基于干扰受限认知无线电的物联网网络吞吐的频谱优化与噪声不确定性研究

沙特国王大学学报基于干扰受限认知无线电的物联网网络吞吐Indu Balaa，a，Ashutosh Sharmab，d，Alexey Tselykhb，Byung-Gyu Kimc，a电子电气工程学院，可爱的专业大学，旁遮普144001，印度b南方联邦大学信息与分析安全系统系，俄罗斯顿河畔罗斯托夫344006cSookmyung女子大学信息技术工程系d印度德拉敦石油和能源研究大学计算机科学学院，248171阿提奇莱因福奥文章历史记录：接收日期：2022年2022年4月17日修订2022年5月27日接受2022年5月31日在线提供保留字：CR-IoT感知阈值吞吐量噪声不确定性接收信噪比优化A B S T R A C T物联网（IoT）技术允许大量设备连接到互联网进行数据交换。预计在不久的将来，将有数万亿台物联网设备连接到互联网。为了部署这些设备，对频谱的需求日益增加。这些设备中的大多数通过未授权频带传输数据，这些频带在交换数据时会对彼此造成严重干扰，因为这些频带变得过于拥挤。因此，为了克服这些设备之间的频谱稀缺和干扰问题，一种称为基于认知无线电的物联网（CR-IoT）的新型通信范式正在以非常快的速度发展，该通信范式将认知无线电技术集成到IoT设备中。该技术有可能通过允许对传统物联网网络进行动态频谱访问来克服频谱稀缺和这样的设备通过将智能感测机制结合到设备中来连续地监视频谱可用性以传输数据。然而，由于噪声不确定性，感测单元在检测概率和虚警概率方面的性能显著恶化，特别是在低信噪比环境中。为了有效地利用频谱，频谱传感器的检测概率和虚警概率应该分别是高的和低的。两个感测参数都受到感测阈值的选择的极大影响。此外，这些物联网设备处理短数据包传输，最佳感测时间是控制这些设备性能的另一个关键参数在解决这两个重要问题的同时，凸优化问题在感知时间和检测阈值，并证明了该方法的检测阈值。此外，提出了用于CR-IoT系统的迭代算法，其智能地适配感测阈值以满足特别是在低SNR区域中的Pd和Pf方面的期望感测性能，并且还优化感测时间以克服感测吞吐量折衷。仿真结果验证了该算法的有效性。实验结果表明，在接收信噪比为-20dB时，该算法比传统算法提高了95%的CR-IoT系统吞吐量，同时满足IEEE 802.22标准对Pd和Pf版权所有©2022作者。由爱思唯尔公司出版代表沙特国王大学这是一个开放的访问CC BY许可下的文章（http://creativecommons.org/licenses/by/4.0/）。1. 介绍*通讯作者。电子邮件地址：gmail.com（I. Bala），tslykh@sfedu.ru（A. Tselykh），bg.kim@sookmyung.ac.kr（美国）G. Kim）。沙特国王大学负责同行审查制作和主办：Elsevier物联网（IoT）是一种新的通信范式，它使用不同的通信技术为智能设备和传感器提供大规模连接，而无需人为干预，以成功部署智能应用程序（Bala和Singh，2019; Bala和Ahuja，2022）。预计到2025年，将有950亿台物联网设备连接到互联网，以促进智能城市生活、工业自动化、智能交通和交通管理、智能医疗系统和相关应用、智能教育等。物联网的指数增长https://doi.org/10.1016/j.jksuci.2022.05.0191319-1578/©2022作者。由Elsevier B.V.代表沙特国王大学出版。这是CC BY许可下的开放获取文章（http://creativecommons.org/licenses/by/4.0/）。可在ScienceDirect上获得目录列表沙特国王大学学报杂志首页：www.sciencedirect.comI. Bala，A.夏尔马，A.Tselykh等人沙特国王大学学报4234.ΣðÞðÞ设备和相关的带宽需求应用增加了对频谱资源流形的需求。然而，当前使用的频谱分配策略已经为各种应用分配了频带，因此，找到空闲频带来部署新的无线应用（例如，IoT）或增强现有的无线应用变得极其困难2002年，美国联邦通信委员会（FCC）的一份报告显示，大多数这些许可的频谱波段在大多数时间内都没有得到利用由于使用中的静态频谱分配策略，这些频带的实际使用百分比低于85%在许可接入方法中，用户被给予对大地理区域上的频带的接入以供长期使用。因此，即使许可频带是免费的，也没有未许可用户可以这种严格的频谱分配方法导致频谱利用不足，并且几乎没有为未来通信应用的成功部署留下频谱空间（Bala等人，2017;Bala等人，2019年）的报告。在本场景中，大多数频带被分配给各种服务以用于许可操作，并且有限的频谱可用于非许可接入。物联网设备在未经许可的频段上传输，并对彼此造成严重干扰。 为了克服这些问题，一种新的通信范式正在以非常快的速度发展，称为基于认知无线电的物联网（CR-IoT）（Zhang et al.， 2020年）。技术在过去几年中获得了发展势头，并成为当今的热门研究课题它允许认知物联网设备在授权频谱未被附近的主要授权用户使用时使用授权频谱（Bala和Ahuja，2021）。因此，为了最有效地使用频谱，这些设备需要通过频谱感知来检测授权用户对频谱的占用水平，以避免对他们造成有害干扰（Dutta和Manna，2016）。研究人员已经提出了用于频谱感测 的 各 种 频 谱 感 测 方 法 ， 诸 如 匹 配 滤波 器 方 法 （ Bala 等 人 ，December 2014 ） ; 基 于 循 环 平 稳 的 方 法 （ Sethi 和 Bala ，Dec.2013），基于似然的方法（Bala等人， April 2014）、能量检测方法（Rana等人，April 2014）和基于特征值的方法（Sethi和Bala，Jan. 2015）等。每种方法都有其优缺点。例如，匹配滤波器技术需要现任用户的信号的精确知识基于循环平稳的检测器具有很高的性能，但是它们需要同步并且具有很高的计算复杂度。基于似然的检测器还可以在充分了解信道状态信息（CSI）、主信号和噪声的情况下给出最佳性能与这些检测方法相比，能量检测器不需要来自许可用户的任何然而，这些检测器对噪声非常敏感，因此系统性能在噪声环境中急剧恶化。基于特征值的检测器在没有任何先验信息的情况下实现了相对更好的性能，只要信道特性不随时间变化（Bala和Ahuja，2021）。任何感测方案的性能都是根据（i）虚警概率Pf和（ii）未检测概率Pm来测量的：虚警概率被定义为当信道空闲时检测到信道繁忙的可能性。Pf的高值停止了可能导致频谱利用不足的传输机会。未检测的概率可以被定义为当许可用户存在时在信道中未检测到许可用户的可能性。这可能导致对许可用户的干扰和由于冲突而导致的数据丢失。有时，使用术语检测概率P_d_p来代替未检测概率P_m，未检测概率P_m可以被定义为当信道存在时在信道中准确检测到许可用户的概率（即，P_d_p_m）。因此，为了有效地使用变速器，为了在不对许可用户造成干扰的情况下提供机会，Pf和Pd必须分别为低和高。此外，对于典型的CR-IoT设备，总帧持续时间被划分为感测和数据传输时间。在每个帧的开始，频谱被感测以估计信道中许可用户的存在或不存在。在检测到信道空闲时，在帧持续时间的剩余部分进行数据传输。在这种帧结构中，频谱感测时间和数据传输时间之间存在固有的权衡，这影响了CR-IoT设备的吞吐量。比如说，较长的感测持续时间导致较高的检测概率和较低的虚警概率。因此，可以保护授权用户免受CR-IoT设备的有害干扰，并且还可以有效地利用频谱。 然而，高感测时间减少了数据传输时间，从而减少了CR-IoT设备的吞吐量。它被称为感测吞吐量权衡。为了解决上述问题，本文提出了一种迭代算法，该算法在噪声环境中调整CR-IoT设备的感测阈值，同时满足IEEE 802.22 WRAN标准的Pd和Pf要求，并且还优化感测时间以克服CR-IoT设备的感测吞吐量折衷。1.1. 以前的工作和动机在过去的几年中，最佳频谱感知时间是传统认知无线电网络背景下的一个研究热点。Liang（Liang等人，2008）已经计算了单个许可信道的最佳感测持续时间，以在目标检测概率约束下优化第二系统吞吐量。基于相同的概念，许多工作已经研究了多个许可信道的感测吞吐量权衡（Stotas和Nallanathan，2010; Bkassiny等人，2012年）。例如，在（Bala等人，2014; Bala等人，2017），感测-吞吐量折衷问题被认为是在干扰约束下最大化可实现吞吐量的联合优化问题，并且已经开发了最优和次优解决方案来分配感测时间。在（Sethi和Bala，2013年12月;Bala，2021年）中，作者研究了关于感测时间和发射功率的联合优化问题，以在满足目标检测概率约束的同时最大化系统吞吐量。在许多研究工作中，受自然启发的优化技术也被用来优化这些物联网设备的性能（Bayrakdar和Bayralhan，2021;Cicio gGoglu等人，2019; Tay和Senturk，2022）。为了满足不同应用的服务质量（QoS）约束，CR-IoT设备广泛使用的感测方法可以分为（i）协作感测和（ii）自主感测方法。在深衰落信道条件下，协作感知显著提高了感知性能。然而，它需要专用信道用于在CR-IoT设备之间以及向集中式控制器共享感测结果（Quan等人，2008; Wellens等人，2008年）。在（Chatterjee等人，2018年;刘例如，2016年8月），协作频谱感知方法用于共同优化感知时间和系统吞吐量。在（Liang等人，2008），作者提出了一种帧结构，其优化感测持续时间以最大化次级吞吐量，同时满足各种干扰约束。在（Stotas和Nallanathan，2010）中，研究了一种新颖的频谱共享场景，以在可实现的吞吐量方面优化未授权用户性能。考虑到高信噪比的场景，作者提出可以省略次用户之间的协作以减少系统开销，并且每个CR节点可以在传输之前感知频谱在I. Bala，A.夏尔马，A.Tselykh等人沙特国王大学学报4235ð Þ ð - Þn（Bkassiny等人， 2012），提出了使用机器学习技术的自主感测架构。 在（Khan等人， 2013），作者已经提出了一种方案来决定感测必须由未授权用户独立执行的顺序。在（Li等人， 2018），计算CR-IoT设备的Pd和Pf的最佳值，以最大化独立以及协作感测的网络吞吐量。 在（Adu Ansere等人， 2019），提出了一种动态频谱感测算法，用于由次级设备在许可信道上进行能量高效的数据传输。将CR技术应用于IoT设备以克服频谱紧缩问题的概念在（Sun等人，2016;Lin等人，2013; Khoshkholgh等人，2014; Xu和Li，2017）。已经确定并讨论了各种设计问题和挑战，以将CR技术的基本概念集成到物联网设备中。考虑到这一点，在（Hu等人，2016; Chatterjee等人，2018年，用于工业自动化。为了减少IoT设备的能量消耗，在（Liu等人，2016年）。作者还研究了在高水平噪声不确定性下达到Pd和Pf目标值的性能。在实际场景中，这些CR-IoT设备的接收信号强度受到许多环境因素的影响，例如阴影，衰落和隐藏终端问题。为了克服这些瓶颈，研 究 人 员 已 经 研 究 了 各 种 频 谱 感 测 技 术 （ Liang 等 人 ， 2008年;Stotas和Nallanathan，2010年）。然而，这些方案需要噪声功率的绝对知识。由于噪声功率的变化是偶然的，因此很难准确估计因此，研究人员开发了基于动态阈值的检测方案。然而，大多数的工作已经考虑到恒定虚警率（CFAR），即使接收到的SNR足够高，以确定感测阈值。在一些工作中，考虑检测的恒定概率和接收的SNR 用 于 动 态 阈 值 计 算 （ Wellens 等 人 ， 2008; Liang 等 人 ，2008），但忽略了噪声不确定性对传感器检测性能的影响。对于衰落的无线信道，当接收SNR相当低时，对于非常高的噪声，很难保持期望的检测概率。因此，在决定CR-IoT设备的感测阈值时，还必须考虑噪声不确定性因素。受上述讨论的启发，本文旨在提出一种用于CR-IoT设备的动态阈值选择方案，以保持Pd和Pf的期望值，以保护主用户免受有害干扰，特别是在低SNR区域中，并优化感测时间以克服感测吞吐量权衡。1.2. 文件的贡献本文的主要贡献如下：1. 研究了噪声不确定性对CR-IoT网络性能的影响。2. 得到了CR-IoT设备在低信噪比区域工作时，满足Pd和Pf目标值的感知阈值的闭式表达式。3. 提出了一种迭代算法来优化感知阈值和感知时间，以克服CR-IoT设备的感知吞吐量权衡。4. 实验结果表明，该方案在低信噪比条件下，可以将CR-IoT网络性能提高95%以上，同时满足IEEE 802.22标准对Pd和Pf1.3. 组织和符号论文的其余部分组织如下：第2节介绍了所提出的CR-IoT网络模型。详细研究了所提出的系统模型的吞吐量性能，并在第3节中给出了优化CR-IoT系统的感测时间的算法。第4节给出了模拟结果，第5节给出了结论。表1给出了本文中使用的符号及其说明。2. 拟议网络模型所提出的CR-IoT通信系统的网络模型在图1中示出。1.一、假设许可主传输PU_Tx通过许可信道向其订户提供服务。未经许可的CR-IoT设备已经在经许可的主发射机的服务区域内建立了自组织网络假设所有CR-IoT设备都配备了能量检测器，以在传输数据之前估计主用户的信道占用水平主要用户和CR-IoT用户之间的通信分别用黑线和蓝线表示。类似地，授权和未授权CR-IoT用户之间的干扰链路由红线表示假设所有链路都是平坦衰落信道（即，信号的所有频率分量将经历相同幅度的衰落）。CR-IoT设备使用的帧结构如图所示。图二.将帧持续时间为T s的CR-IoT分组划分为（i）感测时间s和（ii）传输时间Ts。一般而言，在感测和传输时间之间存在折衷。如果长时间进行感测以减少在Pm和Pf方面的感测误差，则数据传输时间减少，这降低了CR-IoT设备的吞吐量。为了有效利用信道，CR-IoT设备必须在最佳时间感测信道以实现高系统吞吐量（Zhang和Liang，2019; Bala等人，2015; Bala等人， 2021年）。a. 能量检测设备在文献中已经提出了许多频谱感测技术然而，由于易于实现和较低的复杂性，能量检测方案是最流行的作为表1参数符号和说明。符号描述Pd检测概率Pf虚警—目标检测D—目标虚警FT总帧持续时间s感知时间T-s传输时间B许可信道带宽Tc相干时间e传感阈值水平N样本数量2噪声方差SNRp从PU接收的信噪比-噪声不确定系数检测到信道空闲PH1检测到信道忙的概率Ps CR-IoT设备的传输功率水平PU的传输功率电平采样频率hps干扰信道链路增益PPRI. Bala，A.夏尔马，A.Tselykh等人沙特国王大学学报4236Fig. 1. CR-IoT网络模型。图二. CR-IoT设备的帧结构。图三.用于CR-IoT设备的能量检测方案。I. Bala，A.夏尔马，A.Tselykh等人沙特国王大学学报4237ð ÞnX：6Rð Þ-1/4磅的垃圾桶f;r2-Sð Þ该图的参数符合IEEE 802.22 WRAN标准，例如2n.2SNRp< 17npnp1如图3所示，配备有能量检测器的CR-IoT设备在固定的持续时间内对来自信道的能量信号进行采样。这里考虑块衰落信道模型与相干时间Tc。将所感测的信号的能量样本与预定义的阈值水平e进行比较，以确定（一个或多个）许可用户的存在或不存在。如此获得的感测结果可以由假设H0和H1定义。 当样本的总能量大于预定义阈值时，它表示信道中存在许可用户，因此假设为H1，否则，许可用户的不存在由零假设H0表示。在数学上，这些假设可以表示为。关于我们温河;H01xnw n;H1其中n=0; 1; 2; 3;;N表示样本的数量。的项xn、yn和wn分别表示发送的PU信号、来自信道的接收能量信号和方差为r2的AWGN信号。接收能量检测方案的测试静校正将由下式给出：NTd¼2019年12月22日n1如果Td>e，则意味着PU存在于信道中，并且它不能用于SU传输。然而，如果Tde意味着PU不存在于信道中，并且它可以用于二次传输。e=H00040。我的天！PPD1NSNReH5@P2 .- 是的p.20000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000R2nSNRpð9Þ.- e-SNRp-12N1D ¼Rp>=1个ð Þ@e2pSNRp<1425这两个概率都可以表示为e的函数，s作为图5显示了P f的一阶导数 和Pd关于P esQ. en1qsf6.感知阈值考虑的系统参数-Pde;sQ“。e-SNRp-1ssfs#7其中Q：表示互补分布函数。图4示出了针对感测阈值的各种值，即，对于SNRp的给定值，可以观察到感测阈值和N的影响在图表中从图中可以明显看出，对于相同数量的样本，随着CR-IoT设备接收信噪比的提高，误检和误报的概率显著此外，这里还可以研究选择适当的感测阈值的影响从图中可以清楚地看出，对于给定数量的样本和接收到的信噪比，如果感测阈值太高（即，0.4 dB），它降低了虚警概率。然而，同时，它增加了漏检的概率。与此相反，如果感测阈值被选择得太低（即，图上的0.2dB），则其降低了未检测的概率并且增加了错误警报的概率因此，N我们得到expÞ ¼I. Bala，A.夏尔马，A.Tselykh等人沙特国王大学学报4238图五. Pf和Pd相对于感测阈值的一阶导数I. Bala，A.夏尔马，A.Tselykh等人沙特国王大学学报4239ðÞð-ð ÞÞ@en“.-FRn.. Q-Q-P.ΣðÞðÞ¼CCR物联网忙线图1/4 f···g@e¼-TCPH@e CPH@ennn其中r2=e，r2e表示SD2n2SNRp< 1CR物联网不2第二次ð0ÞfpPS感测SNR =-15dB，fs= 6 MHz，以及2 mS的感测持续时间从图中明显的是，对于感测阈值e>1，案件是P H11Pds。在这种情况下，可实现的次级CR-IoT吞吐量将由下式给出：@P f=@e>0和@P d=@e>0。因此，P f和P d在e上是凹的。CR IoTFT-S.Ps@C T-s00@P1 1@PdnPh由于Pf和Pd的一阶导数都在e上是凹的，并且@CCR IoT0;这意味着CCRIoT在感测阈值e上是凹的，因此优化问题也在e上是凹的。因此，存在感测阈值的最佳值，对于该最佳值，CR-IoT设备的吞吐量将被最大化。c. 噪声不可逆性和感知阈值在异构CR-IoT网络中，每个传感器具有不同的灵敏度水平，并且可能具有不同的SNR要求来检测现有的PU信号（Xu和Li，Jun.2017年）。由于传感器的噪声功率偶尔变化，这导致噪声不确定性。因此，为了减少噪声不确定性的影响，传感阈值必须对每个传感器自适应在嘈杂的环境下噪声不确定性可以建模为r2 2r2=£;r2£。nn噪声不确定性。因此，在深衰落信道条件下，为了满足保护主许可用户免受有害干扰的Pf和Pd的目标值，必须根据不确定因子as来调整感测阈值e其中Pp表示主用户传输功率，表示PU-Tx和CR-IoT设备之间的信道增益。情形III：它表示主用户不在通道中的情形。然而，由于噪声，能量检测器检测到信道繁忙。因此，CR-IoT设备不会进行任何传输。案例四：它表示这样的场景，其中PU正在授权信道上传输数据，并且能量检测器检测到信道中PU的存在，并且不允许CR-IoT设备进行传输。因此，CR-IoT系统的总吞吐量将由下式给出CCRIoT服务器空闲时间CCRIoT服务器繁忙时间16小时然后，CR-IoT容量优化问题形成如下：maxCCRIoT时间：Pds≥P-Pf¼ Qe2英镑一个！qsfs#ð11ÞPfs≤P-17P¼Q“。E-SNR-1秒后，你会发现，如果你是一个人，你会发现，#12秒后，a. 吞吐量优化的干扰有限CR-IoT网络使用（10）和（11），对于虚警的目标概率，CR-IoT设备的感测阈值的表达式的封闭形式将由下式给出：所提出的CR-IoT系统的吞吐量针对最佳感测持续时间s2/2（T）进行优化。在这些范围内计算最佳感测时间εsωε，性能 使用s，CR-IoT系统吞吐量得到优化e/4r21Fpsfs101！ð13Þω使用优化算法。算法的步骤在算法1中给出。噪声不确定性的估计超出了本文算法1：CR-IoT吞吐量优化算法因此，假设ε≥1，除非另有说明输入：ε;fs;SNRp;T;Pd和Pf2.1. CR-IoT系统吞吐量优化在前一节中，分析了Pd、Pf和e之间的关系在本节中，计算感测持续时间的最佳值对于所提出的CR-IoT通信网络，如果PH0和PH1分别指示信道空闲和繁忙的可能性。假设CR-IoT系统仅在检测到没有PU传输的信道时发送功率Ps，否则，它在信道上保持静默。基于感测结果，传输场景列于表2中。情况I：它表示其中主incumbent用户不存在于信道中并且能量检测器也检测到它空闲而没有任何错误警报的情况。这个案子的概率PH01-Pfs：可实现的次级CR-IoT吞吐量，在这种情况下，将由给出。输出：CCRIoT，sω步骤1：初始化s/40和步骤2：使用等式计算e。（十三）步骤3：使用等式计算吞吐量CRCR IoT。（16）第四步：步骤5：重复步骤2处理步骤6：使用步骤2找到在步骤3中获得的最大CCRIoT步骤7：找到与步骤6中获得的最大值相对应的索引CCRIoT的最大值步骤8：使用在步骤7中计算的最优感测持续时间sω来找到最大CCRIoT步骤9：返回sω和C CRIoTC怠速T-S日志。1PSSP H.1nPs所提出的算法的流程图在图中给出。 6和14情况II：其表示其中主incumbent用户存在于信道中并且能量检测器未能检测到其存在并开始传输的场景。这种可能性1.在第一步中，定义输入和输出参数。设s0; 1; 2; 3;：;T 定义了感测持续时间的可能值。D不log2 1月2日PH11-Pds15ð10Þp-ðÞ讨论如下：I. Bala，A.夏尔马，A.Tselykh等人沙特国王大学学报4240.Σ¼--¼ð Þ表2CR-IoT系统的传输概率。3. 数值结果及讨论情况实际通道状态感测通道状态数据传输概率在本节中，给出了数值结果，以验证所提出的CR-IoT网络方案相对于传统方案的性能。考虑到的系统参数I怠速怠速PH01-PfsII忙/闲PH1忙1-Pds忙III空闲忙无传输IV忙忙无传输2. 对于Pd、Pf、E的目标值，计算感知阈值（e）对于s的每个值，使用（13）。3. 对于s的每个值，使用（16）计算CR-IoT网络CR-IoT网络的吞吐量。4. 检查是否已覆盖集合中的所有s值。如果没有，请重复步骤2和步骤3。如果是，找出最小值 s，这给出了最大吞吐量。感测时间的最小值将确保CR-IoT设备的最大吞吐量，即CR-IoT设备。5. 使用来自步骤4的sω，计算CR的有效吞吐量物联网设备6. 返回sω 以及作为输出的CXC CRIoT。见图6。 所提出的吞吐量优化算法的流程图。根据IEEE 802.22标准（Bala等人，2021年）。假设主要现任用户使用QPSK调制信号在6MHz使用MATLAB 2013a进行仿真。所提出的计划进行了调查，为低信噪比制度，研究噪声的不确定性的影响。因此，在整个论文中考虑的SNRp范围在20dB至24dB之间。表3列出了模拟中使用的其他系统参数。在模拟结果中，标签Conv.和提出的分别用于具有固定感测阈值的常规方案和具有自适应感测阈值的提出的方案。图图7（a）和图7（b）示出了相对于以毫秒为单位的感测时间s的虚警概率与表4中呈现的数字数据的比较。 从图中可以看出。 7（a）与常规方案相比，所提出的方案显著降低了虚警的概率。例如，在SNRp1/4- 22dB的情况下，所提出的方案可以实现期望的虚警概率，即，0.1，总感测持续时间为15毫秒。然而，即使在100毫秒的整个帧持续时间内进行感测，传统方案也不能获得相同的值。因此，与传统方案相比，所提出的方案具有有效利用信道的潜力。图7（a）和图7（b）之间的比较还示出了在深衰落（即SNRp1/4 -24dB）下，对于传统方案，虚警的概率显著增加。而所提出的方案仍然能够更好地执行，同时通过增加感测时间来保持根据IEEE 802.22所需的Pf例如，所提出的方案需要40毫秒的感测时间来获得SNRp1/4- 24dB的P1/4：1。图8（a）和8（b）示出了相对于感测时间（以mSec为单位）的CR-IoT系统吞吐量分析。对于T1/4100mSec的帧持续时间，通过所提出的方案，在Pd1/40： 9、Pf1/40： 1和SNRp1/4 -22dB的情况下的最佳感测时间估计为s 1/415mSec然而，传统方案需要60毫秒才能达到1.102 bps/Hz的有效吞吐量，这比当时提出的方案少51.5%（参见表5）。 参照图如图8（b）中所示，还可以观察到，在SNR p1/4 -24 dB的情况下，所提出的方案是如此鲁棒，以至于它可以实现89.92%的高吞吐量，这与具有s 20 mSec的传统方案相当：图图9示出了CR-IoT吞吐量相对于目标检测概率的变化。从图中可以明显看出，对于检测概率的低值，两种方案同样表现良好。然而，随着检测概率的增加，所提出的方案优于传统的表3系统参数。nDf参数描述值不帧持续时间100毫秒PpPU传输功率4WR2噪声方差功率1B带宽6MHzP-P-目标检测目标误报警概率0： 90点 01分PsSU传输功率1WHPS干扰信道链路增益0： 7£噪声不确定因子一比五信噪比p初级接收信噪比-20dB至-24dBI. Bala，A.夏尔马，A.Tselykh等人沙特国王大学学报4241见图7。 虚警概率w.r.t. （a）SNR p时的感知时间 =- 22 dB（b）信噪比p = -24 dB。图8. CR-IoT吞吐量w.r.t.感测时间为（一）信噪比p=-二十二岁dB（b）信噪比p = -24 dB。表4CR-IoT虚警概率对于对应于图1的不同SNR p的感测时间的比较。7 .第一次会议。表5针对不同SNRp的感测时间的CR-IoT吞吐量比较对应于图8 .第八条。感测时间虚警概率，SNRp¼-22dB虚警概率感知时间（毫秒）CR-IoT物联网SNRp¼-22dBCR-IoT物联网SNRp¼-24dB（毫秒）SNRp¼-24dB常规提出常规提出常规提出常规提出方案方案方案方案方案方案方案方案00.00061.79050.00061.793100.99990.73130.99990.7308100.06734.27100.01403.3940100.98600.17650.99710.3595200.25484.30000.03963.6006200.94020.05830.99070.2225300.53453.90650.07633.4526300.85670.01970.97960.1415400.82273.39000.11913.1209400.74260.00670.96270.0909501.03142.83680.16032.6864500.61280.00230.93980.0588601.10222.27260.19032.1932600.48270.00080.91070.0381701.01571.70530.19871.6662700.36440.00030.87570.0247800.78341.13700.17541.1201800.26470.00010.83540.0161900.43380.56850.11160.5630900.18560.00000.79050.01041000.00000.00000.00000.00001000.12610.00000.74220.0068I. Bala，A.夏尔马，A.Tselykh等人沙特国王大学学报4242¼---ðÞðÞ¼见图9。 CR-IoT智能物联网 目标检测概率。表6CR-IoT吞吐量比较：针对对应于图1的不同SNR p的检测概率。9.第九条。表7针对不同SNRp的感测阈值的CR-IoT吞吐量比较对应于图 10个。SNRp（dB）CR-IoT带宽，Pd¼0： 99常规方案建议方案-24.0 0.0699 2.8182-23.6 0.1004 3.1248-23个-0.1461 3.4520-22.8 0.2149 3.7912-22.4 0.3185 4.1298-22.0 0.4732 4.4523-21.6 0.7006 4.7417-21.2 1.0258 4.9828-20.8 1.4725 5.1659-20.4 2.0517 5.2900-20.0 2.7457 5.3631概率CR-IoT吞吐量，SNRp¼-22dB检测常规提出图10个。CR-IoT智能物联网接收信噪比。P d0：9，所提出的CR-IoT系统可以实现比传统系统高50%的吞吐量（参见表6）。图图10显示了接收信噪比对CR-IoT吞吐量的影响。为了研究噪声不确定性对CR-IoT系统的影响从图中可以观察到，在目标检测概率等于0.9的情况下，与传统方案相比，所提出的方案可以通过随着来自主要现任用户的接收信噪比变化而自适应地调整感测阈值来获得高吞吐量。例如，从表7可以观察到，在目标检测概率等于0.9的情况下，所提出的方案可以在接收信噪比等于20 dB时将吞吐量提高95%。图11示出了所提出的CR-IoT系统在系统吞吐量方面的性能，该系统吞吐量相对于信道从现任主用户空闲的概率，即，对于接收到的SNRp=-20dB的P H0。从图中可以明显看出，当PH00，即信道空闲的机会最小时，传统方案截断数据传输过程，因此在这种情况下，有效吞吐量停止为零。与此相反，所提出的方案可以达到1.9bps/Hz作为CR-IoT吞吐量（参见表8）。除此之外，它还可以方案方案0.06.65646.65640.16.51586.52340.26.36096.39040.36.18726.25750.45.98756.12450.55.75065.99150.65.45795.85850.75.07605.72550.84.53395.59240.93.63085.45871.00.00000.0020见图11。 CR-IoT智能物联网SNRp= -20 dB时，P=H0dB方案并且如每IEEE802.22标准要求与I. Bala，A.夏尔马，A.Tselykh等人沙特国王大学学报4243ðÞ¼表8CR-IoT吞吐量相对于SNRp1/4 -20 dB的P < H < 0 >的比较，对应于图1。 十一岁PH 0 SNRp的CR-IoT发射 1/4-20dB常规方案建议计划0.00.00071.79390.10.09493.12480.20.18923.45200.30.28353.79120.40.37784.12980.50.47204.45230.60.56634.74170.70.66064.98280.80.75495.16590.90.84925.29001.00.94345.3631可以观察到，当信道空闲的可能性最高时，即PH0 - 1时，传统方案和所提出的方案分别实现0.9434 bps/Hz和5.3631 bps/ Hz的有效吞吐量。4. 结论在本文中，干扰受限的CR-IoT二次通信系统的性能进行了研究，同时适应感测阈值的低SNR区域考虑窄带CR-IoT通信系统，其中IoT设备(s)在嵌入式能量检测器的帮助下感测许可信道以用于机会数据传输。设备在检测到来自许可主用户的数据传输时抑制传输。考虑到无线信道的不确定性，该设备智能地自适应感测阈值，同时满足IEEE 802.22标准的Pd和Pf的要求。得到了感知阈值的封闭表达式。为了最小化窄带CR-IoT设备的感测模糊性，提出了一种优化感测持续时间以克服感测吞吐量折衷的算法。仿真结果与传统方法在不同系统参数下的仿真结果进行了比较，验证了该方法的有效性。已经观察到，与低SNR区域下的常规方案相比，所提出的方案将CR-IoT系统吞吐量提高了95%，同时满足根据IEEE 802.22标准的Pd和Pf在未来的工作中，可以进一步扩展，以提高系统的性能在低信噪比的智能反射面的帮助下所提出的框架也可以进一步研究，考虑协作通信，以克服信道的不确定性，以最大限度地提高CR-IoT网络的吞吐量。竞争利益作者声明，他们没有已知的竞争性财务利益或个人关系，可能会影响本文报告的工作。引用Adu Ansere J.，韩G，王宏，崔丙，吴超，（2019年）。用于认知无线电物联网网络的可靠 节 能 动 态 频 谱 感 知 。 IEEE Internet Things J. ， 6 （ 4 ） ， 67482019 ， doi ：10.1109/JIOT.2019.2911109.巴拉岛，Ahuja，K.，2022.利用物联网（IoT）打造超互联智能世界。CRC Press，TylorandFrancis.巴拉岛，Ahuja K.，（2021年）。提高认知无线电网络吞吐量的节能框架。 J. Commun.系统：34（13）.巴拉岛，Ahuja K.，（2021年）。利用传输模式分集提高认知无线电网络吞吐量的节能框架org/10.1007/s12652-021-03428-x。巴拉岛，辛格·G认知城市的绿色通信，见：Ahuja K.，科斯拉湾(eds)推动认知城市的发展，管理和可持续性，IGI全球美国。DOI：10.4018/978-1-5225-8085-0。巴拉岛，Bhamrah，M.S.，辛格，G.，2014.最佳功率控制之ad hoc认知无线电环境解析模型。国际计算机92（7），19-22.巴拉岛，Bhamrah，M.S.，辛格，G.，2014. 认知无线电系统各态历经容量分析。Int. J.移动网络Commun. Telemat 4（6），14-19.巴拉岛，Bhamrah，M.S.，Rana，V.，Jain，N.，辛格，G.，2015年。基于接收机灵敏度 的认知无 线电系统 自适应功 率In ：Maharatna ， K.， Dalapati， G. ，Banerjee，P.，Mallick，A.，Mukherjee，M.（编），通信电路和系统的计算进展电气工程讲义，第335卷。施普林格，新德里。https://doi.org/10.1007/978-81-322-2274-3_9。巴拉岛，Bhamrah，M.S