朱圣銘, 楊霄鵬, 肖 楠, 劉東健, 徐志平
(1.空軍工程大學信息與導航學院,西安,710077; 2.96862部隊,河南洛陽,471000)
隨著無線通信技術(shù)的快速發(fā)展和業(yè)務傳輸需求的不斷增長,衛(wèi)星通信與地面移動通信對頻譜資源的競爭日益激烈,頻譜資源緊缺導致的頻譜擁塞和干擾問題逐漸成為制約衛(wèi)星通信發(fā)展的主要因素之一[1]。雖然高頻段衛(wèi)星頻率資源更加豐富,但有限的頻譜資源始終是限制衛(wèi)星衛(wèi)星通信發(fā)展的重要因素[2]。為了提高無線頻譜利用率,國內(nèi)外學者先后提出了多種解決方案,如多載波頻率復用、時空編碼、多天線傳輸?shù)龋@類技術(shù)采用的仍是靜態(tài)分配策略,無法從根本上解決頻譜資源分配不均衡與頻率互干擾問題。認知無線電(cognitive radio,CR)[3]是實現(xiàn)頻率高效利用的一種先進通信理論與技術(shù)。認知無線電在衛(wèi)星通信中的應用能夠提高空間頻譜資源管理的靈活性,有效緩解頻譜資源緊張和干擾問題,提高頻譜資源的利用率。
由于圖論模型在解決無線資源劃分問題上方便有效,近些年來在地面通信網(wǎng)絡中應用較多[4-6]。圖論是數(shù)學中的一個重要分支,其利用點和邊的集合描述研究對象之間的二元關(guān)系,由于其恰好與認知用戶和授權(quán)用戶之間頻譜接入問題的解決思路相符合,近些年來受到廣泛關(guān)注。采用圖論解決頻譜接入問題的思路就是通過對比認知用戶通信參數(shù)(如對授權(quán)用戶干擾功率或認知用戶感知距離等)與設定值的大小,從而確定認知用戶是否擁有接入授權(quán)頻譜的權(quán)利。對于每個認知用戶都有可供接入的授權(quán)用戶集,通過對比相應的收益目標函數(shù)和多次迭代的方式來確定最佳的頻譜接入方案。文獻[7]在圖論模型的基礎(chǔ)上,加入認知用戶功率矩陣和干擾閾值矩陣約束,量化了認知用戶對授權(quán)用戶的干擾和認知用戶間的干擾,在此前提下,提升了認知系統(tǒng)整體的吞吐量。文獻[8]將圖論模型應用于多層頻譜管理架構(gòu)中,通過形成認知用戶的感知態(tài)勢圖來獲取對授權(quán)用戶干擾及授權(quán)頻譜可用性變化等信息,使得認知系統(tǒng)中的頻譜接入過程更加清晰有效。文獻[9]針對多授權(quán)用戶情況,從可用授權(quán)信道數(shù)量、認知用戶和授權(quán)用戶部署密度及授權(quán)用戶可同時接入的最大數(shù)量來描述認知用戶與授權(quán)用戶的連通性問題,其提出的模型架構(gòu)可適用于大多數(shù)認知通信場景。而對于星地認知通信網(wǎng)絡,其研究成果較少。圖論模型具有較為直觀的特性,利用其建立衛(wèi)星認知通信網(wǎng)絡拓補圖,可使認知用戶快速發(fā)現(xiàn)能夠接入的授權(quán)用戶頻譜資源。
因此,本文將利用圖論模型對多授權(quán)用戶的衛(wèi)星上行鏈路認知通信場景下的頻譜劃分問題開展研究,并將系統(tǒng)吞吐量作為評價認知用戶接入授權(quán)用戶時獲得的收益指標,根據(jù)認知用戶及其范圍內(nèi)的授權(quán)用戶的通信參數(shù)構(gòu)建能反映認知用戶個體收益的目標函數(shù),通過多次迭代確定在各認知用戶效用函數(shù)達到最大的頻譜接入矩陣,從而最大限度地滿足用戶業(yè)務需求。
以往許多學者的研究表明,在星地網(wǎng)絡間進行衛(wèi)星認知用戶的動態(tài)頻譜接入是可行的,多個認知用戶可對單授權(quán)用戶進行頻譜接入。但在現(xiàn)實情況中,一定區(qū)域范圍內(nèi)的認知用戶數(shù)量和授權(quán)用戶數(shù)量通常為多個,這就大大增加了衛(wèi)星認知用戶進行動態(tài)頻譜接入[10]的復雜程度。為了降低頻譜接入的復雜度,需要將多認知用戶對多授權(quán)用戶進行頻譜接入的場景劃分為若干個多認知用戶對單獨授權(quán)用戶進行頻譜接入的場景,使問題模型得以簡化。
簡單的圖論模型可表示為:
G=(V,E)
(1)
式中:(V,E)表示無向圖G的一個二元組;V為圖G的頂點集;E為圖G中邊的集合。
考慮到在衛(wèi)星認知通信場景中存在認知用戶和授權(quán)用戶兩方,并且需要設計合適的效用函數(shù),以便對認知用戶是否可以接入授權(quán)頻譜的情況做出判斷,則式(1)可表示為:
G=(V1,V2,E,U)
(2)
式中:V1= {vi|i= 1, 2,…,n}和V2= {vj|j= 1, 2,…,m}分別為衛(wèi)星認知網(wǎng)絡中的認知用戶和授權(quán)用戶;E為認知用戶與其感知到的授權(quán)用戶之間的連接關(guān)系;U表示當認知用戶根據(jù)集合E選擇一個授權(quán)用戶進行接入其獲得的收益集合。設L=lijn×m為圖G的鄰接矩陣,則:
(3)
設U=uijn×m為圖G中認知用戶的收益矩陣,則:
(4)
式中:Uij表示在認知用戶i可以感知到授權(quán)用戶j的情況下,認知用戶i對授權(quán)用戶j進行頻譜接入時獲得的收益。
在星地網(wǎng)絡間衛(wèi)星認知通信場景中,多授權(quán)用戶情況下的認知用戶動態(tài)頻譜接入如圖1所示。
圖1 多授權(quán)用戶情況下的衛(wèi)星認知通信場景
文獻[11]提出的Generalized-K信道模型不僅符合衛(wèi)星鏈路中信號的傳輸形式,而且還可以較好地描述地面鏈路的信號特征。圖1中,認知用戶與授權(quán)用戶(下文稱認知節(jié)點和授權(quán)節(jié)點)共存于同一通信場景。由于地面通信環(huán)境多徑因素較多,所以其兩者間的信道模型可用Generalized-K信道模型來表示。
在該模型中,視距分量和多徑分量的幅度均服從Nakagami-m分布,則接收信號功率的概率密度函數(shù)為:
(5)
在Underlay模式[12]中,認知用戶無需感知授權(quán)用戶是否占用頻譜,允許接入授權(quán)用戶使用的頻段,但是需要預先感知授權(quán)用戶正常工作時所能容忍的最大干擾功率,從而嚴格控制自身傳輸功率,使得產(chǎn)生的干擾不超過此閾值,如圖2所示。本文通過采用數(shù)據(jù)庫技術(shù)(database technique)[13]建立干擾模型,通過該技術(shù),認知衛(wèi)星用戶可以獲得有關(guān)各種運行參數(shù)的信息,如信道數(shù)量、中心頻率和該點可用的功率級別等。另一方面,認知用戶在Underlay模式中也可以動態(tài)感知頻譜是否被占用,若未被占用,可以加大功率使用頻段;若授權(quán)用戶再次使用,則需要重新調(diào)整功率避免超過干擾閾值。因此,在Underlay模式中,認知用戶可以根據(jù)頻譜感知狀態(tài)來動態(tài)調(diào)整自身功率,使得收益最大化。
圖2 Underlay模式下認知用戶頻譜接入示意圖
在本文提出的假設中,對于同一認知用戶i,可能存在多個授權(quán)用戶頻譜可其供接入,此時認知用戶i需要選擇使得自身獲得收益Uij最大的授權(quán)用戶進行頻譜接入。而當其他認知用戶也選擇此授權(quán)用戶時,會造成所有接入該授權(quán)頻譜的認知用戶獲得的收益下降,此時對于認知用戶i可接入的其他授權(quán)用戶的頻譜收益可能大于之前i所選擇的授權(quán)用戶頻譜收益,認知用戶i需要對其周圍的授權(quán)用戶進行重新選擇。當經(jīng)過多次迭代后,認知用戶i的選擇不再變化時,其被劃分到收益最大的授權(quán)頻譜中。
圖1所定義的場景中,將星地認知網(wǎng)絡覆蓋區(qū)域定義為G,則認知節(jié)點vi和授權(quán)節(jié)點vj可表示為:
vi=(xi,yi)
(6)
vj=(xj,yj)
(7)
式中:xi和yi、xj和yj,分別為認知節(jié)點vi和授權(quán)節(jié)點vj在圖G中的橫縱坐標,假設認知節(jié)點vi的感知范圍為Di,根據(jù)式(6)、(7),則有:
(8)
L=lijn×m為認知節(jié)點vi和授權(quán)節(jié)點vj間的頻譜感知矩陣。當授權(quán)節(jié)點vj可以被認知節(jié)點vi檢測到時,lij=1;當授權(quán)節(jié)點vj未在認知節(jié)點vi的感知范圍內(nèi),該部分授權(quán)頻譜不可被認知節(jié)點vi利用,所以lij=0。
假設授權(quán)節(jié)點之間無頻譜重疊情況,認知節(jié)點僅對進行接入的授權(quán)節(jié)點產(chǎn)生干擾。根據(jù)式(4),認知節(jié)點vi對授權(quán)節(jié)點vj進行頻譜接入時獲得的收益uij可表示為:
(9)
(10)
式中:Pij_int為認知節(jié)點vi對授權(quán)節(jié)點vj的干擾功率大小,考慮到授權(quán)節(jié)點vi頻譜劃分的公平性,對于各認知節(jié)點vi,Pij_int的最大值可表示為:
(11)
式中:Tj_th定義為授權(quán)節(jié)點vj的最大干擾溫度,根據(jù)Generalized-K信道模型,在認知節(jié)點vi接入授權(quán)節(jié)點vj頻譜的情況下,當使得uij最大時,Pi可表示為:
(12)
式中:hij為認知節(jié)點vi到授權(quán)節(jié)點vj的信道沖擊響應,令gij=|hij|2,根據(jù)式(5)、(12),Pi可表示為:
(13)
將式(13)代入式(9)中,可得:
(14)
(15)
式中:Pi為認知節(jié)點vi所能感知到的所有授權(quán)節(jié)點的集合,令A=aijn×m為最佳接入矩陣,則A可表示為:
(16)
設迭代次數(shù)為c時的收益矩陣為U(c),A(c)根據(jù)U(c)更新自身的元素值aij。當對于接入矩陣A經(jīng)過c0次迭代仍不改變,即A(c-c0)=A(c-c0+1)=…=A(c),則A(c)為最終的最佳接入矩陣。
根據(jù)上述內(nèi)容,基于圖論模型的頻譜劃分算法流程如圖3所示。
圖3 基于圖論模型的頻譜劃分算法流程
由上圖可知,對于圖G,首先要計算認知節(jié)點和授權(quán)節(jié)點間的感知矩陣L,其次進行參數(shù)的初始化,在不考慮接入授權(quán)節(jié)點vj認知節(jié)點數(shù)量的情況下,即nj=1,直接根據(jù)頻譜收益大小來確定授權(quán)節(jié)點vj_imax(0),其目的是得到最佳接入矩陣的初始值A(chǔ)(0)。然后進行授權(quán)節(jié)點vj的頻譜劃分,通過式(14) ~ (16)確定最佳接入矩陣,當?shù)螖?shù)c達到條件時,停止迭代,求得最終的最佳接入矩陣A(c)。
在本文研究的多授權(quán)節(jié)點衛(wèi)星認知通信場景中,所有認知節(jié)點類型相同,所有授權(quán)節(jié)點也為同一類型。部分參數(shù)如表1所示。
表1 部分參數(shù)
其中,認知節(jié)點與授權(quán)節(jié)點在20 km × 20 km的區(qū)域內(nèi)均勻分布。根據(jù)文獻[14],本文采用的Generalized-K信道模型有3種不同衰落程度的參數(shù)組合:①在輕度衰落模式中,mA=38.08,mZ=3;②在中度衰落模式中,mA=7.91,mZ=2.5;③在重度衰落模式中,mA=1.09,mZ=1.5。在本文仿真實驗中,選取衰落模式為中度的Generalized-K信道模型,即mA與mZ分別為7.91和2.5。認知節(jié)點vi與授權(quán)節(jié)點vj的具體參數(shù)見表2和表3。
表2 認知節(jié)點的坐標參數(shù)
表3 授權(quán)節(jié)點的坐標參數(shù)及頻譜空閑率
將認知節(jié)點vi表示為SUi,授權(quán)節(jié)點vj表示為PUj,根據(jù)以上參數(shù),認知節(jié)點與授權(quán)節(jié)點的平面分布圖如圖3所示。
圖3 認知節(jié)點與授權(quán)節(jié)點的平面分布圖
上圖中紅色十字代表授權(quán)節(jié)點,藍色方塊代表認知節(jié)點,黑色虛線代表認知節(jié)點的感知范圍。首先通過式(7)確定頻譜感知矩陣,找到認知節(jié)點vi的可用接入鏈路,如圖4所示。
圖4 認知節(jié)點的可用接入鏈路
由圖4可知,認知節(jié)點SU12的感知范圍內(nèi)沒有授權(quán)節(jié)點,所以其不能進行頻譜接入。而對于授權(quán)節(jié)點PU6和PU9,由于其不在任何一個認知節(jié)點的感知范圍內(nèi),所以它們的頻譜資源不能被利用。根據(jù)圖4,需要確定初始的接入矩陣A(0),通過計算,初始的認知節(jié)點接入鏈路可以在圖4的基礎(chǔ)上表現(xiàn)為圖5。
圖5 初始時認知節(jié)點接入鏈路
根據(jù)迭代次數(shù)條件,設c0= 2,經(jīng)過實驗仿真,測得c= 11時,頻譜劃分達到最優(yōu),即A(9)=A(10)=A(11)。圖5為不同迭代次數(shù)情況下的授權(quán)頻譜劃分平面圖。
圖6(a)、(b)分別為迭代次數(shù)為8和9時的授權(quán)頻譜劃分平面圖,每條接入鏈路上顯示了認知節(jié)點頻譜收益uij的大小。在圖6(b)中,認知節(jié)點SU18不接入與其距離較近的授權(quán)節(jié)點PU1和PU7,而是選擇接入與其距離較遠的PU2,這是因為當距離較近時,由于授權(quán)節(jié)點的干擾條件限制,認知節(jié)點要降低自身功率以避免對授權(quán)節(jié)點產(chǎn)生干擾,所以對于認知節(jié)點,會選擇在自身感知范圍內(nèi)距離較遠的授權(quán)節(jié)點進行接入,以提升自身的頻譜收益。由圖6(a)和圖6(b)的對比可以看出,當?shù)螖?shù)為8時,接入策略未達到最佳,認知節(jié)點SU14和SU16的頻譜收益分別為1.182 5和0.524 72,當?shù)螖?shù)達到9時,SU14和SU16的頻譜收益提升為1.581 1和1.353 6,證明了該算法可以在提升認知節(jié)點頻譜收益的同時,完成授權(quán)頻譜的動態(tài)劃分。
圖6 不同迭代次數(shù)的授權(quán)頻譜劃分平面圖
本文針對星地網(wǎng)絡間多授權(quán)用戶的衛(wèi)星認知通信場景展開研究,對于該場景中多授權(quán)用戶頻譜接入問題提出了基于圖論模型的授權(quán)頻譜劃分方法。首先介紹了多授權(quán)用戶情況下的衛(wèi)星認知通信場景,其次利用圖論對該場景下的授權(quán)頻譜劃分問題進行建模分析,將其劃分為多個認知用戶與單個授權(quán)用戶進行頻譜接入的場景,設計了授權(quán)頻譜劃分流程,實驗結(jié)果表明,文中算法可在考慮授權(quán)用戶干擾條件的情況下,兼顧認知用戶頻譜收益,完成網(wǎng)絡中授權(quán)頻譜的劃分。