認知無線電中基于頻譜聚合的需求改進型頻譜分配算法

胡 慶，常 迪，海力群

(重慶郵電大學軟件技術中心，重慶 400065)

0 引言

隨著通信技術和業務的不斷增多，頻譜資源成為了公認的稀有資源，能夠有效提升頻譜利用率的認知無線電(cognitive radio，CR)［1］技術受到了極大的關注。它允許認知用戶(cognitive user，CU)利用感知到的“頻譜空穴”進行通信，實現與授權用戶(primary user，PU)的頻譜資源共享。

頻譜分配技術被認為是提高認知無線電頻譜利用率的關鍵技術，目前已有眾多研究成果。參考文獻［2］提出了一種顏色敏感的圖著色(color－sensitive graph coloring，CSGC)算法，它把用戶占用單條頻譜的效益值進行標注，每次選擇標注值最大的用戶分配頻譜。該文獻同時證明了協作式頻譜分配優于非協作式。文獻［3］針對文獻［2］時間開銷大的缺點，提出了一種并行的頻譜分配算法，它從簡化認知網絡的拓撲結構入手，縮短了頻譜分配時間。文獻［4］為了提高系統效益及公平性，提出了一種基于用戶需求的頻譜分配算法。以上的算法都假設用戶最終分配到的頻譜是連續的，而實際網絡中認知用戶是利用授權用戶在時域或空域的頻譜空閑時刻進行通信，頻譜檢測會出現大量的不連續頻譜。能利用不連續頻譜來支持高帶寬通信的頻譜聚合技術受到了學者的廣泛研究。文獻［7］提出了一種聚合機制(discontinuous orthogonal frequency division multiplexing，DOFDM)，使聚合不連續的頻段來滿足用戶需求成為可能。文獻［8］利用DOFDM技術來設計頻譜分配算法，將設備的實際聚合能力與具體的聚合場景相結合，提出了適用于Ad－hoc網絡的AASA(aggregation aware spectrum assignment)算法。結果證明，該算法能得到較好的系統效益，但是算法在設計時沒有考慮用戶的不同帶寬需求。文獻［9］利用圖論模型，將頻段抽象成最小頻譜單元，優先選擇需求較大的用戶進行頻譜分配，得出了與窮舉法相似的分配結果。但是該算法沒有考慮設備的最大可聚合范圍限制(max spectrum aggregation span，MSAS)［7］，其值用 fMSAS表示。

現有基于圖論的分配算法在頻譜緊張時，大都把用戶需求作為頻譜分配的重要因素，但是很少有算法能利用聚合頻譜的優勢。在實際的網絡中，一方面，地理位置和干擾約束導致了認知用戶可用頻譜的多樣性;另一方面，頻譜可聚合的最大范圍限制了可聚合的頻譜。本文從頻譜的聚合關系入手，討論認知用戶占用不連續頻譜的分配算法。

1 系統模型

假設認知系統中存在的認知用戶數為N，頻譜數為M，定義如下矩陣。

圖1 不連續頻段間的跨度表示Fig.1 Distance of discontinuous spectrums

假設認知環境變換緩慢，認知用戶能快速適應認知環境。把認知網絡拓撲抽象成固定的無向干擾圖G(V，E，H)，頂點集V代表認知用戶集合;邊集E代表用戶接入同一頻譜時的干擾關系，當且僅當cn，k，m=1時，2個頂點之間有1條顏色為m的邊;H表示頂點可著的顏色列表，即可用頻譜集合。

2 基于頻譜聚合的需求改進算法

2.1 算法設計

該標注準則引入系數ln，避免單一用戶占用過多的頻譜資源，保證頻譜分配的公平性。頻譜的選擇以最小化干擾值為標準。

準則2 基于頻譜聚合的協作式準則。

該準則引入了頻譜的聚合信息，wn，m/un反映了單條頻譜在用戶聚合方案數中的比重。wn，m/un越大，用戶n占用頻譜m后通過聚合來滿足帶寬的概率越大。頻譜的選擇由聚合因子和干擾值共同決定。

準則3 聯合需求信息和頻譜聚合的協作式準則。

準則3的標注上，同時考慮了用戶的需求信息和頻譜的聚合信息，每次選擇當前最需要進行分配的用戶和頻譜。

具體的算法步驟如下。

步驟1 隨機生成拓撲圖G，更新每一個頂點的矩陣信息，計算頂點的ln和 un值，若 ln=0或un=0，則刪除該頂點。

步驟2 選擇其中一種標注規則對圖G的頂點進行標注。計算每個頂點的標簽值及可分配顏色。

步驟3 選擇標簽值最大的頂點，判斷頂點是否唯一。若唯一，則分配相應顏色;若不唯一，則隨機選擇分配。

步驟4 更新每一個頂點的可用頻譜、聚合因子等矩陣，計算頂點的當前帶寬需求ln和聚合方案數un。

步驟5 判斷頂點的dn和ln的值，若 ln=0或ln=0，則刪除該頂點。

步驟6 判斷圖G是否為空，若為空，則結束;否則，返回步驟2，直到圖G為空。

頻譜分配過程有集中式和分布式2種。若采用分布式的分配方式，每一個認知用戶需向周圍的鄰居用戶廣播感知到的頻譜信息，可能會導致認知用戶收集到的頻譜信息不完整。為了充分利用不連續的頻段，本文采用集中式的分配方式，用戶可將感知到的空閑頻譜，干擾約束，頻譜效益及頻譜可聚合關系等信息反饋到中心調度節點，由中心調度節點根據本文的算法進行頻譜分配。

2.2 目標函數

本文的目標函數由以下3個參數構成。

3 仿真結果與性能分析

3.1 仿真參數設置

本文采用Matlab仿真軟件，將所提的3種不同準則算法及文獻［3］的CSGC算法進行比較。具體的仿真參數設置如下。

表1 仿真參數設置Tab.1 Simulation parameter settings

3.2 仿真結果及分析

圖2為M=15，N=20(頻譜緊張)時，系統分配率隨用戶需求百分比變化的情況。從仿真結果可以看出，所有的算法隨著用戶需求比的增加，呈現下降的趨勢。聯合準則相對于CSGC的協作式最大帶寬準則(CSUM)有10%到15%的優勢。由于CSGC算法未考慮頻譜聚合，用戶最終分配到的多條頻段如果不在MSAS的范圍內就不可以聚合使用，最終導致算法對頻譜的利用率不高。2種考慮了聚合信息的分配準則均優于需求準則，這是因為在頻譜緊張的環境下，認知用戶之間存在較大干擾，未考慮聚合信息，會使初始可用頻譜較少的用戶最終難以實現頻譜聚合。對比2種考慮了聚合信息的準則，聯合準則由于能夠選取當前最需要分配的用戶，因此，有更好分配結果。

圖3是對30次隨機生成拓撲圖的系統公平性仿真?？梢钥闯?，需求準則由于避免了頻譜資源集中分配給單一用戶，具有與CSGC協作式公平性準則(CFIAR)相似的結果。聯合準則稍差于需求準則，優于聚合準則。圖4是在采用30種不同的拓撲情況下，對認知用戶的平均吞吐量進行仿真。CSGC算法在頻譜利用率方面的劣勢使得其在系統吞吐量方面也有較差結果。需求準則每次選擇當前需求量最大的用戶分配頻譜，會使整體的平均吞吐量較高。聯合準則在相同的條件下滿足了更多的認知用戶需求，其平均吞吐量仍高于需求準則。

圖2 認知用戶帶寬需求變化時的系統分配率對比Fig.2 System allocation rate comparison with the changes of cognitive user demand

圖3 不同拓撲下，系統公平性的對比Fig.3 System fairness comparison in different topologies

圖4 不同拓撲下，認知用戶的平均吞吐量對比Fig.4 Average throughput comparison of cognitive users in different topologies

由仿真結果可以看出，基于需求的頻譜分配算法和CSGC算法雖然能夠得到較好的用戶公平性。但系統分配率不理想，算法不適合頻譜緊張、認知用戶需求較大的情況。聯合準則以小部分公平性為代價，獲得了更好的分配率和吞吐量。

4 結束語

本文結合頻譜聚合技術，提出了一種適用于頻譜緊張、認知用戶需求較大的環境下的頻譜分配算法。該算法把圖論著色模型擴展到了用戶使用不連續頻譜的場景，聯合用戶需求信息與頻譜的聚合信息進行頻譜分配。仿真對比了CSGC算法及其他3種不同的標注準則，證明了所提算法能夠提高對不連續頻譜的利用率，保證了系統的整體效益。

［1］ZHAO Qing，BRIAN M S.A survey of dynamic spectrum access［J］.IEEE Signal Processing Magazine，2007，24(3):79－89.

［2］ZHENG Haitao，PENG Chunyi.Collaboration and fairness in opportunistic spectrum access［C］//IEEE.Communications 2005.ICC2005.Seoul:IEEE Press，2005:3132－3136.

［3］廖楚林，陳劼，唐友喜，等.認知無線電中的并行頻譜分配算法［J］.電子與信息學報，2007，29(7):1608－1811.

LIAO Chulin，CHEN Jie ，TANG Youxi，et al.Parallel algorithm of spectrum allocation in cognitive radio［J］.Journal of Electronics＆ Information Technology，2007，29(7):1608－1811.

［4］XIE Xianzhong，ZHOU Tong，DONG Xuetao，et al.Traffic－demand dynamic spectrum access［C］//IEEE.Proceedings of the 4th Information Conference onWireless Communications，Networking and Mobile Computing.Washington，DC:IEEE Press，2008:1－4.

［5］UNNIKRISHNAN J，VEERAVALLIV.Algorithms for dynamic spectrum access with learning for cognitive radio［J］.IEEE Transaction on Signal Processing，2010，58(2):750－760.

［6］杜文峰，劉亞濤，明仲，等.基于干擾消減的認知無線電頻譜分配算法［J］.通信學報，2012，33(5):106－114.

DUWenfeng，LIU Yatao，MING Zhong，et al.Interference elimination based spectrum allocation algorithm for cognitive radio［J］.Journal on Communications，2012，33(5):106－114.

［7］JEFFREY D P ，WILLIAM D H.Discontinuous OFDM considerations for dynamic spectrum access in idle TV channels［C］//IEEE.New Frotiers in Dynamic Spectrum Access Networks，2005.DySPAN 2005.Baltimore:IEEE Press 2005:607－610.

［8］CHEN Dawei，ZHANG Qian，JIA Weijia.Aggregation aware spectrum assignment in cognitive Ad－hoc networks［C］//IEEE.Cognitive radio oriented wireless networks and communications，2008.CrownCom 2008.Singapore:IEEE Press ，2010:1－6.

［9］張華晶，徐少毅，喬曉瑜.認知無線電網絡中基于用戶需求和頻譜聚合的動態頻譜分配［J］.電信科學，2010，26(12):63－67.

ZHANG Jinghua，XU Shaoyi，QIAO Xiaoyu.Dynamic spectrum allocation algorithm based on user demands and spectrum aggregation in cognitive radio networks［J］.Telecommunication Science，2010，26(12):63－67.

［10］YANG Lili，XIE Xianzhong，ZHANG Yi.A historical－information－based algorithm in dynamic spectrum allocation［C］//IEEE.Communication Software and Networks，2009.ICCSN 09.Macau:IEEE Press ，2009:731－736.

［11］ZHANG Jianwu，ZHAO Qi，ZOU Jingyuan.Advanced graph－coloring spectrum allocation algorithm for cognitive radio［C］//IEEE.Wireless Communications，Networking and Mobile Computing，2009.WiCom 09.Beijing:IEEE Press，2010:1－4.

(編輯:王敏琦)