周一至周五 | 9:00—22:00

期刊论文网 > 信息科技期刊 > 无线电电子学 > 无线电电子学论文投稿模板 基于强化学习的认知无线电v1.2

无线电电子学论文投稿模板 基于强化学习的认知无线电v1.2

无线电电子学论文投稿模板 基于强化学习的认知无线电v1.2

2018-11-21 10:52:12来源:期刊投稿网作者:婷婷
期刊杂志栏目设置

  摘 要

  随着通信技术的迅猛发展,社会各个行业对于信息传递的需求也越来越高。当前信息技术飞速发展的今天,无线通信领域对于各类信息传输形式的要求也越来越高,例如,信息传输的载体如语音、视频和多媒体图像等业务对于信息传输带宽的要求也越来越高。在这样的情况下,如何合理使用频率资源、有效节省传输的带宽、使宝贵的频率带宽资源得到合理利用成为当前通信研究领域的关键课题。世界范围内频率资源的极度有限性成为通信发展的关键制约因素。经过科研学者以及学会机构的研究发现,当前无线通信领域频频资源利用率并不高,频谱在时间维度和空间维度并没有合理被利用,造成了频谱资源的严重浪费。

  因此,一种新的认知无线电技术(CR)随着诞生,这种技术不仅能力能够检测频谱空洞,最主要的优点是可以实现对授权用户的“免打扰”而进行频谱接入,从而最大化实现频率的资源共享。本文从认知无线电的背景以及现状出发,对认知无线电的发展进行了阐述。然后,针对认知无线电的架构以及相关的频谱接入模型,以强加学习为主要研究方向,分析了一种分可观测马尔科夫决策过程(POMDP)的机会频谱接入算法,在这个强化学习算法的基础上介绍了基于POMDP算法的三种接入方式以及对各种算法进行仿真,比较各算法的性能。

  关键词:认知无线电;机会频谱接入;部分可观测马尔科夫决策过程;强化学习

 

  第一章 绪论

  1.1认知无线电概述

  1.1.1研究背景

  所谓的无线电,主要是能够在自由空间里传播的一种电磁波,该电磁波的上额频率规定为300GHZ而下限的频率是不一定的。随着高科技的发展,各人各处都需要用到频谱资源,尤其是在无限局域网和无限网络技术的不断发展下,更多的人在使用非授权的频谱,由于非授权的频谱相对于授权频谱来说,资源本身比较少一些,这就加大了资源使用的竞争性。在一些发达的资本主义国家,以美国为例,其通信资源的频谱资源的使用效率也很低,很多频段的利用率从15%到85%不等。

  国际上一些学术研究资料表明,不同的频谱段的资源利用率也有很大的不同,一般的研究资料表明,在频率资源在30~2900MHz的分段内,其频率资源的利用率均不是太高。从频率资源从小到大来排列来说,从频率资源512MHZ到902MHZ,其利用率是最高,可以高达25%,然后随着频率的增大,其频率利用率出现较大幅度的下降,例如在3~4GHz的频率利用率也仅仅只有0.5%,4~5GHz仅有0.3%,因此,在频率资源极度紧张的情况下如何高效的提升频率资源成为一个很有前景的研究课题。在国际上提出了认知无线电技术,这种技术可以高效提升频谱的利用率,是一项很有前景的研究课题。

  1.1.2研究现状

  认知无线电技术(CR)可以高效提升频谱的利用率是,在国家上引起了广大研究人员的广泛关注,其最主要的特点可以实现动态频谱的接入(DSA,Dynamic Spectrum Access)[1]。认知无线电技术(CR)首次被提出是在1999年,主要提出者是J.Mitola 博士,其主要的研究观念是通过认知无线电技术(CR)来实现在空间平面和时间平面对于频率资源的高效利用,从而达到提升频率资源利用率的作用。

  从认知无线电技术(CR)技术被提出以来就收到了广大专家学者的广泛关注,引起了国际上广大研究学者的兴趣。从当前的研究过程来看,其一开始就作为一种高效的技术,不断的引起了学者的研究热情,因此,当前认知无线电技术(CR)已经成为通信研究领域比较有名的一个研究兴趣点,成为无线通信研究领域最热门的研究点之一。认知无线电技术(CR)也受到了很多国家政府部门的广泛支持,例如,美国FCC科研实验室、英国的通信管理部门(Ofcom,Office of Communication),这些部门的主要职责是针对频率资源的合理管控,对认知无线电技术(CR)的频率资源进行积极的研究支持。美国FCC研究实验室的在2002年4年提出了一种报告中提出,认知无线电技术(CR)所提出的认知设备必须要有识别未被使用的频率资源的能力;FCC研究实验室的在2002年11月紧接着出台了相关文件,就如何使用认知无线电技术(CR)来达到对频率的合理利用提出了相关的要求,这标志了美国FCC正式成立了基于认知无线电技术(CR)的工作组。在2002年5月的相关组委会的会议上,美国FCC研究组针对TV 频段的使用要求提出专门针对TV频段的 NPRM(Notice of Proposed Rule Making);在2005年10月也针对相关的认知无线电设备提出了相关的法律法规文件也要求。

  除此以外,英国也2004 年 5 月,FCC 颁布TV频段的 NPRM(Notice of Proposed Rule Making),开放TV业务频段,建议认知设备可在TV 频段进行操作;2005 年 10 月批准使用认知设备、引入认知无线电的法律法规。除此以外,英国也于2007年正式出台了相关的研究与学习报告,将认知无线电技术(CR)与国家频率资源管理框架相互融合,实现频谱资源的合理管控。

  除了政府的积极有力的推进以外,学术界也针对认知无线电技术(CR)做出了很多研究,例如,在美国学术界,提出了著名的下一代无线通信项目(XG,Next Generation Program),该项目主要是由美国国防部牵头来进行研究,最早成立于2003年,最主要是开发 CR 的实际标准以及针对当前的动态频谱进行管理标准。

  另外,美国加州大学的 Berkeley分校也针对认知无线电技术(CR)也进行了重点研究,其组件的 CORVUS系统将用户进行分组,借由组内的控制信道来协调组内的用户进行动态使用频谱,由通用控制信道来协调组间动态频谱分配,并且验证分析了各种频谱监听技术以及算法[5]。

  1.2 认知无线电的发展

  认知无线电技术迅猛发展,随着研究的不断深入,其逐步发展形成了认知无线电网络。对于认知无线电网络来说,其最主要的本质就是采用认知无线电技术,能够感知周围的无线环境的变化,并且也能够通过对于外界环境的感知来调整工时的参数来达到整个网络的稳定通信状态。除了认知网络,新诞生的动态频谱接入也是认知无线电发展的产物。

  图1-1中展示的是认知无线电网络的功能所对应的网络层。有上图可以看出,对于认知无线电技术中有重要地位的感知技术,主要是在物理层和数据链路层,连接、延时或者规划等等的技术主要是在数据链路层中。其他的功能在应用层、网络层和传输层中都有体现。从上图也可以看出,任何一层都有两种以上的功能,任意的一项技术也并不只在一个网络层上进行,整个网络是融为一体的。

  图1-1 认知无线电网络功能与层次结构

  近年来,认知无线电技术受到来自学术界人的普遍关注,许多国家的研究机构,建立了认知无线电的网络平台,并且根据频谱使用、调制等的不同特点,形成几项不同的认知无线电的网络构架。

  1.3本文主要工作及论文结构

  本文首先介绍了无线电的主要研究背景和目前的发展情况,而后会介绍一些认知无线电特有的几种关键技术,然后从机会频谱接入出发展开分析,并重点研究基于POMDP中的实现算法的仿真比较,具体的内容安排如下:

  第一章 主要是针对当前的认知无线电技术的背景以及当前的发展现状进行阐述。

  第二章 介绍认知无线电简介以及频谱接入方式的分类。首先从认知无线电的不断发展中给出最恰当的定义,然后进行整体结构的分析,并介绍认知无线电的关键技术,最后对动态频谱接入进行分类并分析。

  第三章 着重介绍基于POMDP的机会频谱接入的基本内容,并对改进信道的感知和发送,讨论几种POMDP的接入算法。

  第四章 对于上一章提出的接入算法进行仿真,进行性能的比较。

  第五章 对于认知无线电频谱接入方案的总结及展望。

  第二章 认知无线电架构和频谱接入模型

  2.1 认知无线电的基本原理

  对于认知无线电来说,其最主要的作用对那些有空余的频谱资源进行充分的利用,来保证能够使各段的频谱被完善的使用而不至于浪费。认知无线电在广义上,规定了无线终端必须具备认知能力并且是智能的,能够识别、分析、学习、推究和整理周边的整个无线环境。

  认知无线电能够利用无线电知识描述语言(RKRL),并且采取了在模式基础上的推理方式智能的和网络完成交流的过程,这整个过程是在应用层或更高层来进行的。还有一种是以维吉尼亚技术中心为代表的,其中以Risers为首要人物[6]。现在的FCC所提出来的CR,可以称为是上面两为代表的综合版本,但相对来说比较简单[7]。提出任意一个无线电,只要能够独自的感应外界频谱,就能够被称为CR。这样就简化了认知无线电的称呼,同时也利于大家对于认知无线电的初步认识。

  经过查阅认知无线电相关的资料之后,初步了解了认知无限电是针对授权频谱的,所以在实现资源的共享时,对于认知无线电必须有一定的规范,基本要求主要有两个方面。第一:认知无线电必须确保授权用户的频谱占有权利,即在非授权用户想使用频谱时绝不能侵犯授权用户的基本权利;第二:积极的采用合理的算法或技术为非授权用户找到适合其使用的空闲频段,并能够较稳定的传输信息。

  认知无线电是建立在软件无线电(SDR)上的。据据IEEE多规定的,要想成为SDR的无线电必须是:一些或全部的基带或着RF的信号处理是通过数字的信号处理的软件来实现的;并且该软件可在出厂后被修改。所以,SDR着重于用无线电的系统信号处理来实现;但是认知无线电更加注重该系统是否能够对变化的环境进行感知,并通过感知的结果进而调整系统的工作参数。通过两者的比较,可以发现认知无线电是智能的,是动态的完成整个的工作,更具有目的性。

  2.2 认知无线电中的关键技术

  虽然认知无线电技术在发展,但是目前的认知无线电还是处于一个比较初级的状态,很多的技术都不太成熟。在利用频谱资源中,必须做到的如频谱的感知、频谱的发送和接收、休眠时间的设定等等。由下图可以较形象的表示出,认知用户与授权用户之间的频谱共享关系,图中的虚线圈内的空间即为认知或者授权用户所拥有的。为了实现认知用户能够共享授权用户的频谱,必须采用很多的技术来实现,下面主要是对于认知无线电的一些较成熟的技术进行介绍及分析。

  图2-3 认知用户感知频谱图

  2.3.1 频谱感知技术

  在认知无线电中,频谱的感知是非常重要的。只有在能较正确的判断授权用户是否空着其占有的信道的前提下,非授权用户才能够决定需不需要采用优良的方案来更好的利用此时的频谱空洞。所以在频谱感知中就需要让非授权用户的感应器能够较精确的感应出此刻的授权用户是否在使用其授权的信道,如果精度达不到一定的要求,那会严重的干扰到授权用户以及非授权用户的进程。 Hyoil Kim与Ghasemi等人关注感知模式的选择和感知参数的优化[9]。

  频谱感知

  干扰检查

  能量检测

  发射源检测

  匹配滤波器检测

  合作检测

  周期平稳过程特征检测

  图2-4 频谱感知的结构图

  图2-4是显示了频谱感知技术中的主要检测方法[9]。其中,像发射源的检测主要分为三种。下面简要的介绍下这三种的检测方法的优缺点。

  1.匹配滤波器检测:当输出的信噪比是最大的时候所呈现的线性为最优秀的,这时就形成了前面所说的检测法。因为只需要比较信噪比,所以这种检测方法的耗时较少并且能够拥有较高的处理增益。

  图2-5 匹配滤波器的工作原理图

  2.能量检测 :这种检测方法的主要计算过程是通过直接对时域信号的采样值求模,在对采样值进行求模以后,然后求得平方值。这是一种非相干的检测方法,所以简单是它的优点,但是容易受到噪声的影响。

  3.周期特性的检测:适用于主用户的信号具有周期平稳的情况,这种检测可以区分噪声和信号的类型,检测的灵敏度较高,但是由于计算的复杂程度较高,需要等待较长的时间才能够观察到结果。

  2.3.2 自适应功率控制技术

  采用 CR 技术来实现频谱资源的共享的前提是必须要保证对授权用户不造成任何的干扰的情况下, CR 采用的分布式功率控制的方法。功率控制是最关键的一项技术,其本质的影响是可以直接影响无线传输性能

  2.3.3 频谱分析技术

  利用傅里叶变换的方法,分解振动的信号,并且按照频率顺序展开,让它变成一种频率的函数,进一步在频率域中对信号进行研究和处理的一种过程。频谱分析主要是通过无线环境反馈回来的信息,进行一定的处理,把反馈的信息转化为需要改动的参数的值,有助于频谱信道的选择。在进行频谱分析技术的时候,会运用到许多的设备,认知用户的感应器等等。对信号进行频谱分析,主要是进行傅里叶的变换,得到相应的振幅谱和相位谱。Matlab是主要会使用的软件,也是本论文在进行一些改进时使用的软件。对信号来说,可以分为模拟信号和数字信号。进行频谱分析的时候,两者的处理方法是不太一样的。

  2.3.4自适应频谱分配技术

  这种技术主要是衡量认知用户与主用户之间的频谱利用,当主用户发出需要使用当前频谱时,认知用户就能够通过感知从而断开此信道,进行下一次频道利用的流程。自适应的频谱分配技术必须在感知的前提下,判断信道中的情况,从而进行的分配,但一切以授权用户为中心,绝对不能侵犯授权用户的利益。

  第三章 基于POMDP的机会频谱接入算法

  3.1 强化学习基本理论

  对于智能系统来说,其面对的环境是比较复杂的,在空间和时间领域,通信外部环境比较复杂,可以是离线和连续、确定性与不确定性等,不同的角度会有不同的认知,如下表所示:

  表 3-1 环 境 描 述

  角 度_x0007_情 景_x0007__x0007_角 度 1_x0007_离 散 状 态 vs连 续 状 态_x0007__x0007_角 度 2_x0007_状态完全可感知 vs 状态部分可感知_x0007__x0007_角 度 3_x0007_插 曲 式 v s 非 插 曲 式_x0007__x0007_角 度 4_x0007_确 定 性 v s 不 确 定 性_x0007__x0007_角 度 5_x0007_静 态 v s 动 态_x0007__x0007_Watkins 的研究支持,当前针对强化学习的过程是一种主体主动使用环境的过程,最终的目的是实现自身适应环境的学习过程。

  3.2 POMDP基本原理和基本模型

  Qing Zhao等人中提出了一种基于强化学习的模型,其主要是基于部分可观测马尔科夫的决策过程Partially Observable Markov Decision Process,POMDP),该过程可以对信道频率的随机有效接入。在接下去的一些分析中,为了尽量的减少认知用户之间的影响,所以默认是在独立的认知用户之间进行的频谱的感知等的通信过程。

  图3-1 基于POMDP的模型

  上图所展示的是当信道数N=2时,总共就有M=种的状态的马尔科夫过程。在每个时隙中引入状态向量来表示,其中=0表示第i个信道第j时隙时被占用,而为1是表示为空闲状态。该向量对于感知信道是否能够被使用是很多益处的。

  考虑频谱组成的网络模型通道N,每个带宽为Bi(I = 1,···,N)。这些通道通过了根据同步槽结构的主网络的允许。主网络流量统计如下,这些N条通道的占用M= 马尔可夫过程离散时间。具体来说,网络时隙ţ状态[,0为忙碌,1为空闲}。样品对于N = 2的状态演化的路径如图3-2所示。

  图3-2 认知用户在两个信道中寻找机会图

  我们假设频谱在T型槽中使用主网络的数据保持不变。并且二级网络,在这些N通道中寻求频谱机会(见图3-2)。我们专注于ad hoc网络的二级用户加入/退出网络或者感知/独立访问的频谱时并没有进行本地信息的交流。在每个时隙中,二级用户选择一组感知和信道访问渠道。因为受硬件和能源供应的限制,在每个时隙中二级用户可以感受的信道为L1(L1≤N),并且能够接入的信道为L2(L2≤L1)。

  在本文中,在POMDP机会频谱接入中,认知用户在周围的环境中只选择了一部分的信道进行检测,并当检测成功时只选择其中最好的信道进行传送信息。关于马尔科夫的接入过程,并不考虑二级用户之间的信息交流,并且在开始时并不计算整个通信过程中的感知误差,这样会减少碰撞发生的概率以及在通信过程中需要考虑的很多的因素。

  在POMDP模型的整个过程为:认知用户在周围的无线环境中检测信道的使用情况,当发现机会的时候由系统决定来进行信息的传输,系统自动的产生一个随机的退避时间,在这个时间消耗前没有其他的用户选择接入该信道,择系统开始在这个信道中传输,并且在传输完毕的时候返回一个成功的确认信号。模型结构如下所示。

  图3-3 机会频谱接入网络的马尔科夫过程模型

  其中,在图中所呈现的是转换概率,是指用户能够获得的增益,在下面的增益函数中也会提到,是判断信道是否能够被认知用户所使用的量。在机会频谱接入网络的马尔科夫过程中引入了两个在整个过程中很重要的概念。

  3.2.1 充分统计量

  马尔科夫过程的内部状态(internal state)是未知的,因此,假定置信矢量,其中是在t时隙时信道的状态为j时的条件概率。

  对于任意的时隙,在时隙t时,载体是一个最佳行为{A1,A2}的充分统计量[17]。{A1,A2}分别的代表了信道能够测试的信道数和测试成功后能够选择的信道数。

  3.2.2 收益函数

  假设一条信道上传输的比特数与信道带宽成正比,则收益函数可表示为(t)=。

  在进行马尔科夫决策过程中,必须满足碰撞的概率要小于最大的碰撞概率,这样就引入了一种存在碰撞概率时的最好的策略.。

  也就是说,,式中表示采用策略的条件期望,表示冲突概率, 表示初始置信矢量,一般等同于信道状态的平稳分布。需要注意的是,冲突概率通常由检测与接入策略和频谱探测器的操作参数共同决定。

  3.3 几种POMDP算法

  3.3.1 最优算法

  当整个通信过程的感知是完全正确的时候,就不在需要更多的步骤来进行感知结果的分析,此时,基于冲突概率的式中的策略变得毫无意义,只需要关心如何选择每个时隙内要检测的信道,使得在全部r时隙内的收益总和最大。如果可以预先计算出第t+1个时隙的区间和相应的以,就可以得到第t个时隙的最佳决策和相应的向量。文献[18]中提供了执行这些计算的线性编程算法并将计算的结果保存下来。因而,最优策略就由全部T时隙内的置信区间、向量和最佳决策确定下来了。最优算法虽然能够为认知用户带来更多的吞吐量,但是由于它的维数增长是呈指数增长的,所以当N值比较大的时候,整个的算法非常的复杂,所以,在这个时候,急需要寻求一种算法,能够较好的保留最优算法的性能,但同时又能够减小算法的复杂度。下面就在前学者的研究下,发现了贪心算法的次优算法,能够贴切所需要的目的。

  3.3.2 基于贪心算法的次优策略

  一般的POMDP模型寻求最优解在计算上是行不通的,为上述情形寻求一种复杂度相对较低的次优解决方案至关重要。一种次优策略,在信道相互独立的前提下,它是最优策略的充分统计量,而且它的维数随信道数目线性增长。文献[19]给出了贪心算法的计算复杂度,并在其中的功率控制机会频谱接入一节中系统的论述了在系统性能和计算复杂度之间如何互换权衡。

  3.3.3 有检测错误时的算法

  在考虑设计最大冲突概率限制下的最佳检测与接入策略时,还要同时考虑到频谱探测器的设计。当存在检测错误时的流程图如下图所示,主要的设计细节如下:

  首先,为了让接收端和发送端能够详细的判别是由于没有接入还是没有发送完毕而导致而重新接受感知信息,让发送端和接收端都接受置信矢量;

  其次,根据信道的选择策略选出最适合的信道,让发送端和接收端都接受这个信道;

  然后,发送端检测该信道并得到相应的检测结果;

  然后,发送端根据,得出相应的决策信息,当为1时,则有发送端选择该信道来传输数据,否则返回第二步;

  如果发送成功了,接收端发送确认信息;

  最后,通过得到的信息{}通过下列公式得到新的置信矢量。 (a.); 1 (a. =1, =1) ; () /()(a.= i, =0)。

  图3-4 基于POMDP的机会频谱接入流程图

  频谱探测器主要实施二元假设检验:(检测的信道可用)和(检测的信道不可用)。如果认知用户的探测器将误检测为,将出现虚警的情况,导致频谱机会被忽视。如果将误检测为,将出现漏警的情况,导致与授权用户的冲突。假设分别用和表示虚警和漏警概率。频谱探测器的性能通常用接收端操作特性(Receiver Operating Characteristics,ROC)曲线来评定,典型的ROC曲线如图3.7所示。它给出了关于的函数。

  图3-6 虚警和漏警的关系图

  本章最主要的任务是提出了一种基于机器学习的认知无线电模型POMDP,该模型利用两个重要参数充分统计量和收益函数作为判决的对象,重点探讨了基于POMDP下的最优检测算法,包括最优策略,基于贪心算法的次优策略以及存在检测错误时的接入策略。通过对于以上几种算法的分析和实验仿真,得出若要显著提升一个网络的吞吐量,必须采用基于POMDP的机会频谱接入可以显著提高系统的吞吐量。 第四章 仿真过程及结果分析

  针对上面的算法方案,进行一些相关的仿真实验,通过实验的结果,即图标分析,能够更清晰明了的明白所提出的理论的主要目的以及能够实现的功能是哪些。在下面的一些仿真中,可以比较出不同的算法有不同的仿真结果,从中可以选出比较适合的算法及条件,为以后能够更加提升利用率。

  图4-1 信道的忙碌和空闲的转化

  由上图可以很清晰的看出,表示信道由忙碌转为空闲的概率,表示保持空闲的概率。在上一章中谈论的是基于部分可观测的马尔科夫决策过程的机会频谱接入方案,图4-1所示的是,在忽略感知错误的时候的马尔科夫的信道模型。下面的算法可以再得知PU的通信情况下获得一些先验信息,然后SU根据算法,可以进行信道的测试及接入。下面分为几种情况,来对在马尔科夫上的几种算法的性能比较。

  4.1 无检测错误时的仿真

  4.1.1 无检测错误时,基于贪心算法的次优算法的性能

  在与值不一样,在带宽为1,信道数目为3,时隙为40时,分为三种情况来分析次优算法的性能。case1中的= 0.3,= 0.7,case2中=0.7,=0.3,case3中的=0.5,=0.5 ,从设定的转换概率中可以看出,在case1中,授权用户的保持状态比较长,也就是说,授权用户每次发送的数据量比较大,但是两次数据量之间的发送间隔比较长。而case2中与刚好对换,能够看出第二种情况下的授权用户常常处于在发送的状态,并且每两次的发送时间不会很长,处于高速动态的状态中,case3中的转换概率是一样的,这样就相当于没有采用次优算法的贪心算法.

  图4-2 不同转换率下贪心算法的性能比较

  通过改变参数的值可以得到上面的图。由上面的图可以看出,在与的值保持为0.5时,对于新用户来说,其吞吐量的获取是比较少的。在第一种情况下,用户的感知吞吐量是较大的。可以看出在授权用户经常的处于保持状态时对认知用户是比较有利的,并且得出的结果比自由状态下好很多。另外在第二种情况下,保持状态和转换状态的概率是刚好相反的,但是两者所得出的认知用户的吞吐量相差不会很大。

  因此,只要是授权用户不是处于自由状态下,对于认知用户进行探测信道来获得相关的信息都是很有好处的。在4-2中只是随便的举个了例子,case1中= 0.3,= 0.7,case2中=0.7,=0.3,发现他们之间的差距并不是很大。下面调整程序,把转换概率进行调整,把两者之间的差值变大,看看能够得到什么样的结果。

  图4-3 转换概率比较极端时的贪心算法性能

  图4-3主要是改变各个信道的与的值,主要判断在与改变值之后的性能变化。由上面的4-3图像中可以看出,在授权用户的保持概率逐渐的增大的情况下,认知用户的吞吐量也相应的变大。由4-2和4-3的整体的分析可以得到,在使用贪心算法的时候,只要保证两者的差的绝对值较大的时候,整体出现的性能更加的好。

  上面两幅图是在带宽为1的时候进行的,为了验证贪心算法与信道的带宽的关系,在4-3中一样的情况下,把信道的带宽改为5,来分析实验结果。

  图4-4 在带宽为5时的贪心算法

  图4-4中呈现的是在N=3时独立信道的带宽为5,与与4-3中一样的贪心算法的结果,输出为认知用户的吞吐量,单位为比特每时隙。得到的结果是带宽越大在相同的转化概率下,相应的吞吐量就越大,但是在实际的条件下,越大的带宽代表着需要利用到的资源越大,并且通过三种情况下的图像可以看出,在时隙超过30以后的认知用户的吞吐量是几乎不变的,这也可以提醒我们,每个信道的时隙是不需要划分的太细的。

  多认知用户时采用贪心算法的性能:

  图4-7 认知用户吞吐量和信息到达率的关系

  假设在实验的过程中,其使用的条件是认知用户为3,并且信道数为10的时候,带宽为1,若假定=0.2与=0.8,可以看到两种不同算法贪心算法和随机算法的不同关系对比,其认知用户吞吐量与信息到达率的关系如上图所示,从图中可以看出,贪心算法的吞吐量在随着信息的到达率的增加比随机短发的增加大很多。

  4.2 无检测错误时贪心算法和最优算法性能比较的仿真

  在不同的无线环境下,我们最先讨论的是最优算法,但是由于它的算法的复杂度,现在再寻找更加适合的算法,接下来的实验是关于贪心算法和最优算法的性能的比较。为了得出不同的算法在什么样的情况下所得到的信道的条件最优的,最利于认知用户的伺机使用。

  三种功能程序就是为三种算法的具体实行提供依据。这三种算法分别是最优算法、贪心算法和自由算法。下面对于引用的三种算法进行分析。

  图4-5a 三种算法性能的比较

  从4-5上面那幅图可以看出,在信道的其他条件都一样的情况下面,最优算法和贪心算法的认知用户的吞吐量是一样的,这个正符合采用贪心算法来代替最优算法来实现认知用户对于信道的选择的原因。实验结果如下图所示:

  图4-5b 在改变参数时算法性能的比较

  有实验结果可以得到,在改变了授权用户的带宽以及转换概率的情况下,最优算法和贪心算法都比随机选择的信道好,但是信道条件的不同,会导致最优算法和贪心算法之间的差距,但总体的差距不会很大并且在时隙为15的时候开始,无论是最优算法还是贪心算法的结果吞吐量产不多保持不变。

  通过上面的两种实验可以初步的判断,在没有检测错误的时候,贪心算法能够最大程度的保证所需要的性能的同时,降低整个过程的运算复杂度。但这仅仅是在没有检测错误的时候。

  4.3 存在检测错误时的仿真

  在4-6图的up中,可以看出,在规定的碰撞概率指定的冲突频率越大的情况下,贪心算法的指定概率接近于最优算法策略。在down图中,是指存在检测错误时贪心接入算法的性能在0.15时是频谱利用率做大的时候,从0到0.55呈现抛物线的状态。

  图4-6 认知用户的性能与规定的碰撞概率的关系

  由4-6上图所示,在有感知错误时,贪心算法的吞吐量在规定的碰撞概率变大时相应的变大,在0.5左右时,几乎保持不变。这是因为,对于碰撞概率来说,用户的吞吐量与虚警概率存在一定的关联,在比较小的虚警概率下,其吞吐量相应的会变大。下面的规定的碰撞概率和频谱效率的关系,可以发现,在0.2时的规定碰撞率的频谱利用效率是最大的,所以在设定频谱利用效率的时候可以参考4-6。

  结 束 语

  认知无线电的发展非常的迅速,其中的最终目的就是为了提高整体的频谱利用率,已经成为了一种很前沿的技术,同时被各界的学者努力的探讨着。在绪论中也提到了,不同地区不同时间的CR的使用情况也是不一定的,所呈现的幅度较大,但整体上的使用都不完善。所以在目前如何完善的使用CR成为了认知无线电领域中非常重要的问题。如何在错综复杂的无线网络中实现SU与PU的共享,因此,本文的研究最大意义在意针对如何提高认知无线电系统的系统吞吐量,如何有效的利用频率,提升频谱利用率。从整个文章的研究思路来看,本文还存在一些不足之处:

  (1)算法没有考虑到多认知用户存在检测错误的情况,可以引入协作检测的方法来降低检测错误的概率。

  (2)整个算法是选择了认知用户的协作进行的,今后可以在非协作的情况下进行

栏目分类