论文部分内容阅读
摘要：将认知无线电技术引入农业物联网中以解决其无线频谱资源紧缺的问题，针对农业物联网中多种传感器、终端及网关对不同异构信道的特殊需求，提出一种基于遗传算法的并行合作频谱感知方法。该方法能够克服现有方法中无法同时感知多个异构信道及在感知中没有考虑吞吐量和感知时长的不足，通过遗传算法最优地选取感知节点、分配感知任务以及设定感知时长，达到使系统有效吞吐量最大的目的。仿真结果表明，该方法相比随机感知方法，能够获得更大的系统有效吞吐量。
关键词：认知无线电；农业物联网；并行合作频谱感知；遗传算法；异构信道
引言
农业是国民经济的根本，我国农业目前正处于从传统农业到现代化农业转型的关键时期，农业物联网作为农业现代化的重要组成部分，近年来得到了迅速发展。但随着农业物联网规模和应用范围的迅速扩张，无线频谱资源紧缺已成为制约农业物联网发展的瓶颈。认知无线电技术的出现为解决频谱资源紧缺的问题提供了一种有效可行的解决方案，近年来迅速发展，已成为无线通信发展的必然趋势。将认知无线电技术应用在农业物联网中，能够有效解决农业物联网发展中无线频谱资源紧缺问题，为农业物联网业务的扩展及成本的降低提供了有效的解决方案。频谱感知技术是认知无线电实现的关键和前提，一方面认知网络需要及时发现可用的空闲频谱资源以充分利用，另一方面在授权用户出现时，认知网络必须及时发现并让出频谱，以免对授权用户造成干扰。对于农业物联网来说，由于各用户（包括各传感器、终端、网关等）所传输信息的不同，如环境参数、作物生长态势、动物行为等，对通信速率和信道带宽的需求也不同，因此，在农业物联网中，为了合理高效地利用频谱资源，频谱感知所需感知的信道应是多个具有不同带宽、不同传输速率的异构信道。而且，由于不同频段的信道可能被不同的授权用户占用，因此，其占用概率也可能不同。
针对多个异构信道的频谱感知问题，邝祝芳等提出了一种基于遗传算法的异构信道频谱感知策略，利用遗传算法选择部分信道进行感知，解决了一个认知用户如何感知多个异构信道的问题。Zhou Y等考虑一个认知用户具有多个天线的情况，通过最优的分配各个信道感知的天线数，使总吞吐量最大。但以上研究仅针对一个认知用户进行感知的情况，由于信道衰落、阴影效应及安全等问题的影响，单个用户的感知结果往往并不准确。为了解决这个问题，Xie S等提出了一种并行合作频谱感知技术，使多个认知用户在一个感知时隙内能够同时感知多个信道的占用情况，大大缩短了感知时间，提高了感知效率，但该文献没有考虑到不同认知用户对不同异构信道感知性能的差异，由于农业物联网中各认知用户的类型不同，因此对不同异构信道的感知能力也不同。Wang Z等利用迭代匈牙利算法进行并行合作频谱感知，通过合理分配感知任务使系统的检测概率最大，但是该方法仅关注检测的准确性，而没有考虑系统吞吐量等的问题。Fu S等提出了一种基于迭代Kuhn-Munkres（KM）算法的并行合作频谱感知策略，充分考虑了感知开销和系统效益等问题，但没有考虑感知时长设定的问题。感知时长的设定是PHY层和MAC层频谱感知的重要问题，感知时长的长短直接决定着感知的准确性和系统的吞吐量。针对这个问题，Liang Y C等详细分析了感知时长和吞吐量之间的权衡问题，但文献只针对单信道进行讨论，对于多个异构信道的情况并不适用。Beibei Wang利用博弈论对各节点的感知时长和参加感知的概率进行优化，但该方法感知对象是一个宽带中的若干个子频带，其中各子带的占用情况和带宽均相同，属于同构信道，对于各信道占用情况和带宽可能均不相同的异构信道的感知并不适用。另外，该方法假设各节点对各信道感知的信噪比均相同，由于各节点位置和自身特性的不同，该假设并不符合现实场景。
本文基于能量检测方法，针对农业物联网中多个异构信道的频谱感知问题，考虑感知时长的选取，在PHY层和MAC层进行跨层地联合设计，提出基于遗传算法的并行合作频谱感知方法，在检测概率和虚警概率的约束下，最优地分配感知任务和选取感知时长，使系统的有效吞吐量最大。
1 系统模型及问题描述
在一个具备认知无线电功能的集中式农业物联网中，包含一个融合中心和N个认知用户，其中，认知用户包括各传感器、终端及网关，负责定期感知空闲的频谱资源，融合中心根据感知得到的空闲的频谱资源情况及各用户的需求，为各用户分配可用的信道。由于各用户对传输速率和信道带宽的需求不同，因此设感知对象为M个异构信道，各异构信道的带宽、传输速率和占用概率可能均不相同，用HO和H1分别指示信道空闲和被授权用户占用两种状态。系统时隙T分为感知时隙Ts和传输时隙Tr两部分，T=Ts—Tr。在每个时隙T内，Ts和Tr可在一定范围内变化。为便于各节点同步及减少传输开销，Ts只能在K个离散值之中选取，即Ts（k），其中K为时长等级数，各离散值由小到大排列，序号为k=l，2….，K。为提高检测的准确性，每个信道可由多个认知用户合作进行频谱感知，合作时采用OR准则，但每个认知用户在一个感知时隙Ts内仅能感知一个信道。
由公式（8）可见，系统有效吞吐量主要取决于两个因素，一是感知任务分配矢量X，二是感知时长等级k。
2 算法描述
本文使用遗传算法来解决上述问题。遗传算法中，定义适应度函数为系统有效吞吐量0≤xn≤M，通过个体的生存竞争、优者交叉、最适应个体变异等遗传操作，并采用“父子混合选择”策略（也称为精英策略），即每一代的最适应个体保留下来直接进入下一代，不断进行进化，最终得到最适应个体。
（1）编码方案
每个个体代表一种感知方案，包括感知任务分配，即哪些节点感知哪些信道，以及感知时长的确定。本文采用整数编码，将感知任务分配矢量X和感知时长等级哥连接得到染色体，染色体结构如图l所示。其中，x代表第n个认知用户感知的信道序号，0≤xn≤M，为0时表示该认知用户不感知任何信道，k表示感知时长等级，l≤k≤K。 （3）遗传操作
算法所采用的遗传操作主要包括：生存竞争、优胜者交叉、最适应个体变异、个体修正以及“父子混合选择”策略。具体步骤如下：
步骤l：初始群体的产生：算法首先随机产生一个个体数为L的种群，为了便于之后的竞争、交叉和变异等策略，L取4j，其中j为正整数；
步骤2：个体修正：对不满足要求的个体进行修正；
步骤3：计算适应度函数：根据公式（8）计算适应度函数；
步骤4：选取适应性最强的个体：在当前种群中选取适应性最强的个体，作为步骤5的父代；
步骤5：变异：由于最适应个体的基因是最优良的，因此本文选用最适应个体作为变异的父代，变异产生L/4个变异子代，直接进入下一代，变异概率为P1；
步骤6：生存竞争： L个个体两两组成一组，进行生存竞争，得到L/2个优胜个体；
步骤7：优胜者交叉：由生存竞争产生的L/2个优胜个体以交叉概率P2随机两两进行双点交叉后，产生L/2个子代，直接进入下一代。
步骤8：随机产生个体：为了避免遗传算法早熟的问题，每次进化时随机产生L/4个个体，加入下一代。
步骤9：个体修正：对不满足要求的个体进行修正；
步骤10：最适应个体直接进入下一代：计算当前种群的适应度，用步骤4中选取的最优个体，替换当前群体中的最差个体，直接进入下一代，保证种群能够稳定地进化；
步骤11：截止条件：当两个截止条件满足其一时，进化停止，得到最优个体。一是达到最大进化代数W，二是最优个体和最差个体之间适应度差异足够小，即小于最优个体适应度的V倍的时候。如果不满足截止条件，则跳到步骤4进行下一次进化。
3 仿真结果及分析
图3为本文方法和随机感知方法在不同认知用户数时的感知时长变化图。由图3可以看出，随着认知用户数的增多，本文所提出的方法更够选择更多感知性能更优秀的感知节点来感知信道，达到检测概率的要求，从而使感知时长缩短，系统有效吞吐量增高。
4 结论
为解决农业物联网频谱资源紧缺的问题，本文引入认知无线电技术，针对农业物联网中多种传感器、终端及网关对不同异构信道的特殊需求，提出一种基于遗传算法的并行合作频谱感知方法。该方法充分考虑了不同认知用户对不同异构信道感知性能的差异性、系统有效吞吐量以及感知时长，通过遗传算法中的生存竞争、优胜者交叉、最适应个体变异，父子混合选择等操作，最优的确定感知策略，即确定感知任务分配和感知时长。仿真结果表明，该方法相比随机感知方法，能够获得更大的系统有效吞吐量。
关键词：认知无线电；农业物联网；并行合作频谱感知；遗传算法；异构信道
引言
农业是国民经济的根本，我国农业目前正处于从传统农业到现代化农业转型的关键时期，农业物联网作为农业现代化的重要组成部分，近年来得到了迅速发展。但随着农业物联网规模和应用范围的迅速扩张，无线频谱资源紧缺已成为制约农业物联网发展的瓶颈。认知无线电技术的出现为解决频谱资源紧缺的问题提供了一种有效可行的解决方案，近年来迅速发展，已成为无线通信发展的必然趋势。将认知无线电技术应用在农业物联网中，能够有效解决农业物联网发展中无线频谱资源紧缺问题，为农业物联网业务的扩展及成本的降低提供了有效的解决方案。频谱感知技术是认知无线电实现的关键和前提，一方面认知网络需要及时发现可用的空闲频谱资源以充分利用，另一方面在授权用户出现时，认知网络必须及时发现并让出频谱，以免对授权用户造成干扰。对于农业物联网来说，由于各用户（包括各传感器、终端、网关等）所传输信息的不同，如环境参数、作物生长态势、动物行为等，对通信速率和信道带宽的需求也不同，因此，在农业物联网中，为了合理高效地利用频谱资源，频谱感知所需感知的信道应是多个具有不同带宽、不同传输速率的异构信道。而且，由于不同频段的信道可能被不同的授权用户占用，因此，其占用概率也可能不同。
针对多个异构信道的频谱感知问题，邝祝芳等提出了一种基于遗传算法的异构信道频谱感知策略，利用遗传算法选择部分信道进行感知，解决了一个认知用户如何感知多个异构信道的问题。Zhou Y等考虑一个认知用户具有多个天线的情况，通过最优的分配各个信道感知的天线数，使总吞吐量最大。但以上研究仅针对一个认知用户进行感知的情况，由于信道衰落、阴影效应及安全等问题的影响，单个用户的感知结果往往并不准确。为了解决这个问题，Xie S等提出了一种并行合作频谱感知技术，使多个认知用户在一个感知时隙内能够同时感知多个信道的占用情况，大大缩短了感知时间，提高了感知效率，但该文献没有考虑到不同认知用户对不同异构信道感知性能的差异，由于农业物联网中各认知用户的类型不同，因此对不同异构信道的感知能力也不同。Wang Z等利用迭代匈牙利算法进行并行合作频谱感知，通过合理分配感知任务使系统的检测概率最大，但是该方法仅关注检测的准确性，而没有考虑系统吞吐量等的问题。Fu S等提出了一种基于迭代Kuhn-Munkres（KM）算法的并行合作频谱感知策略，充分考虑了感知开销和系统效益等问题，但没有考虑感知时长设定的问题。感知时长的设定是PHY层和MAC层频谱感知的重要问题，感知时长的长短直接决定着感知的准确性和系统的吞吐量。针对这个问题，Liang Y C等详细分析了感知时长和吞吐量之间的权衡问题，但文献只针对单信道进行讨论，对于多个异构信道的情况并不适用。Beibei Wang利用博弈论对各节点的感知时长和参加感知的概率进行优化，但该方法感知对象是一个宽带中的若干个子频带，其中各子带的占用情况和带宽均相同，属于同构信道，对于各信道占用情况和带宽可能均不相同的异构信道的感知并不适用。另外，该方法假设各节点对各信道感知的信噪比均相同，由于各节点位置和自身特性的不同，该假设并不符合现实场景。
本文基于能量检测方法，针对农业物联网中多个异构信道的频谱感知问题，考虑感知时长的选取，在PHY层和MAC层进行跨层地联合设计，提出基于遗传算法的并行合作频谱感知方法，在检测概率和虚警概率的约束下，最优地分配感知任务和选取感知时长，使系统的有效吞吐量最大。
1 系统模型及问题描述
在一个具备认知无线电功能的集中式农业物联网中，包含一个融合中心和N个认知用户，其中，认知用户包括各传感器、终端及网关，负责定期感知空闲的频谱资源，融合中心根据感知得到的空闲的频谱资源情况及各用户的需求，为各用户分配可用的信道。由于各用户对传输速率和信道带宽的需求不同，因此设感知对象为M个异构信道，各异构信道的带宽、传输速率和占用概率可能均不相同，用HO和H1分别指示信道空闲和被授权用户占用两种状态。系统时隙T分为感知时隙Ts和传输时隙Tr两部分，T=Ts—Tr。在每个时隙T内，Ts和Tr可在一定范围内变化。为便于各节点同步及减少传输开销，Ts只能在K个离散值之中选取，即Ts（k），其中K为时长等级数，各离散值由小到大排列，序号为k=l，2….，K。为提高检测的准确性，每个信道可由多个认知用户合作进行频谱感知，合作时采用OR准则，但每个认知用户在一个感知时隙Ts内仅能感知一个信道。
由公式（8）可见，系统有效吞吐量主要取决于两个因素，一是感知任务分配矢量X，二是感知时长等级k。
2 算法描述
本文使用遗传算法来解决上述问题。遗传算法中，定义适应度函数为系统有效吞吐量0≤xn≤M，通过个体的生存竞争、优者交叉、最适应个体变异等遗传操作，并采用“父子混合选择”策略（也称为精英策略），即每一代的最适应个体保留下来直接进入下一代，不断进行进化，最终得到最适应个体。
（1）编码方案
每个个体代表一种感知方案，包括感知任务分配，即哪些节点感知哪些信道，以及感知时长的确定。本文采用整数编码，将感知任务分配矢量X和感知时长等级哥连接得到染色体，染色体结构如图l所示。其中，x代表第n个认知用户感知的信道序号，0≤xn≤M，为0时表示该认知用户不感知任何信道，k表示感知时长等级，l≤k≤K。 （3）遗传操作
算法所采用的遗传操作主要包括：生存竞争、优胜者交叉、最适应个体变异、个体修正以及“父子混合选择”策略。具体步骤如下：
步骤l：初始群体的产生：算法首先随机产生一个个体数为L的种群，为了便于之后的竞争、交叉和变异等策略，L取4j，其中j为正整数；
步骤2：个体修正：对不满足要求的个体进行修正；
步骤3：计算适应度函数：根据公式（8）计算适应度函数；
步骤4：选取适应性最强的个体：在当前种群中选取适应性最强的个体，作为步骤5的父代；
步骤5：变异：由于最适应个体的基因是最优良的，因此本文选用最适应个体作为变异的父代，变异产生L/4个变异子代，直接进入下一代，变异概率为P1；
步骤6：生存竞争： L个个体两两组成一组，进行生存竞争，得到L/2个优胜个体；
步骤7：优胜者交叉：由生存竞争产生的L/2个优胜个体以交叉概率P2随机两两进行双点交叉后，产生L/2个子代，直接进入下一代。
步骤8：随机产生个体：为了避免遗传算法早熟的问题，每次进化时随机产生L/4个个体，加入下一代。
步骤9：个体修正：对不满足要求的个体进行修正；
步骤10：最适应个体直接进入下一代：计算当前种群的适应度，用步骤4中选取的最优个体，替换当前群体中的最差个体，直接进入下一代，保证种群能够稳定地进化；
步骤11：截止条件：当两个截止条件满足其一时，进化停止，得到最优个体。一是达到最大进化代数W，二是最优个体和最差个体之间适应度差异足够小，即小于最优个体适应度的V倍的时候。如果不满足截止条件，则跳到步骤4进行下一次进化。
3 仿真结果及分析
图3为本文方法和随机感知方法在不同认知用户数时的感知时长变化图。由图3可以看出，随着认知用户数的增多，本文所提出的方法更够选择更多感知性能更优秀的感知节点来感知信道，达到检测概率的要求，从而使感知时长缩短，系统有效吞吐量增高。
4 结论
为解决农业物联网频谱资源紧缺的问题，本文引入认知无线电技术，针对农业物联网中多种传感器、终端及网关对不同异构信道的特殊需求，提出一种基于遗传算法的并行合作频谱感知方法。该方法充分考虑了不同认知用户对不同异构信道感知性能的差异性、系统有效吞吐量以及感知时长，通过遗传算法中的生存竞争、优胜者交叉、最适应个体变异，父子混合选择等操作，最优的确定感知策略，即确定感知任务分配和感知时长。仿真结果表明，该方法相比随机感知方法，能够获得更大的系统有效吞吐量。