CN101848012A - 一种合作频谱感知方法 - Google Patents

Abstract

本发明公开了一种合作频谱感知方法，可以根据设定的认知用户的虚警概率P_f，计算出认知用户高门限η₁、低门限η₀：然后，认知用户i利用双门限能量检测产生本地感知结果：主用户不存在的本地感知结果m_i(H₀)、主用户存在的本地感知结果m_i(H₁)，主用户存在不存在不确定的本地感知结果m_i(Ω)，把这些结果发送到融合中心。融合中心使用证据理论进行融合，最终得出主用户是否存在的判决。实验表明：本发明的检测概率明显高于“或融合”、“与融合”、单节点感知方法。同时，在相同的信噪比下，本发明的漏报概率也比“或融合”、“与融合”、单节点感知方法要低很多，这也是本发明性能优越性的一种体现。

Description

一种合作频谱感知方法

技术领域

本发明属于认知无线电技术领域，更为具体地讲，涉及到一种认知无线电中的合作频谱感知方法。

背景技术

随着无线电通信需求的不断增加，导致频谱资源出现紧缺，但分配给无线电系统的频谱资源却在时间和空间上出现不同程度的闲置。

认知无线电(Cognitive Radio，CR)的概念起源于1999年Joseph Mitolo博士的奠基性工作，其核心思想是CR具有学习能力，能与周围环境交互信息，以感知和利用在该空间的可用频谱，并限制和降低冲突的发生。CR的学习能力是使它从概念走向实际应用的真正原因。

随着认知无线电技术的发展，合作频谱感知技术越来越受到重视，因为相对于单用户感知而言，合作感知的可靠性和准确度更高。如图1所示，合作感知的思想是感知用户不断感知周围的环境，利用本地感知算法得出感知结果并送往融合中心(基站)，融合中心把本地结果融合得出主用户是否存在的判决。合作频谱感知方法有与融合、或融合等方法。

1、与融合

各个认知用户向融合中心传送对于主用户是否存在的判断，只有当所有认知用户都判断主用户存在，融合中心才判决主用户存在。经过“与融合”判断后，融合中心对于主用户的检测概率P_D和虚警概率P_F分别是：

$\left\{\begin{array}{c}{P}_D=\underset{i=1}{\overset{K}{\mathrm{\Π}}}{P}_{d,i}\\ P_F=\underset{i=1}{\overset{K}{\mathrm{\Π}}}{P}_{f,i}\end{array}\right.$

其中P_d，i、P_f，i分别是第i个用户的检测概率、虚警概率，K为认知用户的数量。

2、或融合

各个认知用户向融合中心传送对于主用户是否存在的判断，只要有一个认知用户判决主用户存在，融合中心就判决主用户存在。经过“或融合”判断后，融合中心对于主用户的检测概率P_D和虚警概率P_F分别是：

$\left\{\begin{array}{c}{P}_D=1-\underset{i=1}{\overset{K}{\mathrm{\Π}}}(1-P_{d,i})\\ P_F=1-\underset{i=1}{\overset{K}{\mathrm{\Π}}}(1-P_{f,i})\end{array}\right.$

检测概率P_D、P_d，i是指在主用户存在的情况下，融合中心、第i个认知用户判断有主用户存在的概率，代表了对主用户的保护程度；虚警概率P_F、P_f，i是指在主用户不存在的情况下，融合中心、第i个认知用户判断主用户存在的概率，代表了对频谱的利用程度。

“与融合”可以在很大程度上降低虚警概率，但要求各个认知用户对主用户的检测概率达到100％，否则会导致融合中心的判断性能极大下降，对主用户的保护程度低；而“或融合”虽然在认知用户检测受到干扰的情况保证较高的检测概率，但同时也带来了更高的虚警概率，降低了频谱的利用率。因而“与融合”、“或融合”都是不是最优的合作频谱感知方法

发明内容

本发明的目的在于克服现有合作频谱感知方法的不足，提出一种更为优化的合作频谱感知方法。

为实现上述发明目的，本发明的合作频谱感知方法，其特征在于，包括以下步骤：

(1)、根据设定的认知用户的虚警概率P_f，按以下公式计算出认知用户高门限η₁、低门限η₀：

η₁＝2p^-1(v，1-p_f)

η₀＝2/3·η₁

其中，v是时间带宽积，函数p(v，1-p_f)为：

$p(v,1-p_f)=\frac{1}{\mathrm{\Γ}\left(v\right)}\underset{0}{\overset{1-p_f}{\∫}}{t}^{v-1}\·e^{-t}\mathrm{dt}$

其中，Γ(v)为完全gamma函数；

(2)、计算出各个认知用户的本地感知结果：主用户不存在的本地感知结果m_i(H₀)、主用户存在的本地感知结果m_i(H₁)，主用户存在不存在不确定的本地感知结果m_i(Ω)，其中，i＝1，2…，K，K是认知用户的数量；

$m_i\left(H_0\right)=P\{T_i<{\mathrm{\&eta;}}_0|H_0\}+P\{{\mathrm{\&eta;}}_0<T_i<{\mathrm{\&eta;}}_1\left|H_0\right\}$

$=\underset{-\&infin;}{\overset{{\mathrm{\&eta;}}_0}{\&Integral;}}\frac{1}{\sqrt{2\mathrm{\&pi;}}{\mathrm{\&sigma;}}_{0i}}\exp [-{(x-u_{0i})}^2/{{\mathrm{\&sigma;}}_{0i}}^2]\mathrm{dx}+\underset{{\mathrm{\&eta;}}_0}{\overset{{\mathrm{\&eta;}}_1}{\&Integral;}}\frac{1}{\sqrt{2\mathrm{\&pi;}}{\mathrm{\&sigma;}}_{0i}}\exp [-{(x-u_{0i})}^2/{{\mathrm{\&sigma;}}_{0i}}^2]\mathrm{dx}$

$m_i\left(H_1\right)=P\{T_i>{\mathrm{\&eta;}}_1|H_1\}+P\{{\mathrm{\&eta;}}_0<T_i<{\mathrm{\&eta;}}_1\left|H_1\right\}$

$=\underset{{\mathrm{\&eta;}}_1}{\overset{+\&infin;}{\&Integral;}}\frac{1}{\sqrt{2\mathrm{\&pi;}}{\mathrm{\&sigma;}}_{1i}}\exp [-{(x-u_{1i})}^2/{{\mathrm{\&sigma;}}_{1i}}^2]\mathrm{dx}+\underset{{\mathrm{\&eta;}}_0}{\overset{{\mathrm{\&eta;}}_1}{\&Integral;}}\frac{1}{\sqrt{2\mathrm{\&pi;}}{\mathrm{\&sigma;}}_{1i}}\exp [-{(x-u_{1i})}^2/{{\mathrm{\&sigma;}}_{1i}}^2]\mathrm{dx}$

m_i(Ω)＝1-m_i(H₀)-m_i(H₁)

其中，P表示概率，T_i是第i个认知用户感知时的能量值，H₀表示主用户不存在，H₁表示主用户存在；u_0i，σ_0i是第i个认知用户本地检测能量

在主用户不存在时的均值和方差；u_1i，σ_1i是第i个认知用户本地检测能量

在主用户不存在时的均值和方差；

(3)、认知用户i将本地感知结果m_i(H₀)，m_i(H₁)，m_i(Ω)发送到融合中心，融合中心使用证据理论进行融合，得到主用户不存在的融合感知结果m(H₀)、主用户存在的融合感知结果m(H₁)：

$m\left(H_0\right)=\frac{\underset{A_1\&cap;A_2\&cap;...A_K=H_0}{\mathrm{\&Sigma;}}\underset{i=1}{\overset{K}{\mathrm{\&Pi;}}}{m}_i\left(A_i\right)}{1-\underset{i=1}{\overset{K}{\mathrm{\&Pi;}}}{m}_i\left(H_1\right)-\underset{i=1}{\overset{K}{\mathrm{\&Pi;}}}{m}_i\left(\mathrm{\&Omega;}\right)}$

m(H₀)计算公式中，A_i取值为H₀或Ω；

$m\left(H_1\right)=\frac{\underset{A_1\&cap;A_2\&cap;...A_K=H_1}{\mathrm{\&Sigma;}}\underset{i=1}{\overset{K}{\mathrm{\&Pi;}}}{m}_i\left(A_i\right)}{1-\underset{i=1}{\overset{K}{\mathrm{\&Pi;}}}{m}_i\left(H_0\right)-\underset{i=1}{\overset{K}{\mathrm{\&Pi;}}}{m}_i\left(\mathrm{\&Omega;}\right)}$

m(H₁)计算公式中，A_i取值为H₁或Ω；

(4)、融合中心对融合感知结果m(H₀)、m(H₁)进行比较，如果主用户不存在的融合感知结果m(H₀)大于主用户存在的融合感知结果m(H₁)，则融合中心判定主用户不存在；主用户存在的融合感知结果m(H₁)大于主用户不存在的融合感知结果m(H₀)，则融合中心判定主用户不存在。

本发明的发明目的是这样实现的：

单个认知用户i接收信号有两种模型：H₀和H₁，它们分别表示主用户不存在与存在。

H₀：y_i(t)＝n_i(t)

H₁：y_i(t)＝h_i·s_i(t)+n_i(t)，i＝1，2，…，K    (1)

其中i是认知用户的索引号，K是认知用户数，y_i(t)表示认知用户接收到的信息，s_i(t)表示主用户信号，h_i是信道增益，n_i(t)表示高斯白噪声。

单个认知用户i的本地检测能量

近似为高斯分布：

$H_0:x_{E_i}~N(2\mathrm{\&upsi;}{\mathrm{\&delta;}}_i^2,4\mathrm{\&upsi;}{\mathrm{\&delta;}}_i^4)$

$H_1:x_{E_i}~N(2\mathrm{\&upsi;}{\mathrm{\&delta;}}_i^2+{\left|h\right|}^2{E}_s,4\mathrm{\&upsi;}{\mathrm{\&delta;}}_i^4+2{\left|h_i\right|}^2{E}_s{\mathrm{\&delta;}}_i^2)---\left(2\right)$

E_s是主用户信号的能量，δ_i ²是零均值加性高斯白噪声的方差。

在非衰退环境下，我们假设信道增益h_i是不变的，则有：

$P_{d,i}=P\{T_i>{\mathrm{\&eta;}}_1|H_1\}=Q_v(\sqrt{2\mathrm{\&gamma;}},\sqrt{{\mathrm{\&eta;}}_1})---\left(3\right)$

P_m，i＝P{T_i≤η₀|H₁}＝1-P{η₀＜T_i＜η₁|H₁}-P_d，i    (4)

$P_{f,i}=P\{T_i>{\mathrm{\&eta;}}_1|H_0\}=\frac{\mathrm{\&Gamma;}(v,{\mathrm{\&eta;}}_1/2)}{\mathrm{\&Gamma;}\left(v\right)}---\left(5\right)$

p_f，i·Γ(v)＝Γ(v，η₁)                            (6)

$\mathrm{\&Gamma;}(v,{\mathrm{\&eta;}}_1)=\underset{{\mathrm{\&eta;}}_1/2}{\overset{\&infin;}{\&Integral;}}{t}^{v-1}\&CenterDot;e^{-t}\mathrm{dt}=\mathrm{\&Gamma;}\left(v\right)-\mathrm{\&Gamma;}\left(v\right)\&CenterDot;p(v,{\mathrm{\&eta;}}_1/2)---\left(7\right)$

其中，P_d，i、P_m，i、P_f，i分别是第i个用户的检测概率、漏报概率和虚警概率，γ是信噪比，Γ(a)和Γ(a，b)是完全和不完全gamma函数，Q_v(a，b)是广义Marcum函数，

是低阶非完全gamma函数。

通过以上公式推导得出两个门限值，

η₁＝2p^-1(v，1-p_f，i)       (8)

η₀＝2/3·η₁               (9)

这样，我们可以根据设定的认知用户的虚警概率P_f，计算出认知用户高门限η₀、低门限η₀：

然后，认知用户i利用双门限能量检测产生本地感知结果：主用户不存在的本地感知结果m_i(H₀)、主用户存在的本地感知结果m_i(H₁)，主用户存在不存在不确定的本地感知结果m_i(Ω)，把这些结果发送到融合中心。融合中心使用证据理论进行融合，最终得出主用户是否存在的判决。

实验表明：本发明的检测概率明显高于“或融合”、“与融合”、单节点感知方法。同时，在相同的信噪比下，本发明的漏报概率也比“或融合”、“与融合”、单节点感知方法要低很多，这也是本发明性能优越性的一种体现。

附图说明

图1是合作频谱感知方法系统模型图；

图2是本发明合作频谱感知方法原理图；

图3是不同合作频谱感知方法的检测概率比较图；

图4是不同合作频谱感知方法的漏报概率比较图；

图5是本发明合作频谱感知方法下进行认知用户选择流程图；

图6是本发明合作频谱感知方法下选择不同认知用户数量下的检测概率。

具体实施方式

下面结合附图对本发明的具体实施方式进行描述，以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是，在以下的描述中，当已知功能和设计的详细描述也许会淡化本发明的主要内容时，这些描述在这里将被忽略。

图2是本发明合作频谱感知方法原理图

如图2所示，计算出各个认知用户的本地感知结果，即主用户不存在的本地感知结果m_i(H₀)、主用户存在的本地感知结果m_i(H₁)，主用户存在不存在不确定的本地感知结果m_i(Ω)；然后，认知用户i将本地感知结果m_i(H₀)，m_i(H₁)，m_i(Ω)发送到融合中心，融合中心使用证据理论进行融合，得到主用户不存在的融合感知结果m(H₀)、主用户存在的融合感知结果m(H₁)，并对融合感知结果m(H₀)、m(H₁)进行比较，如果主用户不存在的融合感知结果m(H₀)大于主用户存在的融合感知结果m(H₁)，则融合中心判定主用户不存在；主用户存在的融合感知结果m(H₁)大于主用户不存在的融合感知结果m(H₀)，则融合中心判定主用户不存在。

图3是不同合作频谱感知方法的检测概率比较图

如图3所示，本发明的检测概率明显高于“或”、“与”、单节点感知方法，在信噪比等于5时，本发明的检测概率比“与”方法提高了将近20％，比其他算法提高的更多。

图4是不同合作频谱感知方法的漏报概率比较图

如图4所示，在相同的信噪比下，本发明的漏报概率也比“或”、“与”、单节点感知方法要低很多，这也是本发明性能优越性的一种体现。

图5是本发明合作频谱感知方法下进行认知用户选择流程图

我们知道参加感知的认知用户数越多得出的最终判决越准确，但是随着节点数的增加，网络开销也会增大，拖慢网络速度，所以，作为本发明的进一步改进，提出了认知用户选择，去除冗余认知用户。

本地认知用户i先对主用户不存在的本地感知结果m_i(H₀)、主用户存在的本地感知结果m_i(H₁)做线性加权，如公式(10)得到认知用户信任度M_i，再送往融合中心，融合中心对认知用户信任度M_i进行从大到小排列；

M_i＝αm_i(H₁)+βm_i(H₀)       (10)

其中α表示认知用户i曾经感知主用户存在的准确度，β表示认知用户曾经感知主用户不存在的准确度。

假设第i个认知用户，在第t时刻的状态是ω_i(t)，ω_i(t)∈{ω₁，ω₂，ω₃，ω₄}，ω₁，ω₂，ω₃和ω₄表示如下

ω₁：ε_i＝1并ε₀＝1；

ω₂：ε_i＝1并ε₀＝-1；

ω₃：ε_i＝-1并ε₀＝-1；

ω₄：ε_i＝-1并ε₀＝1；ε₀是融合中心判决，ε_i是认知用户判决。用n₁，n₂，n₃和n₄表示ω₁，ω₂，ω₃和ω₄四个状态出现的次数，统计出α和β的值如下。

$\mathrm{\&alpha;}=\frac{n_1}{n_1+n_2},$ $\mathrm{\&beta;}=\frac{n_3}{n_3+n_4}---\left(11\right)$

认知用户选择步骤：

步骤1：认知用户通过公式(10)计算出认知用户信任度M_i并送往融合中心。

步骤2：融合中心把认知用户信任度M_i降序排列，先选择认知用户信任度M_i较大的认知用户的认知用户的本地感知结果用证据理论合成规则进行融合，得出主用户是否存在的判决结果。

步骤3：得出一个主用户是否存在的判决结果用户判决结果后，再加入认知用户中稍小认知用户信任度M_i的认知用户的认知用户的本地感知结果进行融合，当连续3次得出的用户是否存在的判决结果不变时，融合中心发送停止感知信息到所有认知用户，并发送认知用户选择信息到已使用的认知用户，通知此认知用户已被选中。

图6是本发明合作频谱感知方法下选择不同认知用户数量下的检测概率

本发明中，不同认知用户数下的检测概率比较如图6，如图6所示，我们可以看出在信噪比为5时，随着节点数的增多检测概率也越高，但是当认知用户数为K＝15时，检测概率达到了0.97，已经达到了我们的要求，再增加节点数对检测性能提高不是很大，只会使得网络的开销增大，所有认知用户选择是很必要的。

尽管上面对本发明说明性的具体实施方式进行了描述，以便于本技术领的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

Claims (3)

1.一种合作频谱感知方法，其特征在于，包括以下步骤：

(1)、根据设定的认知用户的虚警概率P_f，按以下公式计算出认知用户高门限η₁、低门限η₀：

η₁＝2p^-1(v，1-p_f)

η₀＝2/3·η₁

其中，v是时间带宽积，函数p(v，1-p_f)为：

$p(v,1-p_f)=\frac{1}{\mathrm{\&Gamma;}\left(v\right)}\underset{0}{\overset{1-p_f}{\&Integral;}}{t}^{v-1}\&CenterDot;e^{-t}\mathrm{dt}$

其中，Г(v)为完全gamma函数；

(2)、计算出各个认知用户的本地感知结果：主用户不存在的本地感知结果m_i(H₀)、主用户存在的本地感知结果m_i(H₁)，主用户存在不存在不确定的本地感知结果m_i(Ω)，其中，i＝1，2…，K，K是认知用户的数量；

$m_i\left(H_0\right)=P\{T_i<{\mathrm{\&eta;}}_0|H_0\}+P\{{\mathrm{\&eta;}}_0<T_i<{\mathrm{\&eta;}}_1\left|H_0\right\}$

$=\underset{-\&infin;}{\overset{{\mathrm{\&eta;}}_0}{\&Integral;}}\frac{1}{\sqrt{2\mathrm{\&pi;}}{\mathrm{\&sigma;}}_{0i}}\exp [-{(x-u_{0i})}^2/{{\mathrm{\&sigma;}}_{0i}}^2]\mathrm{dx}+\underset{{\mathrm{\&eta;}}_0}{\overset{{\mathrm{\&eta;}}_1}{\&Integral;}}\frac{1}{\sqrt{2\mathrm{\&pi;}}{\mathrm{\&sigma;}}_{0i}}\exp [-{(x-u_{0i})}^2/{{\mathrm{\&sigma;}}_{0i}}^2]\mathrm{dx}$

$m_i\left(H_1\right)=P\{T_i>{\mathrm{\&eta;}}_1|H_1\}+P\{{\mathrm{\&eta;}}_0<T_i<{\mathrm{\&eta;}}_1\left|H_1\right\}$

$=\underset{{\mathrm{\&eta;}}_1}{\overset{+\&infin;}{\&Integral;}}\frac{1}{\sqrt{2\mathrm{\&pi;}}{\mathrm{\&sigma;}}_{1i}}\exp [-{(x-u_{1i})}^2/{{\mathrm{\&sigma;}}_{1i}}^2]\mathrm{dx}+\underset{{\mathrm{\&eta;}}_0}{\overset{{\mathrm{\&eta;}}_1}{\&Integral;}}\frac{1}{\sqrt{2\mathrm{\&pi;}}{\mathrm{\&sigma;}}_{1i}}\exp [-{(x-u_{1i})}^2/{{\mathrm{\&sigma;}}_{1i}}^2]\mathrm{dx}$

m_i(Ω)＝1-m_i(H₀)-m_i(H₁)

其中，P表示概率，T_i是第i个认知用户感知时的能量值，H₀表示主用户不存在，H₁表示主用户存在；u_0i，σ_0i是第i个认知用户本地检测能量在主用户不存在时的均值和方差；u_1i，σ_1i是第i个认知用户本地检测能量

在主用户不存在时的均值和方差；

(3)、认知用户i将本地感知结果m_i(H₀)，m_i(H₁)，m_i(Ω)发送到融合中心，融合中心使用证据理论进行融合，得到主用户不存在的融合感知结果m(H₀)、主用户存在的融合感知结果m(H₁)：

$m\left(H_0\right)=\frac{\underset{A_1\&cap;A_2\&cap;...A_K=H_0}{\mathrm{\&Sigma;}}\underset{i=1}{\overset{K}{\mathrm{\&Pi;}}}{m}_i\left(A_i\right)}{1-\underset{i=1}{\overset{K}{\mathrm{\&Pi;}}}{m}_i\left(H_1\right)-\underset{i=1}{\overset{K}{\mathrm{\&Pi;}}}{m}_i\left(\mathrm{\&Omega;}\right)}$

m(H₀)计算公式中，A_i取值为H₀或Ω；

$m\left(H_1\right)=\frac{\underset{A_1\&cap;A_2\&cap;...A_K=H_1}{\mathrm{\&Sigma;}}\underset{i=1}{\overset{K}{\mathrm{\&Pi;}}}{m}_i\left(A_i\right)}{1-\underset{i=1}{\overset{K}{\mathrm{\&Pi;}}}{m}_i\left(H_0\right)-\underset{i=1}{\overset{K}{\mathrm{\&Pi;}}}{m}_i\left(\mathrm{\&Omega;}\right)}$

m(H₁)计算公式中，A_i取值为H₁或Ω；

(4)、融合中心对融合感知结果m(H₀)、m(H₁)进行比较，如果主用户不存在的融合感知结果m(H₀)大于主用户存在的融合感知结果m(H₁)，则融合中心判定主用户不存在；主用户存在的融合感知结果m(H₁)大于主用户不存在的融合感知结果m(H₀)，则融合中心判定主用户不存在。

2.根据权利要求1所述的合作频谱感知方法，其特征在于，所述的认知用户根据以下步骤选择确定：

a1：认知用户i通过以下方法，计算出认知用户信任度M_i并送往融合中心：

认知用户i先对主用户不存在的本地感知结果m_i(H₀)、主用户存在的本地感知结果m_i(H₁)按照公式M_i＝αm_i(H₁)+βm_i(H₀)做线性加权，得到认知用户信任度M_i，再送往融合中心；

其中α表示认知用户i曾经感知主用户存在的准确度，β表示认知用户曾经感知主用户不存在的准确度，α、β根据以下方法获得：

第i个认知用户，在第t时刻的状态是ω_i(t)，ω_i(t)∈{ω₁，ω₂，ω₃，ω₄}，ω₁，ω₂，ω₃和ω₄表示如下

ω₁：ε_i＝1并ε₀＝1；

ω₂：ε_i＝1并ε₀＝-1；

ω₃：ε_i＝-1并ε₀＝-1；

ω₄：ε_i＝-1并ε₀＝1；

ε₀是融合中心判决，ε_i是认知用户判决。用n₁，n₂，n₃和n₄表示ω₁，ω₂，ω₃和ω₄四个状态出现的次数，统计出α和β的值如下：

$\mathrm{\&alpha;}=\frac{n_1}{n_1+n_2},$ $\mathrm{\&beta;}=\frac{n_3}{n_3+n_4};$

a2：融合中心把认知用户信任度M_i降序排列，先选择认知用户信任度M_i较大的认知用户的认知用户的本地感知结果用证据理论合成规则进行融合，得出主用户是否存在的判决结果。

a3：得出一个主用户是否存在的判决结果用户判决结果后，再加入认知用户中稍小认知用户信任度M_i的认知用户的认知用户的本地感知结果进行融合，当连续3次得出的用户是否存在的判决结果不变时，融合中心发送停止感知信息到所有认知用户，并发送认知用户选择信息到已使用的认知用户，通知此认知用户已被选中。

3.根据权利要求2所述的合作频谱感知方法，其特征在于，所述的选择认知用户的数量为15。

Images