基于最佳频谱响应的无人机自组网频谱分配方法

1.本发明属于无人机自组网技术领域，具体涉及一种通过建立最佳频谱响应策略优化模型实现的无人机自组网频谱分配方法。


背景技术：

2.无人机自组网作为无线自组织网络的一种，与无线传感网、车载网相比，无人机自组网系统具有节点移动速度更快、网络拓扑变化更加频繁、网络节点分布相对稀疏、通信环境更加复杂等特点。频谱资源管理通过认知无线电中认知设备选择最优的频带进行工作，并根据信道状态和服务质量在不同的信道中进行切换的技术。随着认知无线电技术、动态频谱接入技术、5g智能网络等技术的快速发展，对频谱资源进行感知、分析、分配和共享成为高效利用频谱资源的重要手段，频谱资源管理技术得到了快速的发展和拓展。频谱资源管理包括了频谱感知、频谱分配和频谱资源高效利用。随着无人机进一步的推广与普及，研究无人机自组网的相关技术具有一定的价值和意义。


技术实现要素：

3.本发明所要解决的主要技术问题是：根据博弈竞价机制，使得无人机自组网频谱需求的效用函数最优化，从而保证不同簇频谱分配的公平性，提高频谱效率，而后引入虚警概率与检测概率，分析信息吞吐总量与频谱感知响应时间、发射功率以及簇头数量之间的关系及其最优配置，从而在最佳频谱响应策略优化模型的基础上完成频谱分配的求解
4.本发明所提供的技术方案，包括如下步骤：
5.(1)建立频谱分配模型
6.用uavm表示第m个无人机自组网的簇，用uav
m0
表示第m个簇的无人机簇头，用uav
mn
表示该簇内的第n个无人机用户节点。若该簇中各个无人机节点的边缘频谱采用的复用因子为um，则该簇的频谱分配方案一共有um！种，其中一种频谱分配方案可以表示为
7.f
m,u
＝(f
m1,u
,f
m2,u
,...,f
mn,u
),u＝1,2,...,um！,m＝1,2,...m
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
8.其中f
mn,u
表示为簇m在选择频谱分配方案f
m,u
下的无人机用户节点uav
mn
所得频谱。系统分簇的频谱分配方案集合可以表示为fm＝{f
m,u
|u＝1,2,...,um！}。
9.令p
m,n,k
为在k子载波上簇m内无人机簇头到簇内无人机用户节点n的发射功率，为无人机用户节点受其他簇m
′
中的无人机簇头发射功率的干扰，fm′
,u
′
为其他簇当前复用因子u
′m的频谱分配方案，则该无人机用户节点受到的干扰为
[0010][0011]
在无人机自组织网络分簇系统中，簇头的效用函数包括无人机簇头把频谱租借给簇内无人机用户节点所获得的租借收益、簇内无人机用户节点从终端节点获取的租借收益、该簇头与其他簇头的竞价收益、该簇头自身的频谱成本以及频谱干扰下的额外成本，其系统频谱效用函数表示为
[0012][0013]
其中各无人机出售空闲频谱的定价集合c＝{c1,c2,...,cm,...,cn}，cm为无人机簇头m各自的定价，bm为各簇头m可以租借给其他无人机的频谱带宽，nn为簇内无人机用户节点数目，c1为簇内每个无人机用户节点租借空闲频谱资源的定价，bn为簇内节点租借给终端节点的频谱带宽，n
l
为无人机用户节点与终端节点之间的通信链路数目，b
′n为无人机用户节点出售的空闲频谱数量，c
′1为无人机簇头频谱资源的成本价，c
′2i
m,n
(f
m,n,u
,fm′
,n
′
,u
′
)为其他干扰频谱下的惩罚成本价格，k
m,n
为簇内无人机用户节点的频谱利用率。
[0014]
此外，基于各无人机簇头的频谱利益，各个无人机簇头之间的频谱需求的效用函数表示为
[0015][0016]
其中χm为其他无人机簇头对该无人机簇头网络上的预计所需频谱数量；为频谱利益，为租借m个无人机簇头预计所需的平均频谱数量，k
m,m
′
为簇头之间可租借频谱的利用率；λm表示该无人机簇头m是否租借出频谱给其他无人机簇头，λm＝1表示出租频谱给其他无人机簇头，λm＝0表示不租借出频谱给其他无人机簇头；λ
′m表示该无人机簇头m是否向其他无人机簇头购买频谱，λ
′m＝1表示向其他无人机簇头购买，λ
′
＝0表示不向其他无人机簇头购买。因为为了确保无人机簇头之间的买卖关系不会出现亏本的情况，则该效用函数应满足u
m,m
′
(bm)＞0。
[0017]
在该系统中，每个簇都是为了自己最大效用值而选择较好的频谱分配策略，但是不同簇之间难免会使得资源分配与实际通信链路出现不均衡、极端化。因此可使用博弈论竞价方法，系统中的每一个簇m都是一个独立的博弈竞价者，fm＝{f
m,n,u
|u＝1,2,...,u
m,n
！}表示系统中任一簇m的频谱分配方案集合，表示该无人机网络分簇系统中的博弈竞价方案集合空间，um(c,f
m,n,u
,fm′
,n
′
,u
′
)表示簇m的频谱效用函数，即博弈竞价者自身的频谱租借收益，则无人机之间的非合作博弈竞价的元素组合为
[0018][0019]
在引入非合作博弈方法后，使用最佳的频谱分配方案，建立无人机自组网络分簇系统的最优效用值的模型为
[0020]
[0021][0022]fm,u
∈fmꢀꢀꢀꢀꢀꢀꢀꢀ
(8)
[0023]
根据纳什均衡理论，当且仅当每个簇博弈参与簇所取得频谱分配方案对其他参与簇的分配方案都是最佳响应的。当各个簇的频谱分配达到纳什均衡时，任意一个簇都不可能通过单方面的改变自身的频谱分配方案来增加自己的收益。当其他无人机簇头的售价为cm′
时，用最大收益的反函数表示该无人机簇头uavm的最优博弈竞价方案为
[0024][0025]
其中为该博弈竞价方案的纳什均衡解。
[0026]
(2)分析频谱分配模型
[0027]
设无人机簇头m既出租空闲频谱资源，又向其他无人机簇头购买频谱，即λm＝1，λ
′m＝1，则各个无人机簇头之间频谱需求的效用函数u
m,m
′
(bm)对bm求一阶偏导为
[0028][0029]
当且仅当，u
m,m
′
(bm)对bm的二阶偏导小于0时，即
[0030][0031]
则当时，存在u
m,m
′
(bm)为凸函数，在博弈竞价集合空间内存在频谱分配的最优值。由此可得，无人机簇头在该博弈竞价集合空间内频谱效用函数u
m,m
′
(bm)最优的情况下，即令时，存在最优的频谱租借量为
[0032][0033]
将式(12)代入式(3)，然后让um(c,f
m,n,u
,f
m,n
′
,u
′
)对定价参数cm求一阶偏导数，可得出如下式子
[0034][0035]
则um(c,f
m,n,u
,f
m,n
′
,u
′
)对定价参数cm的二阶偏导数为
[0036][0037]
当频谱效益函数um(c,f
m,n,u
,f
m,n
′
,u
′
)存在二次可微时，空闲频谱定价ci∈c条件下，满足条件
[0038][0039]
此时，该无人机自组网络分簇系统中的频谱博弈竞价方案中存在一个纳什均衡解。由于所以频谱效益函数的二阶偏微分方程满足在博弈竞价集合空间至少存在一个纳什均衡解使得各方利益均衡且稳定。令则可以得出当前无人机自组网中最优效用值下的最优空闲频谱定价为
[0040][0041]
此时，最优空闲频谱定价使得每个无人机分簇的收益都达到最优化，提高数据通信链路的频谱效率，避免出现频谱分配失衡而导致频谱资源浪费与网络拥堵。
[0042]
(3)建立最佳频谱响应模型
[0043]
在无人机用户节点按照特定准则移动过程中，为了确保各无人机用户节点在共享频谱资源的情况下，优化空闲频谱资源定价的前提下，进一步优化分簇内的频谱响应特性，增强无人机网络分簇系统的时延保障能力。每个无人机簇头m对其他无人机用户节点n检测的虚警概率、检测概率分别表示为
[0044][0045]
其中p
f,n
和p
d,n
分别为无人机用户节点n的虚警概率与检测概率，λn为检测的噪声门限值，为高斯白噪声功率，snr为检测信噪比，ts为频谱感知时间，fs为频谱感知的采样频率，函数q(x)表示为
[0046][0047]
为了确保无人机簇头在不干扰其他簇内的无人机用户节点情况下准确检测该簇内无人机节点，则要求检测概率不低于最低检测概率，即p
d,n
≥p
d,n,min
，则虚警概率p
f,n
的取值范围为
[0048][0049]
其中，q-1
(p
d,n,min
)为关于p
d,n,min
的反函数。
[0050]
在无人机自组网络分簇内有m个无人机簇头，每个簇头下有n个无人机用户节点参与频谱分配，无人机用户节点之间的交互信息采用“或”运算传输融合，则多无人机用户节点之间的至少存在一个虚警的无人机下的协同虚警概率p
′f与至少存在一个无人机被检测到下的协同检测概率p
′d分别为
[0051][0052]
其中，p
f,n
表示为虚警概率，即不存在目标而误判成有目标的情况；1-p
f,n
表示为正确不检测概率，即不存在目标时判定为无目标的情况；p
d,n
表示为检测概率，即存在目标时判定成有目标的情况；1-p
d,n
表示为漏检概率，即存在目标而误判为无目标的情况。
[0053]
设通信帧时长为tb，每个簇内所有无人机用户节点的频谱感知响应时间为ts，其通信协作开销所需的平均时间为则单无人机分簇簇头到簇内所有无人机用户节点所需的协同感知时间为地面移动网络基站到各个簇头所需的协同感知时间为则该无人机网络分簇系统中无人机虚拟基站到无人机用户节点的信息传输时间为
[0054][0055]
该无人机自组织网络分簇系统中的有效频谱接入概率为
[0056]
p
ac
＝(1-p
′f)
·
p0ꢀꢀꢀꢀꢀꢀ
(22)
[0057]
其中p0为簇内无人机用户节点无通信链路时空闲状态的概率。
[0058]
设无人机自组织网络分簇系统中的无人机簇头对每个无人机用户节点n在子载波k上的发射功率为p
k,mn
，在子载波k上无人机簇头m到对应的簇内节点uav
mn
之间的信道衰落增益为h
k,n
，则得出无人机簇头到簇内无人机用户节点的频谱感知响应下的信息吞吐总量表示为
[0059][0060]
其中,为通信链路上受到的加性高斯白噪声，i
k,n
为通信链路上受无人机用户节点之间的相互干扰功率。
[0061]
可以得出信息传输时间td关于发射功率的表达式为
[0062][0063]
当其他无人机簇头错误感知无人机用户节点或者正常通信传输时，此时该无人机用户节点的频谱接入对其通信链路产生了一定的干扰，可以得出其受到干扰功率为
[0064][0065]
其中，1-p0为该无人机用户节点的通信繁忙的概率，g
k,n
为各无人机用户节点对该无人机用户节点通信链路的信道衰弱增益。
[0066]
为了使得无人机用户节点频谱感知的响应时间ts最小化，即使得信息传输时间td的表达式(24)最大化，此时在一定帧时长tb内无人机簇头到簇内无人机用户节点频谱感知最佳响应下的信息吞吐总量最大。在确保满足频谱检测概率、发射功率以及干扰功率等系统准则的前提下，结合式(23)，建立最佳响应策略优化模型1：
[0067][0068]
s.t.p
′d≥p
d,min
ꢀꢀꢀꢀꢀꢀꢀꢀ
(27)
[0069][0070][0071]
td＞0
ꢀꢀꢀꢀꢀꢀꢀ
(30)
[0072]
其中，帧时长tb为一个定值，p
d,min
为无人机簇头对簇内无人机用户节点的最低检测概率，i
k,n,max
为无人机用户节点所能遭受到的最大干扰功率约束，p
max
为该无人机簇头所能发射的最大功率，td为频谱感知与分配之后信息传输所需的时间。
[0073]
(4)分析最佳频谱响应模型
[0074]
在约束条件(27)满足p
′d＝p
′
d,min
(即p
d,n,min
＝1-(1-p
′
d,min
)
1/k
)的情况下，根据式(29)(30)，当p
f,n
取得最小值时，也求解出p
′f的最小值，其中最小值p
f,n
表示为
[0075][0076]
此时，由式(22)可得出有效频谱接入概率p
ac
，且优化问题中的td/tb取得最大值。结合式(20)，将p
′d＝p
d,min
和最小值p
f,n,min
代入模型1，可得出化简后的模型2：
[0077]
[0078][0079][0080]
td＞0
ꢀꢀꢀꢀꢀꢀꢀ
(35)
[0081]
当无人机簇头到簇内无人机用户节点在频谱感知响应下的信息吞吐总量一定的情况下，使用拉格朗日乘数法，对每个约束条件引入拉格朗日对偶变量，得出模型2的拉格朗日函数为
[0082][0083]
其中λ0,μ0,α0分别为约束条件(33)(34)(35)对应的非负拉格朗日对偶系数。为了减少上述式子的复杂度，简化式子中的一些常数，令θ1＝(1-p
f,n,min
)mp0，θ2＝(1-p
d,n,min
)m(1-p0)，则式(36)可以简化为
[0084][0085]
根据最优化理论可知，其最优解需满足以下karush-kuhn-tucker(kkt)条件方程组：
[0086][0087][0088][0089]
υ0td＝0
ꢀꢀꢀ
(41)
[0090]
其中λ0≥0，μ0≥0，υ0＝0。根据式(37)，可以求得最大信息传输时间td(即最大td/tb)情况下的最优功率分配为
[0091][0092]
其中θ1＝(1-p
f,n,min
)mp0，θ2＝(1-p
d,n,min
)m(1-p0)，λ0≥0，μ0≥0。可以得出在最佳响应下移动网络基站到无人机用户节点的最大信息吞吐总量所需要的频谱感知响应时间ts为
[0093][0094]
通过迭代更新获取最优的拉格朗日系数λ0与μ0的值，其迭代公式可以表示为
[0095][0096]
其中i表示拉格朗日系数迭代更新的次数，δλ0,δμ0分别表示拉格朗日系数λ0与μ0每次迭代的步进值，(y)

表示取得的最大值介于0和y中。随着(y)

的最大值的变化，拉格朗日系数λ0与μ0逐渐趋于收敛时，即λ
0,(i 1)
＝λ
0,(i)
,μ
0,(i 1)
＝μ
0,(i)
时，满足约束条件中的和此时，在确定无人机簇头分配的最优功率p
k,mn
关于频谱感知响应时间ts的表达式(43)后，结合约束条件，可以进一步得出模型3：
[0097][0098][0099]
其中θ1＝(1-p
f,n,min
)mp0，θ2＝(1-p
d,n,min
)m(1-p0)，由式(31)可知，最小虚警概率为其中q-1
(p
d,n,min
)为函数q关于最小检测概率p
d,n,min
的反函数。令常数的反函数。令常数则无人机簇头到簇内无人机用户节点在频谱感知响应下的信息吞吐总量r
k,n
关于频谱感知响应时间ts的一阶导数表示为
[0100]
[0101]
显然，该一阶导数是一个单调递减函数。当频谱感知响应时间时，该一阶导数当频谱感知响应时间时，且则该一阶导数所以由一阶导数可以看出，函数r
k,n
(ts)随着ts的增加呈现出先增后减的情况，即在区间ts∈(0,t
b-tm)内存在使得一阶导数的值，此时最优的频谱感知响应时间ts与最优功率分配情况下，使得信息吞吐总量r
k,n
最大化。
[0102]
为了减少计算的复杂度，将使用二分法迭代计算出精度为ξ
t
的最优频谱感知响应时间ts，具体计算流程如下所示：
[0103]
(1)初始化t
s,min
和t
s,max
，设定t
s,min
＝0,t
s,max
＝t
b-tm；
[0104]
(2)迭代求解过程如下：
[0105]
1)计算ts＝(t
s,min
t
s,max
)/2；
[0106]
2)如果式(47)中的则更新t
s,max
＝ts；否则，更新t
s,min
＝ts；
[0107]
(3)重复(2)，直到0≤t
s,max-t
s,min
≤ξ
t
，即求解出的ts满足迭代收敛精度ξ
t
时的最优ts值；
[0108]
(4)输出最优值
[0109]
对于多变量优化问题的求解过程，可将采用交替方向乘子法，交替迭代更新{p
k,mn
}和ts两个参数，并求解联合约束下的全局最优解。在每次迭代更新的过程中，目标函数r
k,n
呈单调递增状态，直至达到收敛值为止，此时{p
k,mn
}和ts也达到最优值。其具体计算流程如下所示：
[0110]
(1)初始化各个参数，设定迭代次数i＝0、t
s,(i)
∈(0,t
b-tm)、{p
k,mn,(i)
}＝{0}；
[0111]
(2)迭代求解过程如下：
[0112]
1)将设定好的t
s,i
值代入式(42)求解出无人机簇头的最优发射功率并赋值
[0113]
2)将{p
k,mn,(i 1)
}值代入式(47)，求解出最优信息吞吐总量下的频谱感知响应时间并赋值
[0114]
3)将求解出的{p
k,mn,(i 1)
}与t
s,(i 1)
，代入式(45)求出信息吞吐总量r
k,n
，并令迭代次数i＝i 1；
[0115]
(3)重复(2)，直到信息吞吐总量r
k,n
收敛为止。
附图说明
[0116]
图1：信息吞吐总量r
k,n
随着无人机簇头数量m和频谱感知响应时间ts之间的变化关系图。
[0117]
图2：在4个无人机簇头下的信息吞吐总量r
k,n
随着无人机发射功率p
k,m
和频谱感知响应时间ts之间的变化关系图。
[0118]
图3：不同无人机簇头数量m下的信息吞吐总量r
k,n
与频谱感知的响应时间ts之间
的关系变化曲线。
[0119]
图4：4个无人机簇头在不同发射功率p
k,mn
下的信息吞吐总量r
k,n
随频谱感知响应时间ts的变换关系曲线。
[0120]
图5：4个无人机簇头在不同频谱感知响应时间ts下的信息吞吐总量r
k,n
随发射功率p
k,mn
的变换关系曲线。
[0121]
图6：不同无人机簇头数量m下的频谱感知响应时间ts随各无人机簇头发射功率p
k,mn
之间的关系变化曲线。
具体实施方式
[0122]
以下将结合具体实施例对本发明提供的技术方案进行详细说明。
[0123]
在分簇结构无人机自组织网络中，设无人机簇头数量分别为m＝1,2,...,8，无人机用户节点数目为n＝20，无人机虚拟基站信息传输的帧时长为tb＝10ms，每个无人机簇头发射功率为p
k,mn
＝100mw，簇内无人机用户节点无通信链路时空闲状态的概率p0＝0.5，虚警概率p
f,n
满足式子，频谱感知的采样频率为fs＝100khz，每个无人机节点通信协作开销所需的平均时间为每条通信链路上的噪声功率为5mw。如图1所示，给出信息吞吐总量r
k,n
随着无人机簇头数量m和频谱感知响应时间ts之间的变化关系图。由图中可以看出，不同无人机簇头与频谱感知响应时间的网络系统中存在信息吞吐总量的最大值。在无人机簇头发射功率不变的情况下，当无人机簇头数量一定时，信息吞吐总量随着频谱感知响应时间的减少而增加；当频谱感知响应时间一定时，信息吞吐总量随着簇头数量的增加而呈现出先递增后递减的情况。这是由于过多的无人机簇头使得整体协同正确不检测概率下降，且单位帧时长内各个无人机节点的协同感知的时间开销增加，将进一步使得信息传输时间被压缩，从而使得网络系统中的信息吞吐总量出现减少的情况。
[0124]
图2给出在4个无人机簇头下的信息吞吐总量r
k,n
随着无人机发射功率p
k,m
和频谱感知响应时间ts之间的变化关系图，其他条件同上述的一样。由图可知，在不同的无人机发射功率与频谱感知响应时间的网络系统中存在信息吞吐总量的最大值。在无人机簇头数量设定的情况下，当频谱感知响应时间一定时，网络中最大信息吞吐总量随着无人机簇头发射功率在特定范围内增加而增加，然后趋于收敛状态；当无人机簇头发射功率一定时，网络中最大信息吞吐量随着频谱感知响应时间的增加而减小，并趋于收敛状态。这是由于当无人机簇头的发射功率足够大时，网络中存在相交干扰，且单位帧时长内的信息传输时间被压缩，所以信息吞吐总量几乎趋于不再变化的状态；而当频谱感知响应时间足够小时，单位帧时长中的信息传输时间也将达到最大化，有充足的时间来进行网络信息吞吐与传输，所以此时信息吞吐总量也将达到最大化。
[0125]
可见根据上述方式，可得出不同无人机簇头数量下的信息吞吐总量r
k,n
与频谱感知的响应时间ts之间的关系变化曲线如图3所示。由图中可以看出，不论无人机簇头数量多少，无人机网络分簇系统的信息吞吐总量r
k,n
都是随着频谱感知响应时间ts的变化而变化，r
k,n
随着ts的增加而逐渐减少。这是由于当ts较大时，网络的频谱感知响应时间较长，从而使得在特定帧率下的信息传输时间td减少，从而导致信息吞吐总量减少。此外，在相同的频谱感知响应时间下，在无人机簇头数目m在1～4之间时，网络信息吞吐总量随着无人机簇头数量的增加而增加，但是在m＝5时，信息吞吐总量反而出现下降的情况。这是因为簇头节点数
量在一定范围内，可以增加无人机用户节点之间的信息传输效率。但是当簇头数量较多时，各无人机之间的协同感知时间tm增加，信息传输时间td随之减少，与此同时，各个无人机簇头协同正确不检测概率也随着减小，进而导致5个无人机簇头的信息吞吐量略小于4个无人机簇头的情况。
[0126]
为了进一步了解该无人机自组织网络的信息吞吐总量与每个无人机簇头发射功率以及频谱感知响应时延之间关系，设定系统由4个无人机簇头与20个无人机用户节点组成，其余参数与上述的一致。由仿真计算得出4个无人机簇头在不同发射功率p
k,mn
下的信息吞吐总量r
k,n
随频谱感知响应时间ts的变换关系曲线如图4所示。由图4可知，无人机簇头发射功率为0.1w≤p
k,mn
≤0.2w时，由于频谱感知响应时间增加，导致在单位帧时长内缩短，从而使得网络分簇系统中的信息吞吐总量随着频谱感知响应时间的增加而减少，且减少速率逐渐减慢。可见，当频谱感知响应时间较小时，各无人机之间受到的干扰功率较大，因此信息吞吐总量下降较快，但是当频谱感知响应时间达到最大时，信息吞吐总量也将趋于收敛状态。此外，在同一频谱感知响应时间下，当无人机簇头发射功率越大，则系统的信息吞吐总量也就越大，且速率增长率逐渐减慢。因此，如图5所示，可以直观地表现出4个无人机簇头在不同频谱感知响应时间ts下的信息吞吐总量r
k,n
随发射功率p
k,mn
的变换关系曲线。
[0127]
由图5可知，各无人机簇头在同一发射功率下，各无人机用户节点的频谱感知响应越快，系统信息吞吐总量就越大；在信息吞吐总量一定的情况下，频谱感知响应越快，则各无人机簇头所需要的发射功率也就越小；系统信息吞吐总量随着各无人机簇头发射功率的增加而增加，且增速逐渐减小，趋于收敛状态。这是由于随着发射功率p
k,mn
的增加，可见最大发射功率约束条件从松约束变为紧约束，且越来越紧，从而使得信息吞吐总量基本不再随之变化。
[0128]
为了解各无人机簇头的发射功率与频谱感知响应时间之间的关系变化情况，设定系统信息吞吐总量为r
k,n
＝4bits/s/hz，虚警概率为固定值p
f,n
＝0.92％，噪声功率为0.6mw，在其他参数条件不变的情况下，可以得出如图6所示的不同无人机簇头数量下的频谱感知响应时间ts随各无人机簇头发射功率p
k,mn
之间的关系变化曲线。由图中可以看出，在系统信息吞吐总量与虚警概率为定值的情况下，当各无人机用户节点数量以及无人机簇头发射功率一定时，频谱感知响应时间随着无人机簇头的增加而减少。这是由于在满足固定的虚警概率下，较多无人机簇头在对相同数量的无人机用户节点进行协同检测并分配频谱资源，自然比较少簇头情况下的感知得快，所用时间越短。此外，从图中也可以看出，当频谱感知响应时间一定时，随着无人机簇头的增加，则各无人机簇头所需的发射功率也增加。因为在增加无人机协同感知的过程中，势必会增加网络系统中的干扰功率，降低有效频谱接入概率，因此在不变感知时间段额情况下需要增加一定的发射功率。由于受到信息吞吐总量与最大发射功率约束的限制，所以当发射功率足够大时，频谱感知响应时间将趋于收敛值。