[论文解读] Spectrum Sensing in Cognitive Radio Networks: Performance Evaluation and Optimization

Gang Xiong, Shalinee Kishore+1 more|arXiv (Cornell University)|Jan 9, 2012

Cognitive Radio Networks and Spectrum Sensing参考文献 18被引用 3

一句话总结

本文提出了一种在认知无线电网络中考虑能量约束的协作式频谱感知框架，通过联合优化能量采样数和放大转发中继的放大增益，以最小化全局误码概率。关键发现是：在联合优化这些参数时，仅需一个次用户主动参与感知，显著降低了系统开销，同时在动态衰落信道下保持了检测的可靠性。

ABSTRACT

This paper studies cooperative spectrum sensing in cognitive radio networks where secondary users collect local energy statistics and report their findings to a secondary base station, i.e., a fusion center. First, the average error probability is quantitively analyzed to capture the dynamic nature of both observation and fusion channels, assuming fixed amplifier gains for relaying local statistics to the fusion center. Second, the system level overhead of cooperative spectrum sensing is addressed by considering both the local processing cost and the transmission cost. Local processing cost incorporates the overhead of sample collection and energy calculation that must be conducted by each secondary user; the transmission cost accounts for the overhead of forwarding the energy statistic computed at each secondary user to the fusion center. Results show that when jointly designing the number of collected energy samples and transmission amplifier gains, only one secondary user needs to be actively engaged in spectrum sensing. Furthermore, when number of energy samples or amplifier gains are fixed, closed form expressions for optimal solutions are derived and a generalized water-filling algorithm is provided.

研究动机与目标

• 评估并优化在动态观测与融合信道下的认知无线电网络协作式频谱感知。
• 解决频谱感知中本地处理与传输成本带来的系统级能量开销问题。
• 联合优化能量采样数与放大转发中继的放大增益，以最小化全局误码概率。
• 推导闭式解与广义水填充分配算法，用于能量约束下的协作感知。

提出的方法

• 建模了次用户通过并行信道采用放大转发（AF）方式将本地能量统计信息报告给融合中心的协作式频谱感知。
• 分析了在加性白高斯噪声（AWGN）与瑞利衰落信道下，观测信道与融合信道的平均误码概率。
• 提出了一套系统级成本模型，综合考虑本地处理成本（采样采集与能量计算）与传输成本（统计信息转发）。
• 提出两个优化问题：在功率约束下最小化全局误码概率，以及最小化系统级能量成本。
• 当采样数或放大增益之一固定时，推导出闭式最优解。
• 提出一种广义水填充分配算法，用于联合优化采样数与放大增益。

实验结果

研究问题

• RQ1 观测信道与融合信道中的动态衰落如何影响协作式频谱感知的平均误码概率？
• RQ2 协作式频谱感知中，本地处理成本与传输成本之间的最优权衡是什么？
• RQ3 能否通过联合优化能量采样数与放大增益，降低系统级能量开销，同时保持检测可靠性？
• RQ4 在能量约束条件下，最少需要多少个次用户处于主动感知状态？
• RQ5 闭式解与广义水填充分配算法如何提升能量约束下协作感知系统的性能？

主要发现

• 在联合优化能量采样数与放大增益时，仅需一个次用户主动参与频谱感知，即可实现最优性能。
• 在低至中等融合信噪比（SNR）区域，当融合信道可靠时，即使存在衰落，检测性能仍能保持稳定。
• 当其中一个参数（采样数或放大增益）固定时，推导出采样数与放大增益的闭式最优解。
• 广义水填充分配算法能有效分配资源，在保持检测可靠性的同时最小化系统级能量成本。
• 在高信噪比条件下，最优误码概率受最大信道增益与总功率的限制，且在衰落观测信道中可利用空间分集增益提升性能。
• 定量比较了最优与次优策略下的误码概率，结果表明最优方案因更优的功率分配而实现最低误码率。