CN100546232C - 一种基于可靠度的分布式频谱检测方法 - Google Patents

Abstract

一种基于可靠度的分布式频谱检测方法，属于通信技术领域中的CR领域，涉及CR分布式频谱感知方法。首先，各租赁用户在本地独立进行频谱检测，得到频谱检测统计量x_Ei；然后，对各租赁用户的频谱检测统计量x_Ei赋予相应“可靠度”：m(H₁)、m(H₀)和m(Ω)；再将检测可靠度传送给中心接入点后，由中心接入点使用D-S证据理论的组合规则对这些信息进行组合；最后，建立一个博弈概率分布BetP(A)，利用博弈概率分布BetP(A)判决是否有原始用户存在。本发明克服了目前采用“与”、“或”逻辑的分布式频谱检测的缺点，将各租赁用户检测结果的“可靠度”考虑到了中心接入点的最终判决结果中，从而在提高系统的检测概率的同时尽可能地降低了虚警概率；能大大提高整个CR系统的频谱检测性能。

Description

一种基于可靠度的分布式频谱检测方法

技术领域

一种基于可靠度的分布式频谱检测方法，属于通信技术领域，具体地说，属于认知无线电(CR)领域，特别涉及认知无线电分布式频谱感知方法。

背景技术

认知无线电技术为租赁用户SU接入授权的原始用户PU频段提供了可能，其中正确检测某频段是否被原始用户PU占用是认知无线电的核心技术之一。在信号侦察领域提出的能量检测及基于周期特性的检测算法已经被引入到该领域中，用于单个租赁用户SU在其所处位置上检测某频段上是否有原始用户PU信号存在。但在无线信道环境中，单个租赁用户SU所处位置可能遇到深衰落、“隐藏站点”等情况，从而大大影响其检测结果。为了提高检测结果可靠度，目前，综合多个租赁用户SU频谱检测结果的分布式检测算法也开始受到关注。分布式频谱检测的主要思想是：多个租赁用户SU首先在当地进行频谱检测，将检测结果(取值为0或1，其中0表示没有原始用户PU信号存在，1表示有原始用户PU信号存在)分别传送给中心接入点AP。中心接入点AP对各租赁用户SU的本地检测结果进行“与”、“或”逻辑运算，然后根据运算结果为0或者1(0表示没有原始用户PU信号存在，1表示有原始用户PU信号存在)来最终判定该频段上是否有原始用户PU信号存在。也就是说，通常的分布式频谱检测算法主要包含两个步骤：

1)、单个租赁用户SU在当地进行频谱检测，并将结果传给中心接入点AP；

2)、中心接入点AP对来自各租赁用户SU的检测结果进行“与”、“或”运算，从而得到最终检测结果。

对于步骤1)中单个租赁用户SU在当地进行频谱检测的算法有多种，目前在CR技术中广泛被研究的有三种，它们分别为：匹配滤波、能量检测与特性检测(参见Danijela Cabric，Shridhar Mubaraq Mishra，Robert W.Brodersen，“Implementation issues in spectrum sensing forcognitive radios”，the Thirty-Eighth Asilomar Conference on Signals，Systems and Computers，vol.1，pp.772-776，Nov.2004)。不管单个租赁用户SU在当地采用什么形式的本地频谱检测算法，它们的检测模型都是相同的。这种检测模型可以用二元假设检验来表示，其中H₁、H₀分别表示原始用户PU信号存在与不存在的情况：

$\left\{\begin{array}{c}{H}_0:x\left(t\right)=n\left(t\right)\\ H_1:x\left(t\right)=h\left(t\right)s\left(t\right)+n\left(t\right)\end{array}\right.---\left(1\right)$

其中n(t)和h(t)均为复高斯随机过程，s(t)表示发送信号。

单个租赁用户SU在当地进行频谱检测后，作以下两种判决的一种，如表一所示。

表1两种判决结果

D<sub>0</sub>	该频段上没有原始用户PU存在
		D<sub>1</sub>	该频段上有原始用户PU存在

当该频段上没有原始用户PU存在(H₀)，而经检测得到的却是该频段上有原始用户PU存在的判决D₁时，称为虚警。由此得到的虚警概率P_FA表示为

P_FA＝P(D₁|H₀)(2)

当该频段上有原始用户PU存在(H₁)而经检测得到的却是该频段上没有原始用户PU存在的判决D₀时，称为漏检。由此得到的漏检概率P_MD表示为

P_MD＝P(D₀|H₁)(3)

检测概率P_D即为

P_D＝1-P_MD(4)

为了展示频谱检测的性能，通常采用ROC(Receiver Operating Characteristics)曲线来衡量。该曲线的横坐标为虚警概率，纵坐标为检测概率，即检测概率随虚警概率变化的曲线图。

为了更清晰的说明本专利的，在单个租赁用户SU处选取能量检测为例来阐述。下面简要介绍能量检测的算法。

能量检测(详见Harry Urkowitz，“Energy detection of unknown deterministic signals”，proceedings of IEEE，vol.55，No.4，April，1967.)

能量检测的基本思想是将接收端收到的信号x_j(j＝1，...，N)通过中心频率W_j及带宽为预先设定值的滤波器，然后相继通过平方律检测器和积分时间为设定值T_j的积分器，最后将输出结果与判决门限τ比较。将该算法思想应用于认知无线电领域租赁用户SU的本地频谱检测算法中，由此得到第i个租赁用户SU处的能量检测统计量为

$x_{E_i}=\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{\left|x_j\right|}^2---\left(5\right)$

可以证明，该检测统计量在假设H₀下服从自由度为N的开平方分布

$x_{E_i}~{\mathrm{\χ}}_N^2---\left(6\right)$

在假设H₁下服从自由度为N的非中心开平方分布

$x_{E_i}~{\mathrm{\χ}}_N^2(\mathrm{\λ}\≡\frac{E_s}{N_{02}})---\left(7\right)$

其中E_s表示信号能量，N₀₂为噪声双边功率谱密度。当N＞250时，可以用高斯分布来对两种假设{H₀，H₁}下的检测统计量进行近似，并能得到较好的效果。在假设H₀、H₁下接收信号的均值和方差分别表示为μ_n、μ_s+n、σ_n和σ_s+n。

μ_n＝NP_n(8)

μ_s+n＝N(P_n+P_s)(9)

${\mathrm{\σ}}_n=\sqrt{2N}{P}_n---\left(10\right)$

${\mathrm{\σ}}_{s+n}=\sqrt{2N(P_n^2+2P_n{P}_s)}---\left(11\right)$

其中P_s、P_n分别表示信号、噪声的功率。

对于步骤2)中的“与”、“或”逻辑运算，介绍如下：

“与”逻辑合并

中心接入点AP将来自各租赁用户SU的检测结果(0或1)进行“与”逻辑运算，它的基本思想为：当所有检测器都判决为有信号时，融合中心才判决某频段已被使用。

“或”逻辑合并

中心接入点(AP)将来自各租赁用户(SU)的检测结果(0或1)进行“或”逻辑运算，它的基本思想为：只要有一个本地检测器判决为有信号存在，融合中心即判决某频段已被使用。

从上面的介绍可以看出，采用“与”逻辑的分布式频谱检测方法可以在很大程度上降低目标检测过程中的虚警概率，但是要求各本地检测器对原始用户信号的检测概率达到100％，否则将导致系统检测效率的极大地下降；而采用“或”逻辑的分布式频谱检测方法虽然能在本地检测器接收到的信号受到严重干扰等条件下保证较高的检测概率，却带来了更高的虚警概率，降低了频谱利用率。此外，仔细分析这两种分布式检测方法，可以发现，它们都将来自各租赁用户SU的检测结果等同考虑，而实际上，不同位置的租赁用户SU由于所处的信道环境不同，有的可能经历深衰落，有的可能距离原始用户PU比较近，由此造成它们的检测结果的可靠度是不一样的。信道条件较好，距离原始用户PU较近的租赁用户SU检测可靠度较高，反之则较低。而目前的分布式频谱检测算法都将来自各租赁用户SU的检测结果可靠度认为相同，因此不是最优的分布式检测算法。

发明内容

本发明的目的是提供一种有效的分布式频谱检测方法，该方案克服了目前采用“与”、“或”逻辑的分布式频谱检测的缺点，将各租赁用户SU检测结果的“可靠度”考虑到了中心接入点AP的最终判决结果中，从而在提高系统的检测概率的同时尽可能地降低了虚警概率。为了衡量各租赁用户的当地频谱检测结果的可靠度，本发明引入了D-S证据理论。采用该方案，能大大提高整个认知无线电CR系统的频谱检测性能，比采用“与”、“或”逻辑合并方式在性能上有非常明显的提高。

本发明技术方案为：

一种基于可靠度的分布式频谱检测方法，其特征是，采用下面的步骤实现：

步骤1：租赁用户SU在本地独立进行频谱检测，得到频谱检测统计量

单个租赁用户SU在当地进行频谱检测的算法可以是：匹配滤波、能量检测和特性检测算法。以本地检测采用能量检测为例，根据(12)式计算所观测频段上的接收信号功率x_P：

$x_P=\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{\left|x_j\right|}^2---\left(12\right)$

作为频谱检测统计量

其中N表示进行频谱检测时间段内的接收信号的采样数目。

步骤2：对各租赁用户SU在本地独立进行频谱检测的结果赋予相应“可靠度”。

对于可靠度的计算，选取D-S证据理论中关于计算基本概率分配函数的算法来实现：

在假设所观测频段上有原始用户PU信号存在(H₁)或没有原始用户PU信号存在(H₀)的情况下，步骤1得到的检测统计量

服从概率分布函数：

$H_1:m\left(H_1\right)=\frac{1}{\sqrt{2\mathrm{\π}}{\mathrm{\σ}}_{s+n}}\exp (-\frac{{(x_{E_i}-{\mathrm{\μ}}_{s+n})}^2}{2{\mathrm{\σ}}_{s+n}^2})$

$H_0:m\left(H_0\right)=\frac{1}{\sqrt{2\mathrm{\π}}{\mathrm{\σ}}_n}\exp (-\frac{{(x_{E_i}-{\mathrm{\μ}}_n)}^2}{2{\mathrm{\σ}}_n^2})$

其中：μ_n＝NP_n，μ_s+n＝N(P_n+P_s)， ${\mathrm{\σ}}_n=\sqrt{2N}{P}_n,$ ${\mathrm{\σ}}_{s+n}=\sqrt{2N(P_n^2+2P_n{P}_s)},$ 其中P_s、P_n分别表示信号、噪声的功率；计算出检测统计量

分别处于H₁、H₀情况下的概率m(H₁)、m(H₀)，以及对整个检测结果的不确定度m(Ω)＝m(H₀)+m(H₁)，其中Ω＝{H₁，H₀}，表示两种假设H₁、H₀均有可能存在的情况；并将m(H₁)、m(H₀)和m(Ω)作为各租赁用户SU的频谱检测可靠度。

步骤3：各租赁用户SU将检测可靠度m(H₁)、m(H₀)和m(Ω)传送给中心接入点AP后，中心接入点AP使用D-S证据理论的组合规则对这些信息进行组合。

设m₁(H₁)、m₁(H₀)和m₁(Ω)为一租赁用户SU₁的检测结果，m₂(H₁)、m₂(H₀)和m₂(Ω)为另一租赁用户SU₂的检测结果，对这两个结果应用D-S证据理论的组合规则进行综合：

$m_{12}\left(H_0\right)=\frac{m_1\left(H_0\right)m_2\left(H_0\right)+m_1\left(H_0\right)m_2\left(\mathrm{\Ω}\right)+m_1\left(\mathrm{\Ω}\right)m_2\left(H_0\right)}{1-m_1\left(H_1\right)m_2\left(H_0\right)-m_1\left(H_0\right)m_2\left(H_1\right)}---\left(13\right)$

$m_{12}\left(H_1\right)=\frac{m_1\left(H_1\right)m_2\left(H_1\right)+m_1\left(H_1\right)m_2\left(\mathrm{\Ω}\right)+m_1\left(\mathrm{\Ω}\right)m_2\left(H_1\right)}{1-m_1\left(H_1\right)m_2\left(H_0\right)-m_1\left(H_0\right)m_2\left(H_1\right)}---\left(14\right)$

m₁₂(Ω)＝1-m₁₂(H₁)-m₁₂(H₀)(15)

依次类推，对来自各租赁用户SU的检测结果按照上述规则继续进行综合，得到综合结果M(H₁)、M(H₀)和M(Ω)。

步骤4：基于步骤3得到的综合结果M(H₁)、M(H₀)和M(Ω)，首先依据非充分推理原理可建立一个博弈概率分布BetP(A)：

BetP(H₁)＝M(H₁)+αM(Ω)(16)

BetP(H₀)＝M(H₀)+βM(Ω)(17)

式中α+β＝1，α和β分别表示有原始用户信号存在或者没有原始用户存在的先验概率。然后根据最大概率原则作出决策，表示为

$\left\{\begin{array}{c}{H}_1:\mathrm{BetP}\left(H_1\right)>\mathrm{BetP}\left(H_0\right)\\ H_0:\mathrm{BetP}\left(H_0\right)>\mathrm{BetP}\left(H_1\right)\end{array}\right.---\left(18\right)$

由此得到分布式频谱检测的最终判决结果，若H₁为真，则表示有原始用户(PU)存在；若H₀为真，则表示没有原始用户(PU)存在。

步骤3中用到的D-S证据理论的基本概念以及组合规则介绍如下：

证据理论是由Dempster于1967年提出的，后由Shafer加以扩充和发展，所以又称D-S证据理论。由于它是一种可以处理由不知道所引起的不确定性的理论，目前在智能研究、目标识别等方面的应用吸引了广泛关注，并且显示出了较好的性能。

用Ω表示所有可能取值的一个集合，且所有在Ω内的元素间是互不相容的，则称Ω为一个识别框架。函数m：2^Ω→[0，1]在满足下列条件

m(φ)＝0(19)

$\underset{A\⋐\mathrm{\Ω}}{\mathrm{\Σ}}m\left(A\right)=1---\left(20\right)$

时，被称为基本概率赋值(BPA)函数。对于任意 $A\⊆\mathrm{\Ω},$ m(A)表示基于给定条件下对命题A的精确信任程度。若识别框架Ω的一子集为A，具有m(A)＞0，则称A为函数m的焦元。对于所有 $A\⊆\mathrm{\Ω},$ 与函数m相关的定义有信任函数bel和似真函数pl，分别为

$\mathrm{be}l\left(A\right)=\underset{B\⊆A}{\mathrm{\Σ}}m\left(B\right)---\left(21\right)$

$\mathrm{pl}\left(A\right)=\underset{A\∩B\≠\mathrm{\φ}}{\mathrm{\Σ}}m\left(B\right)---\left(22\right)$

其中bel(A)表示A的所有子集的可能性度量之和，即表示对A的总信任。pl(A)表示不否定A的程度，是所有与A相交的集合的基本概率赋值之和。

设m₁和m₂是Ω上的两个相互独立的基本概率赋值，可以通过D-S组合规则得到一个新的总体概率赋值 $m=m_1\⊕m_2,$ 定义如下：

m(φ)＝0(23)

$m\left(A\right)=\frac{\underset{B\∩C=A}{\mathrm{\Σ}}{m}_1\left(B\right)m_2\left(C\right)}{\underset{B\∩C\≠\mathrm{\φ}}{\mathrm{\Σ}}{m}_1\left(B\right)m_2\left(C\right)}---\left(24\right)$

本发明的实质是：在CR频谱检测领域，为了提高检测可靠度，基于多个租赁用户SU的分布式频谱检测方式吸引了广泛关注。而目前提出的基于“与”、“或”逻辑分布式频谱检测算法比单个租赁用户SU的本地频谱检测在检测性能上有很大提高，但由于它没有利用不同位置的租赁用户SU所处信道环境不同而导致检测可靠度不同这一重要信息，因此不能达到最优的检测性能。本发明提出充分利用不同租赁用户SU检测结果可靠度这一信息，并将其融入到分布式频谱检测的最终决策过程中。比基于“与”、“或”逻辑的分布式频谱检测在性能上有很大的提高。

本发明的创新之处在于：在CR频谱检测领域，目前已有的基于“与”、“或”逻辑分布式频谱检测算法没有利用不同位置的租赁用户SU所处信道环境不同而导致检测可靠度不同这一重要信息，因此它的检测性能不是最优的。本发明提出充分利用不同租赁用户SU检测结果可靠度这一信息，并将其融入到分布式频谱检测的最终决策过程中。从而将不同租赁用户SU的检测可靠度也考虑到了分布式频谱检测中，而不是像“与”、“或”逻辑合并那样将每个租赁用户SU的检测结果等同对待，从而大大提高了CR系统的频谱检测性能。

附图说明

图1是本发明涉及的分布式频谱检测方法流程图。

图2是根据本发明中具体实施方式的例子得出的性能仿真曲线，与传统的“与”、“或”逻辑合并的分布式频谱检测的性能比较。

具体实施方式

本发明的一个具体实例如下所述，参数设定不影响一般性。本例中采用GSM网络作为原始用户PU及无线局域网用户作为租赁用户SU的系统对所提出的算法进行验证。其中GSM系统的符号率为f_s＝270.833kbit/s，4倍采样，信号经过AWGN信道，3个不同的租赁用户SU分别采用能量检测算法进行本地检测。假设这3个租赁用户SU所处位置的信噪比SNR分别为-12dB、-14dB和-16dB，信号存在与不存在的先验概率均为0.5，即α＝β＝0.5。这3个租赁用户SU采用能量检测作为本地频谱检测的算法，检测时间为1ms。本发明提出的基于“可靠度”的分布式频谱检测方法的具体计算过程如下：

1.第j(j＝1，2，3)个租赁用户(SU_i)进行本地检测，采用能量检测算法计算检测统计量

根据(5)式 $x_{E_i}=\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{\left|x_j\right|}^2$ 得到接收信号功率的统计值

由于检测时间为1ms，所以N＝270.833×4≈1083。

2.根据技术背景中关于能量检测技术的介绍，当N＞250时，可以用高斯分布来对两种假设{H₀，H₁}下的检测统计量

进行近似，并能得到较好的效果。根据(8)～(11)式计算在假设H₀、H₁下接收信号的均值和方差μ_n、μ_s+n、σ_n和σ_s+n。由此可以将依据检测统计量

得到对于假设H₀、H₁的基本概率分配：

$H_1:m_i\left(x_{E_i}\right)=\frac{1}{\sqrt{2\mathrm{\π}}{\mathrm{\σ}}_1}\exp (-\frac{{(x_{E_i}-{\mathrm{\μ}}_1)}^2}{{\mathrm{\σ}}_1^2})---\left(25\right)$

$H_0:m_i\left(x_{E_i}\right)=\frac{1}{\sqrt{2\mathrm{\π}}{\mathrm{\σ}}_0}\exp (-\frac{{(x_{E_i}-{\mathrm{\μ}}_0)}^2}{{\mathrm{\σ}}_0^2})---\left(26\right)$

以及第j(j＝1，2，3)个租赁用户SU_j对其检测结果的整体不确定度

m_i(Ω)＝1-m_i(H₁)-m_i(H₀)(27)

3.在中心接入点AP处，利用D-S证据理论的组合规则，将单个租赁用户SU_j的本地检测结果进行两两综合，得到最终检测结果M(H₁)、M(H₀)和M(Ω)，具体过程如下：

a)第1个与第2个租赁用户SU₁和SU₂的证据组合：

$m\_\mathrm{temp}\left(H_0\right)=\frac{m_1\left(H_0\right)m_2\left(H_0\right)+m_1\left(H_0\right)m_2\left(\mathrm{\Ω}\right)+m_1\left(\mathrm{\Ω}\right)m_2\left(H_0\right)}{1-m_1\left(H_1\right)m_2\left(H_0\right)-m_1\left(H_0\right)m_2\left(H_1\right)}---\left(28\right)$

$m\_\mathrm{temp}\left(H_1\right)=\frac{m_1\left(H_1\right)m_2\left(H_1\right)+m_1\left(H_1\right)m_2\left(\mathrm{\Ω}\right)+m_1\left(\mathrm{\Ω}\right)m_2\left(H_1\right)}{1-m_1\left(H_1\right)m_2\left(H_0\right)-m_1\left(H_0\right)m_2\left(H_1\right)}---\left(29\right)$

m_temp(Ω)＝1-m_temp(H₁)-m_temp(H₀)(30)

b)将a)中得到的m_temp(H₁)、m_temp(H₀)和m_temp(Ω)与第3个租赁用户SU₃的检测结果进行组合：

$M\left(H_1\right)=\frac{m\_\mathrm{temp}\left(H_1\right)m_3\left(H_1\right)+m\_\mathrm{temp}\left(H_1\right)m_3\left(\mathrm{\Ω}\right)+m\_\mathrm{temp}\left(\mathrm{\Ω}\right)m_3\left(H_1\right)}{1-m\_\mathrm{temp}\left(H_1\right)m_3\left(H_0\right)-m\_\mathrm{temp}\left(H_0\right)m_3\left(H_1\right)}---\left(31\right)$

$M\left(H_0\right)=\frac{m\_\mathrm{temp}\left(H_0\right)m_3\left(H_0\right)+m\_\mathrm{temp}\left(H_0\right)m_3\left(\mathrm{\Ω}\right)+m\_\mathrm{temp}\left(\mathrm{\Ω}\right)m_3\left(H_0\right)}{1-m\_\mathrm{temp}\left(H_1\right)m_3\left(H_0\right)-m\_\mathrm{temp}\left(H_0\right)m_3\left(H_1\right)}---\left(32\right)$

M(Ω)＝1-M(H₁)-M(H₀)(33)

4.基于M(H₁)、M(H₀)和M(Ω)，根据选定的决策规则进行最终判决：

BetP(H₁)＝M(H₁)+0.5M(Ω)(34)

BetP(H₀)＝M(H₀)+0.5M(Ω)(35)

由此可将判决表达式

$\left\{\begin{array}{c}{H}_1:\mathrm{BetP}\left(H_1\right)>\mathrm{BetP}\left(H_0\right)\\ H_0:\mathrm{BetP}\left(H_0\right)>\mathrm{BetP}\left(H_1\right)\end{array}\right.---\left(36\right)$

简化为

$\left\{\begin{array}{c}{H}_1:M\left(H_1\right)>M\left(H_0\right)\\ H_0:M\left(H_0\right)>M\left(H_1\right)\end{array}\right.---\left(37\right)$

经过以上步骤后，就可以实现本发明提出的基于可靠度分布式频谱检测。

Claims (3)

1、一种基于可靠度的分布式频谱检测方法，其特征是，采用下面的步骤实现：

步骤1：租赁用户(SU)在本地独立进行频谱检测，得到频谱检测统计量

步骤2：对各租赁用户(SU)在本地独立进行频谱检测的结果赋予相应“可靠度”；对于可靠度的计算，选取D-S证据理论中关于计算基本概率分配函数的算法来实现：

在假设所观测频段上有原始用户(PU)信号存在(H₁)或没有原始用户(PU)信号存在(H₀)的情况下，步骤1得到的检测统计量

服从概率分布函数：

$H_1:m\left(H_1\right)=\frac{1}{\sqrt{2\mathrm{\π}}{\mathrm{\σ}}_{s+n}}\exp (-\frac{{(x_{E_i}-{\mathrm{\μ}}_{s+n})}^2}{2{\mathrm{\σ}}_{s+n}^2})$

$H_0:m\left(H_0\right)=\frac{1}{\sqrt{2\mathrm{\π}}{\mathrm{\σ}}_n}\exp (-\frac{{(x_{E_i}-{\mathrm{\μ}}_n)}^2}{2{\mathrm{\σ}}_n^2})$

其中：μ_n＝NP_n，μ_s+n＝N(P_n+P_s)， ${\mathrm{\σ}}_n=\sqrt{2N}{P}_n,$ ${\mathrm{\σ}}_{s+n}=\sqrt{2N(P_n^2+2P_n{P}_s)},$ 其中N表示进行频谱检测时间段内的接收信号的采样数目，P_s、P_n分别表示信号、噪声的功率；计算出检测统计量

分别处于H₁、H₀情况下的概率m(H₁)、m(H₀)，以及对整个检测结果的不确定度m(Ω)＝m(H₀)+m(H₁)，其中Ω＝{H₁，H₀}，表示两种假设H₁、H₀均有可能存在的情况；并将m(H₁)、m(H₀)和m(Ω)作为各租赁用户SU的频谱检测可靠度；

步骤3：各租赁用户(SU)将检测可靠度m(H₁)、m(H₀)和m(Ω)传送给中心接入点(AP)后，中心接入点(AP)使用D-S证据理论的组合规则对这些信息进行组合；

设m₁(H₁)、m₁(H₀)和m₁(Ω)为一租赁用户(SU₁)的检测结果，m₂(H₁)、m₂(H₀)和m₂(Ω)为另一租赁用户(SU₂)的检测结果，对这两个结果应用D-S证据理论的组合规则进行综合：

$m_{12}\left(H_0\right)=\frac{m_1\left(H_0\right)m_2\left(H_0\right)+m_1\left(H_0\right)m_2\left(\mathrm{\Ω}\right)+m_1\left(\mathrm{\Ω}\right)m_2\left(H_0\right)}{1-m_1\left(H_1\right)m_2\left(H_0\right)-m_1\left(H_0\right)m_2\left(H_1\right)}$

$m_{12}\left(H_1\right)=\frac{m_1\left(H_1\right)m_2\left(H_1\right)+m_1\left(H_1\right)m_2\left(\mathrm{\Ω}\right)+m_1\left(\mathrm{\Ω}\right)m_2\left(H_1\right)}{1-m_1\left(H_1\right)m_2\left(H_0\right)-m_1\left(H_0\right)m_2\left(H_1\right)}$

m₁₂(Ω)＝1-m₁₂(H₁)-m₁₂(H₀)

依次类推，对来自各租赁用户(SU)的检测结果按照上述规则继续进行综合，得到综合结果M(H₁)、M(H₀)和M(Ω)；

步骤4：基于步骤3得到的综合结果M(H₁)、M(H₀)和M(Ω)，首先依据非充分推理原理可建立一个博弈概率分布BetP(A)：

BetP(H₁)＝M(H₁)+αM(Ω)

BetP(H₀)＝M(H₀)+βM(Ω)

式中α+β＝1，α和β分别表示有原始用户信号存在或者没有原始用户存在的先验概率，然后根据最大概率原则作出决策，表示为

$\left\{\begin{array}{cc}{H}_1:& \mathrm{BetP}\left(H_1\right)>\mathrm{BetP}\left(H_0\right)\\ H_0:& \mathrm{BetP}\left(H_0\right)>\mathrm{BetP}\left(H_1\right)\end{array}\right.$

由此得到分布式频谱检测的最终判决结果，若H₁为真，则表示有原始用户(PU)存在；若H₀为真，则表示没有原始用户(PU)存在。

2、根据权利要求1所述的一种基于可靠度的分布式频谱检测方法，其特征是，单个租赁用户(SU)在当地进行频谱检测的算法是：匹配滤波、能量检测或特性检测算法。

3、根据权利要求2所述的一种基于可靠度的分布式频谱检测方法，其特征是，本地检测采用能量检测，根据 $x_P=\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{\left|x_j\right|}^2,$ N表示进行频谱检测时间段内的接收信号的采样数目，计算所观测频段上的接收信号功率x_P作为频谱检测统计量