基于多中继多天线的认知无线传感器网络性能优化方法

摘要

本发明公开了一种基于多中继多天线的认知无线传感器网络性能优化方法，该方法采用具有多天线多中继的认知无线传感器网络系统模型，通过使用多中继协作认知、中继选择和波束赋形技术，在提高认知无线传感器网络系统的吞吐量的同时，又降低了系统的中断概率。本发明方法能够保证认知无线传感器网络系统的感知结果的准确性和很高的频谱利用率，同时在降低整个系统中断概率的同时增强整个系统的吞吐量。

说明书

技术领域

本发明涉及认知无线传感器网络和MIMO交叉技术应用领域，特别是基于多中继多天线的认知无线传感器网络性能优化方法。

背景技术

认知无线电(CR)是一种在20世纪末被提出的智能无线电技术，它的出现促进了频谱资源的有效利用。通过频谱感知和环境适应，认知用户(SU)能够在不干扰授权用户(PU)信息传输的情况下，利用空闲授权频谱进行信息传输，从而提高频谱的利用效率。认知无线电必须持续地感知周围的频谱环境，并且需要准确、可靠地检测PU是否出现在空闲频谱中，一旦检测到PU重新使用空闲频谱，SU必须寻找或等待新的空闲频段继续通信。

认知无线传感器网络(CRSN)即将WSN网络引入到CR领域，它的优点是众多的认知用户节点能够实时对授权用户节点进行监测、感知，并且能够对这些检测信息进行处理，从而获得详尽而准确的信息，传送到相应汇聚节点，汇聚节点进一步将信息整合并传送给远端的数据融合中心(FC)，SU根据FC的判决结果接入相应的空闲信道。

中继协助通信是一种强大的空间分集技术，利用中继协助通信具有显著的性能增益优势。由于中继之间的正交信道分配(例如，载波频率、时隙、编码)必须避免中继间的干扰，如果中继数目变得很大，那么使用多中继带来的好处将不及多中继引发的缺陷。中继选择被视为解决中继间干扰抑制的复杂问题的最显著的方法之一。

波束赋形是一种基于天线阵列的信号预处理技术，利用这种技术能够区别不同方向上的信号，并且对不同方向上的信号分配不同的权值，从而针对目标用户发送信号，从而提高目标用户的信噪比和系统的能量利用效率，同时又能够减少对其他用户的干扰。

现有采用多中继的技术中，没有利用中继进行频谱感知，造成了中继资源的浪费，降低了频谱感知结果的准确性；并且在选用多中继的情况下没有进行中继选择，造成了大量的中继之间的干扰严重，对整个系统性能的提升起到了阻碍的作用。目前，多中继多天线认知传感器网络中，使用波束赋形增强系统性能的研究比较复杂，因此在设计中没有考虑波束赋形，从而使得更好地提高系统的信噪比等性能有了一定的局限性。

发明内容

本发明所要解决的技术问题是克服现有技术的不足而提供基于多中继多天线的认知无线传感器网络性能优化方法，通过使用认知无线传感器网络系统模型，在提升本系统的吞吐量的同时降低整个系统的中断概率。

本发明为解决上述技术问题采用以下技术方案：

根据本发明所述的一种基于多中继多天线的认知无线传感器网络性能优化方法，包括以下方法：

步骤1、建立多中继多天线认知无线传感器网络系统模型，该模型包括一个具有N_P个天线的授权用户源节点PUS、一个具有N_P个天线的授权用户目的节点PUD，一个具有N_t个天线的认知用户源节点SUS、一个具有N_r个天线的认知用户目的节点SUD，M个具有N_Rt个发送天线和N_Rr个接收天线的中继节点CR_i；其中，i＝1,..,M；该系统模型的工作过程分为频谱感知和信息传输两个阶段；

步骤a、频谱感知阶段：

在频谱感知阶段，设定M个中继节点参与频谱感知，将频谱感知结果发送给认知用户源节点SUS，然后认知用户源节点作为融合中心，将本地感知结果和中继的感知结果采用或准则进行融合；

步骤b、信息传输阶段：

在信息传输阶段，当步骤a中认知用户源节点融合后的感知结果为H₀状态，此时认知用户直接占用信道进行信息传输；当感知结果为H₁状态，此时认知用户与授权用户共存，要保证认知用户对授权用户的通信造成的干扰低于授权用户设置的干扰门限值；M个中继节点作为普通中继协助认知用户进行信息传输；其中，H₀表示授权用户PU没有进行通信，H₁表示PU正在占用信道，进行通信；

当授权用户和认知用户同时占用信道进行信息传输时，授权用户目的节点接收到的信号信干比SINR_P表示为：

其中，P_P表示授权用户源节点的发送功率；P_S表示在对授权用户的信息传输不造成干扰的情况下，认知用户源节点的发送功率；G_P表示授权用户源节点与授权用户目的节点之间的静态平坦衰落复向量，C表示复数集合，N_P表示授权用户源节点和授权用户目的节点具有的天线的数目；H_P表示认知用户源节点与授权用户目的节点之间的静态平坦衰落复向量，N_t表示认知用户源节点具有的天线的数目；表示授权用户源节点与授权用户目的节点之间的高斯白噪声的方差；表示*的弗罗贝尼乌斯范数；

当步骤a中认知用户源节点融合后的感知结果为授权用户不存在时，使用中继进行协助通信，认知用户源节点发送的信息，先通过中继节点解码转发后，再发送给认知用户目的节点；

第i个中继节点接收到的信号的信干比γ_i1为：

认知用户目的节点接收到的信号的信干比γ₂为：

其中，P表示授权用户不存在时，认知用户源节点的发送功率；P_R表示中继节点的发送功率；H_i表示认知用户源节点到第i个中继节点之间的静态平坦衰落复向量，N_Rr表示中继节点具有的接收天线的数目，N_t表示认知用户源节点具有的天线数目；G_i表示第i个中继节点到认知用户目的节点之间的静态平坦衰落复向量，N_Rt表示中继节点具有的发送天线的数目，N_r表示认知用户目的节点具有的天线数目；表示认知用户源节点与中继节点之间的高斯白噪声的方差，表示中继节点与认知用户目的节点之间的高斯白噪声的方差，N_P，N_t，N_rN_Rr，N_Rt和M由用户指定；

步骤2、使用最大最小中继选择策略进行中继选择；

在确定N_P，N_t，N_r，N_Rr，N_Rt和M的大小的情况下，根据步骤1，首先计算出第i个中继节点接收到的信号的信噪比γ_i1，然后计算出通过中继放大转发之后，在认知用户目的节点接收到的信号的信噪比γ₂，最后利用最大最小中继选择方法选择出最优中继k_opt，其中

步骤3)波束赋形通过对不同天线阵元的信号乘以不同复加权系数，然后将相乘之后的结果相加；

步骤4)根据步骤3波束赋形后得到的结果，计算授权用户和认知用户的中断概率；具体如下：

步骤4.1)将授权用户的SINR门限值设置为γ_Pth，授权用户的信干比SINR的中断概率P_out(γ_Pth)为：

步骤4.2)将认知用户的SINR门限值设置为γ_Sth，认知用户的SINR中断概率P_out(γ_Sth)为：

其中，Γ(.)表示伽玛函数，F(.；.；.)表示超几何函数。

作为本发明所述的一种基于多中继多天线的认知无线传感器网络性能优化方法进一步优化方案，所述步骤a中，所述频谱感知方式是混合频谱感知方式，即同时采用谱覆盖和谱重叠这两种方式；谱覆盖方式是指在授权用户没有使用授权频段进行信息传输时，认知用户暂时使用该授权频段进行信息传输；谱重叠方式是指认知用户的发射功率与授权用户同时占用授权频段。

作为本发明所述的一种基于多中继多天线的认知无线传感器网络性能优化方法进一步优化方案，所述步骤3中复加权系数既用于调整信号相位，也用于调整信号幅度。

作为本发明所述的一种基于多中继多天线的认知无线传感器网络性能优化方法进一步优化方案，所述步骤4.1中，授权用户的中断概率受授权用户源节点天线数量N_t和认知用户源节点发射功率P_S的影响。

作为本发明所述的一种基于多中继多天线的认知无线传感器网络性能优化方法进一步优化方案，所述步骤4.2中，认知用户的SINR中断概率授权受N_rN_Rr和N_rN_RrN_RtN_t的影响。

本发明采用以上技术方案与现有技术相比，具有以下技术效果：本发明通过使用本发明提出的认知无线传感器网络系统模型，不仅可以提升认知无线传感器网络系统的吞吐量，而且可以降低整个系统的误码率和中断概率；

具体来说：

(1)多中继参与频谱感知，为最终认知用户的感知结果的判定提供了依据，提高了感知结果的准确性，从而提高了频谱的利用效率；

(2)多个中继经过中继选择之后，选出了信噪比最优的中继，也就是信道状态最好的信道进行传输，从而提高了整个系统的吞吐量；

(3)通过中继选择之后，那些没有被选作最优中继，协作认知用户进行信息传输的中继，可以进行新的一轮的感知，提高了中继的利用率。而且不断地感知授权用户信道，将信息传送给认知用户，可以更好的避免冲突的产生，从而降低了授权用户和认知用户的中断概率；

(4)通过中继选择，降低了多个中继发送信息时相互之间的干扰，而且也避免了同时使用多个信道，节约了频谱资源；

(5)利用波束赋型技术，增强了指向目标节点的信号的强度，提高了信噪比，从而提高了整个系统的吞吐量；此外，通过波束赋型降低了其他天线上信号的强度，从而降低了对其他用户的干扰。

附图说明

图1是基于多中继多天线的认知无线传感器网络性能优化方法流程。

图2是认知无线传感器网络系统实例。

图3是数字信号的波束赋形示意图。

图4是授权用户的SINR中断概率在不同天线数目情况下随着授权用户的SINR门限值变化的仿真图。

图5是认知用户的SINR中断概率在不同天线数目情况下随着认知用户的SINR门限值变化的仿真图。

图6是认知用户的SINR中断概率随着认知用户的SINR门限值变化的仿真图。

具体实施方式

下面结合附图对本发明的技术方案做进一步的详细说明：

图1是基于多中继多天线的认知无线传感器网络性能优化方法流程，认知无线传感器网络(CRSN)中的认知用户需要准确地感知授权用户(PU)状态的变化，增加认知用户(SU)的数量可以提高感知结果的准确性；中继通信是一种强大的空间分集技术，能够显著增强性能增益；波束赋形在提高目标用户的信噪比的同时，提高整个系统的能量效率，并且能够降低对其他用户的干扰。本发明所提出的系统模型和分析方法能够保证基于该系统模型下感知结果的准确性，同时能够在降低误码率和中断概率的情况下增强整个系统的吞吐量。

一种基于多中继多天线的认知无线传感器网络性能优化方法，包括以下方法：

步骤1、建立多中继多天线认知无线传感器网络系统模型，该模型包括一个具有N_P个天线的授权用户源节点PUS、一个具有N_P个天线的授权用户目的节点PUD，一个具有N_t个天线的认知用户源节点SUS、一个具有N_r个天线的认知用户目的节点SUD，M个具有N_Rr个发送天线和N_Rt个接收天线的中继节点CR_i；其中，i＝1,..,M；该系统模型的工作过程分为频谱感知和信息传输两个阶段；

步骤a、频谱感知阶段：

在频谱感知阶段，设定M个中继节点参与频谱感知，将频谱感知结果发送给认知用户源节点SUS，然后认知用户源节点作为融合中心，将本地感知结果和中继的感知结果采用或准则进行融合；

步骤b、信息传输阶段：

在信息传输阶段，当步骤a中认知用户源节点融合后的感知结果为H₀状态，此时认知用户直接占用信道进行信息传输；当感知结果为H₁状态，此时认知用户与授权用户共存，要保证认知用户对授权用户的通信造成的干扰低于授权用户设置的干扰门限值；M个中继节点作为普通中继协助认知用户进行信息传输；其中，H₀表示授权用户PU没有进行通信，H₁表示PU正在占用信道，进行通信；

当授权用户和认知用户同时占用信道进行信息传输时，授权用户目的节点接收到的信号信干比SINR_P表示为：

其中，P_P表示授权用户源节点的发送功率；P_S表示在对授权用户的信息传输不造成干扰的情况下，认知用户源节点的发送功率；G_P表示授权用户源节点与授权用户目的节点之间的静态平坦衰落复向量，C表示复数集合，N_P表示授权用户源节点和授权用户目的节点具有的天线的数目；H_P表示认知用户源节点与授权用户目的节点之间的静态平坦衰落复向量，N_t表示认知用户源节点具有的天线的数目；表示授权用户源节点与授权用户目的节点之间的高斯白噪声的方差；表示*的弗罗贝尼乌斯范数；

当步骤a中认知用户源节点融合后的感知结果为授权用户不存在时，使用中继进行协助通信，认知用户源节点发送的信息，先通过中继节点解码转发后，再发送给认知用户目的节点；

第i个中继节点接收到的信号的信干比γ_i1为：

认知用户目的节点接收到的信号的信干比γ₂为：

其中，P表示授权用户不存在时，认知用户源节点的发送功率；P_R表示中继节点的发送功率；H_i表示认知用户源节点到第i个中继节点之间的静态平坦衰落复向量，N_Rr表示中继节点具有的接收天线的数目，N_t表示认知用户源节点具有的天线数目；G_i表示第i个中继节点到认知用户目的节点之间的静态平坦衰落复向量，N_Rt表示中继节点具有的发送天线的数目，N_r表示认知用户目的节点具有的天线数目；表示认知用户源节点与中继节点之间的高斯白噪声的方差，表示中继节点与认知用户目的节点之间的高斯白噪声的方差，N_P，N_t，N_r，N_Rr，N_Rt和M由用户指定；

步骤2、使用最大最小中继选择策略进行中继选择；

在确定N_P，N_t，N_r，N_Rr，N_Rt和M的大小的情况下，根据步骤1，首先计算出第i个中继节点接收到的信号的信噪比γ_i1，然后计算出通过中继放大转发之后，在认知用户目的节点接收到的信号的信噪比γ₂，最后利用最大最小中继选择方法选择出最优中继k_opt，其中

步骤3)波束赋形通过对不同天线阵元的信号乘以不同复加权系数，然后将相乘之后的结果相加；

步骤4)根据步骤3波束赋形后得到的结果，计算授权用户和认知用户的中断概率；具体如下：

步骤4.1)将授权用户的SINR门限值设置为γ_Pth，授权用户的信干比SINR的中断概率P_out(γ_Pth)为：

将授权用户的SINR门限值设置为γ_Pth，授权用户的信干比SINR的中断概率P_out(γ_Pth)为：

其中，P_r为系统的实际SINR为r时的概率，和都是服从χ²分布的随机变量，且它们的自由度分别为2和2N_t；n个服从标准正态分布的随机变量的平方和构成一新的随机变量，其分布规律称为卡方分布，即χ²分布，其中参数n称为自由度。

设则授权用户的信干比SINR的中断概率表示为：

其中，表示累计分布函数，f_Y(y)为变量y的概率密度函数，x是自由度为2的服从χ²分布的随机变量，y是自由度为2N_t的服从χ²分布的随机变量；

x和y的概率密度函数分别表示为：

其中，f_X(x)和f_Y(y)分别为变量x和y的概率密度函数，Γ(.)表示伽玛函数；

则授权用户的信干比SINR的中断概率最终表示为：

步骤4.2)将认知用户的SINR门限值设置为γ_Sth，认知用户的SINR中断概率P_out(γ_Sth)为：

其中，H表示认知用户源节点到最优中继节点之间的静态平坦衰落复向量，G表示最优中继节点到认知用户目的节点之间的静态平坦衰落复向量，和都是服从χ²分布的随机变量，且它们的自由度分别为2和2N_t；

设

则认知用户的SINR中断概率表示为：

x和y的概率密度函数分别表示为：

则认知用户的SINR中断概率最终表示为：

其中，F(.；.；.)表示超几何函数。

在具体实施中，如图2所示，系统包括一个具有N_P个天线的授权用户源节点(PUS)、一个具有N_P个天线的授权用户目的节点(PUD)，一个具有N_s个天线的认知用户源节点(SUS)、一个具有N_s个天线的认知用户目的节点(SUD)，M个具有N_Rr个发送天线和N_Rt个接收天线的中继节点(CR_i,i＝1,..,M)。

认知用户(SU)要共享授权用户(PU)频谱，首先要进行频谱感知，即系统工作要进行两个部分：

第一部分，频谱感知阶段(图1所示的实线部分)，M个中继节点参与频谱感知，并将频谱感知结果发送给认知用户，然后认知用户作为融合中心，将本地感知结果和中继的感知结果采用“OR”准则进行融合(融合准则可以由自己决定)。认知用户最终判定的感知结果有两种状态，即H₀和H₁两种状态，H₀表示授权用户(PU)没有进行通信，H₁表示PU正在占用信道，进行通信。

第二部分，在信息传输阶段(图1所示的虚线部分)，如果感知结果为H₀状态，此时认知用户可以直接占用信道进行信息传输；如果感知结果为H₁状态，此时认知用户与授权用户同时存在，只要保证认知用户对授权用户的通信造成的干扰低于授权用户设置的干扰门限值即可。在动态共享频谱时，有下面两种方式，它们分别是overlay方式以及underlay方式。所谓overlay方式是指在授权用户没有使用授权频段进行信息传输时，认知用户可以暂时使用该授权频段进行信息传输；而underlay方式是指在授权用户存在的情况下，认知用户以很低的发射功率使用授权用户频段进行信息传输。本设计中采用的是混合频谱感知方式(即overlay方式和underlay方式同时采用)。此时，M个中继节点作为普通中继协助认知用户进行信息传输。

如果此时认知用户感知结果是授权用户处于H₀状态，即授权用户不存在，认知用户可直接接入信道；如果认知用户感知结果是授权用户处于H₁状态，即授权用户存在，同时认知用户的发射功率(P_SU)低于授权用户设定的门限值(P_max)，认知用户可接入信道。然后从M个中继中选择最优中继(k_opt)协助认知用户进行信息传输，首先根据系统计算出从源节点发送到中继节点i的信号的信噪比γ_i1，然后计算出通过中继放大转发之后，在目的节点接收到的信号的信噪比γ₂，最后再利用最大最小中继选择方法选择出所有中继中的最优中继k_opt，其中选择出最优中继之后，剩余的中继继续协助认知用户进行频谱感知，只有最优中继参与认知用户的信息传输。

由于本发明所提出的系统中所包含的授权用户源节点，授权用户目的节点，认知用户源节点，认知用户目的节点以及多个中继节点都是具有多个天线的，因此在本设计中，我们采用了波束赋形的方式，利用波束赋形，既可以提高目的节点的信噪比，又增强了整个系统的能量利用效率。

波束赋形的实现有多种方式，其中最基本的方式是对每个天线阵元上的传输信号进行适当延迟后相加，从而使目的节点方向上接收到的信号强度得到提高，从而使目标方向接收的信号得到增强，而对其他方向上的信号强度有着不同程度的削弱，这种方法通常用于传输的信号为模拟信号。

在本设计中，授权用户源节点和认知用户源节点发送数字信号。数字信号波束赋形的实现方式是通过对不同天线阵元的信号乘以不同复加权系数，然后将相乘之后的结果相加。不同天线阵元所对应的复加权系数既可以调整相应的信号相位，也可以调整相应的信号幅度。对于窄带信号，这种波束赋形方式不仅可以增强目标方向上的信号强度，而且通过合理设置零点后，可以来抑制其他方向上的干扰和噪声。

本设计以认知用户源节点为例进行的分析，如果认知用户源节点发送的信息是数字信号时，根据上述的数字信号的方法进行波束赋形，如图3所示。

在具体实施中，下面仿真分析授权用户和认知用户的中断概率。

1)分析授权用户的中断概率，将授权用户的SINR门限值γ_Pth设置为[-1,1]之间的数值，取值间隔为0.1，将授权用户的源节点发送功率设置为P_P＝1.00，认知用户源节点的发送功率设置为P_S＝0.35，σ_P＝1，天线数目为1、2、3和5，则授权用户的SINR中断概率在不同天线数目情况下随着授权用户的SINR门限值变化的仿真图为图4所示。

从图4可以看出随着天线数目的增加，授权用户的中断概率随着授权用户的SINR门限值的增加而上升，但是上升的速度随着天线数目的增加而减缓。

2)分析认知用户的中断概率，将认知用户的SINR门限值γ_Sth设置为[-1,1]之间的数值，取值间隔为0.1，将授权用户的源节点发送功率设置为P_P＝1.00，认知用户源节点的发送功率设置为P_S＝0.35，中继节点的发送功率为P_r＝0.5，σ_P＝1，天线数目为1、2、3和5，则认知用户的SINR中断概率在不同天线数目情况下随着认知用户的SINR门限值变化的仿真图为图5所示。

从图5可以看出随着天线数目的增加，认知用户的中断概率随着认知用户的SINR门限值的增加而上升，但是上升的速度随着天线数目的增加而减缓。

3)分析在有中继选择和没有中继选择的情况下，认知用户的中断概率，将给定认知用户的SINR门限值γ_Sth设置为[0.5,1.1]之间的数值，取值间隔为0.1，将授权用户的源节点发送功率设置为P_P＝1.00，认知用户源节点的发送功率设置为P_S＝0.35，中继节点的发送功率是P_r＝0.5，σ_P＝1，天线数目为2和4，则在不同天线数目，有中继选择和没有中继选择的情况下，认知用户的SINR中断概率随着认知用户的SINR门限值变化的仿真图为图6所示。

从图6可以看出随着天线数目的增加，认知用户的中断概率随着认知用户的SINR门限值的增加而上升，但是上升的速度随着天线数目的增加而减缓；同时在有中继选择的时候，认知用户的中断概率的上升速度比没有中继选择的情况缓慢。