劉　鑫, 張建偉, 楊　昊, 孔繁鏘, 高　寧, 閆鈞華

(1. 大連理工大學(xué) 信息與通信工程學(xué)院, 116024 遼寧 大連; 2. 電力科學(xué)研究院 云南電網(wǎng)有限責(zé)任公司， 650217 昆明; 3. 南京航空航天大學(xué) 航天學(xué)院， 210016 南京; 4.中國航天科技集團(tuán) 五○二研究所, 100190 北京)

?

多信道認(rèn)知無線電頻譜感知時(shí)間和門限聯(lián)合分配

劉鑫1,3, 張建偉2, 楊昊2, 孔繁鏘3, 高寧4, 閆鈞華3

(1. 大連理工大學(xué) 信息與通信工程學(xué)院, 116024 遼寧 大連; 2. 電力科學(xué)研究院 云南電網(wǎng)有限責(zé)任公司， 650217 昆明; 3. 南京航空航天大學(xué) 航天學(xué)院， 210016 南京; 4.中國航天科技集團(tuán) 五○二研究所, 100190 北京)

摘要:為提高多信道認(rèn)知無線電的吞吐量，提出采用交替方向優(yōu)化聯(lián)合分配次用戶的頻譜感知時(shí)間和子信道感知門限. 基于“先聽后傳”的次用戶幀結(jié)構(gòu)，建立了感知時(shí)間和門限的優(yōu)化分配模型. 該模型在保證滿足主用戶通信需求和子信道頻譜感知性能的前提下，最大化次用戶各子信道的吞吐量總和. 聯(lián)合優(yōu)化算法通過交替優(yōu)化感知時(shí)間和門限能夠獲得模型的最優(yōu)解. 仿真結(jié)果表明：存在最優(yōu)的感知時(shí)間和門限最大化次用戶的吞吐量，并且相比之前的方案，聯(lián)合分配能夠提高次用戶的吞吐量. 關(guān)鍵詞: 認(rèn)知無線電；頻譜感知；聯(lián)合分配；吞吐量

認(rèn)知無線電CR(cognitive radio)基于軟件無線，是一種提高頻譜資源利用率的智能無線通信技術(shù)[1]，它允許次用戶SU(secondary user)使用政府固定分配給主用戶PU(primary user)的授權(quán)頻譜，但前提是SU不能給PU的正常通信帶來干擾[2]. 因此，SU必須使用頻譜感知技術(shù)檢測信道中是否存在PU，只有當(dāng)PU空閑時(shí)，SU才能進(jìn)行通信[3]. CR最常使用的頻譜感知技術(shù)是能量感知，能量感知只需將接收信號(hào)的能量統(tǒng)計(jì)值與預(yù)先設(shè)定的門限作比較即可確定PU是否存在，所以能量感知簡單、易行，并且不需要PU信號(hào)的任何先驗(yàn)信息[4].

SU采用“先聽后傳”策略使用PU信道，即在每個(gè)幀的開始SU首先感知PU，如果檢測到PU空閑，接下來的時(shí)間內(nèi)SU才傳輸數(shù)據(jù)[5]. 多信道CR允許SU同時(shí)利用多個(gè)感知到的空閑子信道進(jìn)行數(shù)據(jù)傳輸，因此吞吐量會(huì)提高[6]. 文獻(xiàn)[7-8]指出CR的性能取決于感知時(shí)間和感知門限，較長的感知時(shí)間雖然會(huì)提高感知性能，但也會(huì)降低SU的數(shù)據(jù)傳輸時(shí)間；較小的感知門限雖然能提高檢測概率，但也會(huì)增加虛警概率并降低SU的頻譜利用率. 因此，選擇合適的感知時(shí)間和門限對(duì)提高CR的性能是非常必要的. 文獻(xiàn)[9-10]提出通過優(yōu)化SU在每個(gè)子信道上的頻譜感知門限，在保證子信道頻譜感知性能的基礎(chǔ)上，可以提高SU的吞吐量，但是沒有考慮如何設(shè)置感知時(shí)間. 文獻(xiàn)[11-12]則提出在保證檢測概率的前提下，通過優(yōu)化感知時(shí)間可以增加SU的吞吐量，但是卻假定感知門限是固定的并由檢測概率確定. 為此，本文提出聯(lián)合分配頻譜感知時(shí)間和門限，進(jìn)一步提高SU的吞吐量.

1能量感知

由于能量感知不需要信號(hào)的先驗(yàn)信息就能夠準(zhǔn)確檢測PU，因此被廣泛應(yīng)用于CR的頻譜感知中. 假設(shè)CR可用的信道數(shù)為L，子信道l(l=1,2,…,L)上SU的接收信號(hào)yl為

(1)

能量感知首先計(jì)算接收信號(hào)yl的能量統(tǒng)計(jì)值Yl，表示為

yl(1),yl(2),…,yl(M)是獨(dú)立同分布的變量，因此當(dāng)M足夠大時(shí)，Yl近似服從高斯分布，表示為

(2)

(3)

2系統(tǒng)模型

(4)

圖1　SU幀結(jié)構(gòu)

(5)

3模型優(yōu)化

(6)

式中：ξ是PU滿足通信需求的最小吞吐量，α和β分別是SU滿足感知性能要求的最大虛警概率和最小檢測概率且α≤0.5和β≥0.5. 式(6)是多變量優(yōu)化問題，可以采用交替方向優(yōu)化進(jìn)行求解[15]. 求解思想是：給定感知時(shí)間τ為一初始值，搜索最優(yōu)的門限向量ε*最大化吞吐量C，然后給定ε=ε*，搜索最優(yōu)的感知時(shí)間τ*最大化C；給定τ=τ*，重新優(yōu)化；通過若干次迭代優(yōu)化，可獲得優(yōu)化問題的最優(yōu)解.

3.1感知門限優(yōu)化

因此，式(6)簡化為關(guān)于ε的優(yōu)化問題，表示為

(7)

(8)

(9)

3.2感知時(shí)間優(yōu)化

(10)

(11)

求解C(τ)關(guān)于τ的二階導(dǎo)數(shù)，表示為

(13)

(14)

(15)

3.3聯(lián)合優(yōu)化算法

聯(lián)合優(yōu)化算法基于交替方向優(yōu)化，具體步驟如下：

1) 初始化k=1、τ(k)=0、ε(k)={0}和估計(jì)誤差ξ；

2) 令τ(k)=τ0(τ0為0～T任意數(shù))；

3) 代入τ(k)，根據(jù)式(9)求解最優(yōu)向量ε*；

4) 令ε(k+1)=ε*；

5) 代入ε(k+1)，根據(jù)式(15)求解最優(yōu)值τ*；

6) 令τ(k+1)=τ*和k=k+1；

8) 聯(lián)合最優(yōu)解為τ=τ(k)和ε=ε(k).

4仿真分析

圖2　SU吞吐量隨感知門限變化

圖3　SU吞吐量隨感知時(shí)間變化

圖4是不同算法下，SU吞吐量隨PU吞吐量的變化. 圖4比較了本文感知時(shí)間和門限聯(lián)合分配算法、文獻(xiàn)[12]提出的優(yōu)化感知時(shí)間的感知吞吐量折中方案、文獻(xiàn)[9]提出的多信道感知門限優(yōu)化方案以及傳統(tǒng)的固定感知時(shí)間和門限方案. 可以看出，在PU吞吐量給定的情況下，聯(lián)合分配算法能夠使SU獲得更高的吞吐量，而感知吞吐量折中方案和多信道感知門限優(yōu)化方案由于僅優(yōu)化感知時(shí)間或感知門限，其性能要低于聯(lián)合分配算法，但是要好于固定感知時(shí)間和門限方案.

圖4　SU吞吐量隨PU吞吐量變化

5結(jié)論

本文基于“先聽后傳”的次用戶幀結(jié)構(gòu)，建立了頻譜感知時(shí)間和子信道感知門限的聯(lián)合優(yōu)化分配模型，以最大化多信道CR中SU的吞吐量. 采用交替方向優(yōu)化將聯(lián)合優(yōu)化分解為分別關(guān)于感知時(shí)間和感知門限的兩個(gè)單變量子優(yōu)化問題，理論和仿真表明兩個(gè)子優(yōu)化問題是凸優(yōu)化且存在最優(yōu)解，交替優(yōu)化兩個(gè)子優(yōu)化問題可以獲得最終解. 在PU吞吐量給定的情況下，聯(lián)合分配能夠使SU獲得更高的吞吐量. 下一步會(huì)考慮將聯(lián)合分配應(yīng)用到多用戶場景中.

參考文獻(xiàn)

[1] MITOLA J, MAGUIRE G Q. Cognitive radio: making software radios more personal[J]. IEEE Person Communication， 1999, 6(4): 13-18.

[2] HAYKIN S. Cognitive radio: brain-empowered wireless communications[J]. IEEE Journal on Selected Areas in Communications， 2005, 23(2): 201-220.

[3] GHASEMI A, SOUSA E S. Spectrum sensing in cognitive radio networks: requirements, challenges and design trade-offs[J]. IEEE Communications Magazine， 2008, 46(4): 32-39.

[4] 劉鑫, 譚學(xué)治, 徐桂森. 噪聲不確定下認(rèn)知無線電能量檢測性能的分析[J]. 四川大學(xué)學(xué)報(bào)(工程科學(xué)版)， 2011, 43(6): 168-172.

[5] MARINHO J, MONTEIRO E. Cooperative sensing-before-transmit in ad-hoc multi-hop cognitive radio scenarios [C]// International Conference on Wired Wireless Internet Communications. Santorini: Springer Press, 2012： 186-197.

[6] FAN Rongfei, JIANG Hai. Optimal multi-channel cooperative sensing in cognitive radio networks[J]. IEEE Transactions on Wireless Communications， 2010, 9(3): 1128-1138.

[7] 丁漢清, 楊家瑋，趙志遠(yuǎn). 認(rèn)知無線電系統(tǒng)中感知時(shí)間的優(yōu)化[J]. 華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版), 2011, 39(8): 84-87.

[8] LIU Xin, JIA Min, TAN Xuezhi. Threshold optimization of cooperative spectrum sensing in cognitive radio network[J]. Radio Science， 2013, 48(1): 23-32.

[9] ZHI Quan, SAYED A H, POOR H V. Optimal multiband joint detection for spectrum sensing in cognitive radio networks[J]. IEEE Transactions on Signal Processing， 2009, 57(3): 1128-1140.

[10]MICHELE S, MAURIZIO M. Optimization of non-convex multiband cooperative sensing with genetic algorithms[J]. IEEE Journal of Selected Topics in Signal Processing， 2011, 5(1): 87-96.

[11]LIANG Y C, ZENG Y H, EDWARD C Y, et al. Sensing-throughput tradeoff for cognitive radio networks[J]. IEEE Transactions on Wireless Communications， 2008, 7(4): 1326-1336.

[12]LIU Xin. A new sensing-throughput tradeoff scheme in cooperative multiband cognitive radio network[J]. International Journal of Network Management， 2014, 24(3): 200-217.

[13]EDWARD C Y P, LIANG Y C, GUAN Y L. Optimization of cooperative sensing in cognitive radio networks: a sensing-throughput tradeoff view[J]. IEEE Transactions on Vehicular Technology， 2009, 58(9): 5294-5299.

[14]LIU Xin, JIA Min, GU Xuemai. Joint optimal sensing threshold and subcarrier power allocation in wideband cognitive radio for minimising interference to primary user[J]. China Communications， 2013, 10 (11): 70-80.

[15]STEPHEN B, NEAL P, ERIC C, et al. Distributed optimization and statistical learning via the alternating direction method of multipliers[J]. Foundations and Trends in Machine Learning， 2011, 3(1): 15-40.

(編輯王小唯苗秀芝)

Joint allocation of spectrum sensing time and threshold in multichannel cognitive radio

LIU Xin1,3, ZHANG Jianwei2, YANG Hao2, KONG Fanqiang3, Gao Ning4, Yan Junhua3

(1. School of Information and Communication Engineering, Dalian University of Technology, 116024 Dalian, Liaoning, China;2. Electric Power Research Institute, Yunnan Power Grid Company Limited, 650217 Kunming, China;3.College of Astronautics, Nanjing University of Aeronautics and Astronautics, 210016 Nanjing, China;4. 502 Research Centre, China Aerospace Science and Technology Corporation, 100190 Beijing, China)

Abstract:In order to improve the throughput of multichannel CR, a joint allocation of spectrum sensing time and subchannel sensing threshold based on the alternating direction optimization is proposed. Based on the SU’s listen-before-transmit frame structure, an optimized allocation model is built to maximize the aggregate throughput of the SU over all the subchannels, providing that the communication demand of the PU and the performance of the subchannel spectrum sensing are guaranteed. The joint optimization algorithm is proposed to obtain the optimal solutions to the model through alternately optimizing sensing time and threshold. The simulation results show that there exist the optimal sensing time and threshold that maximize the SU’s throughput, and compared to the previous schemes, the joint allocation can improve the SU’s throughput.

Keywords:cognitive radio;spectrum sensing; joint allocation; throughput

中圖分類號(hào):TN92

文獻(xiàn)標(biāo)志碼:A

文章編號(hào):0367-6234(2016)05-0117-05

通信作者:劉鑫, liuxinstar1984@nuaa.edu.cn.

基金項(xiàng)目:國家自然科學(xué)基金(61471194, 61401200); 江蘇省自然科學(xué)基金(BK20140828); 中國博士后科學(xué)基金(2015M580425).

作者簡介:劉鑫(1984—), 博士.

收稿日期:2015-08-09.

doi：10.11918/j.issn.0367-6234.2016.05.019