CN102724680A - 分布式认知网络中基于马尔科夫预测的多信道感知顺序优化方法 - Google Patents

Abstract

分布式认知网络中基于马尔科夫预测的多信道感知顺序优化方法，在认知网络具有多个可机会接入的授权信道，次级用户一次只能感知并接入一个信道的限制条件下，基于马尔科夫预测估计各信道的可用概率，优先选择可用概率较大的信道进行感知，并根据感知结果决定是否接入信道进行数据传输；在认知网络具有多个次级用户同时接入的情况下，提出了一种频域感知窗口调整策略，以减小次级用户间的碰撞概率。该方法能使次级用户快速感知到可用信道开始数据传输，减少次级用户的感知次数，提高次级用户的感知效率和认知网络的吞吐量，并为次级用户节约能量。仿真结果表明，在授权信道统计信息各不相同时，与随机选择感知信道的策略相比，该方法能够明显提高次级用户的感知效率和认知网络的吞吐量。

Description

分布式认知网络中基于马尔科夫预测的多信道感知顺序优化方法

技术领域：

本发明属于无线通信技术领域认知网络中的信道感知机制，具体涉及一种基于马尔科夫预测的多信道感知顺序优化方法。

背景技术：

在过去的二十年里，随着无线通信技术的快速发展和广泛应用，极大地推动了社会和经济的发展，改变着人们的生活方式。而随着社会的发展和人们生活水平的提高，人们对无线通信的需求与日俱增。随着无线通信业务的快速增长，无线频谱资源日益稀缺；但实际测量数据却显示已分配的频谱在大部分的时间或地区并未被充分利用。为了提高频谱利用率，缓解频谱资源的相对匮乏和绝对浪费的矛盾，Mitola博士提出了认知无线电（Cognitive Radio,CR）技术，使得非授权用户（次级用户）能够在不影响授权用户（主用户）通信的前提下，暂时接入授权频段进行通信。CR技术能够有效地提高的频谱资源的利用率，为次级用户提供通信业务，被视为下一代通信系统的重要技术，引起了各国学者的广泛关注。

认知无线电技术的研究主要包含物理层频谱感知技术，MAC（Media Access Control）层频谱管理、频谱接入技术，网络层路由技术及上层协议设计等方面。为了获得频谱接入机会，并不对主用户造成干扰，频谱感知技术是其中的关键。目前关于频谱感知的研究，主要集中在物理层的感知技术方面。而在CR实际应用场景中，考虑到次级用户与主用户之间可能没有任何信息交互，在次级用户的硬件限制条件下，仅凭借物理层的频谱感知技术，对提高频谱利用率和保护授权用户有一定的局限性。因此有必要通过基于MAC层及跨层的频谱感知机制研究，对感知参数和机制进行选取和优化，从而有效指导物理层感知算法准确、快速地发现可用频谱资源，以提高次级用户的感知效率，认知网络的吞吐量以及频谱利用率。合理的MAC层感知机制能够提高次级用户的感知效率，节省次级用户的能量开销，这对应急网络或军事应用中电池能量受限的次级用户至关重要。

认知网络中的次级用户一般可以在很宽的频带（分为多个信道）上寻找可接入的频谱，而由于硬件条件的限制，次级用户一次只能感知或接入一个较窄的频带（一个信道）。这就提出了感知顺序的问题，传统的感知机制是以随机选择感知信道或者按照预定的逻辑顺序进行感知的方法，这两种感知顺序都可能导致次级用户在找到可用信道之前进行了很多次的信道感知，降低感知效率，耗费次级用户能量；特别是在次级用户不能连续感知，每个时隙只能进行一次感知的条件下，会导致认知网络吞吐量的下降。本发明就是考虑次级用户一个时隙只能进行一次感知的情况，提出了分布式认知网络中基于马尔科夫预测的多信道感知顺序优化方法。该方法根据各信道的统计信息及马尔科夫预测估计各信道的可用概率，优先选择可用概率较大的信道进行感知，以减少次级用户的感知次数，提高感知效率和认知网络的吞吐量，节省次级用户的能量；在网络中有多个次级用户的情况下，由于各用户的信息相近，次级用户会趋向于选择同一感知信道，导致次级用户间的频繁碰撞，本发明还提出了一种频域感知窗口调整策略。该策略统计各次级用户发生碰撞和成功传输的信息，自适应的调整频域的感知窗口大小，有效地降低了次级用户间的碰撞概率，提高认知网络的吞吐量。

发明内容：

本发明的目的在于克服传统的随机或预定顺序的多信道感知方法感知效率较低，认知网络吞吐量不高的缺点，提供了一种认知网络中基于马尔科夫预测的多信道感知顺序优化方法。

为达到上述目的，本发明采用的技术方案是：

系统模型的建立。对于包含M个次级用户，N个授权信道的认知网络，假设N个信道是同步的，具有相同的时隙结构。次级用户与主用户共享信道，并且与主用户时隙同步，在主用户不使用信道时机会地接入信道进行数据传输。N个信道的占用状态彼此独立，在任一时隙t，每个信道有两种状态，表示为S_n(t)，S_n(t)∈{0,1}(n=1,2,...,N)，S_n(t)＝0表示信道n不被主用户占用，次级用户可以接入；S_n(t)＝1表示该信道被主用户使用，次级用户不能接入。主用户的信道使用情况满足离散的马尔科夫过程，信道状态转移矩阵为

$P_n=\left(\begin{array}{cc}{\mathrm{\α}}_n& 1-{\mathrm{\α}}_n\\ 1-{\mathrm{\β}}_n& {\mathrm{\β}}_n\end{array}\right)$

α_n表示信道n该时隙不被主用户占用，下一时隙仍不被主用户占用的概率，β_n表示信道n该时隙被主用户占用，下一时隙仍被主用户占用的概率，如图1所示。信道n的稳态可用（不被主用户占用）概率及不可用（被主用户占用）概率分别为

1-π_n。

次级用户的每个时隙划分为三个阶段，分别是感知、数据发送、确认（ACK）阶段如图2所示，各阶段的时长分别为T_s，T_tr，T_a，整个时隙的长度为T_slot=T_s+T_tr+T_a。根据实际情况，假设T_a＜＜T_s<T_tr。次级用户在一个时隙只能对一个信道进行感知。在感知阶段，各次级用户对选定的信道进行感知；数据发送阶段，若感知结果为可用，则次级用户接入信道进行数据传输，否则次级用户保持静默直至下一时隙，重新选择感知信道。确认阶段，如果数据传输阶段进行了数据传输，则在此阶段等待与之通信的次级用户给出接收数据的确认消息，否则一直保持静默。我们假设次级用户的感知是无差错的，并且信道是理想信道。这样我们可以通过确认消息判断次级用户之间是否发生了碰撞，并根据统计的碰撞和成功传输情况，更新频域感知窗口的大小。

1)次级用户根据各自记录的各信道可用概率值，优先选择可用概率较大的信道进行感知，再根据感知结果决定是否接入，并根据马尔科夫预测更新各信道的可用概率记录值。

在感知阶段各个次级用户分别根据记录的各信道的可用概率选择感知信道，并进行感知。在时隙t，以次级用户m(m＝1,2,...,M)为例，所记录的各信道的可用概率Ω_m(t)=[ω_m,1(t),ω_m,2(t),…,ω_m,N(t)]。在单个次级用户的情况下，则选择可用概率最大的信道C_m(t)，即

$C_m\left(t\right)\underset{n=\{\mathrm{1,2},\&CenterDot;\&CenterDot;\&CenterDot;,N\}}{\arg \max }\left\{{\mathrm{\&omega;}}_{m,n}\left(t\right)\right\}$

进行感知；在多个次级用户情况下，则个次级用户根据自己频域感知窗口W_m的大小，在可用概率较大的前W_m个信道中随机选择一个作为感知信道，为了与单个次级用户的情况保持一致，也记为C_m(t)。感知结果记为S_m,C(t)。

在数据发送阶段根据感知结果，决定是否接入信道。若S_m,C(t)=0，表示主用户该时隙不使用信道C_m(t)，次级用户可以接入；若S_m,C(t)=1表示主用户使用该信道，次级用户不能接入该信道，次级用户必须要等待下一时隙的到来。并根据马尔科夫预测更新下一时隙（t+1）各信道可用概率，用户m(m＝1,2,...,M)更新信道n(n＝1,2,...,N)的可用概率为

${\mathrm{\&omega;}}_{m,n}(t+1)=\left\{\begin{array}{cc}{\mathrm{\&alpha;}}_n,& \mathrm{ifn}=C_m\left(t\right)\mathrm{and}{S}_{m,n}\left(t\right)=0\\ 1-{\mathrm{\&beta;}}_n,& \mathrm{ifn}=C_m\left(t\right)\mathrm{and}{S}_{m,n}\left(t\right)=1\\ {\mathrm{\&omega;}}_{m,n}\left(t\right){\mathrm{\&alpha;}}_n+(1-{\mathrm{\&omega;}}_{m,n}\left(t\right))(1-{\mathrm{\&beta;}}_n),& \mathrm{ifn}\&NotEqual;C_m\left(t\right)\end{array}\right.$

次级用户执行的基于马尔科夫预测的多信道感知顺序优化方法流程如图3所示。

2)在认知系统中有多个次级用户的情况下，各次级用户统计自己与其他次级用户的碰撞情况，并据此自适应地调整自己的频域感知窗口大小，以减小次级用户间的碰撞概率，提高认知网络的有效吞吐量。

在确认阶段，根据是否到接收ACK消息，次级用户可以判断是否与其他次级用户发生了碰撞，频域窗口调整策略根据发生碰撞及成功传输的统计情况，动态调整各自的频域感知窗口大小，以减轻次级用户之间的碰撞。平衡次级用户碰撞概率与认知网络的吞吐量。以用户m(m＝1,2,...,M)为例，设在t时刻，感知窗口大小设为W_m，W_m∈[W_m,min,W_m,max]，W_m,min是用户m的感知窗口可取得的最小值，默认值为1，W_m,max是其可取得的最大值，默认为N（认知网络所包含的信道总数）。感知窗口的自适应调整过程如图4所示，具体描述如下：

a)若t时刻发生碰撞，则将窗口增大至

λ>1是窗口增长系数。如果是连续发生碰撞，则将最小窗口增大至

σ>1是最小窗口的增长系数；如果不是连续碰撞，将最小窗口增至min(W_m,min+1,N)。

b)若t时刻没有发生碰撞，也就是成功传输，若成功传输记录次数达到预设值ST次，则将感知窗口减小至max(W_m-1,W_m,min)，并将记录值清零，否则感知窗口不变；接着判断是否是连续成功传输，若是则最小感知窗口减小至max(W_m,min-1,1)。

上述频谱预感窗口自适应调整过程中的变化参数λ，σ，ST可以根据实际系统需要进行调整，以便在碰撞概率，感知效率和认知网络吞吐量之间进行合理的折中。

本发明考虑认知网络包含多个可机会接入的授权信道，而次级用户由于硬件条件限制，在一个时隙只能感知并接入一个信道的情况下，根据各信道的统计信息及马尔科夫预测估计各信道的可用概率，优先选择可用概率较大的信道进行感知，以减少次级用户的感知次数，提高感知效率和认知网络的吞吐量，节省次级用户的能量；在网络中有多个次级用户的情况下，由于各用户的信息会逐渐趋向一致，次级用户会趋向于选择同一感知信道，导致次级用户间的频繁碰撞，本发明还提出了一种频域感知窗口调整策略。该策略统计各次级用户发生碰撞和成功传输的信息，自适应的调整频域的感知窗口，有效地减小次级用户间的碰撞概率。基于马尔科夫预测的多信道感知顺序优化方法能使次级用户快速感知到可用信道开始数据传输，提高次级用户的感知效率和认知网络的吞吐量。仿真结果表明，在各信道主用户占用状态转移概率各不相同时，与随机选择感知信道的策略相比，该方法能够明显提高次级用户的感知效率和认知网络的吞吐量。

附图说明：

图1为主用户信道占用状态转移图；

图2为次级用户的时隙结构图；

图3为基于马尔科夫预测的多信道感知顺序优化方法流程图；

图4为频域感知窗口更新流程图；

图5为单用户两信道不同信道转移概率下的平均信道利用率；

图6为单用户两信道不同信道转移概率下的次级用户平均感知效率；

图7为两用户不同信道数时的平均信道利用率；

图8为两用户不同信道数时的平均感知效率；

图9为两用户不同信道数时的平均碰撞概率；

图10为两用户不同信道数时认知网络的归一化吞吐量。

具体实施方式：

下面结合附图对本发明作进一步详细说明。

本发明的核心思想是基于马尔科夫预测估计各信道的可用概率，优先选择可用概率较大的信道进行感知，以在次级用户受限的情况下快速感知到可用信道，提高次级用户的感知效率和认知网络的吞吐量；在认知网络中有多个次级用户时，采用频域感知窗口自适应策略以有效降低次级用户间的碰撞概率，提高认知网络的有效吞吐量。

图1说明认知网络中授权信道n(n＝1,2,...,N)主用户占用状态满足参数为α_n，β_n的马尔科夫过程。图2说明次级用户的时隙划分结构，分为感知、数据传输、确认三个阶段，分别执行相应的操作。具体执行的操作流程如图3所示。

在感知阶段，次级用户m(m＝1,2,...,M)根据自己记录的各信道可用概率信息Ω_m(t)=[ω_m,1(t),ω_m,2(t),…,ω_m,N(t)]，在可用概率较大的前W_m个信道中随机选择一个信道C_m(t)作为感知信道，并对该信道进行感知，感知结果为S_m,C(t)。

若S_m,C(t)=0，表示主用户该时隙不使用信道C_m(t)，次级用户可以接入，进行数据传输；若S_m,C(t)=1表示主用户使用该信道，次级用户不能接入该信道，次级用户必须要等待下一时隙的到来。并根据感知结果及马尔科夫预测估计各信道下一时刻（t+1）的可用概率，更新各信道的记录信息。更新的准则如下：

${\mathrm{\&omega;}}_{m,n}(t+1)=\left\{\begin{array}{cc}{\mathrm{\&alpha;}}_n,& \mathrm{ifn}=C_m\left(t\right)\mathrm{and}{S}_{m,n}\left(t\right)=0\\ 1-{\mathrm{\&beta;}}_n,& \mathrm{ifn}=C_m\left(t\right)\mathrm{and}{S}_{m,n}\left(t\right)=1\\ {\mathrm{\&omega;}}_{m,n}\left(t\right){\mathrm{\&alpha;}}_n+(1-{\mathrm{\&omega;}}_{m,n}\left(t\right))(1-{\mathrm{\&beta;}}_n),& \mathrm{ifn}\&NotEqual;C_m\left(t\right)\end{array}\right.$

在确认阶段，次级用户m根据是否收到ACK信息，判断是否与其他次级用户发生碰撞，或是成功传输。并根据统计的碰撞与成功传输情况自适应地调整频域的感知窗口W_m及最小感知窗口W_m，min的大小，具体的调整策略如图4所示，分为两种情况，t时刻发生碰撞或成功传输。

a)若t时刻发生碰撞，则将窗口增大至

λ>1是窗口增长系数。如果是连续发生碰撞，则将最小窗口增大至

σ>1是最小窗口的增长系数；如果不是连续碰撞，将最小窗口增至min(W_m,min+1,N)。

b)若t时刻没有发生碰撞，也就是成功传输，若成功传输记录次数达到预设值ST次，则将感知窗口减小至max(W_m-1,W_m,min)，并将记录值清零，否则感知窗口不变；接着判断是否是连续成功传输，若是则最小感知窗口减小至max(W_m,min-1,1)。频域感知窗口的调整参数λ，σ，ST可以根据实际系统需要进行调整，以改变感知窗口的变化速度，在碰撞概率和认知网络吞吐量之间进行合理的折中。

图5~10给出了此方法在不同条件下的性能仿真，并与随机选择策略进行了比较，在仿真中，我们假设次级用户一直有数据需要传输，仿真时间长度为1×10⁵个时隙。图5~6是在信道转移概率改变的情况下，认知网络系统性能的变化；系统中仅有一个次级用户，两个授权信道。保持信道2的状态转移概率α₂＝β₂＝0.5不变，信道1的状态转移参数α₁＝0.5，β₁从0.05开始逐渐增长值0.95。从图中可以观察到，在两信道状态转移概率完全相同的情况下，基于马尔科夫预测的多信道感知顺序优化方法相比于随机选择策略，其信道利用率和感知效率没有改进，这是因为在信道状态转移概率α_n＝β_n＝0.5(n＝1,2)的情况下，之前的信道统计信息及感知结果对于预测信道状态带来不了任何有用信息，与随机选择是一样的结果；在两信道状态转移概率不同的情况下，基于马尔科夫预测的多信道感知顺序优化方法的性能有明显的提升。

图7~10是在两用户，多信道条件下随着信道数的增加观察认知网络性能的变化。仿真中各信道的状态转移概率参数α_n，β_n(n＝1,2,...,14)均匀地分布在（0,1）区间，采取多次仿真求平均的方法获得各条件下的性能，仿真次数500次，每次时长1×10⁵个时隙；频域感知窗口调整参数λ＝2，σ＝1.5，ST＝2或3。从图中可以看到，基于马尔科夫预测的多信道感知顺序优化方法能够提高信道的平均利用率、次级用户的平均感知效率、以及认知网络的归一化吞吐量，但付出的代价是增加了次级用户间的碰撞概率。图中也给出了在感知窗口调整参数ST为2和3情况下的性能对比，可以看到，在ST较小，也就是频域感知窗口减小较快的情况下，次级用户间的碰撞概率会增大，但认知网络的次级用户归一化吞吐量也会有明显的提高。在实际系统中，我们可以通过选择不同的调整参数λ，σ，ST，以适应实际系统的特殊要求，在碰撞概率与感知效率，吞吐量之间进行合理的折中。

Claims (3)

1.分布式认知网络中基于马尔科夫预测的多信道感知顺序优化算法，其特征在于，包括如下步骤：

1)系统模型的建立：系统包含M个次级用户，N个授权信道的认知网络，N个信道是同步的，具有相同的时隙结构，次级用户的每个时隙划分为三个阶段：感知、数据传输、确认阶段；

2)次级用户根据各自记录的各信道可用概率值，优先选择可用概率较大的信道进行感知，根据感知结果决定是否接入，并根据马尔科夫预测更新各信道的可用概率记录值；

3)在认知系统中有多个次级用户的情况下，各次级用户统计自己与其他次级用户的碰撞情况，并据此自适应地调整自己的频域感知窗口大小，以减小次级用户间的碰撞概率。

2.根据权利要求1所述的方法，其特征在于，所述步骤2)具体为：

在感知阶段：次级用户m(m＝1,2,...,M)，所记录的各信道的可用概率为Ω_m(t)=[ω_m,1(t),ω_m,2(t),…,ω_m,N(t)]，在单个次级用户的情况下，则选择可用概率最大的信道C_m(t)，即

$C_m\left(t\right)\underset{n=\{\mathrm{1,2},\&CenterDot;\&CenterDot;\&CenterDot;,N\}}{\arg \max }\left\{{\mathrm{\&omega;}}_{m,n}\left(t\right)\right\}$

进行感知；其中ω_m,n(t)为次级用户m记录的信道n在时隙t的可用概率；

在多个次级用户情况下，则个次级用户根据自己频域感知窗口W_m的大小，在可用概率较大的前W_m个信道中随机选择一个作为感知信道，为了与单个次级用户的情况保持一致，也记为C_m(t)，感知结果记为S_m,C(t)；

在数据发送阶段根据感知结果，决定是否接入信道：

若S_m,C(t)=0，表示主用户该时隙不使用信道C_m(t)，次级用户可以接入；若S_m,C(t)=1表示主用户使用该信道，次级用户不能接入该信道，次级用户必须要等待下一时隙的到来；并根据马尔科夫预测更新下一时隙（t+1）各信道可用概率，用户m(m＝1,2,...,M)更新信道n(n＝1,2,...,N)的可用概率准则如下：

${\mathrm{\&omega;}}_{m,n}(t+1)=\left\{\begin{array}{cc}{\mathrm{\&alpha;}}_n,& \mathrm{ifn}=C_m\left(t\right)\mathrm{and}{S}_{m,n}\left(t\right)=0\\ 1-{\mathrm{\&beta;}}_n,& \mathrm{ifn}=C_m\left(t\right)\mathrm{and}{S}_{m,n}\left(t\right)=1\\ {\mathrm{\&omega;}}_{m,n}\left(t\right){\mathrm{\&alpha;}}_n+(1-{\mathrm{\&omega;}}_{m,n}\left(t\right))(1-{\mathrm{\&beta;}}_n),& \mathrm{ifn}\&NotEqual;C_m\left(t\right)\end{array}\right.$

其中，α_n表示信道n该时隙不被主用户占用，下一时隙仍不被主用户占用的概率，β_n表示信道n该时隙被主用户占用，下一时隙仍被主用户占用的概率。

3.根据权利要求1所述的方法，其特征在于，所述步骤3)具体为：

在确认阶段，根据是否到接收确认消息，次级用户可以判断是否与其他次级用户发生了碰撞，频域窗口调整策略根据发生碰撞及成功传输的统计情况，动态调整各次级用户的频域感知窗口大小；

次级用户m(m＝1,2,...,M)在t时刻，感知窗口大小设为W_m，W_m∈[W_m,min,W_m,max]，W_m,min是用户m的感知窗口可取得的最小值，默认值为1，W_m,max是其可取得的最大值，默认为N即认知网络所包含的信道总数；

感知窗口的自适应调整过程如下：

a)若t时刻发生碰撞，则将窗口增大至

λ>1是窗口增长系数；如果是连续发生碰撞，则将最小窗口增大至

σ>1是最小窗口的增长系数；如果不是连续碰撞，将最小窗口增至min(W_m,min+1,N)；

b)若t时刻没有发生碰撞，即成功传输，若成功传输记录次数达到预设值ST次，则将感知窗口减小至max(W_m-1,W_m,min)，并将记录的成功传输次数值清零，否则感知窗口不变；接着判断是否是连续成功传输，若是则最小感知窗口减小至max(W_m,min-1,1)；

上述调整过程中的感知窗口变化参数λ，σ，ST可以根据实际系统需要进行调整，以便在碰撞概率和感知效率，及认知网络吞吐量之间进行合理的折中。

Images