Intelligent and efficient development of wireless networks:
--A review of cognitive radio networks
Driven by the requirements of ubiquitous wireless access and personalized wireless applications , worldwide numerous wireless technologies are invading our lives, such as evolutionary telecommunication technologies, wideband wireless access and short distance wireless technologies. Furthermore, the concept of the internet of things (IoT) has become widespread based on the development of wireless sensor networks.
With the explosive development of wireless technologies, several challenges must be addressed. The electromagnetic spectrum, whose use is licensed and managed by government, has been scarce for allocation to ubiquitous wireless applications. However, contrary to the physical scarcity of the available spectrum, the report published by the federal communication commission (FCC) shows that over 60 % of the licensed spectrum below 6 GHz remains underused. The measurement results in Figure 1 taken in Beijing over a one month period, also indicate low spectrum use consistent with the results released by the FCC.
Figure 1 (Color online) Measurement of spectrum usage in Beijing.
Therefore, improvement of spectrum efficiency is the first challenge to be examined. On the other hand, the end-to-end performance of wireless networks is considered to be the performance indicator for ubiquitous and personalized wireless applications, such as end-to-end throughput, end-to-end delay and routing scheme, which take into account all network elements in a data transmission flow across different layers for the global optimization from the network aspect. Because the property of heterogeneity causes low radio resource use and mutual interference among heterogeneous networks, the other big challenge is that heterogeneous network convergence is needed to improve the end-to-end performance of wireless networks.
Cognitive radio (CR), proposed by Mitola in 1999, is considered a feasible solution for improving spectrum efficiency. Furthermore, a cognitive radio network (CRN), which is defined as a wireless network with the capabilities of radio environment awareness, autonomous decision making, adaptive reconfigurating its infrastructure, and intelligent learning from experience of a continuously changing environment, is proposed to solve the challenges of efficient radio resource use and heterogeneous network convergence, with the aim of improving the end-to-end performance of wireless networks.
In recent years, CRN has received increasing attention. The current popular topics in CRN such as the framework of the cognitive function, spectrum sensing and dynamic spectrum access have been investigated in respectively. To enable researchers to clearly understand the over-all framework and development of CRN, recent advances are introduced in this review.
The fundamentals of CRN are introduced including the cognition cycle, network architecture and development of application scenarios.
The research on CRN is mainly derived from the concept of a cognition cycle, in which the wireless network processes are mapped according to cognition theory by Mitola . Besides, from Haykinrsquo;s view, it focuses on four fundamental tasks: radio-scene analysis, channel identification, recon-figuration of transmit-power control and dynamic spectrum management . Moreover, the cognition cycle proposed by Virginia Tech emphasizes the functions of reasoning and learning . However, all of them focus only on the performance of the wireless transceiver, which is not enough to guarantee the end-to-end performance of the CRN from a network perspective. Therefore, the cognition cycle for CRN is proposed as shown in Figure 2, which includes four key aspects in CRN: end-to-end performance, cognitive ability, autonomous decision making and adaptive ability.
Figure 2 (Color online) Cognition cycle for a CRN.
In the cognition cycle of CRN, first, there are many net-work elements for each end-to-end link in the transmission of data flow, in which each element has its requirements for personalized services. However, the overall network re-source is limited by system bandwidth, available channel, transmit power, routing path, etc., so there are always tradeoffs between personalized user requirements, changeable wireless network environments, limited overall network resources and policies. This tradeoff for all elements in the end-to-end link can be modeled as the end-to-end performance, which is considered to be the performance indicator for the operation of elements involved in the end-to-end link.
CRN must have the ability to gather the necessary net-work information such as the available spectrum and operation parameters of the network, which is referred to as cognitive ability. Cognitive ability can enable a CRN to be aware of necessary information, such as the available spectrum, operation mode of the wireless network, transmitted waveform, network protocol, geographical information, type of services, user needs, and security policy. The CRN analyzes the information, and makes the decision to optimize the end-to-end performance of the wireless network, which can be characterized as an autonomous decision. Based on the optimized decision, the CRN can reconfigure its network parameters for operation, which is supported by the adaptive reconfiguration ability of the CRN. Therefore, the functions of the CRN for the cognition cycle are summarized as:
(i) Cognitive ability: Gather multidomain information for communication such as wireless domain, network do-main, user domain and policy domain.
(ii) Autonomous decision: Make autonomous decision to optimize the end-to-end performance of a wireless network. The network information and optimized decision can be learnt and reasoned as knowledge. The decision mainly relates t
剩余内容已隐藏，支付完成后下载完整资料
无线网络智能高效发展:
——认知无线电网络综述
在无所不在的无线接入和个性化的无线应用需求的驱动下，全球范围内大量的无线技术正在侵入我们的生活，如演进的电信技术、宽带无线接入和短距离无线技术。此外，随着无线传感器网络的发展，物联网(IoT)的概念也得到了广泛的应用。
随着无线技术的爆炸性发展，必须解决几个挑战。电磁波谱的使用是由政府许可和管理的，但由于分配给无所不在的无线应用，它一直很稀缺。然而，与可用频谱的物理稀缺性相反，联邦通信委员会(FCC)发布的报告显示，超过60%的授权频谱低于6ghz仍未得到充分利用。图1中的测量结果是在北京一个月期间拍摄的，也表明低频谱使用与FCC发布的结果一致。
图1(彩色在线)北京地区频谱使用情况测量。
因此，提高频谱效率是研究的第一个挑战。另一方面,无线网络的端到端性能被认为是无处不在的、个性化的无线应用程序的性能指标,如端到端吞吐量、端到端时延和路由方案,考虑到所有网络元素在数据传输流中不同层的全局优化的网络方面。由于异构的特性导致了无线资源的低利用率和异构网络间的相互干扰，另一个大的挑战是需要异构网络的融合来提高无线网络的端到端性能。
认知无线电(Cognitive radio, CR)是米托拉在1999年提出的，被认为是提高频谱效率的可行方案。此外,认知无线电网络(CRN),这是定义为一个无线网络与广播的功能环境意识、自主决策、自适应reconfigurating基础设施,和智能学习的经历一个不断变化的环境中,解决的挑战提出了高效的无线资源使用和异构网络融合,目的是提高无线网络的端到端性能。
近年来，CRN受到越来越多的关注。对当前CRN中的认知功能框架、频谱感知和动态频谱接入等热点问题分别进行了研究。为了使研究人员更清楚地了解CRN的整体框架和发展，本文综述了近年来的研究进展。
介绍了CRN的基本原理，包括认知周期、网络结构和应用场景的开发。
CRN的研究主要来源于认知循环的概念，在这个概念中，根据Mitola的认知理论对无线网络的过程进行映射。此外，从Haykin的观点来看，它着重于四个基本任务:无线电场景分析、信道识别、发射功率控制的重新配置和动态频谱管理。此外，弗吉尼亚理工大学提出的认知周期强调了推理和学习的功能。然而，它们都只关注无线收发器的性能，从网络的角度来看，这还不足以保证CRN的端到端性能。因此，CRN的认知周期如图2所示，它包含了CRN的四个关键方面:端到端的性能、认知能力、自主决策能力和适应能力。
图2(彩色在线)CRN的认知周期。
在CRN的认知周期中，首先，在数据流的传输中，每个端到端链路都有许多网络要素，每个要素都有其个性化服务需求。然而，整个网络资源受到系统带宽、可用信道、发射功率、路由路径等的限制，因此在个性化的用户需求、多变的无线网络环境、有限的整体网络资源和策略之间总是存在权衡。端到端链接中所有元素的这种折衷可以建模为端到端性能，它被认为是端到端链接中所涉及元素的操作的性能指标。
CRN必须具有收集必要的网络信息的能力，如网络的可用频谱和运行参数，这被称为认知能力。认知能力可以使CRN感知必要的信息，如可用频谱、无线网络的操作模式、传输波形、网络协议、地理信息、服务类型、用户需求和安全策略。CRN对信息进行分析，并做出优化无线网络端到端性能的决策，其特征是自主决策。在优化决策的基础上，CRN可以对其网络参数进行重新配置，这是由CRN的自适应重构能力所支持的。因此，CRN对认知周期的作用总结为:
(一)认知能力:收集无线域、网络主域、用户域、策略域等多域信息进行通信。
(二)自主决策:自主决策，优化无线网络端到端性能。网络信息和优化决策可以作为知识进行学习和推理。该决策主要涉及异构网络环境下优化无线电资源管理的重构操作。
(三)自适应重构能力:CRN的网络结构应支持认知周期的功能。它可以根据优化的决策调整和重新配置网络运行参数，如网络工作模式、网络拓扑、系统协议和无线电参数。
无线电体系结构是一个框架，在这个框架中，不断演化的组件家族可以被集成到一个不断演化的设计序列中，这些设计序列在特定的约束(设计规则)内合成特定的功能。CRN的网络结构应具有支持CRN功能的自适应能力，如收集网络信息、动态频谱分配、频谱传递等。因此，应根据认知循环原型设计CRN体系结构的组件和通信协议，提高端到端性能。
CRN的网络体系结构是指控制模式、网络元素和协议层。控制方式可分为集中式、分布式或混合式。如图3所示，网络组件可以分为主基站和用户的主组件，认知基站和用户的认知组件，以及负责不同网络间频谱权衡的频谱代理。在此基础上，提出了基于感知能力、自主决策和重构等核心功能的传统OSI网络协议层模型。
图3(彩色在线)CRN网络架构示意图
“频谱移动功能”的设计需要重新配置决策和与其他层的网络信息交换。显然，有些决策需要基于来自不止一层的联合信息。因此，在CRN中应考虑跨层设计。
在过去的十年中，许多研究都集中在CRN的网络结构上。在[5]中，Mitola首先开发了一个理想的体系结构，其中用户感知、自我感知和机器学习被认为是关键的嵌入式功能。该体系结构中包含了推理组件，使计划和决策在无线应用程序中更加智能。在Haykin提出的体系结构中，强调了对无线电环境的认识，使其能够在主光谱波段中工作。以上两种架构是最受欢迎的，此外，文献中也有针对特定研究领域的CRNs网络架构的研究。
图4(彩色在线)提出了CRN的网络结构。
在图4中，我们提出了一个CRN的网络架构，它由四个功能模块组成，即认知信息管理(CIM)、数据库与智能管理(DB amp; IM)、网络融合管理(NCM)和重构管理(RM)。CIM负责收集、处理和传递认知信息，认知信息包括三个子功能:认知信息收集(CIG)、认知信息加工(CIP)和认知信息传递(CID)。DB amp; IM用于执行学习，并将结果和长期认知信息保存在认知信息与知识库(CI amp; KDB)中，IDB amp; LM用于学习过程中的经验。NCM主要负责设备之间的协调，以做出优化决策，提高CRNs中的资源利用率。它由三个功能模块组成:高级频谱管理(ASM)、动态网络规划和自组织管理(DNP amp; SOM)以及联合无线电资源管理(JRRM)。ASM主要负责不同异构网络间的动态频谱管理，而DNP amp; SOM主要负责网络规划和自组织功能，如自配置、自优化、自修复等功能。JRRM主要负责在异构网络环境中优化基站间的无线电资源利用和eNode B。RM包含重构控制(reconfiguration control, RC)功能，用于根据NCM做出的优化决策执行自适应重构。还定义了这些功能构建块之间的各种接口，以满足信息交换的需求，为了简单起见，省略了这些接口。该网络体系结构融合了认知能力、自主决策能力和自适应侦察能力。
CRN可以有效地使用网络资源，优化网络的端到端性能，从而可以部署在许多应用程序场景中。
动态频谱访问(DSA)是最重要的应用场景之一，如图5所示。利用频谱在时域和频域上的空穴，可以在一次用户和二次用户之间进行机会式的动态、灵活的频谱共享，从而提高频谱效率。许多研究者都关注这一课题。此外，DSA还可以在不同的异构蜂窝网络中动态共享空频谱。此外，军事和公共安全场景的应用对各种无线系统之间的灵活频谱接入和互操作性有特殊的要求。CRN可以通过有效的频谱分配和灵活的频谱接入来缓解频谱拥塞，以适应各种无线系统的需求和条件。因此，CRN可以为蜂窝网络、军事和公共安全应用程序提供自适应的、无缝的、安全的无线服务，适用于多种服务类型，如语音、数据和视频。
图5(彩色在线)使用CRN的典型场景。
此外，还提出了许多基于CRNs的新思想。例如，在新兴的车辆通信领域应用，车辆运输中的碳排放可能会显著减少，车辆通过预测碰撞并采取适当的纠正措施，车辆运输可能会变得更安全。另一个重要的应用是频谱拍卖的商业市场，例如最近在美国的700mhz频谱拍卖。所有这些应用程序都推动了crn的开发，以实现商业应用。此外，CRN可以通过软件轻松地改变其配置参数，以适应新的应用。只要不需要更新终端用户的硬件，只需下载新发布的软件就可以完成产品升级或配置更改。因此，新的无线应用主要可以通过软件配置和升级来实现。
根据上面的分析，认知能力是CRN收集必要网络信息如可用频谱和网络运行参数的第一步。认知能力主要分为频谱感知、数据库和认知导频信道(Cognitive pilot channel, CPC)。频谱感知决定了可用的频谱参数，包括频率、带宽和空闲期。该数据库和CPC可用于收集或交换网络信息，如无线电访问技术(RAT)模式、网络导频信道信息、系统带宽、载波频率、传输功率和策略。数据库根据信息的属性对信息进行存储和管理，CPC根据用户的需求通过广播、组播或按需方式进行传输。
频谱感知被定义为在无监督的情况下通过感知CRN的局部邻域内的无线电频谱来发现频谱空穴的任务。频谱空穴，即频谱机会，被定义为“在特定时间、特定地理区域内该频段的主要用户未使用的频带”。频谱空穴可以从频率、时间和空间三个维度进行建模。此外，还有其他维度的频谱孔，如代码和角度。因此，频谱感知的目标主要集中在频谱的多维特性上，以探索更多的频谱空穴。
具体来说，频谱感知的任务可以概括为:
(一)频谱空洞的检测:频谱感知对频谱空洞进行检测，并基于对二次用户可靠通信的需求，从多维属性对其进行建模;
(二)干扰分析和信号分类:对信号进行检测和分析，根据其特征进行分类。通过特征分析可以将干扰从信号中区分出来，从而使CRN可以重新配置以避免对主要用户造成有害的干扰。
为了完成上述任务，提出了许多用于捕获频谱感知的技术，现将这些技术综述如下:
(1)本地检测。重点研究了基于信号处理方法的主用户信号外观检测。感知节点(二次基站或用户)对接收到的主信号进行分析，判断主用户是否存在。它的挑战是限制次要设备的传输功率，以避免对主要用户的干扰。因此，FCC将测量度量量化为干扰评估的干扰温度，并提出了一个干扰温度阈值来表示给定频段在特定位置的可容忍干扰的最大数量。二级用户必须在他们的传输加上现有的噪声和干扰不得超过许可的接收机或主用户的干扰温度阈值的约束下进行传输。局部检测主要有三大类:能量检测、特征检测和匹配滤波器检测。
(1)能量检测:能量检测是频谱感知中最常用的方法，其实现复杂度较低。它不需要主用户信号的先验知识，也不需要特殊的扩频信号检测设计。基于对比能量检测器的输出为主要用户和给定的阈值,能量检测的挑战的选择合适的检测阈值,无法区分干扰主用户和噪音,和穷人的性能在低信噪比(信噪比)值。关于这些挑战已经有了大量的研究。
(2)特征检测:特征检测来源于与主用户所传输的信息相关的特定特征。在许多情况下，信号具有周期性的统计特性，如调制率和载频，通常被视为周期平稳特性。在检测中，主要用户信号的周期平稳特性可以从其统计特性如均值和自相关等方面与噪声区别开来。与能量检测相比，循环平稳检测对噪声不确定性不敏感，因此在低信噪比情况下具有更好的鲁棒性。然而，该方法需要更多的主用户信号的先验信息来决定主用户的占用情况，因此特征检测的复杂度要大得多。
(3)匹配滤波器和基于波形的检测:匹配滤波器检测是基于主用户信号作为二次用户先验知识的优化检测方法。匹配滤波检测的优点是在较短的时间内实现一定的误报概率或误检概率。匹配滤波器对信号样本的要求较低，在低信噪比条件下，目标误报概率以O(1/ SNR)的形式增长。因此，存在一个匹配滤波方法的信噪比壁。此外，匹配滤波器检测要求对接收到的信号进行解调。由于需要对主用户信号有充分的了解，因此传感单元的实现复杂度高得不切实际。为了解决信噪比壁的问题，提出了一种基于波形的检测方法，在样本数目足够大的情况下改进匹配滤波检测。然而，关于主用户信号模式的信息是实现基于波形的检测的先决条件，因此最小化实现的复杂性仍然是一个有待解决的问题。
(2)合作感知。摘要由于噪声不确定性、阴影、多径衰落和信噪比墙等原因，特别是在隐藏主用户的情况下，频谱感知的性能不断下降。针对上述问题，提出了一种有效的合作检测方法，有效地降低了误检测和误报警的概率，提高了频谱效率。此外，协同感知还可以减少频谱感知时间。协同感知面临的挑战主要包括:集中式或分布式协同感知的网络体系结构;检测融合包括决策融合或数据融合;以及协同节点选择。此外，从空间分集和异常检测的角度对协同感知性能进行了改进。
除了可用频谱信息外，CRN还需要收集必要的网络信息，如操作类型、小区覆盖、调制类型等。还应考虑如何存储频谱和网络运行的信息，如何交换相关信息以满足用户的需求。
(i)用于网络信息存储和管理的认知数据库。美国联邦通信委员会(FCC)提出了一种新的地理定位数据库设备，以帮助二级用户查询和下载电视空白频谱上的操作信息覆盖图，其中包括频谱频带、现有许可的主要服务的确切类型及其具体的保护要求。在geolocation数据库中定义了一组规则，用于确定某个电视频道在特定地理位置是否对辅助用户可用，并给出了操作位置上的最大允许功率级别(每个频道)，以避免对主用户造成干扰。
最近，一个多领域的认知数据库被提出。对CRN中的网络信息进行分类和组织，以提高信息的管理、表示和访问能力。CRN中部署了异构网络。来自异构网络的信息与网络的类型、运行频率、位置、时隙、用户信息、网络的不同协议层等综合相关。多域认知数据库可以根据其性质将其划分为多个域，并根据无线域、网络域、用户域和策略域等域划分对其进行存储和管理。
(1)无线域:无线域是由发
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[237331]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
