認知車載網(wǎng)的頻譜感知性能分析*

(南通大學 電子信息學院，江蘇 南通 226019)

認知車載網(wǎng)的頻譜感知性能分析*

成 峰，章國安**，金喜龍

(南通大學 電子信息學院，江蘇 南通 226019)

認知車載網(wǎng)中不同的衰落傳播信道會影響頻譜感知的性能。為了描述不同信道下的頻譜感知性能，分析了加性高斯白噪聲信道、瑞利衰落信道和Nakagami-m衰落信道條件下的頻譜感知單用戶能量檢測概率和協(xié)作能量檢測概率，重點是Nakagami-m衰落信道、檢測衰落因子、次用戶的數(shù)量和信噪比這幾個參數(shù)對協(xié)作頻譜感知性能的影響。仿真結果表明，通過對不同信道特性的準確了解能夠幫助車輛在不同衰落信道環(huán)境下提高頻譜的檢測概率。

車載自組織網(wǎng)絡;認知無線電;瑞利衰落信道;Nakagami-m衰落信道;頻譜感知

1 引 言

近幾年來，智能交通系統(tǒng)(Intelligent Traffic System,ITS)吸引了廣大企業(yè)和科研機構的關注，它主要致力于減少交通事故和交通擁堵的發(fā)生并且提供豐富的車載娛樂[1]，比如:在車載自組織網(wǎng)絡(Vehicular Ad Hoc Network,VANET)中，新研發(fā)的應用有前方碰撞警告系統(tǒng)和交通擁堵檢測器[2]。雖然大量研究得到了突破性的進展，但是仍面對許多挑戰(zhàn)，其中一個主要的挑戰(zhàn)就是用于車載網(wǎng)絡通信的頻譜稀缺性。美國聯(lián)邦通信委員會(Federal Communications Commission,FCC)在5.9 GHz的頻段上為短距通信(Dedicated Short Range Communications,DSRC)分配了7個10 MHz的信道[3]。盡管如此，大量的通信節(jié)點很容易用盡該授權的頻譜。此外，在發(fā)生交通事故或緊急事件時，該授權頻段在網(wǎng)絡領域中急需使用。因此，用戶的需求沒有得到很好的滿足。

為了解決上述可能出現(xiàn)的頻譜資源的匱乏問題，在車載網(wǎng)絡中引入認知無線電(Cognitive Radio,CR)技術可以充分利用頻譜中未利用的部分。其中擁有未利用的頻譜部分的用戶為主用戶，裝備有CR設備來訪問頻譜的用戶是次用戶。當主用戶均缺席時，授權的頻譜呈現(xiàn)空閑狀態(tài)，則CR允許次用戶占用這些頻譜[4]。與此同時，CR技術適用于車載網(wǎng)絡，還由于車載網(wǎng)絡的高速移動和動態(tài)的網(wǎng)絡環(huán)境，這樣一來空間上可用的和暫時重新利用的授權頻譜能夠以一種相對于其他無線網(wǎng)絡更簡單方便的方式被感知到[5]。因此，認知車載網(wǎng)(CR-VANET)是應用了CR技術的VANET，能夠解決VANET中的頻譜短缺問題。類似于CR，認知車載網(wǎng)面對頻譜感知的挑戰(zhàn)。認知車載網(wǎng)中配備有CR的車輛可以不斷檢測所處位置任一確定的頻譜空穴然后使用空閑的頻段來傳輸數(shù)據(jù)。因此，CR首先需要進行頻譜感知，然后才能訪問空閑信道。

為了減少對主用戶的干擾，配備CR的車輛必須要可靠地檢測到授權用戶的存在，而且一旦檢測到授權用戶，次用戶必須釋放當前占用的頻譜帶寬[6]。因此，頻譜感知是CR的關鍵。按照參與頻譜感知的用戶數(shù)量不同，頻譜感知可以分為單用戶頻譜感知和多用戶協(xié)作頻譜感知。單用戶頻譜感知需要的實現(xiàn)復雜度和網(wǎng)絡支持要小，但在衰落和陰影影響下性能大幅度下降，而協(xié)作頻譜感知使用空間分集，可以克服與單個車輛相關的限制[7]。目前對于認知車載網(wǎng)中協(xié)作頻譜感知的研究較少。文獻[8]采用了協(xié)作的能量檢測，因此協(xié)作頻譜感知可以在陰影條件下提供強大的、準確的檢測結果。文獻[9]主要研究當采用瑞利衰落模式來模擬時認知車載網(wǎng)中的協(xié)作頻譜感知的性能。文獻[10]主要研究當采用Nakagami-m模式時認知車載網(wǎng)中頻譜感知的性能。文獻[11-13]主要研究通過N-Nakagami衰落信道的協(xié)作移動通信的一些影響參數(shù)，比如功率分配、衰落系數(shù)。但是，這些研究沒有仔細考慮最匹配的傳播信道，同時沒有充分利用協(xié)作頻譜感知的優(yōu)勢。

本文探討在認知車載網(wǎng)中通過不同衰落信道模型的頻譜感知性能，考慮了集中式協(xié)作頻譜感知，融合中心將通過普遍存在的加性高斯白噪聲信道、瑞利衰落信道和Nakagami-m衰落信道的各個車輛節(jié)點的感知結果信息匯總，然后判斷主用戶是否存在，最后將結果廣播給各個車輛節(jié)點。由于采用能量檢測算法，因此不需要主信號的功率和結構。此外，還比較與分析了不同的衰落信道對頻譜感知的影響。

2 系統(tǒng)模型

2.1 網(wǎng)絡模型

如圖1所示，授權頻段持有者是主用戶，在高速路上的車輛和路邊基礎設施是次用戶。作為次用戶的車輛每隔一定時間感知主用戶發(fā)射器的頻譜并把感測信息傳播給相應的配備CR的車輛與路邊基礎設施。當主用戶不在時，車輛可以利用這分享的頻譜帶寬，并且可以通過相同頻譜帶寬傳輸數(shù)據(jù)給相應的配備CR的車輛。因此，多輛車可以合作來感知空的頻譜，從而提高全局的檢測性能。圖1中，車輛之間的合作就可以解決隱藏終端的問題和避免干擾與漏檢的發(fā)生。

圖1 CR-VANET的網(wǎng)絡模型Fig.1 Network model of CR-VANET

協(xié)作頻譜感知可以分為兩個步驟：首先，配備CR的車輛處在融合中心(路邊基站或設施)的范圍內(nèi)，它們可以感測到是否存在空閑的授權頻帶信道；其次，感測階段結束，它們把本地檢測結果傳遞給融合中心。其中，融合中心負責接收的數(shù)據(jù)進行融合并且全局決策，然后將決策結果傳回給通信范圍內(nèi)的車輛。它們之間通過空閑的授權頻段來傳輸數(shù)據(jù)，若主用戶開始占用該頻段，它們必須立刻停止傳輸并使用其他檢測到的空閑頻段。

2.2 頻譜感知模型

為了快速地檢測出主用戶信號的存在與否，本文采用能量檢測的方法。相比其他的檢測方法來說，能量檢測設計簡單并且開銷小，適用于認知車載網(wǎng)[14]。

假設認知車載網(wǎng)中有N輛車輛，它們每一個檢測時間段能頻譜感知L個樣本。在第K個時刻的頻譜感知的二元假設檢驗如下：

(1)

每個次用戶的能量檢測的統(tǒng)計量為

(2)

式中：λ表示相應的決策閾值。

運用中心極限定理(Central Limit Theorem,CLT)可以近似估計式(2)中的檢測統(tǒng)計值服從高斯分布，然后可以得出檢測統(tǒng)計值的概率密度函數(shù)(Probability Density Function,PDF)為

(3)

式中：

(4)

2.3 瑞利衰落模型

瑞利衰落模型適用于描述建筑物密集的城鎮(zhèn)中心地帶的無線信道。兩個正交高斯噪聲信號之和的包絡服從瑞利分布。則瑞利分布包絡的PDF[9]為

(5)

式中：r表示信號振幅，σ表示信號相位。則瑞利分布的期望

(6)

方差

(7)

2.4 Nakagami-m衰落信道

盡管瑞利分布在很多情況下對衰落信道的包絡能夠很好地建模，然而實際無線環(huán)境測試中發(fā)現(xiàn)Nakagami分布更適合。

在Nakagami衰落下，接收信號包絡r的PDF也稱為m分布，表示為[10]

(8)

式中：Γ(m)表示伽馬函數(shù)；Ω表示平均功率；m參數(shù)定義為衰落因子，表示為衰落的嚴重程度，且m≥1/2。則Nakagami分布的期望

(9)

方差

(10)

當m=1，發(fā)現(xiàn)正好是瑞利分布。

3 性能分析

本節(jié)將分別利用單用戶頻譜感知和協(xié)作頻譜感知的虛警概率與檢測概率為參數(shù)來分析系統(tǒng)的性能。

3.1 單用戶頻譜感知的檢測概率

假設傳輸信道增益hi(k)在檢測期間是恒定的，即hi(k)=hi,k=1,2,…,L，則由公式(4)得出的ηi可以表示為

(11)

因此，次用戶i的虛警概率和漏檢概率分別為

(12)

(13)

通常選定一個虛警概率Pf固定不變，則相對應的漏檢概率為

(14)

次用戶i的關于虛警概率參數(shù)的檢測概率為

(15)

3.2 協(xié)作頻譜感知的檢測概率

為了允許各個次用戶相互協(xié)作，每個用戶要把感知到的信息轉發(fā)給一個融合中心(Fusion Center,FC)。這里我們采用最大比融合算法來進行感知數(shù)據(jù)的融合[15]。假設信道增益hi(k)在檢測期間仍是恒定的，均為hi，則經(jīng)過FC之后的檢測統(tǒng)計值為

(16)

式中：ωi是最大比融合算法中的加權值,這里取加權值為

(17)

因為所有的加權值的平方和為1，所以融合之后的統(tǒng)計值滿足如下分布：

(18)

(19)

(20)

通過一個固定的虛警概率Pf得出相對應的漏檢概率

(21)

則FC統(tǒng)計的關于虛警概率參數(shù)的檢測概率為

(22)

4 仿真結果與分析

本節(jié)應用MATLAB仿真軟件來展示模擬的結果,以檢測概率和虛警概率為參數(shù)仿真分析認知車載網(wǎng)中不同信道條件下的頻譜感知性能。假設主用戶是帶寬為6 MHz的數(shù)字電視廣播信號，其取樣頻率與帶寬相同，觀察的采樣數(shù)L=50。次用戶的信噪比在[-10 dB,0 dB]的范圍內(nèi)隨機選取，協(xié)作次用戶的數(shù)量以5輛為標準，平均信噪比為-8 dB。調制方式采用二進制相移鍵控調制(Binary Phase Shift Keying,BPSK)。歸一化的多普勒頻移Fn=fcvTs/c，其中路邊基站的中心頻點fc=2 GHz;多普勒相干時間Ts=0.423×(1/Fm);c代表光速；Fm為最大多普勒頻移,設為100 Hz。所有結果都是基于5 000次的蒙特卡洛實驗。其余參數(shù)見表1。

表1 仿真參數(shù)Tab.1 Simulation parameters

圖2分別給出了在同種信道中協(xié)作頻譜感知和單用戶頻譜感知的性能,可以看出，在加性高斯白噪聲信道中和Nakagami-m衰落信道(m=0.5)中協(xié)作頻譜感知的性能明顯優(yōu)于單用戶的頻譜感知。因為在陰影和深度衰落情況下，單個節(jié)點的感知結果并不可靠，所以需要融合多個節(jié)點的感知結果來提高檢測可靠性。

圖2 協(xié)作頻譜感知和單用戶頻譜感知的檢測概率Fig.2 The detection probability of collaborative spectrum sensing and single-user spectrum sensing

圖3給出了協(xié)作頻譜感知在不同信道模型的影響下的性能，可以看出，Nakagami-m衰落信道(m=0.5)對信號頻譜感知的干擾要比另兩種要大，加性高斯白噪聲信道的影響最小。事實上，文獻[16]中提出Nakagami-m分布特性與專用于車載網(wǎng)絡的DSRC相同，因此我們將重點討論Nakagami-m衰落信道下協(xié)作頻譜感知的特性。

圖3 N=5、SNR=-8 dB時不同信道模型下的協(xié)作檢測概率Fig.3 The collaborative detection probability of different channels when N=5 and SNR=-8 dB

圖4給出了車載網(wǎng)中協(xié)作頻譜感知在不同衰落因子m的Nakagami-m衰落信道模型影響下的性能。整個過程中其他參數(shù)不變，只改變了m的值。從圖中可以看出隨著m值的增長，協(xié)作頻譜感知性能更好。事實上，m越大，Nakagami信道的衰落程度越低;當m趨于無窮時，信道沒有衰落。

圖4 N=5、SNR=-8 dB時不同衰落因子m的協(xié)作檢測概率Fig.4 The collaborative detection probability of different values of the fading parameter m when N=5 and SNR=-8 dB

圖5給出了不同的次用戶數(shù)量對協(xié)作頻譜感知性能的影響。由圖可知，隨著次用戶數(shù)目的增加，檢測概率呈現(xiàn)增長的趨勢。因此，協(xié)作通信可以解決隱藏終端的問題，同時不同的次用戶之間的協(xié)作可以提高系統(tǒng)的性能。事實上，雖然每輛配備有CR設備的車輛處于高速移動中，但是融合中心可以管理范圍內(nèi)的車輛并接收它們傳輸?shù)臄?shù)據(jù)。因此，車輛之間的協(xié)作可以避免干擾和漏檢。

圖5 m=0.5、SNR=-8 dB時不同的次用戶數(shù)量N的協(xié)作檢測概率Fig.5 The collaborative detection probability of different number N of CR-vehicles when m=0.5 and SNR=-8 dB

圖6給出了不同SNR對協(xié)作頻譜感知性能的影響，可以看出SNR的變化對協(xié)作頻譜感知的影響是很大的，因此可以通過增加SNR來提高檢測概率，也可以考慮改變調制方式、采樣數(shù)等。

圖6 m=0.5、N=5時不同SNR值的協(xié)作檢測概率Fig.6 The collaborative detection probability of different values of SNR when m=0.5 and N=5

5 結束語

本文研究了VANET引用CR技術來增加車輛間通信的頻譜機會，明確了單用戶獨立感知的局限性和協(xié)作感知的優(yōu)越性，比較了認知車載網(wǎng)中不同信道模型下的協(xié)作頻譜感知的性能。仿真結果表明，衰落信道對頻譜檢測有巨大的影響。特別研究了在認知車載網(wǎng)中通過Nakagami-m衰落信道的頻譜感知，通過比較得出結論：對衰落的無線環(huán)境和其特性的準確了解可以提高車輛間通信的可靠性，同時配備CR的車輛之間的合作可以解決諸如隱藏終端等問題，從而大大提高車輛網(wǎng)絡的通信效率。未來工作主要是研究車輛在高速移動的高速公路和交通密集的城市街道通信環(huán)境下的頻譜感知性能。

[1] 趙娜,袁家斌,徐晗. 智能交通系統(tǒng)綜述[J].計算機科學,2014,41(11):7-45.

ZHAO Na,YUAN Jiabin,XU Han. A survey of intelligent transportation system[J].Computer Science,2014,41(11):7-45. (in Chinese)

[2] 李旭,黃春華. 車載自組織網(wǎng)絡的應用研究[J].西部交通科技,2014(11):80-83.

LI Xu,HUANG Chunhua. Research on the application of VANET[J].Western China Communications Science & Technology,2014(11):80-83. (in Chinese)

[3] 王超. 車載自組織網(wǎng)絡的數(shù)據(jù)傳輸技術研究[D].北京：北京理工大學,2015.

WANG Chao. Research on data transmission technology of VANET[D].Beijing ：Beijing Institute of Technology,2015. (in Chinese)

[4] 李映雪. 認知無線電中的頻譜感知技術研究[D].北京：北京郵電大學,2013.

LI Yingxue. Research on spectrum sensing technology in cognitive radio[D].Beijing ：Beijing University of Posts and Telecommunications,2013. (in Chinese)

[5] 魏亮. 認知車載網(wǎng)中頻譜感知算法仿真研究[D].成都：西南交通大學,2015.

WEI Liang. Simulation of spectrum sensing algorithm in cognitive vehicle network[D].Chengdu:Southwest Jiaotong University,2015. (in Chinese)

[6] RAWAT D B,AMIN T,SONG M. The impact of secondary user mobility and primary user activity on spectrum sensing in cognitive vehicular networks[C]//Proceedings of 2015 IEEE Conference on Computer Communications Workshops. Georgia,USA:IEEE,2015:588-593.

[7] ABEYWARDANA R C,SOWERBY K W,BERBER S M. Spectrum sensing in cognitive radio enable vehicular ad hoc networks:a review[C]//Proceedings of 2014 IEEE 7th International Conference on Information and Automation for Sustainability (ICIAfS). Auckland,New Zealand:IEEE,2014:1-6.

[8] FELICEM D,CHOWDHURY K R,BONONI L. Cooperative spectrum management in cognitive vehicular ad hoc networks[C]//Proceedings of 2011 IEEE Vehicular Network Conference (VNC). Bologna,Italy:IEEE,2011:47-54.

[9] QIAN X M,HAO L. On the performance of spectrum sensing in cognitive vehicular networks[C]//Proceedings of 2015 IEEE 26th Annual International Symposium on Personal,Indoor,and Mobile Radio Communications (PIMRC). Chengdu:IEEE,2015:1002-1006.[10] SOUIDI,CHIKHA H B,ATTIA R. Blind spectrum sensing in cognitive vehicular ad hoc networks over Nakagami-m fading channels[C]//Proceedings of 2014 International Conference on Electrical Sciences and Technologies in Maghreb (CISTEM).Tunis,Tunisia:IEEE,2014:1-5.

[11] XU L W,ZHANG H,GULLIVER T A. Joint transmit antenna selection and power allocation for ISDF relaying mobile-to-mobile sensor networks[J].Sensors,2016,16(2):249.

[12] XU L W,ZHANG H. Performance analysis of threshold digital relaying M2M cooperative networks[J].Wireless Networks,2016,22(5):1595-1603.

[13] XU L W,ZHANG H,WANG J,et al.Performance analysis of the double-antenna SDC system over N-Nakagami fading channels[J].International Journal of Wireless Information Networks,2016,23(1):49-56.

[14] NIKONOWICZ J,KUBCZAK P,MATUSZEWSKI L. Hybrid detection based on energy and entropy analysis as a novel approach for spectrum sensing[C]//Proceedings of 2016 International Conference on Signals and Electronic Systems (ICSES). Poznan,Poland:IEEE,2016:206-211.

[15] XU X,BAO J,LUO Y,et al.Cooperative wideband spectrum detection based on maximum likelihood ratio for CR enhanced VANET[J].Journal of Communications,2013,8(12):814-821.

[16] CHENG L,HENTY B E,STANCIL D D,et al.Mobile vehicle-to-vehicle narrow-band channel measurement and characterization of the 5.9 GHz dedicated short range communication frequency band[J].IEEE Journal on Selected Areas in Communications,2007,25(8):1501-1516.

PerformanceAnalysisofSpectrumSensinginCognitiveVehicularNetworks

CHENG Feng,ZHANG Guoan,JIN Xilong

(School of Electronics and Information，Nantong University,Nantong 226019,China)

Different fading propagation channels in cognitive vehicular network affect the performance of spectrum sensing. In order to illustrate a general description of performance of spectrum sensing under different fading channels,detection probabilities of single-user energy and cooperative energy are analyzed under the conditions of additive white Gaussian noise(AWGN) channel and Rayleigh fading channel as well as Nakagami-mfading channel,with emphasis on the influence of such parameters as fading factor,number of secondary vehicles and signal-to-noise ratio(SNR) concerning the Nakagami-mfading channel on the performance of cooperative spectrum.Simulated results show that the accurate understanding of different channel characteristics can be helpful to improve the detection probability of spectrum between vehicles under different fading channel environment.

vehicular ad hoc network(VANET);cognitive radio;Rayleigh fading channel;Nakagami-mfading channel;spectrum sensing

10.3969/j.issn.1001-893x.2017.12.003

成峰，章國安，金喜龍.認知車載網(wǎng)的頻譜感知性能分析[J].電訊技術，2017,57(12):1363-1368.[CHENG Feng,ZHANG Guoan,JIN Xilong.Performance analysis of spectrum sensing in cognitive vehicular networks[J].Telecommunication Engineering,2017,57(12):1363-1368.]

2017-04-03；

2017-07-31

date:2017-04-03；Revised date：2017-07-31

國家自然科學基金資助項目(61371113,61401241);交通運輸部應用基礎研究基金資助項目(2013-319-825-110)

gzhang@ntu.edu.cnCorrespondingauthorgzhang@ntu.edu.cn

TN929.5

A

1001-893X(2017)12-1363-06

成峰(1993—)，男，江蘇蘇州人，碩士研究生，主要研究方向為車載自組織網(wǎng)絡；

Email:1943359254@qq.com

章國安(1965—)，男，江蘇如皋人，2001年于東南大學獲博士學位，現(xiàn)為南通大學電子信息學院教授、博士生導師，主要研究方向為無線通信網(wǎng)絡理論與技術；

Email:gzhang@ntu.edu.cn

金喜龍(1993—)，男，江蘇蘇州人，碩士研究生，主要研究方向為車載自組織網(wǎng)絡。