雙向拍賣協議結合自適應模糊推理的認知無線電網絡頻譜共享方案

劉俊霞，卜宇，劉智勇

雙向拍賣協議結合自適應模糊推理的認知無線電網絡頻譜共享方案

劉俊霞，卜宇，劉智勇

針對認知無線電（CR）網絡中頻譜資源有限且利用率較低的問題，提出了一種基于連續雙向拍賣（CDA）協議和自適應模糊推理的認知無線電協作頻譜共享方案。首先，SU通過對接收到的PU信號進行能量計算，粗略估計PU頻帶的利用率情況。然后，PU和SU進行雙向拍賣過程，SU根據PU的頻帶利用率情況給出一個較為合理的應價，以此減少討價還價輪數。最后，通過模糊邏輯推理獲得最終交易價格，完成交易，以此實現SU對PU空閑頻帶的有效利用。實驗結果表明，該方案在平均拍賣輪數、PU收益和頻帶利用率方面具有較高的性能。

認知無線電網絡；頻譜共享；連續雙向拍賣；模糊推理；自適應

0　引言

傳統的無線網絡采用的都是固定的頻譜分配政策，隨著越來越多無線系統的使用，頻譜資源變得越來越緊張。同時，固定頻譜分配機制分配的頻譜使用效率非常低，由此，研究人員提出了認知無線電（Cognitive Radio，CR）技術［1］。其基本思想是：在不對占用頻譜的主要用戶（Primary User，PU）產生干擾的前提下，使次級用戶（Secondary User，SU）通過擇機的方式接入暫時空閑的PU頻段，以提高頻譜利用效率［2］。頻譜共享的目的為檢測該頻譜中是否存在PU并合理交付為SU，其是認知無線電的關鍵技術之一。

在頻譜共享中，PU和多個SU之間需要交換信息并達成空閑頻譜占用協議，這與市場經濟中的拍賣相似。可將認知網絡中的PU看作賣方，而把SU看作買方，將頻譜池中的空閑頻段看做需要交易的商品，運用經濟學中的連續雙向拍賣（Continuous Double Auction， CDA）［3］協議進行認知網絡中的動態頻譜分配。目前，學者提出了多種基于CDA的頻譜共享策略。例如，文獻［4］提出一種戰略型頻譜拍賣（SPSA）方案，支持類似eBay的動態頻譜市場，該方案允許無線用戶獲取并根據要求支付頻譜。然而，SPSA方案是僅考慮購買者的單向頻譜拍賣。文獻［5］提出一種基于重復拍賣貝葉斯學習（RABL）方案的重復拍賣博弈模型，該方案研究了由監控成本和訪問成本的認知無線電系統的頻譜接入問題。因此，重復拍賣模式已用于最大限度地權衡訪問頻段的收益和成本。文獻［6］提出一種自適應拍賣頻譜共享（AASS）方案，其基于非合作博弈模型描述PU和SU之間競爭力的拍賣，采用Hackner效用函數定義自私自利的二次用戶的頻譜出價。然而，上述方案都依賴于高復雜性和額外開銷，其次，現有的方案不能自適應估計當前網絡條件，在動態網絡環境中可能造成潛在的錯誤決策。另外，這些方法中的拍賣過程初始時隨機叫價，拍賣輪數較長。

為此，本文提出一種基于連續雙向拍賣（CDA）協議和模糊推理的認知無線電頻譜共享方案，將頻帶交換建模為一個雙向拍賣過程。SU通過對接收到的PU信號進行能量計算，粗略估計PU頻帶的利用率情況，并以此給出一個合理應價，加快拍賣過程，并通過模糊邏輯推理獲得最終交易價格，完成交易。與現有方案相比，本文方案在平均拍賣輪數、PU收益和頻帶利用率方面具有較高的性能。

1 系統模型

頻譜共享可以用二元假設檢驗問題如公式（1）：

考慮一個CR網絡，其中包含由一個融合中心（FC）協作的M個分布式SU。如圖1所示：

圖1　提出的頻譜共享方案

每個頻譜共享周期由以下步驟組成：首先，每個SU計算其在感興趣頻帶接收的PU信號能量。然后，SU和PU在FC中進行頻譜雙向拍賣過程，SU根據計算的PU信號能量給出一個較為合理頻帶應價，以此減少討價還價輪數。最后，根據模糊邏輯獲得最后的交易價格，最終實現SU對PU空閑頻譜的有效利用。

2　提出頻譜共享方案

2.1PU能量觀測

SU在頻帶協作中檢測PU信號。根據PU的狀態，每個SU上接收到的信號如公式（2）：

上式中，xi（t）表示在第i個SU上的接收信號，hi（t ）表示PU與第i個SU之間的信道增益，s（t）表示由PU發送的信號，ni（t ）表示在第i個SU上的加性噪聲。

當PU信號的先驗信息不可用時，利用能量檢測方法來檢測零均值星座信號是最優的。如圖2所示：

圖2　能量檢測原理框圖

為了測量信號的能量在感興趣頻帶的分布，首先利用帶通濾波器（BPF）接收信號，然后用模擬-數字轉換器（A/D）將其轉換成離散信號。能量檢測中的第i個SU的靜態測試為公式（3）：

式中，xi（j）為在第i個SU上接收信號的第j個樣本，N為樣本的數目，N=2TW，其中T和W分別為檢測時間和信號帶寬。假設每個樣本中的噪聲是具有零均值的高斯隨機變量。當N相對比較大時（例如，N＞10），Yi可以在H0和H1兩個假設下被精確地近似為高斯隨機變量，這就意味著均值μi和方差表示為公式（4）、（5）：

在一個PU和噪聲條件下，觀測到能量的例子。如圖3所示：

圖3　在SU上的能量觀測例子

這個例子中，PU信號是二進制相移鍵控（BPSK）信號，樣本數量N=5，噪聲方差，且在S U上P U信號的SNR為γ=10dB 。在獲得當前PU工作的能量均值和方

差后，可估計出PU使用其所屬信道程度，即信道使用率情況。將估計的信道能量均值與信道總能量的比值設為Re，將方差歸一化為Re的浮動范圍，用于后續雙向拍賣協議中初始化應價。

2.2連續雙向拍賣協議

傳統的連續雙向拍賣（CDA）協議主要涉及一個拍賣商（賣方）和多個投標人（買家），該結構稱為單向拍賣，而在頻譜共享的拍賣場景中，存在幾個買家和賣家對頻段進行投標（即愿意支付的價格）及報價（即預期的銷售價格）的情況，該情況下的拍賣模式設計為多對多的雙向拍賣結構［7］。

雙向拍賣模型中的系統操作員定義為拍賣商，負責定價和交易頻段。N 中Pus為賣方，賣家可以報價給拍賣商，以顯示其在價格上的偏好，M中SUs可以是投標人，投標人投標購買頻段。每個周期中，玩家之間的頻譜拍賣（即，PUs和SUs）周期性運行，對于每個拍賣階段，買賣雙方基于其效用函數估計頻段價值，當所有的報價和出價送到拍賣商之后，拍賣商設置頻譜共享交易價格，并決定哪個投標人從哪個賣家獲得頻段。采用普雷斯頓-邁克菲雙向拍賣（PMDA）協議的基本概念來決定商品價格，在每一輪拍賣結束后，拍賣商收集所有有關報價和出價的信息，并通過分類和匹配技術決定交易價格，然后拍賣商對所有玩家宣布決定的商品價格，因此，玩家學習CR系統中當前頻譜共享條件，Sus（即投標人）獲得所需頻段，在接下來的一輪拍賣不會提交新出價，如果一些SUs競標頻段失敗，他們將提交新的出價給拍賣商，同時，如果一些PUs沒有售出自己的頻段，他們在下次拍賣時也將提交新的報價。因此，在每一輪拍賣中，剩下的玩家自適應地調整自己的價格，這種動態的拍賣程序依次重復每一個周期（即串行拍賣），以達成有效拍賣共識［8］。

雙向拍賣協議的拍賣過程如下：

1）新的一輪開始，輪數r=r+1，設定最高價格為a0，最低價格為b0。

2）當任意一個賣方和買方報價時可能會出現以下情況：

（a）任一賣方提出一個叫價a時，如果a ≥ a0，即a不是一個合理的叫價，剔除；如果b0＜ a ＜ a0，將a0更新為a；如果a ≤ b0，以b0的價格成交，回到（1）。

（b）任一買方提出一個應價b時，如果b ≤ b0，b是不合理的應價，剔除；如果b0＜ b ＜ a0，將b0更新為b；如果b ≥ a0，以a0的價格成交，回到（1）。

3）不斷重復（2），直到叫應價次數超過設定閾值。

上述傳統雙向拍賣中，賣方和買方都是隨便給出一個初始叫價和應價，通過討價還價獲得最終交易價格。這種機制需要多次循環，如果給出的初始叫價或應價就接近于最優價格的話，那將會大大加快拍賣速度［9］。為此，本文在協議開始時，就對SU接收到的PU信號進行功率分析，得出PU此刻所擁有信道的使用情況，比計算獲得信道占用比例Re和其浮動范圍，再雙向拍賣。本文利用將設定的最高價a0和最低價b0的差值乘以比例Re，并根據Re的浮動范圍給出合理應價范圍，在拍賣開始時，買家在此范圍內給出一個合理應價，以加速雙向拍賣的收斂速度。

2.3基于模糊推理的雙向拍賣協議

基于Sugeno控制器的模糊推理機制是由一系列的If-Then語句構成［10］，其具有以下規則：

R1：if x屬于A1且y屬于B1then z1=c1；R2：if x屬于A2且y屬于B2then z2=c2；

……

Rn：if x屬于An且y屬于Bnthen zn=cn；

其中，A1，A2，…，An，B1，B2，…，Bn為模糊集，z1，z2，…，zn是實數。若有事實：x屬于x0，y屬于y0。則輸出結果為公式（6）：

基于自適應模糊推理的雙向拍賣協議中，設定PR為歷史參考價格，為歷史成交價的中值。根據PR，a0，b0之間的關系可以將拍賣分為3種情況：（1） PR≤ b0＜ a0；（2） b0＜a0≤ PR；（3） b0＜ PR＜ a0。在第一種情況下，若b0比PR大很多，賣家應該接受價格b0（要價為b0），否則將以逐步降低a0；在第二種情況下，若a0比PR小的多，則不再要價，否則將逐步降低a0；第三種情況要復雜一些，需要根據PR距離a0和b0的遠近來決定要價，PR離a0距離越遠（離b0距離越近）要價就越低。將以上啟發知識表示成模糊規則如下：

SR1：if b0比PR大的多

then要價為b0

else要價為（a0-α1， u， v）；

SR2：if a0比PR小的多

then保持原要價

else要價為（a0-α2， u， v）；

SR31：if PR離b0很遠或不遠不近and PR離a0很遠

then要價為（a0-α31， u， v）；

SR32：if PR離b0很遠或不遠不近and PR離a0不遠不近

then要價為（a0-α32， u， v）；

SR33：if PR離b0很遠或不遠不近and PR離a0很近

then要價為（a0-α33， u， v）；

SR34：if PR離a0很近

then要價為（PR+α34， u， v）

其中，參數α1， α2，…， α31，…， α34由賣家的風險偏好決定。得到以上3種情況下的隸屬度之后，由式（6）計算出賣方的下一個叫價和買方的下一個應價。以上描述中，“大的多”，“小的多”，“很遠”，“很近”，“不遠不近”等都是模糊語言，其中，“很遠”，“很近”，“不遠不近”的隸屬度如圖4所示：

圖4　模糊集“不遠不近”，“很近”和“很遠”

3　實驗及分析

為了驗證本文的頻譜共享方法，進行蒙特卡羅仿真。設定PU總數為30，SU總數為15；采用樣本數量N=300； PU信號是帶寬為6MHZ的零均值信號；SU的噪聲具有相同的單位方差。

在一個多媒體場景下進行實驗，場景中具有多個應用程序，每個服務具有不同的流量特性，模擬中使用的多媒體應用程序類型。如表1所示：

表1　模擬實驗中使用的應用程序

以PU的收益、交易成功概率、頻譜利用率、系統吞吐量、平均每輪拍賣次數作為性能指標。將本文算法與兩個現有方案：RABL方案［5］、AASS方案［6］的性能進行比較。

各種方案平均拍賣輪數如圖5所示：

圖5　平均拍賣輪數

拍賣輪數是指每輪拍賣頻譜交易的平均數量，所有方案趨勢類似，然而，本文方法中，買家初始時根據所計算的賣家信道使用情況，給出了較為合理的應價，可以使拍賣模式更加適應當前的系統狀況，加快拍賣進程。因此本文算法比其他方案保持較低的拍賣輪數。

所有方案的總收益如圖6所示：

圖6　PUs的收益

從主用戶角度來看，收益是一個非常重要的因素，結果表明，應用程序請求率非常低（k＜0.4）時，所有方案收入幾乎相同。而當請求速率增加時，本文算法的PUs收益比其他方案更好。

各種方案的頻譜利用率如圖7所示：

圖7　頻譜利用率

為了最大化系統性能，頻譜利用率是一個重要的性能指標，所有的方案都有類似的趨勢，而在各種請求速率下，本文提出的頻譜利用率方案比其他方案更好。

4　總結

本文提出一種基于連續雙向拍賣（CDA）協議和自適應模糊推理的認知無線電協作頻譜共享方案。對于傳統CDA協議中初始叫價和應價的隨機性增加拍賣輪次的問題，利用SU估算PU頻帶利用率，并以此給出一個合理應價，加快拍賣速度。同時，利用模糊邏輯推理獲得最終交易價格，實現空閑頻帶的有效利用。實驗中將本文方法與現有基于雙向拍賣協議的頻譜共享方案進行比較，結果表明，本文方案在平均拍賣輪數、PU收益和頻帶利用率方面具有較高的性能。

［6］ 丁漢清， 楊家瑋， 趙志遠. 認知無線電網絡中頻譜感知性能分析［J］. 計算機科學， 2010， 37（3）：125-127.

［7］ 石磊， 周正， 唐亮，等. 認知無線電網絡中壓縮協作頻譜感知［J］. 北京郵電大學學報， 2011， 34（5）：76-79.

［8］ 劉覺夫， 王華鋒， 楊麗. 基于連續雙向拍賣的頻譜分配算法研究［J］. 計算機工程與設計， 2014，35（5）：1516-1520.

［9］ Wu F， Vaidya N. A strategy-proof radio spectrum auction mechanism in noncooperative wireless networks ［J］. Mobile Computing， IEEE Transactions on， 2013， 12（5）：885-894.

［10］ 黃河， 孫玉娥， 陳志立， 等. 完全競爭均衡的頻譜雙向拍賣機制研究［J］. 計算機研究與發展， 2014， 51（3）：479-490.

［11］ Louie R H Y， McKay M R， Chen Y. Multiple-antenna signal detection in cognitive radio networks with multiple primary user signals［C］ Communications （ICC）， 2014 IEEE International Conference on. IEEE， 2014：4951-4956.

［12］ 張文柱， 王凌云. 基于單頻段多贏家拍賣的動態頻譜分配［J］. 通信學報， 2012， 33（02）：1-6.

［13］ Sun G， Feng X， Tian X， et al. Coalitional Double Auction for Spatial Spectrum Allocation in Cognitive Radio Networks［J］. Wireless Communications Transactions on IEEE，2014， 13（6）： 3196-3206.

［14］ Kim S. A repeated Bayesian auction game for cognitive radio spectrum sharing scheme［J］. Computer Communications， 2013， 36（8）： 939-946.

［15］ Lu L， Jiang W， Bai L， et al. Spectrum redistribution for cognitive radios using discriminatory spectrum double auction［J］. Wireless Communications & Mobile Computing， 2013， 13（8）： 774-789.

Cognitive Radio Spectrum Sharing Scheme Based on Double Auction Protocol and Adaptive Fuzzy Inference

Liu Junxia1， Bu Yu2， Liu Zhiyong1
（1. Department of Electrical and Information， Xinjiang Institute of Engineering， Urumqi 830023， China 2. Department of Computer Engineering， Xinjiang Institute of Engineering， Urumqi 830023， China）

For the issues that the limited spectrum resources and low utilization rate in cognitive radio （CR） network， a cognitive radio spectrum sharing scheme based on double auction protocol （CDA） and adaptive fuzzy inference is proposed. Firstly， SU calculates the energy of the received PU signals， and estimates the utilization rate of the PU band. Then， PU and SU perform the double auction process. SU give a more reasonable price according to the band utilization rate of PU， in order to reduce the number of bargaining rounds. Finally， the final transaction price is obtained by fuzzy logic inference， and the completion of the transaction， in order to achieve the effective use of SU for the PU idle frequency band. Experimental results show that the proposed scheme has a high performance in terms of average number of auction rounds， PU gain and bandwidth utilization.

Cognitive Radio Network； Spectrum Sharing； Continuous Double Auction； Fuzzy Inference； Adaptive

TP393

A

1007-757X（2016）06-0032-04

2016.02.01）

新疆維吾爾自治區高校科研計劃青年教師科研啟動基金項目（No.XJEDU2014S074）

劉俊霞（1980-），女（漢），新疆人，新疆工程學院，電氣與信息工程系，講師，碩士，研究方向：無線通信、無線網絡等，烏魯木齊，830023

卜 宇（1981-），女（漢），新疆人，新疆工程學院，電氣與信息工程系，講師，碩士，研究方向：計算機網絡、數字媒體等，烏魯木齊，830023

劉智勇（1968-），男（漢），山東人，新疆工程學院，電氣與信息工程系，實驗師，研究方向：計算機網絡、機電一體化等，烏魯木齊，830023