多信道動(dòng)態(tài)頻譜協(xié)作方法*

［陳劉偉 胡娟 劉振杰］

1 引言

目前大規(guī)模節(jié)點(diǎn)組網(wǎng)傳輸已越來(lái)越受到關(guān)注和研究，如軍事應(yīng)用中的無(wú)人機(jī)蜂群，通過(guò)部署大規(guī)模的無(wú)人機(jī)進(jìn)行組網(wǎng)，系統(tǒng)之間的控制信息和業(yè)務(wù)信息高效可靠傳輸，包括跟蹤定位、遙測(cè)、遙控等窄帶控制信息和監(jiān)測(cè)、傳感等寬帶業(yè)務(wù)信息[1,2]，要求通信系統(tǒng)滿足高效大容量傳輸性能。無(wú)線傳感網(wǎng)中部署大規(guī)模節(jié)點(diǎn)，獲取監(jiān)測(cè)、感知和采集各種環(huán)境或監(jiān)測(cè)對(duì)象信息，并將這些信息傳送至后臺(tái)數(shù)據(jù)服務(wù)中心。同時(shí)又將后臺(tái)數(shù)據(jù)中心發(fā)布的命令下達(dá)至各傳感器節(jié)點(diǎn)，對(duì)監(jiān)測(cè)、感知和采集等各行為進(jìn)行調(diào)整從而實(shí)現(xiàn)用戶、環(huán)境、計(jì)算設(shè)備實(shí)時(shí)動(dòng)態(tài)的交互[3]。

傳統(tǒng)自組織網(wǎng)絡(luò)通信中，所有節(jié)點(diǎn)共享單一信道。同頻組網(wǎng)下，TDMA 模式，整個(gè)網(wǎng)絡(luò)共享傳輸帶寬，每個(gè)節(jié)點(diǎn)平均占用的帶寬有限，當(dāng)網(wǎng)絡(luò)傳輸總帶寬為20 Mbit/s的系統(tǒng)，當(dāng)網(wǎng)絡(luò)中僅容納20 個(gè)節(jié)點(diǎn)時(shí)，每個(gè)節(jié)點(diǎn)的平均帶寬就將可能不足1 Mbit/s；CSMA 模式下，隨著網(wǎng)絡(luò)中節(jié)點(diǎn)數(shù)量的遞增，各節(jié)點(diǎn)對(duì)空口資源進(jìn)行自主無(wú)序的競(jìng)爭(zhēng)，導(dǎo)致網(wǎng)絡(luò)的有效信息傳輸能力急劇下降，甚至使系統(tǒng)無(wú)法正常運(yùn)行。

新型智能無(wú)線通信系統(tǒng)采用自主設(shè)計(jì)的多通道多信道自組網(wǎng)波形，利用頻譜預(yù)測(cè)技術(shù)、智能頻譜分配策略對(duì)節(jié)點(diǎn)使用的工作頻點(diǎn)進(jìn)行動(dòng)態(tài)自適應(yīng)分配[4]，使得頻譜資源在不相互干擾的情況下得以重復(fù)利用，實(shí)現(xiàn)不同用戶間多數(shù)據(jù)流并行傳輸，突破節(jié)點(diǎn)間數(shù)據(jù)交互的瓶頸，提升網(wǎng)絡(luò)整體吞吐量[5]。

2 多信道動(dòng)態(tài)頻譜協(xié)作模型

多信道動(dòng)態(tài)頻譜協(xié)作技術(shù)將人工智能算法引入頻譜預(yù)測(cè)及頻譜決策中，比傳統(tǒng)的多信道分配算法更能夠適應(yīng)復(fù)雜多變的環(huán)境，較單信道環(huán)境大大提高了頻譜利用率。多通道多信道MAC 層信道協(xié)商協(xié)議根據(jù)頻譜決策結(jié)果進(jìn)行多信道協(xié)商，完成多信道同步及信道切換等工作[6]。

無(wú)線自組網(wǎng)節(jié)點(diǎn)用戶獨(dú)立的進(jìn)行頻譜感知，MAC 層根據(jù)PHY 層的認(rèn)知信息以及鏈路層特性通過(guò)和其他節(jié)點(diǎn)用戶競(jìng)爭(zhēng)獲得頻譜使用權(quán)，其中，頻譜接入決策由用戶自己根據(jù)智能頻譜預(yù)測(cè)及頻譜決策評(píng)估結(jié)果獨(dú)立的決定，并根據(jù)信道協(xié)商策略通知其鄰居節(jié)點(diǎn)。實(shí)現(xiàn)多路數(shù)據(jù)流并行傳輸，使得網(wǎng)絡(luò)總流量隨節(jié)點(diǎn)數(shù)的增加而不斷增加。頻譜協(xié)作方案包括頻譜預(yù)測(cè)、干擾計(jì)算、頻譜決策以及多信道協(xié)商4 個(gè)部分。模塊架構(gòu)如圖1 所示。

圖1 頻譜協(xié)作多址接入架構(gòu)圖

系統(tǒng)采用分級(jí)干擾預(yù)測(cè)模型，結(jié)合PHY 層的感知信息以及鏈路層特性，充分考慮到節(jié)點(diǎn)特性、無(wú)線電波傳播損耗、地理地形特征、時(shí)間和空間特性等因素，對(duì)節(jié)點(diǎn)逐對(duì)進(jìn)行電磁干擾的分析和計(jì)算。為頻譜決策模塊提供決策依據(jù)，頻譜決策模塊調(diào)用機(jī)器學(xué)習(xí)算法進(jìn)行頻譜分配，MAC 層多信道協(xié)商協(xié)議根據(jù)頻譜決策結(jié)果進(jìn)行信道協(xié)商以完成動(dòng)態(tài)多信道接入，使得頻譜資源在不相互干擾的情況下得以高效重復(fù)利用，實(shí)現(xiàn)不同用戶間多數(shù)據(jù)流并行傳輸，系統(tǒng)吞吐量隨著網(wǎng)絡(luò)容量的擴(kuò)大而增大。

3 多信道動(dòng)態(tài)頻譜協(xié)作方案實(shí)現(xiàn)

根據(jù)圖1 可知頻譜協(xié)作方案包括頻譜預(yù)測(cè)、干擾計(jì)算、頻譜決策以及多信道協(xié)商4 個(gè)部分。現(xiàn)根據(jù)每個(gè)部分的基本實(shí)現(xiàn)思路對(duì)多信道動(dòng)態(tài)頻譜協(xié)作方案的技術(shù)路線進(jìn)行分析。

3.1 干擾預(yù)測(cè)模型

分級(jí)干擾預(yù)測(cè)模型的主要思想是通過(guò)發(fā)射機(jī)發(fā)射的有效功率在接收機(jī)處產(chǎn)生的干擾功率與接收機(jī)敏感度函數(shù)相比較來(lái)確定是否存在干擾。判斷兩個(gè)節(jié)點(diǎn)之間是否兼容則是根據(jù)節(jié)點(diǎn)各層的感知信息，按照電磁兼容分析預(yù)測(cè)模型進(jìn)行分析，判斷節(jié)點(diǎn)間是否存在干擾。感知信息主要包含：反映物理層特性的參數(shù)指標(biāo)，由PHY 層的感知模塊提供輸入，如物理帶寬、接口的位吞吐量等；反映網(wǎng)絡(luò)物理層配置的參數(shù)指標(biāo)，如節(jié)點(diǎn)的收發(fā)功率、信道狀態(tài)（信噪比、誤碼率、信道容量等）、調(diào)制方式、編碼速率及編碼方式等；反映鏈路層特性的幀吞吐率、幀傳輸時(shí)延等；反映網(wǎng)絡(luò)層特性的丟包率、路徑長(zhǎng)度、生存時(shí)間、最短距離、路由時(shí)延、時(shí)延抖動(dòng)、網(wǎng)絡(luò)負(fù)載等。

兩個(gè)無(wú)線節(jié)點(diǎn)收發(fā)設(shè)備之間的兼容判斷可簡(jiǎn)單用公式（1）表示。

潛在干擾問(wèn)題可由有效功率和敏感度閾值之差，即干擾余量IM 來(lái)表示。

結(jié)合無(wú)線自組織網(wǎng)絡(luò)應(yīng)用，尤其是大容量網(wǎng)絡(luò)架構(gòu)中，由于每個(gè)無(wú)線收發(fā)節(jié)點(diǎn)的頻率覆蓋范圍有限，可以對(duì)逐對(duì)頻率電磁兼容分析進(jìn)行優(yōu)化，也就是在無(wú)線節(jié)點(diǎn)設(shè)備的頻率分配和頻率協(xié)調(diào)過(guò)程中，充分考慮設(shè)備的拓?fù)涮攸c(diǎn)、結(jié)合所在覆蓋范圍內(nèi)的鄰居節(jié)點(diǎn)信息，簡(jiǎn)化分析循環(huán)的次數(shù)。

具體流程如圖2 所示。

圖2 干擾預(yù)測(cè)流程圖

如圖2 所示，第一級(jí)預(yù)測(cè)稱作快速篩選，這一級(jí)僅考慮頻率因素，從而以最快的速度把不需要考慮的干擾篩選掉，保留需要的。第二級(jí)預(yù)測(cè)是幅度篩選，以前一級(jí)快速篩選結(jié)果作為基礎(chǔ)，僅在相當(dāng)粗略的程度上考慮距離、方向、頻率時(shí)間上面的影響。在此階段還可以結(jié)合無(wú)線自組織網(wǎng)絡(luò)拓?fù)涮攸c(diǎn)引入節(jié)點(diǎn)覆蓋門限進(jìn)行優(yōu)化處理。第三個(gè)篩選階段是頻率篩選以幅度篩選結(jié)果作為基礎(chǔ)，通過(guò)考慮附加的干擾抑制來(lái)詳細(xì)處理頻率變量。第四級(jí)詳細(xì)預(yù)測(cè)階段包括詳細(xì)考慮時(shí)間、距離和方向變量。

3.2 頻譜預(yù)測(cè)

干擾預(yù)測(cè)模塊需要根據(jù)頻譜感知的結(jié)果進(jìn)行干擾預(yù)測(cè)，進(jìn)而影響后續(xù)的頻譜接入決策。因此感知結(jié)果的準(zhǔn)確度對(duì)頻譜接入決策的性能有直接的影響。在實(shí)際實(shí)現(xiàn)過(guò)程中，由于存在感知時(shí)延，感知結(jié)果往往不準(zhǔn)確。為了降低感知時(shí)延對(duì)感知結(jié)果的影響，頻譜預(yù)測(cè)技術(shù)應(yīng)運(yùn)而生。用戶可以根據(jù)己有的環(huán)境信息對(duì)頻譜狀態(tài)進(jìn)行預(yù)測(cè)，預(yù)測(cè)結(jié)果能夠幫助用戶掌握更多的頻譜狀態(tài)信息，指導(dǎo)其頻譜接入決策的制定。

基于不同的計(jì)算方法，現(xiàn)有的頻譜預(yù)測(cè)技術(shù)大致可以分為3 類：基于隱馬爾可夫的頻譜預(yù)測(cè)技術(shù)、基于人工神經(jīng)網(wǎng)絡(luò)的頻譜預(yù)測(cè)技術(shù)、基于回歸分析的頻譜預(yù)測(cè)技術(shù)。頻率干擾預(yù)測(cè)模型分析的基礎(chǔ)上，嘗試運(yùn)用人工智能算法進(jìn)行建模，來(lái)研究動(dòng)態(tài)頻譜分配的問(wèn)題。

3.2.1 基于隱馬爾可夫過(guò)程的頻譜預(yù)測(cè)

隱馬爾可夫模型可以看作是馬爾可夫過(guò)程和隨機(jī)過(guò)程的混合推廣模型，其中隱狀態(tài)的變化是一個(gè)馬爾可夫過(guò)程，而基于一個(gè)特定隱狀態(tài)的觀察結(jié)果則是一個(gè)隨機(jī)過(guò)程。在認(rèn)知無(wú)線電網(wǎng)絡(luò)中，頻譜的真實(shí)使用狀態(tài)（空閑或者占用）一般不直接可見，可以將其稱為隱含狀態(tài)。雖然用戶不可以直接獲取到頻譜的真實(shí)狀態(tài)，但是，它可以通過(guò)頻譜感知獲得頻譜的觀察狀態(tài)[7]。根據(jù)這些信息，可以基于隱馬爾可夫模型來(lái)分析用戶的頻譜預(yù)測(cè)過(guò)程。

隱馬爾可夫模型主要包含5 個(gè)元素：2 個(gè)狀態(tài)空間和3 個(gè)概率矩陣。

隱含狀態(tài)轉(zhuǎn)移概率矩陣A

可觀測(cè)狀態(tài)轉(zhuǎn)移概率矩陣B

用戶根據(jù)頻譜預(yù)測(cè)之前的相關(guān)先驗(yàn)知識(shí)，基于隱馬爾可夫模型的頻譜預(yù)測(cè)過(guò)程如下所示。

（1）隱馬爾可夫模型訓(xùn)練

（2）頻譜狀態(tài)估計(jì)

通過(guò)解決優(yōu)化問(wèn)題來(lái)估計(jì)真實(shí)的頻譜狀態(tài)。通過(guò)估計(jì)使頻譜感知結(jié)果序列概率最大的頻譜狀態(tài)序列來(lái)得到真實(shí)的未知的頻譜狀態(tài)序列。

（3）頻譜狀態(tài)預(yù)測(cè)

前兩步己經(jīng)得到隱馬爾可夫的模型參數(shù)和真實(shí)的頻譜狀態(tài)預(yù)測(cè)序列，接下來(lái)，用戶就可以根據(jù)如下公式對(duì)未來(lái)的頻譜狀態(tài)進(jìn)行預(yù)測(cè)，表示N+1 時(shí)隙的頻譜狀態(tài)的預(yù)測(cè)結(jié)果。

3.2.2 基于人工神經(jīng)網(wǎng)絡(luò)的頻譜預(yù)測(cè)

神經(jīng)網(wǎng)絡(luò)是由很多的結(jié)構(gòu)單元通過(guò)相互連接構(gòu)成的非線性自適應(yīng)系統(tǒng)，通過(guò)修改結(jié)構(gòu)單元的排列方式和連接方式，可以組成不同的網(wǎng)絡(luò)模型。目前常用的神經(jīng)網(wǎng)絡(luò)模型有以下幾種。

Hopfield 模型：該模型是由美國(guó)的物理學(xué)家Hopfield提出的，它是一種循環(huán)神經(jīng)網(wǎng)絡(luò)，輸出和輸入之間有反饋連接。

Boltzmann模型：Ackley等人以模擬退火思想為基礎(chǔ)，對(duì)Hopfield 模型引入了隨機(jī)機(jī)制，提出了Boltzmann 隨機(jī)模型。

BP 神經(jīng)網(wǎng)絡(luò)模型：D.E.Rumelhart 等人在多層前向神經(jīng)網(wǎng)絡(luò)模型的基礎(chǔ)上，引入反向傳播學(xué)習(xí)算法（BP 算法），解決了神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)過(guò)程中的權(quán)值更新問(wèn)題。這種基于反向傳播算法的多層前向祌經(jīng)網(wǎng)絡(luò)模型被稱為BP神經(jīng)網(wǎng)絡(luò)模型[8]。

BP 神經(jīng)網(wǎng)絡(luò)主要由3 部分構(gòu)成：一組感知卑元或者稱為源節(jié)點(diǎn)組成輸入層，一層或者多層計(jì)算節(jié)點(diǎn)組成隱含層，同時(shí)還有一層計(jì)算節(jié)點(diǎn)組成的輸出層。神經(jīng)網(wǎng)絡(luò)輸入信號(hào)在每層遞進(jìn)的基礎(chǔ)上向前傳播通過(guò)網(wǎng)絡(luò)。

函數(shù)信號(hào)是從神經(jīng)網(wǎng)絡(luò)輸入層的末端而來(lái)的輸入信號(hào)，通過(guò)網(wǎng)絡(luò)向前傳播，到達(dá)神經(jīng)網(wǎng)絡(luò)輸出層的末端時(shí)變?yōu)檩敵鲂盘?hào)。函數(shù)信號(hào)在通過(guò)網(wǎng)絡(luò)上的每一個(gè)神經(jīng)元時(shí)，該處的信號(hào)都被當(dāng)作輸入信號(hào)，然后利用與該神經(jīng)元有關(guān)系的權(quán)值和閾值的一個(gè)傳遞函數(shù)來(lái)計(jì)算它的輸出。函數(shù)信號(hào)同時(shí)也被視為輸入信號(hào)。誤差信號(hào)是由神經(jīng)網(wǎng)絡(luò)的輸出層神經(jīng)元產(chǎn)生的，并通過(guò)神經(jīng)網(wǎng)絡(luò)從輸出層開始，逐層的反向傳播。

BP 神經(jīng)網(wǎng)絡(luò)頻譜預(yù)測(cè)模型的隱含層和輸出層神經(jīng)元的傳遞函數(shù)均選用雙曲正切函數(shù)。其函數(shù)表達(dá)式為

其中

對(duì)于信道狀態(tài)預(yù)測(cè)問(wèn)題，基于神經(jīng)網(wǎng)絡(luò)的頻譜預(yù)測(cè)模型使用兩層隱含層就足夠了，第一層隱含層含15 個(gè)神經(jīng)元，第二層隱含層含有20 個(gè)神經(jīng)元，輸出層只有1 個(gè)神經(jīng)元。神經(jīng)網(wǎng)絡(luò)頻譜預(yù)測(cè)模型的階數(shù)設(shè)置為4。

基于神經(jīng)網(wǎng)絡(luò)頻譜預(yù)測(cè)的主要步驟如下。

（1）BPNN 頻譜預(yù)測(cè)模型的構(gòu)建：采用的BPNN 結(jié)構(gòu)為4-15-20-1，即輸入層有4 個(gè)神經(jīng)元，表示預(yù)測(cè)時(shí)間點(diǎn)前4 個(gè)時(shí)隙的信道狀態(tài)，隱含層包含兩層，分別含有15 個(gè)，20 個(gè)神經(jīng)元，輸出層有一個(gè)神經(jīng)元，為BPNN 預(yù)測(cè)的信道狀態(tài)。網(wǎng)絡(luò)連接權(quán)值和閾值在參數(shù)初始化時(shí)隨機(jī)得到。

（2）BPNN 頻譜預(yù)測(cè)模型訓(xùn)練：用排隊(duì)模型產(chǎn)生的數(shù)據(jù)作為頻譜數(shù)據(jù)，對(duì)頻譜預(yù)測(cè)模型進(jìn)行訓(xùn)練，網(wǎng)絡(luò)的訓(xùn)練次數(shù)設(shè)置為50 次。

（3）BPNN 頻譜預(yù)測(cè)：利用訓(xùn)練好的BPNN 頻譜預(yù)測(cè)模型預(yù)測(cè)信道狀態(tài)，并對(duì)預(yù)測(cè)結(jié)果進(jìn)行分析。

3.2.3 基于回歸分析的頻譜預(yù)測(cè)

回歸分析方法通過(guò)分析數(shù)據(jù)的內(nèi)在規(guī)律，建立變量之間的依賴關(guān)系，可以實(shí)現(xiàn)對(duì)數(shù)據(jù)的預(yù)測(cè)或者控制。回歸模型可以分為兩種，一種是線性回歸模型，該模型通常用于對(duì)連續(xù)數(shù)據(jù)進(jìn)行分析和預(yù)測(cè)；另一種是非線性回歸模型，該模型是線性回歸模型的擴(kuò)展，通過(guò)變量代換，可以將很多的非線性回歸轉(zhuǎn)化為線性回歸。

預(yù)測(cè)方法如公式（9）。

3.3 頻譜決策

通過(guò)感知及預(yù)測(cè)過(guò)程，系統(tǒng)可以檢測(cè)到多個(gè)可用的頻譜資源，由于頻譜狀態(tài)會(huì)隨時(shí)間改變，不同的接入選擇在信號(hào)傳輸性能方面表現(xiàn)不一樣。因此需要選擇一個(gè)高效的頻譜分配策略來(lái)進(jìn)行頻譜決策。

遺傳算法借鑒了自然界的遺傳和進(jìn)化現(xiàn)象的一種隨機(jī)優(yōu)化搜索算法。要運(yùn)用遺傳算法解決頻譜分配問(wèn)題首先要構(gòu)造一個(gè)適應(yīng)度函數(shù)，根據(jù)分級(jí)干擾預(yù)測(cè)模型可以得到系統(tǒng)中總的干擾數(shù)I[9]。適應(yīng)度函數(shù)公式如公式（10）。

其中，C為常數(shù)，該值若太大會(huì)使個(gè)體間的適應(yīng)度差異變小，不利于選擇操作的執(zhí)行，太小又會(huì)使個(gè)體間的適應(yīng)度差異過(guò)大，引起算法的提前收斂，具體需要在算法優(yōu)化時(shí)調(diào)整。方案設(shè)計(jì)初始化群體規(guī)模在系統(tǒng)可用頻點(diǎn)列表中隨機(jī)生成。設(shè)初始化群體規(guī)模為M，為無(wú)線自組網(wǎng)中N個(gè)節(jié)點(diǎn)分配M個(gè)頻組。干擾數(shù)為0 的頻組就是算法所需要的無(wú)干擾個(gè)體。一旦搜索到無(wú)干擾個(gè)體則進(jìn)行保存。算法實(shí)現(xiàn)流程如圖3 所示。

圖3 頻譜決策流程圖

其中，K 表示算法的迭代次數(shù)。

染色體編碼采用符號(hào)編碼方式，即對(duì)節(jié)點(diǎn)的可用頻點(diǎn)進(jìn)行編號(hào)，這樣每組節(jié)點(diǎn)都分得一個(gè)頻點(diǎn)編號(hào)之后，就得到了一個(gè)個(gè)體編碼串。選擇操作用來(lái)確定重組或交叉?zhèn)€體，以及被選個(gè)體將產(chǎn)生多少個(gè)子代個(gè)體。適應(yīng)度好的父輩個(gè)體將會(huì)有較高的概率成為新一代的個(gè)體。本方案選用輪盤賭的方法來(lái)選擇個(gè)體。交叉操作是產(chǎn)生新個(gè)體的重要操作，本方案采用單點(diǎn)隨機(jī)交叉的方法。主要過(guò)程如下。

（1）將選擇操作中選出的個(gè)體進(jìn)行配對(duì),配對(duì)的方式是對(duì)存儲(chǔ)位置相鄰的個(gè)體進(jìn)行配對(duì)。

（2）產(chǎn)生一個(gè)[0,1]之間的隨機(jī)數(shù),并與交叉概率進(jìn)行比較，如隨機(jī)數(shù)小于交叉概率則進(jìn)行交叉，反之則不進(jìn)行。

（3）產(chǎn)生隨機(jī)的交叉點(diǎn)對(duì)需要交叉的配對(duì)進(jìn)行交叉。

變異操作可以為種群提供新的個(gè)體，使算法保持種群的多樣性。方案采用了標(biāo)準(zhǔn)遺傳算法中的隨機(jī)點(diǎn)變異法。算法中的交叉概率、變異概率等參數(shù)的選取都非常重要，需要在算法仿真環(huán)境中不斷優(yōu)化。

3.4 信道協(xié)商

基于頻譜決策的結(jié)果，設(shè)計(jì)一種多通道多信道的信道協(xié)商方法，來(lái)完成多信道同步及信道切換工作。整個(gè)協(xié)商過(guò)程包括信道協(xié)商觸發(fā)檢測(cè)和信道協(xié)商交互兩個(gè)過(guò)程。在觸發(fā)檢測(cè)過(guò)程中，節(jié)點(diǎn)根據(jù)鄰居關(guān)系變化和信道狀態(tài)變化進(jìn)行檢測(cè)，這兩個(gè)檢測(cè)過(guò)程并行運(yùn)行[10]。

信道協(xié)商交互過(guò)程如下所述。每個(gè)通信節(jié)點(diǎn)設(shè)備具備兩個(gè)獨(dú)立的射頻通道：感知通道和主通道。其中主通道的工作信道實(shí)現(xiàn)系統(tǒng)內(nèi)頻譜共享；感知通道主要用于接收感知，所有節(jié)點(diǎn)使用同一個(gè)工作信道。節(jié)點(diǎn)設(shè)備初始建立相鄰關(guān)系過(guò)程通過(guò)主動(dòng)周期性廣播的方式實(shí)現(xiàn)。信道協(xié)商過(guò)程通過(guò)單播握手的方式實(shí)現(xiàn)，節(jié)點(diǎn)設(shè)備發(fā)送信道協(xié)商請(qǐng)求消息后即切換到重新選定的信道上接收信道協(xié)商響應(yīng)消息。協(xié)商過(guò)程基于競(jìng)爭(zhēng)策略，采用握手機(jī)制。過(guò)程描述如圖4 所示。

圖4 信道協(xié)商握手機(jī)制圖

（1）當(dāng)發(fā)端有數(shù)據(jù)希望發(fā)給收端時(shí)，在RTS 中攜帶優(yōu)選Fd 頻點(diǎn)（同時(shí)攜帶備選頻點(diǎn)）及待發(fā)數(shù)據(jù)量和信道質(zhì)量、業(yè)務(wù)優(yōu)先級(jí)等信息；RTS 消息在Fc 信道上發(fā)出。

（2）收端在收到此信息后在Fd 上響應(yīng)CTS，CTS中攜帶優(yōu)選Fd 頻點(diǎn)及信道占用時(shí)長(zhǎng)，如果此CTS 中攜帶的信息與RTS 中的信息存在不一致的地方，比如選定的Fd 發(fā)生變化或信道占用長(zhǎng)度發(fā)生變化，則需要發(fā)送CFM，否則發(fā)端可以直接發(fā)送DATA。

（3）當(dāng)發(fā)端接收到CTS 后，如果發(fā)現(xiàn)需要進(jìn)行應(yīng)答，則響應(yīng)CFM，其中攜帶選定的頻點(diǎn)/占用的時(shí)長(zhǎng)等，然后將Tx/Rx 通道切換到選定的Fd 上進(jìn)行數(shù)據(jù)傳輸；否則，直接將Tx/Rx 通道切換到選定的Fd 上進(jìn)行數(shù)據(jù)傳輸。

4 多信道動(dòng)態(tài)頻譜協(xié)作方案分析

利用感知通道網(wǎng)絡(luò)中的節(jié)點(diǎn)實(shí)時(shí)獲取各自空口有效的時(shí)頻資源，打破網(wǎng)絡(luò)傳輸?shù)馁Y源瓶頸，通過(guò)分布式資源調(diào)度與協(xié)商，實(shí)現(xiàn)多數(shù)據(jù)流并行傳輸，滿足網(wǎng)絡(luò)流量隨網(wǎng)絡(luò)規(guī)模的增加而增長(zhǎng)。

圖5 和圖6 分別為采用頻譜協(xié)作多址接入（SCMA）與TDMA 及CSMA 相比網(wǎng)絡(luò)流量及業(yè)務(wù)時(shí)延在自組網(wǎng)場(chǎng)景下隨網(wǎng)絡(luò)節(jié)點(diǎn)數(shù)變化的示意圖，隨著網(wǎng)絡(luò)規(guī)模的增加，由于SCMA 可以利用海量的時(shí)頻資源，因此網(wǎng)絡(luò)流量獲得極大的提升，業(yè)務(wù)時(shí)延則增加不多。

圖5 不同接入方式下網(wǎng)絡(luò)流量對(duì)比

圖6 不同接入方式下時(shí)延對(duì)比

5 結(jié)語(yǔ)

基于多信道動(dòng)態(tài)頻譜協(xié)作方法，利用頻譜預(yù)測(cè)、智能頻譜決策和多信道協(xié)商技術(shù)對(duì)節(jié)點(diǎn)使用的工作頻點(diǎn)進(jìn)行動(dòng)態(tài)自適應(yīng)分配，使得頻譜資源在不相互干擾的情況下得以重復(fù)利用，實(shí)現(xiàn)不同用戶間多數(shù)據(jù)流并行傳輸，突破節(jié)點(diǎn)間數(shù)據(jù)交互的瓶頸，提升網(wǎng)絡(luò)整體吞吐量。