認知無線電系統(tǒng)中利用模糊邏輯的頻譜分配

文 凱1，，付玲生，傅小玲

(1.重慶郵電大學 重慶信科設計有限公司，重慶 400065；2.重慶郵電大學 通信新技術應用研究所，重慶 400065)

1 引 言

頻譜利用率低下是比頻譜資源稀缺更為本質的一個問題。認知無線電(Cognitive Radio, CR)的提出，為實現(xiàn)頻譜資源的高效利用提供了一種有效途徑。CR是一種智能無線電系統(tǒng)，能感知無線環(huán)境并智能地從周圍環(huán)境中學習，通過實時改變一系列工作參數(shù)來適應環(huán)境變化[1]。次用戶(Secondary User, SU)能夠實時檢測“頻譜空穴”，在對主用戶(Primary User, PU)通信不造成有害干擾的情況下，可以動態(tài)地利用“頻譜空穴”進行通信，實現(xiàn)靈活的頻譜共享并充分提高頻譜利用率。認知無線電的關鍵技術和體系架構等研究近年來取得了一定進展。2004年IEEE 802.22 WRAN工作組正式成立，標志著認知無線電技術首次從概念走向現(xiàn)實。CR技術必然將在未來無線通信發(fā)展中發(fā)揮著至關重要的作用。

頻譜分配是認知無線電MAC層的關鍵技術之一[2]。認知無線電系統(tǒng)應該根據(jù)可用頻譜的分析結果，為有通信需求的次用戶分配合適的頻段?，F(xiàn)有的經(jīng)典頻譜分配算法主要是基于圖論著色模型的，ZHENG等人在這方面進行了大量研究[3-4]，但基于圖論的方法將干擾建立為簡單的二元對立模型，并不符合認知無線電的實際情況。模糊邏輯能夠模擬人的思維方式，不需要精確解析模型，它在無線通信網(wǎng)絡中的建模和控制方面得到了廣泛的應用[5]。認知無線電頻譜分配中利用模糊邏輯決策，可以克服頻譜檢測的非精確性問題并降低分配方案的復雜度。文獻[6]考慮次用戶的頻譜需求率、移動性和距離因素針對某個空閑頻段利用FLS得到次用戶的接入概率，然后選擇概率最大的次用戶接入。但要完成M個空閑信道的分配需執(zhí)行M次算法，造成分配時間過長不能保障次用戶通信的實時性要求，而且該方法只考慮到次用戶的特性而沒考慮CR中重要的頻譜特性。

為此，本文提出一種利用模糊邏輯的頻譜分配方案，綜合考慮了可用頻譜特性和次用戶特性依據(jù)吞吐量最大、隨機分配和公平性準則進行頻譜分配，能有效突出吞吐量性能與用戶公平性并減少了分配時間。

2 利用模糊邏輯的認知無線電頻譜分配設計

認知無線電是以頻譜感知為基礎的，利用模糊邏輯的系統(tǒng)能夠容忍頻譜感知和檢測結果存在一定的誤差。SU檢測的“頻譜空穴”是時域或頻譜形式，信道是頻譜分配的基本單位，次用戶均采用帶寬為B的單個信道進行傳輸。信道采用集中式的分配，次用戶將感知信息通過上行控制信道傳送給基站，在基站中執(zhí)行模糊邏輯算法后進行統(tǒng)一分配。頻譜分配模型設計如圖1所示。

圖1 利用模糊邏輯的頻譜分配模型Fig.1 Spectrum allocation model using fuzzy logic

該模型利用模糊邏輯系統(tǒng)(Fuzzy Logic System，F(xiàn)LS) FLS1和FLS2綜合分析得到空閑信道和次用戶特性，然后依據(jù)不種準則經(jīng)頻譜判決將不同頻譜效益的信道分配給不同接入概率的次用戶。與文獻[6]相比，方案著重分析了可用頻譜特性且可以一次性將空閑頻譜分配完畢，節(jié)約了分配時間。

2.1 模糊邏輯知識

方案主要利用FLS系統(tǒng)，它的一般構成如圖2所示[7]。FLS包括模糊化、解模糊化、知識庫和模糊推理4個模塊。整個實時決策過程就是由這4個模塊執(zhí)行的3個步驟的一個循環(huán)。首先，獲取各個輸入如信道可用性、SINR、移動性或距離等精確量，將其轉變成合適的模糊集合來描述測量不確定性即模糊化。然后，模糊化量被推理模塊使用來觸發(fā)儲存在知識庫里的規(guī)則從而進行模糊運算。推理的結果是頻譜效益權重或接入概率的模糊集合。最后，利用解模糊化方法將其轉化成一個精確值輸出即解模糊化。

圖2 FLS的一般構成Fig.2 General structure of FLS

考慮一個2輸入、1輸出的FLS，采用重心法解模糊化，其知識庫中包含的IF-THEN規(guī)則形式如下：

要計算出FLS的一個精確輸出值，首先計算每一條規(guī)則結論模糊集的質心cGl，然后按下式計算：

(1)

式中，M是FLS中所含規(guī)則數(shù)，μFlx是隸屬函數(shù)，cGl是第l條規(guī)則結論模糊集的重心。

2.2 模糊邏輯系統(tǒng)FLS 1

FLS 1的設計是基于空閑信道的可用性和干擾信噪比(SINR)考慮，利用專家知識綜合評判可用頻譜質量。由于PU隨機出現(xiàn)的概率和無線環(huán)境的不同，使得可用信道存在著很大的差異，所以不同信道帶給次用戶的效益是不同的。我們用FLS 1輸出頻譜的效益權重來衡量不同信道的好壞。

CR要求次用戶通信不對主用戶造成有害干擾。當PU返回時，占用此信道的SU必須立刻切換頻譜退出，否則會與PU產(chǎn)生碰撞給其帶來干擾。所以，可依據(jù)統(tǒng)計信息獲得每個信道的PU返回概率或信道可用性情況，為次用戶分配一個可用性高的信道可提高其成功傳輸?shù)母怕??；诳臻e占時比(FTR)[8]來計算信道可用性，將信道i的空閑占時比定義為

RFTi(Tk)=Tidle/Tk

(2)

式中，Tk是信道i的測量時間，Tidle是信道總的空閑時間。

根據(jù)用戶的業(yè)務要求，設定如下的兩層模型：

(1)短時特征(T1)：表征了PU短時間內的時域相關性，即PU現(xiàn)在使用某個頻段，則在t1后PU很有可能還在使用該信道。

(2)長期特征(T2)：表征了PU的長期時域相關性，來預測PU未來的頻譜活動。

所以，信道i的可用性為

ηi=αRFTiT1+1-αRFTiT2

(3)

式中，0≤ηi≤1，α和1-α分別是頻譜短時和長期特征的權值。

除考慮信道的占用情況外，我們還考慮次用戶檢測到的可用信道的干擾信噪比(SINR)[9]。對于一個空閑信道，不同次用戶檢測的SINR值可能不同，我們取其平均值。由于基站要與系統(tǒng)中所有的用戶通信，感知到信道的干擾信噪比必須大于一個最小要求的SINR值。為了給認知用戶提供更好的信道質量和容量，基站應該選擇那些具有高SINR值的信道來分配。根據(jù)香農(nóng)公式，信道i的信道容量為

Ci=Blb1+SINRi

(4)

FLS 1由2輸入和1輸出語言變量構成。表示信道可用性和頻譜效益權重的語言變量被分成5種標記：

T(ηPU)=T(WPU)=

Very Low,Low,Medium,High,Very High

(5)

而干擾信噪比劃分為3種標記：

T(SINRPU)=Low,Medium,High

(6)

每個語言標記唯一對應于一個隸屬函數(shù)，表示這3個變量的隸屬函數(shù)如圖3(a)和(b)所示。

2.3 模糊邏輯系統(tǒng)FLS 2

FLS 2的設計主要是基于次用戶的移動性和次用戶與基站的距離考慮的，利用專家知識選擇合適的次用戶使用各空閑信道。不同特性的次用戶接入頻譜后對CR系統(tǒng)的影響程度不同。一般來說，具有較遠距離和較小移動性的SU更易不對PU產(chǎn)生干擾。

(a)干擾信噪比

(b)信道可用性、頻譜效益權重和接入概率

(c)移動性

(d)距離圖3 表示FLS 1和FLS 2變量的所有隸屬函數(shù)Fig.3 The membership functions used to represent all variances in FLS 1 and FLS 2

首先考慮次用戶的移動性，它關系到能否分配到頻譜以及對通信活動起到很重要的影響作用。移動性減小了探測到PU信號的能力，如果檢測不到PU的活動，SU可能作出錯誤的決策，對PU產(chǎn)生有害干擾。當認知用戶以速率v移動時，會引起頻移為fD的多普勒效應。

另外，終端的地理位置分布關系到無線信道的特性，位置不同信道的特性相差很大。一般距離基站近的終端信道條件好，距離基站遠的終端信道條件差。可以利用上行鏈路到達時間(TOA)方法計算次用戶到基站的距離。設移動臺發(fā)射信號的時刻為t，c是光速，基站收到信號的時刻為ti，基站坐標為x0,y0，則：

(7)

FLS2也是2輸入1輸出結構。表示移動性和距離的變量被分成3種標記：

T(VSU)=Low,Moderate,High

T(RSU)=Near,Moderate,Far

(8)

而接入概率被劃分為5種標記：

T(PSU)=Very Low,Low,Medium,High,Very High

(9)

表示這3個變量的隸屬函數(shù)如圖3(a)、(c)、(d)所示。

表1和表2包含了FLS 1和FLS 2知識庫中的所有模糊規(guī)則，均獲自于一組網(wǎng)絡專家的經(jīng)驗知識。輸入?yún)?shù)ηPU、SINRPU、VSU和RSU模糊化表示為隸屬度后觸發(fā)多條模糊規(guī)則，進而推理判斷出信道質量和次用戶接入概率，最后經(jīng)解模糊化并精確輸出。

表1 模糊邏輯系統(tǒng)1的規(guī)則庫Table 1 FLS 1 fuzzy rule base

表2 模糊邏輯系統(tǒng)2的規(guī)則Table 2 FLS 2 fuzzy rule base

模糊邏輯系統(tǒng)FLS 1和FLS 2均使用Matlab中模糊邏輯工具箱建立。圖4(a)和(b)分別是FLS 1輸出頻譜效益權重和FLS 2輸出接入概率的曲面圖，曲面反映出了模糊推理規(guī)則的情況。

(a)FLS 1輸出曲面

(b)FLS 2輸出曲面圖4 模糊邏輯系統(tǒng)FLS 1和FLS 2的輸出曲面Fig.4 The output surfaces of fuzzy logic system FLS 1 and FLS 2

2.4 頻譜判決

頻譜判決就是依據(jù)一定的準則分配信道給當前的次用戶，不同判決結果會影響系統(tǒng)吞吐量和用戶傳輸公平性。定義認知無線電的系統(tǒng)吞吐量為

(10)

式中，SINRi和Wi分別是信道i的干擾信噪比和頻譜效益權重，Pj是次用戶的接入概率。傳輸公平性可以用吞吐量方差δ2來度量，因為它代表了系統(tǒng)中各次用戶吞吐量偏離均值的程度。假設用μ1，μ2，…，μn表示n個相互競爭的數(shù)據(jù)流各自的吞吐量，則公平性度量：

(11)

頻譜判決采用以下3種準則：

(1)隨機分配準則

該準則是一種最簡單的分配方式，它將信道隨機地分配給次用戶使用而不考慮信道和次用戶的差異性。

(2)吞吐量最大準則

該準則會產(chǎn)生一個Throughput-Max，它是所有可能分配方式下系統(tǒng)吞吐量中的最大值即最大化系統(tǒng)吞吐量，該準則將較大效益權重的空閑頻譜分配給較大接入概率的次用戶。

(3)公平性準則

3 仿真與分析

主要利用Matlab軟件對系統(tǒng)吞吐量和次用戶傳輸公平性兩個性能指標作仿真分析。仿真中模糊邏輯系統(tǒng)的輸入?yún)?shù)范圍設置如表3所示，這些參數(shù)包括信道帶寬、信道可用性、平均SINR值、次用戶離基站的距離和次用戶移動性。

表3 CR系統(tǒng)的參數(shù)設置Table 3 Parameters setting of CR system

假設在基站10 km范圍內隨機產(chǎn)生N個次用戶和M個空閑信道。為了便于分析，我們討論M與N相同時的情況，在認知用戶數(shù)N=5、10、15、20、25、30時對3種準則下系統(tǒng)性能進行仿真，結果如圖5和圖6所示。

圖5 3種準則下的系統(tǒng)吞吐量性能Fig.5 System throughput performance under 3 criteria

圖6 3種準則下的次用戶公平性性能Fig.6 SUs′ fairness performance under 3 criteria

由圖5知，隨著次用戶數(shù)的增多系統(tǒng)吞吐量一直在增加，因為此時可用的信道數(shù)也在增加。比較3種準則下的吞吐量可知，吞吐量最大分配下Throughput最高，而公平性分配準則下Throughput最低，隨機分配準則下的Throughput居中。由圖6知，吞吐量最大分配準則下的δ2最大，說明該方式下的次用戶傳輸公平性最差，并且隨著次用戶的增多這一趨勢更加明顯。隨機分配準則下的δ2居中且?guī)缀醪皇艽斡脩魯?shù)的影響，說明傳輸公平性一般且較穩(wěn)定。公平性準則下的δ2最小且隨著次用戶的增多而逐漸減小，說明傳輸公平性最優(yōu)且隨著次用戶的增多而變好?？偟膩碚f，隨機分配性能一般，吞吐量最大準則突出了系統(tǒng)效益最大化的特點，公平性準則更加突出了分配使次用戶傳輸更公平的特點。

4 結 論

模糊邏輯為包含非精確、不完全信息和復雜系統(tǒng)建模問題提供了一種有效的解決方法。本文提出了一種利用模糊邏輯的認知無線電頻譜分配方案，設計了2個FLS分別分析空閑頻譜和次用戶的特性，仿真了在吞吐量最大、隨機分配和公平性3種分配準則下所提方案的系統(tǒng)性能，結果表明吞吐量最大準則和公平性準則各自具有的優(yōu)點，利用模糊邏輯解決CR系統(tǒng)頻譜分配問題是可行和有效的。如何在方案中進行自適應頻譜分配將是筆者下一步關注的方向。

參考文獻：

[1] HAYKIN S. Cognitive Radio: Brain-Empowered Wireless Communications[J]. IEEE Journal on Selected Areas in Communications, 2005, 23(2):201-220.

[2] 劉全,高俊,關建新,等.認知無線電網(wǎng)絡鏈路層關鍵技術的研究進展[J].電訊技術,2010,50(3):1-9.

LIU Quan, GAO Jun, GUAN Jian-xin, et al. Survey on Linker Layer Key Technologies in Cognitive Radio Networks [J]. Telecommunication Engineering, 2010,50(3):1-9.(in Chinese)

[3] ZHENG H, PENG C. Collaboration and fairness in opportunistic spectrum access[C]//Proceedings of 2005 IEEE International Conference on Communications. Seoul，Korea: IEEE, 2005:3132-3136.

[4] CAO L, ZHENG H. Distributed rule-regulated spectrum sharing[J]. IEEE Journal on Selected Areas in Communications, 2008, 26(1):130-145.

[5] 羅菊,付玲生. 模糊邏輯在無線通信網(wǎng)絡的進展[J].四川兵工學報,2010,31(10):148-150.

LUO Ju, FU Ling-sheng.Advance in fuzzy logic in Wireless Communication networks[J]. Journal of Sichuan Ordnance, 2010,31(10):148-150. (in Chinese)

[6] Hong-Sam T Le,Hung D Ly.Opportunistic Spectrum Access Using Fuzzy Logic for Cognitive Radio Networks[C]//Proceedings of 2008 IEEE Second International Conference on Communications and Electronics.Hoi An，Vietnam:IEEE,2008:240-245.

[7] 張國良,曾靜,柯熙政,等.模糊控制及其MATLAB應用[M].西安:西安交通大學出版社,2002.

ZHANG Guo-liang, ZENG Jing, KE Xi-zheng, et al. Fuzzy Control and Its MATLAB Application[M]. Xi′an: Xi′an Jiaotong University Press,2002.(in Chinese)

[8] 楊曉燕,楊震,劉善彬.基于預測的認知無線電機會頻譜接入[J].重慶郵電大學學報,2009,21(1)：14-19.

YANG Xiao-yan, YANG Zhen, LIU Shan-bin. Forecast-based opportunistic spectrum access for cognitive radio networks[J]. Journal of Chongqing University of Posts and Telecommunication, 2009, 21(1): 14-19. (in Chinese)

[9] Na Do-Hyun,Nan Hao,Yoo Sang-Jo. Policy-based Dynamic Channel Selection Architecture for Cognitive Radio Networks[C]//Proceedings of the Second International Conference on Communication and Networking in China.Shanghai:IEEE,2007:1190-1194.