CN102291188A - 一种认知无线电系统中的合作频谱感知方法 - Google Patents

Abstract

本发明公开了一种认知无线电中的合作频谱感知方法，基于提出的一种改进的能量检测算法，根据接收到的主用户发送的信号y_i，将其幅值进行p次幂的运算，从而得到一个本地感知量。然后根据推导得出的本地感知量的分布特性，计算出本地的感知结果。每个认知用户将其本地感知结果发送给融合中心，融合中心使用证据理论进行融合，得出主用户是否出现的总的判决结果。实验表明：本发明的检测概率明显高于基于传统能量检测算法的“或融合”、“与融合”感知方法，体现出了本发明的优越性能。与此同时，本发明的总体的错误概率(漏检概率与虚警概率之和)明显低于“或融合”、“与融合”感知方法，这也体现了本发明具有较高的可靠性。

Description

一种认知无线电系统中的合作频谱感知方法

技术领域

本发明属于认知无线电技术领域，更为具体地讲，涉及一种认知无线电系统中的合作频谱感知方法。

背景技术

当前无线通信技术正在迅速发展，随着各种新业务的不断出现，无线通信需求的不断增加，使得目前的无线电频谱资源越来越紧张。但是，美国联邦通信委员会(FCC)的大量研究表明，很多已经分配给现有无线通信系统的无线电频谱资源却在时间和空间上呈现出不同程度的闲置。因此，Joseph Mitolo博士于1999年提出了认知无线电的概念。通过采用认知无线电技术，人们可以使用周围环境当中处于空闲状态的授权频段来进行通信，从而提高了无线电频谱资源利用率，从而解决了无线电频谱资源越来越紧张与分配给现有无线通信系统的无线电频谱资源却在时间和空间上呈现出不同程度闲置的矛盾。而如何感知处于空闲状态的频段，提高感知结果的可靠性，正是认知无线电系统中需要研究的关键问题。

总的来说，认知无线电中的频谱感知方法可以分为两大类：单用户感知和合作频谱感知。随着研究的深入，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，合作频谱感知具有更高的可靠性和准确度。如图1所示，合作感知分为两大步骤：首先，认知用户不断感知周围环境，通过本地感知算法得到一个感知结果。然后，每个用户将其感知到的结果发送给融合中心，融合中心根据接收到的所有感知结果，来对主用户的出现与否给出一个判决。传统的合作频谱感知有“或融合”、“与融合”等融合判决方法。

1、或融合

或融合就是每个认知用户将其本地的感知结果发送给融合中心，只要有一个或者一个以上认知用户的感知结果表明是主用户出现了，那么融合中心就将做出主用户出现的总的融合判决结果。

2、与融合

与融合就是每个认知用户将其本地的感知结果发送给融合中心，只有当所有认知用户的感知结果均表明是主用户出现了，那么融合中心才会做出主用户出现的总的融合判决结果。

相对来说，“或融合”相对于“与融合”方法来说，其检测概率更高，但与此同时其虚警概率也更高，导致其频谱资源使用率较低。而“与融合”方法虽然虚警概率较低，但是其检测概率也相对较低，从而降低了对主用户的保护程度。因此，上述两种方法均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技术的不足，提供一种认知无线电系统中的合作频谱感知方法，以提高感知结果的可靠性。

为实现上述目的，本发明认知无线电系统中的合作频谱感知方法，其特征在于，包括以下步骤：

(1)、认知用户根据频段内接收到的信号y_i，将其幅值进行p次幂的运算：

z_i＝|y_i|^p

其中，i＝0，1，…，N，N为认知用户数量，p为一个大于零的常数；

(2)、计算每个用户的本地感知结果：主用户没有出现的感知结果为m_i(H₀)、主用户出现的感知结果为m_i(H₁)、对于主用户是否出现不确定的结果为m_i(Ω)：

$m_i\left(H_0\right)=\underset{z_i}{\overset{+\∞}{\∫}}\frac{\sqrt{2}{x}^{\frac{1-p}{p}}\exp (-\frac{x^{\frac{2}{p}}}{2{\mathrm{\σ}}_n^2})}{p\sqrt{\mathrm{\π}}{\mathrm{\σ}}_n}\mathrm{dx}$

$m_i\left(H_1\right)=\underset{0}{\overset{z_i}{\∫}}\frac{\sqrt{2}{x}^{\frac{1-p}{p}}\exp (-\frac{x^{\frac{2}{p}}}{2({\mathrm{\σ}}_n^2+{\mathrm{\σ}}_s^2)})}{p\sqrt{\mathrm{\π}({\mathrm{\σ}}_n^2+{\mathrm{\σ}}_s^2)}}\mathrm{dx}$

m_i(Ω)＝1-m_i(H₀)-m_i(H₁)

通过换元变换，上述式子中m_i(H₀)和m_i(H₁)的计算公式可以变换为：

$m_i\left(H_0\right)=\frac{1}{\sqrt{\mathrm{\π}}}\underset{\frac{z_i^{2/p}}{2{\mathrm{\σ}}_n^2}}{\overset{+\∞}{\∫}}\sqrt{t}\·\exp (-t)\mathrm{dt}=\frac{1}{\sqrt{\mathrm{\π}}}\mathrm{\Γ}(\frac{z_i^{2/p}}{2{\mathrm{\σ}}_n^2},3/2)$

$m_i\left(H_i\right)=\frac{1}{\sqrt{\mathrm{\π}}}\underset{0}{\overset{\frac{z_i^{2/p}}{2({\mathrm{\σ}}_n^2+{\mathrm{\σ}}_s^2)}}{\∫}}\sqrt{v}\·\exp (-v)\mathrm{dv}=\frac{1}{\sqrt{\mathrm{\π}}}[1-\mathrm{\Γ}(\frac{z_i^{2/p}}{2({\mathrm{\σ}}_n^2+{\mathrm{\σ}}_s^2)},3/2)]$

其中

表示不完全gamma函数，H₀表示主用户没有出现，H₁表示主用户出现，σ_n表示频段中的零均值加性高斯白噪声的标准差，σ_s表示主用户出现的时候所发送的信号的标准差；

(3)、每个认知用户将其感知计算得到的感知结果m_i(H₀)、m_i(H₁)以及m_i(Ω)发送给融合中心；融合中心接收所有认知用户发送过来的感知结果，使用证据理论进行融合，得到一个总的感知结果：

$m\left(H_0\right)=\frac{\underset{A_1\∩A_2\∩...A_N=H_0}{\mathrm{\Σ}}\underset{i=1}{\overset{N}{\mathrm{\Π}}}{m}_i\left(A_i\right)}{1-\underset{i=1}{\overset{N}{\mathrm{\Π}}}{m}_i\left(H_1\right)-\underset{i=1}{\overset{N}{\mathrm{\Π}}}{m}_i\left(\mathrm{\Ω}\right)}$

上式中，

表示A_i取值为H₀或者Ω的各种组合下的N个m_i(A_i)，i＝0，1，…，N的乘积之和；m(H₀)表示了主用户没有出现的融合感知结果；

$m\left(H_1\right)=\frac{\underset{B_1\∩B_2\∩...B_N=H_1}{\mathrm{\Σ}}\underset{i=1}{\overset{N}{\mathrm{\Π}}}{m}_i\left(B_i\right)}{1-\underset{i=1}{\overset{N}{\mathrm{\Π}}}{m}_i\left(H_0\right)-\underset{i=1}{\overset{N}{\mathrm{\Π}}}{m}_i\left(\mathrm{\Ω}\right)}$

上式中，

表示B_i取值为H₁或者Ω的各种组合下的N个m_i(B_i)，i＝0，1，…，N的乘积之和；m(H₁)表示了主用户出现的融合感知结果；

(4)、融合中心比较m(H₀)和m(H₁)，如果m(H₁)≥m(H₀)，则认为主用户存在，如果m(H₁)＜m(H₀)，则认为出用户没有出现。

本发明的发明目的是这样实现的：

在认知无线电系统中，认知用户在本地感知的时候有两种模型：H₀和H₁。

其中，H₀表示主用户没有出现，H₁表示主用户出现。

$\left\{\begin{array}{cc}{H}_0:& y_i\left(t\right)=n_i\left(t\right)\\ H_1:& y_i\left(t\right)=s\left(t\right)+n_i\left(t\right)\end{array}\right.$

其中i是认知用户的编号，i＝1，2….N。

表示加性高斯白噪声，其均值为0，方差为

s(t)表示主用户发送的信号，这里我们假设主用户发送的信号是服从零均值的高斯分布：

表示了主用户发送信号的方差。

认知用户在H₀和H₁假设模型下接收到的主用户的信号y_i的概率密度函数分别用

和

表示：

$f_{y_i|H_0}\left(x\right)=\frac{1}{\sqrt{2\mathrm{\π}{\mathrm{\σ}}_n^2}}\exp (-\frac{x^2}{2{\mathrm{\σ}}_n^2})---\left(2\right)$

$f_{y_i|H_1}\left(x\right)=\frac{1}{\sqrt{2\mathrm{\π}({\mathrm{\σ}}_s^2+{\mathrm{\σ}}_n^2)}}\exp (-\frac{x^2}{2({\mathrm{\σ}}_s^2+{\mathrm{\σ}}_n^2)})---\left(3\right)$

为了得到本地感知量，采用了一个改进的能量检测算法：

z_i＝|y_i|^p    (4)

其中，p为一个大于零的常数。

z_i的累积分布函数如下：

$\mathrm{Pr}({\left|y_i\right|}^p\≤y)=\mathrm{Pr}\left(\right|y_i|\≤y^{\frac{1}{p}})$

$=\mathrm{Pr}(-y^{\frac{1}{p}}\≤y_i\≤y^{\frac{1}{p}})---\left(5\right)$

$=\mathrm{Pr}(y_i\&le;y^{\frac{1}{p}})-\mathrm{Pr}(y_i<-y^{\frac{1}{p}})$

Pr表示概率，对上式进行微分，就可以得到z_i的概率密度函数：

$f_{z_i|H_0}\left(y\right)=\frac{1}{p}{y}^{\frac{1-p}{p}}{f}_{y_i}\left(y^{\frac{1}{p}}\right)+\frac{1}{p}{y}^{\frac{1-p}{p}}{f}_{y_i}\left({-y}^{\frac{1}{p}}\right)---\left(6\right)$

其中，

表示认知用户接收到的信号y_i的概率密度函数。那么从式(2)和式(6)就可以得到在H₀模型下z_i的概率密度函数：

$f_{z_i|H_0}\left(y\right)=\frac{\sqrt{2}{y}^{\frac{1-p}{p}}}{p\sqrt{\mathrm{\&pi;}{\mathrm{\&sigma;}}_n^2}}\exp (-\frac{y^{\frac{2}{p}}}{2{\mathrm{\&sigma;}}_n^2})---\left(7\right)$

从式(3)和式(6)就可以得到在H₁模型下z_i的概率密度函数：

$f_{z_i|H_1}\left(y\right)=\frac{\sqrt{2}{y}^{\frac{1-p}{p}}}{p\sqrt{\mathrm{\&pi;}({\mathrm{\&sigma;}}_s^2+{\mathrm{\&sigma;}}_n^2)}}\exp (-\frac{y^{\frac{2}{p}}}{2({\mathrm{\&sigma;}}_s^2+{\mathrm{\&sigma;}}_n^2)})---\left(8\right)$

于是，每个认知用户就可以以式(7)和式(8)提供的概率密度函数为根据，由本地感知量z_i计算出本地感知结果：主用户没有出现的结果m_i(H₀)、主用户出现的结果m_i(H₁)、以及主用户出现与否不确定的结果m_i(Ω)。

然后，每个认知用户将其感知结果发送给融合中心，融合中心根据证据理论将这些感知结果进行融合判决，得到一个总的感知结果。

实验表明：本发明的检测概率明显高于基于传统能量检测算法的“或融合”、“与融合”感知方法，体现出了本发明的优越性能。与此同时，本发明的总体的错误概率，即漏检概率与虚警概率之和明显低于“或融合”、“与融合”感知方法，这也体现了本发明具有较高的可靠性。

附图说明

图1是合作频谱感知方法系统模型图；

图2是本发明的合作频谱感知方法流程图；

图3是不同的合作频谱感知方法检测概率比较图；

图4是不同的合作频谱感知方法错误概率比较图；

图5是本发明在不同p值下的错误概率比较图。

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。

实施例

图2是本发明的合作频谱感知方法流程图

如图2所示，每个认知用户根据其本地检测量z_i，计算出本地感知结果，即主用户没有出现的结果m_i(H₀)、主用户出现的结果m_i(H₁)、以及主用户出现与否不确定的结果m_i(Ω)；然后，认知用户将本地感知结果发送给融合中心，融合中心利用证据理论进行融合，得到一个总的感知结果m(H₀)和m(H₁)。m(H₀)表示了主用户没有出现的融合感知结果，而m(H₁)表示主用户出现的融合感知结果；然后融合中心将两个感知结果进行比较，如果m(H₁)大于m(H₀)，则融合中心做出主用户出现的判决，若m(H₁)不大于m(H₀)，则融合中心做出主用户未出现的判决。

图3是不同的合作频谱感知方法检测概率比较图

如图3所示，本发明在采用不同p值时，其检测概率在较低的信杂比SNR下都明显高于“或”、“与”感知方法，体现了其优异的检测性能。

图4是不同的合作频谱感知方法错误概率比较图

如图4所示，本发明在采用不同p值时，其错误概率，即虚警概率和漏检概率之和，在较低的信杂比SNR下都明显低于“或”、“与”感知方法，体现了本发明较高的可靠性。

图5是本发明在不同p值下的错误概率比较图

如图5所示，本发明的错误概率，随着p值选取的不同而不同，当我们选取合适的p值的时候，能够使得总的错误概率降低到很小的值。说明了通过选取合适的p值，能使本发明性能达到最优。在图5的实例中，p＝6错误概率最小。

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 (2)

1.一种认知无线电系统中的合作频谱感知方法，其特征在于，包括以下步骤：

(1)、认知用户根据频段内接收到的信号y_i，将其幅值进行p次幂的运算：

z_i＝|y_i|^p

其中，i＝0，1，…，N，N为认知用户数量，p为一个大于零的常数；

(2)、计算每个用户的本地感知结果：主用户没有出现的感知结果为m_i(H₀)、主用户出现的感知结果为m_i(H₁)、对于主用户是否出现不确定的结果为m_i(Ω)：

m_i(Ω)＝1-m_i(H₀)-m_i(H₁)

通过换元变换，上述式子中m_i(H₀)和m_i(H₁)的计算公式可以变换为：

其中 

表示不完全gamma函数，H₀表示主用户没有出现，H₁表示主用户出现，σ_n表示频段中的零均值加性高斯白噪声的标准差，σ_s表示主用户出现的时候所发送的信号的标准差；

(3)、每个认知用户将其感知计算得到的感知结果m_i(H₀)、m_i(H₁)以及m_i(Ω)发送给融合中心；融合中心接收所有认知用户发送过来的感知结果，使 用证据理论进行融合，得到一个总的感知结果：

上式中， 

表示A_i取值为H₀或者Ω的各种组合下的N个m_i(A_i)，i＝0，1，…，N的乘积之和；m(H₀)表示了主用户没有出现的融合感知结果；

上式中， 

表示B_i取值为H₁或者Ω的各种组合下的N个m_i(B_i)，i＝0，1，…，N的乘积之和；m(H₁)表示了主用户出现的融合感知结果；

(4)、融合中心比较m(H₀)和m(H₁)，如果m(H₁)≥m(H₀)，则认为主用户存在，如果m(H₁)＜m(H₀)，则认为出用户没有出现。

2.根据权利要求1所述的认知无线电系统中的合作频谱感知方法，其特征在于，所述的幂p为6。

Images