数据库驱动机会性频谱接入中的动态分区问题研究

Database-driven opportunistic spectrum access (OSA) is recent advances of cognitive radio networks. In database-driven OSA, secondary users (SUs) can query geolocation database to obtain white space opportunities, while primary users (PUs) should be protected in incumbent exclusion zones. However, such exclusion zones given by propagation modeling are usually static and over-conservative for low miss detection rates, and it is very likely that high false alarm rates lead to significant loss of white spaces. Fortunately, spectrum sensing is helpful to serve as the supplement of geolocation database to dynamically discover extra white spaces. In this proposal, we plan to study real-time integration of spectrum sensing into database-driven OSA in order to optimize spectrum sharing, including both the protection of PUs and the coexistence of SUs, through dynamic refinement of exclusion zone boundaries. First, we plan to study dynamic zoning that improves the discovery of white spaces. We aim to design a dynamic zoning mechanism that controls spectrum sensing operations to achieve reliable and relatively exhaustive discovery of white spaces. Second, we plan to study the collection of spectrum measurements that supports dynamic zoning and at the same time improves the allocation of white spaces. We aim to design a sensing incentivization mechanism that dynamically incentivizes participatory sensing for dynamic zoning and carefully pays the participants with white space opportunities so as to achieve efficient and fair allocation of white spaces as the rewards. Third, we plan to study the fusion of static propagation modeling and real-time spectrum measurements that supports dynamic zoning. We aim to design a data fusion mechanism that dynamically updates a white space map as the basis for the optimization of dynamic zoning.

数据库驱动机会性频谱接入是认知无线电网络的新发展。数据库利用模型为有授权用户（PU）定义保护区，并允许无授权用户（SU）在保护区外与PU共享频谱。但是，分区一般实现静态且保守的空白频谱接入，为保护PU过度缩小SU的频谱接入范围。考虑到频谱感知的实时性有利于弥补数据库的保守性，本课题拟研究如何实时地将频谱感知与数据库整合从而动态地修正分区以最大化频谱共享效率。首先，本课题拟研究动态分区对空白频谱获取的改善，设计动态分区机制以通过指导频谱感知活动来实现可靠且充分的空白频谱获取。其次，本课题拟研究频谱感知信息收集对动态分区的支持以及对空白频谱分配的改善，设计频谱感知激励机制以根据动态分区的需求来激励频谱感知贡献，并将其与空白频谱奖励联系起来实现高效且公平的空白频谱分配。最后，本课题拟研究频谱感知与数据库相互融合对动态分区的支持，设计数据融合机制以根据动态分区的需求来构建实时的空白频谱图。

本课题针对数据库驱动机会性频谱接入中基于无线模型估计的分区划分过于保守、主用户保护区范围过大的问题，提出了以次用户参与群智感知为基础的采集、处理、利用频谱感知数据的相关机制与策略，使静态的数据库数据与动态的频谱感知数据有效地融合，从而更加合理地进行动态分区控制，最终在保证对主用户不造成有害干扰的前提下尽可能地缩小主用户保护区以为次用户创造更多的空白频谱接入机会。本课题围绕如下关键问题开展研究：（A）动态分区调整问题；（B）频谱感知激励问题；（C）频谱数据分析与融合问题。针对问题（A），本课题研究了适用于数据库驱动机会性频谱接入场景的通过集中决策方式或集中与分布混合决策方式进行网络布局动态调整的相关模型与方法，从宏观角度规划用户可用的频谱资源，以实现最大化频谱资源利用率；针对问题（B），本课题研究了通过任务回报激励方式来调动次用户参与群智感知进而进行频谱感知数据采集的相关模型与方法，提出了适用于各类场景的群智感知激励机制，以实现通过最小代价开销采集总量最多且质量最高的频谱感知数据；针对问题（C），本课题研究了适用于一般场景的进行网络数据分析、挖掘、融合等的相关模型与方法，以及在此基础上的进行数据驱动网络优化的相关模型与方法，以综合利用静态离线数据与动态在线数据来指导网络部署与资源分配。本课题提出的动态频谱共享架构、频谱感知激励机制、数据驱动网络优化算法等均会在5/6G移动通信网络中发挥重要的支撑作用，具有良好的应用前景。