黄天成，姜显扬，夏凯莉，唐向宏

(杭州电子科技大学通信工程学院，浙江 杭州 310018)



认知中继网络感知信道估计时延的优化设计

黄天成，姜显扬，夏凯莉，唐向宏

(杭州电子科技大学通信工程学院，浙江 杭州 310018)

摘要：为了提高认知中继网络的频谱效率，提出了干扰分区策略的混合频谱接入方法，分析了影响干扰分区策略的频谱感知信道估计时延长度的因素，推导了系统吞吐量与信道估计时延长度的表达式，并进一步提出了信道估计时延长度的优化设计方法.计算机仿真结果表明，该方法切实有效，具有一定的工程应用的价值.

关键词：认知中继网络；频谱感知；信道估计；填充式频谱接入；下垫式频谱接入

0引言

无线宽带服务的快速增长推动了认知无线电技术的进步与发展[1]，认知用户可以使用授权用户空闲的频谱资源.引入中继技术到认知无线电系统中，一方面提高了通信系统的吞吐量，另一方面提高了频谱检测的可靠性[2]，构成认知中继网络(Cognitive Relay Networks，CRN)[3-4].认知无线电基于频谱感知和动态频谱接入的原理，文献[5]提出了一种干扰分区策略的混合频谱接入方法，以折衷提高频谱效率和功率效率为目标，应用于认知中继网络.这种策略需要对授权用户与认知用户之间的信道参数进行估计.认知用户对授权用户的干扰水平以及认知网络的吞吐量都依赖于频谱感知与信道估计算法的效率.干扰信道估计会带来数据传输的时延，一方面，时延越长估计越准确，频谱效率越高；但另一方面，时延占用了数据传输的时间，降低了数据吞吐量，折衷这两方面需要有优化设计的权衡方法.本文在提出干扰分区策略的混合频谱接入方法的基础上，给出一种认知中继网络频谱感知信道估计时延长度优化的模型，并应用牛顿迭代法提出了信道估计时延的优化设计方法.

1认知中继网络系统模型

基于干扰分区策略的认知中继网络系统框图如图1所示.认知无线电系统由授权用户和认知用户组成，其中，授权用户(Primary User，PU)包括初级信源(Primary Source，PS)和初级信宿(Primary Destination，PD)，认知用户包括认知信源(Cognitive Source，CS)、认知中继节点(Cognitive Relay，CR)和认知信宿(Cognitive Destination，CD)，如图1(a)所示.

在初级用户的受干扰水平得到充分保障的前提下，采用填充式(Overlay)和下垫式(Underlay)混合频谱接入的方法来最大化认知用户的系统吞吐量.图1(a)中，当CS或CR所在位置处于区间1(内环线以内)时，采用填充式频谱接入，仅在授权用户的空闲频段，CS和CR才可分配功率并传输数据；当CS或CR所在位置处于区间2(内环线与外环线之间)时，采用下垫式频谱接入，CS和CR可与授权用户共享频谱，但是需要控制发射功率使其对授权用户的干扰容限处于可以接受的水平；当CS或CR所在位置处于区间3(外环线之外)时，CS和CR可与授权用户共享频谱而不必考虑其干扰容限.这种根据认知用户对授权用户产生的实际干扰水平高低来划分频谱接入服务区间的方法，即是“干扰分区策略”[5].

图1(a)中，CS向CD的信号传输划分为两个时段，T1时段CS发送信号，CR和CD接收信号；T2时段CR发送从CS接收到的信号，CD再次接收信号并按照最大比法与T1时段接收到的信号合并，CS也接收信号用于信道估计.如图1(b)所示，分配到的一帧数据时隙总长为T，包含用于频谱感知与信道估计的时长τ，用于信息传输的剩余时间T-τ，T-τ即为图1(a)中所示的时段T1+T2的总和.

图1　基于干扰分区策略的认知中继网络系统框图

一般来说，频谱感知占用的时间越长，信道估计算法得到的结果越精确，认知用户对授权用户的干扰就越小，而且，认知用户的功率分配算法就越合理，数据传输速率就越高.但是，频谱感知占用的时间越长，将导致占用数据传输的资源过多，其结果是降低系统吞吐量.所以，显然频谱感知占用时延长度τ就是一个可以优化的参量，存在一个优化的τ值，使上述两方面的作用均衡，得以实现最高的数据传输速率.

2频谱感知信道估计时延长度的优化算法

应用干扰分区策略的前提是实现认知用户对授权用户的实际干扰水平的信道估计，据此划分服务区间并应用不同的频谱接入策略.这里，要考虑漏检(Miss-Detection)和误检(False-Alarm)的情况，推导出数据吞吐量与频谱感知信道估计时延长度的表达式，再采取相应的优化方法.

2.1漏检概率和误检概率

假定采用能量检测法来实现频谱感知，信道噪声模型为独立同分布的循环对称复高斯白噪声，传输信号为复值MPSK调制信号，那么，漏检概率pm和误检概率pf是频谱感知信道估计时延长度τ的函数[6]，即：

(1)

(2)

其中，

(3)

λ为判定授权用户是否空闲的能量阈值，η为CS或CR接收到的PU端的信噪比，fs为CS或CR的抽样频率，N0为噪声功率.

2.2信道估计时长的优化方法

设CS在N个OFDM子频段内分配发送功率，i=0,1,…,N-1，集合N1表示CS经检测判定为PU空闲的频段，集合N2表示CS经检测判定为PU工作的频段.在数据传输T-τ时间内，CD接收到T1时段CS传送的信号和T2时段CR传送的信号，经过最大比合并后，CD获得的数据吞吐量可以表示为[5]：

(4)

其中，pm为漏检概率，pf为误检概率，γ0(i)为PU实际空闲时第i条子频段上接收信号的信噪比，γ1(i)为PU实际工作时第i条子频段上接收信号的信噪比，α为频谱共享指示符，α=1表示CS可与PU共享频谱，α=0表示CS不能与PU共享频谱.

进一步整理化简，可得：

(5)

那么，频谱感知信道估计时延长度τ的优化问题可以描述为：

(6)

将式(1)和式(2)代入式(5)，则R(τ)是一个非线性复杂函数，可以证明其为凸函数，其二阶导数满足关系：d2R/dτ2≤0，因此，R(τ)存在最大吞吐量，存在信道估计时延长度的优化设计方法.其极值点的导数取值为零，即有：

(7)

解式(7)所示的非线性方程，所得解τ=τop，即为式(6)优化问题的解.

式(7)所示为复杂非线性方程，应用牛顿迭代法可以通过计算机仿真得到近似解，步骤如下：

1)给定初值τn=τ0，e=1×10-6为解的容许误差；

2)迭代计算τn+1=τn-f(τn)/f′(τn)的值；

3)若|τn+1-τn|

4)迭代结果τ=τn+1，即为最终的解.

3仿真实验

仿真参数设置如表1所示.

表1　仿真参数设置

根据表1的参数设置，求得式(5)所示函数R(τ)，用Matlab仿真其函数图形，如图2所示.图2中，实线是α=1时的吞吐量曲线，此时CS和CR采用下垫式频谱接入，与PU共享子频段；虚线是α=0时的吞吐量曲线，此时CS和CR采用填充式频谱接入，只在PU空闲的子频段CS与CR才插入使用.从图2中可以看出，当时延τ从小增大时，吞吐量先是从小增大，随后从顶峰滑落，并快速下降，顶峰对应的时延τ值即为优化解.

应用牛顿法迭代求解，得到的τ值分别为0.339 ms(α=1)和0.329 ms(α=0)，与图2所示的曲线最高峰值所对应的时延τ值拟合.需要说明的是，Matlab仿真得到式(5)所示函数R(τ)的图形，因式(5)包含式(3)所示的积分函数，一般采用蒙特卡洛概率运算的方法得到近似函数值；而应用牛顿法迭代求解的式(7)所示的方程，是式(5)所示函数的导数函数方程，其解方程的运算复杂程度远远小于蒙特卡洛近似运算方法求函数值.一般认知用户所拥有的计算与存储资源比较有限，不能运行Matlab软件，采用牛顿迭代法求解可以节省大量宝贵的资源.

图2　认知中继网络系统吞吐量与信道估计时延的关系函数

4结束语

为了提高频谱资源利用率，本文在认知无线电系统中引入中继技术，并提出采用干扰分区策略的混合频谱接入方法.本文优化设计频谱感知占用的时延长度τ参量，实现了最高的数据传输速率.本文推导了系统吞吐量与信道估计时延长度的关系表达式，并提出了信道估计时延长度的优化设计方法，基于牛顿迭代法得到时延长度的最优解.本方法切实有效，具有一定的工程应用的价值.

参考文献

[1]MITOLAJ.Cognitiveradio:Anintegratedagentarchitectureforsoftwaredefinedradio[D].Stockholm:RoyalInstituteofTechnology, 2000.

[2]ZHANGG,LIQ,ZHANGQ,etal.Signal-to-interference-plus-noiseratio-basedmulti-relaybeamformingformulti-usermultiple-inputmultiple-outputcognitiverelaynetworkswithinterferencefromprimarynetwork[J].IETCommunications,2015, 9(2): 227-238.

[3]HUANGH,LIZ,SIJ,etal.Underlaycognitiverelaynetworkswithimperfectchannelstateinformationandmultipleprimaryreceivers[J].IETCommunications,2015, 9(4): 460-467.

[4]NAJAFIS,SHAYESTEHMG.Spectrallyencodedcodedivisionmultipleaccess-basedcognitiverelaynetworks[J].IETCommunications, 2015, 9(12): 1510-1521.

[5]JIANGX,LUJ.PowerMinimizationforCognitiveRelayNetworkswithInterference-BasedStrategy[J].IEEECommunicationsLetters,2013,17(10): 1936-1939.

[6]LIANGYC,ZENGY,PEHE,etal.Sensing-throughputtradeoffforcognitiveradionetworks[J].WirelessCommunications,IEEETransactionson, 2008, 7(4): 1326-1337.

DOI：10.13954/j.cnki.hdu.2016.03.007

收稿日期：2016-02-19

基金项目：浙江省自然科学基金资助项目(LY14F010018)

作者简介：黄天成(1995-)，男，浙江平湖人，本科生，信息工程.通信作者：姜显扬讲师.E-mail：jiangxy@hdu.edu.cn.

中图分类号：TN929.5

文献标识码：A

文章编号：1001-9146(2016)03-0031-05

Optimal Design on Delay Time of Spectrum Sensing Channel Estimation in Cognitive Relay Networks

HUANG Tiancheng, JIANG Xianyang, XIA Kaili, TANG Xianghong

(SchoolofCommunicationEngineering,HangzhouDianziUniversity,HangzhouZhejiang310018,China)

Abstract：In order to improve the spectrum efficiency in cognitive relay networks, a kind of mixed spectrum access method based on the interference evaluation strategy is proposed. The influence factors of spectrum sensing channel estimation delay time are analyzed. The expressions of the system throughput and channel estimation delay time are derived. Furthermore, the optimization design method for delay time length of channel estimation is presented. Computer simulation results show that the proposed method is practical and effective, and has a certain value of engineering application.

Key words：cognitive relay network; spectrum sensing; channel estimation; overlay spectrum access; underlay spectrum access