认知无线电频谱分配技术及其应用分析

华中科技大学

毕业论文

认知无线电频谱分配技术

题 目：

及其应用分析

认 知 无 线 电 频 谱 分 配 技 术 及 其 应 用 研 究

2010年 月 日

认知无线电频谱分配技术

及其应用分析

摘要

近年来，随着无线通信技术的不断发展，频谱资源的使用日趋频繁，整个无线电频谱空间被划分的所剩无几。然而，从一些研究结果可以看到，频谱资源的缺乏更多是由于对不同无线接入技术的频谱分配不合理引起的。认知无线电技术在这样的背景下应运而生，它能够主动检测频谱使用情况，自适应的改变自身通信参数，择机的选择主用户暂不使用的频段进行通信，具有灵活、频谱利用率高等优点。

但是，对频谱的灵活应用要求认知无线电系统能够准确的检测并动态的分配频谱资源，其间还要为主用户的出现实现退避和切换功能，因此，频谱分配问题是认知无线电无线资源管理中的核心问题之一。目前，对认知无线电中的频谱分配问题研究已较为广泛，出现了基于图论理论等频谱分配问题模型，但是本领域的研究还刚刚开始。

本文首先对CR和频谱分配做简要介绍，主要阐述认知无线电的基本原理、功能，另外，着重介绍了认知无线电中频谱分配技术。然后，对频谱分配问题模型进行分析和比较，最后介绍CR在频谱分配的应用，并对结论和发展进行简单叙述。

关键词：认知无线电、频谱分配、图论理论

Cognitive radio spectrum allocation techniques

And Its Application

Abstract

In recent years, with the continuous development of wireless communications technology, the increasingly frequent use of spectrum resources, the entire radio spectrum is divided into the little remaining space. However, the results can be seen from some of the spectrum is due to lack of resources more different wireless access technologies due to spectrum allocation is unreasonable. Cognitive radio technology emerged in this context, it can take the initiative to detect spectrum use, adaptive changes in their own communication parameters, choose the choice of the main users of the band temporarily used to communicate with a flexible, high spectral efficiency advantages .

However, application requirements and flexible spectrum of cognitive radio system can accurately detect and dynamic allocation of spectrum resources, during which even the appearance of the user to achieve the main retreat and switching functions, therefore, the spectrum allocation problem is the radio resource management in cognitive radio One of the core issues. Currently, cognitive radio spectrum allocation in the wider Wen Ti research has emerged based on graph theory problem of spectrum allocation model, However, we welcome in the field of research has just Kaishi.

This article first CR and a brief description of spectrum allocation, mainly elaborated the basic principles of cognitive radio functions, also highlights the spectrum allocation in cognitive radio technology. Then, on the issue of spectrum allocation model analysis and comparison, and finally introduces the application of CR in the spectrum allocation, and the conclusions and the development of a simple narrative.

Keywords: cognitive radio, spectrum allocation, based on graph theory

目录

摘要 ............................................................................................................................. 2 Abstract ..................................................................................................................... 3 第一章 CR现状及频谱分配的研究现状 ............................................ 5

1.1

CR的现状 ....................................................................................................... 5

1.2 频谱分配的现状..................................................................................................... 6

第二章 CR基本原理和频谱分配技术分析介绍 ............................ 8

2.1认知无线电的基本概念.......................................................................................... 8 2.2认知无线电频谱分配原理...................................................................................... 9 2.3 频谱分配的特点................................................................................................... 11

第三章 CR频谱分配方案分析及比较 ................................................ 15

3.1认知无线电频谱分配问题模型介绍.................................................................... 15 3.2 基于图论着色模型的现有算法........................................................................... 19 3.3 频谱分配算法的比较........................................................................................... 26 第四章 CR频谱分配的应用 ..................................................................................... 28 4.1 应用场景............................................................................................................... 28 4.2 CR典型应用 ......................................................................................................... 29

第5章 结论与展望 ........................................................................................ 34 致 谢...................................................................................................................... 35 参考文献 ................................................................................................................ 36

第一章 CR现状及频谱分配的研究现状

在当今的这个社会快速发展的信息时代，随着无线通信技术的快速发展及无

线业务的逐渐扩展，可用的频谱资源越来越少。日益增加的无线电用户的使用，使得频谱资源越来越紧张，而现阶段使用到的频谱只占所有可用频谱的2%到6%，因此，使用下一代无线服务所需的可用频谱并不短缺。现代无线通信系统中使用频谱资源的分配是由无线电管理机构确定的，目前采用的是基于静态固定定频带分配是当前频谱资源短缺的主要原因之一。而在低于3GHz的频谱的分配和使用过程中发生过激烈的竞争，于此同时在高于3GHz的频谱利用情况上却表现出明显不同，然而我们从时域和空域的两种角度看，还是有很多未被充分利用的空白频段。实际上，现在大多数频域中频谱资源利用率仍然很低，据美国权威机构测定，已经分配的频谱资源中有70%以上没有得到充分的利用，这个数据显然和当前广泛关注的频谱资源短缺相互矛盾，因此，我们需要有一种可以解决的方法使它可以动态管理频谱，而认知无线电就是被认为是一种现阶段解决方案。

1.1 CR的现状

CR技术对现存的无线频谱固定分配制度提出了挑战。对此一些频谱管制部门如FCC和英国通信办公室（Ofcom，Office of Communications）等给予了积极的支持。2002年12月，FCC指出非授权设备应具备能够识别未占用频段的能力；2003年11月，FCC提出新的量化和管理干扰的指标值——干扰温度的概念，以扩展移动动和卫星频段的非授权操作；同年12月FCC成立了CR工作组，明确表示支持CR并修正了美国的《电波法》；2004年5月，FCC又建议非授权无线电可在TV广播频段内操作。与此同时，Ofcom也将CR引入其近期的频谱框架概述报告书中。

在频谱政策管制部门的带动下，一些标准化组织接纳了CR并先后制定了一系列标准以推动该技术的发展。IEEE 802.22工作组对基于CR的无线区域网络（WRAN，Wireless Regional Rrea Network）的空中接口标准正在制定中，目标是将分配给电视广播的VHF/UHF频带的空闲频道有效利用作为宽带访问线路；IEEE802.16第h任务小组通过增强链路路层的感知和协调能力包括基站间协议来实现基于WiMAX的非授权系统及其与授权系统之间的共存和互通；IEEE802.11第h和k任务小组分别通过增强动态信道选择和发送功率控制机制

以及增强射频谱资源测量机制等来实现与其它免授权系统的共存；IEEE1900标准组也在进行与下一代无线通信技术和高级频谱管理技术相关的电磁兼容研究。目前软件无线电论坛的CR工作组主要致力于开展CR平台的分析和多模式调整功能的研究。此外，TIU-R于2006年3月提出一项新的建议，将CR单独设为一个课题进行研究，说明ITU也已经充分认识到CR技术在未来通信发展中的重要意义。

1.2 频谱分配的现状

目前随着无线通信业务需求的快速增长，可用频谱资源变得越来越稀缺。人们通过采用先进的无线通信理论和技术，如链路自适应技术、多天线技术等努力提高频谱效率的同时，却发现全球授权频段，尤其是信号传播特性比较好的低频段的频谱利用率极低。以美国为例，美国联邦委员会（FCC，Federal Communications Commission）的大量研究报告说明频谱的利用情况极不平衡，一些非授权频段占用拥挤，而有些授权频段则经常空闲[1]。来自美国国家无线电网络研究实验床（NRNRT，National Radio Network Research Testbed）项目的一份测量报告表明3GHz以下频段的平均频谱利用率仅有5.2%[2]。因此近几年来，能够对不可再生的频谱资源实现再利用的频谱共享技术受到了人们的广泛关注。

现有的频谱共享技术，如工业、科学和医用（ISM，Industrial，Scientific，and Medical）频段开放接入、工作于3GHz~10GHz频段的超宽带（UWB，Ultra-Wide Band）系统与传统窄带系统共存等技术通常应用于固定频段的共享，或受限于发送功率的短距离通信。这些技术在提高频谱利用率的同时却增加了干扰，限制了通信系统的容量和灵活性。认知无线电[3]种更只能的频谱共享技术，能够依靠人工智能的支持，感知无线通信环境，根据一定的学习和决策算法，实时自适应地改变系统工作参数，动态的检测和有效地利用空闲频谱，理论上允许在时间、频率以及空间上进行多维的频谱复用。这将大大降低频谱和带宽的限制对无线技术发展的束缚。

出于CR网络中用户对带宽的需求、可用信道的数量和位置都是随时变化的，传统无线蜂窝一定通信系统动态频谱分配方法不完全适用。另外要实现完全动态频谱分配（Fully DSA）受到很多政策、标准及接入协议的限制。因此目前基于CR的DSA的研究主要基于频谱共享池（Spectrum Pooling）这一策略。频谱共

享池的基本思想是将一部分分配给不同业务的频谱合并成一个公共的频谱池，并将整个频谱池划分为若干个子信道，因此信道是频谱分的基本单位。基于频谱共享池策略的DSA是以最大化信道利用率为主要目标同时考虑干扰的最小化和接入的公平性。

同时很多研究以图着色理论为工具丰富了认知无线电DSA领域。Wang和Liu提出了以图着色理论对认知无线电频谱分配问题进行建模并提出了近似最优化的频谱分配算法[8]，Peng和Zheng等人相继提出来标签机制，可区分用户的优先级，相对于经典的频谱分配算法得到50%的性能改善[2]；Cao等人提出的本地讨价还价（Local Bargaining）算法，采用公平的业务保证机制，可提供文献[1]和[2]中相近的性能，但明显降低了系统的复杂性[3]。虽然这些方法都取得了一些进步，但这些基于合作的方法为了共享相邻用户频繁交换的协作信息，需要公共的协调协议和通信链路，必然会增加系统的复杂性和额外开销。这对于能量受限的通信系统，如Ad Hoc、无线传感器网络等并不适用。针对以上问题，Zheng等人提出了基于设备的频谱管理（相对于基于政策的频谱管理）方案[4]。其基本思路是用户通过观察本地干扰码型，依据预先设定的适用于不同场景的规则独立决策选择信道，从而使系统的性能、复杂度和通信成本取得折衷，因此该方法也称为基于规则的方法。实验结果表明相对于合作方法，这种基于规则的方法可在提供相同通信性能的前提下将通信成本降低3~4倍。

无论是基于合作的方法还是基于规则的方法，大多是用来解决多个CR用户直接如何选择频谱以最大化利用率的问题。而当授权用户再次出现时也需考虑其信道选择的方案。Capar等人在该领域做了初步探索。他们基于排队论模型提出了两种接入方案[5]：具有控制信道的分配和无控制信道的分配。前者是只要频谱池有空闲的子信道，授权用户就可以选择空闲信道而不中断CR用户的通信：后者是授权用户并不考虑用户是否占用信道，只需要就占用原信道。这两种方案中，带宽利用率和阻塞率无明显差别，而无控制信道的分配方案的强制中断率比较高，可采用智能调度算法来降低。

第二章 CR基本原理和频谱分配技术分析介绍

2.1认知无线电的基本概念

对于认知无线电的定义有不同的观点，一下定义是作者在以Mitola为首的瑞典皇家学院、以Rieser为首的维吉尼亚技术中心和FCC的观点的基础上，并结合自己长期的课题研究经验提出的：

认知无线电可感知无线通信环境、并可根据一定的学习决策算法，实时、自适应地改变系统工作参数。它有两个目标：

（1） 有效地提高频谱利用率 （2） 有效地提高通信的可靠性

John Notor认为软件无线电（Software Defined Radio, SDR）不是CR实现的必然条件，CR也不是SDR的发展，它们之间是重叠关系[7]。

概括来说，认知无线电是一种能够依靠人工智能的支持，感知无线通信环境，根据一定的学习和决策算法，实时、自适应地改变系统工作参数，动态地检测和有效地利用空闲频谱的无线电[8]。

发射 RF检测 信号 空闲 信道 发射功率控制频谱资源管理 无线信道分析 无线信道环境 干扰温度 信道容量 发射机 信 道 状 态 估 计 预测建模 接收机 图2-1 认知无线电认知循环模型 图 2-1 描述了认知无线电认知循环模型，可以看出，认知无线电系统通过分析外部环境提供的激励来认识它通信的任务内容，然后对接收和发送的内容进行分析，再选择合适的解决方式，目的是为了实现通信的高可靠性和频谱的高利

用率。

由于认知无线电技术尚处于起步阶段，对于该技术的主要功能还处于讨论过程中。从比较完整的意义上一般认为，认知无线电系统应该具备检测、分析、调整等能力[9]。事实上，这些具体功能就是一个认知循环的主要组成部分。 （1）检测

由特殊应用环境所决定，认知无线电必须具备精确的无线频谱检测能力，必须在可使用的全频段范围内维度进行频谱检测，从而发现可使用的频段。由于是免许可使用，认知无线电必须具备迅速发现住用户的能力，在工作过程中时刻检测住用户是否处于活动状态，从而确保不对其产生干扰。 （2）分析

认知分析包括对自身性能、网络内部状态、外部相关数据（包括频谱使用、策略使用等）和用户自身需求等相关知识的分析。如果说检测是信息的获取，那么分析就是对相关信息的初步处理。认识无线电设备通过所获取的频谱检测结果分析主用户的位置、使用的频点和发射时间，同时分析可用频点位置、可用带宽、信道状况、自身传输可能会对其他用户产生的影响以及完成业务传输所需的带宽和时间等等。 (3) 调整

调整能力是完成传输的关键，根据检测和分析的相关结果，认知无线电设备通过先进的功率控制技术、不同的编码以及雕制技术，选择合适的频点和发射时机，从而成功地完成传输。这就要求认知无线电设备能够在较宽的频段内实现不同传输方案之间的切换，并且在突发事件发生后能够及时暂停或恢复传输，确保在不干扰首要用户的情况下获取最大限度的传输能力。

2.2认知无线电频谱分配原理

认知无线电的频谱分配与其它通信系统分配具有很多共同的特性，但由于认知无线电自身择机借用户频谱的特点，其频谱分配也必须满足一些特殊的要求，具体的频谱分配原理有如下：

（1）保证灵活性。认知无线电是能够检测可用频谱资源，择机的借用主用户频谱进行通信的无线电。因此，可用频谱的必须实时更新，而一旦主用户恢复对某段频谱空间的使用，认知用户就必须在较短时间内退出该频段，选择其它的

频段进行通信。这样一来，认知无线电中的频谱分配技术区别与其它无线通信频谱分配的最主要特点就是保证灵活性[10]。认知无线电任何频谱分配技术的研究都要有较强的频谱退避和转换功能，而由于可用频谱信息的不断更新，相应的频谱分配算法也必须满足实时性的要求。

（2）提高系统性能。频谱分配技术的主要目的是对可用频谱空间进行合理的分配，使得系统性能得到改善或逼近于最优状态。根据不同应用需要，某个认知系统对性能发要求也可能不一样。比如最小化系统干扰为目的、以提高频谱分配公平性为目标、以最大化系统吞吐量为目标等等。我们可以根据不同的系统应用需要，提出不同的算法目标函数，以此指导频谱分配算法的设计。

（3）减少信令开销和计算量。频谱分配算法的设计无疑需要一定的算法信令传输并占用一定的计算时间，这些都可看成分配功能，因此，频谱分配算法的设计必须考虑用户间以及用户与中心控制器之间控制信令的杂程度，分布于用户或者中心控制器上的算法计算量也是需要考虑的一个问题。

总之，认知无线电的频谱分配具有一定的普遍性和特殊性，在我们设计频谱分配算法时必须充分给予充分考虑，满足以上所列的设计原则。 1. 频谱分配的基础

在认知无线电中，为了解决频谱资源的匮乏和目前固定分配频谱利用率较低的问题，就要求扎到更有效的方法来充分感知和利用无线频谱资源。基本途径有两条：其一，提高频谱利用率，将已授权用户的频谱资源充分利用，减少浪费； 其二，提高系统通信效率，将已获得的频谱资源和其他资源综合优化分配，进而提高利用率，这些都涉及到频谱分配的内容[13]。

频谱分配是指根据需要接入系统的节点数目及其服务要求将频谱分配给一个或多个指定节点。频谱分配策略的选择直接决定系统容量、频谱利用率以及能否满足用户因不同业务而不断变化的需求。

在无线蜂窝移动通信系统中，信道分配技术主要有3类：固定信道分配（FCA，Fixed Channel Allocation）、动态信道分配（DCA, Dynamic Channel Allocation）以及随即信道分配（RCA，Random Channel Allocation）。

FCA的优点是信道管理容易，信道间干扰易于控制，缺点是信道无法最佳化使用，频谱信道效率低，而且各接入系统间的流量无法统一控制从而会造成频

谱浪费，有必要使用动态信道分配，并配合各系统间做流量整合控制，以提高频谱信道使用效率。FCA算法为使蜂窝网络可以随流量的变化而变化提出了信道借用方案（CBS，Channel borrowing scheme），如信道预定借用和方向信道锁定借用。信道借用算法的思想是将邻居蜂窝不用的信道用到本蜂窝中，以达到资源的最大利用。

DCA根据不同的划分标准可以划分为不同的分配算法。通常将DCA算法分为两类：集中式DCA和分布式DCA。集中式DCA一般位于移动通信网络的高层无线网络控制器（RNC，Radio Network Controller），由RNC收集基站（BS，Base Station）和移动站（MS，Mobile Station）信道分配信息，分布式DCA则由本地决定信道资源的分配，这样可以大大减少RNC控制的复杂性，该算法需要对系统的状态有很好的了解。根据DCA的不同特点可以将DCA算法分为以下3种：流量自适应信道分配、再用划分信道分配以及基于干扰动态信道分配算法等。DCA算法还有基于神经网络的DCA和基于时隙打分（TSC, Time slot scoring）的DCA。最大打包（MP，Maximum Packing）算法是不同于FCA和DCA算法的另一类信道分配算法。

RCA是为减轻静态信道中较差的信道环境（深衰落）而随机改变呼叫的信道，因此每信道改变的干扰可以独立考虑。为使纠错编码和交织技术取得所需的QoS，需要通过不断地改变信道以获得足够高的信噪比。

2.3 频谱分配的特点

? 频谱资源

频谱空穴是指分配给授权用户但是在特定时间和地理位置授权用户部分或全部未利用的特定频带。由于授权用户在时域的多样性需求，使得频谱空穴不仅在时间上是动态变化的，而且依赖于授权用户的地理位置，是一种不确定的资源。频谱空穴可由物理层检测、租借等多种方式获得。与传统无线通信相比，频谱空穴提出了一种新的自由度。

? 频谱分配的本质

频谱空穴的新的自由度就决定了认知无线电必须采取动态频谱分配（DSA，Dynamic Spectrum Allocation）才能够通过识别频谱空穴实现CR用户与授权用户的频谱共享。认知无线电在为CR用户进行动态频谱分配时必须满足以下两个条

件：

（1） 实际的CR系统不对授权用户造成有害干扰

（2） 在满足授权用户允许承受干扰能力的条件下存在实际可用的CR系

统

因此这种机会接入频谱的特性决定了认知无线电动态频谱分配的本质就是受限的频谱分配问题，即在CR用户可用频谱根据授权用户占用情况动态变化的条件下，确定哪些CR用户可以接入网络并如何协调这些CR用户优化频谱分配。 1. 频谱分配技术的分类

对频谱资源的分配往往需要考虑系统的应用需要以及系统网络结构等特点，我们对不同的频谱分配技术按性质进行分类，具体如下：

（1） 按分配方式分类

频谱分配技术按分配方式分类一般分为静态频谱分配、动态频谱分配和混合式频谱分配。

静态频谱分配是指按固定的频谱分配表将频谱分配给系统内各用户，用户不能按自身需要改变可获得的频谱资源，这种方式较为简单，系统开销小，但分配不灵活，不能满足用户不断变化的需求。

动态频谱分配是指系统能够通过一个自适应策略有效地（高效率以及可实施）利用频谱资源，满足不同用户对频谱资源的需求，增大系统容量，提高频谱利用率。

混合式频谱分配是指静态频谱分配与动态频谱分配相结合的方式，既保持了静态分配的特点，又不失去灵活性。

在认知无线电中，频谱分配算法设计要求以对可用频谱的检测以及发射功率控制的要求为基础，选择适应无线环境时间裱画特征的频谱分配策略，因此，认知无线电中的频谱分配以动态频谱分配为主。利用动态频谱分配可以提高无线通信的灵活性、信道使用效率，可使主用户和次用户之间避免冲突并公平共享频谱。

（2） 按网络结构分类

频谱分配技术按网络结构分类可分为：集中式频谱分配和分布式频谱分配。 集中式频谱分配指网络小区中存在一中心实体（如基站等），完成对小区各用户的频谱分配。在认知无线电中，要求小区用户能够周期性的检测可用频谱，

将检测结果报告中心实体，中心实体由此生成频谱分配表完成频谱的分配。

分布式频谱分配指网络小区采用分布式结构，无中心控制节点，小区中每一个用户都参与可用频谱的检测和频谱的分配工作，频谱分配结果与节点采用的策略有关。

认知无线电按其自身网络结构特点可采用集中式频谱分配方式或分布式频谱分配方式，目前针对两种方式的研究都较多成绩。

（3） 按合作方式分类

频谱分配技术按合作方式可分为：合作式频谱分配与非合作式频谱分配。 合作式频谱分配指小区中各节点互相合作，节点的频谱分配策略不仅考虑本节点的应用需求，还考虑此策略对其他用户造成的影响[11]。因此，集中式频谱分配都属于合作式分配方式，当然，在分布式网络结构中也存在合作式的频谱分配。

非合作式频谱分配指节点的频谱分配策略只考虑节点本身的需要，这类用户可定义为自私用户，在这类分配方式下，系统的频谱利用率较之合作式分配方式会有所下降。

认知无线电中采用不同合作方式的频谱分配技术主要取决于关键算法的需要以及对系统性能的。

1. 综合以上所述，列出表2-1

表2-1 频谱分配的特点

频谱分配技术的分类 按分配方式分类 动态频谱分配 静态频谱分配 特点 这种方式较比简单，系统开销小，分配不灵活，不能满足用户不断变化的需求。 自适应的利用频谱资源，可以满足不同用户的需求，增大系统容量，提高频谱利用率。 混合式频谱分配 是静态和动态频谱分配相结合的方式，既保持了静态分配的特点，又不失去灵活性。 按网络结构分类 分布式频谱分配 集中式频谱分配 以实体为中心，完成对小区各用户的频谱分配。 无中心控制节点，频谱分配结果与节点采用的策略有关。 按合作方式分类 合作式频谱分配 小区中各节点相互合作，节点的频谱分配策略不仅考虑本节点的应用需求，还考虑此策略对其他用户造成的影响。 节点的频谱分配策略只考虑节点本身非合作式频谱分配 的需要，这类用户可定义为自私用户，在这类分配方式下，系统的频谱利用率较之合作式分配方式会有所下降。

第三章 CR频谱分配方案分析及比较

3.1认知无线电频谱分配问题模型介绍

1. 频谱分配的问题

在运用博弈论解决频谱分配问题时，Nie没有考虑授权用户的存在，使其频谱分配算法的适用性受限；基于图着色理论的频谱分配算法基本都是在信道权值权值归一化的条件下提出的，对于实际的网络无能为力，并且这些算法是以网络整体吞吐量和公平性为目标的，没有考虑到单独CR用户的需求的差异；无控制信道的分配方案符合实际情况，但是中断率较高，不能满足CR系统需求；POMDP虽能够从理论上匹配认知无线电的跨层分配模型，但是由于其本身复杂度较高，所以仍很难应用到实际网络中。限于作者的能力和时间，本文只对基于博弈论和着色理论的两个方面存在的问题进行研究和解决。

采用CR技术实现频谱共享的前提是必须保证对授权用户不造成干扰，而每一个分布式操作的CR用户的功率分配是造成干扰的主要原因，因此需要探索适用于CR技术的分布式功率控制方法。

首先考虑两用户（单个CR用户与授权用户）共享频谱时的功率控制问题。一种可行的方法是将测量到的授权用户接收机信号的本地信噪比（SNR，Signal to Noise Ratio）近似为CR用户与授权用户间的距离，从而相应的调整CR用户的发射功率[3]。此外，Clemens等人提出了一种相对智能的功率分配策略[5]，可将对策论和遗传算法相结合。即采用两用户重复对策理论建模，借助遗传算法来搜索策略空间。这些方法可实现在保证授权用户不受有害干扰的前提下“贪婪”地增加CR用户的发送功率。

对于既存在合作又存在竞争的多址CR系统，为避免多用户的冲突问题，分布式功率控制的研究更为重要。多址CR系统的发送功率控制受到给定的干扰温度和可用频谱空穴数量这两种网络资源的限制。到目前为止，一般主要应用信息论和对策来解决其功率控制的难题。多用户CR系统的功率控制问题首先可看作是一个对策论的问题。若不考虑竞争现象，可看作纯合作对策，这样该问题就简化为一个最优控制理论问题，但限制了问题的许多方面[4]。因此用对策论方法研究的功率控制问题最终被归结为一个非合作对策。目前主流的方法是采用Markov对策进行分析解决。实现功率控制的另一种方法是基于信息论的迭代注

水法。分析表明迭代注水法更适用于多用户环境，可通过增加遗憾意识的学习机制提高其性能，以支持更多用户接入。

此外，关于CR系统的安全、可靠链路的维护以及定价策略的研究也逐渐成为人们关注的热点问题。

2、频谱分配模型

认知无线电中的频谱分配问题一直是国内外理论研究的热点，自认知无线电该你呢的提出直至发展到今天，不少学者为网址无线电中的频谱分配问题提出了分析模型，它们大多是借鉴于一些经典的数学理论以及微观经济学理论等，现就较为常见的两种频谱分配模型介绍如下： （1） 基于图论的频谱分配模型

基于图论的频谱分配模型是简历在相应的干扰和约束条件之上的[9]。在认知无线电的研究中，将认知用户组成的网络拓扑结构抽象成图。图中的每一个顶点代表无线用户。每一条边表示的是一对顶点间的冲突或者干扰。特别的，如果图中的某两个顶点由一条边连接，则假定这两个节点不能同时使用相同的频谱。另外，将每一个顶点与一个集合相关联，这个集合代表该顶点所在区域位置可以使用的频谱资源。由于每个顶点地理位置的不同，因而不同顶点所关联的资源集合是不同的。

图3-1是一个认知系统网络拓扑结构图示例。图中的五个顶点1-5代表五个不同的认知无线电用户，认知系统可使用的共有3个频段A、B和C，当前位置上面分布有四个主用户小区，即用户I-IV，他们使用的频段分别是频段B、A、B和频段C。由于认知无线电择机使用主用户相同的通信频段。图中圆通表明了主用户的覆盖范围，chnl X代表主用户使用的工作频段，每个节点不同的关联信道集合表明了节点处用户的所以频段。在图中，顶点1的可用信道是（A、B、C），节点2是（A、C）。

IV(chnl C) (1) (A,B,C)

(2) (A, C) I (chnl B)

(4)(A,B) II (chnl A) III (chnl B)

(3) ( C) (5) (A,C)

图3-1 认知系统网络拓扑图示例

基于图论的模型中规定了空闲矩阵，效益矩阵，干扰矩阵和分配矩阵四

个基本矩阵。

空闲频谱矩阵L??ln,m|ln,m??0,1??N?M,N为用户数（下标从0到N-1），M

为总频带数（下标从0到M-1），ln,m?1表示频带m对于用户n是可用的，ln,m?0表示不可用。

效益矩阵B??bn,m?N?M,bn,m表征用户n使用频带m所带来的效益权重，

如频谱利用率等。将矩阵L与矩阵B相结合，可得出有效频谱的效益

LB??ln,m?bn,m?N?M。

干扰矩阵集合C??cn,k,m|cn,k,m??0,1??N?N?M,cn,k,m?1表示用户n和用户k

在同时使用频带m时会产生干扰，当n=k时，cn,k,m?1?ln,m，仅由空闲频谱矩阵L决定。

无干扰的频谱分配矩阵A??an,m|an,m??0,1??N?M,an,m?1表示频带m被分

配给用户n。A必须满足无干扰条件：

an,m?ak,m?0fcn,k,m?1,?n,k?N,m?M (3-1)

把上述频谱分配抽象为一个图G(U,Ec,LB)的着色。U是图G的顶点集，表示

共享频谱的用户，LB表示顶点可选颜色集合和权重，Ec是表集，由于扰约束集合C决定，当且仅当cn,k,m?1时，两个不同的顶点（用户）u,v?U之间有一条颜色为m（频带m）的边。于满足式（3-1）条件的有效频谱分配对应的着色条件可以描述为：当两个不同顶点间存在m色边的时候这两个顶点不能同时着m色。这样，我们便可以根据图论着色理论原则对认知无线电用户进行频谱分配。 （2） 基于定价拍卖的频谱分配模型

利用微观经济学中定价拍卖原理而制定的无线电资源分配机制在近年来得到广泛的研究,而且已经被证明是认知无线电网络的频谱分配问题的有效解决方法。

在这种基于定价拍卖的频谱分配模型根据不同的网络效用需要来确定自身的目标函数，即确定赢家胜出的规则。例如采用最大化系统吞吐量原则将某段频谱分配给在其上吞吐量投标值最大的用户，利用效用公平原则和时间公平原则保证投标者在竞争频谱资源过程中的效用公平和时间公平等等。

由于在频谱分配过程中引入了定价拍卖原理，认知无线电用户即投标者原则上都是“自私的”、“理性的”，这使得基于定价拍卖的频谱分配模型具有如下一些特点：

（1） 非合作的用户行为。由于投标者是“自私的”、“理性的”，每个投标

者都会根据系统效用需要对可用频谱进行定价，将评估的价格传送给拍卖人，而无需知道其他用户的信息和策略。

（2） 分配算法需要合理的执行时间和合理的计算开销。基于定价拍卖的

频谱分配算法中大量的运算集中在投标者和拍卖人身上，例如投标者需要对每个可用频谱单元进行评估，拍卖人需要收集全部投标者定价并进行赢家判断等。

（3） 信令开销小。虽然对频谱单元的定价为投标者增加了较大的运算负

担，但由于用户之间非合作的关系以及投标者和拍卖人之间信息传递的完备性，使得基于定价拍卖的频谱分配算法拥有较小的信令开销的优点。

从以上的加上中我们可以看出，基于图论的频谱分配模型和基于定价拍卖的频谱分配模型充分利用了经典数学和微观经济学理论，为认知无线电中频谱分配

提出了解决问题的框架，基于此两类模型的具体算法也得到了广泛的研究。然而，为了推动认知无线电频谱分配技术的不断发展，提出新的频谱分配问题模型成为了普遍的迫切需要。

3、小结

图论着色模型是一种“0，1模型”，建模分析的信息均可以用标志“0”和“1”表示，相对于其它模型而言分析较为筒单。于扰温度摸型是一种管理干扰的新机制。可以在允许一定干扰的前提下，使原有频段容纳更多用户，更好地提高频谱利用率，博弈论模型可以用于分析认知无线电系统的分布式行为。拍卖竞价模型可以用于协商频谱接入机制下的频谱分配。

3.2 基于图论着色模型的现有算法

基于图论着色模型频谱分配算法的代表有：列表着色算法，颜色敏感的图论着色算法，CSGC联合局部议价的多小区动态频谱分配算法。下面将对其做简要的介绍。 1. 列表着色算法

文献[6]根据图论着色模型提出了在开放式频谱接入的认知无线电网络中基于列表着色的频谱分配算法，其目标是在现有的干扰约束条件下最大化地分配频谱给认知用户，如下面数学公式所示：

max??an.m （3-2）

n?1m?1NM其中，an,m是满足无干扰分配约束条件的分配矩阵A中的元素

出于系统健壮性的考虑，文献使用了分布式的网络结构，并分别基于最大化频谱利用率和频谱分配的公平性目标提出了两种算法：分布式贪婪算法和分布式公平算法，分布式贪婪算法的目标是实现系统频谱的最大化利用，将频谱最大化地分配给认知用户，贪婪算法每次处理一个频谱，并将这个频谱分配给图中度数(拥有连接数)最小的节点；而分布式公平分配算法则主要从提高频谱分配的公平性来考虑，将频谱较为公平地分配给系统中的认知用户。

分布式贪婪算法的基本过程是：将系统中的所有频谱逐个分配，对每一个频谱的分配，将可能使用该频谱的所有节点按其度数从低到高排列，优先把该频谱分配给度数低的节点。当存在相同度数的节点时，则比较节点己获得的频谱数量，

对已获得频谱少的节点优先分配。若己获得的频谱数仍然相同，则随机选择节点 分配频谱。对分布式贪婪算法，度数低的节点通常会获得较多的频谱，导致分配的不公平性。

分布式贪婪算法流程图如图3-2：

由于分布式贪婪算法的目标是最大化地分配频谱资源给系统的认知用户，以提高频谱的利用率。分布式贪婪算法的分配流程，决定了在分配中度数低的节点将会获得大量的频谱，而度数高的节点则相对难以获得频谱，因而导致了分配的不公平性。为了提高频谱分配的公平性，文献提出了分布式公平性算法。 分布式公平性算法主要分为以下三个步骤：

步骤l：根据节点可用频谱集合与度数的大小，建立一个非循环有向图，有向图边的方向从拥有可用频谱数多的节点指向拥有可用频谱数少的节点，节点可用频谱数相同时，边从度数高的节点指向度数低的节点。图中没有作为边的出发端的节点作为sink节点，只作为边的出发端的节点作为源节点，图中可能有多个源节点和sink节点。

步骤2：从sink节点开始分配频谱，选取sink节点所有邻节点的关联频谱列表中出现次数最少的频谱分配给sink节点，然后发一个set．color标志给邻节点，通知邻节点从各自的可用频谱列表中移出已分配频谱。当一个非sink节点从它所有的下游邻节点得到set．color标志，节点将变成sink节点并进行频谱分配。如此反复，从sink节点到源节点，算法逐步完成频谱分配。

步骤3：当还有节点拥有可用频谱时，开始下一轮频谱分配流程。源节点产生重排标志发给每个邻节点，邻节点将收到的重排标志转发给所有的下游邻节点，直到所有节点收到重排标志后，转到步骤1。没有可用频谱的节点将退出分配过程，当所有节点的可用频谱分配完毕，分配算法结束。

系统初始化

信息更新 定点度数 否 是 否 否

顶点已获得 频谱数相同 选择已获得频谱数少的顶点 相同？ 选择度数低的顶点 是

随机选择顶点 分配频谱

所有频谱分配 已进行分配

是

算法结束

图3-2分布式贪婪算法流程图

从分布式公平性算法的流程可见，分布式公平算法通过非循环有向图的建立和从sink节点开始分配，在一定程度上优先为度数高的节点分配频谱，从而改善了分配的公平性。

2、 色敏感的图论着色算法

列表着色算法认为系统中所有的频谱都具有相同的性质，没有考虑不同频谱的差异性，然而认知无线电系统中实际使用的频谱具有频谱效益的差异。频谱效益的差异性指同一个认知用户使用不同的频谱能够获得不同的效益，同一个频谱对不同的认知用户在不同的时段也具有不同的效益。频谱效益的差异主要源于认 知用户在某个频谱上所能够允许使用的发射功率大小，不同频谱的带宽大小，以及所使用频谱的频率影响。频谱效益通常使用用户在某频谱上能够获得的传输速率衡量。

由于频谱效益对频谱分配算法能够获得的系统性能有重大影响。因此，在列表着色算法提出的图论着色模型基础上，增加了表示不同频谱效益差异性的频谱效益矩阵，提出了CSGC算法。然而，CSGC算法使用的频谱效益矩阵中频谱效益的含义仅仅表示了不同频谱的带宽不同，以频谱带宽作为衡量频谱效益的标准。

在CSGC算法中，分别针对最大化频谱效益准则与最大比例公平(Max．Proportional．Fair,MPF)准则，比较了认知用户协作方式与认知用户非协作方式下算法的性能。由于CSGC算法的频谱效益矩阵中频谱效益的大小是以频谱的带宽作为衡量标准，因此，最大化频谱效益准则实际上就是CSGC算法中的最大总带宽(Max．Sum．Bandwidth，MSB)准则。

CSGC算法最大化频谱效益准则的数学表达式如下：

max其中bn,m是引入的频谱效益矩阵B中的元素，表示认知用户n使用频谱m所能够获得的效益，即带宽的大小。在最大化频谱效益准则下，系统以获得最大的效益总和为目标进行频谱分配。

为了比较算法频谱分配的公平性，算法使用了最大比例公平性准则作为衡量 算法分配公平性的度量，其数学表达式如下： maxA??N,MCSGC算法通过对图中节点进行标号(1abel)来进行频谱分配，在某个标号规

Nn?1A??N,M??an?1m?1NMn,m?bn,m （3-3）

?log?a10Mnm, ?bnm, （3-4）

m?1则下，标号的值越大表示了该标号对应的分配具有较高的价值，对既定的频谱分配目标贡献较大，需要优先分配标号值高的频谱给相应节点，因此，标号的值体现了频谱分配的优先级。另外，CSGC算法对于不同的分配目标，不同的认知用户协作方式的分配，使用了不同的标号规则。

CSGC算法的分配流程如图3-3所示：

根据标号规划计

算标号值labeln

满足n?argmax(label) n 否

从节点n与节点n邻居的可用频谱集合中删除已 分配频谱 m

将最大标号对应频谱m分配给节点n 搜索标号值最大的节点n

是

所有节点可用

频谱集合为空？

分配结果

图3-3 CSGC算法分配流程图

3、 SGC联合局部议价的多小区频谱分配算法

对于拓扑结构固定的系统而言，CSGC算法的频谱分配方案可以得到当前拓扑下的最优分配结果，通过用户间的协作，其分配能够达到全局最优。总的来说，CSGC算法的分配是在不考虑本次分配前的频谱分配信息的情况下，独立地为每个认知用户分配频谱。

然而，受到认知用户位置移动、活动情况改变等因素的影响，认知无线电系 统的网络拓扑将动态改变，使用类似CSGC算法的基于固定拓扑的全局最优分配方法，网络需要根据拓扑的每次改变重新计算拓扑，在分布式算法中，信息的传递与复杂的计算过程使得算法的开销庞大。为了减少算法开销，文献[11]提出一种分布式局部议价的频谱分配算法，算法在新的频谱分配过程中考虑上一次频谱分配的信息，根据上一次频谱分配的结果，局部议价算法能够通过有限数量的计算适应拓扑的改变，针对新的拓扑作出接近全局最优的分配决策。

局部议价算法的具体实现比较复杂，本文在此不作叙述，其基本思想是：假 定在每次拓扑改变前频谱分配已经接近全局最优，则本次分配可以通过在受拓扑 改变影响的节点之间的局部议价快速地实现频谱最优化分配。在局部议价期间， 邻节点的集合，即相互间有干扰边相连的各个节点，自组织成为议价小组。每个 小组修改组内的频谱分配以适应拓扑的变化并实现在局部的最优分配，从而获得 整体上接近最优的分配结果，小组内的频谱分配不能影响或者改变组外的任何一 个节点的分配。局部议价算法制定了完善的议价小组组成限制，议价策略以及详 细的议价过程，以保证局部议价的实现。

文献[7]在图论着色模型与局部议价算法基础上，进一步将图论着色模型应用于认知无线电多小区的频谱分配，以图论着色结合局部议价实现认知无线电多小区的频谱分配。算法的目标是在多小区频谱分配中，在避免小区间和小区内认知用户的共道干扰的前提下，最大化系统的频谱利用率，同时保证认知用户问使用频谱的公平性，即频谱分配需要保证每个用户的最小带宽需求。

CSGC联合局部议价的多小区频谱分配算法由三个主要部分组成，分别是系统初始化，资源预分配和认知用户间局部议价。具体如下：

第一阶段：系统初始化，认知系统中各基站收集认知用户的位置和可用频谱

信息，使用公式(3-5)所示的标记方法对每个用户计算ratio值，N表示邻节点数，M表示节点可用度数，ratio值表示了用户在资源预分配阶段获得分配的优先级情况。

ratio?N (3-5) M第二阶段：资源预分配，从位于网络中央的小区开始，逐个小区地分配频谱。在本阶段的资源预分配中，每个认知用户试图获得自己需要的最大频谱带宽。资源预分配阶段使用了与CSGC算法相似的方法，每次选取ratio值最大的用户为其分配频谱，直到所有的用户获得了分配。

第三阶段：认知用户间进行局部议价：由于第二阶段的资源预分配以获得最大化的系统频谱利用率为目标，因而各用户间的频谱分配不平衡，有些用户获得了足够的频谱资源，而其中部分用户获得的频谱资源没有达到其通信所需的最低带宽需求。因此，第三阶段通过认知用户间的局部议价来改善分配的公平性，没有获得足够频谱的用户有权通过局部议价来向自己的邻节点中频谱资源充足的节点借用频谱，通过局部议价达到最低频谱带宽需求。

第三阶段可以看作是对第二阶段的资源预分配的局部调整，通过第三阶段的局部议价，实现频谱分配的公平性。CSGC联合局部议价的多小区频谱分配算法能够以较低的算法复杂性与开销，实现接近最优分配的频谱利用，并能够取得较高的频谱分配公平性，作为基于多小区频谱分配的研究对本文有较强的参考价值。 4、小结

总结了图论着色模型下的现有分配算法，其中列表着色(1istcoloring)算法是对传统移动蜂窝系统小区的图论着色模型进行了修订，增加了在认知无线电系统下的约束条件；颜色敏感的图论着色(Color Sensitive GraphColoring，CSGC)算法则增加了对频谱效益差异性和干扰差异性的考虑，并对频谱分配目标进行了修订；而局部议价的算法则是对CSGC算法的进一步改进，通过成立局部议价小组，减少图论着色模型中的节点数，并利用上一次的分配结果进行局部修改，从而降低分配的开销。

通过分析现有算法的不足，本文提出了基于图论着色模型的并行分配算法，降低了频谱分配的时间开销。并行算法的基本原理是通过对原有着色算法中复合

图进行分解，将list着色分解为多个子图的同时着色，由于各个子图都是简单图，对原图的list着色可以简化为对其子图的点着色，并且各个子图的着色可以并行执行。每个子图对应一种颜色(频谱)，从而使得频谱分配时间开销与频谱数目无关。通过仿真验证，该算法与原算法相比，在获得相同或相近的性能的同时降低了频谱分配的时间开销，适应了认知无线电系统快变的环境。通过结合用户的需求分析，本文还提出了基于需求的改进算法。该算法的目标是最小化未满足需求量，本文提出了两种设计方案，一种是基于退出机制的方案，另一种是通过引入需求因子，修改着色的标号优先级计算准则。通过仿真结果分析，基于需求的改进算法更能满足用户的需求，但是将带来一定的带宽效益损失。与基于退出机制的方案相比，基于需求因子的方案在获得相近或更优的性能的前提下，在系统带宽效益上的损失更小，所以是更优的方案。

3.3 频谱分配算法的比较

这个三种算法的优点和缺点。如表3-1：

表3-1 频谱分配算法的比较

优点 缺点 分类 列表着色算法 数学表达式 max??an.m n?1m?1颜色敏感的图论 着色算法 A??N,MmaxCSGC联合局部议 价的多小区频谱 分配算法 能够平均的分配度数低的节点获NM频谱资源和少节得的频谱资源较点优先分配 多，导致分配的公平性 能将不同频谱分时间耗费大，利用??an?1m?1NMn,m?bn,m 配给不同的用户，难度大。 使频谱的传输速率变快 CSGC算法的分配频谱分配受到认是在不考虑本次知用户位置移动、ratio?N M分配前的频谱分活动情况改变等配信息的情况下，因素的影响，网络独立地为每个认拓扑将动态改变，知用户分配频谱。 计算过程量大。 现有基于图论着色模型的认知无线电频谱分配研究中，可用频谱信息主要通过频谱感知获得，研究通常假设频谱感知准确有效，认知用户对可用频谱的使用将不对授权用户构成干扰。频谱分配只需要保证避免认知系统内可能出现的干扰。由授权用户活动引起的频谱环境的改变将通过频谱感知获得，在新的频谱分配过程中，通过新的频谱分配适应频谱环境的改变。

可以看到，现有的研究已经充分认识到了频谱资源的差异性，但现有研究中对频谱资源差异性的利用还不充分。由于认知无线电系统中的频谱资源，受到频谱频率、不同认知用户位置、不同时刻的频谱环境等因素的影响，频谱资源具有空间差异性与时间差异性的特点。频谱的空间差异性就是同一时刻，同一个频谱，对位置不同的认知用户具有不同的效益；频谱的时间差异性则表示为同一个频谱对同一个认知用户在不同的时刻也具有不同的效益。

第四章 CR频谱分配的应用

4.1 应用场景

(1) 军事

认知无线电设备不需要如商用系统中的基础设施就可以和我方的其它设备进行通信，能够根据环境变化自我调整参数以保证通信质量，能够和不同无线电标准的设备进行通信，能够检测出敌方的传输等。美国国防部最近几年已经投入了大量人力物力进这方面的研究。

(2)公共安全

当紧急事件发生时，分配给公共安全的频谱通常很快会被突发的各种通信阻塞，并且各个应急部门之间由于所拥有的频谱不同很难互相进行通信。有了认知无线电技术后，当紧急事件发生时就可以利用空闲频谱维持通信，不会因为负载过大而阻塞，而且还可以实现不同应急部门之间的通信。

(3)商业

认知无线电虽是较新的概念，但其思想己在无线通信的许多领域得到了应用，如：工作于4．5MHz左右的无绳电话系统采用一种信道自动选择机制避免使用已占用的信道：非授权的个人通信业务(PCS)设备在传输数据之前预先侦听频谱的占用情况，以避免对其他非授权设备造成干扰；高速下行分组接入，edma2000网络都采用一种认知调制过程，根据用户的服务需求和频谱环境，设定其最有效的传输参数[6]。

IEEE802．22工作组已将CR技术确立为无线区域网络(Wireless Regional AreaNetwork，WRAN)的核心技术，其目标在于通过开发认知无线电技术，以不对TV广播产生干扰的方式使用Tv广播频段，实现无线区域接入(Wireless Region AccessNetwork,WRAN)的物理层和介质访问控制层技术标准。

由于WiMAX(IEEE802. 16a／e)缺乏可用频段，IEEE专门成立了802．16h工作组，致力于改进如策略、MAC增强等机制，使WiMAX适用于UHF电视频段，利用认知无线电技术确保基于WiMAX的非授权系统与授权系统之间的存在。

将CR技术应用于超宽带系统中，通过感知潜在干扰，自适应地选择脉冲波形，可在很大程度上减小UWB系统与传统窄带系统之间的干扰。同时，通过采

用分布式波形自适应算法及脉冲软件智能无线电等技术可实现直序列超宽带(DS—I rWB)和多频带正交频分复用(MB—OFDM)两种UWB标准的互通，其目的是应用自适应脉冲波形生成技术，解决IEEE 802.15a物理层DS—I，WB和MB．OFDM两种可选技术标准竞争陷入僵局的问题[12] 。由于UWB系统与传统窄带系统之间存在着不可避免的干扰，将CR技术与UWB技术相结合以解决干扰问题已成为近几年研究的热点。

4.2 CR典型应用

CR的概念虽新，但其思想已在无线通信的许多领域得到了应用。典型的例子有：工作与45MHz左右的无绳电话采用一种信道自动选择机制避免使用已占用的信道；免授权的个人通信业务（PCS，Personal Communication Service）设备在传输数据之前预先侦听频谱的占用情况，以避免对其他的免授权设备造成干扰；工作于5GHz频段的IEEE 802.11a网络，采用动态频率选择（DFS，Dynamic Frequency Selection）和发送功率控制（TPC，Transmit Power Control）机制，避免与雷达信号的干扰。此外，高速下行分组接入（HSDPA，High Speed Downlink Packet Access）、CDMAlx EvDO网络都采用一种认知调制过程，通过确认用户需要的服务，识别用户在工作的最佳环境，进而设定最有效的调制方案、数据速率及发送功率等以满足用户服务质量（QoS，Quality of Service）需求，但以上这些具有基本认知能力的技术只是CR功能的极小一部分，这些技术可以按渐进的方式扩展直到实现CR承诺的全部性能。

在CR功能的演进过程中存在多种不同的认识。一种认识的代表是以Mitola为首的瑞典皇家科学院[4]，他们强调软件定义无线电（SDR，Software Defined Radio）是CR实现的理想平台。CR使SDR从预置程序的盲目执行者转变成为无线电领域的智能代理。它可通过无线电知识描述语言(RKRL，Radio Konwledge Representation Language)采用基于模式的推理方式与网络进行智能交流，因此其认知功能的实现主要在应用层或更高层。但这种认识缺乏相应的具有认知功能的物理层和链路层体系结构的有效支掌；还有一种认识是以Rieser为首的维吉利亚技术中心提出的[6]，他们认为Mitola提出的基于人工智能的认知系统受限于硬件平台的计算能力，且不能够适应快速变化的网络。Rieser指出CR不一定需要SDR的支撑，采用基于遗传算法的生物启发认知模型对传统无线电系统的物理层和媒

体接入控制（MAC，Media Access Control）子层的演进过程建模，更适用于可快速部署的灾难通信系统。但他们仅考虑了单个CR引擎节点的操作，没有涉及引擎节点在CR网络中的行为。FCC提出的CR功能是以上两种认识的一个相对简化的版本[7]。它建议任意一无线电只要能够具有自适应频谱感知功能就可称为是CR。针对频谱利用率低的现状，FCC提出采用CR技术现实开放频谱系统，即合法的授权用户（也称主用户）具有高的优先权接入频谱，而具有CR功能的非授权用户（也称次用户或CR用户）可在对授权用户不造成干扰的情况下机会接入频谱。目前CR的应用大多是基于FCC的观点，因此也称CR为频谱捷变无线电、机会频谱接入无线电等。

目前人们对CE和SDR的关系基本达成共识：SDR具有相当的灵活，但相比CR缺乏一定的智能。二者主要区别在于CR自适应频谱环境，SDR自适应网络环境。CR的实现不一定需要SDR的支撑，但如果借助于SDR，则CR会具有更多潜在的优势。

(1) 认知能力

认知能力使CR能够从其工作的无线环境中捕获或者感知信息，从而可以标识特定时间和空间的未使用频谱资源(也称为频谱空洞)，并选择最适当的频谱和工作参数。这一任务通常采用图4-1所示的认知环进行表示，包括3个主要的步骤：频谱感知、频谱分析和频谱判决。频谱感知的主要功能是监测可用频段，检测频谱空洞；频谱分析估计频谱感知获取的频谱空洞的特性；频谱判决根据频谱空洞的特性和用户需求选择合适的频段传输数据。

无线环境 发射信号 射频激励 射频激励 频谱资源 频谱空洞

频谱感知 信道吞量 频谱空洞 频谱分析

图4-1 认知环 (2) 重构能力

重构能力使得CR设备可以根据无线环境动态编程，从而允许CR设备采用不同的无线传输技术收发数据。可以重构的参数包括：工作频率、调制方式、发射功率和通信协议等。

重构的核心思想是在不对频谱授权用户(LU)产生有害干扰的前提下，利用授权系统的空闲频谱提供可靠的通信服务。一旦该频段被LU使用，CR有2种应对方式：一是切换到其它空闲频段通信；二是继续使用该频段，但改变发射统率或者调制方案避免对LU的有害干扰。

为了便于理解CR的基本原理，有必要将CR与软件无线电(SDR)进行区分。根据电子与电气工程师协会(IEEE)的定义，一个无线电设备可以称为SDR的基本前提是：部分或者全部基带或RF信号处理通过使用数字信号处理软件完成；这些软件可以在出厂后修改。

因此，SDR关注的是无线电系统信号处理的实现方式；而CR是指无线系统能够感知操作环境的变化，并据此调整系统工作参数。从这个意义上讲，CR是更高层的概念，不仅包括信号处理，还包括根据相应的任务、政策、规则和目标进行推理和规划的高层功能。

1、在UWB系统中的应用

最初将CR技术应用于UWB系统中即认知UWB无线电（Cognitive UWB Radio）技术的提出是为了能够实现在直序列超宽带（DS-UWB，Direct-Sequence UWB）和多频带正交频分复用（MB-OFDM，MultiBand Orthogonal Frequency Division Multiplexing）两种UWB标准的互通。如Granelli等人提出的脉冲软件智能无线电（Impulsive Software Smart Radio），可根据特定的操作环境，采用动态波形生成技术，解决IEEE 802.15.3a物理层DS-UWB和MB-OFDM两种可选技术标准竞争陷入僵局的问题。

由于UWB系统与传统窄带系统直接存在着不可避免的干扰，将CR技术与UWB技术相结合来解决干扰问题已成为近几年研究的热点。尤其是对UWB系统中基于CR的合作共存算法的研究较多。Yamaguchi等人在文献[4]中描述了采用主动干扰取消算法在MB-OFDM中实现，并论证了采用MB-OFDM技术更

适于将来的CR技术的应用。一个更有效的方法是考虑将CR机制嵌入到UWB系统中。如以跳时-脉冲位置调制（TH-PPM，Time Hopping-Pulse Position Modulation）为例，通过预先检测到干扰频率，并相应选择适合的跳时序列，可将UWB系统与传统窄带系统间的干扰减至最小。

此外，随着CR关键技术及应用的研究，用于验证这些技术的实验系统也初步取得了一些进展。如美国国防高级研究计划局（DARPA，Defense Advanced Research Projects Agency）开展了下一代无线（XG，neXt Generation）通信项目的研发，设计了自适应频谱系统原型，目标是使频谱的利用率增加10倍：MITRE公司研发了自适应频谱无线电（ASR，Adaptive Spectrum Radio）实验床，成功验证了自适应频谱接入的可行性；维吉尼亚无线通信技术中心研究并设计了CR仿真实验椅和硬件实验床，基于生物启发的CR引擎节点正在研发中；伯克利大学建立了伯克利仿真平台（BEE2，Berkeley Emulation Engine），对各种频谱侦听技术和算法进行了实验仿真和性能分析等。

2、UWB与CR结合的可行性分析

由于UWB的超宽带特性，它必然会对共享频段内的其它窄带系统产生干扰，并且自身也将受到其它系统在某频段的强干扰。无线电频率管理有两个基本的原则：新的无线电技术不得对已有的无线电台(系统)造成有害干扰；受到干扰不得提出保护要求，即要能忍受已有无线电台的各种干扰。因此，UWB系统必将面对两个比较突出的问题，在共享频谱的时候不得对已有的窄带系统造成有害干扰，同时UWB系统也可能受到来自其它系统的强窄带干扰。

目前，所有针对这个问题的解决方案都是针对UWB系统本身进行优化设计，研究思路大都集中在UWB脉冲信号波形(由于IR-UWB具有许多特别的优点，如易于数字化及软件化，低成本低功率等，本文限定于IR-UWB)的设计与优化上，以期产生出严格遵守FCC等机构制订的辐射掩模约束条件的脉冲信号，并采用一些有效的抑噪技术来减少对现有窄带系统的干扰。如寻找一种更优的UWB信号波形，采用自适应编码、调制、比特交织、波束成形及功率控制等已在蜂窝通信中被验证能起到抑制干扰作用的相关技术。

许多研究已经表明，这种思路要想设计出既符合各相关机构制订的频谱掩模约束又可避免相互干扰的脉冲波形是非常有挑战性的。基于这个考虑，并结合感

知无线电具有能感知周围环境特别是频谱操作环境的特性，我们把CR技术引入到UWB系统的研究和设计中来，给UWB面临的上述问题提供一种全新的解决思路，有可能设计出一种全新的高性能UWB系统。采用频谱感知技术能提高频谱利用的灵活性，改善频谱共享，有效抑制窄带干扰，与其它系统更好地共存，同时还可潜在地提高频谱的利用率，提高数据传输速率和UWB系统的整个性能。例如，UWB在10m范围内有很高的传输速率，但由于受发射功率的限制，10m以外的传输速率将大大下降。在感知周围的频谱环境后，可根据所感知的频谱信息动态地改变传输信道或调整UWB的发射功率，以提高UWB的传输距离，并且不会增加其带给其它系统的有害干扰。于是，针对UWB技术发展过程中所必须面对的共存问题，并结合UWB和CR技术的优点，本文提出这种被称为认知超宽带无线系统的全新的UWB系统机制，其有望打破目前UWB技术发展中的僵局。

第5章 结论与展望

认知无线电是无线电技术发展的下一个里程碑。该技术的应用会带来历史性的变革。对于频谱管制者而言，该技术可以大大提高可用频谱数量，提高频谱利用率，有效利用资源；对于频谱持有者而言，可以在不受干扰的前提下开发二级频谱市场，在相同频段上提供不同的服务，该技术可以为设备厂商带来更多的机会，具备认知无线电功能的设备将更具竞争力；对终端用户而言，可以带来更多带宽，在认知无线电技术成熟后。用户则可以享受到单个无线电终端接入多种无线网络的优势。

无线频谱是一种不可再生资源。因此，研究人员只能通过对频谱资源进行再利用，提高频谱资源利用率来解决这个矛盾。于是，认知无线技术应运而生。认知无线电的基本出发点就是，在不影响授权频段的正常通信的基础上，具有认知功能的无线通信设备可以接入授权的空闲频段内，并动态地利用频谱。认知无线电的核心思想就是使无线通信设备具有发现空闲频谱并合理利用的能力。认知无线电能从根本上解决目前因频谱的固定分配政策导致的对频谱资源的不合理应用。

当然，认知无线电技术的发展目前还存在一些障碍：首先，目前频谱管制政策尚没有完全放开，认知无线电技术的应用还存在很大障碍；其次，认知无线电的灵活性还需要不断提高，必须能够随着应用策略的更改灵活配置；认知无线电技术需要强大的可重配置硬件平台，目前的硬件技术发展还满足不了相关需求；另外认知无线电组网工作的语言和协议目前很不完善，需要开发专门语言和协议在设备之间共享无线背景信息。

作为无线通信领域的最新进展，认知无线电技术受到日益关注，虽然由于技术的限制，认知无线电近几年内市场不会很大，但在不久的将来将会获得突破性的进展，为无线电资源管理和无线接入市场带来新的发展契机和动力。

致 谢

首先 ，我要感谢我的导师徐书华老师。在论文的整个过程中，他都对我进

行了细心的指导和帮助。无论是在前期进行文献翻译和写论文提纲，还是后期的论文写作，徐老师都给予了我极大的帮助。在写作的初期，徐老师就根据我们各自题目的类型告诉我们各个章节内容的分配和写作的重点内容，而且还提供了范文给我们参考，这给了我们极大的帮助。在我们完成初稿后，他认真的看每一个人的初稿，逐个的帮我们纠正论文中存在的错误和不准确的地方。

我的论文是综述性质的，主要是资料的研究，所以我就要大量的收集整理资料。徐老师不仅帮我找了很多相关资料供我参考，还指导我论文的写作格式方面存在的问题，而且还细心的将我一些语句用法不准确的地方也提出了一些指导性的意见。所以，我非常感谢徐老师对我的帮助。

参考文献

[1] 樊昌信，张莆翊 ，徐柄详，等. 通信原理. 北京：国防工业出版社，2002. [2]（美）特里斯. 检测、估值与调制理论. 北京：电子工业出版社，2003. [3]杨小牛，等. 软件无线电原理与应用. 北京：电子工业出版社，2001.

[4] J. Mitola IIL. Cognitive radio for flexible mobile multimedia Communications. Sixth International

Workshop

on

Mobile

Multimedia

Communications

(MoMuC’99),San

Diego,CA,1999:3-10.

[5] A.J.Paulraj,D,A.Gore and R.U.Nabar,et al. An overview of MIMO communications-a key to gigabit wireless. Proceedings of the IEEE, Fab 2004,92（2）：198-218.

[6] N.K.Hoven. On the feasibility of cognitive radio. Master of Scuebce. Uinversity of Califomia,Berkeley,Spring2005.

[7] J. Mitola IIL. Cognitive radio for flexible mobile multimedia Communications. Sixth International

Workshop

on

Mobile

Multimedia

Communications

(MoMuC’99),San

Diego,CA,1999:3-10.

[8] FCC.Et Docket no. 03-322.Notice of Proposed Rule Making and Order. December 2003. [9] Keith Nolan. Cognitive Radio WG Brussels 2005 @ // .SDR forum. Brunssels, 2005.

[10] John Nolan. Cognitive RADIO emerges form Obscunrity. BWRC cognitive radio workshop,January 23, 2004.

[11] Joseph Mitola III and Gerald Q. Maguire, JR. Cognitive radio: making software radios more personal, IEEE Personal Communications, August 1999,6(4):3-18.

[12] S. Haykin. Cognitive radio: brain-empowered wireless communications. IEEE JSAC, Feb.2005,23(2):201-220.

[13] IEEE 802_22 WRAN WG Website. Him

参考文献

[1] 樊昌信，张莆翊 ，徐柄详，等. 通信原理. 北京：国防工业出版社，2002. [2]（美）特里斯. 检测、估值与调制理论. 北京：电子工业出版社，2003. [3]杨小牛，等. 软件无线电原理与应用. 北京：电子工业出版社，2001.

[4] J. Mitola IIL. Cognitive radio for flexible mobile multimedia Communications. Sixth International

Workshop

on

Mobile

Multimedia

Communications

(MoMuC’99),San

Diego,CA,1999:3-10.

[5] A.J.Paulraj,D,A.Gore and R.U.Nabar,et al. An overview of MIMO communications-a key to gigabit wireless. Proceedings of the IEEE, Fab 2004,92（2）：198-218.

[6] N.K.Hoven. On the feasibility of cognitive radio. Master of Scuebce. Uinversity of Califomia,Berkeley,Spring2005.

[7] J. Mitola IIL. Cognitive radio for flexible mobile multimedia Communications. Sixth International

Workshop

on

Mobile

Multimedia

Communications

(MoMuC’99),San

Diego,CA,1999:3-10.

[8] FCC.Et Docket no. 03-322.Notice of Proposed Rule Making and Order. December 2003. [9] Keith Nolan. Cognitive Radio WG Brussels 2005 @ // .SDR forum. Brunssels, 2005.

[10] John Nolan. Cognitive RADIO emerges form Obscunrity. BWRC cognitive radio workshop,January 23, 2004.

[11] Joseph Mitola III and Gerald Q. Maguire, JR. Cognitive radio: making software radios more personal, IEEE Personal Communications, August 1999,6(4):3-18.

[12] S. Haykin. Cognitive radio: brain-empowered wireless communications. IEEE JSAC, Feb.2005,23(2):201-220.

[13] IEEE 802_22 WRAN WG Website. Him

本文来源：https://www.bwwdw.com/article/bn37.html