和的最短路徑以及路徑上具有最小累積干擾的信道，從而避免了交叉節(jié)點對網絡通信性能的影響。仿真結果表明，在相同仿真場景下，本文算法與已有算法進行比較，可以提高網絡累積吞吐量，還可以降低網絡端到端通信的平均時延。

［1］JOSEPH M.Cognitive radio an integrated agent architecture for software defined radio［D］.Sweden:Royal Institute of Technology(KTH)，2000.

［2］CHOWDHURY K R，FELICE M D.Search:a routing protocol for mobile cognitive radio Ad－h(huán)oc networks［J］.Computer Communications，2009，32(18):1983－1997.

［3］施圣，徐昌彪.基于認知超寬帶的頻譜共享技術研究［J］，電視技術，2011，35(9):75－78.

［4］WANG Jiao，HUANG Yuqing.A cross－layer design of channel assignment and routing in cognitive radio networks［C］//Proc.3rd IEEE International Conference on Computer Science and Information Technology.［S.l.］:IEEE Press，2010:542－547.

［5］ZHOU X，LIN L，WANG J，et al.Cross－layer routing design in cognitive radio networks by colored multigraph model［J］.Wireless Personal Communications，2009，49(1):123－131.

［6］薛楠，周賢偉，林琳，等.性能優(yōu)化的認知無線電網絡安全路由選擇算法［J］.系統(tǒng)工程與電子技術，2009，31(1):2756－2760.

［7］李洋，董育寧，趙海濤.認知Mesh網絡的動態(tài)分層圖路由模型及路由策略［J］.電子與信息學報，2009，31(8):1975－1979.

［8］KONDAREDDY Y R.A graph based routing algorithm for multi－h(huán)op cognitive radio networks［C］//Proc.WICON.Maui，Hawaii，USA:［s.n.］，2008:17－19.