[论文解读] Analysis and Optimization of Distributed Random Sensing Order in Cognitive Radio Networks.

Hossein Shokri‐Ghadikolaei, Carlo Fischione|arXiv (Cornell University)|Jan 7, 2014

Cognitive Radio Networks and Spectrum Sensing参考文献 40被引用 3

一句话总结

本文提出了一种认知无线电网络的分布式随机感知顺序策略，旨在优化次用户吞吐量的同时限制对主用户的干扰。通过马尔可夫链分析，表明非零误报率可提高频谱利用率，并提出两种自适应算法——尤其是一种能以低计算开销动态适应信道变化的算法，其性能优于无集中控制的静态优化方法。

ABSTRACT

Developing an efficient spectrum access policy enables cognitive radios to dramatically increase spectrum utilization while ensuring predetermined quality of service levels for the primary users. In this paper, modeling, performance analysis, and optimization of a distributed secondary network with random sensing order policy are studied. Specifically, the secondary users create a random order of the available channels upon primary users return, and then find optimal transmission and handoff opportunities in a distributed manner. By a Markov chain analysis, the average throughputs of the secondary users and average interference level among the secondary and primary users are evaluated. A maximization of the secondary network performance in terms of throughput while keeping under control the average interference is proposed. It is shown that despite of traditional view, non-zero false alarm in the channel sensing can increase channel utilization. Then, two simple and practical adaptive algorithms are established to optimize the network. The second algorithm follows the variations of the wireless channels in non-stationary conditions and outperforms even static brute force optimization, while demanding few computations. Finally, numerical results validate the analytical derivations and demonstrate the efficiency of the proposed schemes. It is concluded that fully distributed algorithms can achieve substantial performance improvements in cognitive radio networks without the need of centralized management or message passing among the users.

研究动机与目标

• 开发一种分布式频谱接入策略，以在无集中协调的情况下提升认知无线电网络中的频谱利用率。
• 分析并优化在随机感知顺序下次用户的性能，重点关注吞吐量与干扰控制。
• 研究误报概率对信道利用率与网络性能的影响。
• 设计低复杂度的自适应算法，以响应非平稳信道条件。
• 通过数值结果验证分析模型，并证明完全分布式运行的可行性。

提出的方法

• 使用马尔可夫链对次用户网络进行建模，以评估平均吞吐量与次用户和主用户之间的平均干扰水平。
• 提出一种分布式随机感知顺序策略，其中次用户在主用户离开后基于随机生成的序列自主组织信道接入。
• 引入一个性能优化框架，旨在在对主用户平均干扰水平施加约束的前提下最大化次用户吞吐量。
• 利用马尔可夫链状态转移概率推导吞吐量与干扰的解析表达式。
• 开发两种自适应算法：一种静态，一种动态，后者能以极低计算开销实时响应信道变化。
• 通过数值仿真验证分析结果，将性能与暴力静态优化方法进行比较。

实验结果

研究问题

• RQ1 随机感知顺序策略如何影响分布式次用户网络中的平均吞吐量与干扰水平？
• RQ2 在认知无线电网络中，信道感知中的非零误报概率是否能提高整体频谱利用率？
• RQ3 在分布式运行条件下，次用户吞吐量与对主用户干扰之间最优平衡为何？
• RQ4 响应非平稳信道条件的自适应算法与静态优化方法在性能与复杂度方面有何比较？
• RQ5 完全分布式算法在无需消息传递或集中控制的情况下，能在多大程度上实现高性能？

主要发现

• 信道感知中的非零误报概率实际上可提高信道利用率，挑战了传统认为误报纯属不利的假设。
• 所提出的分布式算法在无需集中管理或用户间信号交互的情况下实现了显著的性能提升。
• 动态自适应算法在非平稳环境中优于静态暴力优化方法，同时保持低计算复杂度。
• 基于马尔可夫链的分析能准确预测平均吞吐量与干扰水平，验证了分析模型的有效性。
• 数值结果证实，所提出的优化框架能有效平衡高次用户吞吐量与对主用户的可控干扰。
• 完全分布式方案可实现接近最优的性能，证明了可扩展且鲁棒的认知无线电网络的可行性。