[论文解读] Cooperative Prediction-and-Sensing Based Spectrum Sharing in Cognitive Radio Networks

Van‐Dinh Nguyen, Oh‐Soon Shin|arXiv (Cornell University)|Jul 24, 2017

Cognitive Radio Networks and Spectrum Sensing参考文献 32被引用 6

一句话总结

该论文提出了一种认知无线电网络中的协作预测与感知式频谱共享（PSBSS）框架，将频谱预测与感知整合到统一的时隙结构资源块中。通过在功率和干扰约束下联合优化波束成形与感知时间，该方法在确保公平性和对信道不确定性鲁棒性的前提下，最大化次用户总速率，相较于传统模型实现了显著的性能增益。

ABSTRACT

This paper proposes prediction-and-sensing based spectrum sharing, a new spectrum-sharing model for cognitive radio networks, with a time structure for each resource block divided into a spectrum prediction-and-sensing phase and a data transmission phase. Cooperative spectrum prediction is incorporated as a sub-phase of spectrum sensing in the first phase. We investigate a joint design of transmit beamforming at the secondary base station (BS) and sensing time. The primary design goal is to maximize the sum rate of all secondary users (SUs) subject to the minimum rate requirement for all SUs, the transmit power constraint at the secondary BS, and the interference power constraints at all primary users. The original problem is difficult to solve since it is highly nonconvex. We first convert the problem into a more tractable form, then arrive at a convex program based on an inner approximation framework, and finally propose a new algorithm to successively solve this convex program. We prove that the proposed algorithm iteratively improves the objective while guaranteeing convergence at least to local optima. Simulation results demonstrate that the proposed algorithm reaches a stationary point after only a few iterations with a substantial performance improvement over existing approaches.

研究动机与目标

• 通过在认知无线电网络中实现动态、机会式的频谱接入，解决静态频谱分配的低效问题。
• 通过将频谱预测整合到感知过程中，克服传统频谱感知因 fading 和路径损耗导致的不稳定与不可靠问题。
• 在满足最小速率约束、发射功率限制以及对主用户干扰保护的前提下，最大化次用户的总速率。
• 设计一种考虑次用户与主用户链路信道估计误差的鲁棒波束成形与感知时间策略。
• 开发一种低复杂度、收敛的算法，用于求解由波束成形与感知时间联合设计引发的高度非凸优化问题。

提出的方法

• 在每个资源块中引入两阶段时隙结构：频谱预测与感知阶段，随后是数据传输阶段。
• 通过次用户与次基站（BS）之间的协作频谱预测，提升感知精度并减少检测错误。
• 利用内逼近框架将原始的非凸总速率最大化问题重构为可处理的形式。
• 提出一种迭代算法，依次求解问题的凸逼近形式，保证收敛至至少一个局部最优解。
• 在信道状态信息不确定性下应用鲁棒波束成形设计，通过为次用户与主用户信道分别建模归一化不确定性水平来描述估计误差。
• 采用半定规划（SDP）松弛方法结合秩一恢复技术，处理在不完美信道状态信息下的波束成形设计问题。

实验结果

研究问题

• RQ1 如何有效将频谱预测集成到频谱感知过程中，以提升认知无线电网络中检测的可靠性并减少误报？
• RQ2 在满足公平性与干扰约束的前提下，如何实现波束成形与感知时间的最优联合设计，以最大化次用户的总速率？
• RQ3 在频谱借用认知无线电系统中，次用户与主用户链路的信道估计误差如何影响可实现的总速率？
• RQ4 低复杂度的迭代算法是否能在高度非凸的频谱共享优化问题中实现快速收敛与近似最优性能？
• RQ5 所提出的 PSBSS 模型在总速率性能上相较于传统的频谱借用、机会访问以及零强制波束成形方案有何表现？

主要发现

• 当发射天线数量为 12 时，所提出的 PSBSS 算法相较于机会访问频谱接入方案，总速率增益达到 4.68 bps/Hz。
• 在 12 根发射天线条件下，PSBSS 模型相较于采用零强制波束成形（ZFBF）的频谱借用方案，增益达 1.64 bps/Hz，而 ZFBF 在天线数少于 9 根时不可行。
• 总速率对次用户（SU）信道状态信息（CSI）估计误差的敏感度高于对主用户（PU）CSI误差的敏感度，尤其在高不确定性水平下更为明显。
• 即使主系统干扰较高，机会访问模型仍能保持稳定的总速率，因其传输概率较低；而 PSBSS 始终优于所有基准方案。
• 所提出的算法收敛迅速，仅需数次迭代即可达到稳定点，并在不同信道不确定性水平下均表现出鲁棒性能。
• 在现实信道不确定性与公平性约束条件下，PSBSS 的总速率性能显著优于传统模型。