協(xié)同認(rèn)知無線網(wǎng)絡(luò)中自適應(yīng)中繼節(jié)點選擇算法*

2015-06-23 13:55:21羅夢麟張建照蘭昆偉

通信技術(shù) 2015年3期

羅夢麟，陳勇，張建照，蘭昆偉

(1.解放軍理工大學(xué) 通信工程學(xué)院,江蘇南京 210007；2.南京電訊技術(shù)研究所,江蘇南京 210007)

羅夢麟1，陳勇2，張建照2，蘭昆偉1

(1.解放軍理工大學(xué) 通信工程學(xué)院,江蘇南京 210007；2.南京電訊技術(shù)研究所,江蘇南京 210007)

最優(yōu)停止規(guī)則算法的優(yōu)點是避免主用戶考察所有次用戶，使主用戶能在較短觀測時間內(nèi)挑選出滿足通信服務(wù)質(zhì)量的中繼節(jié)點。但存在些許不足之處，如僅考慮了單次協(xié)同通信情況，沒有充分利用歷史中繼節(jié)點選擇信息。為了克服上述缺點，需要優(yōu)化該算法的性能，通過引入反饋機制，提出了自適應(yīng)中繼節(jié)點選擇算法，在每次中繼節(jié)點選擇結(jié)束后更新信息庫中次用戶中繼概率，主用戶從中繼概率高的次用戶開始觀測。研究結(jié)果表明：自適應(yīng)中繼節(jié)點選擇算法的效率要比最優(yōu)停止規(guī)則算法高；該算法可進一步減少觀測次數(shù)，降低系統(tǒng)的傳輸時延和觀測能耗，提高主用戶的平均吞吐率。

協(xié)同認(rèn)知無線網(wǎng)絡(luò) 自適應(yīng) 中繼節(jié)點選擇中繼概率

0 引言

隨著通信業(yè)務(wù)和通信設(shè)備數(shù)量的爆發(fā)式增長，頻譜資源變得愈發(fā)緊張和稀缺，如何有效的利用頻譜資源成為無線通信領(lǐng)域研究的熱點[1]。認(rèn)知無線電技術(shù)能夠有效提高頻譜的利用率，在認(rèn)知無線網(wǎng)絡(luò)(CRN,Cognitive Radio Networks)中，主用戶(PU,Primary Users)擁有授權(quán)頻段，次用戶(SU,Secondary Users)具有感知功能，能夠動態(tài)的感知PU的空閑頻譜，進而與PU進行頻譜共享，提高網(wǎng)絡(luò)的頻譜利用率[2-4]。

然而，由于無線通信網(wǎng)絡(luò)的不穩(wěn)定性，如多徑衰落、陰影效應(yīng)等影響，PU和基站之間有時無法進行有效的直接通信[5]。此時，采用協(xié)同通信技術(shù)能夠有效的改善通信質(zhì)量。在協(xié)同認(rèn)知無線網(wǎng)絡(luò)(CCRN,Cooperative Cognitive Radio Networks)中，SU充當(dāng)候選中繼節(jié)點，PU選擇具有良好通信環(huán)境的SU作為中繼節(jié)點，幫助其轉(zhuǎn)發(fā)信息；作為回報，PU提供SU一定的頻譜接入時間[6]。當(dāng)有多個SU可供選擇時，就需要考慮中繼節(jié)點選擇問題[7]，對于中繼節(jié)點選擇而言，最關(guān)鍵的就是效率問題，即如何高效的找到一個合適SU充當(dāng)中繼節(jié)點。

文獻[8]對當(dāng)前的中繼節(jié)點選擇問題的研究進行了系統(tǒng)的總結(jié)。大多數(shù)的方法都是通過窮舉法，即，考察所用的SU，然后挑選出最合適的中繼節(jié)點。窮舉法要求PU掌握所有的SU的信道信息，然而隨著通信設(shè)備數(shù)量的急劇增加，SU的數(shù)量可能會非常的大，采用窮舉法效率不高。文獻[9]研究了在大量SU條件下的中繼節(jié)點選擇問題，將最優(yōu)停止理論[10]引入中繼節(jié)點選擇問題中，提出最優(yōu)停止規(guī)則(OSR,Optimal Stopping Rule)，避免考察所有次用戶，使得PU能在較短的時間內(nèi)挑選出滿足通信服務(wù)質(zhì)量(QoS,Quality of Service)的中繼節(jié)點，提高了中繼節(jié)點選擇的效率。然而，隨著通信業(yè)務(wù)爆發(fā)式增長，PU采用協(xié)同通信的機會不斷增加，PU進行中繼節(jié)點選擇的次數(shù)也將大大提高，OSR算法僅考慮單次中繼節(jié)點選擇，在多次中繼選擇的場景中，若采用OSR算法，每次PU進行中繼節(jié)點選擇都將獨立、隨機地生成觀測序列，忽略了歷史中繼選擇信息。為此，本文在OSR的基礎(chǔ)上，引入反饋機制，建立主用戶信息庫(DB,Data Base)，存儲SU被選中作為中繼節(jié)點的中繼概率，提出了自適應(yīng)中繼節(jié)點選擇算法(ARSA,Adaptive Relay Selection Algorithm)。PU根據(jù)DB中的SU中繼概率，按降序生成觀測候選中繼節(jié)點序列，通過計算，選擇當(dāng)前平均吞吐率不低于預(yù)測平均吞吐率的第一個SU作為中繼節(jié)點，接著PU將中繼節(jié)點選擇結(jié)果反饋給DB，更新DB中SU的中繼概率。本文提出的ARSA算法，進一步提高了PU選擇中繼節(jié)點的效率，有效的降低了系統(tǒng)的傳輸時延和觀測能耗，提高了PU的平均吞吐率。

1 系統(tǒng)模型

1.1 網(wǎng)絡(luò)模型

如圖1所示，考慮由一個PU，一個基站，N個SUi(i=1,2,…,N)和一個信息庫DB構(gòu)成的CCRN。PU與基站之間的信道質(zhì)量差，無法進行有效的直接通信。因此，為了保證PU的通信質(zhì)量，PU需要選擇一個信道質(zhì)量優(yōu)于PU的空閑SU作為中繼節(jié)點，協(xié)同PU完成信息的傳輸；作為回報，PU將提供參與協(xié)同的SU一定的頻譜接入時間[11]。將網(wǎng)絡(luò)中的SU稱為候選中繼節(jié)點，選中作為中繼的SU稱為中繼節(jié)點。

圖1 網(wǎng)絡(luò)模型

在該網(wǎng)絡(luò)中，假設(shè)PU在時隙T內(nèi)完成一次通信，PU最多只能選擇一個SU作為中繼節(jié)點，同時每一個中繼節(jié)點只能和一個PU進行配對。

1.2 協(xié)同中繼節(jié)點協(xié)議

如圖2所示，將通信過程劃分為兩個階段[12]。

第一階段：中繼節(jié)點選擇時段。假設(shè)一個觀測時隙長度為t：觀測一個候選中繼節(jié)點需要的時間。PU根據(jù)DB中SU中繼概率，按降序生成觀測序列CS={Cs1,Cs2,…,CsN}。在時隙T的最開始，PU根據(jù)CS={Cs1,Cs2,…,CsN}依次觀測候選中繼節(jié)點，如果在第j次觀測時，觀測結(jié)果滿足要求，那么PU停止觀測，選擇SUj作為中繼節(jié)點。

第二階段：信息傳輸時段。本文把剩下的時間(T-jt)劃分為3個部分，如圖2所示，在(1-α)(T-jt)，PU將信息傳遞給中繼節(jié)點SUj；在αβ(T-jt)，SUj轉(zhuǎn)發(fā)PU的信息；在剩余的α(1-β)(T-jt)，SUj傳輸自己的信息。顯然，必須保證Nt

圖2 通信時隙結(jié)構(gòu)

1.3 中繼概率計算模型

文獻[9]考慮PU單次中繼節(jié)點選擇的情況，然而，隨著通信業(yè)務(wù)的爆發(fā)式增長，PU的通信次數(shù)遠(yuǎn)遠(yuǎn)不止一次，為了保證每一次通信的質(zhì)量，需要SU參與協(xié)同傳輸?shù)拇螖?shù)也在不斷增加。在無線通信網(wǎng)絡(luò)中不同的SU具不同的中繼能力。為了提高PU中繼節(jié)點選擇的效率，PU從中繼能力強的SU開始觀測是一種合理而行之有效的策略。本文用中繼概率來衡量SU的中繼能力，通過建立DB，存儲SU中繼概率，在每一次協(xié)同完成后，DB根據(jù)PU中繼節(jié)點選擇的結(jié)果，更新相應(yīng)SU的中繼概率。在協(xié)同開始階段，PU查閱DB中SU中繼概率，按降序開始觀測候選中繼節(jié)點。

(1)

(2)

假設(shè)對SUj進行了新的觀測，其中ξ次選中作為中繼節(jié)點，σ次未選中，那么SUj相應(yīng)的中繼概率可以通過式(2)進行更新，其中λ=λ+ξ，φ=φ+σ。

2 問題建模

本文研究在CCRN中存在大量SU情況下，如何快速選擇合適的SU作為中繼節(jié)點。PU根據(jù)觀測序列開始觀測候選中繼節(jié)點，根據(jù)觀測的當(dāng)前收益與預(yù)測收益的比較，判斷是否選擇當(dāng)前觀測的SU作為中繼節(jié)點。當(dāng)前收益表示：PU選擇當(dāng)前觀測SU作為中繼節(jié)點可獲得的平均吞吐率；預(yù)測收益表示：PU繼續(xù)觀測下一個候選中繼節(jié)點，未來可獲得的估計平均吞吐率。

2.1 信道估計

如圖2所示，為了保證中繼節(jié)點無失真的轉(zhuǎn)發(fā)PU的信息，必須滿足以下的條件

(3)

當(dāng)PU觀測SUj時，SUj給PU回傳一個βj值。如果SU回傳的βj滿足βj≥βlow,即PU可以接受SU提出的頻譜接入時間，那么認(rèn)為SUj是可供選擇的。定義Uj為SUj的可供選擇函數(shù)，其概率分布為

(4)

(5)

通常在無線通信中可達(dá)傳輸速率可以通過SNR來表示，根據(jù)香農(nóng)公式，可達(dá)傳輸速率可以表示為

rm=Wlog(1+νm)

(6)

式中，rm表示PU選擇信道在Sm狀態(tài)下SU作為中繼節(jié)點的可達(dá)傳輸速率。W表示信道的帶寬。那么，PU選擇不同信道狀態(tài)下SU作為中繼節(jié)點的可達(dá)傳輸速率可以用矩陣R={r1,r2,…rM}表示。其概率分布和信道狀態(tài)的概率分布是一致的

P{R=rm}=gm,m=1,2…,M

(7)

定義Xj=RjUj，表示PU選擇第j個候選中繼節(jié)點SUj作為中繼節(jié)點的可達(dá)傳輸速率。Xj的概率分布可描述如下

(8)

式中,1≤m≤M,1≤j≤N。假設(shè)候選中繼節(jié)點的信道都是獨立的，那么矩陣X={X1,X2,…XN}也是獨立的。

本文利用Xj和觀測次數(shù)(j)定義效用函數(shù)Yj，可以表示為

(9)

式(9)中分子表示PU選擇SUj作為中繼節(jié)點的吞吐量，分母表示完成一次通信的總時間。因此，Yj表示選擇SUj作為中繼節(jié)點后PU的平均吞吐率。Yj的概率分布與Xj的概率分布一致。

Yj=θjXj

(10)

2.2 當(dāng)前平均吞吐率計算

第j次觀測的當(dāng)前平均吞吐率用yj(x1,x2,…,xj)表示，即PU選擇SUj作為中繼節(jié)點可獲得的實時平均吞吐率，因為網(wǎng)絡(luò)中SU之間信道是獨立的，所以yj(x1,x2,…,xj)=Ujrjθj。

PU通過觀測SUj，可以得到當(dāng)前可達(dá)傳輸速率rj：PU觀測過程和802.11協(xié)議[16]中的RTS/CTS過程很相似。在觀測階段，PU給SUj發(fā)送一個RTS。SUj在接收到RTS指令后，發(fā)送一個CTS指令給PU，該指令中包含了SNR信息Ψj和βj值。通過式(6)，可以計算得到rj=Wlog(1+Ψj)。

2.3 預(yù)測平均吞吐率計算

(11)

(12)

當(dāng)觀測序列形成后，因為SU之間信道是獨立的，所以O(shè)N-j是一個僅與X(j+1)和剩余觀測次數(shù)N-j相關(guān)的常量。注意到Oj可以通過以下計算獲得

O0=-

(13)

(14)

當(dāng)j≥1時，

(15)

(16)

式(15)由兩部分組成，前半部分是當(dāng)前平均吞吐率大于預(yù)測平均吞吐率部分，后半部分是預(yù)測平均吞吐率大于當(dāng)前平均吞吐率部分。

3 算法設(shè)計

表1詳細(xì)描述了ARSA算法過程。其中，2-12部分為OSR算法核心部分，本文在OSR算法的基礎(chǔ)上引入反饋機制，建立信息庫DB，自適應(yīng)選擇中繼轉(zhuǎn)發(fā)節(jié)點。PU首先查閱DB，根據(jù)DB的SU中繼概率，按降序生成觀測序列CS={Cs1,Cs2,…,CsN}，假設(shè)生成觀測序列的耗時很小，在一個通信時隙內(nèi)可忽略不記[8]。接著PU根據(jù)CS={Cs1,Cs2,…,CsN}依次觀測候選中繼節(jié)點，計算當(dāng)前平均吞吐率yj和預(yù)測平均吞吐率ON-j，若yj≥ON-j，停止觀測，選擇SUj作為中繼節(jié)點，否則繼續(xù)觀測下一個候選中繼節(jié)點。值得注意的是，如果PU觀測到最后一個候選中繼節(jié)點(即前N-1個候選中繼節(jié)點無法滿足PU的要求)，那么PU必須選擇第N個候選中繼節(jié)點作為中繼節(jié)點。最后，PU將中繼選擇的結(jié)果返回給DB，DB更新各候選中繼轉(zhuǎn)發(fā)節(jié)點的中繼概率。

ARSA算法

1)輸入SU中繼概率和其他初始值；

2)PU根據(jù)DB中SU中繼概率，按降序生成觀測序：CS={Cs1,Cs2,…,CsN}；

3)從Cs1開始觀測候選中繼節(jié)點；

4)for do；

5)在第j次觀測后計算可達(dá)速率rj和平均吞吐率yj；

6)比較yj和預(yù)測平均吞吐率ON-j；

7)ifyj

8)繼續(xù)觀測下一個候選中繼節(jié)點SUj+1；

9)else；

10)停止觀測，選擇SUj作為中繼節(jié)點，將結(jié)果反饋回DB，更新DB中繼概率信息；

11) end if；

12)end for；

13)選擇SUN作為中繼節(jié)點，將結(jié)果反饋回DB，更新DB中繼概率信息。

4 仿真與結(jié)果分析

如圖3所示為不同N值下三種算法觀測次數(shù)隨觀測時隙長度的變化。從圖3可以看出：采用窮舉法，觀測次數(shù)等于SU數(shù)量N；當(dāng)N不變時，隨著觀測時隙長度的增大，采用OSR和ARSA算法，觀測次數(shù)隨之減少。原因是，隨著觀測時隙長度的增大，為了保證PU獲得最大平均吞吐率K，總觀測時長jt要保持一定，所以觀測次數(shù)隨之降低。

此外，采用OSR算法，N值的變化對觀測次數(shù)的影響很大；相比較而言，采用ARSA算法，N值的變化對觀測次數(shù)影響小。同時，如圖3所示，當(dāng)觀測時隙長度達(dá)到一定的值后，觀測次數(shù)趨于穩(wěn)定， ARSA算法的觀測次數(shù)穩(wěn)定在4次，OSR算法的觀測次數(shù)穩(wěn)定在9次。如圖3可以得出，在減少觀測次數(shù)方面，三種算法的性能排序如下：ARSA>OSR>窮舉法。

圖3 N取不同值情況下三種算法觀測次數(shù)比較

如圖4所示為不同N值下三種算法系統(tǒng)時延隨觀測時隙長度的對比。定義系統(tǒng)時延=觀測總時長(Ts=jt)。通過對比，發(fā)現(xiàn)采用窮舉法系統(tǒng)時延與觀測時隙長度成線性關(guān)系；采用OSR算法和ARSA算法，系統(tǒng)時延隨著時隙長度的變長緩慢增大，而后趨于不變。在不同的N值下，本文提出的ARSA算法在降低系統(tǒng)時延方面具有明顯的優(yōu)越性。如圖3所示，在相同觀測時隙長度下ARSA算法大大減少了觀測次數(shù)，降低了系統(tǒng)總觀測時間。因為通過每次選擇結(jié)果的反饋，DB對中繼概率進行更新，使得中繼能力強的SU排在了觀測序列的前面，這樣PU就可以在更少的觀測次數(shù)內(nèi)找到合適的SU充當(dāng)中繼節(jié)點，從而減少了觀測總時長，降低了系統(tǒng)時延。由圖4可以得出，在降低系統(tǒng)時延方面，三種算法的性能排序如下：ARSA>OSR>窮舉法。

圖4 N取不同值情況下三種算法系統(tǒng)時延比較

如圖5所示為不同N值下三種算法觀測能耗隨觀測時隙長度的變化。觀測能耗(P)可以通過PU發(fā)射功率(Pgc)和觀測總時長(jt)來確定(P=Pgc×jt)。如圖4所示，就觀測總時長而言，窮舉法>OSR>ARSA。由于觀測能耗與觀測時長呈線性關(guān)系，所以圖4與圖3保持一致。由圖5可以得出，在降低觀測能耗方面，三種算法的性能排序如下：ARSA>OSR>窮舉法。

圖5 N取不同值情況下三種算法觀測能耗比較

如圖6所示為不同N值下觀測時隙長度對三種算法PU最大平均吞吐率K的影響結(jié)果。采用窮舉法，PU最大平均吞吐率K隨著觀測時隙長度的變長迅速降低。因為，采用窮舉法，需要觀測所有SU，觀測時長大，導(dǎo)致信息傳輸時間T-jt短，進而嚴(yán)重影響K值。當(dāng)N不變時，隨著觀測時隙長度的增大，采用OSR和ARSA算法，PU最大平均吞吐率K隨之減小。因為隨著觀測時隙長度的增大，觀測次數(shù)隨之減少，然而觀測總時長tj卻是在不斷增大的，相應(yīng)的信息傳輸?shù)臅r間T-jt在減小，進而K也隨之減小。此外，由圖6可以看出：當(dāng)觀測時隙長度不變時，隨著N的增加，K隨之增加。原因是，隨著N的增加，雖然總觀測時長tj隨之增大了，但是N值的增加提高了系統(tǒng)中存在更高傳輸速率的SU的可能性。

對比OSR算法和本文提出的ARSA算法，ARSA算法在提高PU吞吐率方面具有優(yōu)勢：與OSR算法相比，ARSA算法大大提高了PU最大平均吞吐率，約為15%。通過每次選擇結(jié)果的反饋和信息庫的更新，傳輸性能好的SU排在了觀測序列的前面，這樣PU就可以在更少的次數(shù)內(nèi)找到具有較好傳輸性能的SU，提高了效用系數(shù)θj值。可以得出，在保證PU最大平均吞吐率方面，三種算法的性能排序如下：

ARSA>OSR>窮舉法

圖6 N取不同值情況下三種算法PU最大平均吞吐率比較

5 結(jié) 語

在協(xié)同認(rèn)知無線網(wǎng)絡(luò)中，中繼節(jié)點的選擇是關(guān)鍵問題，特別是如何在大量次用戶的情況下快速有效的選擇合適的中繼節(jié)點。本文在最優(yōu)停止規(guī)則算法的基礎(chǔ)上，結(jié)合反饋機制，提出自適應(yīng)中繼節(jié)點選擇算法。仿真實驗結(jié)果表明，與窮舉法和最優(yōu)停止規(guī)則算法相比，在降低系統(tǒng)時延和觀測能耗，提高主用戶的平均吞吐率方面，本文提出的自適應(yīng)中繼節(jié)點選擇算法具有明顯的優(yōu)勢。在協(xié)同認(rèn)知無線網(wǎng)絡(luò)中，功率的有效性也是一大研究熱點。下一步研究將考慮用戶的功率分配問題，探究如何使協(xié)同認(rèn)知無線網(wǎng)絡(luò)達(dá)到“綠色”。

[1] Alexandos P, Janne R, Pertri M, et al. Two Days of European Spectrum: Preliminary Analysis of Concurrent Spectrum Use in Seven European Sites in GSM and ISM Bands[C]// IEEE ICC. Budapest, Hungarian: IEEE press, 2013: 2666-2671.

[2] Goldsmith A, Jafar S A, Maric I, et al. Breaking Spectrum Gridlock with Cognitive: An Information Theoretic Perspective[J]. Proceedings of the IEEE, 2009, 97(50): 894-914.

[3] Song M, Xin C S, Zhao Y X, et al. Dynamic Spectrum Access: From Cognitive Radio to Network Radio[J]. IEEE Wireless Communications, 2012, 19(01): 23-29.

[4] 蔣師，屈代明，吳露露等.動態(tài)頻譜接入技術(shù)的分類和研究現(xiàn)狀[J].通信技術(shù)，2008,41(11):20-22. JIANG Shi, Qu Dai-ming, WU Lu-lu,et al. ZHONG Guo-hui. The Classification and Research Status of Dynamic Specturm Access Technology[J]. Communications Technlogy, 2008, 41(11): 20-22.

[5] Simeone O, Stanojev I, Savazzi S, et al. Spectrum Leasing to Cooperating Secondary Ad Hoc Networks[J]. IEEE Journal on Selected Areas in Communications, 2008, 26(01): 203-213.

[6] Long Y, Li H Y, Yue H, et al. Spectrum Utilization Maximization in Energy Limited Cooperative Cognitive Radio Networks[C]// IEEE ICC. Sydney Australia: IEEE press, 2014: 1466-1471.

[7] Lloyd E L and Xue G L. Relay node placement in wireless sensor networks[J]. IEEE Transactions on Computers, 2007, 56(01): 134-138.

[8] Elmenreich W, Marchenko N, Adam H, et al. Building blocks of cooperative relaying in wireless systems[EB]. Elektrotechnik & Informationstechnik, 2008, http://dx.doi.org/10.1007/s00502-008-0571-7.

[9] Jing T, Zhu S X, Li H J, et al. Cooperative relay selection in cognitive radio networks[C]// IEEE INFOCOM. Turin Italy: IEEE press, 2013.

[10] Liu Y and Liu M Y. To stay or to switch: Multiuser dynamic channel access[C]// IEEE INFOCOM. Turin Italy: IEEE press, 2013: 1249-1257.

[11] Chen Y Y, Feng Z Y, Xu D, et al. Optimal power allocation and relay selection in dual-hop and multi-hop cognitive networks[C]// IEEE ICC. Ottawa Canada: IEEE press, 2012: 1641-1645.

[12] Khalil K, Karaca M, Ercetin O, et al. Optimal scheduling in cooperate-to-join cognitive radio networks[C]// IEEE INFOCOM. Shanghai China: IEEE press, 2011: 3002-3010.

[13] Ganeriwal S, Balzano L, and Srivastava M. Reputation-based framework for high integrity sensor networks[J]. ACM Trans. Sensor Networks(TOSN), 2008, 4(03): 1-37.

[14] Jsang A and Ismail R. The beta reputation system[C]// IEEE 15th Bled Electronic Commerce Conference. Citeseer, 2002.

[15] Wang H S and Moayeri N. Finite-state markov channel-a useful model for radio communication channels[J]. IEEE Transactions on Vehicular Technology, 1995, 44(01): 163-171.

[16] Bianchi G. Performance analysis of the IEEE 802.11 distributed coordination function[J]. IEEE Journal on Selected Areas in Communications, 2000, 18(03): 535-547.

LUO Meng-lin(1990-), male, M. Sci., majoring in dynamic spectrum assignment.

陳勇(1975—),男,碩士,高級工程師,主要研究方向為認(rèn)知無線電、動態(tài)頻譜管理；

CHEN Yong(1975-), male, M. Sci.,senior engineer, mainly engaged in cognitive radio networks and dynamic spectrum management.

張建照(1985—)，男，博士，主要研究方向為認(rèn)知Ad Hoc網(wǎng)絡(luò)；

ZHANG Jian-zhao(1985-),male, Ph. D., mainly engaged in cognitive Ad Hoc networks.

蘭昆偉(1989—),男,碩士,主要研究方向為認(rèn)知無線電中的頻譜預(yù)測。

LAN Kun-wei(1989-),male, M. Sci., majoring in spectrum prediction in cognitive radio.

Natural Science Foundation of China(No.61301161)；Natural Science Foundation of Jiangsu(No.BK20141070)

Self-Adaptive Relay Selection Algorithm in Cooperative Cognitive Radio Networks

LUO Meng-lin1，CHEN Yong2，ZHANG Jian-zhao2，LAN Kun-wei1

(1.Institute of Communication Engineering, PLA University of Science & Technology,Nanjing Jiangsu 210007;2. Nanjing Telecommunication Technology Institute, Nanjing Jiangsu 210007)

The advantage of optimal stopping rule algorithm is to avoid PU scanning all SU, and the PU can find out the relay with good channel quality within a short observation time. However, there is a deficiency tha it just considers the single cooperation and does not take full advantage of the previous relay node selection information. By introducing the feedback mechanism, a self-adaptive relay selection algorithm is proposed,thus to solve the above problem and optimize the performance of the algorithm. The relay probability of SU is updated after every relay selection, and PU starts the observation of SU with high relay probability. Simulation results indicate that this self-adaptive relay selection algorithm is more efficient than optimal stopping rule algorithm, and could reduce observation frequency, decrease system latency and power consumption while improving the average throughput of PU.

cooperative cognitive radio networks; self-adaptive; relay selection; relay probability

date:2014-10-10；Revised date：2015-02-01

國家自然科學(xué)基金(No.61301161)；江蘇省自然科學(xué)基金(No.BK20141070)

TN918

1002-0802(2015)03-0318-07