协作频谱感知遗传算法在FPGA上的实现

⃝⃝可在www.sciencedirect.com上在线ScienceDirectICT Express 5（2019）245www.elsevier.com/locate/icte协作频谱感知最优用户检测遗传算法的FPGA实现D. Damodaram，T.文卡特斯瓦尔卢Sri Venkateswara University，Sri Venkateswara University，Sri Venkateswara University，Tirupati-517501，A.P，India接收日期：2017年5月4日;接受日期：2017年11月9日2017年12月12日在线发布摘要认知无线电（CR）系统的主要任务是可靠地感知频谱空洞，使次用户与主用户高效共享频谱。由于多径信道中的阴影和衰落环境为了克服这种感测问题，必须建立次级用户之间的协作在协作感知中，融合中心接收来自每个次用户的信息，并根据融合规则做出决策。采用遗传算法选择信噪比较高的次用户。利用MATLAB进行仿真，得到参与协作的最佳用户数。在遗传算法上实现了HDL，以检测最优的次级用户。本文给出了仿真和c2019韩国通信与信息科学研究所（KICS）。由Elsevier B.V.提供的出版服务。CC BY-NC-ND许可证下的文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。关键词：遗传算法;最优用户;协作开销;协作频谱;相关阴影等。1. 介绍由于无线电技术的指数增长和无线应用对数据速度的高要求，我们正在经历频谱拥塞和稀缺。当进行频谱测量时，观察到仅30%的频谱在3GHz和3GHz之间被利用。3GHz到6 GHz只有0.5%的频谱被利用。这为我们提供了一个清晰的画面，即在不同的地方或不同的时间，频谱中存在着大空间的频谱利用不足[1，2]。因此，为了适当地利用频谱中的这些空间，已经提出了认知无线电（CR）[3]。定位频谱中的空间并将这些空间分配给次要用户而不对主要用户造成任何有害*通讯作者。电子邮件地址：chittoordamu@gmail.com（D. Damodaram）。同行评审由韩国通信和信息科学研究所（KICS）负责https://doi.org/10.1016/j.icte.2017.11.015联邦通信委员会（FCC）进行了改革，并制定了CR网络访问非授权频段的频谱政策[4]。IEEE制定了通过避免对许可用户的干扰来免许可访问未占用TV频带的标准[5]。图1示出了频谱中被占用的频带和空白空间。由于多径传播信道中的阴影和衰落[6]，不可能精确地感知频谱。由于这些影响，单个认知用户不能有效地检测空间。因此，为了克服阴影、衰落问题并检测使用了空间有效的协作频谱感测方法[7，8]。图2示出了建模协作感测网络。当次用户和次用户间的观测值相关性增加时，在相关对数正态阴影区域内，频谱感知性能变差，即使通过增加参与协作的次用户数来提高频谱感知性能传输功率和控制信道带宽也线性增长。2405-9595/c2019韩国通信和信息科学研究所（KICS）。Elsevier B. V.提供的出版服务。这是CC BY-NC-ND许可证下的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。246D. Damodaram和T.Venkateswarlu/ICT Express 5（2019）245×=+K∑关于我们Fig. 1. 频谱与占用频带和空白空间。当认知用户之间的相关距离增大时，阴影相关性能会缓慢下降已经够近了因此，为了更好的检测和协作开销，必须在用户之间保持最小的空间。文献[9]提出了一种以误检概率和虚警概率为界的二次用户选择方案。这种方法虽然可以降低阴影相关性，但是次用户之间存在较高的相关性，从而导致较高的协作开销和较差的检测性能。为了克服这一点，我们需要设计最优的二级用户选择方案。本文提出了在相关对数正态阴影下协作所需的最优次用户数。最优解不可能那么容易得到，因为它是一个不确定的多项式。从广泛的文献调查中，分析了大量复杂的优化问题，本文中我们使用了自适应遗传算法[10]。通过一系列的实验分析了二次用户在所提出的选择方案中的表现。2. 协作频谱感测图图3示出了次级用户布置在d个正方形区域（d是正方形的长度和宽度）中的协作频谱感知的系统模型。考虑一个网络，其中有如果“r”大于某个长度R，则频带可以被次级网络访问对于δ> 0的某个值，如果rRδ。让我们假设次级网络的大小与“r”相比是小的3. 基于自适应遗传算法的如果参与协作以在空间相关对数正态阴影下感测频谱的次用户的为了克服这些问题并提高协作绩效，图二. 协作频谱感知网络建模。图3.第三章。 次要用户部署在一个d × d正方形区域。在协作期间感知频谱时给出更好的结果因此，为了得到这样一组次用户，需要一种优化技术来选择最优的次用户，以提高频谱感知的性能。因此，遗传算法是一种用于执行快速搜索并给出最优次用户的鲁棒优化技术。4. 自适应遗传操作遗传操作的进化过程有三个动作，即：选择、交叉和变异。4.1. 选择过程选择过程是在可用群体中染色体的适应度水平上进行的。在下一代中，如果染色体倾向于具有高的适应度值，后代的产量将更多。染色体ci的选择概率如下式所示认知无线电用户应该具有高的平均接收SNR并且在它们之间保持大的间隔另一种方法是只使用最适合感知频谱的次用户，并产生更好的系统性能。Ps（ci）=拟合（ci）-拟合最小值（拟合（ci）-拟合最小值）i=1（一）我们不需要一次使用所有可用的次要用户，而是可以从池中形成一组可用的次要用户，这些用户足够适合增强性能，或者其中，Fit（c i）表示染色体c i的适应度值，并且Fitmin minci，i 1，2。. . 2n Fit（ci）表示种群中染色体的最小适应值。D. Damodaram和T.Venkateswarlu/ICT Express 5（2019）245247=×见图4。双亲染色体的交叉操作。4.2. 交叉过程杂交是通过交换来自一对亲本染色体的基因而 图 4表示来自两个父染色体的交叉操作。交叉率导致从为两点交叉过程选择的父染色体中选择随机基因对4.3. 突变过程变异是遗传算法中的一个过程，用于修改染色体的基因特征以进行繁殖。这里基因值以二进制形式表示。突变是用另一个二进制值替换基因的二进制值的过程。初始种群的染色体是随机产生的，并考虑了给定种群换句话说，仅通过交叉创建的染色体将经历变异过程。改变基因导致新染色体产生的突变过程如图所示。 五、直到30代，该遗传算法过程被执行，具有包含与其相关的各种参数的数百个染色体（次级用户），其中具有最高等级的最优用户被选择，并且提供较低虚警概率和较高检测概率的用户被用于协作。5. 结果和讨论在相关对数正态阴影条件下对该方案进行了仿真，并对性能进行了评估.以下是考虑用于模拟的实验参数，不失一般性地进行说明。σ被设置为2。3 dB和（δ）至− 5。19 dB，符合规定，ε0。1204/ m，假设CRN位于城市环境中。设α=β= 0。01.P（H0）= P（H1）= 0。5， C0， 1= C1， 0= 1，C0，0 = C1，1 = 0。图五. 变异过程。5.1. 拟议的自适应气体的性能评价对于所提出的自适应遗传算法，在一个30米30米的正方形，区域二次用户统一设置。这导致为次要用户选择实现更好的搜索性能。除了随机和常规的选择方案之外，所提出的选择方案已经执行得更好，并且从图6中可知。当次用户数小于20时，所有方法所需的协作用户数几乎相同。与现有的其他方法相比，当次用户数大于30时，该方法是有效的，并且只需要最少数量的协作用户来检测频谱。使用HDL的变异和交叉操作的模拟结果如图7所示。从这个仿真结果中我们发现，在16个参与协作的用户中，检测频谱空洞所需的协作用户的数量是4个，这在我们还发现，无论是交叉或突变的检测中涉及的二级用户的数量只有四个。6. 结论研究发现，由于相关阴影和协作开销的存在，协作感知的性能受到了一定的影响。提出的自适应遗传算法考虑了协作开销和检测性能之间的折衷。建立了次用户仿真结果表明，在相关阴影情况下，选择最优的非授权用户数参与协作，并利用FPGA实现。从硬件仿真中，我们发现，参与合作的次用户的数量是无关的交叉和突变。今后的工作是将这一问题推广到相关信道中。248D. Damodaram和T.Venkateswarlu/ICT Express 5（2019）245见图6。 突变模拟结果。见图7。 交叉模拟结果。D. Damodaram和T.Venkateswarlu/ICT Express 5（2019）245249引用[1] T.埃尔佩克湾Lofquist，K. Patton，频谱占用测量：报告，卷。2007年，共享频谱公司，Vienna，2007，pp.18比20[2] S. Haykin，认知无线电：大脑授权的无线通信，IEEE Trans. Sel.Areas Comm.23（2）（2005）201-220。[3] 2004年4月4日，FCC关于在电视广播频段和900 MHz以下和3 GHz的未许可设备的额外频谱中进行未许可操作的拟议规则制定的通知[4] I.F. Akyildiz ， W.- Y. Lee ， M.C. Vuran ， S. Mohanty ， Nextgeneration/dynamicspectrumaccess/cognitiveradiowirelessnetworks：Asurvey，Comput.网络50（13）（2006）2127-2159。[5] E. Visotsky，S.库夫纳河Peterson，On collaborative detection of TVtransmissions in support of dynamic spectrum sharing ， 在 IEEE Int.SymposiumonNewFrontiersinDynamicSpectrumAccessNetworks，Baltimore，MD，2005，pp. 338-345[6] A. Ghasemi，E.S.苏萨，相关对数正态阴影下的协作频谱感知的渐近性能，IEEE Commun。Lett. 11（1）（2007）34-36。[7] Y. Chen，考虑资源使用效率的协作频谱感知中的最优次用户数，IEEE Commun。Lett.12（12）（2008）877[8] M. Matsui，H.希巴角赤羽湾Uehara，一种用于认知无线电的新型协作感知技术，在：IEEE Int.Symp. 关于个人、室内和移动无线电通信，雅典，2007年，pp. 1比5。[9] L.M. O Khanbary，D.P. Vidyarthi，基于可靠性的信道分配在移动计算中使用遗传算法，IEEE Trans. Veh. Technol. 58（8）（2009）4248-4256。[10] E. Visotsky，关于支持动态频谱共享的TV传输的协作检测，在：IEEE Symp.动态频谱，接入网络，DySPAN