認知無線網絡中基于混合頻譜切換的最優目標信道選擇算法

馬 彬 包小敏 謝顯中

?

認知無線網絡中基于混合頻譜切換的最優目標信道選擇算法

馬 彬 包小敏*謝顯中

(重慶郵電大學移動通信技術重點實驗室 重慶 400065)

在主動頻譜切換中，預先確定目標信道存在高失效風險，從而增加切換時延的問題。該文提出一種基于混合主被動頻譜切換的最優目標信道選擇算法。該算法結合主動頻譜切換和被動頻譜切換的優點，引入最小累積切換時延評價標準，綜合考慮次用戶的多次中斷、主用戶的到達率和非理想頻譜檢測對次用戶累積切換時延的影響，并詳細分析和推導了非理想檢測下次用戶的累積切換時延。仿真表明，相較于主動和被動頻譜切換中目標信道選擇策略，在信道狀態變化頻繁或業務量較大等極端情況下，該算法的性能優勢尤為明顯。

認知無線電；信道選擇；頻譜切換；混合式；非理想檢測

1 引言

認知無線網絡中非授權用戶(即次用戶，SU)可以機會式地利用授權用戶(即主用戶，PU)的頻譜，從而提高頻譜的利用率，解決頻譜資源匱乏的問題。主用戶的優先級大于次用戶。當主用戶返回授權頻譜時，次用戶必須無條件立即退出該頻譜，尋找新的空閑頻譜繼續傳輸數據，而不能對主用戶造成干擾，這個過程就是頻譜切換[1,2]。按頻譜共享方法可以將頻譜切換分為主動、被動和混合頻譜切換3類[3]。在主動頻譜切換機制中[4,5]，次用戶可以根據長期的觀測和歷史信息，在主用戶到達之前預測出目標信道。但是候選信道存在更新問題，從而導致其選擇的信道不可用。特別是在信道狀態變化頻繁的環境中，該問題尤為突出。在被動頻譜切換機制中[6,7]，目標信道是按需尋找的。當頻譜切換發生時，次用戶立即通過頻譜感知尋找空閑信道。被動頻譜切換會帶來感知時延，使切換的時延性能降低。綜上所述，基于主被動頻譜切換機制的信道選擇策略各有優缺點。因此混合頻譜切換機制試圖融合兩種機制信道選擇策略的優點，提高信道選擇的效率。目前這方面的研究工作相對較少。

主動、被動和混合頻譜切換中目標信道的確定方法各不相同。文獻[8]提出了主動決策頻譜切換的目標信道選擇方案，該方案能使頻譜切換失敗概率最小。文獻[9]提出了兩種機會式的信道選擇算法：最小碰撞率信道選擇算法和最小切換率的信道選擇算法，使次用戶吞吐量最大化。文獻[10]提出一種基于概率的方法，利用凸優化問題求解次用戶的最小擴展服務時間，決定單個次用戶的認知無線網絡中頻譜切換的初始信道和目標信道。文獻[11]利用排隊論建立模型，以最小累積切換時延作為選擇最優目標信道的標準。這些文獻中目標信道選擇算法都只是在一種頻譜切換機制中進行，不能揚長避短，綜合各種頻譜機制的優勢。

除此之外，以上文獻在討論頻譜切換中的信道選擇時，均假設次用戶對頻譜的感知不存在漏檢和虛警等錯誤檢測的情況。但是，在實際的認知無線網絡中不可避免地存在噪聲、多徑、陰影等非理想信道因素。因此，研究非理想檢測下頻譜切換中的信道選擇算法非常必要。目前只有少量的文獻涉及到這方面的工作。文獻[12]建立了一個基于學習和體驗質量驅動的頻譜切換方案，利用加強學習的方法選擇最優目標信道。文獻[13]設計了一個負載均衡的多用戶頻譜判決方案，分析了多次中斷、檢測錯誤和不同信道容量對頻譜判決的影響。文獻[12,13]只考慮漏檢和虛警對切換性能的影響，沒有分析漏檢和虛警對目標信道選擇的影響。

針對上述問題，本文綜合了主動頻譜切換和被動頻譜切換的優點，利用PRP M/G/1排隊網絡模型，提出一個基于混合頻譜切換的最優目標信道選擇算法。該算法中次用戶的初始目標信道預先確定。但是，當次用戶切入到預先的目標信道中需要等待時，可以立即利用這一時段感知信道，選擇等待時延和感知時延的最小值作為一次頻譜切換的時延。最終以累積切換時延最小的信道作為最優的目標信道序列。本文的主要貢獻概括如下：

(1)提出一種基于混合頻譜切換的最優目標信道選擇算法。該算法引入累積切換時延作為主要的評價標準，綜合了主動頻譜切換和被動頻譜切換兩種制式的優勢，從而降低次用戶的累積切換時延，提高了切換的整體性能。

(2)考慮了次用戶的多次中斷、主用戶的到達率和非理想頻譜檢測對次用戶累積切換時延的影響。重點分析了非理想頻譜檢測環境下的信道選擇問題。詳細推導了漏檢概率和虛警概率對主次用戶平均服務時間的增加量。進一步說明了非理想檢測對切換時延的影響。

2 基于混合頻譜切換的網絡場景和問題假設

在認知無線電系統中，把頻譜分成了多個信道，將一個信道分為多個時隙。為了保護主用戶，次用戶必須在每個時隙的開頭進行頻譜感知。如果檢測到信道空閑，次用戶可以在該時隙傳輸數據。反之，如果信道狀態為忙碌，次用戶執行頻譜切換過程尋找新的目標信道傳輸未傳完的數據。每個主用戶都有自己的授權信道，主用戶接入授權信道的優先級大于次用戶。如果優先級相同的用戶同時接入信道時采用先到先服務的調度原則。為簡化分析，假設每個主次用戶預先安排一個初始信道，在一個信道的一個時隙只能有一個用戶傳輸數據。

次用戶在傳輸過程中，次用戶可能會受到多次中斷，可能會進行多次頻譜切換。主動頻譜切換中，由于信道條件是實時變化的，預先確定的目標信道在需要切換時，可能已經不再是最優的目標信道。根據統計學的方法，主動頻譜切換中存在等待時延和。其中，是次用戶停留在當前信道所需的時延，是次用戶切換到預先確定的目標信道中可能需要等待的時段。鑒于此，本文提出了基于混合頻譜切換的最優目標信道選擇算法。假設目標信道序列已經通過主動決策預先確定。當次用戶執行頻譜切換的時候，如果目標信道可用，次用戶立即切換到目標信道中。如果目標信道不可用，不同于傳統的在目標信道等待的方法，次用戶可以借用被動頻譜切換的方法立刻進行實時頻譜感知。令次用戶感知到新的可用信道所需的感知時間為。如果感知時間小于在目標信道的等待時間，切換到實時感知到的信道上所花的時間要小于在目標信道的等待時間。為減少切換時延，次用戶應該切換到新感知到的信道中傳輸數據。反之，如果感知時間大于在目標信道的等待時間，次用戶選擇繼續等待在原目標信道是最好的選擇。由于次用戶頻譜感知是在目標信道等待時段內進行，如果次用戶的感知時間太大也不會增加該次切換時延。

圖1基于混合頻譜切換的最優信道選擇算法舉例

本文假設次用戶檢測到多個可用信道時隨機選擇一個信道作為新的目標信道。圖1在理想頻譜檢測的假定下，舉例說明了基于混合頻譜切換的最優目標信道選擇算法中次用戶5次中斷的切換過程。具體描述如下：

3 基于混合頻譜切換的累積時延分析

3.1理想檢測中的累積時延分析

假設CR系統中有個獨立信道，目標信道序列最大長度為。首先分析在理想檢測中的累積時延。設為次用戶的最大中斷次數，。根據全概率公式，次用戶的累積頻譜切換時延如式(1)。其中，是次用戶從信道切換到信道的時延，注意和可能相同，也可能不同。

(2)

本文采用了PRP M/G/1排隊網絡模型。假設主次用戶的到達過程服從泊松分布，主次用戶在初始信道上的到達率分別為,。對應的服務時間及其概率密度函數分別為,,

(3)

(4)

(6)

(8)

(9)

(11)

(13)

3.2非理想檢測中的時延分析

3.1節中分析了理想檢測下次用戶的累積切換時延，但是在實際的CR系統中，次用戶不可避免地存在漏檢和虛警等非理想檢測的情況。因此本節主要分析漏檢和虛警對頻譜切換累積切換時延的影響。當實際的信道狀態為忙碌，而次用戶錯誤地檢測為空閑時，會發生漏檢。發生漏檢時，主次用戶發生碰撞，主用戶必須在下個時隙重新傳送錯誤的數據幀，因此主用戶的服務時間會增加。當實際的信道空閑，但次用戶檢測為忙碌，會發生虛警。當發生虛警時，即使信道空閑次用戶也不能在該信道傳輸數據，次用戶需要重新尋找空閑信道，因此次用戶的服務時間也會增加。文中虛警和漏檢概率分別用和表示。

首先分析虛警。虛警發生會延長次用戶的服務時間，假設次用戶在信道上被延長后實際的服務時間為。由文獻[12]可知

其中，為次用戶工作的時隙。由于發生虛警的時隙不能被其他用戶使用，可以看作是忙碌的時隙，則有。當虛警發生時，數據傳輸會延遲到下一個空閑時隙。如果次用戶當前時隙為，發生虛警的時隙有個。則次用戶實際的服務時間將延長到第個時隙。故式(13)中次用戶實際服務時間的條件期望服從負二項分布。根據其性質可得

(15)

將式(15)代入式(14)中，可得次用戶實際的服務時間期望為

其次分析漏檢。漏檢發生會延長主用戶的服務時間，假設主用戶在信道上被延長后實際的服務時間為。由文獻[12]可知

(17)

將式(18)代入式(17)中，可得主用戶實際的服務時間期望為

(19)

4 基于混合頻譜切換的最優目標信道選擇算法

不同的目標信道序列會影響累積切換時延的大小，目標信道的設計就是一個累積切換時延的最小化問題。頻譜切換的目標信道序列為，其中是第次中斷的目標信道，。假設備選信道集合為，目標信道序列的長度為。累積切換時延的最小化問題決定次用戶的一個最優目標信道序列。因此，次用戶的最優目標信道序列為

本文算法與隨機信道選擇策略、主動和被動頻譜切換信道選擇策略相比，復雜度各有不同。由于次用戶發生頻譜切換時所需的切換執行時間非常小，因此，本文從次用戶尋找目標信道的搜索時間的角度來探討算法的復雜度。設次用戶搜索到一個確定的信道所需時間為1,1一般非常小。則隨機信道選擇策略的搜索時間為1。主動頻譜切換信道選擇策略中，利用窮舉算法可知目標信道序列有種排列，則該策略的搜索時間為1。設次用戶通過頻譜感知而搜索到一個可用信道所需的時間為2，且1<2。則被動頻譜切換信道選擇策略的搜索時間為2。本文算法中發生一次頻譜切換時，如果次用戶的等待時間小于感知時間，則搜索到信道的時間為1；反之，次用戶搜索到信道的時間為2。因此，本文算法中總的搜索時間的最大值為2。綜上所述，當較大時，隨機信道選擇策略的搜索時間最小，主動頻譜切換信道選擇策略最大，被動頻譜切換信道選擇策略和本文算法介于二者之間，且本文算法的搜索時間小于等于被動頻譜切換信道選擇策略。

5 仿真分析

本節采用Matlab數值仿真的方法驗證基于混合頻譜切換的最優目標信道選擇算法相對于其他信道選擇方法優勢。4種信道選擇方法分別是：(1)隨機信道選擇策略；(2)基于主動決策的信道選擇策略；(3)基于被動決策的信道選擇策略；(4)基于混合頻譜切換的最優目標信道選擇策略。隨機信道選擇在需要切換時，以相同的概率在備選信道中選擇一個目標信道。基于主動決策的信道選擇策略根據長期的觀察和統計數據，綜合各種指標預先確定一個目標信道序列。為了得到最小的平均累積時延，可以采用窮舉法對所有可能目標信道序列分別計算平均累積時延，從中選擇最小時延所對應的目標信道序列。基于被動決策的信道選擇策略在需要切換時，立即通過頻譜感知來尋找合適的目標信道。基于混合頻譜切換的策略是選擇等待時延和感知時間最小的信道作為目標信道。

5.1理想檢測下次用戶的累積切換時延分析

圖2比較了在理想檢測中4種信道選擇方案的次用戶的累積切換時延。仿真中假設有4個信道。假設次用戶的到達率和服務時間分別為,。主用戶的服務時間。如圖2所示，4種信道選擇方案中隨著的增加，次用戶的累加切換時延都增大。在相同時，隨機信道選擇方案中次用戶的累積切換時延最大，其次，依次是主動和被動決策信道選擇策略，最小的是基于混合頻譜切換的信道選擇策略。當時，主動決策信道選擇策略的平均累積時間比被動決策信道選擇策略小。當時，主動決策信道選擇策略的平均累積時延大于被動決策信道選擇策略。當時，由于等待時間小于感知時間，次用戶的目標信道與預先確定的預先信道相同，因此主動決策信道選擇策略與混合頻譜切換信道選擇策略的曲線重合。當時，次用戶的感知時間小于等待時間，目標信道是新感知到的空閑信道，因此混合頻譜切換信道選擇策略中次用戶的累積切換時延最小。

5.2主用戶的到達率對次用戶累積切換時延的影響

圖2 理想檢測下4種信道選擇方案 圖3 不同虛警概率下主用戶到達率對累積切換時延的影響 圖4 不同漏檢概率下主用戶到達率對累積切換時延的影響

5.3虛警和漏檢概率對次用戶累積切換時延的影響

5.4 信道的阻塞概率分析

本小節分析基于混合頻譜切換的最優目標信道選擇算法在信道阻塞概率上的優勢，定義每次切換的最優目標信道序列上信道忙碌概率的乘積為信道的阻塞概率。圖7和圖8中假設，次用戶的服務時間為,。主用戶的服務時間。圖7中假設，如圖7所示，隨著主用戶到達率的增加，4種信道選擇方案中阻塞概率均有不同程度的增加。隨機信道選擇方案增加最快，其次，依次是基于主動和被動頻譜切換的信道選擇方案，基于混合頻譜切換的信道選擇策略中阻塞概率增加最慢。尤其是在比較大時，基于主動頻譜切換方案中，預先確定的目標信道序列中信道不可用的概率增加，此時基于混合頻譜切換的信道選擇策略的優勢更加明顯。圖8假設，如圖8所示，隨著增加，4種信道選擇方案中阻塞概率均有不同程度的增加。這是因為增加，信道中的業務量增加，信道越繁忙，因此阻塞概率增加。此外，隨機信道選擇方案的阻塞概率增加最快，而基于混合頻譜切換的信道選擇策略中的阻塞概率增加最慢。

圖5 虛警概率對次用戶累積切換時延的影響 圖6 漏檢概率對次用戶累積切換時延的影響

圖7 主用戶的到達率對阻塞概率的影響 圖8 次用戶的到達率對阻塞概率的影響

6 結束語

針對主動頻譜切換中預先確定的目標信道存在更新的問題，本文提出一種基于混合頻譜切換的最優目標信道選擇算法。綜合考慮次用戶的多次中斷、主用戶的到達率和非理想檢測問題，尋找累積切換時延最小的信道作為次用戶最優的目標信道。當次用戶切入預先確定的目標信道需要等待時，立即進行頻譜感知。取感知時間和等待時間的最小值作為次用戶的切換時延，所對應的信道為真正的目標信道。仿真結果表明，與隨機信道選擇策略和基于主動和被動頻譜切換的信道選擇策略相比較，本文提出的基于混合頻譜切換的最優目標信道選擇算法的累積切換時延更小，受漏檢概率和虛警概率的影響更小，并且信道的阻塞概率略有降低。這充分體現了該目標信道選擇算法的優勢。

[1] MA Bin and XIE Xianzhong. PSHO-HF-PM: an efficient proactive spectrum handover mechanism in cognitive radio networks[J]., 2014, 79(3): 1-23.

[2] PUSHP M and AWADHESH K S. A survey on spectrum handoff techniques in cognitive radio networks[C]. 2014 International Conference on Contemporary Computing and Informatics (IC3I), Mysore, 2014: 996-1001. doi: 10.1109/ IC3I.2014.7019755.

[3] WANG Chungwei and WANG Lichun. Spectrum hando? for cognitive radio networks: reactive-sensing or proactive- sensing?[C]. IEEE International Performance, Computing and Communications Conference, Austin, Texas, 2008: 343-348. doi: 10.1109/PCCC.2008.4745128.

[4] WANG Chungwei, WANG Lichun, and CHANG Chungju. Modeling and analysis for spectrum handoffs in cognitive radio networks[J]., 2012, 11(9): 1499-1513. doi: 10.1109/TMC.2011.155.

[5] ZHANG Lei, SONG Tiecheng, and WU Ming. Traffic- adaptive proactive spectrum handoffstrategy for graded secondary users in cognitive radio networks[J]., 2015, 24(4): 1-8.

[6] WANG Lichun and WANG Chungwei. Analysis of reactive spectrum handoff in cognitive radio networks[J]., 2012, 30(10): 2016-2028. doi: 10.1109/JSAC.2012.121116.

[7] ZHANG Y. Spectrum handoff in cognitive radio networks: opportunistic and negotiated situations[C]. IEEE International Conference on Communications, Dresden, 2009: 1-6. doi: 10.1109/ICC.2009.5199479.

[8] ZHENG Shilian and YANG Xiaoniu. Target channel sequence selection scheme for proactive-decision spectrum handoff[J]., 2011, 15(12): 1332-1334. doi: 10.1109/LCOMM.2011.102611.111603.

[9] XIAO Qinghai, LI Yunzhou, ZHAO Ming,. Opportunistic channel selection approach under collision probability constraint in cognitive radio systems[J]., 2009, 32(18): 1914-1922.

[10] FATEMEH S and MASOUMEH N, Optimal probabilistic initial and target channel selection for spectrum handoff in cognitive radio networks[J]., 2015, 14(1): 570-584. doi: 10.1109/TWC. 2014.2354407.

[11] WANG Lichun, WANG Chungwei, and CHANG Chungju. Optimal target channel sequence design for multiple spectrum handoffs in cognitive radio networks[J]., 2012, 60(9): 2444-2455. doi: 10.1109/TCOMM.2012.070912.100661.

[12] WU Yeqing, HU Fei, SUNIL K,. A learning-based QoE-driven spectrum handoff scheme for multimedia transmissions over cognitive radio networks[J]., 2014, 32(11): 2134-2148. doi: 10.1109/JSAC.2014.141115.

[13] WANG Lichun, WANG Chungwei, and ADACHI Fumiyuki. Load-balancing spectrum decision for cognitive radio networks[J]., 2011, 29(4): 757-769. doi: 10.1109/JSAC. 2011.110408.

[14] LI Xiukui and SEYED A. Traffic pattern prediction and performance investigation for cognitive radio systems[C]. IEEE Wireless Communications and Networking Conference, Las Vegas, NV, 2008: 894-899. doi: 10.1109/WCNC.2008.163.

馬 彬： 男，1978年生，博士，副教授，碩士生導師，研究方向為異構無線網絡、認知無線電網絡等.

包小敏： 女，1990年生，碩士生，研究方向為認知無線網絡、頻譜切換等.

謝顯中： 男，1966年生，博士，教授，博士生導師，研究方向為移動通信網絡、認知無線電技術等.

Optimal Target Channel Selection Algorithm Based on Hybrid Spectrum Handoffs in Cognitive Radio Networks

MA Bin BAO Xiaomin XIE Xianzhong

(,,400065,)

The predetermined target channel has high risk of being unavailable in the proactive-decision spectrum handoff. To solve this problem, an optimum target channel selection algorithm based on hybrid spectrum handoff is proposed. This algorithm coordinates the advantages of both the proactive-decision and reactive-decision spectrum handoffs. With the metric of minimizing the cumulative handoff delay, the impacts of secondary user’s multiple interruptions, primary user’s arrival rates and imperfect sensing on secondary user’s cumulative handoff delay are included and the detailed analysis and derivation of the secondary user’s cumulative handoff delay are conducted under imperfect sensing. Compared with proactive-decision and reactive-decision target channel selection schemes, the simulation results demonstrate that the performance of the proposed algorithm is especially excellent with frequent channel states variations or heavy traffic loads.

Cognitive Radio (CR); Channel selection; Spectrum handoff; Hybrid mode; Imperfect sensing

TN929.5

A

1009-5896(2017)01-0031-07

10.11999/JEIT160268

2016-03-21；改回日期：2016-07-25；

2016-10-09

包小敏 505965590@qq.com

國家自然科學基金(61271259, 61301123, 61471076)，重慶市基礎與前沿研究計劃(cstc2015jcyjA40047)，重慶郵電大學博士啟動基金(A2014-10, A2015-16)

The National Natural Science Foundation of China (61271259, 61301123, 61471076), The Foundation and Advanced Research Program of Chongqing (cstc2015jcyjA40047), The Doctoral Start-up Fund of Chongqing University of Posts and Telecommunications (A2014-10, A2015-16)