CN101867424A - 一种认知无线电网络的协作频谱感知方法 - Google Patents

Abstract

本发明公开了一种认知无线电网络的协作频谱感知方法，按照如下步骤：(1)在已有授权用户PU的网络中配置包含N个认知用户SU和一个信息融合中心FC的认知无线电网络；(2)认知用户SU使用能量检测独立判断授权用户PU信号是否存在，然后将二进制硬判决结果发送到信息融合中心FC，其发射功率根据授权用户PU到该认知用户SU的信道条件自适应调整；(3)信息融合中心FC则采用最大似然检测器融合多个认知用户SU的结果，并最终判决授权用户PU是否正在占用频谱。本方法不需要认知用户SU发送软信息，认知用户SU可独立处理而无需相互交换信息，信息融合中心FC端检测器结构简单，易于实现；同时本发明方法具有通信开销小、分集增益高、虚警率和漏检率低等优良性能，具有较高的实用价值。

Description

一种认知无线电网络的协作频谱感知方法

技术领域：

本发明属于通信领域，涉及一种频谱感知方法，尤其是一种认知无线电网络的频谱感知方法，特别涉及一种基于协作技术的频谱感知及其信号传输和处理方法。

背景技术：

随着无线通信业务的飞速发展，现有网络正面临着无线频谱资源稀缺和各种业务对频谱资源需求不断增长的矛盾。认知无线电(Cognitive Radio，CR)利用本是分配给授权用户(Primary User，授权用户PU)而暂时未被使用的频带，即频谱空穴，协助认知用户(也作次级用户，Secondary User，SU)传送信息，从而为提高频谱利用率开辟了新的途径，成为近年来的研究热点，同时也是相关国际标准805.22的关键技术。认知用户在接入频带之前应先对授权用户是否在该频带上传送信息进行“频谱感知(Spectrum Sensing)”，这样做的目的在于探明在某给定的频带、时间及空间上是否存在授权用户，以便利用其闲置信道。感知的性能通常通过漏检率和虚警率来度量。其中漏检率说明认知用户SU对授权用户PU的干扰程度，而虚警率则影响频谱的利用率。在感知过程中，分集阶数是度量性能的又一种方式，它反映了信道衰落影响下漏检率和虚警率的鲁棒性。

频谱感知是一项具有挑战性的前沿技术，高性能的频谱感知可以有效避免干扰，同时显著提高频谱资源的利用率。根据认知用户SU对授权用户PU信号的了解程度，现有频谱感知技术可分为能量检测、循环平稳特征检测以及匹配滤波器方法等，针对不同应用环境下上述检测器的性能也有部分研究结果。除了提高单一认知用户SU的检测性能之外，为了克服无线信道中阴影效应，小尺度衰落等影响以及隐藏终端甚至调度问题，对于协作(或分布式)感知技术的研究也在展开。然而，现有的协作感知技术缺少对衰落信道的研究，忽视了对分集性能的评估，其结果是其方法的性能虽优于非协作(即本地的)频谱感知策略，但是所获得的感知分集性能并无显著提高；部分方法要求所有认知用户SU将软检测信息传送到融合中心(Fusion Center，信息融合中心FC)，在分布式背景下大幅增加了通信开销。特别对于整个网络暴露于衰落信道中的情况，现有的协作感知技术要么损失了分集增益，要么需要对认知用户SU与信息融合中心FC之间的信道作在现实环境中难以成立的假设。

因此，有必要设计一种实用的协作频谱检测方法，一方面尽可能降低感知造成的通信开销，另一方面在衰落信道中充分发掘分集增益，以期获得比现有方法更优的感知性能。

发明内容：

本发明提出了一种针对认知无线电网络的协作频谱感知方法，本方法不需要认知用户SU发送软信息，认知用户SU可独立处理而无需相互交换信息，信息融合中心FC端检测器结构简单，易于实现；同时方法具有通信开销小、分集增益高、虚警率和漏检率低等优良性能，具有较强的实用性。

根据本发明，认知用户SU首先使用能量检测独立判断授权用户PU信号是否存在，然后将硬判决结果(二进制符号)发送到信息融合中心FC，其发射功率根据授权用户PU到该认知用户SU的信道条件自适应调整；信息融合中心FC则采用最大似然检测器融合多个认知用户SU的结果并作最终判决。认知用户SU将本地的二进制判决结果发送给融合中心信息融合中心FC，信息融合中心FC使用最大似然检测器来判断授权用户PU是否正在进行数据发送。

本发明所述认知无线电网络包含授权用户PU，N个认知用户SU和信息融合中心FC，该网络包括但不限于采用认知无线电技术的无线局域网、移动蜂窝网以及无线传感器网络等。所述授权用户PU为网络中对频谱资源具有优先使用权的授权用户；认知用户SU为包含无线接收机、发射机并具备能量检测功能的通信设备；所述信息融合中心FC则至少包含无线接收机以及最大似然(ML)检测器。所述无线信道均为信道系数服从复高斯分布(信道增益服从瑞利分布)的衰落信道。为便于说明，以H₀假设表示授权用户PU不发送信号，发送信号则用H₁假设表示，若以矢量r_n表示接收信号，则

H₀：r_n＝w_n

                          (12)

H₁：r_n＝h_pns+w_n

其中s＝[s(1)，L，s(K)]^T表示授权用户PU所发送的信号，其平均功率P_s：＝E{|s(k)|²}；w_n：＝[w_n(1)，L，w_n(K)]^T，K为采样样本数，

为加性复高斯白噪声，所有认知用户SU的平均噪声功率用

表示，则是授权用户PU到第n个认知用户SU的信道衰落系数，服从均值为0，方差为

的复高斯分布。这里不失一般性，假设所有认知用户SU的平均噪声功率相同，但是本方法亦可用于平均噪声功率不相同的场景。

本发明同时支持奈曼-皮尔逊(Neyman-Pearson，NP)准则和最小错误概率准则。发明包括认知用户SU侧的信号接收、处理、发送和信息融合中心FC侧的信号接收处理过程。发明提供的方法包含以下步骤：

(1)在已有授权用户PU的网路中配置包含N个认知用户SU和一个信息融合中心FC的认知无线电网络；

(2)认知用户SU侧信号接收、检测、判决和信号发射过程：

第一步：获取信号能量。每个认知用户SU在其检测阶段从接收信号中获取K个采样点，以第n个认知用户SU为例，可利用如下能量检测方法判定授权用户PU是否在发送信息：

$t_n:{\left|\right|r_n\left|\right|}^2=\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\left|r_n\left(k\right)\right|}^2\underset{H_0}{\overset{H_1}{\begin{array}{c}|\\ |\end{array}}}{\mathrm{\λ}}_n---\left(13\right)$

其中t_n为检测统计量，λ_n是与之相应的检测门限。

第二步：根据检测门限判断授权用户PU信号是否存在。在奈曼-皮尔逊准则下，若虚警率指标不超过

则检测门限由下式给出

${\mathrm{\λ}}_n=Q^{-1}\left(\mathrm{\α}\right)\sqrt{2K}{\mathrm{\σ}}_w^2+K{\mathrm{\σ}}_w^2---\left(14\right)$

这里Q^-1(·)表示高斯尾函数Q(·)的逆函数。在最小错误概率准则下，检测门限由下式给出：

${\mathrm{\λ}}_n=\frac{1}{2}K{\mathrm{\σ}}_w^2\±\frac{1}{2}K{\mathrm{\σ}}_w^2\sqrt{(1+2{\mathrm{\γ}}_{\mathrm{pn}})(1+\mathrm{\κ})}---\left(15\right)$

其中

(P_s为PU发射功率)为第n个认知用户SU的接收信噪比，且

$\mathrm{\κ}=\frac{8}{K{\mathrm{\γ}}_{\mathrm{pn}}}\ln \left(\sqrt{(1+2{\mathrm{\γ}}_{\mathrm{pn}})\frac{P\left(H_0\right)}{P\left(H_1\right)}}\right)---\left(16\right)$

其中P(H₀)和P(H₁)分别是事件H₀和H₁的先验概率。

注意对于最小错误概率准则，当γ_pn和K都较大时，可行解将只有一个，此时门限的近似表示式

${\mathrm{\λ}}_n\≈\frac{1}{2}K{\mathrm{\σ}}_w^2(1+\sqrt{1+2{\mathrm{\γ}}_{\mathrm{pn}}})---\left(17\right)$

第三步：调制信号。根据第一、二步完成检测后，认知用户SU将判断结果(存在/不存在授权用户PU信号)映射为BPSK调制信号，即

$x_n=\left\{\begin{array}{cc}1,& t_n\&GreaterEqual;{\mathrm{\&lambda;}}_n\\ -1,& t_n<{\mathrm{\&lambda;}}_n\end{array}\right.---\left(18\right)$

注意此处若使用通断(on-off)信号，即当t_n＜λ_n时设置x_n＝0，同样也属于本方法所涉及的内容。

第四步：各认知用户SU使用正交信道发射调制后的信号。不同于现有方法的等功率发送方法，本方法对发射功率作如下自适应调整：

$P_n=\mathrm{\&beta;}\&CenterDot;\min (P_s{\left|h_{\mathrm{pn}}\right|}^2,P_s{\mathrm{\&sigma;}}_{\mathrm{pn}}^2)---\left(19\right)$

其中β是常数，用于限定各认知用户SU的最大发射功率；代表认知用户SUn到信息融合中心FC的平均信道增益。这一功率调整是本发明获得分集增益的关键步骤。

(3)信息融合中心FC侧信号接收，检测和判决过程：

第一步：接收信号。用

表示授权用户PU和认知用户SU n间的信道衰落系数，

表示信息融合中心FC端的加性高斯白噪声，则接收到的第n个认知用户SU发出的信号为

$y_n=\sqrt{P_n}{h}_{\mathrm{fn}}{x}_n+w_{\mathrm{fn}}---\left(20\right)$

用矢量y：＝[y₁，L，y_n]^T表示从所有认知用户SU接收到的信号，则将全部接收信号可表示为

y＝P_rHf_x+w_f                           (21)

其中为认知用户SU发射功率，H_f＝diag([h_f1，h_f2，L，h_fN])为认知用户SU与信息融合中心FC之间的信道系数；x＝[x₁，x₂，L，x_N]是调制信号，w_f＝[w_f1，w_f2，L，w_fN]为接收机噪声。

第二步：最大似然检测。信息融合中心FC采用的最大似然检测器描述如下：

$x^{*}=\underset{x={-1}_N,1_N}{\arg \min }\left\{{\left|\right|y-P_r{H}_{f}x\left|\right|}^2\right\}---\left(22\right)$

其中1_N表示N维全1列向量。这一检测器是获得本方法最终获得分集增益的关键步骤之一，随后的详细说明部分将做进一步阐述。

第三步：输出判决结果。对应第二步检测器的输出结果，若x^*＝1_N，则判决结果为H₁，即存在授权用户PU信号；反之如果x^*＝-1_N，则判决结果为H₀，即频谱对认知用户可用。

本发明提出了一种针对认知无线电网络的协作频谱感知方法，本方法不需要认知用户SU发送软信息，认知用户SU可独立处理而无需相互交换信息，信息融合中心FC端检测器结构简单，易于实现；同时方法具有通信开销小、分集增益高、虚警率和漏检率低等优良性能，具有较强的实用性。

附图说明：

图1给出了本发明的基于协作感知的认知无线电系统模型图；

图2给出了本发明的认知用户SU侧信号处理流程示意图；

图3给出了本发明的信息融合中心FC侧信号处理流程示意图；

图4为本发明在奈曼-皮尔逊准则下的性能曲线图；

图5为本发明在最小错误概率准则下的性能曲线图。

其中图4、5的测试条件为：所有授权用户PU到认知用户SU和认知用户SU到信息融合中心FC的信噪比都相等；授权用户PU有50％的时间处于信号发送状态，即P(H₀)＝P(H₁)＝0.5；各认知用户SU的信号样本采集长度均为K＝100；为了比较公平，调整式(8)中的β以保证所有协作策略的平均发射功率相等。另外，图4的虚警率指标为α＝0.1。

具体实施方式：

下面结合附图对本发明做进一步详细描述：

首先，建立图1所示认知无线电协作感知系统。在此模型下，所有认知用户SU根据图2的处理流程工作。容易证明，当授权用户PU不发射信号时，第n个认知用户SU的接收能量t_n(由式(2)给出)服从自由度为2K的中心卡方分布；而当授权用户PU发送数据时，t_n服从非中心卡方分布。引用中心极限定理，当K足够大时，t_n近似服从高斯分布，即

$t_n~\left\{\begin{array}{cc}N(K{\mathrm{\&sigma;}}_w^2,2K{\mathrm{\&sigma;}}_w^2),& \mathrm{under}{H}_0\\ N(K{\mathrm{\&sigma;}}_w^2(1+{\mathrm{\&gamma;}}_{\mathrm{pn}}),2K{\mathrm{\&sigma;}}_w^4(1+2{\mathrm{\&gamma;}}_{\mathrm{pn}})),& \mathrm{under}{H}_1\end{array}\right.---\left(23\right)$

此处授权用户PU到认知用户SU n的接收功率P_s|h_pn|²可通过盲信道估计技术获得。另外如果授权用户PU存在训练序列且可以被认知用户SU感知，则认知用户SU可根据接收到授权用户PU发射的训练序列来估计出P_s|h_pn|²。

通过公式(23)可知，认知用户SU n的虚警率

和漏检率

可分别表示为

$P_f^{\left(\mathrm{CR}\right)}\left(n\right)=\mathrm{Pr}\{t_n>{\mathrm{\&lambda;}}_n|H_0\}=Q\left(\frac{{\mathrm{\&lambda;}}_n-K{\mathrm{\&sigma;}}_w^2}{\sqrt{2K}{\mathrm{\&sigma;}}_w^2}\right)---\left(24\right)$

和

$P_m^{\left(\mathrm{CR}\right)}\left(n\right)=\mathrm{Pr}\{t_n<{\mathrm{\&lambda;}}_n|H_1\}=Q\left(\frac{K{\mathrm{\&sigma;}}_w^2(1+{\mathrm{\&gamma;}}_{\mathrm{pn}})-{\mathrm{\&lambda;}}_n}{{\mathrm{\&sigma;}}_w^2\sqrt{2K(1+2{\mathrm{\&gamma;}}_{\mathrm{pn}})}}\right)---\left(25\right)$

其中 $Q\left(x\right)=\frac{1}{\sqrt{2\mathrm{\&pi;}}}\underset{x}{\overset{\&infin;}{\&Integral;}}{e}^{-t^2/2}\mathrm{dt}.$

在频谱感知中，漏检会导致对授权用户PU的干扰而虚警会导致频谱资源没有有效利用。注意到式(24)、(25)中的

和

取决于λ_n，而λ_n又取决于检测准则，如发明内容部分所述，具体如下：

1)奈曼-皮尔逊准则：如果认知用户SU根据NP准则工作，在认知用户SU n的

满足某给定的最大值的前提下，将会被最小化。令则根据式(24)可得到判决门限λ_n如式(3)给出。

式(25)的漏检率可表示为

$P_m^{\left(\mathrm{CR}\right)}\left(n\right)=Q\left(\frac{Q^{-1}\left(\mathrm{\&alpha;}\right)+\sqrt{K/2}{\mathrm{\&gamma;}}_{\mathrm{pn}}}{\sqrt{1+2{\mathrm{\&gamma;}}_{\mathrm{pn}}}}\right)---\left(26\right)$

2)最小错误概率准则：在该准则下，认知用户SU n将最小化

$P_e^{\left(\mathrm{CR}\right)}\left(n\right)=P\left(H_0\right)P_f^{\left(\mathrm{CR}\right)}\left(n\right)+P\left(H_1\right)P_m^{\left(\mathrm{CR}\right)}\left(n\right).---\left(27\right)$

在该准则下，门限λ_n的最优值可通过求

驻点得到。最优门限的可行解已由式(4)和(6)给出。

值得注意的是式(6)中的λ_n独立于先验概率P(H₀)和P(H₁)。

将λ_n代入式(24)、(25)可得

$P_f^{\left(\mathrm{CR}\right)}\left(n\right)\&ap;P_m^{\left(\mathrm{CR}\right)}\left(n\right)\&ap;Q\left(\sqrt{\frac{K}{8}}(\sqrt{1+2{\mathrm{\&gamma;}}_{\mathrm{pn}}}-1)\right)---\left(28\right)$

认知用户SU通过向信息融合中心FC发送本地(硬)判决结果来完成协作。这样的二进制判决结果映射为BPSK符号，并通过正交信道(如使用不同的时隙)进行传输来避免认知用户SU间的干扰。信息融合中心FC将通过有效合并所有接收到的信号来获得全局的判决结果。

第n个认知用户SU的发射符号可表示如式(7)所示。或者认知用户SU可以使用通断信号报告判决结果，也即只要t_n≥λ_n则x_n＝1，否则x_n＝0。为了在信息融合中心FC引入分集，认知用户SU n自适应调整其发送的符号x_n的发射功率P_n，由式(8)给出。

其次，根据图3所示的信息融合中心FC侧处理流程，信息融合中心FC针对第n个认知用户SU的接收信号可表示为式(9)，全部接收信号则可由式(10)描述。将本系统视作通信系统，可知此时最大后验概率检测器为最优检测器。然而，获得最优解的代价是要求信息融合中心FC已知P(H₀)，P(H₁)，

及(因此需要知道全部实时信道状态信息，难以实用)。为了克服这个问题，本发明中信息融合中心FC采用了如式(11)所述的最大似然检测器。对该最大似然检测器的性能以下做简要分析：

令E_f：＝{n|x_n≠-1，n＝1，L，N}表示出现虚警的认知用户SU集合，而E_m：＝{n|x_n≠1，n＝1，L，N}为出现漏检的认知用户SU集合，

和

分别为其补集。使用式(11)描述的最大似然检测器，对给定发送矢量x，信息融合中心FC的虚警率

和漏检率

分别为

$P_f^{\left(\mathrm{FC}\right)}\left(x\right)=Q\left(\frac{\sqrt{2}({\mathrm{\&Sigma;}}_{n\&Element;C_f}{P}_n{\left|h_{\mathrm{fn}}\right|}^2-{\mathrm{\&Sigma;}}_{n\&Element;E_f}{P}_n{\left|h_{\mathrm{fn}}\right|}^2)}{\sqrt{{\mathrm{\&Sigma;}}_{n=1}^N{P}_n{\left|h_{\mathrm{fn}}\right|}^2}}\right)---\left(29\right)$

和

$P_m^{\left(\mathrm{FC}\right)}\left(x\right)=Q\left(\frac{\sqrt{2}({\mathrm{\&Sigma;}}_{n\&Element;C_m}{P}_n{\left|h_{\mathrm{fn}}\right|}^2-{\mathrm{\&Sigma;}}_{n\&Element;E_m}{P}_n{\left|h_{\mathrm{fn}}\right|}^2)}{\sqrt{{\mathrm{\&Sigma;}}_{n=1}^N{P}_n{\left|h_{\mathrm{fn}}\right|}^2}}\right)---\left(30\right)$

由此可以证明，平均意义下信息融合中心FC侧的虚警率

和漏检率

可分别表示为

$P_f^{\left(\mathrm{FC}\right)}=\underset{x\&Element;{\{-\mathrm{1,1}\}}^N}{\mathrm{\&Sigma;}}\mathrm{Pr}\left(x\right|H_0)P_f^{\left(\mathrm{FC}\right)}\left(x\right)$

$=\underset{x\&Element;{\{-\mathrm{1,1}\}}^N}{\mathrm{\&Sigma;}}{\mathrm{\&Pi;}}_{m\&Element;C_f}(1-P_f^{\left(\mathrm{CR}\right)}\left(m\right)){\mathrm{\&Pi;}}_{n\&Element;E_f}{P}_f^{\left(\mathrm{CR}\right)}\left(n\right)\&times;---\left(31\right)$

$Q(\frac{\sqrt{2}({\mathrm{\&Sigma;}}_{n\&Element;C_f}{P}_n{\left|h_{\mathrm{fn}}\right|}^2-{\mathrm{\&Sigma;}}_{n\&Element;E_f}{P}_n{\left|h_{\mathrm{fn}}\right|}^2)}{\sqrt{{\mathrm{\&Sigma;}}_{n=1}^N{P}_n{\left|h_{\mathrm{fn}}\right|}^2}})$

和

$P_m^{\left(\mathrm{FC}\right)}=\underset{x\&Element;{\{-\mathrm{1,1}\}}^N}{\mathrm{\&Sigma;}}\mathrm{Pr}\left(x\right|H_1)P_m^{\left(\mathrm{FC}\right)}\left(x\right)$

$=\underset{x\&Element;{\{-\mathrm{1,1}\}}^N}{\mathrm{\&Sigma;}}{\mathrm{\&Pi;}}_{m\&Element;C_m}(1-P_m^{\left(\mathrm{CR}\right)}\left(m\right)){\mathrm{\&Pi;}}_{n\&Element;E_m}{P}_m^{\left(\mathrm{CR}\right)}\left(n\right)\&times;$

$Q(\frac{\sqrt{2}({\mathrm{\&Sigma;}}_{n\&Element;C_m}{P}_n{\left|h_{\mathrm{fn}}\right|}^2-{\mathrm{\&Sigma;}}_{n\&Element;E_m}{P}_n{\left|h_{\mathrm{fn}}\right|}^2)}{\sqrt{{\mathrm{\&Sigma;}}_{n=1}^N{P}_n{\left|h_{\mathrm{fn}}\right|}^2}})---\left(32\right)$

将式(26)中的和代入式(31)和式(32)，并在衰落环境下平均可证明针对奈曼-皮尔逊准则和最小错误概率准则的两个结论。

结论1：在奈曼-皮尔逊准则下使用本发明的协作方法，并采用式(8)的自适应发射功率策略，在保证虚警率受限的条件下，式(32)中的漏检率

的分集阶数可达到认知用户SU的个数N，即

$d_m^{\left(\mathrm{FC}\right)}=\underset{\mathrm{\&gamma;}\&RightArrow;\&infin;}{\lim }\frac{\log E\left[P_m^{\left(\mathrm{FC}\right)}\right]}{\log \mathrm{\&gamma;}}=N---\left(33\right)$

另外注意到虽然采样的长度K可能影响到漏检率和虚警率，但它并不会影响可获得的分集增益。

将式(28)中的

和代入式(31)和式(32)可得到结论2。

结论2：在最小错误概率准则下使用所提出的协作方法，并采用式(8)的自适应发射功率策略，虚警率

和漏检率的分集阶数均可达到认知用户SU的个数N，即

$d_e^{\left(\mathrm{FC}\right)}=\underset{\mathrm{\&gamma;}\&RightArrow;\&infin;}{\lim }\frac{\log E\left[P_e^{\left(\mathrm{FC}\right)}\right]}{\log \mathrm{\&gamma;}}=N---\left(34\right)$

其中 $P_e^{\left(\mathrm{FC}\right)}=P\left(H_1\right)P_m^{\left(\mathrm{FC}\right)}+P\left(H_0\right)P_f^{\left(\mathrm{FC}\right)}.$

结论1和结论2自动证明了信息融合中心FC端最优的解调规则同样可以达到满分集。与其他方法相比，高分集增益的方法可使系统设计者在使用较少认知用户的情况下达到期望的性能要求。图4与图5的测试进一步表明，在本发明所设计的方法中，高性能增益不仅在中高信噪比条件下有所保证，而且在所有实际应用可接受的SNR范围内均可获得。

按照附图说明部分的测试条件，使用蒙特卡罗仿真方法对方法进行10000次以上的独立仿真，测试本发明在奈曼-皮尔逊准则和最小错误概率准则下的性能。结果如图4和5所示。

图4测试奈曼-皮尔逊准则下的方法性能，以信息融合中心FC的平均漏检率和虚警率随SNR的变化曲线形式给出。所有认知用户SU的虚警率限制在0.1。为了便于比较，仿真还给出了某特定认知用户SU的漏检和虚警率以及现有方法中非自适应硬判决的系统性能。如图2所示，非协作和非自适应方法可达到的分集阶数都是1。非自适应硬判决方法比非协作方法的性能有所提高，但其分集阶数仍然为1。另一方面，本文提出的自适应策略所获得的漏检率的分集阶数当N＝2和N＝3时分别是2和3，与结论1相符。如图4所示，高分集增益使得本发明的平均漏检率显著低于非协作以及非自适应功率调整方法。同时，最终的平均虚警率低于任意一个给定认知用户SU的虚警率。

图5测试在最小错误概率准则下的方法性能，以信息融合中心FC的平均漏检率和虚警率随SNR的变化曲线形式给出。如图5所示，对于本发明的方法，其分集阶数与认知用户SU的个数相等，与结论2相符，而非协作和非自适应方法的分集阶数都仅为1，这意味着在中高信噪比时其性能会有所损失。例如图5中当给定认知用户SU的平均虚警率是10^-2，N＝3时，硬判决策略的平均漏检率和虚警率可达到10^-3，而本发明的方法则可达到10^-4。

综合以上图例和分析可以看出，受益于高分集增益，无论在奈曼-皮尔逊准则还是在最小错误概论准则下，本发明所采用的方法在授权用户PU到认知用户SU和认知用户SU到信息融合中心FC链路均为衰落信道的情况下具有良好的鲁棒性，并且与现有的协作和非协作感知策略相比，本发明可获得显著的性能增益。

另外需要指出的是，以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施方式仅限于此，本领域技术人员通过参考说明书和附图可以对本发明方案做出各种修改和替换，而不会背离本发明的精神和范围。因此对这些修改和替换都应在本发明的保护范围之内。

Claims (3)

1.一种认知无线电网络的协作频谱感知方法，其特征在于，按照如下步骤：

(1)在已有授权用户PU的网路中配置包含N个认知用户SU和一个信息融合中心FC的认知无线电网络；

(2)认知用户SU使用能量检测独立判断授权用户PU信号是否存在，然后将硬判决结果发送到信息融合中心FC，其发射功率根据授权用户PU到该认知用户SU的信道条件自适应调整；

(3)信息融合中心FC则采用最大似然检测器融合多个认知用户SU的结果，并最终判决授权用户PU是否正在占用频谱。

2.如权利要求1所述一种认知无线电网络的协作频谱感知方法，其特征在于，所述步骤(2)是按照如下步骤：

第一步：获取信号能量：

以H₀假设表示授权用户PU不发送信号，发送信号则用H₁假设表示，若以矢量r_n表示接收信号，则

H₀：r_n＝w_n

                                                                (1)

H₁：r_n＝h_pns+w_n

其中s＝[s(1)，…，s(K)]^T表示授权用户PU所发送的信号，其平均功率P_s：＝E{|s(k)|²}；w_n：＝[w_n(1)，…，w_n(K)]^T，K为采样样本数，

为加性复高斯白噪声，所有认知用户SU的平均噪声功率用表示，

则是授权用户PU到第n个认知用户SU的信道衰落系数，服从均值为0，方差为

的复高斯分布；这里不失一股性，假设所有认知用户SU的平均噪声功率相同，但是本方法亦可用于平均噪声功率不相同的场景；

每个认知用户SU在其检测阶段从接收信号中获取K个采样点，以第n个认知用户SU为例，利用如下能量检测方法判定授权用户PU是否在发送信息：

$t_n:{=\left|\right|r_n\left|\right|}^2=\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}{\left|r_n\left(k\right)\right|}^2\begin{array}{c}{H}_1\\ |\\ |\\ H_0\end{array}{\mathrm{\&lambda;}}_n---\left(2\right)$

其中t_n为检测统计量，λ_n是与之相应的检测门限；

第二步：根据检测门限判断授权用户PU信号是否存在；在奈曼-皮尔逊准则下，若虚警率指标不超过

则检测门限由下式给出

${\mathrm{\&lambda;}}_n=Q^{-1}\left(\mathrm{\&alpha;}\right)\sqrt{2K}{\mathrm{\&sigma;}}_w^2+K{\mathrm{\&sigma;}}_w^2---\left(3\right)$

这里Q^-1(·)表示高斯尾函数Q(·)的逆函数；在最小错误概率准则下，检测门限由下式给出：

${\mathrm{\&lambda;}}_n=\frac{1}{2}K{\mathrm{\&sigma;}}_w^2\&PlusMinus;\frac{1}{2}K{\mathrm{\&sigma;}}_w^2\sqrt{(1+2{\mathrm{\&gamma;}}_{\mathrm{pn}})(1+k)}---\left(4\right)$

其中

(PX表示PU发射功率)为第n个认知用户SU的接收信噪比，且

$k=\frac{8}{K{\mathrm{\&gamma;}}_{\mathrm{pn}}}\ln \left(\sqrt{(1+2{\mathrm{\&gamma;}}_{\mathrm{pn}})\frac{P\left(H_0\right)}{P\left(H_1\right)}}\right)---\left(5\right)$

其中P(H₀)和P(H₁)分别是事件H₀和H₁的先验概率；

当γ_pn和K都较大时，可行解将只有一个，此时门限的近似表示式

${\mathrm{\&lambda;}}_n\&ap;\frac{1}{2}K{\mathrm{\&sigma;}}_w^2(1+\sqrt{1+2{\mathrm{\&gamma;}}_{\mathrm{pn}}})---\left(6\right)$

第三步：调制信号：根据第一步、第二步完成检测后，认知用户SU将判断结果映射为BPSK调制信号，即

$x_n=\left\{\begin{array}{cc}1,& t_n\&GreaterEqual;{\mathrm{\&lambda;}}_n\\ -1,& t_n<{\mathrm{\&lambda;}}_n\end{array}\right.---\left(7\right)$

注意此处若使用通断(on-off)信号，即当t_n＜λ_n时设置x_n＝0，同样也属于本方法所涉及的内容；

第四步：各认知用户SU使用正交信道发射调制后的信号；发射功率作如下自适应调整：

$P_n=\mathrm{\&beta;}\&CenterDot;\min (P_s{\left|h_{\mathrm{pn}}\right|}^2,P_s{\mathrm{\&sigma;}}_{\mathrm{pn}}^2)---\left(8\right)$

其中β是常数，用于限定各认知用户SU的最大发射功率；h_pn表示PU至SU n的信道系数；

则代表认知用户SU n到信息融合中心FC的平均信道增益。

3.如权利要求1所述一种认知无线电网络的协作频谱感知方法，其特征在于，所述步骤(3)是按照如下步骤：

第一步：接收信号：用

表示授权用户PU和认知用户SU n间的信道衰落系数，

表示信息融合中心FC端的加性高斯白噪声，则接收到的第n个认知用户SU发出的信号为

$y_n=\sqrt{P_n}{h}_{\mathrm{fn}}{x}_n+w_{\mathrm{fn}}---\left(9\right)$

用矢量y：＝[y₁，…，y_n]^T表示从所有认知用户SU接收到的信号，则将全部接收信号可表示为

y＝P_rH_fx+w_f                                            (10)

其中

为认知用户SU发射功率，H_f＝diag([h_f1，h_f2，…，h_fN])为认知用户SU与信息融合中心FC之间的信道系数；x＝[x₁，x₂，…，x_N]是调制信号，w_f＝[w_f1，w_f2，…，w_fN]为接收机噪声；

第二步：最大似然检测：信息融合中心FC采用的最大似然检测器描述如下：

$x^{*}=\underset{x={-1}_N,1_N}{\arg \min }\left\{{\left|\right|y-P_r{H}_{f}x\left|\right|}^2\right\}---\left(11\right)$

其中1_N表示N维全1列向量；

第三步：输出判决结果：对应第二步检测器的输出结果，若x^*＝1_N，则判决结果为H₁，即存在授权用户PU信号；反之如果x^*＝-1_N，则判决结果为H₀，即频谱对认知用户可用。

Images