1 認知網(wǎng)絡研究現(xiàn)狀

隨著無線網(wǎng)絡的飛速發(fā)展，網(wǎng)絡環(huán)境(外部運行環(huán)境和內部網(wǎng)絡環(huán)境)變化越來越大，傳統(tǒng)的Internet結構已經不能滿足發(fā)展的需求，因此需要設計新的體系結構來滿足日益復雜的網(wǎng)絡環(huán)境需求。David提出在Internet的體系結構中增加一個知識平面，將認知概念擴展到了整個通信網(wǎng)絡，并包含于網(wǎng)絡的各個協(xié)議層次。這就是認知網(wǎng)絡的概念。認知網(wǎng)絡[1-2]能夠觀察、感知和學習網(wǎng)絡環(huán)境狀態(tài)，智能決策并自適應調整節(jié)點和網(wǎng)絡的配置與行為(如交換、路由、資源分配等)，進而達到對網(wǎng)絡性能的智能優(yōu)化。

“認知”一詞來源于人工智能。認知網(wǎng)絡只有具備了學習和決策能力，才能夠真正具有認知能力，因此，智能決策是認知網(wǎng)絡的核心技術。認知網(wǎng)絡的智能決策涉及人工智能理論、機器學習、推理機制等方面的技術。有代表性的是Nicola Baldo的模糊決策[3]。Nicola Baldo在研究認知網(wǎng)絡的接入方法時使用模糊值表示不同應用的相關性能參數(shù)，利用模糊邏輯推理和模糊計算評估每個網(wǎng)絡接入機會的服務質量并使用模糊決策技術選擇最合適的接入機會。Alex Chia-Chun Hsu的統(tǒng)計信道分配認知MAC協(xié)議和William C. Headley在認知無線的自動模式分類中都引入了智能決策算法。但這些決策方法依據(jù)的規(guī)則和策略都是固定的，系統(tǒng)在運行過程中不能夠根據(jù)環(huán)境的變化規(guī)律調整決策，不能達到真正認知的目標。

目前，對于認知網(wǎng)絡的研究重點集中在介質訪問控制(MAC)[4]、路由技術[5-6]和QoS等方面。其中，認知網(wǎng)絡QoS研究主要包括3類：一類是數(shù)據(jù)鏈路層QoS[7-11]，數(shù)據(jù)鏈路層QoS結合認知無線電能夠自適應調整節(jié)點所使用的頻譜的特征，采用動態(tài)頻譜分配技術，改善網(wǎng)絡的QoS；第二類采用跨層設計的思想，在節(jié)點進行路由選擇時考慮數(shù)據(jù)鏈路和物理無線環(huán)境的狀態(tài)，根據(jù)底層狀態(tài)動態(tài)選擇路由[12]；第三類則是從用戶角度出發(fā)提出一種保障用戶QoS水平的動態(tài)配置方法[13]。上述研究都是針對通用的認知網(wǎng)絡而展開的，未考慮應急通信場景的特定需求(如網(wǎng)絡環(huán)境不可預知、時延敏感、臨時通信等)，因此直接應用于應急通信場合有一定的局限性。

2 體系結構與模型

Sutton[14]、Nolan[15]、Mahonen[16]和Thomas[2]都在認知網(wǎng)絡的體系結構與模型方面進行了研究。其中，Sutton和Nolan重點研究認知網(wǎng)絡中具有可配置能力的平臺框架，提出一種基于元素的節(jié)點體系結構，網(wǎng)絡節(jié)點可由異構的軟件或硬件元素來組建，用XML配置文檔來定義和描述節(jié)點。體系結構中未考慮如何支持分布式推理、集體決策和分布式學習。Mahonen提出一個基于可配置網(wǎng)絡的支持優(yōu)化決策的認知節(jié)點框架以及分布式推理算法IGA。Thomas提出的認知框架是一個比較完整的框架結構，包括3層：端到端的用戶目標、認知過程、具備軟件自適應能力，但是也存在一些不足之處。首先，認知過程的具體邏輯結構(即認知過程中推理、學習、決策3者之間的關系)沒有明確給出；其次，認知網(wǎng)絡概念與目前傳統(tǒng)網(wǎng)絡概念之間的關系在Thomas的框架中也未明確說明；最后，Thomas框架中將Network API定義為認知過程與軟件自適應網(wǎng)絡的接口，這種定義方式使得認知過程與低層自適應網(wǎng)絡的耦合過于緊密，靈活性和可擴充性差。

Sutton、Nolan、Mahonen和Thomas研究的認證網(wǎng)絡都沒有具體針對應急通信，然而應急通信的需求越來越明確，為此我們提出了支持應急通信的認知網(wǎng)絡的體系結構與模型，主要研究應急通信系統(tǒng)建模、應急通信業(yè)務定義與描述、支持應急通信的認知網(wǎng)絡的體系結構。

2.1 QoS需求描述

將應急通信定義為具有“時間關鍵”特征的通信。“時間關鍵”的概念源于軍用戰(zhàn)術通信網(wǎng)絡中從發(fā)現(xiàn)目標、定位目標、直到攻擊目標的時間限制要素。時間關鍵通信是根據(jù)突發(fā)事件的等級，制訂從通信節(jié)點提出發(fā)送數(shù)據(jù)請求開始，經網(wǎng)絡各節(jié)點路由、交換和匯聚處理，通過各種無線接入網(wǎng)關，直至信息到達指定的目的節(jié)點的時間限制。時間關鍵通信以QoS指標為基礎、以電信ATM標準中關于業(yè)務種類的定義方法為參考來定義應急通信業(yè)務，同時，考慮可擴充性和通用性需求，適應應急通信業(yè)務需求的描述，并采用XML語言來描述業(yè)務。

2.2 網(wǎng)絡物理結構

由于傳統(tǒng)應急通信高成本、單點通信的局限性，將傳統(tǒng)應急通信的節(jié)點擴展為網(wǎng)。應急通信系統(tǒng)網(wǎng)絡物理結構如圖1所示。

圖1將傳統(tǒng)應急通信節(jié)點(海事衛(wèi)星、VSAT衛(wèi)星地面站和移動站等)作為無線網(wǎng)關使用。在異常事件發(fā)生區(qū)域以無線Ad hoc網(wǎng)絡(可以是WLAN，無線Mesh或無線傳感器網(wǎng)絡等無線區(qū)域網(wǎng)絡)作為基本物理承載網(wǎng)，救援人員通過無線Ad hoc網(wǎng)絡保持聯(lián)系、接受命令和采集災害區(qū)域信息，進而提高信息采集精度、擴展應急通信網(wǎng)絡的覆蓋范圍，達到提高應急通信系統(tǒng)性價比的目標。多個異構的Ad hoc網(wǎng)絡邏輯上共同組成了一個認知網(wǎng)絡，每個Ad hoc網(wǎng)絡可以看成是一個通信域，多個域之間通過認知網(wǎng)絡將其融合為一個邏輯上的認知系統(tǒng)。認知網(wǎng)絡能夠認知周圍復雜網(wǎng)絡環(huán)境(主要是無線、移動環(huán)境)，自適應控制網(wǎng)絡各節(jié)點的行為(路由、無線頻率分配等)，保證應急通信業(yè)務所需要的“時間關鍵”特性的服務質量。

 2.3 網(wǎng)絡體系結構

認知網(wǎng)絡是建立在傳統(tǒng)網(wǎng)絡之上的邏輯網(wǎng)絡(即軟件定義的網(wǎng)絡)，其底層依附于各種異構的傳統(tǒng)網(wǎng)絡(如Internet、以太網(wǎng)、GSM、WLAN等)，這些傳統(tǒng)網(wǎng)絡各自具備不同的協(xié)議棧結構?；趹蓖ㄐ诺膶嶋H場景限制，我們將在各種異構的Ad hoc網(wǎng)絡中進行研究，這在一定程度上可降低問題的復雜性。

認知網(wǎng)絡體系結如圖2所示?？蓮恼J知用戶、認知網(wǎng)絡和傳統(tǒng)網(wǎng)絡3個視角層次來描述認知網(wǎng)絡體系結構。將認知功能的邏輯結構細化為推理、學習、決策3個功能實體，引入兩個邏輯功能實體傳感器和執(zhí)行器，用執(zhí)行器和傳感器來表示認知網(wǎng)絡與底層可重構網(wǎng)絡之間的接口。整個體系結構包括兩個反饋控制環(huán)：

(1)反饋控制環(huán)1

用戶應用與認知網(wǎng)絡之間的反饋控制：應用向網(wǎng)絡提出QoS需求->認知網(wǎng)絡推理與決策->網(wǎng)絡反饋對該應用QoS是否支持->應用調整QoS需求。

(2)反饋控制環(huán)2

認知網(wǎng)絡與傳統(tǒng)網(wǎng)絡之間的反饋控制：認知網(wǎng)絡測量物理網(wǎng)絡環(huán)境QoS數(shù)據(jù)->QoS決策->網(wǎng)絡行為自適應。

2.4 物理網(wǎng)絡與QoS邏輯功能間的映射

執(zhí)行器和傳感器合并為一個認知代理，部署在應急通信系統(tǒng)中能夠采集QoS相關信息或實施QoS控制的節(jié)點和設備上。認知控制點負責進行學習、推理和決策，認知控制點屬于邏輯功能實體，物理上可以部署在應急通信系統(tǒng)的任何節(jié)點設備上，也可以單獨增加硬件節(jié)點來實現(xiàn)該功能。認知控制點之間構成了一個傳統(tǒng)網(wǎng)絡上的認知網(wǎng)絡，通過對認知代理采集上的應急通信的QoS信息進行推理決策，控制認知代理的行為，實現(xiàn)基于認知網(wǎng)絡的QoS控制。

3 QoS控制和優(yōu)化策略

目前關于認知網(wǎng)絡的QoS控制的研究尚處于起步階段，特別是針對應急通信這種環(huán)境變化快速、不可預知且需要支持實時多媒體業(yè)務、交互式業(yè)務等多種業(yè)務需求的應用場景，研究實用可靠的QoS保障機制和策略尤為重要。我們從認知網(wǎng)絡QoS控制問題建模、智能頻譜分配策略和優(yōu)先級業(yè)務的跨層路由算法設計3個方面進行相關研究。

3.1 QoS控制過程

基于對認知網(wǎng)絡模型的研究，采用控制論中反饋控制環(huán)的思想對認知網(wǎng)絡QoS控制過程和機制進行建模。從圖2的認知體系結構可知，認知網(wǎng)絡QoS控制的核心是一個學習-決策的過程，各種認知學習模型都可以用一個統(tǒng)一的反饋環(huán)進行描述?；贑ol John Boyd提出的OODA環(huán)來描述認知網(wǎng)絡QoS反饋控制過程，設計一個包括4個功能組件的認知網(wǎng)絡QoS循環(huán)控制過程：時間關鍵的QoS相關指標測量、確定QoS調整目標、QoS決策、網(wǎng)絡行為自適應。認知網(wǎng)絡QoS反饋控制如圖3所示。

在圖3所示認知網(wǎng)絡QoS反饋控制過程的基礎上，為了增加認知網(wǎng)絡決策的智能，在認知過程中不斷豐富認知網(wǎng)絡的知識，實現(xiàn)網(wǎng)絡的決策隨環(huán)境的變化而不斷地學習和優(yōu)化，為此，在QoS反饋控制過程中引入機器學習功能?；趯W習的認知網(wǎng)絡QoS決策流程如圖4所示。

3.2 頻譜與時隙分配策略

以支持軟件無線電技術的節(jié)點作為基本的數(shù)據(jù)鏈路層環(huán)境，考慮異構用戶存在情況下的動態(tài)信道分配技術。無線信道滿足如下假設條件：每個節(jié)點都有相同的頻譜分配；每個節(jié)點都有相同的頻譜分配概率(即系統(tǒng)所有的可用頻譜在每個節(jié)點都可以是有效的)；節(jié)點支持無線信道上的一發(fā)多收；同一頻率可以再進行時分復用。動態(tài)信道分配策略分為兩個階段：第一個階段是異構用戶的動態(tài)頻譜分配；第二個階段是同一頻率下的不同優(yōu)先級QoS保證的動態(tài)時隙分配。

動態(tài)頻譜分配算法，首要考慮在不同發(fā)射頻譜之間的切換的代價。換言之，在一次通信過程中，沿途所涉及的全部節(jié)點的頻率切換之和最小的頻譜分配方案就是最高效的分配方案。鑒于上述分析，以“最少切換”思想的頻譜選擇算法，選擇目標節(jié)點和目的節(jié)點之間被盡量多連續(xù)節(jié)點共享的頻率。

頻譜選定后，需要為不同優(yōu)先級業(yè)務分配不同的通信時隙。“時間關鍵”特征的應急通信系統(tǒng)對時延有嚴格的限制，在時延敏感的大前提下，不同類型的業(yè)務對帶寬的需求是不同的。在應急通信場景下，按業(yè)務的重要程度設計優(yōu)先級，因此優(yōu)先級越高的業(yè)務越需要確保其所需要的QoS。因此，在不同優(yōu)先級業(yè)務的時隙分配時，采用“高優(yōu)先級確保”的時隙分配策略，首先滿足高優(yōu)先級業(yè)務對信道帶寬的需求。只有高優(yōu)先級業(yè)務的QoS需求全部滿足后，再考慮低優(yōu)先級的，這樣的策略與應急通信的特殊通信需求(首先滿足重要信息的傳輸，公平性不是必需考慮的因素)是一致的。

 3.3 跨層路由算法設計

支持應急通信的認知網(wǎng)絡是疊加在Ad hoc網(wǎng)絡上的，由于Ad hoc網(wǎng)絡的特點和應急通信的“時間關鍵”特性，Ad hoc網(wǎng)絡的QoS路由問題重點在研究如何利用有限的帶寬資源快速有效地建立最優(yōu)鏈路。由于Ad hoc網(wǎng)絡的路由性能受無線數(shù)據(jù)鏈路的影響很大，而認知網(wǎng)絡是在跨層設計的思想下發(fā)展而來的，因此將無線鏈路相關的參數(shù)(如信道信噪比、信道發(fā)射功率等)作為選擇路由算法的約束條件。

由于應急通信對節(jié)點的健壯性要求高，節(jié)點在協(xié)作通信的同時，還需要有“自我保護意識”，即節(jié)點是“自私”的。換言之，應急通信系統(tǒng)不希望出現(xiàn)某些節(jié)點為了轉發(fā)其他節(jié)點的信息而耗盡自身的能量，造成通信覆蓋上的盲點。博弈論考慮游戲中的個體的預測行為和實際行為，并研究他們行為的優(yōu)化策略?；诓┺睦碚摲治稣J知網(wǎng)絡的QoS路由，將節(jié)點的路由轉發(fā)問題建立博弈模型。其中：節(jié)點對應博弈者；根據(jù)不同業(yè)務QoS需求的不同，利用模糊邏輯定義節(jié)點的路由轉發(fā)行為，節(jié)點轉發(fā)信息對系統(tǒng)的實時通信是有貢獻的，因此需要給予獎勵。但是轉發(fā)數(shù)據(jù)包需要消耗節(jié)點的電源能量，對節(jié)點自身的健壯性不利，因此需要懲罰。另外，節(jié)點周圍鄰居轉發(fā)包對節(jié)點本身也有利，需要獎勵。按照上述思路可建立認知網(wǎng)絡QoS路由的博弈模型。
 
3.4 在線分布式學習算法

在機器學習的范疇中，根據(jù)學習的反饋類型不同，學習技術可以分為監(jiān)督學習、非監(jiān)督學習和強化學習三大類。考慮到監(jiān)督式學習和非監(jiān)督學習都需要訓練數(shù)據(jù)，而應急通信環(huán)境往往是不可預知的，因此很難事先準備大量訓練數(shù)據(jù)。而強化學習不需要訓練數(shù)據(jù)，僅依靠簡單的試錯來學習得到最優(yōu)行為策略，這非常符合應急通信場景下節(jié)點資源和能力有限且需要在線學習能力的情況。因此，應采用強化學習算法來實現(xiàn)認知節(jié)點的在線學習。

圖5所示的QoS決策系統(tǒng)包括兩部分內容：推理機和強化學習器。QoS決策系統(tǒng)接受網(wǎng)絡環(huán)境狀態(tài)輸入，使用推理機制根據(jù)相應的QoS策略進行推理，得到推理結論并輸出相應的自適應動作。網(wǎng)絡環(huán)境在系統(tǒng)自適應動作的作用下，根據(jù)狀態(tài)轉移函數(shù)由當前狀態(tài)變遷到新的狀態(tài)。系統(tǒng)學習模塊接收網(wǎng)絡環(huán)境對于系統(tǒng)自適應動作的獎賞反饋，采用強化學習算法學習得到新的自適應決策策略并將該策略提供給推理機制以備后續(xù)的QoS決策使用。QoS決策系統(tǒng)通過不斷地學習，可以得到QoS決策策略，使得網(wǎng)絡的自適應動作的回報累計值最大。

 4 應用場景

隨著無線通信技術、人工智能技術和信息處理技術的飛速發(fā)展和日益成熟，認知網(wǎng)絡技術的應用將會越來越廣泛，如何保證應急通信場景下認知網(wǎng)絡的服務質量是認知網(wǎng)絡研究中迫切需要解決的問題。

本文基于“時間關鍵”特征定義和描述應急通信業(yè)務的QoS需求，從不同視角定義支持應急通信的認知網(wǎng)絡體系結構與模型；基于反饋控制理論研究認知網(wǎng)絡的QoS控制，并設計了群體決策和在線分布式學習算法以實現(xiàn)認知網(wǎng)絡的QoS控制。以上論述的結構體系和QoS技術可以用于以下應急場景。

(1)城市突發(fā)事件

突發(fā)事件處理是現(xiàn)代化城市管理的重要研究課題，突發(fā)時間往往發(fā)生在難以預料的場合和環(huán)境(如商場突發(fā)火災)。突發(fā)事件處理部門的人員(公安、消防、醫(yī)療)到達現(xiàn)場后成功處理突發(fā)事件的前提是要迅速、準確地了解現(xiàn)場情況。支持應急通信的認知網(wǎng)絡能夠在突發(fā)事件現(xiàn)場快速組網(wǎng)并通信，準確、及時地傳遞各種相關信息。系統(tǒng)能夠隨網(wǎng)絡環(huán)境的變化自適應調節(jié)以便保證不同業(yè)務按照其所需要的服務質量傳輸，減少由于不了解現(xiàn)場情況而帶來的人民生命和財產的損失。

(2)地震災害救援

中國2009年的四川地震及2010年的玉樹地震都帶來了巨大的人員傷亡和財產損失，而其對人們心靈帶來的損害更是無法彌補的。當時由于地震造成傳統(tǒng)電信網(wǎng)絡癱瘓，外部救援的人員無法了解地震中心的情況，只能靠個別新聞工作者帶去的少數(shù)海事衛(wèi)星電話與外界保持聯(lián)系。地震中心的受災情況的視頻若干天后才被傳出，而且主要是靠飛機航拍的。救援人員到達現(xiàn)場后，通過支持應急通信的認知網(wǎng)絡快速組網(wǎng)并通信，大面積采集各種災害現(xiàn)場的信息，不僅可以為救援的調度和指揮提供一手的信息，而且能提高救援的針對性、最大限度減少災害現(xiàn)場人員的傷亡。同時，時刻保持通信對災害現(xiàn)場的救援人員來講也是一種保護，具有很大的社會效益。

5 結束語

支持應急通信的認知網(wǎng)絡是網(wǎng)絡和通信發(fā)展的必然產物，是信息社會發(fā)展的需要。支持應急通信的認知網(wǎng)絡QoS技術的研究將應用于緊急事件處理、災害救援等領域，將產生重要的社會效益。就目前的研究狀況來看，對支持應急通信的認知網(wǎng)絡QoS技術的研究還存在很多不足，需要業(yè)界人士的進一步研究。

6 參考文獻
[1] CLARK D D, PARTRIDGE C, RAMMING J C, et al. A Knowledge Plane for the Internet [C]//Proceedings of the Conference on Applications, Technologies, Architectures, and Protocols for Computer Communication (SIGCOMM '03),Aug 25-29,2003, Karlsruhe, Germany. New York,NY,USA:ACM,2003: 3-10.
[2] THOMAS R W, DASILVA L A, MACKENZIE A B. Cognitive Networks [C]//Proceedings of the 1st IEEE International Symposium on New Frontiers in Dynamic Spectrum Access Networks (DySPAN '05), Nov 8-11, 2005, Baltimore, MD,USA. Piscataway, NJ,USA: IEEE, 2005:352-360.
[3] BALDO N, ZORZI M. Cognitive Network Access Using Fuzzy Decision Making [C]//Proceedings of IEEE International Conference on Communications (ICC’07), Jun 24-28, 2007, Glasgow, UK. Piscataway, NJ,USA: IEEE, 2007: 6504-6510.
[4] 曾志民, 郭彩麗. 認知無線電網(wǎng)絡的MAC層關鍵技術 [J]. 中興通訊技術, 2009,15(2):20-24.
[5] 滑楠, 曹志剛. 認知無線電網(wǎng)絡路由研究綜述 [J]. 電子學報, 2010,38(4): 910-918.
[6] 李紅艷, 李建東, 周丹. 認知網(wǎng)絡路由技術 [J]. 中興通訊技術, 2010,16(1):50-52.
[7] MATSUI S, WATANABE I, TOKORO K. Application of the Parameter-free Generic Algorithm to the Fixed Channel Assignment Problem [J]. Systems and Computers in Japan, 2005,36(4): 71-81.
[8] HUA Yao, ZHU Yanfeng, NIU Zhisheng. A Channel Assignment Scheme in High Density WLANs to Mitigate Pesudo Capture Effect [C]//Proceedings of the IEEE Global Telecommunications Conference (GLOBECOM '07),Nov 26-30,2007, Washington, DC,USA. Piscataway, NJ,USA: IEEE, 2007: 4796-4800.
[9] LI Xuejun, HAN P, CHONG Joo. WLC20-6: A Fixed Channel Assignment Scheme for Multihop Cellular Network [C]//Proceedings of IEEE Global Telecommunications Conference (GLOBECOM’06),Nov 27-Dec 1, 2006,San Francisco, CA, USA. Piscataway, NJ, USA: IEEE, 2006:5p.
[10] KRISHNAMURTHY S, THOPPIAN M, KUPPA S, et al. Time-efficient Distributed Layer-2 Auto-configuration for Cognitive Radio Networks [J]. Computer Networks,2008, 52(4), 831-849.
[11] THOPPIAN M, VENKATESAN S, PRAKASH R, et al. MAC-layer Scheduling in Cognitive Radio based Multi-hop Wireless Networks [C]//Proceedings of the 7th IEEE International Symposium on a World of Wireless, Mobile and Multimedia Networks (WoWMoM’06),Jun 26-29, 2006, Niagara-Falls/Buffalo, NY, USA. Piscataway, NJ, USA: IEEE,2006: 191-202.
[12] GHOSH C, AGRAWAL D P. Channel Assignment with Route Discovery (CARD) Using Cognitive Radio in Multi-channel Multi-radio Wireless Mesh Networks [C]//Proceedings of the 1st IEEE Workshop on Networking Technologies for Software Defined Radio Networks(SDR’06),Sep 25,2006,Reston,VA,USA. Piscataway, NJ, USA: IEEE, 2006: 36-41.
[13] 馮光升, 王慧強, 馬春光, 等. 面向認知網(wǎng)絡的用戶QoS動態(tài)自配置方法 [J]. 通信學報, 2010,31(3): 133-140.
[14] SUTTON P D, DOYLE L E, NOLAN K E. A Reconfigurable Platform for Cognitive Networks [C]//Proceedings of the 1st International Conference on Cognitive Radio Oriented Wireless Networks and Communications(CROWNCOM’06), Jun 8-10,2006,Mykonos Island, Greece. Piscataway, NJ, USA: IEEE, 2006: 5p.
[15] NOLAN K E, SUTTON P D, DOYLE L E. A Framework for Implementing Cognitive Functionality [C]//Proceedings of the 51st SDR Forum General Meeting and Technical Conference (SDR’06), Nov 13-17, 2006, Orlando, FL. 2006.
[16] MAHONEN P, PETROVA M, RIIHIJARVI J, et al. Cognitive Wireless Networks: Your Network Just Became a Teenager [C]//Proceedings of the 25th IEEE International Conference on Computer Communications (INFOCOM’06), Apr 23-29,2006, Barcelona, Spain. Piscataway, NJ,USA: IEEE, 2006.

張冬梅，北京郵電大學博士畢業(yè)，北京郵電大學計算機學院副教授，從事網(wǎng)絡與軟件安全、網(wǎng)絡通信、自組織網(wǎng)絡方面的研究，已發(fā)表SCI/EI檢索論文20余篇。

張世棟，北京郵電大學計算機學院在讀博士研究生。