(海軍工程大學 通信工程系,武漢 430033)

1 引 言

認知無線電網(wǎng)絡(luò)(Cognitive Radio Networks，CRN)是一種基于主-次分層接入共享模型[1]的智能無線動態(tài)通信系統(tǒng)，為解決如何在有限的頻譜資源條件下提高頻譜利用率這一無線通信難題開辟了一條新的途徑，但是它真正走向應(yīng)用尚有許多關(guān)鍵問題未得到有效解決。圖1為當前在業(yè)界得到廣泛贊同的一種CRN典型功能分層模型[2]，目前的研究主要集中在物理層和鏈路層，尤其在物理層上取得了很大進展，而鏈路層作為實現(xiàn)動態(tài)頻譜共享的最關(guān)鍵一層，已經(jīng)成為當前各國學者對CRN研究的最熱門方向，因為鏈路層不僅要提供傳統(tǒng)的媒體接入控制和健壯的數(shù)據(jù)傳輸?shù)确?wù)，還必須適應(yīng)CRN中頻譜及用戶的非均勻分布特性而支持一套全新的功能，實現(xiàn)無干擾的伺機接入頻譜共享。如圖1所示，這些新的功能需要協(xié)作感知、感知機制優(yōu)化、動態(tài)頻譜接入、動態(tài)頻譜分配、跨層設(shè)計、安全機制等關(guān)鍵技術(shù)的支持[1-3]。本文將分別對這些關(guān)鍵技術(shù)的最新研究進展情況進行總結(jié)和分析，在此基礎(chǔ)上明確提出下一步的主要研究方向。

圖1 認知網(wǎng)絡(luò)的功能分層模型

2 協(xié)作感知技術(shù)

頻譜感知分為物理層感知和MAC層感知兩層[4]。物理層感知主要涉及各種感知算法，大多移植自信號檢測理論，如能量檢測、匹配濾波檢測、循環(huán)特征檢測等[1]；而MAC層主要是用于控制物理層頻譜感知算法的執(zhí)行，并完成不同次用戶的感知協(xié)作，以提高感知的可靠性和效率。目前，國內(nèi)外對MAC層感知技術(shù)的研究主要集中在協(xié)作感知和感知機制優(yōu)化兩個方面，本節(jié)將討論協(xié)作感知技術(shù)。

協(xié)作感知技術(shù)作為物理層感知算法的補充，主要用于改善陰影及衰落信道環(huán)境中的隱藏終端問題[1, 5]和噪聲不確定性問題[6]，提高協(xié)同增益和減小系統(tǒng)開銷是研究的主要目標，先進的協(xié)作感知策略以及信息融合算法是解決這兩個問題的重要環(huán)節(jié)。

2.1 協(xié)作感知策略研究

現(xiàn)有文獻中采用的協(xié)作感知方案主要有3類。

(1)集中式協(xié)作感知

這種協(xié)作策略的原理最為簡單，各個節(jié)點分別感知，然后由中心基站完成數(shù)據(jù)融合。Cabric 等人最早于2004年開始介入這方面的研究，重點分析了協(xié)作參數(shù)的選取以及陰影相關(guān)性對協(xié)作性能的影響[6]。隨后，Ghasemi 重點分析了Rayleigh等衰落信道環(huán)境下，基于不同融合準則的集中式協(xié)作方式的協(xié)作性能[5, 7]，并首次探討了融合開銷與協(xié)作性能的權(quán)衡問題[5]?，F(xiàn)有文獻大部分都采用這種協(xié)作方式，重點研究其中的數(shù)據(jù)融合算法，但是對于其中關(guān)鍵的控制信道問題涉及不多。

(2)基于中繼轉(zhuǎn)發(fā)的分布式協(xié)作感知

最早是由G. Ganesan等人在2007年提出的[8]，其主要思想是網(wǎng)絡(luò)中的各次用戶以TDMA方式分別進行通信，一旦某個次用戶檢測到主用戶發(fā)射機信號，則它在下個時隙發(fā)送本身信號同時轉(zhuǎn)發(fā)收到的主信號以通知鄰近的其它次用戶，然后再退出該頻段。這種方法在獲得協(xié)作增益的同時簡化了CRN的網(wǎng)絡(luò)結(jié)構(gòu)，但轉(zhuǎn)發(fā)信號需要占用較多帶寬，不利于頻譜效率的提高。

(3)基于分簇的分布式協(xié)作感知

主要思想來源于現(xiàn)有Ad Hoc網(wǎng)絡(luò)的分簇算法，將分散的節(jié)點按一定規(guī)則分簇后，通常采用兩級感知，簇內(nèi)采用以簇頭為中心的集中式協(xié)作感知，簇頭之間利用通用控制信道交互或者也可通過更高一層的中心點進行數(shù)據(jù)融合[9]。在Ad Hoc網(wǎng)絡(luò)中主要側(cè)重于通過分簇提高能量有效性；但CRN中主要側(cè)重于通過分簇提高協(xié)作檢測性能，目前專門針對CRN的分簇算法比較少，典型的如文獻[9-10]。在CRN的動態(tài)頻譜環(huán)境下，綜合考慮頻譜可用性、節(jié)點移動性、信道的占用規(guī)律，對現(xiàn)有分簇算法進行優(yōu)化，從而有效管理用戶，最終提高檢測效率和精度，是下一步需要重點解決的問題。

2.2 信息融合算法研究

現(xiàn)有的大多數(shù)協(xié)作感知方案都需要進行信息融合，目前這方面的文獻很多，其算法大都是從現(xiàn)有的信息融合理論中移植過來的，歸納起來，大體可分為3類，如表1所示。

上述融合算法中，數(shù)據(jù)融合與傳統(tǒng)的多天線空間分集技術(shù)概念類似，最大限度地保留了各檢測節(jié)點的信息，因此可靠性最高，但是所需的控制信道帶寬、協(xié)作開銷非常大，實用性很有限。決策硬融合算法實現(xiàn)最為簡單，是協(xié)作開銷最小、帶寬最為節(jié)省的算法，但是協(xié)作增益十分有限，在信道環(huán)境不均勻或者存在惡意節(jié)點的情況下容易造成協(xié)作性能急劇惡化，例如，當網(wǎng)絡(luò)中存在惡意攻擊導致某些節(jié)點始終上報“1”，則OR融合將失效，誤認為頻譜始終被占用而浪費了大量頻譜機會。雖然文獻[14]提出了基于雙門限能量檢測的“n-ratio”硬融合算法可有效緩解這一安全問題，但是可能出現(xiàn)fail sensing 的情況，即當所有次用戶的檢測結(jié)果都處于兩個檢測門限之間的不確定態(tài)時，將沒有決策上報，導致協(xié)作感知失效。相比之下，決策軟融合是比較理想的一類算法，大多數(shù)都考慮了實際中不同信道條件下各節(jié)點的檢測結(jié)果的可信度并不一樣，而且能夠在協(xié)作增益和協(xié)作開銷之間取得合理折衷。但是現(xiàn)有的這類算法中大部分都需要檢測節(jié)點和授權(quán)用戶的先驗信息，例如檢測節(jié)點的信噪比、檢測概率和虛警概率等[15]，而在實際應(yīng)用中，這些先驗信息又是很難得到的。針對此問題，文獻[19]引入了Dempster-Shafer′s(D-S)證據(jù)理論進行融合，無需知道各種先驗信息，僅依靠節(jié)點本身的檢測結(jié)果提取證據(jù)上報，然后依據(jù)一定的計算規(guī)則得到總體檢測可信度再作出最終判決； Jun Ma等人也提出了一種2 bit量化決策加權(quán)軟融合算法，各次用戶以3個判決門限將整個觀測能量分為4個區(qū)域，對應(yīng)不同的加權(quán)系數(shù)，每次檢測結(jié)果以2 bit形式表示，融合中心將所有決策加權(quán)求和后進行判決，能夠獲得與數(shù)據(jù)融合相近的協(xié)作性能[17]。

表1 典型的信息融合算法分類

基于以上分析，下一步的研究應(yīng)側(cè)重在第三類算法上，除了對基于證據(jù)理論和多比特量化的決策融合算法進行改進外，還可引入動態(tài)加權(quán)的方法[16]，并綜合考慮信道占用規(guī)律、不同節(jié)點的感知時延差以及本地檢測與融合之間的時延差，使協(xié)作感知方案更趨于實用。

3 感知機制優(yōu)化

感知機制的優(yōu)化也稱作頻譜感知控制，最早是由Ghasemi[20]和Hyoil Kim[4]等人提出來的，主要關(guān)注感知模式和感知參數(shù)的選取及其優(yōu)化[4, 6, 20-25]。

在次用戶伺機接入過程中，感知過程可以分為兩種場景，首先要搜索各個信道尋找可用頻譜，即信道搜索場景；然后從可用頻譜中選擇所需頻段進行傳輸，為避免對重新出現(xiàn)的主用戶造成干擾，需周期性地監(jiān)視主用戶信號是否出現(xiàn)，這種場景稱為信道監(jiān)測。

按照次用戶檢測時機的不同，頻譜感知又可分為主動感知模式(Proactive sensing)和被動感知模式(Reactive sensing)[4]。主動感知模式下，不管是否有數(shù)據(jù)傳輸需要，次用戶都周期性地檢測各個信道，且可同時使用多個子信道以O(shè)FDM方式進行多帶傳輸。被動感知模式下，次用戶只有在需要進行數(shù)據(jù)傳輸時才啟動感知，所以也被稱為按需感知，次用戶通常只能使用一個空閑信道進行傳輸。無論是主動還是被動感知都必須考慮頻譜快速移動性問題，以避免對重新出現(xiàn)的主用戶造成干擾，所以兩種模式下都必須周期性監(jiān)視當前正在使用的信道，一旦信道不可用則啟動按需搜索，即次用戶在搜索過程中一旦搜索到可用信道，就停止搜索，并切換到該信道開始傳輸。因此歸納起來，主動感知=周期感知+周期性監(jiān)測+按需搜索，被動感知=按需感知+周期性監(jiān)測 + 按需搜索。雖然主動感知需要周期性檢測多個信道，檢測開銷比被動感知要大很多，但是優(yōu)點也非常明顯：一方面可大大提高次用戶的傳輸速率，避免次用戶頻繁地被迫轉(zhuǎn)入信道重新搜索導致QoS下降；另一方面由于周期性檢測多個信道積累了大量頻譜信息，所以重新按需搜索進行切換的時間更短。

目前，感知機制優(yōu)化方面的文獻不是很多，屬于近年來CR技術(shù)中比較前沿的問題。2007年，文獻[20]中主要討論了單個信道搜索時間Ts和感知時長Tm的選取對于感知過程的速度與質(zhì)量之間權(quán)衡的影響。在信道搜索場景中，分析了信道平均搜索時間Tsearch(代表搜索速度)和Ts(代表搜索質(zhì)量)之間的關(guān)系。為了在速度和質(zhì)量之間找到權(quán)衡，在滿足主系統(tǒng)的干擾限制條件前提下，通過最小化Tsearch，找到最優(yōu)的搜索時間Ts；然后在信道監(jiān)測階段，為使次用戶的平均吞吐量最大，尋找最優(yōu)化的Tm。該文獻的主要缺陷在于：只考慮了非協(xié)作、被動感知的情況，因此空閑頻譜利用率和次用戶的平均吞吐量較低；假設(shè)了不同信道的Ts和Tm相同，沒有考慮搜索次序的優(yōu)化，這些都不是很合理。

2008年， Hyoil Kim 研究了非協(xié)作、主動感知模式下的頻譜感知機制，通過對各個信道分別選取最優(yōu)的感知周期，使發(fā)現(xiàn)頻譜機會的概率最大；提出按照過渡概率從大到小的最優(yōu)信道搜索次序，使次用戶在整個信道切換過程延遲最?。徊π诺勒加玫哪Ｐ蛥?shù)進行最大似然和置信區(qū)間估計，考慮其時變性對以上兩個優(yōu)化問題的影響。該文獻的不足在于：在對檢測周期的優(yōu)化中，只考慮發(fā)現(xiàn)頻譜機會的最大化，而沒有考慮對主用戶系統(tǒng)的干擾影響。另外，該文獻雖然對各個信道的感知周期分別進行設(shè)定，但周期都是固定不變的，因此本質(zhì)上仍然屬于異步固定周期感知。作為固定周期感知機制的推廣，文獻[22]提出了一種基于可變檢測周期(FSP)的檢測機制，在信道狀態(tài)可能發(fā)生變化的區(qū)域縮小檢測周期，提高檢測效率，體現(xiàn)了周期變化的靈活性。文獻[24]引入了隨機檢測機制，并提出了更具一般性的檢測周期優(yōu)化模型，同時考慮了實際應(yīng)用中由物理層檢測算法局限性引起的檢測錯誤，以及為避免與主用戶沖撞引入的次用戶延遲占用等情況對檢測周期優(yōu)化的影響。

2009年，文獻[21]對基于能量檢測算法的集中式協(xié)作、主動感知模式下的感知機制進行了優(yōu)化，主要討論了3個問題：

(2)在信道監(jiān)測場景下，通過對子信道的個數(shù)、各子信道感知時長的優(yōu)化，使系統(tǒng)的總吞吐量最大；

(3)在信道搜索場景下，通過對各個信道的搜索時間進行加權(quán)優(yōu)化，在滿足搜索條件限制和主系統(tǒng)的QoS限制條件下，使平均搜索時間(即信道切換延遲)最小。

該文獻的主要缺陷在于：在搜索過程中，直接采用了連續(xù)搜索方式，而沒有對搜索順序進行優(yōu)化。

上述文獻中雖然對感知機制的優(yōu)化進行了較為深入的研究，但都或多或少存在一些不足，比較共性的問題是：僅把信道占用模型簡單地建模為一個ON/OFF型隨機過程，而且大部分都是基于能量檢測算法的感知機制優(yōu)化；另外，上述文獻在靜默期的設(shè)置方面研究相對較少，沒有明確討論次用戶檢測某一頻譜時，系統(tǒng)內(nèi)其它工作于這個頻段的次用戶是否會對它的感知過程造成影響?；谝陨戏治觯乱徊綉?yīng)重點針對不同的信道占用模型和應(yīng)用場景，著力研究協(xié)作環(huán)境下基于不同感知算法的感知模式及感知參數(shù)的優(yōu)化。

4 動態(tài)頻譜接入控制

動態(tài)接入控制的功能是確定次用戶是否可以接入網(wǎng)絡(luò)及采用何種策略和協(xié)議接入，是實現(xiàn)資源優(yōu)化分配的基本前提[3]。

4.1 接入方式的選擇

考慮到與現(xiàn)有網(wǎng)絡(luò)的兼容性，認知網(wǎng)絡(luò)一般都采用伺機接入的分層共享模型[1]，由于主用戶對信道具有絕對優(yōu)先權(quán)，次用戶是否占用頻譜對主用戶來說完全透明，即當主用戶再次出現(xiàn)時，次用戶要主動及時地騰出正在使用的信道，否則將會和主用戶發(fā)生碰撞，甚至被強制中斷。所以如何采用靈活的接入控制策略盡可能減少主-次用戶之間的碰撞是關(guān)注的重點。目前，主要有兩種透明接入方法：一種是基于信道預(yù)留的透明接入，其核心思想是預(yù)留一部分頻譜資源給主用戶或次用戶專用，以達到減小碰撞的目的，但卻是以損失一定的頻譜效率為代價的[3]；另一種是基于預(yù)測的透明接入，次用戶通過預(yù)測信道的特性，如主用戶的占用規(guī)律、頻譜空穴可能出現(xiàn)的位置及時長等，主動選擇滿足要求的最佳接入機會，降低可能與主用戶沖撞的概率。預(yù)測的方法可以是基于歷史信息的簡單估計，也可以是一些相對復雜的人工智能算法[3]，如利用Markov模型[26]、部分可觀測Markov(POMDP)模型[27]，或者隱馬爾可夫模型(HMM)[28]對主用戶的頻譜占用行為進行跟蹤和預(yù)測等。雖然類似的基于預(yù)測接入方法非常多，但是大都停留在理論仿真階段，實用性還有待在具體的測試平臺上檢驗。

4.2 MAC協(xié)議

次用戶接入某個頻段時，其收發(fā)兩端以及相鄰次用戶(或者與基站)之間必須通過一定的MAC協(xié)議來完成一系列的交互，比如：協(xié)作信息、工作參數(shù)等。目前主要的MAC協(xié)議分為3類[29]，包括隨機接入?yún)f(xié)議(Random Access)、固定時隙接入?yún)f(xié)議(Time Slotted)、混合接入?yún)f(xié)議(Hybrid)。這些協(xié)議與認知網(wǎng)絡(luò)的拓撲結(jié)構(gòu)以及用戶需求密切相關(guān)，例如在802.22標準中采用的就是集中方式的Time Slotted協(xié)議[30]。MAC協(xié)議還需要考慮全局或本地通用控制信道的支持，這方面的文獻很多，文獻[29]對此做了詳細總結(jié)。主要難點在于[2]：

(1)時間同步性：Sltotted和Hybrid協(xié)議都需要對控制和數(shù)據(jù)信道進行時間同步，但是這對于分布式的拓撲結(jié)構(gòu)比較困難，因為需要大量的協(xié)作開銷使得頻譜利用率降低；

國家撥付給行政事業(yè)單位的?？顚ｍ椯Y金，有些行政事業(yè)單位不能做到專款專用。在生產(chǎn)建設(shè)過程中，挪用?？钜灾聦ｍ椯Y金不足，可能會導致工程質(zhì)量不達標等情況發(fā)生，雖然行政事業(yè)單位，是非營利的事業(yè)單位，但是隨著市場經(jīng)濟的發(fā)展，老舊的思想已經(jīng)跟不上市場經(jīng)濟發(fā)展的步伐。在社會發(fā)展中，也需要行政事業(yè)單位的影響，彰顯國家的實力。

(2)感知支持問題：主要是避免其它次用戶信號對檢測的影響，一般通過設(shè)置靜默期或者靜默區(qū)域，或者采用多個收發(fā)器來解決。

5 動態(tài)頻譜分配

頻譜分配也被稱為信道分配，主要功能是將檢測得到的空閑頻譜資源公平而有效地分配給多個次用戶。與其它無線通信系統(tǒng)中的資源分配問題的最主要區(qū)別在于動態(tài)性和實時性要求。提高實時性體現(xiàn)在降低算法復雜度、減小信令開銷等多個方面[3]。另外一個重要特點就是，必須滿足各個主、次用戶的干擾限制條件?，F(xiàn)有的分配算法中主要基于兩種干擾模型：二進制干擾模型和聚合干擾模型。前者將每個次用戶對主用戶的干擾簡化為2種干擾結(jié)果，用1表示干擾，0表示不干擾；而后者考慮多個次用戶同時發(fā)射的累積作用，用干擾溫度來衡量累積結(jié)果。目前的文獻中主要有基于圖論和基于博弈論兩大類頻譜分配算法。

基于圖論的方法主要是建立在二進制干擾模型上，將信道分配問題近似等效為一個無向圖的著色問題(Graph Coloring Problem，GCP)，主要區(qū)別在于：傳統(tǒng)GCP問題著重以最少的顏色給圖中所有的頂點著色，一般每個頂點的可選顏色集合相同；而頻譜分配的優(yōu)化目標一般都是針對網(wǎng)絡(luò)的頻譜利用率及分配公平性[31]，而且各個頂點的可選顏色和收益不同(頻譜空洞分布不均勻且不同頻帶具有不同帶寬和吞吐量)，相鄰頂點不能同時著色為相同顏色，所以通常稱為顏色敏感型圖著色問題(Color-sensitive graph Coloring Problem，CSGCP)[31]。

在基于圖論的信道分配算法方面，Zheng Hai-Tao等人做了大量工作[31-33]，主要提出了3種較為經(jīng)典的算法，其算法思想和性能分析如表2所示。

表2 幾種典型的基于圖論的頻譜分配算法

其他學者在基于圖論的分配算法方面的研究主要是對Zheng等人工作的完善和推廣，例如，文獻[34]提出一種并行分配算法，把復合圖分解為多個獨立的簡單子圖，利用標簽機制同時對多個子圖著色，由于該算法的開銷不受可用頻譜數(shù)量的影響，因此更適用于大規(guī)模系統(tǒng)的頻譜分配。文獻[35]將次用戶的頻譜需求引入到標簽值計算和公平性優(yōu)化目標中，結(jié)果表明，新的標簽規(guī)則所獲得的系統(tǒng)公平性比現(xiàn)有規(guī)則提高。

基于博弈理論的分配算法大都是建立在聚合干擾模型之上，主要研究共用式信道分配[3]，即多個次用戶之間以干擾避免方式來分配有限的頻譜資源。由于多個次用戶可共同占用同一段頻譜，因此如何減小同頻干擾，最大化次用戶的收益是著力解決的問題。2005年，Nie Nie等人在接收機信干比(SIR)模型的基礎(chǔ)上，針對協(xié)作和非協(xié)作兩種場景，分別提出了兩種博弈模型來解決其中的信道分配問題。在協(xié)作場景下，各個用戶的決策同時考慮本身所受干擾大小及其對其它所有次用戶的干擾，由此建立了勢力場博弈模型(Potential Game Formulation)。該模型能夠快速收斂于純策略納什均衡；針對非協(xié)作場景，由于勢力場博弈模型不再適用，所以建立了一種更通用的基于無悔學習算法(No-regret Learning)的混合策略博弈模型。在該模型下，每個次用戶同時以非零概率選擇多個純策略(即作出混合決策)，通過多次重復執(zhí)行該算法，次用戶可以學會如何決策才能使收益最大。雖然勢力場博弈模型在平均吞吐量、分配公平性等方面的性能稍強，但是僅適用于協(xié)作場景，節(jié)點間需要大量的信息交互；而基于無悔學習算法的博弈模型通用性更強，節(jié)點間信息交互較少。另外，文獻[36]提出了一種基于無悔學習算法和相關(guān)均衡的博弈模型，結(jié)果表明，應(yīng)用相關(guān)均衡的頻譜利用率比應(yīng)用納什均衡高5%～15%，而且分配公平性更好。

現(xiàn)有的頻譜分配算法多數(shù)缺乏實用性，有待改進的地方主要體現(xiàn)在：

(1)基本上都沒有考慮次用戶的發(fā)射對主用戶的干擾情況，只著重研究不同次用戶之間的干擾；

(2)大部分基于圖論的算法將相互干擾簡單地建模為二進制干擾模型，適用性非常有限；

(3)很少考慮功率控制問題，大部分直接假設(shè)了各個次用戶的發(fā)射功率相同；

(4)大多數(shù)沒有考慮次用戶的需求，很可能造成大量頻譜分配給某些業(yè)務(wù)量小的用戶，或者分配的頻譜始終無法滿足QoS最低要求而造成嚴重浪費。

6 跨層設(shè)計

上述各項鏈路層的關(guān)鍵技術(shù)一般都是局限于圖1給出的典型分層協(xié)議模型，考慮到認知環(huán)路的大部分功能都需要鏈路層的配合才能得以完成，如頻譜感知不僅需要物理層的感知算法，還需要鏈路層的協(xié)作和控制以提高感知精度和效率；頻譜決策更是需要結(jié)合應(yīng)用層的QoS需求、網(wǎng)絡(luò)層的路由設(shè)計、鏈路層調(diào)度，以及物理層的頻譜分析共同完成，因此許多學者都主張將鏈路層的各項功能與其它各層進行聯(lián)合跨層設(shè)計。

在與鏈路層相關(guān)的跨層設(shè)計中，除了典型的感知技術(shù)跨層設(shè)計外，目前研究最多的是聯(lián)合資源分配，其主要思想是：根據(jù)次用戶的優(yōu)先級、QoS等要求，公平而有效地動態(tài)分配檢測到的空閑頻譜資源，并動態(tài)控制其發(fā)射功率，在保證各次用戶間的相互干擾及其對主用戶的干擾都在限制范圍內(nèi)的前提下，使網(wǎng)絡(luò)性能逼近于最優(yōu)狀態(tài)。文獻[37]提出了基于檢測貢獻的加權(quán)頻譜分配算法，將頻譜分配和物理層的頻譜感知聯(lián)合設(shè)計，為在頻譜檢測中作貢獻大的次用戶分配更多的頻譜，最大化系統(tǒng)吞吐量的同時體現(xiàn)分配的公平性。文獻[38]在集中式網(wǎng)絡(luò)結(jié)構(gòu)中，以最大化系統(tǒng)吞吐量為目標，建立了功率和信道聯(lián)合優(yōu)化分配問題的數(shù)學模型，并利用非線性規(guī)劃方法提出了快速算法進行求解，該算法與窮舉搜索的最優(yōu)結(jié)果相近。2009年，Simon Haykin等人討論了非協(xié)作體制下，基于OFDM傳輸方式的分布式認知無線電網(wǎng)絡(luò)的資源分配問題[39]。由于子載波功率的有無決定了以該載波為中心的信道是否能被分配，因此可將信道和功率分配統(tǒng)一歸結(jié)于對各個子載波帶的動態(tài)功率控制問題。由于認知網(wǎng)絡(luò)的動態(tài)特性，傳統(tǒng)迭代注水算法在某些極端情況下將無法收斂于納什均衡，針對此問題，提出了一種基于最大-最小理論的穩(wěn)健型迭代注水算法，將最差干擾條件下的迭代注水問題等效于一個變分不等式問題(Variational Inequality Problem，VI問題)，并證明了在一定條件下存在唯一的納什均衡點。該算法以犧牲一定的網(wǎng)絡(luò)吞吐量換取穩(wěn)健性的提高，所以屬于保守型算法。

以上這些聯(lián)合資源分配算法主要涉及到物理層和鏈路層，基本沒有考慮上層設(shè)計。在鏈路層與應(yīng)用層的跨層設(shè)計方面，文獻[40]基于重復博弈理論設(shè)計了一種分布式動態(tài)信道和功率的聯(lián)合分配算法。每個次用戶根據(jù)應(yīng)用層的QoS需求和本地信息，以最大化凈收益為目標(定義凈收益=信道最大容量-被干擾代價-干擾溫度代價)，進行分布式信道選擇和功率分配。該算法具有較好的收斂性，在系統(tǒng)頻譜效率和業(yè)務(wù)QoS之間進行有效折衷，能夠?qū)崿F(xiàn)資源的有效利用，避免出現(xiàn)資源分配給某個用戶后卻不能滿足其QoS最低要求而造成浪費的情況，因此更適用于異構(gòu)網(wǎng)絡(luò)和業(yè)務(wù)的應(yīng)用。

在鏈路層與網(wǎng)絡(luò)層跨層設(shè)計方面，文獻[41]提出一種合作式路由選擇和頻譜分配的跨層解決方案，在選擇路由的同時，調(diào)度每段路由上無沖突信道的使用，使得路由的穩(wěn)定性和端到端的吞吐量得到提高。

在鏈路層與傳輸層跨層設(shè)計方面，文獻[3]指出TCP 協(xié)議可根據(jù)鏈路層的頻譜分配情況自適應(yīng)地調(diào)整傳輸往返時間(RTT)和恢復時間目標(RTO)參數(shù)，以避免頻譜的動態(tài)變化對TCP協(xié)議超時重傳機制帶來的不利影響。

在CRN的分層功能模型中，頻譜決策和頻譜移動性管理涉及到幾乎所有層的跨層設(shè)計(見圖1)，目前這兩方面突破性的研究成果較少，主要難點在于建立全面的頻譜決策模型和移動性管理機制。

7 安全機制

認知無線電技術(shù)雖然可大大緩解頻譜資源短缺的問題，但同時也使無線網(wǎng)絡(luò)面臨許多新的安全隱患，這其中與鏈路層相關(guān)的安全問題主要包括偏袒效用攻擊、異步感知攻擊、虛假反饋攻擊、飽和控制信道攻擊4種可能的形式[3, 42]。

這些安全問題一般都是由自私或惡意用戶節(jié)點對MAC幀的修改和偽造造成的。針對這些問題，在集中式網(wǎng)絡(luò)中可增加對MAC幀的認證機制，例如IEEE 802.22 提出的基站/用戶端協(xié)議參考模型就內(nèi)嵌了模塊化安全子層，用來保護數(shù)據(jù)、認證頻譜感知與定位信息以及頻譜管理實體的配置信息等。但是在分布式CRN中，由于缺乏可信的實體作為服務(wù)器控制密鑰分發(fā)來進行加密認證和完整性保護，應(yīng)用安全子層非常困難，因此，更適合采用相鄰節(jié)點監(jiān)視機制[3, 42]。現(xiàn)有文獻對鏈路層相關(guān)的安全問題大多處于摸索討論階段，實質(zhì)性成果不多。

8 結(jié) 論

綜上所述，認知無線電網(wǎng)絡(luò)的發(fā)展還處于初級階段，許多問題都還有待于深入研究，尤其是其中的鏈路層關(guān)鍵技術(shù)更是需要關(guān)注的重點和難點。隨著各國政府和研究機構(gòu)對認知無線電技術(shù)的研究熱情越來越高，投入越來越大，相信在不遠的將來，這些難點問題將會被一一攻克，認知無線電網(wǎng)絡(luò)的實用化和商用化將指日可待。

參考文獻：

[1] ZHAO Q, SADLER B M. A survey of dynamic spectrum access[J]. IEEE Signal Processing Magazine,2007,24(3):79-89.

[2] AKYILDIZ I, LEE W, CHOWDHURY K. Spectrum management in cognitive radio ad hoc networks[J]. IEEE Network，2009,23(4):6-12.

[3] 曾志民，郭彩麗. 認知無線電網(wǎng)絡(luò)的MAC層關(guān)鍵技術(shù)[J]. 中興通訊技術(shù)，2009(2):20-24.

ZENG Zhi-min, GUO Cai-li. MAC Layer Key Technologies of Cognitive Radio Network[J]. ZTE Communications,2009(2):20-24.(in Chinese)

[4] KIM H, SHIN K G. Efficient Discovery of Spectrum Opportunities with MAC-Layer Sensing in Cognitive Radio Networks[J]. IEEE Transactions on Mobile Computing,2008,7(5):533-545.

[5] GHASEMI A, SOUSA E S. Spectrum sensing in cognitive radio networks: The cooperation processing tradeoff[J]. Wireless Communications and Mobile Computing，2007,7(9):1049-1060.

[6] CABRIC D, TKACHENKO A, BRODERSEN R W. Spectrum Sensing Measurements of Pilot, Energy, and Collaborative Detection[C]//Proceedings of IEEE Military Communications Conference.[S.l.]:IEEE,2006:1-7.

[7] GHASEMI A, SOUSA E S. Collaborative spectrum sensing for opportunistic access in fading environments[C]//Proceedings of the First IEEE International Symposium on New Frontiers in Dynamic Spectrum Access Networks.[S.l.]:IEEE,2005:131-136.

[8] GANESAN G, LI Y. Cooperative Spectrum Sensing in Cognitive Radio, Part I: Two User Networks[J]. IEEE Transactions on Wireless Communications，2007,6(6):2204-2213.

[9] SHEN B, ZHAO C, ZHOU Z. User clusters based hierarchical cooperative spectrum sensing in cognitive radio networks[C]//Proceedings of 4th International Conference on Cognitive Radio Oriented Wireless Networks and Communications.Hannover:[S.n.],2009:1-6.

[10] SUN C, ZHANG W, LETAIEF K B. Cluster-Based Cooperative Spectrum Sensing in Cognitive Radio Systems[C]//Proceedings of IEEE International Conference on Communications.[S.l.]:IEEE,2007:2511-2515.

[11] DIGHAM F F, ALOUINI M, SIMON M K. On the energy detection of unknown signals over fading channels [C]//Proceedings of IEEE International Conference on Communications.[S.l.]:IEEE,2003:3575-3579.

[12] MA J,ZHAO G,LI Y. Soft Combination and Detection for Cooperative Spectrum Sensing in Cognitive Radio Networks[J]. IEEE Transactions on Wireless Communications，2008,7(11):4502-4507.

[13] SHEN B, KWAK K S. Soft Combination Schemes for Cooperative Spectrum Sensing in Cognitive Radio Networks[J]. ETRI Journal，2009, 31(3): 263-270.

[14] SRIVASTAVA S K, BANERJEE A. n-ratio logic based cooperative spectrum sensing using double threshold energy detection[C]//Proceedings of the Fourth International Conference on Cognitive Radio Oriented Wireless Networks and Communications.[S.l.]:IEEE,2009:1-6.

[15] PEH E, LIANG Y. Optimization for cooperative sensing in cognitive radio networks[C]//Proceedings of IEEE Wireless Communications and Networking Conference. Kowloon, China: IEEE,2007:27-32.

[16] HUANG X, HAN N, ZHENG G, et al. Weighted-collaborative spectrum sensing in cognitive radio[C]//Proceedings of the 2nd International Conference on Communications and Networking in China. Shanghai, China:IEEE,2007:110-114.

[17] MA J, LI Y. Soft combination and detection for cooperative spectrum sensing in cognitive radio networks[C]//Proceedings of IEEE Global Telecommunications Conference.[S.l.]:IEEE,2007:3139-3143.

[18] YANG W, YE Y, CAI Y, et al. A collaborative spectrum sensing scheme using fuzzy comprehensive evaluation in cognitive radio[J]. Journal of Electronics (China),2009, 26(3): 326-331.

[19] 向曉. 基于認知無線電的頻譜感知技術(shù)的研究[D]. 吉林：吉林大學, 2009.

XIANG Xiao. Researches of spectrum sensing technology based on cognitive radio[D]. Jilin:Jilin University, 2009. (in Chinese)

[20] GHASEMI A, SOUSA E S. Optimization of spectrum sensing for opportunistic spectrum access in cognitive radio networks[C]//Proceedings of 4th Annual IEEE Consumer Communications and Networking Conference. Las Vegas,United states:IEEE，2007：1022-1026.

[21] 郭晨，彭濤，王文博. 認知無線電網(wǎng)絡(luò)中合作頻譜感知機制的優(yōu)化[J]. 電子與信息學報，2009, 31(7): 1525-1530.

GUO Chen, PENG Tao, WANG Wen-bo.Optimization of cooperative spectrum sensing mechanisms in cognitive radio networks[J]. Journal of Electronics & Information Technology, 2009, 31(7): 1525-1530. (in Chinese)

[22] 張宇，馮春燕，郭彩麗. 基于可變間隔的認知無線電頻譜檢測機制[J]. 北京郵電大學學報,2008, 31(2): 128-131.

ZHANG Yu, FENG Chun-yan, GUO Cai-li. A flexible sensing period mechanism of spectrum sensing in cognitive radio networks[J]. Journal of Beijing University of Posts and Telecommunications,2008,31(2):128-131.(in Chinese)

[23] LIANG Y, ZENG Y, PEH E C Y, et al. Sensing-throughput tradeoff for cognitive radio networks[J]. IEEE Transactions on Wireless Communications，2008,7(4):1326-1337.

[24] GUO C, ZENG Z, FENG C, et al. Random periodic spectrum sensing with sensing period optimization for cognitive radio networks[C]//Proceedings of 11th IEEE Singapore International Conference on Communication Systems.Singapor:IEEE，2008：1504-1508.

[25] LEE W, AKYILDIZ I F. Optimal spectrum sensing framework for cognitive radio networks[J].IEEE Transactions on Wireless Communications，2008,7(10):3845-3857.

[26] XING Y, CHANDRAMOULI R, MANGOLD S, et al. Dynamic spectrum access in open spectrum wireless networks[J]. IEEE Journal on Selected Areas in Communications，2006,24(3):626-637.

[27] ZHAO Q, TONG L, SWAMI A, et al. Decentralized cognitive MAC for opportunistic spectrum access in ad hoc networks: A POMDP framework[J]. IEEE Journal on Selected Areas in Communications，2007,25(3):589-600.

[28] AKBAR I A, TRANTER W H. Dynamic spectrum allocation in cognitive radio using hidden markov models: Poisson distributed case[C]//Proceedings of IEEE Southeast Conference. Richmond,United states:IEEE,2007：196-201.

[29] VAMSI KRISHNA T,DAS A.A survey on MAC protocols in OSA networks[J]. Computer Networks，2009,53(9):1377-1394.

[30] IEEE 802.22 Draft V2.0[S/OL].2009-07-23[2009-12-06]. http:// www.ieee802.org/22/.

[31] ZHENG H, PENG C. Collaboration and fairness in opportunistic spectrum access [C]//Proceedings of IEEE International Conference on Communications. [S.l.]:IEEE,2005:3132-3136.

[32] CAO L, ZHENG H. Distributed rule-regulated spectrum sharing[J]. IEEE Journal on Selected Areas in Communications，2008,26(1):130-145.

[33] CAO L, ZHENG H. Distributed spectrum allocation via local bargaining [C]//Proceedings of the Second Annual IEEE Communications Society Conference on Sensor and Ad Hoc Communications and Networks.[S.l.]:IEEE,2005:475-486.

[34] 廖楚林，陳吉力，唐友喜，等. 認知無線電中的并行頻譜分配算法[J]. 電子與信息學報，2007，29(7):1608-1611.

LIAO Chu-lin, CHEN Jie, TANG You-xi, et al. Parallel Algorithm of Spectrum Allocation in Cognitive Radio[J]. Journal of Electronics & Information Technology,2007，29(7):1608-1611. (in Chinese)

[35] 謝顯中，周通，董雪濤，等. 一種基于流量需求的動態(tài)頻譜分配算法[J]. 通信技術(shù),2008, 41(10): 9-11.

XIE Xian-zhong, ZHOU Tong, DONG Xue-Tao, et al. A Requirement-based Algorithm in Dynamic Spectrum Allocation[J]. Communications Technology,2008, 41(10): 9-11. (in Chinese)

[36] ZHU H, PANDANA C, LIU K J R. Distributive opportunistic apectrum access for cognitive radio using correlated equilibrium and no-regret learning[C]//Proceedings of IEEE Wireless Communications and Networking Conference.[S.l.]:IEEE,2007:11-15.

[37] TIAN F, YANG Z. A new algorithm for weighted proportional fairness based spectrum allocation of cognitive radios[C]//Proceedings of 8th ACIS International Conference on Software Engineering, Artificial Intelligence, Networking, and Parallel/Distributed Computing. Qingdao:IEEE,2007:531-536.

[38] DIGHAM F F. Joint power and channel allocation for cognitive radios[C]//Proceedings of IEEE Wireless Communications and Networking Conference. Las Vegas, United states:IEEE,2008：882-887.

[39] SETOODEH P, HAYKIN S. Robust transmit power control for cognitive radio[J]. Proceedings of the IEEE，2009,97(5):915-939.

[40] 邱晶，周正. 認知無線電網(wǎng)絡(luò)中的分布式動態(tài)頻譜共享[J]. 北京郵電大學學報，2009,32(1):69-72.

QIU Jing, ZHOU Zheng.Dynamic Spectrum Sharing Strategy in Cognitive Radio Systems[J]. Journal of Beijing University of Posts and Telecommunications,2009, 32(1): 69-72. (in Chinese)

[41] WANG Q, ZHENG H. Route and spectrum selection in dynamic spectrum networks[C]//Proceedings of the 3rd IEEE Consumer Communications and Networking Conference.[S.l.]:IEEE,2006：625-629.

[42] 周賢偉, 王建萍, 王春江. 認知無線電[M]. 北京: 國防工業(yè)出版社, 2008.

ZHOU Xian-wei, WANG Jian-ping, WANG Chun-jiang. Cognitive Radio[M]. Beijing: National Defense Industry Press, 2008. (in Chinese)