王運峰，丁曉進，張更新

(南京郵電大學 通信與信息工程學院，江蘇 南京210003)

0 引言

低軌衛(wèi)星(Low Earth Orbit,LEO)具有覆蓋范圍廣、星地距離近、通信延時低和傳播損耗小等特點，并且多顆低軌衛(wèi)星構(gòu)成的星座可實現(xiàn)全球(包含兩極)無縫覆蓋，能夠有效克服地面通信網(wǎng)在覆蓋方面的不足，具有廣闊的應(yīng)用前景[1]。近年來國內(nèi)外對低軌衛(wèi)星展開了深入研究，一些公司更是提出由數(shù)百顆或上千顆LEO衛(wèi)星組成的大規(guī)模星座系統(tǒng)(如SpaceX，OneWeb[2])，代表著衛(wèi)星通信未來發(fā)展的方向。另一方面，隨著通信網(wǎng)絡(luò)的發(fā)展，可申請使用的頻率資源越來越緊張，衛(wèi)星通信很難獲得全球覆蓋的授權(quán)頻率，因此如何破解網(wǎng)絡(luò)全球覆蓋與頻譜限制之間的瓶頸是目前急需解決的現(xiàn)實問題。

頻譜感知是認知無線電技術(shù)的關(guān)鍵技術(shù)之一，能夠緩解頻譜資源緊張，為需要通信的用戶動態(tài)接入到空閑頻譜上，提升頻譜資源的實際利用率[3-4]。因此基于低軌星座的頻譜感知能夠突破地面頻譜資源不足的限制，實現(xiàn)全球范圍內(nèi)頻率共享，是解決衛(wèi)星網(wǎng)絡(luò)用頻瓶頸的有效手段。近年來，地面通信系統(tǒng)中的頻譜感知得到了廣泛研究，研究方向主要包括感知策略的選取與優(yōu)化、頻譜資源的管理與調(diào)度以及頻譜安全接入等方面[5-7]。在衛(wèi)星網(wǎng)絡(luò)與認知網(wǎng)絡(luò)相結(jié)合方面，文獻[8]提出認知衛(wèi)星地面無線電概念，地面終端通過認知無線電共享時間、頻率和空間資源，并利用天線波束設(shè)計技術(shù)，減少相互干擾。文獻[9]研究認知無線電對星地混合通信系統(tǒng)性能的提升，提出并分析了該系統(tǒng)的功率分配策略。文獻[10]對認知衛(wèi)星網(wǎng)絡(luò)中頻譜感知算法的優(yōu)缺點進行了綜述，并根據(jù)各算法自身的特點指出了其應(yīng)用場合。然而受限于單星感知能力不足，頻譜感知的精度往往達不到檢測要求，而且衛(wèi)星監(jiān)測的帶寬一般都采用寬頻帶，這更增加了衛(wèi)星感知難度[11-13]。因此通過多星協(xié)同提升頻譜感知精度，是解決上述問題的有效途徑。

在協(xié)同頻譜感知中，對地面設(shè)備用頻信息的判定不再僅僅依靠單顆衛(wèi)星，而是通過匯總多顆衛(wèi)星的感知信息，通過信息融合判決準則做出判決，從而顯著提升頻譜感知精度。文獻[14]研究基于分簇的認知衛(wèi)星網(wǎng)絡(luò)架構(gòu)，提出基于信任加權(quán)的合作頻譜傳感方法。文獻[15]考慮LEO與GEO共用相同頻段，并針對衛(wèi)星運動引起的動態(tài)配置問題，提出一種動態(tài)頻譜分配算法。文獻[16]基于LEO衛(wèi)星寬頻帶特點，提出通過聯(lián)合優(yōu)化感知時間和硬融合方案，最大限度地提高感知效率。

通過衛(wèi)星協(xié)同感知，會降低頻譜漏檢概率，然而又會提升虛警概率，如何平衡二者關(guān)系對提升頻譜感知性能有重要意義。而作為合作博弈論之一的聯(lián)盟博弈模型[17]，能夠充分關(guān)注參與協(xié)作的每個節(jié)點自身的策略，將所有參與的節(jié)點組成一個個聯(lián)盟，通過聯(lián)盟協(xié)同在提升整體系統(tǒng)的同時，也提升了個體的效用值。文獻[18]通過分析檢測虛警概率和漏檢概率，提出一種基于合并和分裂操作的聯(lián)盟博弈，通過比較聯(lián)盟效用值提升整體感知性能。文獻[19]通過聯(lián)盟博弈，提出最佳中繼的協(xié)作頻譜感知技術(shù)。文獻[20]基于認知基站先驗知識，提出一種自適應(yīng)聯(lián)盟博弈算法以提升自身信道容量。然而上述文獻對聯(lián)盟博弈的研究都是基于對通過節(jié)點自組織形成聯(lián)盟，無法對聯(lián)盟劃分數(shù)進行調(diào)控，無法滿足多個任務(wù)的感知需求?；诖耍疚难芯恳环N基于任務(wù)驅(qū)動的GEO與LEO雙層網(wǎng)絡(luò)協(xié)同感知，不同于以往的合并分裂操作，本文聯(lián)盟劃分的數(shù)目是基于感知任務(wù)，提出將推選種子與聯(lián)盟博弈相結(jié)合的方法，能夠在提升頻譜感知性能的前提下，滿足多種任務(wù)要求。

1 系統(tǒng)模型

本文研究基于任務(wù)驅(qū)動的GEO與LEO雙層網(wǎng)絡(luò)協(xié)同頻譜感知算法，系統(tǒng)結(jié)構(gòu)如圖1所示。利用GEO衛(wèi)星覆蓋廣，且與地球相對靜止的特性，將其作為網(wǎng)絡(luò)的骨干節(jié)點，評估感知任務(wù)以及實施LEO協(xié)同算法。LEO衛(wèi)星作為頻譜感知節(jié)點，采用能量檢測的方式對地面設(shè)備是否占用頻譜資源進行感知判定，將感知結(jié)果上報給GEO衛(wèi)星。GEO衛(wèi)星匯總LEO衛(wèi)星獲取的頻譜感知數(shù)據(jù)，并根據(jù)任務(wù)要求對LEO衛(wèi)星協(xié)同算法進行調(diào)度。

圖1 系統(tǒng)模型圖

單顆衛(wèi)星感知能力有限，為滿足一些場景的感知精度要求，需要多顆衛(wèi)星進行協(xié)同感知。GEO衛(wèi)星作為網(wǎng)絡(luò)的骨干節(jié)點，負責LEO衛(wèi)星節(jié)點的任務(wù)分配和感知數(shù)據(jù)的融合判決，面對不同的任務(wù)需求，能夠靈活調(diào)整感知策略。

首先GEO衛(wèi)星收到地面指揮中心的感知任務(wù)，根據(jù)任務(wù)的優(yōu)先級、感知區(qū)域內(nèi)地理信息以及歷史感知數(shù)據(jù)，對感知任務(wù)進行評估，得出任務(wù)目標的感知精度要求。然后LEO衛(wèi)星進行本地頻譜感知，此時是單獨工作，并將數(shù)據(jù)上傳給GEO衛(wèi)星。GEO衛(wèi)星根據(jù)LEO感知數(shù)據(jù)計算相應(yīng)的檢測概率和虛警概率，如果能夠滿足任務(wù)要求，則利用單星感知；如果與感知精度有差距，GEO衛(wèi)星則選取協(xié)同感知策略，利用多顆LEO衛(wèi)星協(xié)同感知，提升感知精度，以達到任務(wù)要求。最后GEO衛(wèi)星融合所有感知信息，對地面設(shè)備的用頻信息及屬性進行判決與挖掘。頻譜感知具體流程如圖2所示。

圖2 系統(tǒng)流程圖

2 任務(wù)評估

衛(wèi)星覆蓋地域廣、范圍大，不同時刻、區(qū)域內(nèi)的信道環(huán)境變化較大，且不同的感知任務(wù)有不同的要求，比如作戰(zhàn)場偵察、災(zāi)區(qū)救援等需要較高的感知精度。因此GEO衛(wèi)星作為網(wǎng)絡(luò)骨干節(jié)點，根據(jù)不同的任務(wù)輸入，對LEO衛(wèi)星節(jié)點布置不同的感知精度要求。第k次感知任務(wù)可以建模為：

(1)

式中，tek為感知任務(wù)開始的時間，sh為任務(wù)區(qū)域，nk為當前時間內(nèi)目標區(qū)域上空的衛(wèi)星數(shù)，lk為此任務(wù)優(yōu)先級，DB表示GEO感知數(shù)據(jù)歷史信息，εk為目標感知精度。地面指揮中心將任務(wù)信息傳送給GEO衛(wèi)星，通過該任務(wù)信息，結(jié)合歷史數(shù)據(jù)庫DB，給出相關(guān)的感知參數(shù)。對感知參數(shù)分別說明：

① 任務(wù)優(yōu)先級lk：地面指揮中心對感知業(yè)務(wù)進行評估，給出具體的業(yè)務(wù)優(yōu)先級。比如承載特殊感知任務(wù)或災(zāi)區(qū)救援等業(yè)務(wù)優(yōu)先級最高，稱為1級(重要)；為衛(wèi)星尋找頻譜資源以便傳遞信號時的感知任務(wù)稱為2級(較重)；其他獲取地面設(shè)備用頻信息的感知任務(wù)稱為3級(一般)。

② 目標感知精度εk：不同的業(yè)務(wù)需求需要不同的感知任務(wù)，GEO衛(wèi)星通過評估任務(wù)輸入信息，并通過對比歷史數(shù)據(jù)庫，得出相應(yīng)的目標感知精度。例如設(shè)置εk=0.1，是指LEO衛(wèi)星感知的錯誤概率(虛警概率和漏檢概率之和)需要降到10%。另外針對任務(wù)中包含不同的感知頻率，設(shè)置不同的目標感知精度，再根據(jù)任務(wù)分配算法分給不同衛(wèi)星聯(lián)盟。

3 LEO頻譜感知

3.1 本地感知參數(shù)

LEO是否對感知區(qū)域內(nèi)的設(shè)備頻譜占用，視為二元假設(shè)問題，即H0表示地面設(shè)備沒有占用頻段，H1表示頻帶被占用，衛(wèi)星i感知的信號表示為：

(2)

(3)

(4)

(5)

3.2 數(shù)據(jù)融合準則

GEO衛(wèi)星采用OR準則對LEO感知數(shù)據(jù)進行融合判定，OR融合準則能夠提升系統(tǒng)的檢測概率，但同時也會提升虛警概率，漏檢概率和虛警概率為：

(6)

(7)

4 協(xié)同感知算法

4.1 聯(lián)盟效用函數(shù)

根據(jù)GEO衛(wèi)星的任務(wù)評估結(jié)果，如果單星感知無法滿足任務(wù)要求，則對LEO衛(wèi)星采用聯(lián)盟博弈算法進行調(diào)度，并根據(jù)感知目標數(shù)分成不同聯(lián)盟。多星協(xié)同的目標是降低感知系統(tǒng)的總體錯誤率，定義聯(lián)盟的效用函數(shù)為：

(8)

(9)

式中，α表示虛警概率的門限值，當其超過門限值α時，代價函數(shù)趨于無窮大，該節(jié)點將不能加入聯(lián)盟。α的定義保證LEO衛(wèi)星不會為了追求漏檢概率的不斷降低而形成一個大的聯(lián)盟，聯(lián)盟的最大尺寸根據(jù)式(7)可得：

(10)

4.2 聯(lián)盟形成規(guī)則

本文研究以任務(wù)驅(qū)動的聯(lián)盟博弈算法，即根據(jù)不同的感知任務(wù)形成不同的LEO感知聯(lián)盟，定義任務(wù)中需要感知的目標數(shù)為K，意味著LEO衛(wèi)星需要形成K個聯(lián)盟進行協(xié)同感知。任務(wù)數(shù)量不能改變，所以不能對衛(wèi)星聯(lián)盟進行合并和分裂操作。定義聯(lián)盟比較規(guī)則，設(shè)Si,Sj為2種不同的聯(lián)盟，任取聯(lián)盟Si中的衛(wèi)星k，若存在以下關(guān)系，表明衛(wèi)星k在聯(lián)盟Si內(nèi)獲得的收益小于聯(lián)盟Sj，衛(wèi)星k更愿意加入聯(lián)盟Sj:

(11)

4.3 基于聯(lián)盟博弈的協(xié)作頻譜感知過程

本文研究基于任務(wù)驅(qū)動的GEO與LEO雙層網(wǎng)絡(luò)協(xié)同頻譜感知，其中GEO衛(wèi)星作為網(wǎng)絡(luò)骨干節(jié)點，負責實施聯(lián)盟博弈算法，LEO衛(wèi)星作為頻譜感知節(jié)點，將感知信息上報GEO衛(wèi)星，GEO衛(wèi)星根據(jù)任務(wù)數(shù)將LEO衛(wèi)星分成多個聯(lián)盟進行感知，再分別融合每個聯(lián)盟內(nèi)的感知數(shù)據(jù)進行判定，完成對該目標的感知任務(wù)。整個過程分為3個階段：

① 初始狀態(tài)及種子衛(wèi)星選取。GEO衛(wèi)星接到任務(wù)，對任務(wù)做出評估并對位于感知區(qū)域上空的LEO衛(wèi)星下發(fā)感知指令，LEO衛(wèi)星單獨進行本地感知。因存在多個感知目標，LEO衛(wèi)星對所有目標依次感知，并通過星間鏈路將感知信息上報GEO衛(wèi)星。GEO衛(wèi)星根據(jù)感知結(jié)果計算各顆LEO衛(wèi)星針對不同感知目標時的漏檢概率和虛警概率，并根據(jù)式(8)計算單顆衛(wèi)星的效用值，選取每個感知目標中效用值最高的衛(wèi)星作為種子衛(wèi)星，種子衛(wèi)星不能重復且不參與聯(lián)盟博弈進程，將剩余的衛(wèi)星隨機加入種子衛(wèi)星，形成初始聯(lián)盟。

② 聯(lián)盟形成階段。GEO衛(wèi)星隨機選取一個初始聯(lián)盟中的衛(wèi)星(種子衛(wèi)星除外)進行聯(lián)盟博弈，并選取距離此LEO衛(wèi)星最近的聯(lián)盟進行調(diào)整操作，若能夠提升新聯(lián)盟的效用值，則可加入該聯(lián)盟并更新聯(lián)盟分區(qū)，否則繼續(xù)尋找下一個聯(lián)盟執(zhí)行此操作，反復迭代此進程，直到聯(lián)盟的效用函數(shù)不再增長。

③ 聯(lián)盟感知階段。最終聯(lián)盟分區(qū)達成納什均衡結(jié)構(gòu)后，衛(wèi)星的聯(lián)盟劃分不再進行變化，LEO衛(wèi)星形成K個不同的聯(lián)盟。GEO根據(jù)OR準則對每個聯(lián)盟內(nèi)收到的信息進行融合，對任務(wù)目標的用頻信息做出最終判決。

5 性能評估

通過Matlab仿真分析，驗證文中所提的基于任務(wù)驅(qū)動的聯(lián)盟博弈算法的有效性。在搭建的仿真平臺中，9顆LEO衛(wèi)星隨機分布在30 km×30 km的區(qū)域內(nèi)。GEO衛(wèi)星收到的任務(wù)是對1個地面設(shè)備進行感知，地面設(shè)備位于感知區(qū)域中心，距離LEO衛(wèi)星106m。發(fā)射功率設(shè)為100 mW，每顆LEO衛(wèi)星的采樣數(shù)設(shè)為10 000，考慮到地面到衛(wèi)星之間信道復雜多變的特性，比如地面設(shè)備周邊建筑物密集或衛(wèi)星仰角過小，設(shè)置不同衛(wèi)星到地面設(shè)備的陰影萊斯信道參數(shù)(b,m,Ω)為隨機變量。另外對于虛警概率的門限值設(shè)為α=0.1，虛警檢測概率設(shè)為Pf=0.02。

圖3 采用聯(lián)盟博弈策略形成的聯(lián)盟

表1 每顆衛(wèi)星的檢測概率和效用值

LEOPdU(i)10.936 60.916 620.954 50.934 530.912 40.892 440.872 50.852 550.912 40.892 460.915 50.895 570.913 60.893 680.940 40.920 490.949 00.929 0

圖4為感知衛(wèi)星的聯(lián)盟效用值與衛(wèi)星數(shù)目的關(guān)系，性能對比的方法為非協(xié)作單星感知，即在所有感知的LEO衛(wèi)星中選取錯誤率最低的衛(wèi)星做判決。仿真表明，基于聯(lián)盟博弈的多星協(xié)同感知性能有了大幅提升，相比選取最優(yōu)單星感知，聯(lián)盟效用函數(shù)提升2%，錯誤概率有20%的降幅。

圖4 不同衛(wèi)星數(shù)下的聯(lián)盟效用函數(shù)

6 結(jié)束語

提出基于任務(wù)驅(qū)動的聯(lián)盟博弈協(xié)同算法，以GEO衛(wèi)星作為網(wǎng)絡(luò)的骨干節(jié)點，承擔任務(wù)評估以及協(xié)同感知算法實施，LEO衛(wèi)星負責感知任務(wù)。給出了基于任務(wù)驅(qū)動的協(xié)同感知業(yè)務(wù)流程，推導了認知衛(wèi)星在陰影萊斯信道條件下的檢測概率和虛警概率。然后給出基于聯(lián)盟博弈的協(xié)同感知算法，GEO衛(wèi)星根據(jù)感知任務(wù)實施聯(lián)盟博弈算法，LEO衛(wèi)星組成一個個單獨的聯(lián)盟，按照任務(wù)分組感知。仿真表明，提出的協(xié)同感知算法，能夠平衡在協(xié)同感知中相互矛盾的漏檢概率和虛警概率，降低整體錯誤概率，滿足不同任務(wù)需求。