CN102223194A - 一种频谱感知方法 - Google Patents

Abstract

本发明属于认知无线电技术领域，公开了一种频谱感知方法。本发明的频谱感知方法首先利用两门限判决法则对授权用户进行检测，判决中心根据落在两门限外面的认知用户上传的检测结果进行检测，如果检测到授权用户不存在，则再上传落在两门限之间的认知用户接收到的授权用户的信息，判决中心根据接收到的信息判定授权用户是否存在。本发明的方法融合了串行合并方法和并行合并方法的优点，在提高检测性能的同时，减少了数据传输所需的带宽。

Description

一种频谱感知方法

技术领域

本发明属于认知无线电技术领域，特别涉及其中的频谱感知方法。

背景技术

随着无线电新业务的开展，频谱资源越来越紧张，可用频段基本已分配给特定的授权用户使用，但已分配出去的频谱利用率并不是很高。为了解决频谱利用率低下的问题，出现了一种称为认知无线电(CR，Cognitive Radio)的机制。认知无线电通过机会式的接入授权用户频段来使用授权用户没有使用的授权用户频段，来提高频谱利用率。从单节点考虑，认知技术主要分为匹配滤波，能量检测，循环特征检测等。但单节点检测的检测性能受隐蔽终端，衰落等不利因素影响。多节点的协作感知通过空间分集，使得检测性能比单节点检测好，所以关于多节点协作感知方面的研究越来越多。协作感知从大的方面主要分为硬判决和软判决。主要的区别是：在硬判决中每个认知节点向判决中心上传的是检测结果(即硬信息)，而在软判决中每个认知节点向判决中心上传的是接收到的能量信息(即软信息)。

频谱感知是认知无线电技术实现的关键与前提，它为认知用户的接入提供可靠的频谱检测。由于软判决会上传更多的授权用户的信息，所以软判决算法比硬判决算法的检测性能好的多，但是软判决算法的缺点是，需要很大的带宽上传接收到的能量信息。

在文献“Yohannes D.ALEMSEGED，Chen SUN，Ha Nguyen TRAN，Hiroshi HARADA.Distributed Spectrum Sensing with Two-Stage Detection for Cognitive Radio，Vehicular Technology Conference Fall(VTC 2009-Fall)，2009 IEEE 70th”中提出了一种串行合并方法，其思想是：认知用户使用单门限法则对授权用户进行检测，并将检测结果上传至判决中心，判决中心做硬判决，若检测到授权用户存在，则退出使用的授权用户频段，若检测到授权用户不存在，则认知用户将接收到的能量信息传至判决中心，判决中心做软判决。若检测到授权用户存在则退出使用的授权用户频段，若检测到授权用户不存在则继续使用该授权用户频段。

在文献“Jiang Zhu，Zhengguang Xu，Furong Wang，Benxiong Huang，Bo Zhang.Double Threshold Energy Detection of Cooperative Spectrum Sensing in Cognitive Radio，Cognitive Radio Oriented Wireless Networks and Communications，2008.CrownCom 2008.3rd International Conference”和文献“Chunhua Sun，Wei Zhang，Letaief，K.B.Cooperative Spectrum Sensing for Cognitive Radios under Bandwidth Constraints，Wireless Communications and Networking Conference，2007.WCNC 2007.IEEE”中提出了一种并行合并方法，其思想是：认知用户用两门限判决法则对授权用户进行检测，并将检测的硬判决信息传送给判决中心，判决中心根据融合准则做出最后的判决。串行合并方法能极大的提高的检测性能，但是需要很大的带宽来传输接收到的能量信息，并行合并方法虽然能节省带宽，但是检测性能不如串行合并方法。

发明内容

本发明的目的是为了解决现有的在频谱感知中串行合并方法和并行合并方法存在的问题，提出了一种频谱感知方法。

本发明的技术方案是：一种频谱感知方法，具体如下：N个认知用户利用两门限判决法则对授权用户进行检测，假设有M个认知用户接收到的能量落在两门限的外面，有M₂＝N-M个认知用户接收到的能量落在两门限之间；

落在两门限外面的M个认知用户向判决中心上传检测结果，判决中心根据上传的信息做硬判决检测，如果检测到授权用户存在，则退出使用的授权用户频段；如果检测到授权用户不存在，则落在两门限之间的M₂个认知用户向判决中心上传它们接收到的授权用户的信息，判决中心判定授权用户是否存在；如果检测到授权用户存在，则退出使用的授权用户频段；如果检测授权用户不存在，则认知用户继续使用该授权用户频段。

本发明的有益效果：本发明的频谱感知方法首先利用两门限判决法则对授权用户进行检测，判决中心根据落在两门限外面的认知用户上传的检测结果进行检测，如果检测到授权用户不存在，则再上传落在两门限之间的认知用户接收到的授权用户的信息，判决中心根据接收到的信息判定授权用户是否存在。本发明的方法融合了串行合并方法和并行合并方法的优点，在提高检测性能的同时，减少了数据传输所需的带宽。

附图说明

图1是本发明频谱感知方法的流程示意图。

图2是本发明的方法、串行合并方法、并行合并方法的ROC仿真图。

图3是本发明的方法、串行合并方法、并行合并方法的误判概率仿真图。

图4是本发明的方法和串行合并方法中用于软判决的平均用户上传率仿真图。

图5是基于不同det0的本发明的方法检测概率仿真图。

图6是基于不同det0的本发明的方法用于软判决的平均用户上传率仿真图。

具体实施方式

下面结合附图和具体的实施例对本发明作进一步的说明。

本发明频谱感知方法流程示意图如图1所示，具体为：N个认知用户利用两门限判决法则对授权用户进行检测，假设有M个认知用户接收到的能量落在两门限的外面，有M₂＝N-M个认知用户接收到的能量落在两门限之间；

落在两门限外面的M个认知用户向判决中心上传检测结果，判决中心根据上传的信息做硬判决检测，如果检测到授权用户存在，则退出使用的授权用户频段；如果检测到授权用户不存在，则落在两门限之间的M₂个认知用户向判决中心上传它们接收到的授权用户的信息，判决中心判定授权用户是否存在；如果检测到授权用户存在，则退出使用的授权用户频段；如果检测授权用户不存在，则认知用户继续使用该授权用户频段。

在这里，M₂个认知用户向判决中心上传它们接收到的授权用户的信息具体为：M₂个认知用户向判决中心上传它们接收到的授权用户的能量信息。在此，判决中心可以用等增益合并软判决法则判定授权用户是否存在。下面进行具体分析。

1.单门限硬判决

定义s[n]为s(t)的第n个采样值，所以第i个认知用户接收到的信息为

$\left\{\begin{array}{c}{x}_i\left[n\right]=s_i\left[n\right]+w_i\left[n\right],H_1\\ x_i\left[n\right]=w_i\left[n\right],H_0\end{array}\right.$

H₁表示授权用户出现，H₀表示授权用户没有出现。w[n]为高斯加性噪声，设其服从统计分布N(0，1)，s[n]为窄带授权用户的采样信号，设其服从统计分布

s[n]与w[n]相互独立，num为采样点数，由授权用户的带宽和检测时间确定，所以第i个认知用户的能量为：

$z_i=\left\{\begin{array}{c}\underset{n=1}{\overset{\mathrm{num}}{\mathrm{\Σ}}}{\left(s_i\right[n]+w_i[n\left]\right)}^2,H_1\\ \underset{n=1}{\overset{\mathrm{num}}{\mathrm{\Σ}}}{\left(w_i\right[n\left]\right)}^2,H_0\end{array}\right.$

当num很大时，z_i服从正态分布，即

$z_i:\left\{\begin{array}{c}N(\mathrm{num}(1+{\mathrm{\γ}}_i),2\mathrm{num}{(1+{\mathrm{\γ}}_i)}^2),H_1\\ N(\mathrm{num},2\mathrm{num}),H_0\end{array}\right.$

其中，γ_i表示第i个认知用户的信噪比。

当检测门限为λ时，第i个认知用户的检测概率P_d，i和虚警概率P_f，i分别为：

$P_{d,i}=P(z_i>\mathrm{\λ}|H_1)=Q\left(\frac{\mathrm{\λ}-\mathrm{num}-{\mathrm{\γ}}_i\mathrm{gnum}}{\sqrt{2\mathrm{num}{(1+{\mathrm{\γ}}_i)}^2}}\right)$

$P_{f,i}=P(z_i>\mathrm{\λ}|H_0)=Q\left(\frac{\mathrm{\λ}-\mathrm{num}}{\sqrt{2\mathrm{num}}}\right)$

所以当有M个认知用户向判决中心发送判决信息，判决中心用OR准则做出最终的判决时，判决中心的检测概率P_d和虚警概率P_f分别为：

$P_d=1-\underset{i=1}{\overset{M}{\mathrm{\Π}}}(1-P_{d,i}),$ $P_f=1-\underset{i=1}{\overset{M}{\mathrm{\Π}}}(1-P_{f,i}).$

两门限硬判决(并行合并)

设总的认知用户数目为N，有M个用户向判决中心发送硬判决信息，则判决中心的检测概率P_d：

$P_d=P\{D=1,M\≥1|H_1\}$

$=P\{M\≥1|H_1\left\}P\right\{D=1|H_1,M\≥1\}$

$=(1-P\{M=0,H_1\left\}\right)P\{D=1|H_1,M\≥1\}$

$=(1-{(G\left({\mathrm{\λ}}_2\right)-G\left({\mathrm{\λ}}_1\right))}^N)P\{D=1|H_1,M\≥1\}$

$=(1-{(G\left({\mathrm{\λ}}_2\right)-G\left({\mathrm{\λ}}_1\right))}^N)(1-P\{D=0|H_1,M\≥1\})$

$=(1-{(G\left({\mathrm{\λ}}_2\right)-G\left({\mathrm{\λ}}_1\right))}^N)(1-\underset{M=1}{\overset{N}{\mathrm{\Σ}}}{C}_N^{M}G{\left({\mathrm{\λ}}_1\right)}^M{(G\left({\mathrm{\λ}}_2\right)-G\left({\mathrm{\λ}}_1\right))}^{N-M})$

$=(1-{(G\left({\mathrm{\λ}}_2\right)-G\left({\mathrm{\λ}}_1\right))}^N)(1-G{\left({\mathrm{\λ}}_2\right)}^N+{(G\left({\mathrm{\λ}}_2\right)-G\left({\mathrm{\λ}}_1\right))}^N)$

其中，

P{D＝1，M≥1|H₁}表示在授权用户存在的情况下有M个用户向判决中心发送硬判决信息并且检测出授权用户的概率。

同理可以得到虚警概率P_f：

P_f＝P{D＝1，M≥1|H₀}

＝P{M≥1|H₀}P{D＝1|H₀，M≥1}

＝(1-(F(λ₂)-F(λ₁))^N)(1-F(λ₂)^N+(F(λ₂)-F(λ₁))^N)

其中，

P{D＝1，M≥1|H₀}表示在授权用户不存在的情况下有M个用户向判决中心发送硬判决信息并且检测出授权用户的概率。

2.软判决法则

设有M₂＝N-M个认知用户接收的能量落在两判决门限中间，在硬判决没有检测到授权用户时，其能量信息传到判决中心做软判决。判决中心用等增益合并(EGC，Equal Gain Combining)软判法则对接收到的能量信息进行判决，则此时判决中心接收到的能量为

其中，ω_i表示第i个认知用户的权重信息，在此认为每个认知用户的权重信息相同， ${\mathrm{\ω}}_i=\mathrm{\ω}=1/\sqrt{M_2}.$

ω_i和z_i相互独立，所以z服从高斯分布：

$z:\left\{\begin{array}{c}N(\mathrm{numg}{M}_2\mathrm{\ω},2\mathrm{gnum}),H_0\\ N(\mathrm{numg}{M}_2\mathrm{\ω}(1+{\mathrm{\γ}}_i),2\mathrm{gnumg}{(1+{\mathrm{\γ}}_i)}^2),H_1\end{array}\right.$

当判决门限为λ₃时，判决中心的检测概率P_d，soft和虚警概率P_f，soft分别为：

$P_{d,\mathrm{soft}}=P(z>{\mathrm{\λ}}_3|H_1)=Q\left(\frac{{\mathrm{\λ}}_3-\mathrm{numg}{M}_2\mathrm{g\ωg}(1+{\mathrm{\γ}}_i)}{\sqrt{2\mathrm{gnum}{g(1+{\mathrm{\γ}}_i)}^2}}\right)$

$P_{f,\mathrm{soft}}=P(z>{\mathrm{\λ}}_3|H_0)=Q\left(\frac{{\mathrm{\λ}}_3-\mathrm{numg}{M}_2\mathrm{g\ω}}{\sqrt{2\mathrm{gnum}}}\right)$

其中， $Q\left(x\right)={\∫}_x^{\∞}\frac{1}{\sqrt{2\mathrm{\π}}}{e}^{-\frac{y^2}{2}}\mathrm{dy}.$

3.本发明方法总的检测概率P_f，sum和虚警概率P_d，sum：

设共有N个认知用户，当硬判决没有检测出授权用户时，有k个认知用户的能量值落在两门限之间，由系统模型知：

$P_{f,\mathrm{sum}}=P(D_{\mathrm{hard}}=1|H_0)+(D_{\mathrm{hard}}=0|H_0)\mathrm{gP}(D_{\mathrm{soft}}=1|D_{\mathrm{hard}}=0,H_0)$

$=P\{D_{\mathrm{hard}}=1|H_0\}+\underset{k=1}{\overset{N}{\mathrm{\Σ}}}F{\left({\mathrm{\λ}}_1\right)}^{N-k}\det 0^{k}P(D_{\mathrm{soft}}=1|D_{\mathrm{hard}}=0,H_0)$

$=1-\underset{i=1}{\overset{N}{\mathrm{\Π}}}(1-P_{f,i})+\underset{k=1}{\overset{N}{\mathrm{\Σ}}}{C}_N^k{(F\left({\mathrm{\λ}}_2\right)-F\left({\mathrm{\λ}}_1\right))}^{k}F{\left({\mathrm{\λ}}_1\right)}^{N-k}{P}_{f,\mathrm{soft}}$

同理可得：

$P_{d,\mathrm{sum}}=P(D_{\mathrm{hard}}=1|H_1)+(D_{\mathrm{hard}}=0|H_1)\mathrm{gP}(D_{\mathrm{soft}}=1|D_{\mathrm{hard}}=0,H_1)$

$=P\{D_{\mathrm{hard}}=1|H_1\}+\underset{k=1}{\overset{N}{\mathrm{\Σ}}}F{\left({\mathrm{\λ}}_1\right)}^{N-k}{(G\left({\mathrm{\λ}}_2\right)-G\left({\mathrm{\λ}}_1\right))}^{k}P(D_{\mathrm{soft}}=1|D_{\mathrm{hard}}=0,H_1)$

$=1-\underset{i=1}{\overset{N}{\mathrm{\Π}}}(1-P_{d,i})+\underset{k=1}{\overset{N}{\mathrm{\Σ}}}{C}_N^k{G{\left({\mathrm{\λ}}_1\right)}^{N-k}(G\left({\mathrm{\λ}}_2\right)-G\left({\mathrm{\λ}}_1\right))}^k{P}_{d,\mathrm{soft}}$

上式中λ₁，λ₂分别表示两门限硬判决的两个门限，并且λ₁＜λ₂。det0＝F(λ₂)-F(λ₁)表示在假设授权用户不存在的情况下认识用户接受到的能量落在两门限之间的概率。P_f，i，P_d，i分别表示硬判决时的第i个认知用户的虚警概率和检测概率，P_f，soft，P_d，soft分别表示落入两门限之间的认知用户软判决的虚警概率和检测概率。P(D_hard＝1|H₀)，P(D_soft＝1|D_hard＝0，H₀)分别表示在授权用户不存在的情况下硬判决检测到授权用户存在的概率，授权用户不存在、硬判决没有检测到授权用户的情况下，落在两门限之间的认识用户软判决检测出授权用户的概率。同理，P(D_hard＝1|H₁)，P(D_soft＝1|D_hard＝0，H₁)分别表示在授权用户存在的情况下硬判决检测到授权用户存在的概率，授权用户存在、硬判决没有检测到授权用户的情况下，落在两门限之间的认识用户软判决检测出授权用户的概率。

本发明的方法一方面充分利用了认知用户接收到的能量信息和本地判决信息，检测性能优于并行合并方法，另一方面在硬判决没有检测到的情况下本发明的方法向判决中心上传的并非是全部的认知用户接收到的能量信息，而是能量落在两门限之间的能量信息，从而节省了上传所需的带宽。

以下通过仿真实验对本发明的技术效果做详细分析：

仿真采用信道为加性高斯信道(AWGN)，设认知用户的数量为4，每个认知用户接收的授权用户信号为5000点随机信号，仿真次数为2000次，这里，并行合并方法指的是两门限检测算法，当能量位于两门限之间时则不向判决中心上传任何信息，当能量位于两门限之外则向判决中心上传本地判决结果。

图2是信噪比为-18db，det0为0.15下的ROC仿真曲线，其中纵坐标表示仿真中判决中心处总的检测概率和总虚警概率，横坐标表示虚警概率。图3是总的虚警概率为0.2，det0为0.15下的误判概率仿真图，其中纵坐标表示判决中心处的误判概率，横坐标表示认知用户接收到的信噪比。图4是信噪比为-18db时用于软判决的平均用户数上传率仿真图，其中纵坐标表示上传率，横坐标表示虚警概率。图5是认知用户信噪比为-18db时det0分别为0.1、0.15、0.2时检测概率仿真图，其中纵坐标表示检测概率，横坐标表示虚警概率。图6是认知用户信噪比为-18db时det0分别为0.1、0.15、0.2时用于软判决的平均用户数上传率仿真图，其中纵坐标表示上传率，横坐标表示虚警概率。

从仿真图可以看出：

1.从ROC仿真曲线可以看出，本发明的方法检测概率大于并行合并方法和串行合并方法。

2.在总的虚警概率时和接收信噪比相同的情况下，本发明的方法的检测概率大于串行合并方法和并行合并方法。

3.在总的虚警概率和接收信噪比相同时，本发明的方法用于软判决的平均用户数上传率远远小于串行合并方法。

4.在总的虚警概率和接收信噪比相同的情况下，本发明的方法随着det0的增大检测概率增大，用于软判决的平均用户数上传率也增大。

本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。

Claims (3)

1.一种频谱感知方法，具体如下：N个认知用户利用两门限判决法则对授权用户进行检测，假设有M个认知用户接收到的能量落在两门限的外面，有M₂＝N-M个认知用户接收到的能量落在两门限之间；

落在两门限外面的M个认知用户向判决中心上传检测结果，判决中心根据上传的信息做硬判决检测，如果检测到授权用户存在，则退出使用的授权用户频段；如果检测到授权用户不存在，则落在两门限之间的M₂个认知用户向判决中心上传它们接收到的授权用户的信息，判决中心判定授权用户是否存在：如果检测到授权用户存在，则退出使用的授权用户频段；如果检测授权用户不存在，则认知用户继续使用该授权用户频段。

2.根据权利要求1所述的频谱感知方法，其特征在于，所述的M₂个认知用户向判决中心上传它们接收到的授权用户的信息具体为：M₂个认知用户向判决中心上传它们接收到的授权用户的能量信息。

3.根据权利要求2所述的频谱感知方法，其特征在于，所述的判决中心判定授权用户是否存在具体为：判决中心用等增益合并软判决法则判定授权用户是否存在。

Images