CN102820955A - 次级用户节点对频谱感知信息的非均匀量化方法 - Google Patents

Abstract

本发明提供一种能提高协同频谱感知系统检测准确度的，次级用户节点对频谱感知信息进行量化的方法。次级用户节点对频谱感知信息的非均匀量化方法：次级用户节点进行本地感知，将每个检测时刻得到的能量检测结果表示为对数似然比形式，并确定该次级用户节点的判决门限；减小门限值附近的量化间隔，于在门限附近的能量检测结果进行细量化，对远离门限的检测结果进行粗量化，从而提高协同频谱感知系统检测准确度。

Description

次级用户节点对频谱感知信息的非均匀量化方法

技术领域

本发明属于通信技术，特别涉及协同频谱感知传输技术。

背景技术

认知无线电是一种频谱共享技术。次级用户（SU）通过对业务区内频谱活动状况的感知来发现并使用空闲频谱，一旦主用户（PU）开始使用次级用户所用频段，次级用户须即时放弃对该频段的使用，以避免造成对主用户业务的干扰。相比目前的频谱规划使用模式，这种频谱共享技术可有效提高频谱利用率，缓解频谱资源的日益紧张和授权频段利用率较低的矛盾。

为了有效解决由于多径、阴影等无线传播特性导致的隐藏终端问题，次级用户通常采用多个节点进行协同频谱感知来提高感知性能。协同频谱感知中，各次级用户节点对自身周边范围的电磁环境进行感知，并将感知结果传输至融合中心进行感知信息的融合处理。融合中心再根据相应准则，给出最终频谱感知结果。由于信息传输带宽的限制，各节点的频谱感知信息据需要经过量化之后再传给融合中心。即，各节点判决后得到的量化后的频谱感知信息将影响融合中心最终的频谱感知结果。

发明内容

本发明所要解决的技术问题是，提供一种能提高协同频谱感知系统检测准确度的，次级用户节点对频谱感知信息进行量化的方法。

本发明为解决上述技术问题所采用的技术方案是，次级用户节点对频谱感知信息的非均匀量化方法，包括以下步骤：

1）次级用户节点进行本地感知，将每个检测时刻得到的能量检测结果表示为对数似然比形式Λ_i，i＝1,2,3…，并确定该次级用户节点的判决门限θ_k；

2）确定初始化量化边界范围(t₀,t_M),其中，

t₀=2θ_k-t_M；量化电平总数为M，t_M为上边界，t₀为下边界；

3）依次新所有剩余的量化边界与

$t_{m_1}=\frac{t_{m_1+1}+{\mathrm{\&theta;}}_k}{2},$ $m_1>\frac{M}{2},$ $t_{m_2}=\frac{t_{m_2+1}+{\mathrm{\&theta;}}_k}{2},$ $m_2<\frac{M}{2};$ 其中， $m_1=\frac{M}{2}+1,\frac{M}{2}+2,...,M-1,$ $m_2=\mathrm{1,2},...,\frac{M}{2}-1;$

4）根据所有确定的量化边界计算出各量化电平l_m，

其中m=1,2,…,M；

5）将第i个检测时刻对应的对数似然比形式的能量检测结果Λ_i i=1,2,3…，分别进行量化得到量化结果q_i，i=1,2,3…，该次级用户节点传送量化结果q_i至融合中心。

本发明的有益效果是，提出了一种非均匀的量化方法，本地判决结果以对数似然比形式经过该非均匀量化之后传输至融合中心，减小门限值附近的量化间隔，对于在门限附近的能量检测结果进行细量化，对远离门限的检测结果进行粗量化，从而提高协同频谱感知系统检测准确度。

具体实施方法

采用以下系统条件为例进行说明：系统输入端加载DVB-T数字电视信号，处理单元采样N＝10000个数据点，感知方法采用的是能量检测，通过虚警概率得到判决门限θ_k。

次级用户节点的能量检测器输出值为第i个检测时刻接收到的信号能量z_i，i=1,2,3…，表示为：

其中y(j)是接收信号第j个样本，j＝1,…,N。当N相对较大时（如N＞200），则z_i可以近似表示为在假设主用户不存在情况H₀和主用户存在情况H₁下，均值分别为μ₀、μ₁和方差分别

为的高斯随机变量：

$\left\{\begin{array}{ccc}{\mathrm{\&mu;}}_0=N& {\mathrm{\&sigma;}}_0^2=2N& H_0\\ {\mathrm{\&mu;}}_1=N(\mathrm{\&gamma;}+1)& {\mathrm{\&sigma;}}_1^2=2N(2\mathrm{\&gamma;}+1)& H_1\end{array}\right.,$

其中，γ表示次级用户接收到的主用户信号的信噪比。

将能量检测的结果表示为对数似然比形式。每个次级用户的本地感知结果将以对数似然比的形式传输至融合中心。各次级用户在第i个检测时间得到的对数似然比值可以表示为：

${\mathrm{\&Lambda;}}_i=\frac{\mathrm{\&gamma;}(z_i^2-N{z}_i)}{2N(2\mathrm{\&gamma;}+1)}-\frac{N^2\mathrm{\&gamma;}}{2}-\frac{1}{2}\log (2\mathrm{\&gamma;}+1)$

实施例1

将系统虚警概率设为P_f＝0.01，系统中第k₁级节点上其10000个数据点的对数似然比值：

${\mathrm{\&Lambda;}}_{k_1}=[-387.0854,-386.6888,-388.9727,-386.6371,...,-388.8659].$

由系统虚警概率可得该次级节点判决门限

以量化比特数n=2为例，量化电平总数为M：

M=2ⁿ=4

初始化部分量化边界：

$t_M=t_4=\underset{i}{\max }|{\mathrm{\&Lambda;}}_i-{\mathrm{\&theta;}}_{k_1}|+{\mathrm{\&theta;}}_{k_1}=6.1609+(-391.5221)=-385.3612$

$t_{\frac{M}{2}}=t_2={\mathrm{\&theta;}}_{k_1}=-391.5221$

$t_0=2{\mathrm{\&theta;}}_{k_1}-t_4=-397.683$

按照 $t_{m_1}=\frac{t_{m_1+1}+{\mathrm{\&theta;}}_k}{2},$ $m_1>\frac{M}{2},$ $t_{m_2}=\frac{t_{m_2+1}+{\mathrm{\&theta;}}_k}{2},$ $m_2<\frac{M}{2};$ $m_1=\frac{M}{2}+1,\frac{M}{2}+2,...,M-1,$ $m_2=\mathrm{1,2},...,\frac{M}{2}-1$ 更新剩余量化边界：

$t_3=\frac{t_4+{\mathrm{\&theta;}}_{k_1}}{2}=-388.4417$

$t_1=\frac{t_0+{\mathrm{\&theta;}}_{k_1}}{2}=-394.6026$

根据所有确定的量化边界计算出各量化电平l_m，

其中m=1,2,…,M：

$l_1=\frac{t_0+t_1}{2}=-396.1428$

$l_2=\frac{t_1+t_2}{2}=-393.0624$

$l_3=\frac{t_2+t_3}{2}=-389.9819$

$l_4=\frac{t_3+t_4}{2}=-386.9015$

将对数似然比进行量化，当Λ_i∈(t_m-1，t_m]时，q_i=l_m，其中m∈{1,2,…,M}，量化后的结果为：

$q_{k_1}=[-386.9015,-386.9015,-389.9819,-396.9015,...,-389.9819]$

实施例2

将系统虚警概率设为P_f＝0.01，系统中第k₁级节点上其10000个数据点的对数似然比值：

${\mathrm{\&Lambda;}}_{k_1}=[-387.0854,-386.6888,-388.9727,-386.6371,...,-388.8659].$

由系统虚警概率可得该次级节点判决门限

以量化比特数n=3为例：

M=2ⁿ=8

初始化部分量化边界：

$t_8=\underset{i}{\max }|{\mathrm{\&Lambda;}}_i-{\mathrm{\&theta;}}_{k_1}|+{\mathrm{\&theta;}}_{k_1}=6.1609+(-391.5221)=-385.3612$

$t_4={\mathrm{\&theta;}}_{k_1}=-391.5221$

$t_0=2{\mathrm{\&theta;}}_{k_1}-t_8=-397.683$

更新剩余量化边界：

$t_7=\frac{t_8+{\mathrm{\&theta;}}_{k_1}}{2}=-388.4417$

$t_6=\frac{t_7+{\mathrm{\&theta;}}_{k_1}}{2}=-389.9819$

$t_5=\frac{t_6+{\mathrm{\&theta;}}_{k_1}}{2}=-390.752$

$t_1=\frac{t_0+{\mathrm{\&theta;}}_{k_1}}{2}=-394.6026$

$t_2=\frac{t_1+{\mathrm{\&theta;}}_{k_1}}{2}=-393.0624$

$t_3=\frac{t_2+{\mathrm{\&theta;}}_{k_1}}{2}=-392.2923$

计算各个量化电平：

$l_1=\frac{t_0+t_1}{2}=-396.1428$

$l_2=\frac{t_1+t_2}{2}=-393.8325$

$l_3=\frac{t_2+t_3}{2}=-392.6774$

$l_4=\frac{t_3+t_4}{2}=-391.9072$

$l_5=\frac{t_4+t_5}{2}=-391.1371$

$l_6=\frac{t_5+t_6}{2}=-390.3670$

$l_7=\frac{t_6+t_7}{2}=-389.2118$

$l_8=\frac{t_7+t_8}{2}=-386.9015$

将对数似然比进行量化，量化后的结果q_i发送至融合中心：

$q_{k_1}=[-386.9015,-386.9015,-389.2118,-386.9015,...,-389.2118]$

融合中心将接收到的各次级用户节点量化后的数据进行融合，然后根据系统虚警要求进行相应判决。其检测统计量T_i表示为：

$T_i=\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}{q}_{k,i}\begin{array}{c}{H}_1\\ >\\ <\\ H_0\end{array}{\mathrm{\&theta;}}_0$

其中，q_k，i表示第k个次级用户在第i个检测时刻的检测统计量T_i，系统中次级用户的总数为K，θ₀为融合中心预设的检测门限，当q_k，i小于θ₀则表示主用户存在情况H₀，当q_k，i大于θ₀则表示主用户存在情况H₁。

Claims (3)

1.次级用户节点对频谱感知信息的非均匀量化方法，其特征在于，包括以下步骤：

1）次级用户节点进行本地感知，将每个检测时刻得到的能量检测结果表示为对数似然比形式Λ_i，i＝1,2,3,…，并确定该次级用户节点的判决门限θ_k；

2）确定初始化量化边界范围(t₀,t_M),其中，

t₀=2θ_k-t_M；量化电平总数为M，t_M为上边界，t₀为下边界；

3）依次新所有剩余的量化边界

与

$t_{m_1}=\frac{t_{m_1+1}+{\mathrm{\&theta;}}_k}{2},$ $m_1>\frac{M}{2},$ $t_{m_2}=\frac{t_{m_2+1}+{\mathrm{\&theta;}}_k}{2},$ $m_2<\frac{M}{2};$ 其中， $m_1=\frac{M}{2}+1,\frac{M}{2}+2,...,M-1,$ $m_2=\mathrm{1,2},...,\frac{M}{2}-1;$

4）根据所有确定的量化边界计算出各量化电平l_m，

其中m=0,1,…,M；

5）将第i个检测时刻对应的对数似然比形式的能量检测结果Λ_i i＝1,2,3,…，分别进行量化得到量化结果q_i，i＝1,2,3…，该次级用户节点传送量化结果q_i至融合中心。

2.如权利要求1所述次级用户节点对频谱感知信息的非均匀量化方法，其特征在于，次级用户节点将第i个检测时刻对应的能量检测结果z_i表示为对数似然比形式Λ_i，

${\mathrm{\&Lambda;}}_i=\frac{\mathrm{\&gamma;}(z_i^2-N{z}_i)}{2N(2\mathrm{\&gamma;}+1)}-\frac{N^2\mathrm{\&gamma;}}{2}-\frac{1}{2}\log (2\mathrm{\&gamma;}+1);$

其中，γ表示次级用户接收到的主用户信号的信噪比，N为每次能量检测采用的样本总数。

3.如权利要求1所述次级用户节点对频谱感知信息的非均匀量化方法，其特征在于，次级用户节点利用预设的系统虚警概率确定判决门限θ_k。