葉芝慧 李 昂 彭文攀

(1南京理工大學電子工程與光電技術學院, 南京 210094)(2南京理工大學紫金學院, 南京 210046)(3中國航空無線電電子研究所，上海200233)

基于混合OFDM調制的認知網絡快速組網技術

葉芝慧1李 昂2彭文攀3

(1南京理工大學電子工程與光電技術學院, 南京 210094)(2南京理工大學紫金學院, 南京 210046)(3中國航空無線電電子研究所，上海200233)

為了使節(jié)點設備在日益復雜的網絡環(huán)境下具備快速組網能力,提出一種基于信號循環(huán)譜特征的混合OFDM調制算法,并將其應用到協(xié)同認知網絡中.該算法利用信號內在的循環(huán)平穩(wěn)特性,并人工嵌入唯一的循環(huán)平穩(wěn)標示,可以強化信號的頻譜特征,從而能夠快速識別出信道空閑、認知信號傳輸、主用戶信號傳輸和2種信號混疊4種狀態(tài),為認知信號的快速可靠接入和退出提供保障.進一步地利用混合調制的位置來標記不同的認知網絡,使認知節(jié)點可以區(qū)分來自不同網絡的信號，從而使系統(tǒng)具備快速組網的能力.仿真結果顯示,所提算法在提高頻譜利用率的基礎上,能夠實時地辨識出節(jié)點的調制方式和網絡標識號,實現了快速組網的目的.

正交頻分多路復用;認知無線電;快速組網;循環(huán)平穩(wěn);混合調制

在信息化網絡中,節(jié)點之間存在不斷變化的主從和協(xié)同關系,隨著網絡信息化程度的不斷提高,節(jié)點類型更加多元并且數量巨大,節(jié)點之間關系更加錯綜復雜.在異構網絡環(huán)境下,節(jié)點之間存在多種通信標準和體制,各種無線網絡難以主動感知無線頻譜環(huán)境進而調整自身的工作參數.這些問題的根源在于集中靜態(tài)網絡難以適應環(huán)境的動態(tài)變化.解決這些問題的有效方法之一是認知無線電技術.特別地,基于信號循環(huán)平穩(wěn)特征的頻譜認知技術在安全性、識別唯一性等方面具有顯著優(yōu)勢,但是存在運算復雜度高、實時性低的缺點.因此,研究并找到一種能夠克服上述缺點的快速協(xié)同感知方案,具有重要意義.

大量研究表明,具有小世界性、高聚集和呈冪律分布的連接度等共性特征的復雜網絡,比較適用于多域協(xié)同認知的網絡建模[1-2].復雜網絡通過將系統(tǒng)中的多域實元抽象為節(jié)點,將實元間的聯(lián)系(協(xié)同)抽象為網絡的邊,從而反映出個體之間的相互關系以及由此導致的整體行為[3].例如,針對戰(zhàn)場環(huán)境,文獻[4]提出了一種靜態(tài)架構的攻擊網絡,文獻[5-6]則對不同網絡拓撲結構與作戰(zhàn)效能之間的關系進行了仿真研究.這些模型能夠比較真實地反映戰(zhàn)場多域協(xié)同環(huán)境的多域協(xié)同本質,但靜態(tài)、逐點連接矩陣特征值的分析方法并不完全適用于大規(guī)模動態(tài)網絡的效能體制,并且仿真實驗的規(guī)模也較小.

認知網絡的研究主要集中在無線頻譜檢測、信號源定位、信號識別、認知信息融合與節(jié)點選擇、快變環(huán)境學習機理等方面[7-8].在頻譜檢測的研究中,基于信號循環(huán)平穩(wěn)特性的頻譜感知方法具有精度高、頻譜特征明顯等優(yōu)點,受到了廣泛的重視[9-10].

人造信號包含潛在的循環(huán)平穩(wěn)特性,理論分析表明,可以通過這種唯一性確定信號以及人工嵌入唯一的循環(huán)平穩(wěn)標示創(chuàng)造特殊的循環(huán)平穩(wěn)信號[11-12].但這種方式會造成頻譜的浪費,也無法建立可靠的通信鏈路.

OFDM調制在衛(wèi)星通信以及下一代通信中都被認為是重要的信號形式.本文對認知網絡中的混合OFDM調制信號進行譜相關分析,并賦予節(jié)點設備增強的循環(huán)頻譜特征，從而能夠快速識別出信道空閑、認知信號傳輸、主節(jié)點信號傳輸和2種信號混疊這4種狀態(tài),為認知網絡中認知信號的快速可靠接入和退出提供保障.進一步利用混合調制的位置來標記不同的認知網絡,使認知節(jié)點可以區(qū)分不同的認知網絡.在此基礎上,設計多域協(xié)同認知網絡節(jié)點應用模型,從而達到協(xié)同認知和快速組網的目的.

1 基于混合OFDM調制的快速組網模型

1.1 節(jié)點信號的循環(huán)譜檢測

衡量動態(tài)頻譜感知最重要的指標是頻譜檢測的準確度和檢測時間.由于認知網絡信道上用戶數量、種類、占用時間的不確定性和不可預知性,導致了網絡內通信鏈路的不穩(wěn)定性.因此動態(tài)頻譜接入技術首先要維持網絡中通信鏈路的穩(wěn)定,這可以通過在報頭上加入使用頻段標識來解決.接收節(jié)點先進行報頭解析,在確定通信頻段后再進行準確的信息接收.

循環(huán)平穩(wěn)信號的譜相關函數與共軛譜相關函數分別是信號循環(huán)自相關函數與共軛循環(huán)自相關函數的傅里葉變換,即

(1a)

(1b)

譜相關是二階循環(huán)平穩(wěn)信號最為重要的特征,如果信號存在循環(huán)平穩(wěn)特性,那么在頻域上頻譜平移相應位置后也存在相關性.信號的循環(huán)平穩(wěn)特性只與自身的參數有關,因此具備唯一性.

不同的調制信號呈現出不同的循環(huán)譜特征,圖1(a)和(b)分別給出了ASK調制和QPSK調制的譜相關函數,其中T0為抽樣頻率.即使調制方式相同,如果調制碼元數不同,信號的譜相關函數差別也很大[10].

1.2 混合OFDM調制模型

1.2.1 OFDM統(tǒng)一調制信號的循環(huán)譜特性

(a) ASK數字幅度調制信號

(b) QPSK數字幅度調制信號

(2)

由式(2)可見,OFDM信號的譜相關函數是由子信道中數字調制信號的譜相關函數和共軛譜相關函數經頻移相應位置相加而成,即OFDM信號的譜相關函數由2部分組成,一部分與α=n/T有關,另一部分與α=2fc+n/T有關，其中T為符號周期.

采用矩陣隨機方法對數字載波調制信號的譜相關函數進行計算,例如QPSK信號的譜相關函數的一般形式為

(3)

式中,Q(f)為矩形脈沖q(t)的傅里葉變換;cm為數字調制中的調制碼元;M為矩形星座圖中信息碼元的個數(假設M=4).

將ASK或QPSK信號單獨映射到OFDM調制信號上,分析其循環(huán)譜特性.對于ASK信號,碼元cm=2m-1-M;而對于QPSK信號,碼元cm=ejπ(2m-1-M)/M,碼元均值為零.可以計算出由QPSK調制子信道組成的OFDM信號的譜相關函數為

(4)

由式(4)可見,OFDM信號是由子信道中調制信號的譜相關函數的頻移相加而成,并且單一調制子信道相加而成的OFDM信號譜相關函數的復包絡較平滑.

分析表明,由ASK調制而成的OFDM信號的復包絡幅度與調制碼元數、符號周期T相關,而由QPSK調制而成的OFDM信號的復包絡幅度僅與周期T相關.這表明,不同映射單一調制的OFDM信號只在復包絡幅度上有所差別,通過平滑的復包絡很難區(qū)分信號的調制類型與調制參數.但是,如果人為嵌入不同的子信道調制映射類型,增加信號的循環(huán)平穩(wěn)特性的差別,便可以通過分辨信號的循環(huán)平穩(wěn)特性,區(qū)分不同的調制信號.

1.2.2 OFDM混合調制的循環(huán)譜特征模型

OFDM混合調制通過改變其中一路或者多路子信道調制方式來增強信號的循環(huán)譜特性,使OFDM信號的譜相關函數發(fā)生改變,信號譜相關函數的復包絡不再平滑,而是出現凹凸特性.例如,利用式(1)和(4)可推導出QPSK調制中加入ASK調制后的OFDM混合調制信號的譜相關函數表達式:

(5)

式中,j為標記信道;φin為狄拉克函數.此時,混合調制OFDM信號的譜相關函數中會出現凸部,并且在循環(huán)譜α=±2fc+k/T上出現相關譜線.同樣,如果在ASK調制中加入QPSK調制的OFDM信號的譜相關函數,將其中一路或多路子信道的調制方式改為QPSK調制,組成的混合調制OFDM信號的譜相關函數中會出現凹部.

由以上分析可看出,混合調制凹凸部的位置與插入調制子信道的位置有關,并且相位調制中插入幅度調制后將出現凸部,幅度調制中插入相位調制后將出現凹部.

1.3 頻譜認知組網技術

在異構網絡環(huán)境中,單個節(jié)點常常處于盲檢測環(huán)境,此時最為可行的方法是高階循環(huán)譜檢測,但是該方法檢測時間較長并且算法復雜度較高.為解決這一問題,利用1.2節(jié)的結果,在得出混合調制信號的譜相關函數后,將混合調制的OFDM信號應用到認知網絡中,對于認知用戶與主用戶同時使用信道的情況,通過檢驗信號的譜相關特性進行判定.假定認知用戶與主用戶之間相互統(tǒng)計獨立,而認知用戶不能影響主用戶傳輸.設認知用戶信號xc與主用戶信號xp的混合信號為xm,則xm的時域相關函數為

Rxpxp+Rxcxc+Rxcxp+Rxpxc=Rxpxp+Rxcxc

(6)

其中,Rxcxp=0,Rxpxc=0.將式(6)代入式(2)和(3),得到混合信號xm的譜相關函數為

(7)

由式(7)可看出,混合信號的譜相關函數是認知用戶信號和主用戶信號的譜相關函數之和,混合信號譜相關函數的復包絡大于主用戶信號譜相關函數的復包絡,也大于認知用戶信號的復包絡.因此,理論上可以利用信號的二階循環(huán)平穩(wěn)特性快速檢測出信道中主用戶信號傳輸、認知用戶信號傳輸、兩用戶信號混疊和空白信道這4種信道狀態(tài).這也為認知網絡用戶快速可靠接入和快速撤出提供了保障.系統(tǒng)通過改變混合調制的子信道位置來標記不同的認知網絡,認知節(jié)點通過分析信號譜相關函數可以快速分辨出凹(凸)部位,確定改變調制子信道的位置,從而確定具體的認知網絡.

圖2給出了采用OFDM混合調制的認知節(jié)點通信鏈路數隨時間變化的關系.仿真結果表明,在認知網絡中,該模型可以增加認知節(jié)點的通信鏈路數量,從而為快速組網提供保障.

圖2 采用OFDM混合調制的認知節(jié)點通信鏈路數

2 算法實現

2.1 快速組網關鍵技術

通信協(xié)議是快速組網的關鍵技術之一.在通信協(xié)議設計中,單位網絡通信鏈路的建立是通過主節(jié)點進行網絡間的通信,這樣既可以減少鏈路建立的時間,又可以減少網絡通信的負擔.本文算法的核心思想是利用子信道的混合調制方式加強通信信號的循環(huán)平穩(wěn)特性,因此對于認知網絡協(xié)議首要的任務就是為認知網絡分配標記號,通過認知網絡標識號映射該認知網絡子信道的混合調制方式.其次,所提算法能快速識別出網絡信道的多種狀態(tài),而不是將信道簡單地分為空閑與忙碌2種狀態(tài).將信道劃分成多種狀態(tài)更利于認知網絡進行信道管理,并且做出更加智能的決策.

2.2 異構網絡中的協(xié)同認知方案

在所提出的混合調制信號模型中,可以通過判斷信號的循環(huán)譜特性來判斷認知節(jié)點是不是處于相同的網絡內,如果處于同一個認知網絡,而節(jié)點本身處于空閑狀態(tài),那么可作為中繼點建立鏈路進行通信.如果不處于同一網絡內,則算法程序轉換為由主中心進行通信建立.因此標識后的混合調制認知網絡在鏈路的建立與鏈路的維護方面,表現出較大的優(yōu)勢.

據此可設計出混合調制信號認知算法的軟件實現框架,具體實現步驟如下:

① 檢測時域相關函數的傅里葉變化函數,若在非零的循環(huán)譜外沒有任何譜相關特性,即不存在非零的譜相關,則認為信道空閑,退出信道識別.

② 如果在非零循環(huán)譜處存在信號的譜相關特性,通過均值比較,檢查譜相關函數的凹凸性,如果信號的譜相關函數的復包絡較平滑,則認為信道為OFDM主節(jié)點信號通信.

③ 如果包絡出現凹凸性,譜相關函數的復包絡函數的均方差較大,則將信號譜相關函數包絡峰值與門限值進行比較,如果低于主節(jié)點指定通信門限值,判別信道為認知節(jié)點傳輸.

如果信號的譜相關函數包絡峰值高于主節(jié)點指定通信門限值,判別信道為認知節(jié)點與主節(jié)點混疊傳輸,此時應發(fā)出警告,避免這種通信情況的發(fā)生.

2.3 應用分析

要實現認知網絡的快速組網,網絡控制應具備以下功能:信道狀態(tài)收集、通信信道質量評估、通信監(jiān)控、認知節(jié)點接入、信道頻譜狀態(tài)池與空閑可用信道池管理.

系統(tǒng)通過信道狀態(tài)收集模塊收集各個認知節(jié)點對信道的識別結果,并且實時更新信道頻譜池狀態(tài).信道質量評估模塊將滿足認知網絡通信的信道送入可用信道頻譜池.通信監(jiān)控模塊對信號進行循環(huán)譜檢測,進而判斷通信信號所屬的認知網絡.認知節(jié)點接入模塊則對認知節(jié)點信號進行優(yōu)先級排隊,并對節(jié)點占用信道時間進行控制,為每個認知節(jié)點提供預留通信信道.信道頻譜狀態(tài)池記錄認知節(jié)點信號所屬的認知網絡標識號.

在本文提出的混合調制的認知網絡中,認知節(jié)點設備可以實現如下功能:

1) 對授權信道上通信信號進行循環(huán)譜分析.將信號進行時域相關處理,將相關后信號進行頻譜分析,得出授權信道上信號的循環(huán)譜特性,根據循環(huán)譜的凹凸位置進一步確定信號所屬的認知網絡.

2) 將具有平滑循環(huán)譜特性的信號(一般為主節(jié)點信號)發(fā)布給系統(tǒng).

3) 對具有平滑特性又兼有凹凸特性的混合信號進行報警發(fā)布,通知認知設備退出授權信道.

4) 對無循環(huán)譜特性的空白信道,進行空閑標記,通知系統(tǒng)有空閑信道可以使用,并對空閑時間作出預測.

3 結語

在異構網絡場景下尤其是電子對抗、戰(zhàn)場環(huán)境等重要場合,不但要求網絡具有很強的識別能力,更要求認知節(jié)點與主節(jié)點具備快速組網能力.隨著無線接入節(jié)點的增加,對這種能力的要求也隨之增加.大多數的通信信號由于包含潛在的循環(huán)平穩(wěn)特性,可以通過人工嵌入循環(huán)平穩(wěn)標識創(chuàng)造唯一的循環(huán)平穩(wěn)信號.本文提出一種基于混合OFDM調制信號的循環(huán)譜特征檢測的算法,并將其應用到協(xié)同認知網絡中.利用信號的循環(huán)平穩(wěn)特性快速識別出信道的多種狀態(tài),為認知信號的快速可靠接入和退出提供了保障,并且利用混合調制的位置來標記不同的認知網絡,使認知節(jié)點可以區(qū)分不同認知網絡信號.仿真結果顯示,在認知網絡中,該系統(tǒng)可以提高頻譜利用率,改善通信系統(tǒng)性能.

References)

[1]Watts D J, Strogatz S H. Collective dynamics of “small-world” networks[J].Nature, 1998, 393(6684): 440-442. DOI:10.1038/30918.

[2]Braca P, Goldhahn R, Ferri G, et al. Distributed information fusion in multistatic sensor networks for underwater surveillance[J].IEEESensorsJournal, 2016,16(11):4003-4014.DOI:10.1109/jsen.2015.2431818.

[3]Dong C L, Zhao Y, Zhang Q. Assessing the influence of an individual event in complex fault spreading network based on dynamic uncertain causality graph[J].IEEETransactionsonNeuralNetworksandLearningSystems, 2016, 27(8): 1615-1630. DOI:10.1109/TNNLS.2016.2547339.

[4]Jeffery R C.分布式網絡化作戰(zhàn)[M].于全,譯.北京:北京郵電大學出版社,2006: 22-28.

[5]Dekker A H.Centralization and decentralization in network centric warfare[J].JournalofBattlefieldTechnology, 2003, 6(2):23-28.

[6]den Dekker H A, Beckers N W M, Keemink A Q L, et al. Assessing the usability of remote control servos for admittance-controlled haptic finger manipulators[C]//2016 6thIEEEInternationalConferenceonBiomedicalRoboticsandBiomechatronics. Singapore, 2016: 1260-1265.

[7]DARPA XG Working Group. DARPA XG policy language framework, request for comments, version 1.0 [R]. Cambridge, MA, USA: BBN Technologies, 2004.

[8]Liang C C, Yu F R. Wireless network virtualization: A survey, some research issues and challenges[J].IEEECommunicationsSurveys&Tutorials, 2015, 17(1): 358-380. DOI:10.1109/comst.2014.2352118.

[9]Yang M C, Li Y, Liu X F, et al. Cyclostationary feature detection based spectrum sensing algorithm under complicated electromagnetic environment in cognitive radio networks[J].ChinaCommunications, 2015, 12(9): 35-44. DOI:10.1109/cc.2015.7275257.

[10]彭文攀.無線頻譜認知理論及組網技術的研究[D].南京:南京大學電子科學與工程學院,2012.

[11]Shen J-C, Alsusa E. An efficient multiple lags selection method for cyclostationary feature based spectrum-sensing[J].IEEESignalProcessingLetters, 2013, 20(2): 133-136.

[12]Wang D L, Ghannouchi F M, Ding Y, et al. 70% energy saving in wireless positioning systems: Non-data-bearing OFDM transmission replaces non-pulse-shaping PN transmission[J].IEEESystemsJournal, 2015, 9(3):664-674. DOI:10.1109/jsyst.2013.2265186.

[13]Hatfield D N, Weiser P J. Property rights in spectrum: Taking the next step[C]//2005FirstIEEEInternationalSymposiumonNewFrontiersinDynamicSpectrumAccessNetworks. Maryland,USA,2005:43-55.

Fast networking technologies based on hybrid OFDM modulation for cognitive radio networks

Ye Zhihui1Li Ang2Peng Wenpan3

(1School of Electronic and Optical Engineering, Nanjing University of Science and Technology, Nanjing 210094, China) (2College of Zijin, Nanjing University of Science and Technology, Nanjing 210046, China) (3China Aeronautical Radio Electronics Research Institute, Shanghai 200233, China)

To make the node device have the ability of quickly networking under complicated network environments, a hybrid OFDM (orthogonal frequency division multiplexing) modulation algorithm based on the cyclic spectrum feature of signals is proposed, and applied in cooperative cognitive networks. Utilizing inherent cyclic spectrum features and artificially embedding distinct cyclo-stationary identification, the proposed algorithm can agilely distinguish four kinds of channel states, that is, spectrum idle, master signals transmitting, secondary signal transmitting, and hybrid signals transmitting. The algorithm can strengthen the spectrum characteristics of signals, and help the nodes to access and withdraw fast and reliably. Further, by signing different cognitive networks with the locations of hybrid modulation signals, cognitive nodes can identify signals from different networks, so as to make the system have the ability of aglily networking. Simulation results show that the proposed algorithm can identify the modulation method and network sign number of nodes in real time, thus achieving the objective of agilely networking with the improved spectrum efficiency.

OFDM (orthogonal frequency division multiplexing); cognitive radio; fast networking; cyclo-stationary; mixed modulation

10.3969/j.issn.1001-0505.2017.04.002

2016-12-23. 作者簡介: 葉芝慧(1967—)，女，博士，副教授，yezh@njust.edu.cn.

國家海洋公益重大專項資助項目(201205035).

葉芝慧，李昂,彭文攀.基于混合OFDM調制的認知網絡快速組網技術[J].東南大學學報(自然科學版),2017,47(4):637-641.

10.3969/j.issn.1001-0505.2017.04.002.

TN911

A

1001-0505(2017)04-0637-05