多域主动认知理论与方法

认知无线电自从诞生以来经历了突飞猛进的发展，从未来的发展方向上看，认知无线电发展的趋势为由单域认知向多域认知发展，由被动式认知向主动式智能认知发展。

本节将对认知无线电中的多域主动认知理论和技术进行研究。

4.4.1主动认知技术
（一）被动认知
认知无线电技术中的被动认知是指在认知用户有无线网络环境信息需求时，触发认知模块对无线网络环境进行认知，来获取认知用户所需要的信息。

进而对调整自己的通信参数。

被动认知也是一种事件触发的认知方式，当无线网络环境发生变化时，促使认知用户重新对无线网络环境进行重新的认知，并对调整相应的通信参数。

例如，当主用户授权频段由空闲变为占用时，认知用户应及时退出该授权频段，以避免对主用户造成干扰。

同时，需要尽快寻找其他的主用户空闲的授权频段。

此时，认知用户触发认知功能模块，对主用户其他授权频段进行感知。

然后，认知用户使用认知模块获取的无线网络环境信息对自身参数进行调整。

被动认知具有以下几个优点：
（1）针对性强：无线网络环境信息的获取针对当前认知用户的需求。

也就是认知用户需要什么信息，就对该信息禁区认知并获取。

而其他非相关的无线网络环境信息则不需要进行认知。

（2）节省硬件资源：承担无线网络环境信息认知功能可以为认知用户本身，也可以是其他的认知用户。

不需要专门担任认知信息获取的认知模块用户。

这样，认知用户的一专多能，可以有效节省硬件资源。

（3）效率高：被动认知的执行是由认知用户的需求事件所触发。

相对于周期性无线网络环境信息认知，被动认知的效率大大提供。

同时，还可以被动认知还有以下不足：
（1）具有时延：由于无线网络环境信息的获取行为，是由认知用户的需求所触发执行的。

当认知用户产生信息需求，然后触发相应的认知功能，无线网络环境信息获取的过程也需要一定的时间。

在获取无线网络环境信息之后，认知用户才利用所获取的信息进行参数调整。

这种被动认知方式在一定程度上，具有时延。

（2）占用认知用户的通信资源：由于不是专门的认知功能模块对无线网络环境进行认知，势必要占用认知用户的通信资源。

（3）利用不足：被动认知针对认知用户需要什么信息，就去认知什么信息的方式对整个无线网络环境的认知不全面，并且无线网络环境内在的本质的性质没有得到发掘。

被动认知不能对无线网络环境信息中的规则和知识进行有效认知。

（二）主动认知
主动认知是指认知无线网络中的认知模块主动的对无线网络环境进行认知，而不管认知用户是否当时有无线网络环境信息需求。

当认知用户有无线网络环境信息需求时，可以实时的获取相应的信息。

主动认知的执行可由专门的认知网络来执行，该认知网络持续的对无线网络环境进行认知，并储备相应的信息。

当认知用户有需求时，该认知网络可以实时的提供无线网络环境信息。

主动认知相对于被动认知具有以下优点：
（1）可以为认知用户提供实时的无线网络环境信息；
（2）相对于被动认知，主动认知可以对获取的无线网络环境信息进行处理，获取无线网络环境的本质特性。

同时，形成相应的规则和知识。

通过利用相应的
规则和知识，认知用户可以更好的利用无线网络资源。

下面介绍一种基于主用户闭环控制信息的干扰信道质量主动学习的方法，该主动学习方法通过次级用户协同转发主用户的信号，触发主用户的闭环控制，从而主用户的发射功率或速率发生相应的变化调整。

次级用户发射机通过干扰主用户前后闭环控制的功率或速率的变化，估计出干扰信道质量信息。

这种方法估计得到的干扰信道质量具有较高的可靠性和实时性，但是，次级用户干扰主用户的过程，会对主用户的正常通信产生影响。

次级用户发射机次级用户接收机
由主用户协同通信的特点可知，在探测1时隙中，由于无线信道的广播特性，次级用户发射机也能收到主用户源节点的探测1的信号。

次级用户通过主动协同主用户发射信息，在协同探测2时隙，与主用户协同节点一起，转发主用户源节点的信号。

这样，由于次级用户的协同转发，主用户协同节点转发的信号得到增强。

由于主用户目的节点接收到的功率和信噪比发生变化，使其认为协同节点到目的节点之间的信道质量状况发生变化。

因此，目的节点将变化的信道信息反馈给主用户协同节点。

协同节点根据系统传输方式的设定和目的节点的反馈信息，自适应的做出相应的发射功率和速率的变化。

假设次级用户可以正确接收主用户协同节点的发射信号，并能从中提取出主用户协同节点的发射功率和发送速率信息。

次级用户根据主用户协同节点闭环控制前后的发射功率和发送速率的变化，学习估计出干扰信道质量。

4.4.2 多域信息主动获取
认知无线网络的多域信息的获取可以分为两种类型：内部网络获取（被动）和外部网络获取（主动）。

内部网络是指属于认知无线电的网络，并具备一定的
认知功能。

当认知无线网络有认知信息需求时，内部网络被动地为认知无线网络实施认知工作，并为认知无线网络提供相应的认知信息。

例如，当认知无线网络有需求时，内部网络用户可以为认知无线网络提供协同频谱感知，同时还可以进行协同定位等认知工作。

而外部网络则指为认知无线电网络提供全面的无线网络环境信息的独立网络。

外部网络主动的持续不断的对无线网络环境进行认知，获取全方面的无线网络环境信息，并建立信息库（数据库）。

当认知无线网络需要某方面的信息时，可向外部网络信息库进行查询，获取相应的无线网络环境信息。

无线电环境地图（Radio Environment Map，REM）是一种可为认知无线网络提供综合数据库的工具，它包含了多种认知无线电的无线环境信息，如时间域信息、频率域信息、空间域信息和能量域信息等。

该数据库具备认知无线网络环境多域信息功能，并实时的更新数据库中的信息，为认知无线网络提供多域信息支持。

（一）时间域信息主动获取
目前，在时域信息获取存在以下几个方面的挑战。

首先，检测的信噪比要求比较低。

例如，一般认为主用户的发射信号在接收端由于深度衰落或其他原因，接收信噪比低于–20dB，但此时REM认知模块必须检测到主用户的存在，从而将主用户存在的信息提供给认知用户，从而避免认知用户使用该频段。

否则，REM 认知模块没有检测到主用户存在时，并将主用户不存在的信息提供认知用户，认知用户使用该频段将会严重干扰主用户的正常通信。

因此，REM准确的对主用户信号进行感知，是避免认知用户干扰主用户的重要功能。

时间域信息主动获取的研究主要集中于感知时间的优化、判决门限的优化和感知节点集合的选择等方面。

大部分的认知用户都是基于感知结果而进行分布式机会频谱接入(Opportunistic Spectrum Access, OSA)网络。

首先，认知用户在感知阶段独立地感知主用户的授权信道，一旦信道是可用的即空闲的，认知用户在传输阶段进行传输。

因此，频谱感知的性能对于认知无线电网络是至关重要的，并直接影响到认知无线电网络的吞吐量。

感知时间越多，频谱感知的性能就越可靠。

感知时间的长度和感知时间的位置必须考虑在能量消耗的限制下满足数据吞吐量和QoS的要求，同时，宽带频谱感知中所需要的感知时隙长度问题，可将感知时间划分为等长的多个时隙的多微小时隙的感知区间分布式方法，并在当前帧中的感知时隙进行优化分配。

微小感知时隙的分布方式还可以结合基于权重的数据融合算法和判决依据，大大提高了在快衰落信道条件下的频谱感知效率。

有关多感知时隙的研究在国内外也都有所涉及，并有较为明确的研究成果。

以多感知时隙为模型，利用序贯概率比检验对检测概率和虚警概率进行了分析；当感知时隙为多个时，可以根据相邻时隙中主用户信号出现的概率来为每个时隙的感知结果分配权重向量，从而提高感知结果的正确性。

对认知用户本地感知的可信程度进行定义，在未知先验信息时，提出了一种基于可信度的协同频谱感知算法；在已知部分先验信息时，利用证据理论解决认知用户本地先验信息不足时的协同频谱感知问题；在此基础上，研究了证据理论及数据优化融合结构，并基于可信度提出了二重可信协同频谱认知算法，通过自适应迭代以对先验信息进行估计，该算法收敛速度快，能够适应快速变化的无线网络环境。

（二）频率域信息主动获取
REM的频谱域信息对认知用户动态接入完全透明，使得认知用户的非授权接
入能够自主考虑对上层通信业务的服务质量保证。

比如有些认知业务是延时敏感型的，需要信道切换速度足够快，乃至实时切换，这就需要切换时已经具有备选的信道资源，而不是临时被动进行信道扫描。

为此，REM数据库可以为认知用户提供实时的频率域信息。

频率域信息包括空闲可用的主用户授权频段，及其数目和质量。

REM通过主动的获取频率域信息，同时进行实时的不间断的认知用户可用频谱资源的更新。

频率域信息主动获取动态频谱接入
该部分的调度研究主要解决多个信道的感知顺序问题。

考虑实际感知和接入的硬件限制：每次最多感知N个信道，使用的相邻信道数不超过W个，频谱片断（fragment）不超过F个。

文中假设可以对感知到的空闲信道捆绑使用，使用最佳停止准则分析感知增益和代价的最佳折中，最终得到每次感知的信道数。

但是文中认为信道是同构的，感知的信道只有数目的差别，没有“哪几个”和“先后顺序”的差异，这在实际中是欠妥的。

以切换时延最小为调度优化目标，设计感知顺序，并得出了顺序排列的标准表达式。

在同构和异构两种授权信道环境下分别给出了蜕化等式和贪婪次优解。

对信道状态的预测采用贝叶斯学习和最大似然联合更新，通过仿真看出比单一似然估计性能优越。

考虑不同的信道有不同的主用户流量模型，所以不同的信道的感知时间不同。

对多个信道依次进行感知，直到发现可用的空闲频谱信道进行通信。

文章关注于各信道的感知时间的确定，优化目标是最小化搜索时延，但是却忽略了感知顺序对该优化问题的影响，实际上不同的感知顺序会带来不同的切换时延性能。

以吞吐量最大为调度感知任务的目标，经过推导得到直觉感知顺序（按信道的空闲概率由大到小进行感知）在不使用自适应调制的通信环境中是最优的，但在使用自适应调制技术时考虑不同的信道有不同的信道容量，给出了动态规划实现的最佳频谱感知顺序。

虽然计算复杂度相对强搜索有所降低但是还是比较大，有待进一步降低。

之后又对信道可用概率未知的情景采用贝叶斯推理的方法进行了分析。

考虑各信道（信道容量相同）的空闲概率未知情况下的信道选择和感知任务调度问题。

文中提到优化选择的目标应该有两个：短期增益是即时传输容量，长
期增益是更新的统计状态信息可以用于未来决策的制定。

对单感知信道环境提出了最优信道秩准则，每次选择的信道应该是具有最大信道秩（信道秩每个周期进行更新）的信道；对多感知信道环境同样适用该准则，只不过每次选择前K个最大信道秩的信道。

文章创新点是新颖的调度目标和信道秩的定义，可以应用于在线学习环境；但是未考虑信道异构性的影响，有待深入研究。

在感知到空闲信道即进行通信的情景下，如果信道的空闲概率相等，那么依照信道的容量由大到小的感知顺序是最佳的。

而且对多个用户存在时采用这种感知顺序带来的冲突概率和资源利用率进行分析，取得了一些理论上的成果。

但是只关注信道容量的影响，对信道空闲概率带来的对认知吞吐量的影响分析不够充分。

…
（三）空间域信息主动获取
空间域信息对于认知无线电应用中的空域频谱资源的高效利用、频谱的动态管理、频谱感知性能和感知安全的提升等方面具有重要作用。

空间域信息主要是包括主用户位置信息和认知用户位置信息，为获取认知无线电中的空间域信息，有效的无线定位技术是必不可少的。

无线定位技术是在传感器网络中发展起来的，目前传感器网络中的定位技术已经很成熟。

认知无线电网络与传感器网络相比，存在的显著特点是主用户与认知用户不合作，这使得现存的大多数无线定位算法在认知无线电网络中都不再适用。

（1）基于距离（Range-Based）的定位算法
基于距离定位算法的定位精度较高，但对节点的功耗、硬件以及距离和角度的测量精度有较高要求。

基于距离定位算法首先利用测距或测角度技术获得未知节点与锚节点之间的距离或角度，然后利用距离或角度信息，使用三边测量法、三角测量法或最大似然估计法计算出未知节点的位置。

典型的测量距离和角度的方法有：
a.接收信号强度法（Received Signal Strength Indicator, RSSI）。

其基本原理是：
无线信号在空间传播的过程中，信号强度会随着距离的增加而衰减，如果已知未知节点的发射功率，可以建立理论或经验的信号传播模型，从而将信号强度的衰减转化为未知节点与锚节点之间的距离。

b.信号到达时间法（Time of Arrival ,TOA）。

其基本原理是锚节点测量未知节点信号到达锚节点的传播时间，利用信号传播速度与传播时间的乘积计算出未知节点与锚节点之间的距离。

该方法测距精度较高，但是需要锚节点与未知节点之间精确的时钟同步。

c.信号到达时间差法（Time Difference on Arrival ,TDOA）。

其基本原理是多个锚节点测量未知节点信号的到达时间，通过到达时间差计算出信号到达多个锚节点的距离差。

根据几何原理，通过信号到达两个锚节点的距离差，可以确定一条双曲线，该双曲线以两个锚节点为焦点，未知节点就在双曲线的某一分支上。

因此，如果存在三个锚节点，建立两个双曲线方程，通过求解双曲线的交点就可以确定未知节点的位置。

该方法测距精度较高，但是容易受到非视距传播的影响。

d.信号到达角法（Arrival of Angle, AoA）。

其基本原理是在锚节点处建立天线阵列，测量未知节点信号的到达角度，将多个锚节点的到达角度取交叉点，即可估计出未知节点的位置。

该方法原理简单，但需要多天线支持，增加了额外的硬件开销，限制了其在大规模网络中的广泛应用。

（2）非基于距离（Range-Free）的定位算法
非基于距离的定位算法实现简单，不需要使用测距技术，只利用节点的连通情况来估计自己的位置。

但是算法的定位精度受网络规模、节点分布和节点密度的影响较大。

由于在后续章节中将对算法进行详细的介绍，这里只对算法的核心思想进行简要的介绍。

典型的算法有：
a.质心定位算法（Centroid），其核心思想是：首先确定与未知节点处于邻近关系的所有锚节点，然后取锚节点所组成的多边形区域的质心作为未知节点的位置估计。

b.APIT定位算法（Approximate Point in Triangulation）错误！未找到引用源。

，其核心思想是：与未知节点处于邻近关系的任意3个锚节点构成1个三角形，以多个这样的三角形的交叠区域的质心作为未知节点的位置估计。

c.DV-hop定位算法，其核心思想是：利用距离矢量路由协议，获得未知节点到锚节点的跳数，将网络平均每跳距离与跳数的乘积作为未知节点与锚节点之间的距离，再通过三边测量法或最大似然估计法计算出未知节点的位置。

认知无线电网络的一个显著特点是主用户与认知用户不合作，主用户甚至不知道认知用户的存在，认知用户只能接收主用户的信号，二者之间的通信是单向的，这使得现存的大多数定位算法在认知无线电网络中都不再适用。

虽然传感器网络定位的研究已经很成熟，但专门适用于认知无线电网络的定位还不多见。

多用户的盲定位算法假设多个主用户工作在相同的频段内，在不知道主用户工作频段的中心频率、带宽和调制方式的情况下，结合主用户信号到达角度和接收信号强度信息，利用网络同构的认知用户定位出网络异构的多个主用户。

在认知无线电网络中，由于主用户的不合作，认知用户不能获得主用户发射机功率，从而无法将信号强度的衰减转化为认知用户与主用户之间的距离，导致传感器网络中基于接收信号强度的测距定位算法无法适用于认知无线电网络中对主用户的定位。

ROBUST定位算法在不知道主用户发射机功率的条件下，不需要主用户的合作，受限最优地估计出主用户发射机功率和主用户的位置。

该算法首先建立无阴影效应的接收信号强度测量模型，然后将发射机功率和主用户位
置估计问题转化为矩阵方程求解问题，分别利用最小二乘算法和受限优化方法对矩阵方程进行求解。

基于检测概率的主用户定位算法不需要主用户的合作，对硬件要求较低，只需要认知用户的二进制检测结果。

基本原理是首先利用主用户检测概率估计出认知用户与主用户之间的距离，然后使用加权最小二乘的迭代方法计算出主用户的位置。

基于接收信号强度插值的定位算法可以根据位置临近的节点接收信号强度值存在相关性的特点，在实际测量部分节点处的接收信号强度值的基础上，使用径向基核函数（Radial Basis Function）对实测点周围节点的接收信号强度值进行插值，从而估计出周围节点的接收信号强度值。

并基于插值技术提出了基于插值的APIT定位算法和基于插值的加权质心定位算法。

仿真结果验证了该算法的有效性。

在采用Overlay接入方式的认知无线电中，频谱感知的主要任务是检测出频谱空洞让认知用户利用。

然而，在采用overlay与underlay混合接入方式的认知无线电中，认知用户需要同时检测频谱空洞及主用户的位置。

该文将频谱感知与主用户定位相结合，利用压缩感知技术，提出了频谱感知联合主用户定位的定位算法。

（四）能量域信息主动获取
在无线通信中，终端的能量是稀缺珍贵的资源。

并且，在认知无线电中，特别要考虑认知用户对主用户造成的干扰影响。

因此，认知用户必须对其发射功率进行控制。

认知用户能量域的信息包括不同条件下认知用户所被允许的最大发射功率，该最大发射功率考虑了对主用户干扰保护的限制条件。

同时，还考虑了主用户隐终端问题带来的干扰问题。

下面将分别对Underlay、Interweave和Overlay 方式下能量域信息主动获取的
（1）Underlay方式的最大发射功率。

在Underlay方式下，次级用户不管主用户在不在使用授权频段而直接使用该授权频段。

因此，次级用户不需要对主用户的授权频段进行频谱感知，从而减少了感知的开销。

但是，次级用户的发射功率必须考虑主用户存在时，对主用户产生的干扰影响，即次级用户对主用户造成的干扰概率低于主用户系统要求的目标限定值。

因此，Underlay方式下次级用户的功率控制方式也是一种保守的方法。

因为，在主用户不存在时，次级用户仍然以主用户存在时的功率控制去对面，这样显然是过于保守的。

但此方法带来的好处是不需要对主用户授权频段进行感知。

因此，Underlay方式适合主用户授权频段占用概率较高的情况。

利用基于累积量的高斯近似方法，对主用户受到的聚合干扰分布进行近似。

由Underlay方式下次级用户的行为一致性可知，次级用户不需要对主用户授权频段进行感知而直接使用该频段。

因此，主用户存在与否对认知无线网络聚合干扰特性没有影响。

主用户干扰概率可以很好的反应主用户受到认知无线网络干扰的情况。

在对主用户的干扰保护中，由于无线环境的不确定性，及认知无线网络的随机性，使得对主用户实现“绝对”保护是不现实的。

而干扰概率模型允许认知无线网络对主用户造成的干扰发生，但对其造成的干扰概率进行限制要求。

在认知无线网络次级用户个数和位置随机分布的情况下，即使有次级用户出现在主用户接收机周围，对主用户接收机造成干扰的情况出现，但是干扰概率模型从系统的整体上保证了主用户通信的可靠性。

因此，主用户干扰概率模型更符合实际无线环境且更
易于实现。

由次级用户发射功率与认知无线网络聚合干扰的特性之间的关系可知，次级用户发射功率越大，相同次级用户个数和位置的认知无线网络聚合干扰就越大。

相应的，对主用户造成的干扰概率就越高。

因此，主用户干扰概率与次级用户发射功率成正比例关系。

并且，次级用户的最大发射功率应在主用户干扰概率等于干扰概率限制I P 时取得。

相应的，可以得到次级用户在Underlay 方式下的最大发射功率
（2） Interweave 方式的最大发射功率。

在Interweave 方式下，次级用户首先要对主用户授权频段进行感知，以判断主用户是否正在使用该频段。

次级用户只有在感知到主用户不存在，才能使用该授权频段；而感知到主用户存在时，次级用户则保持沉默。

Interweave 方式也称为机会频谱接入，次级用户利用主用户频段资源空闲的阶段，机会式的接入授权频段。

虽然Interweave 方式下，次级用户在感知到主用户存在时，不发射信号。

但是，由于次级用户本地频谱感知错误的存在，对主用户信号存在漏检的情况，发生漏检的次级用户仍然会在主用户存在时使用主用户授权频段，从而造成对主用户干扰。

特别是当次级用户距离主用户较远时，漏检概率则会更大。

当漏检的次级用户数量较多时，虽然距离主用户较远，但仍然会对主用户造成干扰。

因此，在Interweave 方式下，必须考虑次级用户感知性能中的漏检概率对主用户的影响。

假设次级用户采用能量检测的方法来检测主用户信号是否存在，当次级用户测量的能量值小于感知门限时，次级用户就接入使用该授权频段。

注意到，次级用户对主用户的干扰是发生在主用户存在时，但次级用户没有检测到主用户存在而使用了主用户的授权频段，即次级用户对主用户发生漏检（Miss-detection ）的情况。

当主用户不存在时，次级用户使用主用户授权频段对主用户不会造成影响。

由于对主用户信号发生漏检，次级用户在主用户存在时使用主用户的授权频段，从而对主用户造成了干扰。

由于次级用户位置的不同，距离主用户不同距离的次级用户会接收到的主用户信号的强度各不相同。

因此，不同位置的次级用户对主用户信号检测的漏检概率也不尽相同。

由前面的分析可知，当在主用户存在时，所有对主用户信号的存在发生漏检的次级用户会对主用户造成干扰。

因此，认知无线网络中漏检的次级用户对主用户造成的干扰概率应低于或等于主用户干扰概率限制，即I I P P ≤。

此时，次级用
户在感知到主用户空闲时的最大发射功率*s p 可以在I I P P =时取得。

（3）Overlay 方式下的最大发射功率。

Overlay 方式下，次级用户根据不同的感知结果，采用不同的发射功率。

设主用户存在时，次级用户的发射功率为's p ；主用户空闲时，次级用户的发射功率为''s p 。

对主用户理想感知的情况下，当主用户存在时，次级用户的发射功率's p 为Underlay 方式下的发射功率，当主用户空闲时，次级用户的发射功率''s p 为满足其自身需要的最大功率发射。

然而，实际的频谱感知过程中，次级用户对授权频段的感知存在漏检和虚警。