基于智能计算的认知无线电网络频谱分配算法研究

曹润生 田嘉琪

摘要：随着无线通信业务的迅速增长，有限的频谱资源越来越抢手，同时现有的固定频谱分配方式较难满足通信终端对频谱资源的需求。认知无线电技术通过感知获取系统中的自由频谱资源信息，并使用相应的频谱分配算法选择当前系统中的自由频谱资源，供网络用户在系统中进行分配。频谱分配过程中，传统算法较难实现公平性和系统效能最大化，而对传统算法进行智能优化往往是解决问题的有效途径。本文将对目前认知无线电发展现状进行分析，并通过对传统算法及相关优化算法进行分析和叙述，以便未来更好地解决频谱分配中的问题。

关键词：认知无线电;频谱分配;智能计算

中图分类号：TB文献标识码：Adoi：10.19311/j.cnki.1672-3198.2022.13.074

1绪论

进入信息时代，人们对于无线通信需求的快速增长，导致本就十分宝贵的无线电频谱资源变得更加紧张与稀缺。人们在对无线通信技术开展研究时，发现频谱资源并没有得到充分地利用，往往存在部分频段过度拥挤、而部分频段空闲的现象。特别是美国在进行NRT项目（国家无线网络研究实验床）时，实验人员发现，低于3GHz的频段平均综合频谱利用率只能达到5%左右。因此，对于如何优化分配方式和提升认知无线电频谱这种不可再生资源的利用率，已经成为各个国家十分关心的问题。

认知无线电技术（CRT）所蕴含的巨大发展潜力引发了国内外各研究机构的普遍关注。从Joseph Mitola博士于1999年首先提出并系统性地阐述了“认知无线电”这一新概念开始，便有很多国内外的研究机构和大学便对其展开了研究。截至目前，国际上较为著名的课题研究成果有如以下项目：来自Brodersen教授的CORVUS体系，由美国DARPA研究的“下一代”项目，欧盟提出的E2R项目，Jondral教授所提出的基于OFDM的频谱池系统等。同时，为了填补认知无线电标准化领域的空白，美国电气与电子工程学会（IEEE）积极制定与认知无线电相关的IEEE标准，并于2004年底成立了IEEE802.22工作组。

我国对于认知无线电领域的研究相较外国进度较为落后。上世纪80年代后期，伴随着我国对高科技的战略需求，国内众多知名科学家联合提出“863”计划（国家高技术研究发展计划）。2005年，国家针对认知无线电技术在计划中进行增补并设立专项研究课题，同时加大对技术的研究力度和经费支持。课题设立的三年后，国家“973”计划（国家重点研究发展计划）也围绕着CRT技术的开发设立了多项课题研究，为我国无线通信领域的长足发展奠定基础。随着近年来认知无线电技术的普及，众多高校如北京邮电大学、西安电子科技大学、哈尔滨工业大学等也投身其中，围绕认知无线电频谱分配的算法展开研究。

2认知无线电概述及频谱分配模型

2.1认知无线电的概述

随着科技的发展，无线电技术也有了长足的进步。认知无线电（CR）是在经历了硬件无线电和软件无线电迭代后形成的智能无线电技术。作为一种频谱分配共享技术，认知无线电在处理任务时，能够做到更加智能、精准。它可以依靠自身来识别空闲的频谱资源并进行分配。同时，CRT具备很强的学习能力，可以对网络环境进行感知并对自身进行针对性地修改，并结合过往频谱分配过程中所形成的经验规律更好地进行服务。认知无线电技术很大程度上推进了无线通信的发展。

相较于传统的无线电技术，CRT具有以下两点优势能力：一是环境认知能力，正如其名一般，认知无线电技术可以对系统环境进行探测认知，感知空闲频谱资源、分析用户和频谱特性、并结合特征进行频谱分配决策;二是系统重配置能力，认知无线电技术可以在硬件条件不发生任何变动的同时对系统内频谱的相关参数进行调整。

2.2认知无线电中的关键技术

科学家在研究过程中，指出认知无线电中对频谱的感知、决策、切换与共享这四项为关键技术。其中：频谱感知作为CRT的根本，可以有效地发掘到其邻近的频谱资源;频谱决策可以使算法找出最符合用户要求的空闲频段，为其提供高质量的认知无线电服务;频谱切换可保证频谱发生变化时继续保障通信;频谱共享可以在高需求的前提下提升频谱资源利用率，从使用角度缓解频谱资源稀缺问题。近年来，由于频谱利用率这一问题得到广泛关注，因此许多研究机构都以如何共享频谱资源为重点进行研究。

2.3常见的部分认知无线电网络频谱分配算法

（1）烟花爆炸算法。

基于烟花爆炸模型的频谱分配算法的灵感来自礼花绽放的情景。该算法往往适用于连续型变量，当每个“烟花”个体爆炸时，算法将会自动开展分布式搜索，并进行大量的信息交互。与此同时，烟花爆炸半径与产生火花数目的差异也决定了其自身信息搜索能力的差异。

（2）图论着色算法。

基于图论着色模型的频谱分配算法运行时，会将待分配的用户绘制成一张网络拓扑图，其中顶点代表系统中的认知无线电用户，点与点之间连接的每一条边代表用户间的一条频谱通信信道，在相应干扰和约束条件下，根据图论着色理论原则给顶点分配颜色，进而分配系统内认知无线电频谱资源。

（3）拍卖竞价算法。

基于拍卖竞价的频谱分配算法中，授权用户和次用户分别充当认知无线电频谱资源分配这场“拍卖会”的拍卖人和投标人，围绕频谱资源这件“商品”开展“竞价拍卖”。当授权用户有空闲频段时，可以选择有偿转让使用权以此获得一定收益，次用户也能够以合适的价格获得频段来满足通信需求。这样在避免资源浪费、提高利用率的同时，也为授权用户带来了收益。

（4）博弈論算法。

基于博弈论的频谱分配算法适用于分布式网络结构，将认知无线电用户看作是博弈参与者，信道选择看作博弈策略，最后得到信道的质量信息。整个算法依赖效益函数使用，要保证纳什均衡，并确保最后结果的最优性。

3部分算法研究及优化综述

3.1烟花爆炸算法

（1）研究方法分析。烟花爆炸算法（Fireworks Algorithm）源自非自然界，是受礼花绽放时产生火花的启发而产生的一种算法。在算法中，每一个烟花都被视作一个可行的分配方法，进行邻域搜索的过程类似于烟花爆炸产生火花，系统利用爆炸时产生的强大爆发性进行信息资源交互。烟花不同，则其爆炸半径和产生的火花数也不同，这导致了烟花爆炸算法具备自我调节搜索能力的特性。烟花爆炸算法的迭代运算过程由爆炸算子、变异算子、选择策略等部分组成，算法运行直至实现用户分配到符合自身要求的频谱后停止。烟花爆炸算法正如其名一般，具有随机性、爆发性、瞬时性等特征，其算法流程如图1所示。

（2）当前针对算法的优化。

学者在烟花爆炸算法的基础上，对算子进行改进，并整合其他算法，以达到算法优化的目的。传统烟花爆炸算法往往适用于连续型变量。为使算法更好地适应离散化的频谱分配，张敏达、杨军等人根据按需分配原则，基于烟花爆炸算法进行了优化。优化过程中，将编码方式由十进制数改进为二进制数的0-1代码，并对原算法中“烟花”的爆炸半径、算法的变异算子、算法的选择策略等方面进行改进，在运行过程中对烟花进行干扰约束，对待分配用户个体间差异进行认知分析，分配频谱资源时更加根据当前用户实际情况，实现分配最优与公平最大化。

3.2基于图论着色模型的频谱分配算法

（1）研究方法分析。

目前，很多专家对基于图论着色模型的频谱分配算法进行了研究，同时该算法实际分配中也得到了诸多肯定。作为基于图论着色模型的频谱分配过程中存在的典型问题，也是NP难问题，“如何实现公平最大化和效益最大化”得到了研究者的重点关注。学者在研究过程中，基于原本的图论着色模型开发出了贪婪式算法、公平式算法和颜色敏感的图论着色算法等系列算法。

贪婪式算法会将空闲的频谱资源优先分配给性能佳、干扰少的用户节点，从而提高频谱利用率，实现系统效益最大化（算法流程如图2所示）。但运行的过程中，往往系统中连接数目越少的节点，会越“贪婪”地分配到更多的信道，导致部分节点始终无法得到频谱资源，这样无法保障分配过程的公平性。

为了规避上述算法的缺点，人们又改进出基于图论着色模型的公平式算法。公平性算法使系统中各节点在分配过程中都能得到较为平均的频谱资源，可以有效提升分配的公平性（算法流程如图3所示）。但该算法一定程度上仍无法摆脱分配的随机性，且算法结构复杂。但在仿真过程中发现，该算法的公平性也会随信道数的增加而降低，不能始终保证公平性。

结合上述两种算法的优缺点，人们在二者的基础上，改进出了对颜色敏感的图论着色模型算法（CSGC）。该算法在克服了贪婪性算法与公平性算法缺点的同时，更好地兼顾了分配的公平性和系统效能，为用户提供效益更高的分配方案（算法流程如图4所示）。但CSGC算法也存在一定的弊端，由于该算法同时段内只能针对一名用户进行频谱分配处理，导致其消耗的时间会随着待分配频段的增加而增加。

（2）当前针对算法的优化。

现行的基于图论着色问题的算法在分配频谱的过程中，由于无法获取用户需求，导致部分用户受算法机制限制始终无法得到频谱分配。贾杰等人通过定义干扰矩阵，在算法中提出“干扰邻居”的概念，改进出一种优化算法。在分配频谱时，系统会筛选待分配信道用户，并在计算可用信道数和确认其“干扰邻居”后，判定全部待分配用户的优先程度，随后根据其优先级为认知用户分配信道。在进行算法验证的过程中，在引入“干扰邻居”后，可以发现在改进后的算法提升了系统接入率的同时也确保了分配公平性。

在进行信道分配过程中，除了算法本身的限制，还会受到如信道误码率、信噪比、带宽等因素的限制，从而对分配的效率和公平性产生影响。于是程启明从节点优先级角度出发，改进出了一种新的公平性优化图论着色问题算法。在改进算法中考虑了信道因素对于分配过程的影响，分配前首先会对用户的优先级进行计算排序，每次为当前优先级最高的用户分配频谱资源。随后系统会重新计算剩余用户的优先级，在计算中考虑信噪比、误码率等因素，确保分配的公平性，直至算法结束运行。优化后算法通过对用户优先级进行了多次计算，明确了优先级的顺序，弥补了不足，确保了公平性与效益最大化。

4总结

信息时代任何数据信息的传递都需要占用频谱信道资源，频谱利用率和充足程度往往决定了信息传递的效率。本文综合叙述了认知无线电频谱分配算法的发展和研究现状，并以烟花爆炸算法和图论着色模型算法为例，对其传统算法及综合优化后的算法进行分析，并从中探寻优化过程中提升公平性、计算并排列用户优先级，认知用户个体差异的关键，以便信道分配效率得到提升。

参考文献

[1]杨军.基于智能算法的认知无线网络频谱分配策略研究[D].贵阳：贵州大学，2019.

[2]段文倩.基于智能水滴算法的认知无线电频谱分配研究[D].大连：辽宁师范大学，2018.

[3]程启明.基于改进敏感图论着色算法的认知无线电频谱分配研究[D].成都：西南交通大学，2016.

[4]李一兵，杨蕊，高振国，等.基于着色理论的认知无线电频谱分配算法[J].系统工程与电子技术，2010，32（06）：1109-1112.

[5]贾杰，王闯，张朝阳，等.认知无线电网络中基于图论着色的动态频谱分配[J].东北大学学报（自然科学版），2012，33（03）：336-339.

[6]李猛.基于圖论的认知无线电频谱分配算法研究[D].成都：西南交通大学，2012.

基金项目：辽宁省大学生创新创业项目（201910165225）。