主用戶活動檢測與跟蹤算法研究范文

本站小編為你精心準備了主用戶活動檢測與跟蹤算法研究參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

《華中師范大學學報》2015年第四期

認知無線電（CognitiveRadio，CR）技術被認為是提高頻譜利用率的一種有效方法，它可以解決無線通信業務快速增長與授權頻譜利用率低的矛盾．在CR網絡中，認知用戶（或稱為次用戶：SecondaryUsers，SUs）可以使用授權用戶空閑的頻譜，但是要求對授權用戶（或稱為主用戶：Prima－ryUsers，PUs）的干擾必須控制在能夠容忍的范圍內．這樣，就需要SUs檢測無線頻譜，對頻譜的狀態作出判決，從而自適應地選擇可使用的頻譜．頻譜使用模型能夠通過PUs的活動特性得到反映，PUs活動的建模和參數估計能夠促使SUs更加有效地使用頻譜．目前，普遍采用的PUs活動模型是ON／OFF交替模型，其工作（busy）和空閑（idle）周期時間服從指數分布．該模型參數估計的重要性體現在，若能夠獲得比較準確的ON／OFF平均周期，則可以計算出合理的檢測周期，從而同時滿足所要求的PUs干擾比和SUs數據傳輸效率．而且，很多頻譜檢測技術需要知道PUs的統計先驗信息．在文獻［4］中，一種聯合優化頻譜檢測和傳輸周期的理論模型被提出，用以最大化頻譜效率．但是，模型中的ON和OFF平均周期假設為固定和已知的．另外，相當多的研究采用了這種固定的頻譜使用模型來優化頻譜檢測，在沒有通過實際檢測和估計的基礎上，就假設SUs掌握了這些統計信息．Kim等人使用了ON／OFF頻譜使用模型，并且提出一種基于滑動時間窗（STWB）的估計方法來處理歷史檢測信息以便獲得PUs的活動方式．然而，他們假設SUs已經獲得一組PUs使用頻譜的OFF周期樣本，但是并沒有介紹如何獲得這些樣本，另外頻譜檢測時采用的檢測周期是多少沒有作出說明，更主要的是沒有涉及樣本數量如何保證檢測精度．同時，也有很多PU活動檢測只是檢測短時間PU的狀態，如Wang等人提出一種基于信任傳播機制的集成快速PU活動狀態檢測框架，Chang等采用一種新穎的任務循環方式來檢測PU用戶的活動，只使用短時間內PU的狀態數據，Warit等提出2階和微分加權序列協作能量自適應檢測方法來發現PU用戶的活動狀況．

由于檢測周期與頻譜使用模型密切關聯，而且二者也是確保頻譜檢測和共享的重要因素，因此檢測PUs活動模型的參數將是一個非常重要的研究內容，需要進一步深入研究．另外，在PUs活動的建模和估計過程中，若將SUs的移動性考慮進去，則CR網絡不再是一種完全靜止的拓撲結構，那么將面臨更多的挑戰．很多估計技術需要相對多的容量來存儲歷史檢測數據，對于存儲容量有限的單個節點而言，存儲長時間的檢測數據并作出實時估計是比較困難的．對于移動CRadhoc網絡而言，將會面臨更多的挑戰，如檢測的信息如何在網絡中及時傳遞，如何控制信息傳遞導致的開銷．同時，由于單個用戶的處理能力有限，如存儲容量，所以必須設計合理的機制來保存頻譜檢測信息．為了解決上述分析的問題，針對移動CRadhoc網絡，本文提出一種基于MLE和MSE的PUs活動參數的檢測與估計算法，該算法能夠跟蹤PUs活動規律的變化．假設有一個PU發射器，CR網絡中的SUs都是移動的，使用精細檢測來獲得PU的ON／OFF周期樣本，采用最大似然估計算法來估計ON／OFF的周期平均值，利用加權平均技術來計算最終的周期平均值．為了停止精細檢測并快速跟蹤PU活動的變化，利用均方誤差設計了精細檢測停止和重新啟動的規則．

1系統模型

假設一個PU發射器工作于一個授權信道，并以ON／OFF模型來使用該信道．ON／OFF周期服從指數分布，各自的真實均值分別是α和β，當PU的活動規律發生改變時，α和β也將隨之改變．同時假設使用一個公共控制信道（CCC）來傳輸檢測信息［16］．在CRadhoc網絡中，所有CR用戶都是移動的．CRadhoc網絡如圖1所示，定義PU的傳輸覆蓋范圍為Ap，即圖中白色的區域．當SU移動到Ap區域時，就可以通過頻譜檢測來獲得ON和OFF的周期樣本，一旦到達該區域的邊界，SU將廣播自己獲得的檢測信息，附近的SUs接收到該信息并進行廣播，定義廣播信息的區域為As，接收到新檢測信息的SUs將更新估計的ON／OFF周期均值．假設在網絡中η個SUs已經廣播了它們的檢測均值和樣本數量，其中第i個SU發送的數據組表示為｛珔αi，珋βi，Ni，Mi｝，i＝1，…，η，其中珔αi和珋βi分別表示估計的ON和OFF周期均值，Ni和Mi則表示ON和OFF的周期樣本數量．考慮到單個SU的存儲能力和處理能力，假設一個SU最多只存儲ηs個SUs發送的數據．檢測廣播信息包包含的信息為：包時間戳，檢測標志位（即檢測精度達到要求后的停止標志位：stopmarkbit），ON周期估計值α，OFF周期估計值β，完成檢測的SUs的數量η（≤ηs），η組｛珔αi，珋βi，Ni，Mi｝，ON周期樣本數量，對應的ON周期樣本值，OFF周期樣本數量，對應的OFF周期樣本值．設置包時間戳的目的是避免重復廣播和廣播環路，根據η組｛珔αi，珋βi，Ni，Mi｝來估計α和β，檢測狀態標志位為1時，標識檢測精度達到要求．由于有的SUs檢測獲得的ON／OFF周期樣本數量可能很少，在這種情況下，為了提高估計的精度，允許直接發送周期樣本，下一個SU接收到這些周期樣本后可以將周期樣本與自身檢測的周期樣本合并，然后作出估計，以提高檢測精度。

2主用戶活動檢測模型

2．1檢測周期和類型根據文獻［4］，信道使用為ON／OFF模型時，PUs使用信道的概率。另外，對于SUs而言，錯失頻譜利用機會的比率TL定義為：在PUs處于空閑狀態時間內，SUs沒有檢測到該狀態而失去傳輸數據的平均時間比值．對于PUs而言，定義最大可容忍干擾時間比TP為：在PUs使用頻譜的時間內，SUs依然使用該頻譜而造成對PUs的干擾，此時PUs在時間上能夠容忍干擾的最大平均時間比值。在以往的文獻中［4，6］，只有一個檢測周期用于PUs的空閑和工作狀態中．從式（4）中可以發現，PUs容忍的干擾比可以得到控制，但是卻不能夠很好地保證當PUs空閑時所要求的錯失數據傳輸的比率．因此，在本網絡中，當PU處于工作狀態時，如果存在多個授權信道需要檢測，則可調度tq來檢測這些信道，該研究內容將在后續的研究中加以考慮．檢測周期Tons和Toffs將根據獲得的檢測信息來計算．若頻譜檢測時Tons和Toffs小于由式（3～6）計算出的檢測周期，則屬于精細檢測，若等于則屬于常規檢測．首先，如果SU沒有附近PU的活動信息，或是PU活動規律發生變化，則SU執行精細檢測，且Tons和Toffs相等，取比較小的固定值，為Tmins，這樣可以在一定程度上保證獲得的第一組α和β的估計均值誤差較?。舢斍唉梁挺碌木冗_不到要求，就依然執行精細檢測，且將按式（6～9）計算的Tons和Toffs乘以一個因子γ，γ∈0．5，（）1．一旦α和β的精度達到要求，則SUs將執行常規檢測來進行數據傳輸和接收，此時γ＝1．

2．2單用戶估計當SUi檢測頻譜時，SUi將使用接收到的廣播信息來計算Tons和Toffs，若檢測標志位狀態為0，則執行精細檢測．在這種情況下，若SUi沒有數據要傳輸，則Toffs中的時間tt可以不被用于傳輸或接收數據，而是處于靜默狀態．直觀上，ON和OFF的周期樣本數量與PU真實的α和β、SU的速度以及在區域Ap內的穿越距離有關系．若ON和OFF的周期樣本數量太少，則頻譜檢測后，SU將不使用MLE算法來估計均值，直接將ON和OFF周期樣本加入到廣播信息包的尾部，并進行廣播．

2．3多用戶估計假設個SUs完成檢測并獲得相應的估計值．通常情況下，可以直接采用算術平均方法來計算最后的均值，本文稱之為“非加權平均”，計算方法如同式（7）和（8）．然而，由于不同的SUs獲得的樣本數量可能不同，因此引入了和樣本數量相關的加權平均算法來計算最后的均值α和β?？梢钥闯?，使用該方法相當于分配一個權值給每個SU計算的均值，該權值和樣本數量成正比．另外，由于PU活動的時變性以及SU有限的存儲空間，前面假設了SU只能存儲最多ηs組｛珔αi，珋βi，Ni，Mi｝數據．這樣，當廣播包中已經存儲有ηs組檢測信息時，一旦當前SU完成檢測，則最早的數據組將會被丟棄．

2．4精細檢測停止當一組SUs執行完精細檢測后，均值α和β將會收斂到真實均值α和β附近，則精細檢測將停止．這實際上意味著，隨著珔αi、珋βi估計均值的增多，其均方誤差（MSE）會隨之降低．因此，設置一個MSE門限Em來停止精細檢測。

2．5精細檢測重啟由于PU對頻譜的使用是動態時變的，PU活動的變化將表現在α和β的變化上，這就需要發現這種變化并及時地對活動參數進行重新估計．當α和β發生變化時，由于SUs依然按精細檢測停止時的估計均值計算檢測周期，則MSE值也將隨之變化．因此，通過MSE的變化可以重新啟動精細檢測，但是由于MSE的變化比較緩慢［17］，這樣發現PU活動規律的變化就需要比較長的時間．具體來說，一旦精細檢測停止，估計值α和β將不再改變，直到發現PU活動變化后，才重新啟動精細檢測．在這種情況下，當一個SU進入區域Ap，該SU執行常規檢測．同時，σon（t－1）和σoff（t－1）能夠根據組｛珔αi，珋βi，Ni，Mi｝計算得出．當SU運行出區域Ap時，將本次檢測到的數據放進信息包中．如果＝ηs，將丟棄保存的第一組數據｛珔α1，珋β1，N1，M1｝，并且將剛剛接收到的信息作為最新的數據組．這樣，可以計算出σon（t）和σoff（t），進一步，sσon（t）和sσoff（t）也可以隨之計算出來．如果sσon（t）或sσoff（t）大于門限值STH，則重新啟動精細檢測．

2．6算法復雜度分析本文提出的PU活動檢測算法主要用到了MLE和MSE計算，其中MLE用于單SU周期均值的計算，從式（7）和（8）可知，對于SUi而言，珔αi與珋βi的計算復雜度與獲得的ON和OFF周期樣本數量Ni和Mi有關，其復雜度為O（n）．當SUi接收到多個SUs的檢測周期估計值時，根據式（9）和（10）可知，計算均值α和β的復雜度都為O（n）＋O（n）．在采用MSE判決精細檢測停止時，根據式（11）可知，均方誤差值的計算復雜度為O（n）＋O（1）．而利用MSE重啟精細檢測時，根據式（13）可知算法復雜度僅為O（1）．由此可知，本文提出的PU活動檢測算法的復雜度為線性階O（n），屬較低范圍，因此算法運行速度將比較快．

3仿真實驗

3．1仿真模型為了評價提出的主用戶活動檢測算法的性能，建立了一個仿真網絡．設置一個PU工作于一個授權信道．假設PU的二維位置坐標為（2000m，2000m），其傳輸范圍半徑為800m，檢測信息廣播范圍半徑為1200m．SUs移動速度均勻分布于3～20m／s，移動方向同樣均勻分布于［0，2π）．根據IEEE802．22規定，在使用能量檢測時，一個檢測周期中的觀測時間ts應低于2ms［18］．因此，設置ts＝2ms，并且最短的精細檢測周期Tmins設為10ms．另外，TL和TP為0．04．

3．2仿真結果與分析為了觀察提出的檢測算法精度和收斂能力，在網絡中Ap范圍內逐次產生50個SUs，且位置和速度是隨機的，這樣不同的SUs獲得的ON／OFF周期樣本數量將不同．假設α＝0．4s，β＝0．5s．最開始，由于不知道PU的活動信息，因此第一個進入Ap范圍的SU使用精細檢測來感知頻譜，且檢測周期為Tmins．后續的SUs繼續執行精細檢測，但是檢測周期將分別采用Tons×γ和Toffs×γ，其中γ＝0．7．從圖2可以看出，第一個SU完成檢測后，ON的平均值低于0．46s，當超過5個SUs檢測后，和真實的α相比，估計值α開始圍繞α波動，且幅度低于5％．另外，還可以看出加權平均值波動幅度要低于非加權方法．當多個SUs完成頻譜檢測后，獲得的估計均值α和β的精度必然會提高，但是SUs并不知道真實的均值α和β，因此將通過均方誤差（MSE）來判斷精度是否達到要求．為了比較這方面的性能，可以利用真實均值來評價提出的方法，將采用相對誤差來作出比較，即α－α／α．根據圖3所示，隨著檢測SUs的增多，MSE降低了，而且當SUs的數量達到20左右時，MSE基本上變化不大．而相對誤差也是隨著SUs的增加而降低，相比MSE收斂更快，但是波動比較大，這樣將不利于判斷精細檢測結果是否該停止，而且最大的問題是要使用真實均值，這在現實中是不可能的．PU活動變化的跟蹤是PU活動檢測的重要研究內容之一，PU活動統計特征發生變化就意味著α和β會發生改變．當精細檢測結束后，將執行常規檢測，而且利用的是估計均值α和β．一旦α和β變化后，就需要在短時間內發現這種變化，并啟動精細檢測，從而避免對PU的長時間干擾．在文獻中，提到一種基于滑動時間窗（STWB）的方法來估計均值，其原理是利用時間窗內最新的部分檢測周期樣本來作出估計，避免使用早先獲得的周期樣本，從而保證估計的均值能夠盡可能地跟蹤PU用戶的最新活動特征．在此，將STWB方法與本文提出的精細檢測重啟方法作出比較，將本文提出的方法稱為Scheme1，STWB方法稱為Scheme2．假設共有100個SUs執行頻譜檢測，最開始設置α＝0．4s，β＝0．5s，在第50個SU完成頻譜檢測后，α變為0．5s．根據圖4可以發現，本文提出的方法的收斂速度明顯比STW方法要快，這是因為采用Scheme1時第51個SU完成頻譜檢測后就能根據MSE的相對變化量Sσon發現PU活動發生了變化，從而立即重新啟動精細檢測．而在Scheme2中，則是利用滑動時間窗方法逐次替換α＝0．4s時的檢測周期樣本，在這個過程中PU活動變化之前的周期樣本依然對當前活動特征的估計產生著影響，所以雖然最后也完成了收斂跟蹤，但是速度較慢．對α和β估計的最終目的是獲得合理的檢測周期，從而將SUs對PUs的干擾時間控制在一定范圍內，同時減少錯失的傳輸數據時間，也就是說要控制TP和TL在預先設定的門限之下．在使用本文提出的方法來估計α和β且達到MSE要求后，后續的SUs將采用常規檢測來進行數據的接收或傳輸．從圖5中可以發現，在獲得α和β后，經過很短的時間，TP和TL就低于門限值0．04之下．由于在CRadhoc網絡中，SUs完成頻譜檢測后需要將檢測信息在As范圍內進行廣播，這必然會帶來網絡消耗．很明顯，不同的MSE精度所需要的檢測SUs數量會不同．門限值Em越小，精度越高，則需要更多的SUs執行頻譜檢測，從而帶來更多的網絡開銷．因此，在仿真中，將設置不同Em值，網絡開銷則通過平均廣播數據量來反映．由于在廣播時，廣播的數據量和網絡中的SUs數量也有關系，所以在網絡中隨機產生不同數量的SUs．從圖6中可以發現，對于一定數量的SUs，在檢測結果的MSE小于門限值Em時，Em值越小則廣播的數據量越大．而對于相同的Em值，不同的SUs數量，網絡開銷也不同，網絡中的SUs越多，由于需要接力廣播的次數增加，所以總的廣播數據量也相應增加．最主要的是，完成要求精度的頻譜檢測總的廣播數據量只有幾個Kbit／s．因此，這樣的網絡開銷還是比較小的．

4結束語

本文針對CRadhoc網絡提出了一種基于MLE和MSE的PU活動檢測算法，用于估計ON／OFF平均周期．在執行頻譜感知時采用了精細檢測和常規檢測，SUs執行精細檢測以估計與跟蹤PU的活動，而常規檢測則用于檢測參數精度滿足要求后的數據接收與傳輸．對于單個SU獲得的周期樣本，采用了最大似然估計方法來計算周期均值，采用加權平均來計算最終的ON／OFF平均周期．另外，利用了均方誤差來停止精細檢測，同時利用均方誤差的相對變化來跟蹤PU活動的變化．仿真結果表明，提出的估計與跟蹤算法能夠實現對頻譜使用模型參數的估計，同時還能夠快速有效地跟蹤PU活動的變化，其PU活動跟蹤性能優于STWB方法．

作者：姚文貴 單位：湖北職業技術學院