认知无线网络中频谱切换算法研究综述

马　彬,包小敏,谢显中

(1.重庆邮电大学移动通信技术重庆市重点实验室,重庆 400065;2.重庆邮电大学重庆市计算机网络与通信技术重点实验室,重庆 400065)



认知无线网络中频谱切换算法研究综述

马彬1,2,包小敏1,谢显中2

(1.重庆邮电大学移动通信技术重庆市重点实验室,重庆 400065;2.重庆邮电大学重庆市计算机网络与通信技术重点实验室,重庆 400065)

无线频谱资源的匮乏和多用户争用环境,导致认知无线网络中频谱切换研究面临严峻挑战.本文阐述了频谱切换的基本原理,包括频谱切换的概念和特征、频谱切换的主动决策和被动决策分类、频谱切换过程及建模抽象的方法等几个方面.其次,重点以数学建模工具为主线,综述了基于概率论、马尔可夫过程、排队论、模糊逻辑、模糊神经网络等5类代表性的频谱切换算法,评述了学术界在各类频谱切换算法上的重要研究成果;最后,基于对已有算法和研究成果的分析,总结了当前研究中存在的非理想频谱检测、目标信道选择、空闲信道动态性等主要问题,预测了频谱切换的未来研究方向.

认知无线网络;频谱切换;切换方法;切换过程;抽象方法

1　引言

随着无线通信网络快速发展,频谱资源紧张的状况日渐突出.新的网络技术和新业务层出不穷,非授权频谱已经被广泛利用,这些非授权频谱资源也渐趋饱和,然而相当数量的授权频谱资源的利用率却非常低.认知无线电技术能够动态跟踪频谱忙闲状态,并根据频谱状态自适应调整用户机会式接入频谱,能有效的提高频谱利用率.认知无线网络(Cognitive Radio Networks,CRN)中的无线用户可以同时在授权和非授权频谱上工作.在授权频谱上进行通信的授权用户称为主用户(Primary User,PU).认知用户,即次用户(Secondary User,SU),是不干扰主用户,采用机会式接入频谱进行通信的用户[1].空闲频谱的动态变化和各种业务不同的QoS要求是CRN面临的两个主要问题,这些问题可通过动态频谱管理[2]来解决.动态频谱管理主要分为频谱感知、频谱判决、频谱共享和频谱移动性几个方面.频谱感知、频谱判决、频谱共享为次用户高效的使用空闲频谱提供了必要基础.频谱的移动性即频谱切换是认知无线网络中频谱高效利用非常关键的一环.频谱切换是要快速、高效地引导认知用户找到合适的频段;是要考虑用户的接入服务质量需求和频谱空洞的频谱特征,以提高频谱切换的成功率和空闲频谱的利用率,进而提高系统吞吐量,降低阻塞率,提升通信系统性能.

2　认知频谱切换

2.1频谱切换概念及特征

在认知无线网络中,次用户可以机会性地接入主用户的授权频段传输数据.当主用户未使用其授权频谱时,次用户可以机会性地接入该空闲频谱,但当主用户突发出现在该频谱时,次用户必须在第一时间退出该频谱并寻找到一个新的空闲频谱继续传输未传完的数据,而不能对主用户造成干扰.这个过程在认知无线网络中就称之为频谱切换[3,4].

频谱切换的性能指标直接体现了整个认知网络中的频谱利用情况.目前,关注较多的指标有切换时延、切换次数、中断概率和阻塞率等.频谱切换使次用户不能连续的传输数据,因此降低了次用户传输数据的效率,产生了切换时延.切换时延包括感知时延、切换执行时延、等待时延、冲突重传时延等.感知时延是次用户通过频谱感知寻找空闲信道产生的时延.切换执行时延是次用户从当前信道切换到目标信道产生的时延.次用户需要切换时,如果没有空闲信道可供切换则需要等待,因此会产生一定的等待时延.冲突重传时延是主次用户产生冲突后,重传冲突部分的数据所产生的时延.频谱切换中切换次数越少,切换所需的开销就越少,次用户的传输效率就越高.空闲频谱密度和目标信道的选择算法都会影响切换次数.次用户的中断概率和阻塞率也是频谱切换中经常讨论的两个性能指标.

2.2频谱切换的分类

目前,频谱切换的机制或者算法主要有主动决策频谱切换和被动决策频谱切换两种.二者最大的区别在于目标信道的获得方式.主动决策频谱切换在切换之前先确定了含有多个候选信道的频谱池,可及时切换,减少时延;而被动决策频谱切换是在切换发生时由次用户实时感知频谱,从而确定切换执行的目标信道.

在主动决策频谱切换中,按照长期监测得到的流量统计,次用户会有一个候选信道集合,当需要切换时,采用合适的信道选择算法选择其一作为目标信道.这种预先确定目标信道的方案中建立候选信道池和选择目标信道是两个关键问题.目前研究候选信道池的建立方案包括根据历史信息统计得出或者通过某种预测得出,还可能与业务传输同步的频谱感知有关.目标信道的选择问题,实际上就提出合适的信道选择算法来优化频谱切换的有效性.在被动决策频谱切换中,目标信道是按需寻找的.当次用户的数据传输被中断,次用户才实时进行频谱感知找出可用的目标信道.然后次用户切换到其中一个空闲信道,继续传输未传完的数据.这种即时的频谱感知可以保证了目标信道的准确性,但是延长了传输时间.

比较这两种频谱切换机制[5],被动决策频谱切换能保证目标信道的可靠性,但是它的切换时延包括感知时延、握手时延和切换执行时延.其中握手时延是为保证发送端和接收端的一致性所产生的时延.主动决策频谱切换虽然没有感知时延和握手时延,但是它必须要保证目标信道即时更新.从网络负载上来比较,如果网络比较繁忙,主动决策频谱切换中候选信道的状态变化较快,而被动决策频谱切换保证了目标信道的可靠性.因此,此时被动决策频谱切换比主动决策频谱切换更好.反之,当网络负载小时,则用主动决策频谱切换更好.两种频谱切换机制的选择不只与网络的繁忙程度有关,还与信道的链路特性、业务类型等都有关系.具体的优劣情况见表1.

表1　两种频谱切换机制的比较

3　频谱切换的过程与抽象

3.1频谱切换的过程

频谱切换过程可划分为频谱检测及切换预判、切换频谱的目标信道选择和切换执行.频谱检测及切换预判就是实时检测授权频段的占用情况和主用户的到达情况.根据次用户传输情况和信道的特性对是否进行切换做出预判.切换频谱的目标信道选择就是在众多可用的频谱中选出一个最适合次用户切换过去的信道.这个过程需要频谱选择算法来实现.次用户检测到需要切换并且已找到最优目标信道,然后次用户就可以切换到目标信道中,即切换的执行过程.切换执行就是通过设计切换机制和更改传输参数来保证切换的执行并提高系统的性能.切换执行的方式有信道预留机制和Ad Hoc的方式.

3.2频谱切换过程的抽象方法

在认知网络中,通常将频谱划分为多个信道.主用户和次用户可以在各自的信道中传输数据,也可以在不同时段中使用相同的信道.为了更直观的说明频谱切换的具体过程,如图1所示,把网络抽象成了时空两个维度来研究,功率这个维度分成多个信道,时域维度分成了多个时隙.认知用户首先工作在频谱①,当频谱①上主用户出现时,认知用户就切换到空闲频谱④上,直到频谱④上主用户出现,若此时认知用户需要继续使用频谱,则切换到空闲频谱②上,如此循环,直到认知用户业务传输完成.

4　代表性的频谱切换算法及其分析

在研究频谱切换时,主动和被动决策频谱切换都需要借助一些数学方法和工具建立模型来分析主次用户的频谱利用情况.本节选取了五种代表性的频谱切换算法,具体阐述了算法思想和分析过程.

4.1基于概率论的频谱切换算法

早期的频谱切换研究中,许多学者用一些简单的数学模型来分析,例如独立信道接入概率模型、伯努利接入过程、ON/OFF随机过程等[6～14].这类算法通过概率论的统计方法估计出信道的忙闲状态,从而决定次用户是否切换或切换到哪个信道中,进一步做频谱切换的性能分析.在具有代表性的文献[8]中,作者建立了基于伯努利的接入模型,分析了次用户链路保持概率.

利用伯努利过程描述主用户到达信道的情况,分析频谱切换的过程,从而得到频谱切换的链路保持概率.链路保持概率是次用户在切换中能完成传输的概率.假设次用户的切换次数为N,总时隙为M,P为次用户在某时隙不可用的概率.链路保持概率Pm可表示为:

pm≜Pr{整个次用户传输所需的切换次数小于N|M个传输时隙}

(1)

在主动决策频谱切换中,利用伯努利随机过程可知,次用户的链路保持概率为:

(2)

其中当N→∞时,pm=1.当次用户的切换次数N为无穷大时,理论上次用户最终能完成信息的传输.但次用户所需的传输时间也为无穷大,在实际中意义不大.

在被动决策频谱切换中,次用户的链路保持概率为:

(3)

本算法的优点:(1)建模简单;(2)考虑了主用户对次用户引起的多次中断.缺点:(1)假设条件过于苛刻,不能反映真实的频谱切换过程;(2)主用户的持续时间分布只能是指数分布,不适合其他分布.

4.2基于马尔可夫过程的频谱切换算法

文献[15～31]利用马尔可夫过程建模,分析频谱切换过程.主次用户的频谱利用情况用离散或连续二维马尔可夫链来建模分析[15～22].这里的二维分别代表CRN中主次用户的总数.多维马尔可夫链模型[23～25]也能分析频谱切换,新的维数通常代表信道状态、排队长度、被干扰信道数等.文献[26～28]中创新性的介绍了隐马尔可夫链模型.结合马尔可夫链和排队论建立模型[29～31]能解决更多问题.

文献[29]用马尔可夫链和排队论两种算法建模,利用马尔可夫链的马尔可夫性来预测目标信道的状态,得出两个信道间的切换概率和代价,以频谱切换的参数来分析切换的性能.为适应不同时延要求的业务,设定了两级次用户,假设一级次用户的优先级大于二级次用户.因此用户的优先级有三级,主用户的优先级最高,其次分别是一级次用户和二级次用户.

假设CRN中有M个独立的信道Ch1,Ch2,…,ChM,目标信道序列为sn=(s1,s2,s3,…,sn),si∈Ω,Ω={Ch1,Ch2,…,ChM}.切换的状态传输路径为s0→s1→s2→…→sn→End,其中End代表数据传输完成.pi,j和ci,j分别为状态i到状态j的传输概率和传输代价.根据用户的优先级和排队论的方法,一级次用户的传输概率矩阵和代价矩阵分别为:

(4)

(5)

其中pPU为一级次用户被中断的概率,ρ为各种用户的信道占用率.传输代价可等效为切换时延,进一步可得一级次用户的累积时延为:

(6)

本算法的优点:(1)状态转移图能直观表现频谱切换的过程;(2)马尔可夫的判决过程利于选择目标信道.缺点:(1)主用户服务时间分布只能是指数分布;(2)忽略了次用户业务负载产生的影响,实际上次用户过去和未来的决策都会影响信道的业务负载.

4.3基于排队论的频谱切换算法

在实际的CRN中,主次用户有多个,当多个次用户同时接入同一个信道时,会出现冲突问题,基于排队论的频谱切换算法[32～38]能很好的解决这个问题.由于主次用户具有不同的优先级,可用预置优先级的排队策略解决多个次用户的冲突问题.

具有代表性的文献[34]中构建了抢占优先恢复(Preemptive Resume Priority,PRP)M/G/1排队网络模型.如果相同优先级的用户同时到达信道,采用先到先服务的策略.假设不存在信道复用和检测错误的情况,N为次用户被中断次数,nmax为次用户最大的被中断次数.则次用户的平均数据传输时间为:

(7)

由排队论模型可知,次用户的平均数据传输时间为本身的服务时间和累积时延之和,进一步可得以下公式:

(8)

(9)

(10)

本算法的优点:(1)考虑了次用户业务负载对信道占用统计量的影响;(2)多种分布函数可作为主用户的服务时间分布.不足之处是回避了次用户的错误检测概率对频谱切换的影响.

4.4基于模糊逻辑的频谱切换算法

由于次用户的频谱感知存在虚警和误警等情况,判断是否进行频谱切换的信息不准确、不全面,因此可用模糊逻辑的数学模型对频谱切换模型[39～45].文献[39]中提出了基于模糊逻辑的频谱切换判决算法,其中包括两个模糊逻辑控制器.如图2所示,第一个模糊逻辑控制器估计次用户和各个主用户的距离,根据与主用户距离来决定次用户传输功率.第二个模糊逻辑控制器用于判断次用户是否执行频谱切换,并且通过修改传输功率能减少频谱切换次数.

在模糊逻辑理论中,首先要将输入和输出变量模糊化,用三个模糊集表示如下:

T(SSPU)=T(SNRPU)=T(PPSU)={Low,Medium,High}

(11)

然后通过模糊推理准则得出在各种输入条件下,输出变量的模糊值,并列出表格.例如,当SNRPU为“High”,SSPU为“Low”时,则输出变量PPSU为“High”.最后,采用去模糊化过程将输出变量的模糊值还原为确定的值.

第二个模糊逻辑控制器的分析过程同上.在以下两种情况下可执行频谱切换,(1)次用户的QoS不能保证;(2)次用户对主用户造成干扰.并且通过变量MODPSU,能减少频谱切换次数,提高次用户的服务质量.

本算法的优点有:(1)能减少频谱切换次数,提高次用户的服务质量;(2)可放宽假设条件,在感知信息不准确、不全面的情况下进行准确的频谱判决.不足之处是模糊逻辑控制器不能随着当前网络状况的变化来调整自身的参数.

4.5基于模糊神经网络的频谱切换的算法

神经网络具备很强的自学习能力,能处理不精确、不完全的模糊信息,有良好的容错性和高度的非线性.在频谱切换中,人工神经网络通常与模糊逻辑理论相结合[46～48],采用神经网络自适应调整模糊逻辑控制器中参数的权重,从而提高了频谱切换的性能.

文献[46]中提出一种基于模糊神经控制的切换判决算法.通过神经网络对隶属度函数和模糊推理规则进行自适应调整.该算法在4.4节的基础上对模糊逻辑控制器的输入参数进行自学习调整.自适应网络模糊推理系统的神经网络结构如图3所示.中间3层实现模糊推理系统的功能.

网络的学习过程即神经网络神经元之间的权值调整过程,可通过最小均方算法实现.利用梯度运算,不断更新神经元的权值,达到自学习的目的.权重的递推关系为:

wk+1=wk+u(-▽k)

(12)

其中wk+1为下一步的权值,wk为当前的权值,u为学习参数,-▽k为均方误差曲面对应wk的梯度.设dk为输入单元第k次训练的期望输出,wkxk为输出单元第k次的实际输出,则均方误差的误差函数为e=0.5×(dk-wkxk)2.定义梯度为:

(13)

进一步计算可得权值调整关系式为:

wk+1=wk+u(dk-wkxk)xk

(14)

本算法的优点:(1)具有自学习功能,使频谱切换更加准确;(2)能处理非理想感知下的频谱切换问题.不足之处是该算法容易与模糊逻辑理论结合,但是难以与其他研究算法结合.

4.6各种算法的比较

五种具有代表性的频谱切换算法都是考虑频谱切换的某种特性建立模型,这在一定程度上体现了研究频谱切换的深入过程.各种算法的侧重点不同,所研究的深入程度也不同.在研究过程中,要根据研究的具体内容,选取合适的频谱切换算法.表2对这五种算法进行了简单的比较.

表2　各种频谱切换算法的比较

5　当前问题及未来展望

5.1当前研究问题分析

虽然频谱切换只是认知无线电中的一部分,但频谱感知、频谱共享等多个技术都对切换性能产生重要影响.目前,国内外学者对频谱切换的基本原理、性能特征、模型构建等方面做了大量的研究,但是在实际的切换中还存在很多突发的未知情况,需要进一步的深入分析.频谱切换的研究仍然存在以下几个问题:

(1)频谱感知准确性和效率问题在很大程度上能影响频谱切换的性能.在本文第4节综述的基于概率论、马尔可夫和排队论等频谱切换算法的研究中,大多数都没考虑频谱检测中发生误警和虚警等情况.但是在实际的CRN中不可避免的存在虚警和误警等非理想频谱检测的情况.非理想的频谱检测会使频谱切换不准确,引起更多的不确定问题.因此,在研究频谱切换问题的同时,也要考虑到非理想频谱检测对频谱切换的影响.

(2)当存在多个空闲信道进行切换时,选择不同的目标信道对频谱切换的性能有很大影响.4.2节中分析的频谱切换算法就是利用马尔可夫过程预测信道状态,选出最优目标信道.但是,目标信道选择算法与其他建模方法的结合,以及降低算法复杂度等问题都需要进一步研究,致力于找出更加优化的目标信道选择算法.一旦选出最佳目标信道,下一个挑战是设计一种新的频谱移动性和连接管理方法以减少信道切换所造成的延时和性能下降.

(3)空闲的授权频谱随时间不停的变化,这会使切换时延和切换次数增加,从而降低频谱切换的性能.第4节中分析的几种代表性的频谱切换算法,很多都是通过不同的数学方法建模,分析频谱切换的性能指标,以此来判断是否保证了次用户的QoS.因此,在动态变化的认知环境中,保证次用户的QoS是频谱切换的又一个挑战.

(4)从几种具有代表性的频谱切换算法的模型构建分析可以看出,很多频谱切换算法对模型的构建比较理想化,不能完全体现CRN复杂的信道变化状态.一旦不满足该模型限制的条件,这种频谱切换算法将不能实现.因此,更通用全面的模型构建也是当前存在的问题.

5.2未来研究方向展望

纵观上述研究进展,并分析了当前研究存在的挑战,着眼于提高频谱资源的实际利用效率和保证主次用户的QoS,未来值得重点关注的方向可概括为以下四个方面:

(1)频谱检测的虚警和误警概率会导致频谱切换存在更多不准确问题,大大降低了CRN的性能,严重阻碍了CRN在实际环境中的发展和运用.研究存在误警和虚警的频谱切换算法成为未来重点研究方向之一.这需要着重考虑以下两个方面:(a)优化频谱感知方法,减小频谱检测误差;(b)在频谱切换建模过程中,应考虑误警和虚警对频谱切换的影响.从而推动CRN的进一步完善,加快其商用的步伐.

(2)目标信道的选择严重影响频谱切换性能,制约CRN的发展.未来的研究课题应提出更高性能的目标信道选择算法.目标信道选择算法的核心是选出最优的目标信道,这将有助于提高频谱切换的性能,进一步推动CRN的发展.

(3)通信业务越来越多样化,不同类型的业务对CRN提出了不同的要求.对不同要求的业务应该提出相应的频谱切换算法,才能满足次用户的QoS要求.如果CRN不能保证次用户的QoS,那么研究CRN变得没有意义.所以,各种QoS要求的业务对频谱切换的影响都会成为未来的研究方向,为实现多样化的CRN奠定了基础.

(4)为适应CRN复杂的信道变化状态,有必要对数学模型做出以下改进:(a)在现有方法的基础上做进一步的研究,重点在放宽模型的假设,使频谱切换模型更加接近实际的认知无线网络;(b)进一步探讨新的数学方法来解决频谱切换中的问题.简单而高效的数学模型能促进对频谱切换的研究,使进一步提高CRN的性能成为可能.

6　结束语

CRN中的频谱切换在近几年受到越来越多的关注,本文主要从以下四个方面对现有工作做了回顾与总结:(1)简单介绍了认知无线网络中频谱切换的相关概念、特征和分类情况.(2)详细分析并讨论了频谱切换的具体过程和抽象方法.(3)以数学建模工具为主线,重点分析了具有代表性的包括基于概率论、马尔可夫、排队论、模糊逻辑和模糊神经网络等频谱切换的算法,并比较了这五种算法的优劣.(4)提出了频谱切换当前所面临的问题以及未来的研究方向.目前频谱切换的研究仍处于初级阶段,尚有许多工作需要继续深入的分析和研究.

[1]刘权,赵光胜,王晓东,等.认知无线电网络信道交汇研究综述[J].软件学报,2014,25(3):606-630.

Liu Quan,Zhao Guang-sheng,Wang Xiao-dong,et al.Rendezvous in cognitive radio networks:A survey[J].Journal of Software,2014,25(3):606-630.(in Chinese)

[2]Maheshwari P,Singh A K.A survey on spectrum handoff techniques in cognitive radio networks[A].International Conference on Contemporary Computing and Informatics (IC3I)[C].Mysore,India:IEEE Press,2014.996-1001.

[3]Ma B,Xie XZ.PSHO-HF-PM:An efficient proactive spectrum handover mechanism in cognitive radio networks[J].Wireless Personal Communications,2014,79(3):1-23.

[4]Xie X Z,Yang G,et al.Spectrum handoff decision algorithm with dynamic weights in cognitive radio networks[A].Global Mobile Congress (GMC)[C].Shanghai,China:IEEE Press,2011.1-6.

[5]Wang L C,Wang C W.Spectrum handoff for cognitive radio networks:reactive-sensing or proactive-sensing?[A].IEEE International Performance,Computing and Communications Conference (PICCC)[C].Austin Texas,USA:IEEE Press,2008.343-348.

[6]Wang S,Tosato F,Coon J.Reliable energy-efficient spectrum management and optimization in cognitive radio networks.How often should we switch?[J].IEEE Wireless Communications,2013,20(6):14-20.

[7]Lertsinsrubtavee A,Malouch N,Fdida S.Spectrum handoff strategy using cumulative probability in cognitive radio networks[A].3rd International Congress on Ultra Modern Telecommunications and Control Systems and Workshops (ICUMT)[C].Budapest,Hungary:IEEE Press,2011.1-7.

[8]Wang L C,Chen A.On the performance of spectrum handoff for link maintenance in cognitive radio[A].IEEE 3rd International Symposium on Wireless Pervasive Computing[C].Santorini,Greece:IEEE Press,2008.670-674.

[9]Song Y,Xie J.Common hopping based proactive spectrum handoff in cognitive radio ad hoc networks[A].IEEE Global Telecommunications Conference (GLOBECOM)[C].Miami FL,USA:IEEE Press,2010.1-5.

[10]郑仕链,杨小牛.认知无线电频谱切换目标信道访问机制[J].电子与信息学报,2011,34(9):1332-1334.

Zheng Shi-lian,Yang Xiao-niu.Target channel visiting scheme for spectrum handoff in cognitive radio[J].Journal of Electronics & Information Technology,2011,34(9):1332-1334.(in Chinese)

[11]殷聪,谭学治,马琳,等.认知无线电中一种频谱聚合的切换策略[J].四川大学学报(工程科学版),2013,45(6):116-122.

Duan Cong,Tan Xue-zhi,Ma Lin,et al.A handoff strategy of spectrum aggregation in cognitive radio system[J].Journal of Sichuan University (Engineering Science Edition),2013,45(6):116-122.(in Chinese)

[12]Hoyhtya M,Pollin S,Mammela A.Performance improvement with predictive channel selection for cognitive radios[A].First International Workshop on the Cognitive Radio and Advanced Spectrum Management[C].Aalborg,Denmark:IEEE Press,2008.1-5.

[13]Hoyhtya M,Pollin S,Mammela A.Classification-based predictive channel selection for cognitive radios[A].IEEE International Conference on Communications (ICC)[C].Cape Town,South Africa:IEEE Press,2010.1-6.

[14]Yoon S U,Ekici E.Voluntary spectrum handoff:a novel approach to spectrum management in CRNs[A].IEEE International Conference on Communications (ICC)[C].Cape Town,South Africa:IEEE Press,2010.1-5.

[15]Bayhan S,Alagoz F.A Markovian approach for best-fit channel selection in cognitive radio networks[J].Ad Hoc Networks,2014,12(6):165-177.

[16]Ma R T,Hsu Y P,Feng K T.A POMDP-based spectrum handoff protocol for partially observable cognitive radio networks[A].Wireless Communications and Networking Conference[C].Budapest,Hungary:IEEE Press,2009.1-6.

[17]Chu J H,Ma R T,Feng K T.Stochastic spectrum handoff protocols for partially observable cognitive radio networks[J].Wireless Network,2014,20(4):1003-1022.

[18]Coutinho P S,Rocha da Silva M W,Rezende J F.Detectionerror aware spectrum handoff mechanism for cognitive radios[A].7th International ICST Conference on CROWNCOM[C].Stockholm,Sweden:IEEE Press,2012.48-53.

[19]Wu C Y,He C,Jiang L G,et al.A novel spectrum handoff scheme with spectrum admission control in cognitive radio networks[A].Global Telecommunications Conference (GLOBECOM)[C].Houston TX,USA:IEEE Press,2011.1-5.

[20]Xu Y,Li Y Z,Zhao Y F,et al.Selective sensing and transmission for multi-channel cognitive radio networks[A].Conference on Computer Communications Workshops (INFOCOM WKSHPS)[C].Shanghai,China:IEEE Press,2011.47-51.

[21]吴呈瑜,何晨,蒋铃鸽.认知无线网络中的频谱切换性能分析[J].电子与信息学报,2013,35(11):2590-2595.

Wu Cheng-yu,He Cheng,Jiang Ling-ge.Performance analysis of spectrum handoff in cognitive radio networks[J].Journal of Electronics & Information Technology,2013,35(11):2590-2595.(in Chinese)

[22]林威,付宇,张钦宇.认知无线电中认知用户的重新建模与性能分析[J].通信学报,2012,33(11):108-118.

Lin Wei,Fu Yu,Zhang Qin-yu.Performance analysis and re-modeling of secondary users in cognitive radio system[J].Journal on Communications,2012,33(11):108-118.(in Chinese)

[23]Feng W J,Jiang R,Han P P,et al.Performance analysis of cognitive radio spectrum access with different primary user access schemes[J].Wireless Pers Commun,2014,75(3):309-324.

[24]Chen P P,Zhang Q Y,Zhang Y L,et al.Performance analysis of spectrum sharing mechanisms in cognitive radio networks[J].Wireless Communication and Networking,2011,129(5):1-15.

[25]Deng S,Du L,Wang B,et al.Dynamic channel reservation based on forecast in cognitive radio[A].Vehicular Technology Conference (VTC Spring)[C].Dresden,Germary:IEEE Press,2013.1-6.

[26]Pham C,Nguyen H,Do C T,et al Spectrum handoff model based on hidden Markov model in cognitive radio networks[A].International Conference on Information Networking (ICOIN)[C].Phuket,Thailand:IEEE Press,2014.406-411.

[27]黎洁,刘羽西,李奇越.基于隐马尔可夫模型的认知无线频谱切换方法[J].电子测量与仪器学报,2014,28(1):69-74.

Li J,Liu YX,Li QY.Spectrum handoff method based on hidden Markov model in cognitive radio network[J].Journal of Electronic Measurement and Instrumentation,2014,28(1):69-74.(in Chinese)

[28]杨小龙,谭学治.认知无线电网络中授权用户参数估计[J].系统工程与电子技术,2014,36(3):1-8.

Yang Xiao-long,Tan Xue-zhi.Estimation of primary user parameters in cognitive radio networks[J].Systems Engineering and Electronics,2014,36(3):1-8.(in Chinese)

[29]Zhang L,Song T C,Wu M,et al.Modeling for spectrum handoff based on secondary users with different priorities in cognitive radio networks[A].International Conference on Wireless Communications & Signal Processing (WCSP)[C].Huangshan,China:IEEE Press,2012.1-6.

[30]Li M,Jiang T G,Tong L.Spectrum handoff scheme for prioritized multimedia services in cognitive radio network with finite buffer[A].11th International Conference on Dependable,Autonomic and Secure Computing (DASC)[C].Chengdu,China:IEEE Press,2013.410-415.

[31]Konishi Y,Masuyama H,Kasahara S,et al.Performanceanalysis of dynamic spectrum handoff scheme with variable bandwidth demand of secondary users for cognitive radio networks[J].Wireless Network,2013,19(8):607-617.

[32]马彬,廖晓峰,谢显中.认知无线电网络中基于包调度算法的主动频谱切换[J].电子学报,2013,41(8):1628-1633.

Ma Bin,Liao Xiao-feng,Xie Xian-zhong.Proactive spectrum handover based on packet scheduling algorithm in cognitive radio networks[J].Acta Electronica Sinica,2013,41(8):1628-1633.(in Chinese)

[33]Wang C W,Wang L C.Analysis of reactive spectrum handoff in cognitive radio networks[J].IEEE Selected Areas in Communications,2012,30(10):2016-2028.

[34]Wang L C,Wang C W,Chang C J.Modeling and analysis for spectrum handoffs in cognitive radio networks[J].IEEE Transactions on Mobile Computing,2012,11(9):1499-1513.

[35]Zahed S,Awan I,Cullen A.Analytical modeling for spectrum handoff decision in cognitive radio networks[J].Simulation Modeling Practice and Theory,2013,38(6):98-114.

[36]Hou L,Yeung K H,Wong K Y.Modeling and analysis of spectrum handoffs for real-time traffic in cognitive radio networks[A].First International Symposium on Computing and Networking[C].Matsuyama,Japanese:IEEE Press,2013.415-421.

[37]Wu Y Q,Hu F,Kumar S.Spectrum handoffs with mixed-priority queuing model over cognitive radio networks[A].Global Conference on Signal and Information Processing[C].Austin TX,USA:IEEE Press,2013.1194-1197.

[38]Zhang L,Song TC,Wu M,et al.Analysis of cumulative handoff delay for graded secondary users in cognitive radio networks[J].Journal of Southeast University,2013,29(4):111-117.

[39]Giupponi L,Pérez-Neira A I.Fuzzy-based spectrum handoff in cognitive radio networks[A].3th International Conference on Cognitive Radio Oriented Wireless Networks and Communications[C].Singapore,Malaysia:IEEE Press,2008.1-6.

[40]Tang W B,Peng D.Spectrum handoff in cognitive radio with fuzzy logic control[J].Electronics (China),2010,27(3):708-714.

[41]Liu F N,Xu Y,Guo X et al.A spectrum handoff strategy based on channel reservation for cognitive radio network[A].3rd International Conference on Intelligent System Design and Engineering Applications (ISDEA)[C].Hong Kong,China:IEEE Press,2013.179-182.

[42]Mardeni R,Anuar K,Hafidzoh M,et al.Efficient handover algorithm using fuzzy logic underlay power sharing for cognitive radio wireless network[A].Symposium on Wireless Technology and Applications (ISWTA)[C].Kuching,Malaysia:IEEE Press,2013.53-56.

[43]Baldo N,Zorzi M.Fuzzy logic for cross-layer optimization in cognitive radio networks[J].IEEE Communications Magazine,2008,46(4):64-71.

[44]Ahmed E,Liu J Y,Ali S.Fuzzy-based spectrum handoff and channel selection for cognitive radio networks[A].International Conference on Computer,Control,Informatics and Its Applications (IC3INA)[C].Jakarta,Indonesia:IEEE Press,2013.23-28.

[45]Zhang P,He Q,Feng Z Y.Reconfiguration decision making in cognitive wireless network[J].China Science Bull,2012,57(28):3712-3722.

[46]付欣,周亚楠.认知网络中基于模糊神经控制的切换判决算法研究[J].无线通信技术,2013,1(2):10-13.

Fu X,Zhou YN.A handoff decision algorithm based on fuzzy neural control in CRN[J].Wireless Communication Technology,2013,1(2):10-13.(in Chinese)

[47]Potdar S M,Patil K P.Efficient spectrum handoff in CR network based on mobility,QoS and priority using fuzzy logic and neural network[A].6th International Conference on Contemporary Computing (IC3)[C].Noida,India:IEEE Press,2013.53-58.

[48]Zhi X Y,Xu S,He Z Q,et al.The application of fuzzy neural network in cognitive radio network[A].2th International Conference on Artificial Intelligence,Management Science and Electronic Commerce (AIMSEC)[C].Deng Leng,China:IEEE Press,2011.7310-7316.

马彬男,1978年出生,四川人.博士,重庆邮电大学副教授,主要研究方向为认知无线电网络、异构无线网络、不确定智能算法等.

E-mail:mab-cqupt@sina.com

包小敏女,1990年出生,重庆人.现为重庆邮电大学通信与信息工程学院硕士研究生.主要研究方向为认知无线电.

E-mail:baoxiaomin19900526@163.com

谢显中男,1965年出生,四川人.重庆邮电大学博士/教授/博士生导师/重点实验室主任.主要研究方向为认知无线电、无线通信技术等.

E-mail:xiexzh@cqupt.edu.cn

Spectrum Handoff Algorithm in Cognitive Radio Networks:A Survey

MA Bin1,2,BAO Xiao-min1,XIE Xian-zhong2

(1.ChongqingKeyLaboratoryofMobileCommunicationsTechnology,ChongqingUniversityofPostandCommunications,Chongqing400065,China;2.ChongqingKeyLaboratoryofComputerNetworkandCommunicationTechnology,ChongqingUniversityofPostsandTelecommunications,Chongqing400065,China)

The research of the cognitive radio networks is facing rigorous challenges with the insufficience of the radio spectrum resources and multi-user contention environment.The fundamental principles of the spectrum handoff was elaborated,including the concepts and characteristics of the spectrum handoff,the classification of the proactive and reactive decisions of the spectrum handoff,spectrum handoff process abstract modeling methods,etc.Then five spectrum handoff algorithms based on the probability theory,Markov process,queuing theory,fuzzy logic,fuzzy neural network,were summarized,which were mainly on the ground of mathematic modeling tools.Some significant research findings of each spectrum handoff algorithm in the academic circle were reviewed.Finally,on account of the analysis of the existing algorithms and research achievements,some important problems of imperfect spectrum detection,target channel selection,idle channel dynamic character that were existed in the current research were summarized and the future research direction of the spectrum handoff were predicted.

cognitive radio networks;spectrum handoff;handoff approach;handoff process;abstract approach

2014-12-17;修回日期:2015-02-04;责任编辑:覃怀银

国家自然科学基金(No.61271259,No.61301123,No.61471076);重庆市教委科学技术研究项目(No.KJ130536);长江学者和创新团队发展计划资助(No.IRT1299);重庆市科委重点实验室专项经费资助

TN929.5

A

0372-2112 (2016)06-1496-08