- 認(rèn)識(shí)本地感知技術(shù)
- 了解協(xié)作感知技術(shù)
- 研究信息融合問(wèn)題
- 采用數(shù)據(jù)融合算法
- 采用決策融合算法
- 利用感知機(jī)制的優(yōu)化
隨著無(wú)線(xiàn)通信業(yè)務(wù)的增長(zhǎng),可利用的頻帶日趨緊張,頻譜資源匾乏的問(wèn)題日益嚴(yán)重。怎樣才能提高頻譜利用率,在不同區(qū)域和不同時(shí)間段里有效地利用不同的空閑頻道,成為人們非常關(guān)注的技術(shù)問(wèn)題。為了解決該問(wèn)題,Joseph Mito1a于1999年在軟件無(wú)線(xiàn)電的基礎(chǔ)上提出了認(rèn)知無(wú)線(xiàn)電的概念,要實(shí)現(xiàn)動(dòng)態(tài)頻譜接入,首先要解決的問(wèn)題就是如何檢測(cè)頻譜空穴,避免對(duì)主用戶(hù)的干擾,也就是頻譜感知技術(shù)。CR用戶(hù)通過(guò)頻譜感知檢測(cè)主用戶(hù)是否存在,從而利用頻譜空穴。
認(rèn)知無(wú)線(xiàn)電(CR)概念由Joseph Mitola博士提出,其主導(dǎo)思想是實(shí)現(xiàn)伺機(jī)的動(dòng)態(tài)頻譜接入,即非授權(quán)用戶(hù)(也稱(chēng)次用戶(hù)或認(rèn)知用戶(hù))通過(guò)檢測(cè),機(jī)會(huì)性地接入已分配給授權(quán)用戶(hù)(或主用戶(hù)) 但暫時(shí)很少使用甚至未被使用的空閑頻段,一旦主用戶(hù)重新接入該頻段,次用戶(hù)迅速騰出信道。這種技術(shù)需解決的首要問(wèn)題就是如何快速準(zhǔn)確地獲取授權(quán)頻譜的使用情況,目前主要有3類(lèi)解決方案:建立數(shù)據(jù)庫(kù)檔案、傳送信標(biāo)信號(hào)和頻譜感知。表1從多個(gè)方面對(duì)3種方案進(jìn)行了比較,其中頻譜感知方案因具有建設(shè)成本低、與現(xiàn)有主系統(tǒng)的兼容性強(qiáng)等突出優(yōu)點(diǎn),得到了大多數(shù)研究學(xué)者的認(rèn)同;另外兩種由于受到政治、經(jīng)濟(jì)等因素的制約而很難實(shí)現(xiàn),對(duì)其研究相對(duì)較少。
頻譜感知,是指認(rèn)知用戶(hù)通過(guò)各種信號(hào)檢測(cè)和處理手段來(lái)獲取無(wú)線(xiàn)網(wǎng)絡(luò)中的頻譜使用信息。從無(wú)線(xiàn)網(wǎng)絡(luò)的功能分層角度看,頻譜感知技術(shù)主要涉及物理層和鏈路層,其中物理層主要關(guān)注各種具體的本地檢測(cè)算法,而鏈路層主要關(guān)注用戶(hù)間的協(xié)作以及對(duì)本地感知、協(xié)作感知和感知機(jī)制優(yōu)化3 個(gè)方面。因此,目前頻譜感知技術(shù)的研究大多數(shù)集中在本地感知、協(xié)作感知和感知機(jī)制優(yōu)化3個(gè)方面。文章正是從這3個(gè)方面對(duì)頻譜感知技術(shù)的最新研究進(jìn)展情況進(jìn)行了總結(jié)歸納,分析了主要難點(diǎn),并在此基礎(chǔ)上討論了下一步的研究方向。
1 本地感知技術(shù)
1.1 主要檢測(cè)算法
本地頻譜感知是指單個(gè)認(rèn)知用戶(hù)獨(dú)立執(zhí)行某種檢測(cè)算法來(lái)感知頻譜使用情況,其檢測(cè)性能通常由虛警概率以及漏檢概率進(jìn)行衡量。比較典型的感知算法包括:
能量檢測(cè)算法,其主要原理是在特定頻段上,測(cè)量某段觀測(cè)時(shí)間內(nèi)接收信號(hào)的總能量,然后與某一設(shè)定門(mén)限比較來(lái)判決主信號(hào)是否存在。由于該算法復(fù)雜度較低,實(shí)施簡(jiǎn)單,同時(shí)不需要任何先驗(yàn)信息,因此被認(rèn)為是CR系統(tǒng)中最通用的感知算法。
匹配濾波器檢測(cè)算法,是在確知主用戶(hù)信號(hào)先驗(yàn)信息(如調(diào)制類(lèi)型,脈沖整形,幀格式)情況下的最佳檢測(cè)算法。該算法的優(yōu)勢(shì)在于能使檢測(cè)信噪比最大化,在相同性能限定下較能量檢測(cè)所需的采樣點(diǎn)個(gè)數(shù)少,因此處理時(shí)間更短。
循環(huán)平穩(wěn)特征檢測(cè)算法,其原理是通過(guò)分析循環(huán)自相關(guān)函數(shù)或者二維頻譜相關(guān)函數(shù)的方法得到信號(hào)頻譜相關(guān)統(tǒng)計(jì)特性,利用其呈現(xiàn)的周期性來(lái)區(qū)分主信號(hào)與噪聲。該算法在很低的信噪比下仍具有很好的檢測(cè)性能,而且針對(duì)各種信號(hào)類(lèi)型獨(dú)特的統(tǒng)計(jì)特征進(jìn)行循環(huán)譜分析,可以克服惡意干擾信號(hào),大大提高檢測(cè)的性能和效率。
協(xié)方差矩陣檢測(cè)算法,利用主信號(hào)的相關(guān)性建立信號(hào)樣本協(xié)方差矩陣,并以計(jì)算矩陣最大、最小特征值比率的方法做出判決。文獻(xiàn)[1]提出基于過(guò)采樣接收信號(hào)或多路接收天線(xiàn)的盲感知算法。通過(guò)對(duì)接收信號(hào)矩陣的線(xiàn)性預(yù)測(cè)和奇異值分解(QR)得到信號(hào)統(tǒng)計(jì)值的比率來(lái)判定是否有主用戶(hù)信號(hào)。
[page]
以上這些算法都是對(duì)主用戶(hù)發(fā)射端信號(hào)的直接檢測(cè),基本都是從經(jīng)典的信號(hào)檢測(cè)理論中移植過(guò)來(lái)的。此外,近期一些文獻(xiàn)從主用戶(hù)接收端的角度提出了本振泄露功率檢測(cè)和基于干擾溫度的檢測(cè)。有些文獻(xiàn)對(duì)經(jīng)典算法進(jìn)行了改進(jìn),如文獻(xiàn)[2]提出了一種基于能量檢測(cè)-循環(huán)特征檢測(cè)結(jié)合的兩級(jí)感知算法。文獻(xiàn)[3]研究了基于頻偏補(bǔ)償?shù)钠ヅ錇V波器檢測(cè)、聯(lián)合前向和參數(shù)匹配的能量檢測(cè)、多分辨率頻譜檢測(cè)和基于小波變換頻譜檢測(cè)等。表2歸納了文獻(xiàn)中提及較多的一些感知算法,并對(duì)其優(yōu)缺點(diǎn)進(jìn)行了比較。 1.2 有待解決的問(wèn)題
單用戶(hù)本地感知主要面臨以下挑戰(zhàn):首先,對(duì)感知設(shè)備提出了較高的硬件要求,如高速高分辨率的數(shù)模轉(zhuǎn)換器、高速的信號(hào)處理器、寬帶射頻(RF)單元、單 /雙鏈路結(jié)構(gòu)等等,以達(dá)到所需的檢測(cè)速度和靈敏度;其次,由于多徑衰落、陰影和本地干擾等因素的影響,單用戶(hù)本地頻譜檢測(cè)往往不能獲得滿(mǎn)意的性能。再次,如何檢測(cè)基于擴(kuò)頻技術(shù)的主用戶(hù)信號(hào)也是個(gè)難點(diǎn)問(wèn)題。
Ghasemi將頻譜感知的主要難點(diǎn)問(wèn)題歸結(jié)于3種不確定性:信道不確定性,即在陰影、衰落信道中,認(rèn)知用戶(hù)很難從噪聲背景下區(qū)分出經(jīng)歷深衰落的主信號(hào);噪聲不確定性,主要是能量檢測(cè)的性能會(huì)因?yàn)樵肼暪烙?jì)的偏差受到嚴(yán)重影響;聚合干擾不確定性,當(dāng)網(wǎng)絡(luò)中存在多個(gè)認(rèn)知用戶(hù)時(shí),單個(gè)認(rèn)知用戶(hù)的發(fā)射可能不會(huì)干擾主用戶(hù),但是多個(gè)用戶(hù)同時(shí)發(fā)射可能會(huì)超過(guò)主用戶(hù)的干擾溫度門(mén)限(最大干擾的容忍程度)。
基于以上分析,下一步的主要研究方向包括:針對(duì)衰落、陰影等惡劣的信道環(huán)境,研究能量檢測(cè)、循環(huán)特征檢測(cè)等算法的改進(jìn)或者進(jìn)一步探討更為新穎的感知算法;針對(duì)正交頻分復(fù)用技術(shù)(OFDM)頻譜池系統(tǒng)的多帶檢測(cè)算法;將傳統(tǒng)的時(shí)域、頻域、空域的三維信號(hào)檢測(cè)進(jìn)行拓展,并研究包括角度、編碼等維度的多維頻譜感知算法。
2 協(xié)作感知技術(shù)
為了克服本地檢測(cè)的弊端,進(jìn)一步提高檢測(cè)性能,協(xié)作感知得到了廣泛而深入的研究。通過(guò)不同次用戶(hù)間的交互與協(xié)作,不僅僅能降低各認(rèn)知用戶(hù)的檢測(cè)靈敏度需求,大幅度提高認(rèn)知用戶(hù)的捷變能力,還能有效緩解"隱藏終端"問(wèn)題以及噪聲不確定性等問(wèn)題。
[page]
2.1 協(xié)作方案的分類(lèi)
根據(jù)協(xié)作網(wǎng)絡(luò)結(jié)構(gòu)和協(xié)作策略選擇不同,協(xié)作感知方案可分兩類(lèi):
(1)集中式協(xié)作感知
這種方案中,通常有一個(gè)中心基站(或接入點(diǎn))和多個(gè)參與協(xié)作的認(rèn)知用戶(hù)(也稱(chēng)認(rèn)知節(jié)點(diǎn)),并且需要專(zhuān)用控制信道將各用戶(hù)本地感知信息傳送到中心點(diǎn)進(jìn)行融合處理以及最終判決。
目前大部分文獻(xiàn)研究的都是該類(lèi)型的協(xié)作感知。Cabric等人于2004年開(kāi)始這方面研究,指出集中式協(xié)作感知可以減小多徑衰落信道的影響,改善檢測(cè)性能,并分析了節(jié)點(diǎn)數(shù)、門(mén)限值等參數(shù)的選取以及陰影相關(guān)性對(duì)協(xié)作的影響[4].隨后,Ghasemi更加詳細(xì)討論了在獨(dú)立同分布(I.I.D.)瑞利衰落信道和對(duì)數(shù)正態(tài)分布陰影信道條件下,基于能量檢測(cè)和硬融合的協(xié)作感知方案的檢測(cè)性能及其對(duì)頻譜利用率、檢測(cè)靈敏度、檢測(cè)時(shí)間帶寬積、噪聲不確定性抵抗能力的影響。文獻(xiàn)[5]還從聚合干擾的角度,進(jìn)一步分析了協(xié)作感知對(duì)于聚合干擾分布的影響,并在給定干擾概率情況下,給出了單用戶(hù)感知靈敏度和協(xié)作半徑之間的權(quán)衡。
(2)分布式協(xié)作感知
分布式協(xié)作感知中,各協(xié)作節(jié)點(diǎn)彼此可以交互和共享感知信息,并分別對(duì)各自感興趣的頻譜做最終判決。該方案最大的好處是簡(jiǎn)化了認(rèn)知網(wǎng)絡(luò)結(jié)構(gòu),因而減小了開(kāi)銷(xiāo)成本。
2005年,G.Ganesan等人提出了基于前向放大協(xié)議的中繼協(xié)作感知方案,主要原理是在時(shí)分多址(TDMA)系統(tǒng)中,各協(xié)作用戶(hù)間以正交方式傳輸,一旦某個(gè)次用戶(hù)檢測(cè)到主用戶(hù)信息,則在下個(gè)時(shí)隙發(fā)送本身信號(hào)的同時(shí)轉(zhuǎn)發(fā)檢測(cè)到的主信號(hào)給鄰近的次用戶(hù),再退出頻段。該方案利用了網(wǎng)絡(luò)所固有的非對(duì)稱(chēng)性來(lái)提高增益,同樣可以降低檢測(cè)時(shí)間,保持較低的中斷概率,從而提高網(wǎng)絡(luò)的捷變性。
2.2 信息融合問(wèn)題
傳統(tǒng)的數(shù)據(jù)融合是指多傳感器的數(shù)據(jù)在一定準(zhǔn)則下加以自動(dòng)分析、綜合以完成所需的決策和評(píng)估而進(jìn)行的信息處理過(guò)程。信息融合最早用于軍事領(lǐng)域,定義為一個(gè)處理探測(cè)、互聯(lián)、估計(jì)以及組合多源信息和數(shù)據(jù)的多層次多方面過(guò)程,以便獲得準(zhǔn)確的狀態(tài)和身份估計(jì)、完整而及時(shí)的戰(zhàn)場(chǎng)態(tài)勢(shì)和威脅估計(jì)。它強(qiáng)調(diào)信息融合的三個(gè)核心方面:第一,信息融合是在幾個(gè)層次上完成對(duì)多源信息的處理過(guò)程,其中每一層次都表示不同級(jí)別的信息抽象;第二,信息融合包括探測(cè)、互聯(lián)、相關(guān)、估計(jì)以及信息組合;第三,信息融合的結(jié)果包括較低層次上的狀態(tài)和身份估計(jì),以及較高層次上的整個(gè)戰(zhàn)術(shù)態(tài)勢(shì)估計(jì)。多傳感器數(shù)據(jù)融合是人類(lèi)或其他邏輯系統(tǒng)中常見(jiàn)的功能。人非常自然地運(yùn)用這一能力把來(lái)自人體各個(gè)傳感器(眼、耳、鼻、四肢)的信息(景物、聲音、氣味、觸覺(jué))組合起來(lái),并使用先 驗(yàn)知識(shí)去估計(jì)、理解周?chē)h(huán)境和正在發(fā)生的事件。
2.2.1 數(shù)據(jù)融合算法
隨著計(jì)算機(jī)技術(shù)、通信技術(shù)的快速發(fā)展,且日趨緊密地互相結(jié)合,加之軍事應(yīng)用的特殊迫切需求,作為數(shù)據(jù)處理的新興技術(shù)--數(shù)據(jù)融合技術(shù),在近10年中得到驚人發(fā)展并已進(jìn)入諸多軍事應(yīng)用領(lǐng)域。數(shù)據(jù)融合技術(shù),包括對(duì)各種信息源給出的有用信息的采集、傳輸、綜合、過(guò)濾、相關(guān)及合成,以便輔助人們進(jìn)行態(tài)勢(shì)/環(huán)境判定、規(guī)劃、探測(cè)、驗(yàn)證、診斷。這對(duì)戰(zhàn)場(chǎng)上及時(shí)準(zhǔn)確地獲取各種有用的信息,對(duì)戰(zhàn)場(chǎng)情況和威脅及其重要程度進(jìn)行適時(shí)的完整評(píng)價(jià),實(shí)施戰(zhàn)術(shù)、戰(zhàn)略輔助決策與對(duì)作戰(zhàn)部隊(duì)的指揮控制,是極其重要的。未來(lái)戰(zhàn)場(chǎng)瞬息萬(wàn)變,且影響決策的因素更多更復(fù)雜,要求指揮員在最短的時(shí)間內(nèi),對(duì)戰(zhàn)場(chǎng)態(tài)勢(shì)作出最準(zhǔn)確的判斷,對(duì)作戰(zhàn)部隊(duì)實(shí)施最有效的指揮控制。而這一系列"最"的實(shí)現(xiàn),必須有最先進(jìn)的數(shù)據(jù)處理技術(shù)做基本保證。否則再高明的軍事領(lǐng)導(dǎo)人和指揮官也會(huì)被浩如煙海的數(shù)據(jù)所淹沒(méi),或?qū)е屡袛嗍д`,或延誤決策喪失戰(zhàn)機(jī)而造成災(zāi)難性后果。
數(shù)據(jù)融合傳送的是檢測(cè)信息,因而要求控制信道的帶寬比較寬,傳送開(kāi)銷(xiāo)也比較大。對(duì)于強(qiáng)調(diào)頻譜效率的CR系統(tǒng)來(lái)說(shuō),為了追求協(xié)作增益而付出巨大的協(xié)作帶寬代價(jià),顯得有些得不償失。
2.2.2 決策融合算法
各個(gè)協(xié)作節(jié)點(diǎn)獨(dú)立地處理觀測(cè)數(shù)據(jù)并做出決策,發(fā)送其決策結(jié)果至信息融合中心進(jìn)行最終判決,這種算法稱(chēng)為決策融合算法。依據(jù)各節(jié)點(diǎn)決策的權(quán)重是否相同,可將其分為決策硬融合和決策軟融合。
在這一層次上,情報(bào)中心送來(lái)的綜合情報(bào)是態(tài)勢(shì)評(píng)估的基本輸入,融合的結(jié)果要為部隊(duì)行動(dòng)和已方武器系統(tǒng)應(yīng)作出的反應(yīng)實(shí)時(shí)生成預(yù)案,并對(duì)態(tài)勢(shì)發(fā)展和決策進(jìn)行檢驗(yàn)和分析,為指揮員提供優(yōu)化后的決策建議。在指揮中心,指揮員借助指揮系統(tǒng),根據(jù)情報(bào)中心進(jìn)行融合后送來(lái)的綜合情報(bào)、上級(jí)要求和作戰(zhàn)命令,以及我方實(shí)際兵力和武器群的布局、特性能力,進(jìn)行決策融合 C3I 系統(tǒng)中最高層次的信息融合。這一層次智能性強(qiáng),甚至可以說(shuō)是一種知識(shí)融合,因?yàn)樗兄笓]所各個(gè)方向室和要素的對(duì)策和建議,判別和分析態(tài)勢(shì),制定和分發(fā)計(jì)劃,指導(dǎo)和監(jiān)督戰(zhàn)斗。決策融合就是要從這三個(gè)方面幫助指揮員認(rèn)清態(tài)勢(shì)的變化并作出反應(yīng)。
除了K/N準(zhǔn)則外,文獻(xiàn)[8]提出一種基于雙門(mén)限能量檢測(cè)的協(xié)作感知方法,用到了"n比例"邏輯準(zhǔn)則,將決策為1的節(jié)點(diǎn)數(shù)與決策為0的節(jié)點(diǎn)數(shù)之間的比值與門(mén)限進(jìn)行比較做出最終判決。
決策軟融合算法是根據(jù)不同信道條件下各節(jié)點(diǎn)檢測(cè)結(jié)果的置信度不同,將檢測(cè)信息進(jìn)行決策加權(quán)或者其他形式的處理后再進(jìn)行融合。此算法實(shí)現(xiàn)了檢測(cè)性能和傳送開(kāi)銷(xiāo)之間的折中。
[page]
1 bit的最優(yōu)判決融合準(zhǔn)則是Chair-Varneshney準(zhǔn)則。該準(zhǔn)則基于對(duì)數(shù)似然比準(zhǔn)則,通過(guò)比較假設(shè)下的條件似然比與貝葉斯最優(yōu)門(mén)限,做出判決。條件似然比可通過(guò)各節(jié)點(diǎn)的虛警概率和檢測(cè)概率計(jì)算得到,但需要知道主用戶(hù)先驗(yàn)概率。文獻(xiàn)[9]提出改進(jìn)的Chair-Varshney融合方法,在似然比檢測(cè)基礎(chǔ)上充分利用信道占用的統(tǒng)計(jì)特性,并考慮各個(gè)次用戶(hù)檢測(cè)機(jī)制差異性、決策時(shí)間差以及融合滯后時(shí)間,因此適用于單或多bit的同步感知以及異步感知場(chǎng)景。
近期研究軟融合算法的文獻(xiàn)還有很多:如基于D-S證據(jù)理論的融合算法,綜合考慮了節(jié)點(diǎn)的檢測(cè)結(jié)果和置信度,且融合中心不需要節(jié)點(diǎn)先驗(yàn)信息,因此有很強(qiáng)實(shí)用性。Jun Ma等人提出的2 bit量化決策加權(quán)軟融合算法,通過(guò)設(shè)置3個(gè)檢測(cè)門(mén)限將能量分為4個(gè)區(qū)域,從而使檢測(cè)結(jié)果最終以2 bit形式傳送給中心進(jìn)行加權(quán)求和并最終判決,該算法實(shí)現(xiàn)了協(xié)作開(kāi)銷(xiāo)和檢測(cè)性能之間的合理折中。文獻(xiàn)[10]將各節(jié)點(diǎn)的相關(guān)性考慮進(jìn)去,提出了一種基于偏移準(zhǔn)則的線(xiàn)性二次的次最佳融合方案。模糊綜合評(píng)估協(xié)作感知方案則是用模糊綜合評(píng)估方法得到各個(gè)次用戶(hù)信任度再融合,從而提高決策可靠性。此外,根據(jù)歷史判決數(shù)據(jù)的可靠性進(jìn)行動(dòng)態(tài)加權(quán)的感知算法,也能有效地提高檢測(cè)性能。
綜上所述,可將主要的信息融合算法歸納如表3所示。
2.3 有待解決的問(wèn)題
(1) 協(xié)作感知的性能與協(xié)作用戶(hù)數(shù)量、各用戶(hù)門(mén)限值的確定及位置分布情況等因素密切相關(guān)。因而如何選取這些協(xié)作感知參數(shù)以獲得最佳的檢測(cè)性能,是協(xié)作感知研究的重要內(nèi)容。此外,協(xié)作感知屬于媒體訪問(wèn)控制(MAC)層的感知技術(shù),所以還涉及到跨層設(shè)計(jì)方面的研究。
(2) 信息融合算法會(huì)直接影響協(xié)作增益和系統(tǒng)開(kāi)銷(xiāo)。一方面,決策融合雖然簡(jiǎn)單容易實(shí)現(xiàn),但是其協(xié)作增益非常有限,當(dāng)信道不均勻或者存在惡意用戶(hù)時(shí),協(xié)作性能將急劇惡化;另一方面數(shù)據(jù)融合協(xié)作增益大,但是對(duì)控制信道的帶寬需求較大。如何在協(xié)作性能和系統(tǒng)開(kāi)銷(xiāo)二者之間尋找合理折中是協(xié)作感知研究的熱點(diǎn)。
(3) 惡意攻擊或突發(fā)故障是協(xié)作感知中不容忽視的安全問(wèn)題。為此,文獻(xiàn)[11]提出了一種應(yīng)對(duì)存在惡意或自私節(jié)點(diǎn)場(chǎng)景的協(xié)作感知安全方案,以提高網(wǎng)絡(luò)安全性。文獻(xiàn)[12]提出一種加權(quán)序貫檢測(cè)方案(WSPRT),采用雙門(mén)限值檢測(cè),并通過(guò)一定規(guī)則動(dòng)態(tài)更新每個(gè)用戶(hù)的置信度權(quán)值,有效降低了惡意節(jié)點(diǎn)對(duì)最終判決的影響。
(4) 現(xiàn)在的研究大多是集中在單個(gè)感知用戶(hù)網(wǎng)絡(luò)參與協(xié)作的情形,基于網(wǎng)絡(luò)層的多感知用戶(hù)網(wǎng)絡(luò)間的協(xié)作也可能是未來(lái)研究的一個(gè)方向。
[page]
3 感知機(jī)制的優(yōu)化
Ghasemi和Hyoil Kim等人最先提出了感知機(jī)制的優(yōu)化問(wèn)題,主要關(guān)注感知模式的選擇和感知參數(shù)的優(yōu)化。CR網(wǎng)絡(luò)下,次用戶(hù)的伺機(jī)動(dòng)態(tài)接入頻譜過(guò)程通??煽闯蓛煞N感知場(chǎng)景:信道搜索和信道監(jiān)視。信道搜索是指次用戶(hù)需要搜索各個(gè)信道,尋找可用于傳輸?shù)目臻e頻譜。信道監(jiān)視則是指次用戶(hù)必須周期性地檢測(cè)主用戶(hù)信號(hào),以避免對(duì)重新出現(xiàn)的主用戶(hù)造成干擾。檢測(cè)周期、檢測(cè)時(shí)間和搜索時(shí)間的參數(shù)如何選取,以及采用何種感知模式和信道搜索方式,才能使感知效果最優(yōu),這都是感知機(jī)制的優(yōu)化問(wèn)題。
頻譜感知模式通常分為被動(dòng)感知和主動(dòng)感知。被動(dòng)感知模式下,次用戶(hù)只有在需要進(jìn)行數(shù)據(jù)傳輸時(shí)才啟動(dòng)感知,通常只能使用一個(gè)空閑信道進(jìn)行傳輸,并周期性監(jiān)測(cè)該信道。而主動(dòng)感知模式下,不管是否有數(shù)據(jù)傳輸需要,次用戶(hù)都周期性地檢測(cè)各個(gè)信道。兩種感知模式都要避免對(duì)重新出現(xiàn)的主用戶(hù)造成干擾,因此一旦發(fā)現(xiàn)當(dāng)前信道不可用時(shí),需立即啟動(dòng)搜索,直到檢測(cè)到某個(gè)空閑信道后停止搜索并開(kāi)始新的傳輸。相比而言,主動(dòng)感知方式需要檢測(cè)多個(gè)子信道,能量和時(shí)間開(kāi)銷(xiāo)比被動(dòng)感知方式有所增大,但它可以提高傳輸速率,并且減小認(rèn)知用戶(hù)被迫進(jìn)行信道搜索而導(dǎo)致服務(wù)質(zhì)量(QoS)降低的概率,同時(shí)還可以積累大量頻譜信息,在重新進(jìn)行信道搜索時(shí)優(yōu)化搜索方式以提高信道切換能力。
下步的研究方向主要包括:信道占用模型可適當(dāng)擴(kuò)展更一般的情況;分布式協(xié)作感知機(jī)制的優(yōu)化問(wèn)題;基于循環(huán)平穩(wěn)特征檢測(cè)等方法下的感知機(jī)制優(yōu)化;認(rèn)知用戶(hù)之間的干擾可能對(duì)感知機(jī)制優(yōu)化的影響;不同的信道條件下,非固定檢測(cè)周期和搜索次序的感知機(jī)制優(yōu)化;綜合考慮最小化主用戶(hù)干擾、最大化感知性能、最優(yōu)化 QoS等多種優(yōu)化目標(biāo);綜合考慮應(yīng)用層需求、物理層算法和鏈路層協(xié)作與控制等跨層設(shè)計(jì)優(yōu)化問(wèn)題。
4 結(jié)束語(yǔ)
文章主要從本地感知、協(xié)作感知以及感知機(jī)制的優(yōu)化3個(gè)方面,對(duì)認(rèn)知無(wú)線(xiàn)電頻譜感知技術(shù)的研究和發(fā)展?fàn)顩r進(jìn)行了綜述,并對(duì)下一步有待解決的難點(diǎn)問(wèn)題進(jìn)行了討論。盡管還面臨諸多的技術(shù)挑戰(zhàn),但隨著研究不斷深入,相信在不久的將來(lái),認(rèn)知無(wú)線(xiàn)電技術(shù)必將日趨成熟,為無(wú)線(xiàn)通信帶來(lái)新的發(fā)展契機(jī)和動(dòng)力。