RF供电认知无线电网络中带流量分类的最优频谱感知策略

本文考虑基于正交频分多址（OFDMA）的主用户（PU）网络，该网络在RF供电的认知无线电网络（CRNs）中提供不同的频谱接入/能量收集机会。在此场景下，我们提出了一种在PU碰撞和能量因果性约束下的机会式频谱接入/能量收集最优频谱感知策略。PU子信道可以具有不同的流量模式并表现出不同的空闲/繁忙频率，因此频谱接入/能量收集机会是特定于应用的。次级用户（SU）通过对PU子信道的观察收集流量模式信息，并对每个子信道的空闲/繁忙周期统计量进行分类。基于这些统计量，我们调用随机模型来评估SU容量，通过该模型可以调整频谱感知的能量检测阈值，以获得更高的感知精度。为此，我们采用通过对SU电池电量进行量化得到的马尔可夫决策过程（MDP）模型，以及由平均收集能量与能量消耗速率之比得到的占空比模型。通过与穷举法获得的最优策略进行比较，我们证明了所提随机模型的有效性。