[论文解读] On Active Learning and Supervised Transmission of Spectrum Sharing Based Cognitive Radios by Exploiting Hidden Primary Radio Feedback

Rui Zhang|arXiv (Cornell University)|May 21, 2009

Cognitive Radio Networks and Spectrum Sensing参考文献 26被引用 6

一句话总结

本文提出了一种新型的认知无线电（CR）主动学习与监督传输框架，利用隐藏的主用户（PR）反馈——由CR干扰触发的发射功率/速率自适应——在无专用反馈信道的情况下估计CR到PR的信道增益。CR通过探测信号诱发PR的自适应行为，从这些响应中估计信道状态，随后优化自身的发射功率与速率，以在满足PR性能约束的前提下最大化频谱效率，实现了接近最优的性能，同时兼顾实际部署的可行性。

ABSTRACT

This paper studies the wireless spectrum sharing between a pair of distributed primary radio (PR) and cognitive radio (CR) links. Assuming that the PR link adapts its transmit power and/or rate upon receiving an interference signal from the CR and such transmit adaptations are observable by the CR, this results in a new form of feedback from the PR to CR, refereed to as hidden PR feedback, whereby the CR learns the PR's strategy for transmit adaptations without the need of a dedicated feedback channel from the PR. In this paper, we exploit the hidden PR feedback to design new learning and transmission schemes for spectrum sharing based CRs, namely active learning and supervised transmission. For active learning, the CR initiatively sends a probing signal to interfere with the PR, and from the observed PR transmit adaptations the CR estimates the channel gain from its transmitter to the PR receiver, which is essential for the CR to control its interference to the PR during the subsequent data transmission. This paper proposes a new transmission protocol for the CR to implement the active learning and the solutions to deal with various practical issues for implementation, such as time synchronization, rate estimation granularity, power measurement noise, and channel variation. Furthermore, with the acquired knowledge from active learning, the CR designs a supervised data transmission by effectively controlling the interference powers both to and from the PR, so as to achieve the optimum performance tradeoffs for the PR and CR links. Numerical results are provided to evaluate the effectiveness of the proposed schemes for CRs under different system setups.

研究动机与目标

• 解决FDD系统中由于信道互惠性不成立而导致的CR到PR信道估计难题。
• 通过利用PR发射功率与速率自适应作为隐式反馈，实现高效的频谱共享。
• 设计一种实用的传输协议，使CR能够基于观测到的PR行为进行学习与自适应。
• 在干扰约束下实现CR与PR性能之间的最优权衡。

提出的方法

• CR发送探测信号以在PR处引发功率或速率自适应，CR接收端可观测到该行为。
• CR通过分析PR对探测信号的发射自适应响应，估计CR到PR的信道增益。
• 基于感知与重感知阶段观测到的PR信号功率，建立统计估计框架，以高置信度约束信道增益范围。
• CR利用估计得到的信道增益设计监督式数据传输，以控制对PR的干扰，同时最大化自身频谱效率。
• 协议中整合了时间同步、功率测量噪声、速率估计粒度与信道变化等问题的解决方案。
• 系统采用干扰温度约束（ITC）与PR反馈模型（如TCI或CP）来建模并预测PR性能退化。

实验结果

研究问题

• RQ1 认知无线电能否通过观测PR发射自适应行为，在无专用反馈信道的情况下估计CR到PR的信道增益？
• RQ2 CR如何利用隐藏的PR反馈实现频谱共享中的主动学习与监督传输？
• RQ3 从PR反馈中估计信道增益的实际实现挑战有哪些，如何加以缓解？
• RQ4 所提方案的性能与理想基准（如完美反馈或固定ITC）相比如何？
• RQ5 有限观测样本与测量噪声对信道估计精度与系统吞吐量有何影响？

主要发现

• 所提出的主动学习方案仅通过观测PR发射自适应行为，即可实现CR到PR信道增益的精确估计，性能接近完美信道知识下的理想情况。
• CR可通过建模PR的功率控制行为，预测在PR反馈干扰下的可实现速率，从而实现最优的功率与速率自适应。
• 当探测功率为10单位、观测样本数为500时，信道增益的估计边界具有99%的置信度，且估计得到的PR功率惩罚可作为紧致上界。
• 在恒定速率PR传输且采用TCI功率控制的情况下，CR的可实现速率随发射功率增加而提升，但由于反馈干扰持续增加，速率增益低于恒定功率场景。
• 数值结果表明，所提方案优于无反馈基线方案，并在中高CR发射功率下接近完美反馈方案的性能。
• 该方法有效应对时间同步、功率测量噪声与信道变化等实际问题，确保了在真实部署中的鲁棒性。