CN101951274A - 低复杂度的合作频谱感知方法 - Google Patents

Abstract

一种无线通信技术领域的低复杂度的合作频谱感知方法，通过参与合作频谱感知的认知用户对授权用户发出信号的采样序列的能量统计量进行分段判定处理，使得认知用户根据的相应判定结果向中心单元发送授权用户信号的状态信息，经中心单元进行融合处理得到授权用户信号的最终检测结果信息。本发明以最低的计算复杂度获得与所有的参与合作频谱感知的认知用户都增加样本数量来计算统计量的方法具有相同的检测性能，鲁棒性好，不易受环境影响，具有较好的可行性和实用性。

Description

低复杂度的合作频谱感知方法

技术领域

本发明涉及的是一种无线通信技术领域的方法，具体是一种低复杂度的合作频谱感知方法。

背景技术

近年来，认知无线电技术作为解决频谱资源紧张和已分配的频段利用率不足之间矛盾的最佳方案之一得到了飞速发展。它通过频谱感知技术使认知用户在不对授权用户造成干扰的情况下接入授权频段。因此频谱感知是认知无线电系统的关键技术。

能量检测法是由H.Urkowitz在文献“Energy detection of unknown deterministicsignals(未知的确定性信号的能量检测)”(Proceedings of the IEEE，vol.55，no.4，pp.523-531，April 1967)中提出。它的检测原理是根据带有零均值噪声被检测信号的能量大于只有零均值噪声的信号的能量，以一定频段上一定时间段内的信号能量作为判决依据来判断信号是否存在。

由于实现简单、计算复杂度低以及基本不需要先验信息等特点，能量检测成为认知无线电中广泛应用的频谱感知技术之一。由于无线通信中不可避免地存在多径衰落和阴影衰落，单节点频谱感知技术无法解决隐终端问题。合作频谱感知不但能够解决隐终端问题，还能够扩大频谱感知的范围，提高频谱感知的性能。因此，合作频谱感知技术被广泛研究，尤其是每个参与合作的认知用户采用能量检测的合作频谱感知技术。合作频谱感知技术分为分布式合作感知和集中式合作感知。集中式合作频谱感知是参与合作的认知用户将自己的感知信息发送到基站或者中心单元，由基站或者中心单元将接收到的信息进行处理，得出最终的判决结果。集中式合作感知主要可以分为硬合并合作感知和软合并合作感知。

经过对现有技术的检索发现，K.B.Letaief和W.Zhang在文献“Cooperativecommunications for cognitive radio networks(认知无线电网络中的协作通信)”(Proceedings of the IEEE，vol.97，no.5，pp.878-893，May 2009)中介绍了在基于硬合并的集中式合作频谱感知中，在参与合作频谱感知的认知用户数目一定时，参与合作频谱感知的认知用户计算统计量所采用的样本数越多，感知性能越好，同时计算复杂度也越高。

又经检索发现，L.Bian和Q.Zhu在《Proceedings of the fifth international conferenceon natural computation，vol.5，pp.38-42，Aug.2009.》上发表了题为“Cooperativespectrum sensing algorithm based on date fusion under bandwidth constraints(带宽受限下基于数据融合的合作感知算法)”的文章，该文中提出了一种低复杂度的合作感知方法，但是该方法同时也降低了合作感知的性能。

发明内容

本发明针对现有技术存在的上述不足，提供一种低复杂度的合作频谱感知方法，提出了一个最优的区间，对统计量落入该区间的认知用户增加计算样本数，能够以最低的计算复杂度，达到与所有认知用户都采用增加计算样本数的合作频谱感知方法具有相同的感知性能。

本发明是通过以下技术方案实现的，本发明包括以下步骤：

第一步，参与合作频谱感知的认知用户对授权用户发出的信号进行采样得到采样序列{x(1)，x(2)，…，x(N₁)}，然后将采样序列信号通过平方律器件得到检测频带内信号功率的估计{x²(1)，x²(2)，…，x²(N₁)}并计算采样序列的能量统计量其中：N₁是采样序列的长度；

第二步，判断能量统计量

a)当

大于等于第一门限γ₁时，则该参与合作频谱感知的认知用户向中心单元发送授权用户信号存在的检测结果信息；

b)当

小于第二门限γ₂时，则该参与合作感知的认知用户向中心单元发送授权用户信号不存在的检测结果信息；

c)当能量统计量

大于等于第二门限γ₂且小于第一门限γ₁时，则计算N₂个样本的总能量

并判断接收信号序列能量：当大于等于第三门限

时，则该参与合作频谱感知的认知用户向中心单元发送授权用户信号存在的检测结果信息；否则该参与合作频谱感知的认知用户向中心单元发送授权用户信号不存在的检测结果信息；

其中：

为参与合作频谱感知的认知用户增加的(N₂-N₁)个授权用户信号采样序列的能量，所述参与合作频谱感知的认知用户增加的(N₂-N₁)个授权用户信号采样序列为{x(N₁+1)，x(N₁+2)，…，x(N₂)}。

所述的第一门限γ₁为：

${\mathrm{\&gamma;}}_1=\min \left\{\mathrm{\&gamma;}\right|P(T_{N_1}\&GreaterEqual;\mathrm{\&gamma;}|H_0)+P(T_{N_2}\&GreaterEqual;{\mathrm{\&gamma;}}_{N_2},{\mathrm{\&gamma;}}_2\&le;T_{N_1}<\mathrm{\&gamma;}|H_0)=P(T_{N_1}\&GreaterEqual;{\mathrm{\&gamma;}}_{N_1}|H_0)\},$

其中：

是采用N₁个样本计算检验统计量时的判决门限，

为自由度为N₁的卡方分布的互补累积分布函数的逆函数，P_FA为目标恒虚警概率。

所述的第二门限γ₂为：

其中：

是采用N₂个样本计算检验统计量时的判决门限，

为自由度为N₂的卡方分布的互补累积分布函数的逆函数，P_FA为目标恒虚警概率。

所述的第三门限

为：

是采用N₂个样本计算检验统计量时的判决门限，其中：

为自由度为N₂的卡方分布的互补累积分布函数的逆函数，P_FA为目标恒虚警概率。

第三步，中心单元对所有参与合作频谱感知的认知用户的检测结果信息进行融合处理，得到授权用户信号是否存在的最终感知结果。

所述的融合处理是指：基于K秩融合的硬合并融合。

与现有技术相比，本发明的有益效果是：利用最优的可改善区间[γ₂，γ₁]，以最低的计算复杂度获得与所有的参与合作频谱感知的认知用户都增加样本数量来计算统计量的方法具有相同的检测性能，鲁棒性好，不易受环境影响，具有较好的可行性和实用性。

附图说明

图1为本发明的合作频谱感知的流程图。

图2是分别采用现有技术和实施例技术得到的检测性能曲线图。

图3是分别采用现有技术和实施例技术得到的ROC(接收机工作特性)曲线图。

具体实施方式

下面对本发明的实施例作详细说明，本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

如图1所示，本实施例包括以下步骤：

第一步，参与合作感知的认知用户对授权用户信号进行采样，获得授权用户信号的采样序列{x(1)，x(2)，…，x(N₁)}。其中，N₁是采样序列的长度，x(t)＝s(t)+n(t)，s(t)为均值是0，方差是

的高斯过程，n(t)是均值为0，方差为的加性高斯噪声。

本实施例中N₁＝1000。

第二步，将采样序列信号通过平方律器件，得到检测频带内信号功率的估计{x²(1)，x²(2)，…，x²(N₁)}。

第三步，计算采样序列的能量统计量

第四步，当统计量大于或者等于门限γ₁时，则该参与合作频谱感知的认知用户向中心单元发送授权用户信号存在的检测结果信息；

当能量统计量

小于门限γ₂时，则该参与合作感知的认知用户向中心单元发送授权用户信号不存在的检测结果信息；

当能量统计量大于或者等于门限γ₂且小于门限γ₁时，则该参与合作频谱感知的认知用户增加(N₂-N₁)个授权用户信号的采样序列{x(N₁+1)，x(N₁+2)，…，x(N₂)}，并计算其能量

计算N₂个样本的总能量

当

大于或者等于门限

时，则该参与合作频谱感知的认知用户向中心单元发送授权用户信号存在的检测结果信息；当

小于门限

时，则该参与合作频谱感知的认知用户向中心单元发送授权用户信号不存在的检测结果信息。

所述的门限γ₁，是

${\mathrm{\&gamma;}}_1=\min \left\{\mathrm{\&gamma;}\right|P(T_{N_1}\&GreaterEqual;\mathrm{\&gamma;}|H_0)+P(T_{N_2}\&GreaterEqual;{\mathrm{\&gamma;}}_{N_2},{\mathrm{\&gamma;}}_2\&le;T_{N_1}<\mathrm{\&gamma;}|H_0)=P(T_{N_1}\&GreaterEqual;{\mathrm{\&gamma;}}_{N_1}|H_0)\},$

其中，

是采用N₁个样本计算检验统计量时的判决门限，

为自由度为N₁的卡方分布的互补累积分布函数的逆函数，P_FA为目标恒虚警概率。

所述的门限γ₂，是

${\mathrm{\&gamma;}}_2=\min \left\{T_{N_1}\right|T_{N_1}+T\&GreaterEqual;{\mathrm{\&gamma;}}_{N_2}\}$

其中，

是采用N₂个样本计算检验统计量时的判决门限，

为自由度为N₂的卡方分布的互补累积分布函数的逆函数，P_FA为目标恒虚警概率。

本实施例中N₂＝2000，P_FA＝0.01。

第五步，中心单元对所有参与合作频谱感知的认知用户的检测结果信息进行融合处理，得到授权用户信号是否存在的最终感知结果。

本实施例中参与合作频谱感知的认知用户数目为5个，中心单元采用的融合规则为或融合规则。

在每个参与合作频谱感知的认知用户的恒虚警概率为P_FA＝0.01的条件下，分别采用每个参与合作频谱感知的认知用户都采用1000个样本、2000个样本计算统计量的技术和本实施例技术得到的检测性能曲线图如图2所示，由该图可见：本实施例以最低的计算复杂度达到了与所有参与合作频谱感知的认知用户都采用2000个样本计算统计量的技术相同的检测性能，且优于所有参与合作频谱感知的认知用户都采用1000个样本计算统计量的技术的检测性能。

在信噪比为-15dB条件下，分别采用每个参与合作频谱感知的认知用户都采用1000个样本、2000个样本计算统计量的技术和本实施例技术得到的ROC曲线图如图3所示，由该图可见：在本实施例技术与所有参与合作频谱感知的认知用户都采用2000个样本计算统计量的技术具有相同的ROC曲线，且优于所有参与合作频谱感知的认知用户都采用1000个样本计算统计量的技术的ROC曲线。

同时，由于本实施例技术与所有参与合作频谱感知的认知用户都采用2000个样本计算统计量的技术相比，计算复杂度大大降低，因此，本实施例技术能以低计算复杂度获得很好的检测性能，能够有效地解决无线通信系统和信号处理系统中的相关问题。

Claims (5)

1.一种低复杂度的合作频谱感知方法，其特征在于，包括以下步骤：

第一步，参与合作频谱感知的认知用户对授权用户发出的信号进行采样得到采样序列{x(1)，x(2)，…，x(N₁)}，然后将采样序列信号通过平方律器件得到检测频带内信号功率的估计{x²(1)，x²(2)，…，x²(N₁)}并计算采样序列的能量统计量

其中：N₁是采样序列的长度；

第二步，判断能量统计量

a)当

大于等于第一门限γ₁时，则该参与合作频谱感知的认知用户向中心单元发送授权用户信号存在的检测结果信息；

b)当

小于第二门限γ₂时，则该参与合作感知的认知用户向中心单元发送授权用户信号不存在的检测结果信息；

c)当能量统计量

大于等于第二门限γ₂且小于第一门限γ₁时，则计算N₂个样本的总能量

并判断接收信号序列能量

：当

大于等于第三门限

时，则该参与合作频谱感知的认知用户向中心单元发送授权用户信号存在的检测结果信息；否则该参与合作频谱感知的认知用户向中心单元发送授权用户信号不存在的检测结果信息；

其中：

为参与合作频谱感知的认知用户增加的(N₂-N₁)个授权用户信号采样序列的能量，所述参与合作频谱感知的认知用户增加的(N₂-N₁)个授权用户信号采样序列为{x(N₁+1)，x(N₁+2)，…，x(N₂)}；

第三步，中心单元对所有参与合作频谱感知的认知用户的检测结果信息进行融合处理，得到授权用户信号是否存在的最终感知结果。

2.根据权利要求1所述的低复杂度的合作频谱感知方法，其特征是，所述的第一门限γ₁为：

${\mathrm{\&gamma;}}_1=\min \left\{\mathrm{\&gamma;}\right|P(T_{N_1}\&GreaterEqual;\mathrm{\&gamma;}|H_0)+P(T_{N_2}\&GreaterEqual;{\mathrm{\&gamma;}}_{N_2},{\mathrm{\&gamma;}}_2\&le;T_{N_1}<\mathrm{\&gamma;}|H_0)=P(T_{N_1}\&GreaterEqual;{\mathrm{\&gamma;}}_{N_1}|H_0)\},$

其中：

是采用N₁个样本计算检验统计量时的判决门限，为自由度为N₁的卡方分布的互补累积分布函数的逆函数，P_FA为目标恒虚警概率。

3.根据权利要求1所述的低复杂度的合作频谱感知方法，其特征是，所述的第二门限γ₂为，

其中：是采用N₂个样本计算检验统计量时的判决门限，

为自由度为N₂的卡方分布的互补累积分布函数的逆函数，P_FA为目标恒虚警概率。

4.根据权利要求1所述的低复杂度的合作频谱感知方法，其特征是，所述的第三门限

为：

是采用N₂个样本计算检验统计量时的判决门限，其中：

为自由度为N₂的卡方分布的互补累积分布函数的逆函数，P_FA为目标恒虚警概率。

5.根据权利要求1所述的低复杂度的合作频谱感知方法，其特征是，所述的融合处理是指：基于K秩融合的硬合并融合。

Images