基于带内频谱感知的认知无线电网络的累加干扰模型分析毕业论文(编辑修改稿)

基于带内频谱感知的认知无线电网络的累加干扰模型分析毕业论文(编辑修改稿)内容摘要：

术中的覆盖共享技术， 也即机会频谱接入技术。 机会频谱接入技术包括三个基本模块：频谱机会识别、频谱机会利用及政策法规。 在机会识别模块中，认知无线电设备对动态变化的授权频谱中的频谱机会进行精确识别、智能跟踪；在机会利用模块中，认知无线电设备根据机会识别模块提供的信息决定是否进行传输、以及如何进行传输；政策法规为认知无线电与授权频谱的共存提供政策保证。 机会频谱接入的目的是在保护主用户不受干扰的情况下为认知用户提供足够的频谱资源。 认知用户的性能需求和主用户的保护需要之间的矛盾关系对频谱机会识别、频谱机会利用以及政策法规等提出了更高的要求 ；其中，频谱机会识别对实现无干扰通信第二章 认知无线电网络累加干扰综述 11 至关重要，频谱机会的明确定义是实现精确识别的必要前提。 C R A C R B信 道 1r t xr r xP U TP U RP U T : 主 用 户 发 射 机P U R : 主 用 户 接 收 机C R A : 认 知 用 户 发 射 机C R B : 认 知 用 户 接 收 机干 扰干 扰 图 23 频谱机会示意图 直观上看，只要信道未被主用户使用，就可以认为该信道是认知用户的频谱接入机会。 事实上，考虑到主用户和认知用户的地理分布，频谱机会的概念更为复杂和丰富。 结合 图 23，本节给出频谱机会的示意说明。 图中 A、 B 为一对认知用户，发射机 A 通过信道 1 向接收机 B 发射信号。 如果 A、 B 能够在限制其对主用户干扰的前提下正常通信，那么信道 1 对 A、 B 而言就 是机会频谱；这意味着，认知用户接收机 B 不能受到主用户发射机的信号干扰，同时认知用户发射机 A也不能对主用户接收机造成干扰。 为更好地分析上述场景，假设主用户系统和认知用户系统具有 如图 23 同样的传播特性和全方向的发射天线。 此时，信道 1 为机会频谱的必要条件， 如图 所示：①与认知用户发射机 A 距离为 txr 的范围内没有主用户在接收信号；②与认知用户接收机 B 距离为 rxr 范 围内没有主用户在发射信号。 很明显， txr 由认知用户的发射功率和主用户的最大允许干扰决定， rxr 由主用户的发射功率和认知用户的可容忍的干扰限决定。 由此可见，频谱机会由主用户系统和认知用户系统共同决定。 一旦频谱机会识别不够精确或频谱机会利用不够合理，有可能发生两种干扰：①主用户发南京师范大学泰州学院本科生毕业论文 12 射机对认知用户接收机的干扰，②认知用户发射机对主用户接收机的干扰。 网络干扰作为提高无线通信系统可靠性、吞吐率和频谱利用率的重要制约因素，一直受到研究人员的关注。 现有的处理无线网络干扰的方法主要 有三种：①通过时域或频域的正交性来降低网络节点间的干扰，如 OFDMA 技术就具有很好的抗干扰能力；②将其它用户的干扰作为噪声，通过提高发射信号的功率来抵抗噪声；③提高接收机设备的精确度，如增强多用户检测技术，将其它设备的干扰降为最低。 随着认知无线电技术的发展，研究重点又转移到新的方向，即结合信息理论、信号处理、编码理论、博弈理论等，通过智能地利用干扰信息或者调整认知技术，提高无线通信系统的可靠性和吞吐量。 下面，本章将分别介绍当前研究中对认知无线电网络两类干扰的处理方法。 主用户对认知用户的干扰 认 知用户在机会地接入主用户授权频谱时，一方面要保证不对主用户系统造成难以忍受的干扰，另一方面也要保证认知无线电网络的正常通信。 但是，一旦认知用户和主用户共存，认知用户的通信不可避免地会受到主用户系统的干扰。 与传统意义上的干扰不同，主用户是一个先认知无线电网络存在的传统网络，因此主用户系统对认知用户的干扰不像高斯噪声具有那么强的随机性。 相反，认知用户可以事先获得主用户系统的相关信息，如主用户系统的业务模式、帧格式、载波频率配置、调制参数、编码参数等；通过掌握这些信息，认知用户可以对主用户系统造成的干扰加以利用。 提出在时域利用主用户干扰实现认知无线电网络的分布式媒体接入控制，在空域利用自适应阵列天线对来自主用户的干扰进行干扰抵消。 可以在认知用户节点配备主用户系统的无线接口配置组件，从而使认知用户接收机能够同时解调主用户发射机信号和认知用户发射机信号；这样的操作模式可以通过解调和分离干扰的方式抵消主用户造成的干扰，为认知用户提供更多的可用频谱资源。 认知用户对主用户的干扰 认知用户采用机会频谱接入技术占用授权频谱的频谱空穴，必须要保证其在授权频谱的通信不会对主用户系统造成难以忍受的网络干扰。 针对认知用户第二章 认知无线电网络累加干扰综述 13 对主用户造成的干扰，提出在认知用户的感知阈值中引入差值  ，保证在感知阈值  范围内的无干扰情况，从而在一定程度上解决了无线传播效应造成的不确定性，这种策略有效地控制了单个认知用户对主用户系统的干扰。 但是，当多个认知用户同时传输时，认知无线电网络仍然有可能会对主用户系统造成难以忍受的干扰；这种多个认知用户同时传输对主用户系统所造成的干扰即为累加干扰 （ accumulative interference / interference aggregation） ，一般情况下累加干扰主要对主用户系统的接收机造成影响。 分析了 WRAN 网络带外（ outofband）发射信号对授权用户所造成的累加干扰。 通过建模分析指出，当认知无线电设备与无线麦克风共存于 TV 频段时，认知无线电设备对无线麦克风的累加干扰使得无线麦克风通信可靠性严重下降。 针对认知无线电网络在主用户接收机处的累加干扰，目前主流的处理方法有两种： ① 干扰管理 结合认知无线电的技术特点，通过对认知无线电网络的累加干扰进行智能管理，将认知用户对主用户的影响降至最小。 ② 建模分析 通过建立数学统计模型，对认知无线电网络的累加干扰进行理论分析，并根据分析结果对认知无线电网络的网络参数进行调整和优化。 无论哪种处理方法，最终的目的是通过认知无线电网络的认知能力和重配置能力控制认知无线电网络的通信行为，将认知无线电对主用户系统的干扰降至最小，从而提高无线频谱资源的利用率。 接下来，本文将对认知无线电网络累加干扰的分析方法进行更深入的 介绍。 认知无线电网络累加干扰的分析方法 干扰管理 认知无线电对授权频谱的机会接入是基于频谱感知、频谱分析、频谱共享等一系列 智能技术，因此，从频域、空域、时域改进认知无线电技术对降低累加干扰、提高机会频谱接入的可靠性具有非常重要的作用。 ① 频域 南京师范大学泰州学院本科生毕业论文 14 由机会频谱接入技术可知，认知无线电要选择未被主用户使用的授权频谱进行通信。 如果认知无线电能够利用更有效的方法（如信标信号）获得更准确的频谱信息，那么累加干扰将得到极大的抑制。 ② 空域 基于认知用户与主用户接收机的位置关系，认知无线电可以通过限制认知用户的发射功率，控制认知用户在主用户接收机处的累加干扰。 结合自适应波束成形技术，认知用户可以通过控制发射功率的方向降低累加干扰。 此外，采用 预测技术，认知用户可以寻找最优的频谱机会，从而避免对主用户造成干扰。 ③ 时域 认知用户的频谱感知技术也为干扰管理提供了非常重要的时域资源。 认知无线电对授权频谱的检测是周期性进行的，即每 t秒的检测周期内检测 t 时间，其中参数 t 是主用户容忍累加干扰的最长时间。 根据主用户在不同信道的业务各自的特点设定检测周期 t 和检测时间 t ，能够有效地降低主用户与认知用户的碰撞，提高认知无线电的通信质量。 干扰管理可以从频域、空域、时域等各个方面出发，或单独、或综合地改进认知无线电技术，有效地减小认知无线电对主用户系统的干扰，极大地提高认知无线电网络的可靠性和智能性。 建模分析 网络干扰的模型化在认知无线电通信系统的分析设计、干扰抵消技术的发展、电磁波发射的控制等方面具有重要的意义。 干扰模型在超宽带技术（ Ultrawideband, UWB） 与其他窄带技术如 GSM（ Global System for Mobile Communications）、 WiFi 等共存的应用中已经受到广泛关注。 传统的网络干扰的建模方法是将网络干扰作为一种噪声。 根据中心极限理论，在无中心控制的情况下多个独立信号造成的干扰可以被看作高斯随机过程；但是当干扰控制中心存在时，中心极限理论将不再适用。 此外，针对脉冲干扰的相关研究也提出了几种重要的数学模型，如 Class A 模型、高斯混合模型以及稳定模等。 与传统无线网络的网络干扰不同，认知无线电网络在主用户接收机处产生的累加干扰不仅与认知无线电系统的发射 功率、天线增益、路径损耗等因素有关，也与主用户系统的发射功率等因素有关。 要控制认知无线电网络的累加干第二章 认知无线电网络累加干扰综述 15 扰，需要建立累加干扰的数学模型，通过量化分析累加干扰的影响因素，将认知无线电技术在制度上的约束条件转化为系统设计、设备设计上的参数标准。 将认知用户假设为具有一定功率密度的认知无线电发射机海（ sea），通过建立累加干扰模型，对认知用户在主用户接收机处造成的累加干扰进行数学量化分析。 采用中断概率作为主用户系统 的性能指标，通过数学建模对平铺技术和覆盖技术的优劣进行对比分析。 它 服从泊松点过程的认知无线电系统在主用户接收机造成的累加干扰服从 Gamma 分布。 也通过数学建模对认知无线电网络累加干扰的概率密度函数以及累加干扰造成的中断概率进行研究。 但是以上累加干扰模型均以主用户发射机为模型的原点，而非真正的干扰发生处 —— 主用户接收机，因此并不能直接反映认知无线电网络对主用户接收机处累加干扰的影响。 本文将在前人工作的基础上建立以主用户接收机为中心的干扰模型，从而更直接地分析认知无线电网络累加干扰的影响因素。 累加干扰的数学模型必须考虑以下造成干扰的基本物理因素：①干扰源的传输特性，如调制方式、发射功率、同步方式等；②干扰源在网络 中的空间布局；③通信介质的传输特性，如路径损耗、阴影、多径衰落等。 ① 干扰源的传输特性 干扰源的传输特性受干扰源的控制。 在认知无线电网络中，认知用户可以通过对发射功率等的智能控制降低其在主用户接收机处的累加干扰。 本文第四章将研究如何通过引入机器学习理论，实现对认知无线电网络发射功率和累加干扰的智能控制。 ② 干扰源空间分布模型 常用的干扰源空间分布模型有确定性分布和随机性分布两种。 确定性分布模型多适用于网络节点位置分布已知或网络结构已知的情况，如二维平面内的矩形格栅、三角形格栅、六边形格栅等。 但是，很多网 络场景仅具有关于节点分布的概率描述，无法给出确定性分布模型，因此只能采用随机的空间分布模型。 齐次泊松过程作为具有最大熵的齐次过程，为网络节点的随机分布提供了简单、有效的随机模型，被应用于无线网络的包吞吐量的分析、差错概率和链路容量的研究、认知无线电网络累加干扰的分析等场景。 此外，将认知无线电网络模型化为具有一定功率密度的发射机组成的海，简化和方便了对认知无线南京师范大学泰州学院本科生毕业论文 16 电网络中功率控制等问题的分析。 本文后续研究也将基于认知无线电发射机海的分布模型。 ③ 通信介质的传输特性 通信介质即信道的传输特性对累加干扰的影响亦不容 忽视。 在许多无线系统的设计和分析中，发射机和接收机之间的功率关系已经足以反映通信介质的传输特性。 定义发射机的发射功率为 txP ，则与其距离为 R 的接收机的接收功率rxP 可表示为 2tx k krx bPZP R （ 21） 其中， b 为振幅衰减指数， 2b 为功率衰减指数。 公式中 21 bR 项表示大尺度路径衰落，振幅衰减指数 b 与网络环境有关，变化范围为 ～ 4，其中  对应建筑物走廊内的衰落情况， 4b 对应高密度的城市环境中的衰落情况， 1b对应自由空间 （ freespace） 的衰落情况。 kZ 为独立随机变量，可表示不同的传播效应，具体如下所示： )a 仅有路径衰落： 1 1Z ； )b 具有路径衰落和 Nakagamim衰落： 21Z ，其中 2 ( ,1 )g m m ～ ， 2 服从均值为 1 方差为 1m 的 gamma 分布； )c 具有路径衰落和对数正态阴影： 21 GZe ，其中 ~ (0,1)GN ， G 服从均值为 0 方差为 1 的高斯分布； )d 具有路径衰落、 Nakagamim 衰落以及对数正态阴影： 21Z ，其中2 ( ,1 )g m m ～ ， 22 GZe ，其中 ~ (0,1)GN。 认知无线电网络的累加干扰模型不仅要考虑认知无线电网络的传输特性 ，也要考虑主用户所在授权网络的传输特性等。 干扰约束 制定干扰约束是一个非常复杂的政策问题，过于苛刻的约束政策会降低机会频谱接入的潜在增益，过于宽松的约束政策又会影响主用户系统与认知用户第二章 认知无线电网络累加干扰综述 17 系统的相容性。 总体而言，干扰约束应该至 少明确两个参数：①主用户接收机能够容忍的最大干扰功率  ，②主用户接收机处的累加干扰超出  的最大允许概率 。 参数  表明主用户系统的噪声限，低于  的累加干扰不会影响主用户系统的通信。 考虑到主用户发射机和认知用户发射机的影响，可以用主用户接收机处的信干噪比阈值 ThSINR 来代替  ；当主用户接收机处的信干噪比。