生物友好的认知水声网络频谱分配

引用本文

金志刚, 王健, 苏毅珊. 生物友好的认知水声网络频谱分配. 2017, 47(4): 1321-1328
JIN Zhi-gang, WANG Jian, SU Yi-shan. Marine mammal-friendly spectrum allocation algorithm for cognitive underwater acoustic network. Journal of Jilin University Engineering and Technology Edition, 2017, 47(4): 1321-1328 复制到剪切板

Permissions

生物友好的认知水声网络频谱分配

金志刚, 王健, 苏毅珊

天津大学电子信息工程学院,天津 300072

作者简介:金志刚(1972-),男,教授,博士生导师.研究方向:传感器网络,水下网络,网络安全.E-mail:zgjin@tju.edu.cn

基金:国家自然科学基金项目(61571318); 青海省科技计划项目(2015-ZJ-904); 海南省科技计划项目(ZDYF2016153).

摘要

为充分利用海洋哺乳动物和水声传感器网络(UASNs)共享的稀缺频谱资源,提出了一种生物友好的认知水声网络频谱分配(MMF-CASA)方法。将海洋哺乳动物作为主用户,传感器节点作为次级用户,设计了生物友好的认知水声网络通信机制。以次级用户系统容量最大化为目标建立效用函数,通过拉格朗日乘数法和功率控制与信道分配技术求解次级用户的发送功率与信道分配,设计了生物友好的水声网络频谱分配机制和算法。实现了主用户和次级用户信道共享,最大化了水下稀缺的频谱资源的利用率。仿真结果表明,采用生物友好的认知水声网络频谱分配方法能够避免传感器节点通信对海洋哺乳动物间通信的干扰,使网络的频带利用率和系统容量分别提高了37.4%和34.2%。

关键词: 通信技术; 认知水声网络; 频谱分配; 生物友好; 功率控制

中图分类号:TN929.5 文献标志码:A 文章编号:1671-5497(2017)04-1321-08

Marine mammal-friendly spectrum allocation algorithm for cognitive underwater acoustic network

JIN Zhi-gang, WANG Jian, SU Yi-shan

School of Electronic and Information Engineering, Tianjin University, Tianjin 300072, China

Abstract

To make full use of the scare spectrum resources shared by marine mammals and underwater acoustic sensor networks,a new marine mammal-friendly spectrum allocation algorithm in cognitive acoustic networks is proposed. First,the marine mammals are considered as the primary user and the sensor node is used as the secondary user.Then,the communication mechanism of the mammal-friendly cognitive acoustic networks is proposed.The utility function is established with the goal of maximizing the system capacity of the secondary user.Third, the secondary user's transmission power and channel allocation are solved by the Lagrange multiplier method combined with power control and channel allocation technique. Finally,the marine mammal-friendly cognitive acoustic network spectrum allocation mechanism and algorithm are designed,which can achieve the channel sharing of the primary user and the secondary user,as well as maximizing the spectrum efficiency.Simulation results show that the marine mammal-friendly cognitive acoustic spectrum allocation algorithm not only can avoid interference between the sensor nodes and the marine mammals, but also the bandwidth efficiency and system capacity are improved by 37.4% and 34.3% respectively.

Keyword: communication technology; cognitive underwater acoustic networks; spectrum allocation; marine mammal-friendly; power control

Show Figures

0 引言

近年来, 水声传感器网络(Underwater acoustic sensor networks, UASNs)在商业领域和海洋军事领域受到了广泛关注, 成为了一个新的研究热点^[1]。UASNs中的传感器节点与海洋哺乳动物共存于水下环境且均采用声波通信, 但是, 目前大部分的研究主要着眼于单一的网络情景^{[2, 3]}, 较少考虑UASNs通信对海洋哺乳动物正常生活的影响。随着水声传感器网络技术的广泛应用, 有必要研究如何降低人工声信号对海洋哺乳动物造成的影响, 从而实现生物友好的水声网络通信。

UASNs中水声信道的可用频谱资源十分有限, 通常在几赫兹(Hz)到几百千赫兹(kHz)之间^[4], 绝大多数频段被人工声学系统及天然声学系统所占据。研究表明, 各类海洋哺乳动物的发声频率主要集中在30 Hz~150 kHz^[5], 根据声音信号的功能以及频率参数, 海洋哺乳动物声音信号可以分为3类:通讯信号(Whistle), 回声定位信号(Clicks)和应急突发信号(Burst pulse)^[6]。Whistle信号用于海洋哺乳动物的通讯, 占用的频率大部分集中在30 Hz~30 kHz之间; Click信号频率一般较高, 大都集中在50 kHz以上; Burst pulse只有在应急情况下才会出现, 出现概率低。而UASNs使用的频率主要集中在1 kHz~40 kHz^[7], 由此可见, 该频段与海洋哺乳动物用于通讯的Whistle信号占用的频段交叠^[8], 天然声学系统与人工声学系统需要共享水声信道中稀缺的频谱资源。研究表明^{[8, 9]}, 水下声呐等声学系统会对海洋哺乳动物造成严重的伤害, 他们的使用通常可以改变海洋哺乳动物个体或群体的正常行为, 并且能够屏蔽海洋哺乳动物之间的通讯信号, 从而影响它们的生存。因此, 如何利用水下频谱资源实现海洋哺乳动物与水声传感器网络的共存是亟待解决的问题。

针对水声频谱资源利用率低的问题^[4], 文献^[5]以传统陆地无线认知网络为基础, 提出了水下认知声网络(Underwater cognitive acoustic networks, UCANs)的概念。UCANs中通过感知UASNs周围环境, 并调整通信信道、发送功率或者其他操作运行参数, 达到了合理分配水下频谱资源, 提高频谱利用率的目的。文献^{[10, 11]}中应用了认知水声网络技术, 但只考虑了传感器节点间的通信干扰, 未考虑海洋哺乳动物与UASNs和谐共存的问题。因此, 构建一个生物友好且能高效利用水声网络频谱资源的UCANs具有重要的意义。

针对上述问题, 本文提出了一种生物友好的认知水声网络频谱分配(MMF-CASA)方法。该算法将水下环境中的海洋哺乳动物作为认知技术中的主用户(Primary user, PU), UASNs中的传感器节点作为次级用户(Secondary user, SU), 充分考虑海洋哺乳动物的发声特性, 提出了生物友好的认知水声网络通信机制。以最大化次级用户的系统容量为目标建立效用函数, 通过拉格朗日乘数法和功率控制与信道分配技术求解次级用户的发送功率与信道分配, 设计生物友好的认知水声网络频谱分配机制和算法, 从而减小对海洋哺乳动物的干扰, 实现PU与SU信道共享, 最大化网络的频谱利用率和系统容量。

1 相关工作

认知无线电技术(CR)通过允许非授权用户(次级用户)在不干扰授权用户(主用户)通信的条件下检测并机会接入空闲授权频谱, 达到提高频谱利用率的目的^[12]。频谱分配技术作为CR的重要技术之一, 能够合理地分配频谱资源, 是CR中提高频谱利用率的有效方法^[13]。文献^[14]提出了基于认知无线电技术的联合功率和信道分配方法, 该方法充分考虑了各个用户的自身功率限制, 以最大化用户总的系统容量为目标, 改善了无线电网络中频谱利用率低的问题, 但是, 该方法没有考虑到各个用户的公平性问题。文献^[15]提出了一种认知无线电中基于分布式博弈论的频谱分配和功率控制方法, 通过博弈论分析多个用户间相互决策的关系, 提出了分布式的博弈论频谱分配算法, 最大化了网络效率, 同时保证了各认知用户的公平性, 但是没有充分考虑主用户与次级用户在发送功率限制上的相互影响。文献^[16]中提出的量化功率分配算法实现了认知网络中多个主用户与单一次级用户间的频谱共享, 在充分考虑系统总功率与单个主用户平均功率的限制下, 为次级用户合理分配信道与发送功率, 最大化系统容量, 但是由于次级用户单一, 无法应用于多认知用户的网络。由此可见, 频谱分配算法与功率控制算法是认知技术中提高频谱利用率的关键技术。在该思想的启发下, 目前UCANs也被广泛地应用于水下传感器网络中, 在一定程度上提高了水下稀缺频谱资源的利用率。

虽然水下认知水声网络是基于认知无线电技术提出的, 但是考虑到水下通信环境频带资源稀缺、带宽较窄等问题, 基于电磁波信号的认知网络技术在水下环境应用时仍需改进。与CR技术相同, 认知水声网络中的频谱分配技术与功率控制技术仍然是提高传感器网络频谱利用率的有效手段。文献^[17]中提出了基于水声信号衰减的频谱分配分配方法, 距离发送节点较近的节点分配高频信道, 距离远的节点分配低频信道, 这一方法加大了短链路上的衰减。在此基础上, 文献^[18]针对带宽有限的水声信道, 提出了基于认知的水声信道分配方法, 但仍然没能有效地提高系统容量。文献^[11]在认知水声网络中应用联合信道和功率分配的算法, 以传感器网络节点通信的系统容量最大化为目标, 提高了网络系统的传输速率, 权衡了功率与能源的使用效率, 但是没有考虑传感器网络通信对海洋哺乳动物等自然声学系统的影响, 忽视了自然声学系统与人工声学系统共享频谱资源的问题。文献^[19]提出了环境友好水下传感器网络功率控制算法以及频谱接入技术, 但是对信道分配以及传输速率等问题却没有深入研究。因此, 为了充分利用海洋哺乳动物和水声传感器网络共享的稀缺频谱资源, 需要充分考虑海洋哺乳动物的发声特性, 同时结合认知技术中的信道分配算法和功率控制算法, 在避免自然声学系统受到干扰的同时, 最大化传感器网络的系统容量和频谱利用率。

2 系统模型

2.1 生物友好的认知水声网络通信机制

海洋哺乳动物的发声具有短暂性和极大的随机不确定性, 同时海洋哺乳动物占用的频谱范围比较宽, 但是其使用频率高的频段却比较窄, 在此定义海洋哺乳动物占用的频谱范围中使用频率高的频段为海洋哺乳动物发声使用的中心频段, 其余频段定义为非中心频段。这里以中华白海豚为例, 中华白海豚的Whistle信号与UASNs通信交叠频段示意图如图1所示。定义授权频段为中华白海豚的Whistle信号占用频段。对于授权频段中的中心频段, 海洋哺乳动物有优先使用权, 传感器节点与海洋哺乳动物不能同时在该频段通信。对于授权频段中的非中心频段, 传感器节点作为次级用户, 通过生物友好的认知水声网络频谱分配算法得到发送功率与信道分配, 实现主用户与次级用户频谱共享, 从而提高水下稀缺频谱资源的利用率。

	Figure Option View Download New Window
	图1 中华白海豚whistle信号与UASNs通信交叠频段示意图Fig.1 Whistle signal of Chinese white dolphin and UASNs overlapping frequency

	Figure Option View Download New Window
	图2 生物友好的认知水声网络通信机制流程图Fig.2 Communication mechanism flow chart of marine mammal-friendly UCANs

生物友好的认知水声网络通信机制流程图如图2所示。本文中, 水下网络系统采用集中式的频谱分配策略, 由认知中心收集认知用户感知得到的信道状态信息, 并通过认知水声网络频谱分配算法决策认知用户的发送功率及信道分配。

2.2 本文算法

应用生物友好的认知水声网络频谱分配算法目的是基于感知得到的信道信息结合功率控制提高频带利用率以及最大化系统容量。设在UASNs中有 $\begin{matrix} K \end{matrix}$ 个认知用户, 用户编号 $\begin{matrix} k \in [1, K] 。 \end{matrix}$ 网络信道被划分为 $\begin{matrix} N \end{matrix}$ 个子信道, 子信道编号 $\begin{matrix} n \in [1, N], A \end{matrix}$ 是由二进制元素 $\begin{matrix} a_{nk} \end{matrix}$ 构成的信道分配矩阵。当 $\begin{matrix} a_{nk} = 1 \end{matrix}$ 时表示信道 $\begin{matrix} n \end{matrix}$ 被分配给了认知用户 $\begin{matrix} k 。 P \end{matrix}$ 是功率分配矩阵, 其中的元素 $\begin{matrix} p_{nk} \end{matrix}$ 表示用于认知用户 $\begin{matrix} k \end{matrix}$ 在信道 $\begin{matrix} n \end{matrix}$ 上通信时的发送功率。

基于香农信息论, 第 $\begin{matrix} k \end{matrix}$ 个用户的可用信道容量 $\begin{matrix} C_{k} \end{matrix}$ 表示如下:

$\begin{matrix} C_{k} = \overset{N}{\sum_{n = 1}} a_{nk} Blo g_{2} (1 + \frac{P_{nk} h_{nk}}{N_{0} B a_{nk}}) (1) \end{matrix}$

式中: $\begin{matrix} B \end{matrix}$ 是一个子信道的带宽; $\begin{matrix} N_{0} \end{matrix}$ 是噪声功率谱密度; $\begin{matrix} h_{nk} = A (d_{k}, f_{n})^{- 1} \end{matrix}$ 是信道收益矩阵 $\begin{matrix} H \end{matrix}$ 中的元素, 表示认知用户 $\begin{matrix} k \end{matrix}$ 在信道 $\begin{matrix} n \end{matrix}$ 上通信时的信道增益, 其中, $\begin{matrix} d_{k} \end{matrix}$ 是互相通信的认知用户节点对之间的距离, $\begin{matrix} f_{n} \end{matrix}$ 是信道 $\begin{matrix} n \end{matrix}$ 的中心频率。

所以, 各用户组成的网络信道容量表示如下:

$\begin{matrix} C = \overset{K}{\sum_{k = 1}} \overset{N}{\sum_{n = 1}} a_{nk} Blo g_{2} (1 + \frac{P_{nk} h_{nk}}{N_{0} B a_{nk}}) (2) \end{matrix}$

因此, 生物友好的水下通信系统容量最大化的优化问题表示如下:

$\begin{matrix} \{\begin{matrix} \max_{_{a_{nk} \in {0, 1}, P_{nk} \geq 0}} C \\ w h ereC = \overset{K}{\sum_{k = 1}} \overset{N}{\sum_{n = 1}} a_{nk} Blo g_{2} (1 + \frac{P_{nk} h_{nk}}{N_{0} B a_{nk}}) \\ s . t . \\ C 1 . \overset{N}{\sum_{n = 1}} P_{nk} \leq P_{k . \max} \\ C 2 . P_{nk} \leq P_{1 t h}, c \leq n \leq d \\ C 3 . P_{nk} \leq P_{2 t h}, 1 \leq n \leq c, d \leq n \leq N \end{matrix} (3) \end{matrix}$

式中: $\begin{matrix} c \end{matrix}$ 和 $\begin{matrix} d \end{matrix}$ 分别表示划分的中心频段的两个边界信道; 限制条件 $\begin{matrix} C 1 \end{matrix}$ 中, $\begin{matrix} P_{k . \max} \end{matrix}$ 表示一个用户总的受限发送功率预算; 限制条件 $\begin{matrix} C 2 \end{matrix}$ 与 $\begin{matrix} C 3 \end{matrix}$ 中, $\begin{matrix} P_{1 t h} \end{matrix}$ 表示在中心频段信道上的最大受限发送功率, $\begin{matrix} P_{2 t h} \end{matrix}$ 表示在其余信道上的最大受限发送功率, 这两个功率的取值均与海洋哺乳动物有关, 计算如下:

$\begin{matrix} P_{t h} = A (D_{\min}^{k}, f_{n}) \cdot 10^{[0.1(δ - 170.77)]} (4) \end{matrix}$

式中: $\begin{matrix} D_{\min}^{k} \end{matrix}$ 是距离当前接入的认知用户最近的海洋哺乳动物与当前认知用户的距离; $\begin{matrix} δ \end{matrix}$ 是海洋哺乳动物的行为影响阈值, 单位为dB· μ Pa, 听力阈值是一个功率上限, 当海洋哺乳动物感知到的声音信号功率低于该值时, 它将不会对这个声音信号做出任何反应, 但是, 如果感知到的声音信号功率高于听力阈值, 海洋哺乳动物的身体或行为就会受到一定的影响。为了更好地保护海洋哺乳动物使其免受人为声信号的影响, 美国海洋渔业局(NMFS)制定了如下标准^[20]:等级A表示永久伤害阈值, 门限值为180 dB· μ Pa; 等级B表示行为影响阈值, 门限值为160 dB· μ Pa。以此功率控制方法确保海洋哺乳动物的正常生活不被影响。

从容量表达式(2)中可以得出, 当a_nk 趋近0时, 容量C也趋近0。由于上述优化问题含有连续变量P_nk 和离散变量a_nk, 所以这是一个混合整数非线性规划问题。

又因为 $\begin{matrix} Blo g_{2} (1 + \frac{P_{nk} h_{nk}}{N_{0} B a_{nk}}) \end{matrix}$ 是一个凸函数^[14], 为了求解最大容量 $\begin{matrix} C, \end{matrix}$ 可以松弛变量 $\begin{matrix} a_{nk} \end{matrix}$ 为由0到1的连续变量, 即 $\begin{matrix} a_{nk} \in [0, 1] 。 \end{matrix}$ 在做出上述变换后, $\begin{matrix} a_{nk} \end{matrix}$ 可以被视为信道共享的比例系数。因此, 经过变化后优化问题可由式(5)表示:

$\begin{matrix} \{\begin{matrix} \max_{0 \leq a_{nk} \leq 1, P_{n k} \geq 0} C \\ w h ereC = \overset{K}{\sum_{k = 1}} \overset{N}{\sum_{n = 1}} a_{nk} Blo g_{2} (1 + \frac{P_{nk} h_{nk}}{N_{0} B a_{nk}}) \\ s . t . \\ C 1 . \overset{N}{\sum_{n = 1}} P_{nk} \leq P_{k . \max} \\ C 2 . P_{nk} \leq P_{1 t h}, c \leq n \leq d \\ C 3 . P_{nk} \leq P_{2 t h}, 1 \leq n \leq c, d \leq n \leq N \\ C 4 . \overset{K}{\sum_{n = 1}} a_{nk} = 1 \end{matrix} (5) \end{matrix}$

式(5)的优化问题已经被证明可以使用拉格朗日乘数法求解^[14], 上述优化问题的拉格朗日乘数法^[21]表达式如下:

$\begin{matrix} \begin{matrix} L (P_{nk}, a_{n k}) = \overset{K}{\sum_{k = 1}} \overset{N}{\sum_{n = 1}} a_{nk} Blo g_{2} (1 + \frac{P_{nk} h_{nk}}{N_{0} B a_{nk}}) + \\ \overset{K}{\sum_{k = 1}} λ_{k} (P_{k . \max} - \overset{N}{\sum_{n = 1}} P_{nk}) + \overset{K}{\sum_{k = 1}} \overset{d}{\sum_{n = c}} β_{nk} (P_{1 t h} - P_{nk}) + \\ \overset{K}{\sum_{k = 1}} \overset{c}{\sum_{n = 1}} α_{nk} (P_{2 t h} - P_{nk}) + \overset{K}{\sum_{k = 1}} \overset{N}{\sum_{n = d}} α_{nk} (P_{2 t h} - P_{nk}) + \\ \overset{N}{\sum_{n = 1}} μ_{n} (\overset{K}{\sum_{n = 1}} a_{nk} - 1) (6) \end{matrix} \end{matrix}$

式中: $\begin{matrix} λ_{k} 、 β_{nk} 、 α_{nk} \end{matrix}$ 和 $\begin{matrix} μ_{n} \end{matrix}$ 是拉格朗日乘数, 同时KKT(Karush-Kuhn-Tucker)^[21]条件表达式如式(7)~(12)所示:

$\frac{\partial L (P_{nk}, a_{nk})}{\partial P_{nk}} = 0 (7)$

$\frac{\partial L (P_{nk}, a_{nk})}{\partial a_{nk}} = 0 (8)$

$λ_{k} (P_{k.max} - \overset{N}{\sum_{n = 1}} P_{nk}) = 0 (9)$

$β_{nk} (P_{1 th} - P_{nk}) = 0 (10)$

$α_{nk} (P_{2 th} - P_{nk}) = 0 (11)$

$\overset{K}{\sum_{n = 1}} a_{nk} = 1 (12)$

通过对变量 $\begin{matrix} P_{nk} \end{matrix}$ 与 $\begin{matrix} a_{nk} \end{matrix}$ 求导, 并令导数为0, 可求解 $\begin{matrix} P_{nk} \end{matrix}$ 与 $\begin{matrix} a_{nk} \end{matrix}$ 表达式, 如式(13)(14)(15)所示:

$\frac{\partial L (P_{nk}, a_{nk})}{\partial P_{nk}} = 0 \Rightarrow \{\begin{matrix} \frac{B a_{nk} h_{nk}}{N_{0} B a_{nk} + P_{nk} h_{nk}} - λ_{k} - \\ β_{nk} = 0, c \leq n \leq d \\ \frac{B a_{nk} h_{nk}}{N_{0} B a_{nk} + P_{nk} h_{nk}} - λ_{k} - \\ α_{nk} = 0; 1 \leq n \leq c, d \leq n \leq N \end{matrix} (13)$

$P_{nk} = \{\begin{matrix} P_{1 th}, 当 \frac{B}{λ_{k}} - \frac{N_{0} B}{h_{nk}} > P_{1 th}, \\ a_{nk} = 1, c \leq n \leq d \\ \frac{B}{λ_{k}} - \frac{N_{0} B}{h_{nk}}, 当 0 \leq \frac{B}{λ_{k}} - \frac{N_{0} B}{h_{nk}} \leq P_{1 th}, \\ a_{nk} = 1, c \leq n \leq d \\ P_{2 th}, 当 \frac{B}{λ_{k}} - \frac{N_{0} B}{h_{nk}} > P_{2 th}, \\ a_{nk} = 1, 1 \leq n \leq c, d \leq n \leq N \\ \frac{B}{λ_{k}} - \frac{N_{0} B}{h_{nk}}, 当 0 \leq \frac{B}{λ_{k}} - \frac{N_{0} B}{h_{nk}} \leq P_{2 th}, \\ a_{nk} = 1, 1 \leq n \leq c, d \leq n \leq N \\ 0, 当 a_{nk} = 0 \end{matrix} (14)$

$\frac{\partial L (P_{nk}, a_{nk})}{\partial a_{nk}} = 0 \Rightarrow \ln (\frac{P_{nk} h_{nk}}{a_{nk}}) - \frac{P_{nk} h_{nk}}{a_{nk}} = β'_{n} (15)$

式(15)中 $\begin{matrix} β'_{n} \end{matrix}$ 是一个常量, 可将式(15)看成是 $\begin{matrix} lnx - x = Y \end{matrix}$ 的形式, 其中 $\begin{matrix} x \end{matrix}$ 为未知数, $\begin{matrix} Y \end{matrix}$ 为常量。可以得到, $\begin{matrix} x \end{matrix}$ 应为常量, 即:

$\begin{matrix} \frac{P_{nk} h_{nk}}{a_{nk}} = x (16) \end{matrix}$

根据前述假设:每个信道至多允许一个用户接入。 $\begin{matrix} a_{nk} \end{matrix}$ 表示信道分配比例, 选择一个具有最大 $\begin{matrix} a_{nk} \end{matrix}$ 值的用户接入该信道, 如下所示:

$\begin{matrix} a_{nk}^{*} = \arg ma x_{k} (P_{nk} h_{nk}) (17) \end{matrix}$

同时, 利用KKT条件, 求解得到 $\begin{matrix} λ_{k} \end{matrix}$ :

$\begin{matrix} λ_{k} = \frac{B N_{k}}{P_{k . \max} + \overset{N}{\sum_{n = 1}} \frac{a_{nk} N_{0} B}{h_{nk}}} (18) \end{matrix}$

式中: $\begin{matrix} N_{k} \end{matrix}$ 为认知用户 $\begin{matrix} k \end{matrix}$ 实际接入的信道数量 $\begin{matrix} (N_{k} \leq N) 。 \end{matrix}$

根据式(14)(17), 可以求得发送信道以及发送功率。生物友好的认知水声网络频谱分配(MMF-CASA)机制和算法如算法1所示。

算法1 生物友好的认知水声网络频谱分配算法

步骤1 建立矩阵 $\begin{matrix} A \end{matrix}$ 代替矩阵 $\begin{matrix} H, \end{matrix}$ 使矩阵 $\begin{matrix} A \end{matrix}$ 中的每一行按可接入信道的信道收益值降序排列。

步骤2 从矩阵 $\begin{matrix} A \end{matrix}$ 的第一行开始, 取 $\begin{matrix} i = 1, 2, \dots, N, j = 1, 2, \dots, K \end{matrix}$ 按照式(18)和(14)计算所有认知节点的 $\begin{matrix} λ_{k} \end{matrix}$ 和 $\begin{matrix} P_{ik} \end{matrix}$ 的值, 假设a_nk=1, N_k= $\begin{matrix} \overset{i - 1}{\sum_{n = 1}} \end{matrix}$ a_nk+ $\begin{matrix} \overset{N}{\sum_{n = i + 1}} \end{matrix}$ a_nk+1, 如果P_k._max- $\begin{matrix} \overset{i - 1}{\sum_{n = 1}} \end{matrix}$ P_nk< P_ik, 则令P_ik=P_k._max- $\begin{matrix} \overset{i - 1}{\sum_{n = 1}} \end{matrix}$ P_nk, 通过式(17)使得认知用户选择最好的信道接入。令a_ik=1, a_ij=0, j≠ k。

步骤3 得到最终的分配矩阵 $\begin{matrix} A \end{matrix}$ 后, 与 $\begin{matrix} G \end{matrix}$ 所列结果相比较, 如果差异较大, 则重复步骤2, 直到最后的比较结果在特定范围内无差异即为最终分配结果。

3 仿真与性能评价

为验证MMF-CASA算法的有效性, 实验将从频带利用率、系统容量两个方面加以验证。将对以下两个参数进行对比:①频带利用率, 即通信系统中单位带宽的信息传输速率; ②系统容量, 即单位时间内传输的数据量。最后将本文方法与理论方法值、文献[22]中提出的频谱分配方法进行对比。实验选取海洋哺乳动物中的中华白海豚作为研究对象。实验所用到的参数如下:实验区域大小为4 km× 4 km; 中华白海豚占用频带为0.52~33 kHz; UASNs占用频带为1~40 kHz; 子信道数为8; 中心频段信道数为2; 带宽为5 kHz; 节点最大受限发送功率为10 W; 中华白海豚发声影响阈值为120 dB· μ Pa; 中华白海豚行为影响阈值为160 dB· μ Pa。

仿真场景的设置如图3所示。网络分布在4 km× 4 km的二维平面中, 该区域被划分为16个1000 m× 1000 m的子区域, 海洋哺乳动物与传感器节点共存并随机分布在这些子区域中。其中, 海洋哺乳动物的数目定义为在该水下网络中海洋哺乳动物的密度, 单位为(个), 并且海洋哺乳动物的初始位置具有随机性。水下传感器节点发送数据包的过程采用泊松分布模型, 模型中的参数m用来控制泊松分布模型的到达率, m值越大表示信道的业务量越多, 信道越繁忙, 即网络负载越重。

	Figure Option View Download New Window
	图3 实验场景图Fig.3 Scene graph of experiment

	Figure Option View Download New Window
	图4 m值与频带利用率关系Fig.4 Relationship between m and bandwidth efficiency

3.1 频带利用率

图4表示到达率 $\begin{matrix} m \end{matrix}$ 与频带利用率之间的关系, 其中理论值即为不考虑海洋哺乳动物干扰的情况下计算得到的系统容量最大值与所用带宽的比值; 其他3种方法均考虑了海洋哺乳动物间的通信。从图4可以看出, 考虑海洋哺乳动物间的通信时, 采用本文方法得到的频谱利用率与理论上限值相比下降最小, 与使用传统的认知无线电技术中的频谱分配方法和普通频谱分配方法相比, 频谱利用率的值分别提高了37.4%和64.4%。通过进一步分析可得, 考虑到海洋哺乳动物间的通信必然会占用部分频带, 在这种情况下, 节点间通信必然会释放部分频带满足海洋哺乳动物通信的需求, 所以频带利用率的值相比于理论值都会降低。这也说明了水下环境中认知用户间的通信是在防止对主用户通信产生干扰的条件下进行的, 也体现出了生物友好的特点。对于本文提出的生物友好的水下认知频谱分配技术, 随着网络负载量的增加, 频带利用率在一定范围内增长比较明显, 但是当认知节点占用信道数目达到饱和后, 频带利用率的值将不会再有明显的增加。

图5表示了海洋哺乳动物的密度与频带利用率之间的关系。实验场景设置为 $\begin{matrix} m = 4, \end{matrix}$ 即网络负载量固定, 比较当海洋哺乳动物密度不同时, 3种频谱分配方法对频带利用率的影响。从图5可以看出, 当海洋哺乳动物的密度增大时, 相比于传统认知无线电中的频谱分配方法和普通的频谱分配方法, 本文方法使频带利用率降低的幅度最小。

	Figure Option View Download New Window
	图5 频带利用率随海洋哺乳动物密度的变化Fig.5 Bandwidth efficiency varies with density of marine mammals

3.2 系统容量

图6为水下网络中海洋哺乳动物初始位置不同时, 网络系统容量的变化情况。仿真结果表明, 对于相同的网络系统, 海洋哺乳动物初始位置不同, 网络有效吞吐量的变化比较明显, 这是因为, 为了防止对海洋哺乳动物的通信与交流造成影响, 传感器节点间发送数据时对海洋哺乳动物的存在情况及位置信息进行感知, 从而对自身发送信道的选择以及发送功率做出计算, 导致网络吞吐量具有较大的差异性和随机性。

	Figure Option View Download New Window
	图6 海洋哺乳动物初始位置变化对系统容量的影响Fig.6 Influence of initial position of marine mammal on system capacity

图7表示海洋哺乳动物存在于水下网络环境中时, 网络负载与网络系统容量之间的关系。从图7可以看出, 随着网络负载的增加, 网络系统容量不断增大, 但是当节点占用信道到达饱和后, 网络系统容量将不再有明显的增加。当网络负载较小时, 采用3种不同的技术得到的网络系统容量的差值并不是很大, 当网络负载 $\begin{matrix} m = 5 \end{matrix}$ 时, 应用本文算法相比于其他两种方法能够更有效地增加网络系统容量, 与使用传统的认知无线电技术中的频谱分配方法和普通频谱分配方法相比, 系统容量分别提高了37.4%和64.4%。

	Figure Option View Download New Window
	图7 m值对不同算法系统容量值的影响Fig.7 Effect of m on system capacity by different algorithms

从图4中MMF-CASA方法的结果曲线可以发现, 当 $\begin{matrix} m = 6 \end{matrix}$ 时, 网络模型的频带利用率逐渐趋于平稳。从图5中可以看出, 当海洋哺乳动物的密度达到2 个/km²时, 该网络模型的频带利用率下降幅度减小, 直至趋于平稳。因此, 在该网络模型中选取 $\begin{matrix} m = 6, \end{matrix}$ 海洋哺乳动物密度为2 个/km², 将本文方法与文献^[22]提出的频谱分配方法进行比较, 仿真结果如图8所示, 在选定参数下, 随着试验次数的增加, 本文方法的频带利用率逐渐逼近理论值, 相比于文献^[22]中方法频带利用率提高了28.1%。

	Figure Option View Download New Window
	图8 m=6, 海洋哺乳动物密度为2时频带利用率对比Fig.8 Comparison of bandwidth efficiency when m=6 and density of marine mammal with 2

与传统认知无线电中的频谱分配算法相比, 该文提出的MMF-CASA算法使频带利用率和系统容量分别提高了37.4%和34.2%。

4 结束语

针对海洋哺乳动物与UASNs中传感器节点共存的网络, 提出了一种生物友好的认知水声网络频谱分配(MMF-CASA)方法。该算法旨在避免海洋哺乳动物的通信受到水下传感器节点通信的干扰, 提高PU与SU共享的稀缺频谱资源的利用率。以研究海洋哺乳动物的发声特性和认知水声网络关键技术为前提, 建立了生物友好的认知水声网络通信机制, 将通信信道划分哺乳动物中心频段与非中心频段, 以最大化SU的系统容量为目标建立效用函数, 通过拉格朗日乘数法结合功率控制求解次级用户的发送功率以及传输信道。设计了水声网络频谱分配机制和算法, 实现PU和SU信道共享, 最大化了水下稀缺的频谱资源的利用率和系统容量。仿真分析表明, 生物友好的认知水声网络频谱分配算法能够减小人工信号对海洋哺乳动物通信的影响, 与传统认知无线电中的频谱分配算法相比, 该算法能够提高水下稀缺频谱资源的频带利用率和系统容量。

The authors have declared that no competing interests exist.

参考文献

View Option

[1]	Heidemann J, Stojanovic M, Zorzi M. Underwater sensor networks: applications, advances and challenges[J]. Philosophical Transactions of the Royal Society of London A: Mathematical, Physical and Engineering Sciences, 2012, 370(1958): 158-175. [本文引用:1]
[2]	Jindal H, Saxena S, Singh S. Challenges and issues in underwater acoustics sensor networks: a review[C]//IEEE International Conference on Parallel, Distributed and Grid Computing (PDGC), Solan, 2014: 251-255. [本文引用:1]
[3]	Han G, Jiang J, Sun N, et al. Secure communication for underwater acoustic sensor networks[J]. IEEE Communications Magazine, 2015, 53(8): 54-60. [本文引用:1]
[4]	Bicen A O, Sahin A B, Akan O B. Spectrum-aware underwater networks: cognitive acoustic communications[J]. IEEE Vehicular Technology Magazine, 2012, 7(2): 34-40. [本文引用:2]
[5]	Luo Y, Pu L, Zuba M, et al. Challenges and opportunities of underwater cognitive acoustic networks[J]. IEEE Transactions on Emerging Topics in Computing, 2014, 2(2): 198-211. [本文引用:2]
[6]	刘凇佐, 刘冰洁, 尹艳玲, 等. M元仿海豚叫声隐蔽水声通信[J]. 哈尔滨工程大学学报, 2014, 35(1): 119-125. Liu Song-zuo, Liu Bing-jie, Yin Yan-ling, et al. M-ray covert underwater acoustic communication by mimicking dolphin sounds[J]. Journal of Harbin Engineering University, 2014, 35(1): 119-125. [本文引用:1]
[7]	Luo Y, Pu L, Zuba M, et al. Cognitive acoustics: making underwater communications environment-friendly[C]//Proceedings of the IEEE International Conference on Underwater Networks & Systems, New York, USA, 2014: 48. [本文引用:1]
[8]	张国胜, 顾晓晓, 邢彬彬, 等. 海洋环境噪声的分类及其对海洋动物的影响[J]. 大连海洋大学学报, 2012, 27(1): 89-94. Zhang Guo-sheng, Gu Xiao-xiao, Xing Bin-bin, et al. Classification of marine environmental noise and its effects on marine animals[J]. Journal of Dalian Ocean University, 2012, 27(1): 89-94. [本文引用:2]
[9]	Tyack P L, Janik V M. Animal Communication and Noise[M]. Berlin: Springer, 2013: 251-271. [本文引用:1]
[10]	Luo Y, Pu L, Zheng P, et al. RISM: an efficient spectrum management system for underwater cognitive acoustic networks[C]//IEEE Eleventh Annual IEEE International Conference on Sensing, Communication, and Networking (SECON), Singapore, 2014: 414-422. [本文引用:1]
[11]	Le A M, Kim D S. Joint channel and power allocation for underwater cognitive acoustic networks[C]//IEEE International Conference on Advanced Technologies for Communications(ATC), Hanoi, 2014: 745-749. [本文引用:2]
[12]	Mitola J, Maguire J G Q. Cognitive radio: making software radios more personal[J]. IEEE Personal Communications, 1999, 6(4): 13-18. [本文引用:1]
[13]	李钊, 饶正发, 蔡沈锦. 协作认知无线网络中基于优先级队列的两级中心频谱共享[J]. 吉林大学学报: 工学版, 2016, 46(5): 1651-1659. Li Zhao, Rao Zheng-fa, Cai Shen-jin. Priority queue based two-layer centralized spectrum sharing in CCRN[J]. Journal of Jilin University(Engineering and Technology Edition), 2016, 46(5): 1651-1659. [本文引用:1]
[14]	Digham F F. Joint power and channel allocation for cognitive radios[C]//IEEE Wireless Communications and Networking Conference, Las Vegas, USA, 2008: 882-887. [本文引用:3]
[15]	Canales M, Gallego J R, Ciria R. Distributed channel allocation and power control in cognitive radio networks using game theory[C]//IEEE Vehicular Technology Conference (VTC Fall), San Francisco, USA, 2011: 1-5. [本文引用:1]
[16]	He Y Y, Dey S. Power allocation in spectrum sharing cognitive radio networks with quantized channel information[J]. IEEE Transactions on Communications, 2011, 59(6): 1644-1656. [本文引用:1]
[17]	Baldo N, Casari P, Zorzi M. Cognitive spectrum access for underwater acoustic communications[C]//IEEE International Conference on Communications Workshops, Beijing, 2008: 518-523. [本文引用:1]
[18]	Torees D, Charbiwala Z, Friedman J, et al. Spectrum signaling for cognitive underwater acoustic channel allocation[C]//IEEE Conference on Computer Communications Workshops, San Diego, USA, 2010: 1-6. [本文引用:1]
[19]	Yang Q, Su Y, Jin Z, et al. EFPC: an environmentally friendly power control scheme for underwater sensor networks[J]. Sensors, 2015, 15(11): 29107-29128. [本文引用:1]
[20]	von Szalay P G, Brown E. Trawl comparisons of fishing power differences and their applicability to National Marine Fisheries Service and Alaska Department of Fish and Game trawl survey gear[J]. Alaska Fishery Research Bulletin, 2001, 8(2): 85-95. [本文引用:1]
[21]	Bertsekas D. Nonlinear Programming[M]. Nashua, USA: Athena Scientific, 1999: 309-312. [本文引用:2]
[22]	Yao Gui-dan, Jin Zhi-gang, Su Yi-shan. An environment-friendly spectrum decision strategy for underwater wireless sensor networks[C]//IEEE International Conference on Communications (ICC), London, 2015: 6370-6375. [本文引用:2]

2012

0.0

... 0 引言近年来,水声传感器网络(Underwater acoustic sensor networks,UASNs)在商业领域和海洋军事领域受到了广泛关注,成为了一个新的研究热点^[1] ...

2014

0.0

... UASNs中的传感器节点与海洋哺乳动物共存于水下环境且均采用声波通信,但是,目前大部分的研究主要着眼于单一的网络情景^[2,3],较少考虑UASNs通信对海洋哺乳动物正常生活的影响 ...

2015

0.0

2012

0.0

... UASNs中水声信道的可用频谱资源十分有限,通常在几赫兹(Hz)到几百千赫兹(kHz)之间^[4],绝大多数频段被人工声学系统及天然声学系统所占据 ...

... 针对水声频谱资源利用率低的问题^[4],文献^[5]以传统陆地无线认知网络为基础,提出了水下认知声网络(Underwater cognitive acoustic networks,UCANs)的概念 ...

2014

0.0

... 研究表明,各类海洋哺乳动物的发声频率主要集中在30 Hz~150 kHz^[5],根据声音信号的功能以及频率参数,海洋哺乳动物声音信号可以分为3类:通讯信号(Whistle),回声定位信号(Clicks)和应急突发信号(Burst pulse)^[6] ...

... 针对水声频谱资源利用率低的问题^[4],文献^[5]以传统陆地无线认知网络为基础,提出了水下认知声网络(Underwater cognitive acoustic networks,UCANs)的概念 ...

2014

0.0

. 2014, 35(1):119-125

M-ray covert underwater acoustic communication by mimicking dolphin sounds

M元仿海豚叫声隐蔽水声通信

Liu Song-zuo , Liu Bing-jie , Yin Yan-ling

刘凇佐, 刘冰洁, 尹艳玲

2014

0.0

... 而UASNs使用的频率主要集中在1 kHz~40 kHz^[7],由此可见,该频段与海洋哺乳动物用于通讯的Whistle信号占用的频段交叠^[8],天然声学系统与人工声学系统需要共享水声信道中稀缺的频谱资源 ...

2012

0.0

. 2012, 27(1):89-94 DOI:doi:10.3969/j.issn.1000-9957.2012.01.018

Classification of marine environmental noise and its effects on marine animals

海洋环境噪声的分类及其对海洋动物的影响

Zhang Guo-sheng , Gu Xiao-xiao , Xing Bin-bin

张国胜, 顾晓晓, 邢彬彬

海洋环境条件特殊,地形复杂,海洋声学的研究进展相对缓慢。本文中对海洋环境噪声按频率范围进行了分类,包括极低频噪声、超低频及甚低频噪声和高频噪声,并探讨了海洋环境噪声对水产养殖动物及野生海洋动物(尤其是海洋哺乳动物)的影响,展望了海洋声学研究的前景。

... 研究表明^[8,9],水下声呐等声学系统会对海洋哺乳动物造成严重的伤害,他们的使用通常可以改变海洋哺乳动物个体或群体的正常行为,并且能够屏蔽海洋哺乳动物之间的通讯信号,从而影响它们的生存 ...

2013

0.0

2014

0.0

... 文献^[10,11]中应用了认知水声网络技术,但只考虑了传感器节点间的通信干扰,未考虑海洋哺乳动物与UASNs和谐共存的问题 ...

2014

0.0

... 文献^[10,11]中应用了认知水声网络技术,但只考虑了传感器节点间的通信干扰,未考虑海洋哺乳动物与UASNs和谐共存的问题 ...

... 文献^[11]在认知水声网络中应用联合信道和功率分配的算法,以传感器网络节点通信的系统容量最大化为目标,提高了网络系统的传输速率,权衡了功率与能源的使用效率,但是没有考虑传感器网络通信对海洋哺乳动物等自然声学系统的影响,忽视了自然声学系统与人工声学系统共享频谱资源的问题 ...

1999

0.0

... 1 相关工作认知无线电技术(CR)通过允许非授权用户(次级用户)在不干扰授权用户(主用户)通信的条件下检测并机会接入空闲授权频谱,达到提高频谱利用率的目的^[12] ...

2016

0.0

. 2016, 46(5):1651-1659

Priority queue based two-layer centralized spectrum sharing in CCRN

协作认知无线网络中基于优先级队列的两级中心频谱共享

Li Zhao , Rao Zheng-fa , Cai Shen-jin.

李钊, 饶正发, 蔡沈锦

... 频谱分配技术作为CR的重要技术之一,能够合理地分配频谱资源,是CR中提高频谱利用率的有效方法^[13] ...

2008

0.0

... 文献^[14]提出了基于认知无线电技术的联合功率和信道分配方法,该方法充分考虑了各个用户的自身功率限制,以最大化用户总的系统容量为目标,改善了无线电网络中频谱利用率低的问题,但是,该方法没有考虑到各个用户的公平性问题 ...

... 又因为 Blog21+PnkhnkN0Bank是一个凸函数^[14],为了求解最大容量 C,可以松弛变量 ank为由0到1的连续变量,即 ank∈[0,1] ...

... 式(5)的优化问题已经被证明可以使用拉格朗日乘数法求解^[14],上述优化问题的拉格朗日乘数法^[21]表达式如下: ...

2011

0.0

... 文献^[15]提出了一种认知无线电中基于分布式博弈论的频谱分配和功率控制方法,通过博弈论分析多个用户间相互决策的关系,提出了分布式的博弈论频谱分配算法,最大化了网络效率,同时保证了各认知用户的公平性,但是没有充分考虑主用户与次级用户在发送功率限制上的相互影响 ...

2011

0.0

... 文献^[16]中提出的量化功率分配算法实现了认知网络中多个主用户与单一次级用户间的频谱共享,在充分考虑系统总功率与单个主用户平均功率的限制下,为次级用户合理分配信道与发送功率,最大化系统容量,但是由于次级用户单一,无法应用于多认知用户的网络 ...

2008

0.0

... 文献^[17]中提出了基于水声信号衰减的频谱分配分配方法,距离发送节点较近的节点分配高频信道,距离远的节点分配低频信道,这一方法加大了短链路上的衰减 ...

2010

0.0

... 在此基础上,文献^[18]针对带宽有限的水声信道,提出了基于认知的水声信道分配方法,但仍然没能有效地提高系统容量 ...

2015

0.0

... 文献^[19]提出了环境友好水下传感器网络功率控制算法以及频谱接入技术,但是对信道分配以及传输速率等问题却没有深入研究 ...

2001

0.0

... 为了更好地保护海洋哺乳动物使其免受人为声信号的影响,美国海洋渔业局(NMFS)制定了如下标准^[20]:等级A表示永久伤害阈值,门限值为180 dB#cod#x000b7 ...

1999

0.0

... 式(5)的优化问题已经被证明可以使用拉格朗日乘数法求解^[14],上述优化问题的拉格朗日乘数法^[21]表达式如下: ...

... 式中: λk、βnk、αnk和 μn是拉格朗日乘数,同时KKT(Karush-Kuhn-Tucker)^[21]条件表达式如式(7)~(12)所示: ...

2015

0.0

... 因此,在该网络模型中选取 m=6,海洋哺乳动物密度为2 个/km²,将本文方法与文献^[22]提出的频谱分配方法进行比较,仿真结果如图8所示,在选定参数下,随着试验次数的增加,本文方法的频带利用率逐渐逼近理论值,相比于文献^[22]中方法频带利用率提高了28 ...