李　云,金志剛,蘇毅珊,孫山林

(1.天津大學(xué)電子與信息工程學(xué)院,天津30072;2.桂林航天工業(yè)學(xué)院,廣西桂林541004)

?

基于PCN的水下認(rèn)知網(wǎng)絡(luò)動態(tài)頻譜接入算法

李云1,2,金志剛1,蘇毅珊1,孫山林2

(1.天津大學(xué)電子與信息工程學(xué)院,天津30072;2.桂林航天工業(yè)學(xué)院,廣西桂林541004)

摘要：水下網(wǎng)絡(luò)可用頻譜范圍比較窄,且部分被水下生物占用,導(dǎo)致了水下傳感器網(wǎng)絡(luò)可用的頻譜資源更為稀缺.針對上述問題,提出一種基于累積干擾預(yù)測(Predicted Cumulative Noise,PCN)的水下認(rèn)知網(wǎng)絡(luò)動態(tài)頻譜接入算法.該算法把水下生物作為認(rèn)知網(wǎng)絡(luò)的主節(jié)點,水下傳感器節(jié)點作為次節(jié)點;通過建立水下生物業(yè)務(wù)行為的馬爾科夫模型預(yù)測累積干擾,次節(jié)點根據(jù)預(yù)測結(jié)果,采用合作的方式動態(tài)地接入授權(quán)頻譜.仿真結(jié)果表明,該算法能夠保護水下生物正常通信的同時,實現(xiàn)最優(yōu)化的頻譜共享,網(wǎng)絡(luò)容量增益達到6.3dB.

關(guān)鍵詞:馬爾科夫模型;水下認(rèn)知網(wǎng)絡(luò);頻譜共享;水下生物

1引言

水下網(wǎng)絡(luò)可用頻譜資源少,且部分頻譜被水下生物占用.頻譜稀缺已經(jīng)成為水下傳感器網(wǎng)絡(luò)面臨的嚴(yán)重問題之一.目前,水下網(wǎng)絡(luò)大多采用靜態(tài)的頻譜分配方式,其分配方式是對特定的網(wǎng)絡(luò)服務(wù)分配特定的頻譜,這種方式會導(dǎo)致傳感器網(wǎng)絡(luò)獲得的頻譜資源更少.例如,寬吻海豚通信頻率大約在200Hz～150kHz之間[1],如果采用靜態(tài)頻譜分配方式,給寬吻海豚固定分配頻譜,那么,工作在1～40kHz之間的水下環(huán)境監(jiān)測系統(tǒng)將沒有可用的頻譜資源[2],頻譜利用率低.針對頻譜資源稀缺的問題,本文提出基于預(yù)測累積干擾(Predicted Cumulative Noise,PCN)的水下認(rèn)知網(wǎng)絡(luò)動態(tài)頻譜接入的算法.

與陸地上的無線認(rèn)知網(wǎng)絡(luò)相比,水下認(rèn)知網(wǎng)絡(luò)既有相同點,也有不同點.相同點是均有主、次節(jié)點.主節(jié)點(Primary Node,PN)指使用授權(quán)頻譜通信的用戶,次節(jié)點(Secondary Node,SN)指以不影響主節(jié)點正常通信為前提,可以選擇空閑頻譜進行通信的用戶[3].不同點是水下認(rèn)知網(wǎng)絡(luò)的PN是水下生物,SN是水下無線傳感器網(wǎng)絡(luò)節(jié)點.可見,建立水下認(rèn)知網(wǎng)絡(luò)是以保護水下生物正常通信為目的的,SN根據(jù)頻譜的占用情況動態(tài)地接入授權(quán)頻譜.

然而,水下認(rèn)知網(wǎng)絡(luò)還面臨著巨大挑戰(zhàn).主要挑戰(zhàn)是:(1)水下生物作為主節(jié)點,其業(yè)務(wù)行為具有不確定性[4],空閑頻譜隨時都有可能被PN再次占用,因此,需要預(yù)測出主節(jié)點占用頻譜的狀態(tài).(2)與陸地上無線傳感器網(wǎng)絡(luò)相比,水下網(wǎng)絡(luò)的信道衰落較慢,導(dǎo)致接收端的累積干擾大(累積干擾是指其它發(fā)送端發(fā)送數(shù)據(jù)時,對接收端造成的干擾總和).當(dāng)次節(jié)點感知授權(quán)頻譜時,如果密度過大,在與主節(jié)點共享頻譜的過程中,很有可能給主節(jié)點帶來較大的累積干擾,導(dǎo)致主節(jié)點無法正常通信;如果感知授權(quán)頻譜的次節(jié)點密度過小,次節(jié)點獲得授權(quán)頻譜使用情況信息量較少,導(dǎo)致其無法準(zhǔn)確的判斷接入授權(quán)頻譜.面對挑戰(zhàn)(1),馬爾科夫模型可以較好地描述PN的業(yè)務(wù)特征[5],預(yù)測出授權(quán)頻譜的占用情況.面對挑戰(zhàn)(2),本文提出在PN業(yè)務(wù)的馬爾科夫模型預(yù)測的結(jié)果下,次節(jié)點獲知授權(quán)頻譜的使用情況,采用合作式的方法完成感知、控制、發(fā)送三種狀態(tài)交替組合的過程.該算法在保護水下生物正常通信的情況下,降低了網(wǎng)絡(luò)能耗,最大化地實現(xiàn)頻譜共享,提高了整個網(wǎng)絡(luò)容量.

2系統(tǒng)模型

馬爾可夫預(yù)測模型常常用來對隨機業(yè)務(wù)進行預(yù)測,可以用來描述水下生物的業(yè)務(wù)行為.與其它的神經(jīng)網(wǎng)絡(luò)預(yù)測模型相比,如BP神經(jīng)網(wǎng)絡(luò),馬爾科夫預(yù)測模型只需較少的樣本就可以完成預(yù)測,且具有平穩(wěn)性的特點[6].通過PN業(yè)務(wù)行為的馬爾科夫預(yù)測模型,次節(jié)點獲知授權(quán)頻譜的占用情況,建立合作模型,完成次節(jié)點的感知、控制和發(fā)送三個狀態(tài)交替組合的轉(zhuǎn)移過程,從而有效地降低中斷概率,提高網(wǎng)絡(luò)容量.

2.1PN業(yè)務(wù)行為的馬爾科夫預(yù)測模型

本文考慮了分布式水下認(rèn)知網(wǎng)絡(luò),即沒有中心節(jié)點控制的網(wǎng)絡(luò).假設(shè)主節(jié)點的消失和出現(xiàn)事件都是獨立同分布的[7],主節(jié)點出現(xiàn)(即占用授權(quán)頻譜)表示繁忙狀態(tài),主節(jié)點消失(即不占用授權(quán)頻譜)表示空閑狀態(tài).授權(quán)頻譜使用情況描述如圖1所示.

設(shè)在一段時間t內(nèi),如式(1)所示,從空閑到繁忙的轉(zhuǎn)移概率為q.如式(2)所示,從繁忙到空閑的轉(zhuǎn)移概率為p.文獻[8～11]中的作者使用泊松過程來刻畫PU的業(yè)務(wù)行為.當(dāng)繁忙狀態(tài)時,占用授權(quán)頻譜的主節(jié)點密度為λ0,由λ0產(chǎn)生的累積干擾門限為R0,當(dāng)空閑狀態(tài)時(即主節(jié)點不存在時),次節(jié)點占用授權(quán)頻譜,其密度為λ1,由λ1產(chǎn)生的累積干擾門限為R1,則有:

Probbusy→idle=p(W?R1)=1-e-λ1t

(1)

Probidle→busy=q(W?R0)=1-e-λ0t

(2)

2.2SN合作模型

根據(jù)獲知的授權(quán)頻譜占用信息,次節(jié)點采用合作的方式完成感知、控制和發(fā)送三種狀態(tài)交替組合的轉(zhuǎn)移過程.次節(jié)點網(wǎng)絡(luò)采用合作方式可以有效地減少節(jié)點間的碰撞,降低中斷概率,減少重傳的幾率,從而降低了整個網(wǎng)絡(luò)的能耗,提高網(wǎng)絡(luò)容量.在每種狀態(tài)下,次節(jié)點都需要感知授權(quán)頻譜,交換信息,盡可能減少對主節(jié)點通信的干擾.因此,次節(jié)點的狀態(tài)轉(zhuǎn)移過程如圖2所示.

狀態(tài)3:授權(quán)頻譜在t+1時刻時,SN感知頻譜,當(dāng)轉(zhuǎn)移概率為p時(即1-e-λ1t),表示空閑狀態(tài).次節(jié)點在感知頻譜空閑后,與其它SN交換信息,SN開始發(fā)送.

狀態(tài)4:次節(jié)點邊發(fā)送數(shù)據(jù),邊感知頻譜,當(dāng)轉(zhuǎn)移概率為q時(即1-e-λ0t),次節(jié)點回到狀態(tài)1.

2.3水下認(rèn)知網(wǎng)絡(luò)的信道模型

=β0

(3)

當(dāng)轉(zhuǎn)移概率為q時,水下認(rèn)知網(wǎng)絡(luò)次節(jié)點接收端的SINR1模型如式(4).

(4)

相關(guān)定義:

(2)主節(jié)點的中斷概率定義為當(dāng)SINR0小于主節(jié)點接收端門限值β0時,接收端不能正確接收數(shù)據(jù)的概率.次節(jié)點中斷概率定義為當(dāng)SINR1值小于次節(jié)點接收端門限值β1時,次節(jié)點接收端不能正確接收數(shù)據(jù)的概率.

3水下認(rèn)知網(wǎng)絡(luò)基于累積干擾預(yù)測的動態(tài)頻譜接入算法

算法步驟如下:

由式(2)和式(3),可以得到:

=η0+Δη

(5)

η0表示主節(jié)點之間相互干擾,主節(jié)點網(wǎng)絡(luò)的中斷概率.Δη表示為當(dāng)次節(jié)點感知授權(quán)頻譜時,主節(jié)點允許的中斷概率增量.W0表示其它主節(jié)點的干擾,W1表示次節(jié)點的干擾.

(6)

步驟2當(dāng)信道處于繁忙狀態(tài)時,主節(jié)點接收端的累積干擾為R0.R0表示為由占用信授權(quán)頻譜的主節(jié)點密度為λ0產(chǎn)生的累積干擾門限.

(7)

(8)

(9)

(10)

G表示網(wǎng)絡(luò)容量的增益,當(dāng)Δη=0時候,取等號.

步驟4在T=t+1時刻,當(dāng)轉(zhuǎn)移概率為q時,次節(jié)點進入狀態(tài)3.次節(jié)點累積干擾門限為R1,意味著接入授權(quán)頻譜的次節(jié)點密度λ1.

(11)

R0表示次節(jié)點發(fā)送數(shù)據(jù)對某個接收端產(chǎn)生的累積干擾.

(12)

算法流程圖如圖3所示:

4實驗結(jié)果及算法效果分析

為驗證算法的有效性,本文使用的參數(shù)如表1所示,水下生物以寬吻海豚作為研究對象,從兩個方面進行仿真:(1)在T=t時刻(主、次節(jié)點共享頻譜),主節(jié)點網(wǎng)絡(luò)容量、網(wǎng)絡(luò)容量增益分別與主節(jié)點中斷概率增量之間的關(guān)系;(2)在T=t+1時刻,次節(jié)點網(wǎng)絡(luò)容量與η1的關(guān)系.

表1　仿真參數(shù)設(shè)置[14,15]

在T=t時刻,信道繁忙.當(dāng)主、次節(jié)點共享頻譜時,共享的次節(jié)點數(shù)越多,對主節(jié)點造成的累積干擾也就越大,有可能會導(dǎo)致主節(jié)點的通信中斷.如圖4所示,主節(jié)點網(wǎng)絡(luò)容量與Δη成反比.隨著次節(jié)點密度增加,Δη變大,主節(jié)點的網(wǎng)絡(luò)容量變小,意味著主節(jié)點的正常通信受到了影響,因此,需要精確地控制共享頻譜的次節(jié)點密度.其密度大小的計算見式(6).如圖5所示,當(dāng)Δη分別取0.05,0.10,0.15時,對比主節(jié)點網(wǎng)絡(luò)容量與中斷概率η0之間的關(guān)系.在η0一定的情況下,Δη=0.05的網(wǎng)絡(luò)容量最大,Δη=0.15的網(wǎng)絡(luò)容量最小.這是顯而易見的:Δη越小,意味著共享頻譜的次節(jié)點密度越少,對主節(jié)點造成的干擾也就越小,因此,主節(jié)點網(wǎng)絡(luò)容量越大;反之,Δη越大,主節(jié)點的網(wǎng)絡(luò)容量越小,與上述的分析一致.但是,圖(5)也描述出主節(jié)點網(wǎng)絡(luò)容量隨著中斷概率η0的增大而增大.由式(8)可知,主節(jié)點的網(wǎng)絡(luò)容量是η0的凸函數(shù),當(dāng)η0≤(1-Δη)/2時(即當(dāng)Δη值較小時),主節(jié)點網(wǎng)絡(luò)容量隨著η0的增加而增大.換言之,主節(jié)點中斷概率的增加意味著占用授權(quán)頻譜的主節(jié)點的密度增大,從而主節(jié)點網(wǎng)絡(luò)容量增大.可見,在主節(jié)點允許的干擾門限下,引入次節(jié)點,形成主、次節(jié)點共享頻譜,如果引入的次節(jié)點密度精確控制,產(chǎn)生的Δη值較小,對主節(jié)點網(wǎng)絡(luò)容量影響不大,主節(jié)點網(wǎng)絡(luò)容量隨著η0的增大而增大.因此,該算法確保主節(jié)點正常通信的同時,次節(jié)點能感知授權(quán)頻譜,從而實現(xiàn)最大化地頻譜共享,提高網(wǎng)絡(luò)容量.

如圖6所示,對比當(dāng)η0分別取0.05,0.10,0.15時,共享頻譜的網(wǎng)絡(luò)容量增益與中斷概率增量Δη的關(guān)系.隨著Δη的增大,共享頻譜的網(wǎng)絡(luò)容量增益也越來越大.其原因是:主節(jié)點網(wǎng)絡(luò)的中斷概率增量逐漸增大,意味著在主節(jié)點允許的干擾門限下,允許接入授權(quán)頻譜的次節(jié)點數(shù)逐漸增加,根據(jù)式(10),可以知道,隨著Δη的增加,整個網(wǎng)絡(luò)容量增益逐漸增大.當(dāng)Δη固定時,η0=0.05的網(wǎng)絡(luò)容量增益最大,達到6.3dB,η0=0.15的網(wǎng)絡(luò)容量增益最小.因為η0越小,在累積干擾受限的情況下,允許增加的中斷概率增量就越大,意味著可引入的次節(jié)點數(shù)就越大,因此,網(wǎng)絡(luò)容量增益也就越大.該算法算法能夠預(yù)測累積干擾狀態(tài),從空間復(fù)用的角度出發(fā),次節(jié)點可以在同頻率不同空間接入授權(quán)頻譜,從而實現(xiàn)最大化的頻譜共享,提高網(wǎng)絡(luò)容量.

在T=t+1時刻,當(dāng)信道處于空閑狀態(tài)時,根據(jù)式(12),如圖7所示,次節(jié)點網(wǎng)絡(luò)容量與中斷概率η1的關(guān)系.次節(jié)點網(wǎng)絡(luò)容量與η1成正比例的關(guān)系,隨著η1的增加,次節(jié)點網(wǎng)絡(luò)容量逐漸增大.其原因是:η1的增加意味著次節(jié)點允許接入的節(jié)點數(shù)增加,網(wǎng)絡(luò)容量也逐漸增大.如果同時發(fā)送數(shù)據(jù),會產(chǎn)生大的累積干擾,造成中斷概率增加,因此,該算法提出采用合作的方式接入授權(quán)頻譜.次節(jié)點通過交換信息、協(xié)商,在累積干擾受限的條件下,完成感知、控制、發(fā)送的過程,從而有效地降低中斷概率,減少網(wǎng)絡(luò)重傳的幾率,使降低整個網(wǎng)絡(luò)能耗的同時,最大化地提高次節(jié)點的網(wǎng)絡(luò)容量.

5結(jié)束語

目前,水下認(rèn)知網(wǎng)絡(luò)是一個新興的研究領(lǐng)域.本文結(jié)合水下環(huán)境的特點,提出一種基于累積干擾預(yù)測的水下認(rèn)知網(wǎng)絡(luò)動態(tài)頻譜接入算法.該算法以保護水下生物為目的,建立水下生物業(yè)務(wù)行為的馬爾科夫模型預(yù)測累積干擾情況,次節(jié)點在馬爾科夫預(yù)測模型下,獲知授權(quán)頻譜使用情況,采用合作的方式完成感知、控制、發(fā)送三種狀態(tài)的交替組合轉(zhuǎn)移過程,從而動態(tài)地接入授權(quán)頻譜.該算法從空間復(fù)用的角度出發(fā),在累積干擾受限的情況下,次節(jié)點采用合作的方式動態(tài)地接入授權(quán)頻譜,有效地減少碰撞,降低重傳幾率,從而減低了整個網(wǎng)絡(luò)能耗,實現(xiàn)了最大化的共享頻譜,提高了整個網(wǎng)絡(luò)容量,網(wǎng)絡(luò)容量增益達到6.3dB.

參考文獻

[1]Yu Luo,Lina Pu,Michael Zaba.Challenges and opportunities of underwater cognitive acoustic networks[J].IEEE Transactions on Emerging Topics in Computing,2014,2(2):1-13.

[2]劉淞左,尹艷玲.一種利用海豚叫聲的仿生水聲通信方法[J].物理學(xué)報,2013,1(14):144303.1-144303.8.

[3]高志偉,姚堯,等.基于漏洞嚴(yán)重程度分類的漏洞預(yù)測模型[[J].電子學(xué)報,2013,41(9):1784-1788.

GAO Zhi-wei,YAO Yao,et al.Predicting model of vulnerabilities based on the type of vulnerability Severity[J].Acta Electronica Sinica,2013,41(9):1784-1788.(in Chinese)

[4]Yiping Xing.Dynamic spectrum access in open spectrum wireless networks[J].IEEE Journal on Selected Areas in Communications,2006,15(3):626-638.

[5]Xiangyun Zhou,Matthew R McKay,Behrouz Maham,Are Hjorungnes.Rethinking the secrecy outage formulation:A secure transmission design perspective[J].IEEE Communications Letters,2011,24(3):302-304.

[6]M Kountouris,J G.Andrews.Downlink SDMA with limited feedback in interference-limited wireless networks[J].Wireless Communications,IEEE Transactions on,2011,11(8):2730-2741.

[7]D Stoyan,W Kendall,J Mecke,WS Kendall,J Mecke.Stochastic Geometry and its Applications[M].United Kingdom:John Wiley & Sons,2013.

[8]Zhong Zhou,Zheng Peng,Jun-hong Cui.Exploring random access and handshaking techniques in underwater wireless acoustic networks[J].EURASIP Journal on Wireless Communications and Networking,2013,4(2):1-15.

[9] Dharma Agrawal,Qing-an Zeng.Introduction to Wireless and Mobile Systems[M].United States:Cengage Learning,2011.

[10]B Chenand,D Pompili.A testbed for performance evaluation of underwater vehicle team formation and steering algorithms[A].Sensor Mesh and Ad Hoc Communications and Networks (SECON)[C].Boston,MA:IEEE,2010.1-3.

[11]Steven Weber,Andrews,J.G.The effect of fading,channel inversion and threshold scheduling on ad hoc networks[J].IEEE Transactions on Information Theory,2007,53(11):4127-4149.

[12]M Franceschetti,P Minero.The capacity of wireless networks:information-theoretic and physical limits[J] IEEE Transactions on Information Theory,2009,55(8):4127-4149.

[13]Hesham ElSawy,Ekram Hossain,Sergio Camorlinga.Spectrum-efficient multi-channel design for coexisting IEEE 802.15.4 networks:A stochastic geometry approach[J].IEEE Trans on Wireless Commun,2013,13(7):1611-1624.

[14]Songhai Li,Ding Wang,Kexiong Wang.Possible age-related hearing loss (presbycusis) and corresponding change in echolocation parameters in a stranded Indo-Pacific humpback dolphin[J].The Journal of Experimental Biology,2013,216(22):4144-4153.

[15]Xiao Han,Jingwei Yin.Experimental demonstration of underwater acoustic communication using bionic signals[J].Applied Acoustics,2014,78(4):7-10.

李云(通信作者)女,1978年11月出生,廣西南寧人.副教授,現(xiàn)為天津大學(xué)電子信息工程學(xué)院博士研究生,主要研究方向:水下傳感器網(wǎng)絡(luò),網(wǎng)絡(luò)信息安全等.

金志剛男,1972年11月,上海人.天津大學(xué)電子信息工程學(xué)院教授,博士生導(dǎo)師,主要研究方向:網(wǎng)絡(luò)信息安全,水下傳感器網(wǎng)絡(luò)等.

蘇毅珊男,1985年5月,廣西南寧人.天津大學(xué)電子信息工程學(xué)院博士研究生,主要研究方向:水下傳感器網(wǎng)絡(luò),網(wǎng)絡(luò)信息安全等.

孫山林男,1973年7月,河南南陽人.教授,桂林航天工業(yè)學(xué)院電子工程系系主任,主要研究方向:無線傳感器網(wǎng)絡(luò),光纖通信等.

Dynamic Spectrum Access Algorithm Based on PCN in Underwater Cognitive Network

LI Yun1,2,JIN Zhi-gang1,SU Yi-shan1,SUN Shan-lin2

(1.SchoolofElectronicandInformationEngineering,TianjinUniversity,Tianjin300072,China;2.DeparmentofElectronicEngineering,GuilinUniversityofAerospaceTechnology,Guilin,Guangxi541004,China)

Abstract:The range of available spectrum in underwater sensor network is narrow;part of it is occupied by underwater creatures.Therefore,the available spectrum resources become scarcer.In view of this,the algorithm based on predicting cumulative noise in underwater cognitive networks to achieve dynamic spectrum accessing is proposed.The primary node is underwater biology;the secondary node is sensor node.The Markov model is established to predict noise in spectrum.The secondary nodes dynamically access the spectrum by cooperative method under the predicted states.The experiments verify that the algorithm realizes the optimization of spectrum sharing under protecting underwater creatures and improves the capacity gain 6.3dB.

Key words:Markov model;underwater cognitive;spectrum sharing;underwater creatures

作者簡介

DOI:電子學(xué)報URL:http://www.ejournal.org.cn10.3969/j.issn.0372-2112.2016.03.015

中圖分類號:TP391

文獻標(biāo)識碼：A

文章編號：0372-2112 (2016)03-0595-05

基金項目:國家自然科學(xué)基金(No.61162003);青海省科技計劃項目(No.2012-ZR-2989);海南省應(yīng)用技術(shù)研究與開發(fā)專項項目(No.ZDXM2014086);廣西高?？茖W(xué)技術(shù)研究項目(No.ZD2014146)

收稿日期:2014-06-23;修回日期:2014-08-25;責(zé)任編輯：梅志強