CN103237310B - 一种认知无线电并行合作频谱感知方法 - Google Patents

Abstract

一种认知无线电并行合作频谱感知方法，该方法首先根据定义的感知开销和传输收益，计算系统效益矩阵，运用Kuhn-Munkres算法，为每一个认知用户分配一个子信道进行感知，如果存在剩余的认知用户，则计算系统效益增量矩阵，然后迭代使用Kuhn-Munkres算法最优地为子信道继续分配认知用户与之前分配的认知用户一同对子信道进行合作感知。该并行合作频谱感知方法充分考虑感知开销、系统效益以及不同认知用户对不同子信道感知性能的差异，克服了现有并行合作频谱感知方法仅考虑检测准确性和需要较多用户进行感知的不足，能够最优的确定感知策略，有效的提高系统效益，减少参加合作感知的认知用户数。

Description

一种认知无线电并行合作频谱感知方法

(一)技术领域

本发明涉及的是一种认知无线电频谱感知技术领域的并行合作频谱感知方法。

(二)背景技术

随着人们对无线通信需求的迅速增长，频谱资源紧缺的问题日益严重。传统的固定频谱分配方法已经不能满足人们对频谱日益增长的需要。认知无线电技术改变以往固定的频谱分配方式，使非授权用户可以在不影响授权用户的情况下灵活使用频谱，为解决频谱资源紧缺的问题提供了一种有效的解决方案，是未来通信发展的必然趋势。

认知无线电实现的关键和前提是有效的频谱感知技术。合作频谱感知技术是目前广泛采用的频谱感知方法，它通过将多个处于不同位置的单节点的检测结果进行收集和处理，得到频谱的占用情况，从而能够有效地解决由于信道衰落和阴影效应导致的单节点感知结果不准确的问题。对于具有多个子信道的频谱感知，为了减少感知时间和系统开销，往往需要多个认知用户同时检测不同的子信道，达到在一个检测周期获得多个子信道占用情况的目的，即并行合作频谱感知技术。在并行频谱感知技术中，最重要的问题是确定感知方法，即哪些认知用户在何时检测哪些子信道，以达到最大的系统效益。针对该问题，Sheng Li Xie，Yi Liu，Yan Zhang，Rong Yu，″A parallel cooperative spectrum sensing in cognitive radionetworks，″IEEE Transactions on Vehicular Technology，vo1.59，pp.4079-4092，2010一文提出一种并行合作频谱感知方法，该方法能够最优的选择参加频谱感知的认知用户数及判决门限值，但没有考虑不同用户对不同子信道感知性能的差异。Behzad Shahrasbi，Nazanin Rahnavard，″Cooperative parallel spectrum sensing incognitive radio networks using bipartite matching，″in Military communicationsconference，2011-MILCOM2011，2011，pp.19-24一文将并行合作频谱感知问题等效成一个二分图求最优匹配的问题，利用匈牙利算法得到最优的频谱感知方法，但是该方法仅考虑一个子信道仅由一个用户感知的情况，由于信道衰落和阴影效应的影响，单个用户的感知结果可能并不准确。文章Wang Zaili，FengZhiyong，Zhang Ping，″An Iterative Hungarian Algorithm Based CoordinatedSpectrum Sensing Strategy，″IEEE Communications Letters，vol.15，pp.49-51，2011和文章Zai Li Wang，Zhi Yong Feng，Di Zhang，Jian Tao Xue，Ping Zhang，″Optimized strategies for coordinated spectrum sensing in Cognitive RadioNetworks，″in2011Sixth International ICST Conference on Cognitive Radio OrientedWireless Networks and Communications(CROWNCOM)，2011，pp.96-100分另提出了使用迭代匈牙利算法和迭代Kuhn-Munkres(KM)算法进行并行频谱感知的方法，但是这两种方法只考虑检测的准确性，而没有考虑感知开销和系统效益的问题，而且由于该方法没有完善的终止条件，导致需要较多的认知用户来进行频谱感知，这将会严重增加认知用户的能量消耗，以及增大系统的虚警概率。

(三)发明内容

为了解决背景技术中存在的技术问题，本发明提供一种认知无线电并行合作频谱感知方法，该方法可以克服现有并行合作频谱感知方法仅考虑检测准确性和需要较多用户进行感知的不足，在充分考虑感知开销和系统效益的基础上，最优的确定感知方法。

本发明所采用的技术方案是：该认知无线电并行合作频谱感知方法包括下列系统模型：

在一个由一个融合中心和N个认知用户构成的集中式认知无线电网络中，感知对象为M个子信道；

定义感知开销为认知用户因频谱感知任务所减少传输的数据量，设R_cr ⁿ为认知用户n的传输速率，其中n＝1，2，...，N，则认知用户n的感知开销Oⁿ为

Oⁿ＝R_cr ⁿT_s    (1)

其中，T_s为感知时隙；

定义传输收益为子信道用于认知用户传输时单位时间内所能传输的平均有效数据量，子信道用于认知用户传输时分为两种情况：第一种情况是信道空闲且被认知用户正确感知时，第二种情况是信道被主用户占用，但被认知用户错误感知而误认为是空闲时，对于第二种情况，可以看成是对传输收益的惩罚函数，设R_ch ^m为子信道m的传输速率，P_{d_ch}＝[P_{d_ch} ^m]_M为各子信道的检测概率矢量，P_{f_ch}＝[P_{f_ch} ^m]_M为各子信道的虚警概率矢量，其中P_{d_ch} ^m和P_{f_th} ^m分别为认知网络对子信道m的检测概率和虚警概率，则子信道m(m＝1，2，...，M)的传输收益G^m为

G^m＝R_ch ^mT_rP_on[1-P_{f_ch} ^m]-R_ch ^m(1-P_on)[1-P_{d_ch} ^m]T_rδ    (2)

其中：T_r为传输时隙，P_on为子信道空闲的概率，δ为惩罚因子；

设X＝[x^mn]_M×N为分配矩阵，当认知用户n被分配感知子信道m时，x^mn＝1，否则x^mn＝0；则分配X时的总系统效益U_all(X)可以定义为总传输收益和总感知开销之差

$U_{\mathrm{all}}\left(X\right)=\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{G}^m-\underset{x^{\mathrm{mn}}=1}{\mathrm{\Σ}}{O}^n---\left(3\right)$

根据以上描述的系统模型，并行合作频谱感知的感知方法可以等效成如下分配问题：

$\begin{array}{cc}\underset{X}{\max }& U_{\mathrm{all}}\left(X\right);\end{array}$

s.t. $\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{x}^{\mathrm{mn}}=1,$ n＝1，2，...，N；

             (4)

$\mathrm{\β}\≤\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{x}^{\mathrm{mn}}\≤N_{\mathrm{co}\_\max },$ m＝1，2，...，M；

x^mn∈{0，1}.

其中，β表示是否能在一个感知时隙内检测完所有子信道，如果N≥M，即认知用户数大于子信道数，则能够在一个感知时隙内检测完所有子信道，令β＝1，否则，置β＝0，N为认知用户数，N_{co_max}为每个子信道允许的最大的参加合作感知的认知用户数。多个认知用户共同感知一个子信道时使用OR准则。

上述方案中并行合作频谱感知方法是按照如下步骤得到的：

步骤1初始化认知用户数N，子信道数M，系统所允许的最大虚警概率Q_fa，系统要求的检测概率P_{d_ch} ^req，各认知用户感知的虚警概率p_f，传输时隙T_r，感知时隙T_s，惩罚因子δ，认知用户传输速率R_cr ⁿ，n＝1，2，...，N，子信道传输速率R_ch ^m，m＝1，2，...，M，子信道空闲的概率P_on，检测概率矩阵P_d＝[P_d ^mn]_M×N，其中P_d ^mn为认知用户n感知子信道m的检测概率。置分配矩阵X＝0，当前迭代最优分配矩阵X₀＝0，各子信道的检测概率矢量P_{d_ch}＝0以及各子信道的虚警概率矢量P_{f_ch}＝0，利用以下公式计算每个子信道允许的最大的参加合作感知的认知用户数N_{co_max}；

步骤2根据以下公式，计算信道m分配给认知用户n感知时所能获得的传输收益G^mn、感知开销Oⁿ以及系统效益U^mn，其中m＝1，2，...，M，n＝1，2，...，N；执行KM算法得到当前迭代最优分配矩阵X₀＝[X₀ ^mn]_M×N使总系统效益U_all最大，其中如果子信道m分配给认知用户n感知，则X₀ ^mn＝1，否则为0，更新X＝X₀

G^mn＝R_ch ^mT_rP_on[1-p_f]-R_ch ^m(1-P_on)[1-P_d ^mn]T_rδ     (6)

Oⁿ＝R_cr ⁿT_s     (1)

U^mn＝G^mn-Oⁿ      (7)

步骤3根据以下公式计算分配X下的总系统效益U_all(X)；根据当前迭代最优分配矩阵X₀，对于X₀ ^mn＝1的指派，置P_{d_ch} ^m＝P_d ^mn，P_{f_ch} ^m＝p_f；如果N≤M，则算法终止，得到分配矩阵X；

$U_{\mathrm{all}}\left(X\right)=\underset{x^{\mathrm{mn}}=1}{\mathrm{\Σ}}{U}^{\mathrm{mn}}---\left(8\right)$

步骤4对于每一个未分配子信道的认知用户，以及每一个分配认知用户数小于N_{co_max}的子信道，根据以下公式计算检测概率增量ΔP_{d_ch} ^mn、虚警概率增量ΔP_{f_ch} ^m、传输收益的增量ΔG^mn、感知开销的增量ΔOⁿ以及系统效益的增量ΔU^mn；

ΔP_{d_ch} ^mn＝1-[1-P_{d_ch} ^m][1-P_d ^mn]-P_{d_ch} ^m    (9)

ΔP_{f_ch} ^m＝1-[1-P_{f_ch} ^m][1-p_f]-P_{f_ch} ^m    (10)

ΔG^mn＝R_ch ^m(1-P_on)ΔP_{d_ch} ^mnT_r-R_ch ^mT_rP_onΔP_{f_ch} ^m    (11)

ΔOⁿ＝R_cr ⁿT_s   (12)

ΔU^mn＝ΔG^mn-ΔOⁿ    (13)

步骤5在所有未分配子信道的认知用户和分配认知用户数小于N_{co_max}的子信道中，执行KM算法，得到使系统效益总增量最大的当前迭代最优分配X₀；对于任意X₀ ^mn＝1的分配，如果ΔU^mn＝0，或者P_{d_ch} ^m≥P_{d_ch} ^req且ΔU^mn≤0，则置X₀ ^mn＝0；

步骤6根据以下公式，更新P_{d_ch} ^m，P_{f_ch} ^m，X以及U_all；

P_{d_ch} ^m＝P_{d_ch} ^m+ΔP_{d_ch} ^mn    (14)

P_{f_ch} ^m＝P_{f_ch} ^m+ΔP_{f_ch} ^m     (15)

X＝X+X₀      (16)

U_all＝U_all+ΔU_all    (17)

步骤7当以下两个终止条件满足其一时，迭代终止，得到分配矩阵X；一是所有的认知用户都被分配了子信道进行感知或每一个子信道都被分配了N_{co_max}个认知用户进行感知；二是，所有子信道m＝1，2，...，M均满足P_{d_ch} ^m≥P_{d_ch} ^req，且对于所有m＝1，2，...，M，n＝1，2，...，N，都有ΔU^mn≤0。否则，跳到步骤4继续执行迭代。

本发明所具有的有益效果是：本发明提供了一种认知无线电并行合作频谱感知方法，其优点是：能够充分考虑感知开销、系统效益以及不同认知用户对不同子信道感知性能的差异，克服现有并行合作频谱感知方法仅考虑检测准确性和需要较多用户进行感知的不足，最优的确定感知方法，提高系统效益，减少参加合作感知的认知用户的数量。

(四)附图说明

图1为不同认知用户数时的总系统效益曲线图；

图2为不同认知用户数时参加合作感知的认知用户数曲线图。

(五)具体实施方式

下面结合附图和具体实施例对本发明作进一步具体说明：

在一个由一个融合中心和N个认知用户构成的集中式认知无线电网络中，感知对象包括M个子信道。每一个子信道具有ON和OFF两种状态，分别指示当前信道空闲和被主用户占用两种情况。设子信道空闲的概率为P_on。认知用户在每一个时隙T内分为感知时隙T_s和传输时隙T_r两部分，T＝T_s+T_r。每个认知用户在一个感知时隙T_s内仅感知一个子信道，而每个子信道可由多个认知用户合作感知以提高准确性，合作时采用OR准则。由于每个用户所处的位置和性能各不相同，不同认知用户对不同子信道的感知性能也不同。本发明使用相同虚警概率p_f下的检测概率来度量不同认知用户对不同子信道检测性能的不同。设认知用户n感知子信道m的检测概率为P_d ^mn，其中n＝1，2，...，N，m＝1，2，...，M，则检测概率矩阵定义为P_d＝[P_d ^mn]_M×N。

由于使用OR准则，根据系统所允许的最大虚警概率Q_fa和各认知用户的虚警概率p_f，可以得到每个子信道允许的最大认知用户数N_{co_max}为

其中，表示向下取整。

在认知用户进行频谱感知时，必须停止其数据传输，定义感知开销为认知用户因频谱感知任务所减少传输的数据量。设R_cr ⁿ为认知用户n的传输速率，则认知用户n的感知开销Oⁿ为

Oⁿ＝R_r。 ⁿT_s     (1)

定义传输收益为信道用于认知用户传输时单位时间内所能传输的平均有效数据量。信道用于认知用户传输时分为两种情况：第一种情况是信道空闲且被认知用户正确感知，第二种情况是信道在被主用户占用，但被认知用户错误感知而误认为是空闲时。设R_ch ^m为子信道m的传输速率，P_{d_ch}＝[P_{d_ch} ^m]_M为各子信道的检测概率矢量，P_{f_ch}＝[P_{f_ch} ^m]_M为各子信道的虚警概率矢量，其中P_{d_ch} ^m和P_{f_ch} ^m分别为认知网络对子信道m的检测概率和虚警概率。则对于第一种情况，信道m所能传输的有效信息量是R_ch ^mT_rP_on[1-P_{f_ch} ^m]。对于第二种情况，当信道被主用户占用时，由于主用户信号的存在，不仅认知用户传输的信息可能无法被正确的接收，导致多余的能量消耗，而且还会对主用户造成干扰，这是认知无线电设计理念所极力避免的，因此，这时所传输的信息量R_ch ^m(1-P_on)[1-P_{d_ch} ^m]T_r可以看成是对传输收益的惩罚函数。设δ为惩罚因子，用来衡量第二种情况时由于能量消耗和对主用户造成的干扰对系统的影响程度，δ越大则表示影响越大。则子信道m的传输收益G^m为

G^m＝R_ch ^mT_rP_on[1-P_{f_ch} ^m]-R_ch ^m(1-P_on)[1-P_{d_ch} ^m]T_rδ    (2)

设X＝[x^mn]_M×N为分配矩阵，当认知用户n被分配感知子信道m时，x^mn＝1，否则x^mn＝0。则分配X时的总系统效益U_all(X)可以定义为总传输收益和总感知开销之差

$U_{\mathrm{all}}\left(X\right)=\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{G}^m-\underset{x^{\mathrm{mn}}=1}{\mathrm{\Σ}}{O}^n---\left(3\right)$

为了使总系统效益最大，必须根据传输收益和感知开销合理地选择最优的分配矩阵X。

根据以上描述的系统模型，并行合作频谱感知的感知方法可以等效成如下分配问题：

$\begin{array}{cc}\underset{X}{\max }& U_{\mathrm{all}}\left(X\right);\end{array}$

s.t. $\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{x}^{\mathrm{mn}}=1,$ n＝1，2，...，N；

           (4)

$\mathrm{\β}\≤\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{x}^{\mathrm{mn}}\≤N_{\mathrm{co}\_\max },$ m＝1，2，...，M；

x^mn∈{0，1}.

其中，β表示是否能在一个感知时隙内检测完所有子信道，如果N≥M，即认知用户数大于子信道数，则能够在一个感知时隙内检测完所有子信道，置β＝1，否则，置β＝0。

本发明使用迭代KM算法来解决上述线性分配问题。包括两个阶段：在第一阶段，使用KM算法为每一个认知用户分配一个子信道进行感知；在第二阶段，迭代使用KM算法最优的选择其他认知用户与第一阶段分配的认知用户一同对子信道进行合作感知，使系统效益达到最大。每个阶段都可以映射为一个二分图的最优匹配问题。在该二分图中，一边的N个点代表认知用户，另一边的M个点代表子信道。两边节点之间的边，表示将该子信道分配给该认知用户进行感知。这样，分配的问题就等同于求二分图最优匹配的问题。KM算法是经典的求解二分图最优匹配的方法，因此本发明使用KM算法求解每个阶段中的二分图最优匹配问题。

在不同阶段，边上的权重定义是不一样的。

在第一个阶段，使用KM算法为每一个认知用户分配一个子信道进行感知，使系统效益达到最大，因此定义各边的权重为该分配所能获得的系统效益。设m节点n节点之间的边mn的权重为子信道m分配给认知用户n感知时所能获得系统效益U^mn，可由下式得到：

U^mn＝G^mn-Oⁿ，      (7)

其中，Oⁿ为认知用户n感知时产生的感知开销，可由公式(1)得出，G^mn表示当子信道m分配给认知用户n感知时的所能获得的传输收益，根据公式(2)对传输收益的定义，可由下式得出

G^mn＝R_ch ^mT_rP_on[1-p_f]-R_ch ^m(1-P_on)[1-P_d ^mn]T_rδ     (6)

则总系统效益u_all(X)可以写成

$U_{\mathrm{all}}\left(X\right)=\underset{x^{\mathrm{mn}}=1}{\mathrm{\Σ}}{U}^{\mathrm{mn}}---\left(8\right)$

通过执行KM算法，即第一次迭代之后，得到当前迭代最优分配矩阵X₀＝[X₀ ^mn]_M×N，其中，如果子信道m分配给认知用户n感知，则x₀ ^mn＝1，否则为0。置分配矩阵X＝X₀。对于子信道m，可得P_{d_ch} ^m等于P_d ^mn，P_{f_ch} ^m等于p_f。

在第二阶段，通过重复执行KM算法来为各子信道选择进行合作感知的认知用户，使合作产生的总系统效益增量ΔU_all最大，因此定义边的权重为该分配所能获得的系统效益增量。设边mn的权重为子信道m分配给认知用户n合作感知时所能获得系统效益增量ΔU^mn。则系统效益总增量ΔU_all可以由下式得出：

$\mathrm{\Δ}{U}_{\mathrm{all}}=\underset{{X_0}^{\mathrm{mn}}=1}{\mathrm{\Σ}}\mathrm{\Δ}{U}^{\mathrm{mn}}---\left(18\right)$

边的权重系统效益增量ΔU^mn计算方法如下：

增加新的认知用户对子信道进行合作感知后，子信道的检测概率和虚警概率都会增加，假设子信道m分配给认知用户n对其进行合作感知，则子信道m的检测概率增量ΔP_{d_ch} ^mn和虚警概率增量ΔP_{f_ch} ^m可以分别表示为

ΔP_{d_ch} ^mn＝1-[1-P_{d_ch} ^m][1-P_d ^mn]-P_{d_ch} ^m    (9)

ΔP_{f_ch} ^m＝1-[1-P_{f_ch} ^m][1-p_f]-P_{f_ch} ^m    (10)

根据公式(1)和公式(6)，可得感知开销的增量ΔOⁿ和传输收益的增量ΔG^mn分别为

ΔOⁿ＝R_cr ⁿT_s        (11)

ΔG^mn＝R_ch ^m(1-P_on)ΔP_{d_ch} ^mnT_r-R_ch ^mT_rP_onΔP_{f_ch} ^m     (12)

则系统效益的增量ΔU^mn可以写为

ΔU^mn＝ΔG^mn-ΔOⁿ     (13)

对于每一个未分配感知子信道的认知用户n和每一个合作感知的认知用户数小于N_{co_max}的子信道m，计算其ΔU^mn。根据各边的权重ΔU^mn，通过KM算法，就可以得到使系统效益增量ΔU_all最大的当前迭代最优分配矩阵X₀。

在利用KM算法求最优匹配时，当子信道m的检测概率P_{d_ch} ^m小于系统要求的检测概率P_{d_ch} ^req时，允许选择ΔU^mn为负数的指派，以达到系统对检测概率的要求。但是，当检测概率已经达到系统检测概率的要求时，即P_{d_ch} ^m≥P_{d_ch} ^req，为了使系统效益最大化，则不允许选择ΔU^mn为负数的指派(避免总系统效益降低)。因此，如果P_{d_ch} ^m≥P_{d_ch} ^req且ΔU^mn≤0，则置相应的指派X₀ ^mn＝0，表示该指派从当前的的分配中剔除。此外，当ΔU^mn＝0时，该指派X₀ ^mn＝1无法获得任何系统效益，是无意义的，也置X₀ ^mn＝0。

最后，根据当前迭代最优分配矩阵X₀，如果子信道m分配给认知用户n，即X₀ ^mn＝1，则P_{d_ch} ^m和P_{f_ch} ^m分别更新为

P_{d_ch} ^m＝P_{d_ch} ^m+ΔP_{d_ch} ^mn    (14)

P_{f_ch} ^m＝P_{f_ch} ^m+ΔP_{f_ch} ^m    (15)

同时更新最终分配矩阵X和总系统效益U_all

X＝X+X₀     (16)

U_all＝U_all+ΔU_all     (17)

此时，本次迭代完成。为了使系统效益达到最大，迭代过程会继续进行，直到满足终止条件。

当以下两个条件满足其一时，迭代终止。一是所有的认知用户都被分配了子信道进行感知或每一个子信道都被分配了N_{co_max}个认知用户进行感知。二是，如果所有子信道m＝1，2，...，M均满足P_{d_ch} ^m≥P_{d_ch} ^req，且对于所有m＝1，2，...，M，n＝1，2，...，N，都有ΔU^mn≤0。这样，当迭代终止时，认知用户便可以根据分配矩阵X以最优的方法对子信道进行感知。

本发明提出的并行合作频谱感知方法详细步骤如下：

步骤1初始化N，M，Q_fa，P_{d_ch} ^req，p_f，P_d，T_r，T_s，δ，R_cr ⁿ，n＝1，2，...，N，R_ch ^m，m＝1，2，...，M，P_on。置X＝0，X₀＝0，P_{d_ch}＝0以及P_{f_ch}＝0。利用公式(5)计算N_{co_max}。

步骤2根据公式(1，6-7)，计算U^mn，其中m＝1，2，...，M，n＝1，2，...，N。执行KM算法得到当前迭代最优分配矩阵X₀，使总系统效益U_all最大。更新X＝X₀。

步骤3根据公式(8)计算U_all。根据当前迭代最优分配矩阵X₀，对于X₀ ^mn＝1的指派，置P_{d_ch} ^m＝P_d ^mn，P_{f_ch} ^m＝p_f。如果N≤M，则算法终止，得到分配矩阵X。

步骤4对于每一个未分配子信道的认知用户，以及每一个分配认知用户数小于N_{co_max}的子信道，根据公式(9-13)计算ΔP_{d_ch} ^mn，ΔP_{f_ch} ^m，以及ΔU^mn。

步骤5在所有未分配子信道的认知用户和分配认知用户数小于N_{co_max}的子信道中，执行KM算法，得到使ΔU_all最大的分配X₀。对于任意X₀ ^mn＝1的分配，如果ΔU^mn＝0，或者P_{d_ch} ^m≥P_{d_ch} ^req且ΔU^mn≤0，则置X₀ ^mn＝0。

步骤6根据公式(14-17)，更新P_{d_ch} ^m，P_{f_ch} ^m，X以及U_all。

步骤7当以下两个终止条件满足其一时，迭代终止，得到分配矩阵X。一是所有的认知用户都被分配了子信道进行感知或每一个子信道都被分配N_{co_max}个认知用户进行感知。二是，所有子信道m＝1，2，...，M均满足P_{d_ch} ^m≥P_{d_ch} ^req，且对于所有m＝1，2，...，M，n＝1，2，...，N，都有ΔU^mn≤0。否则，跳到步骤4继续执行迭代。

实验分析：

本发明的并行合作频谱感知方法进行实验分析。设P_{d_ave}为各认知用户对各子信道的平均检测概率，即检测概率矩阵P_d的均值，σ表示各认知用户对各子信道的检测概率在其均值附近变化的范围，则各认知用户对各子信道的检测概率在P_{d_ave-}σ和P_{d_ave}+σ之间随机变化。所有实验结果均由蒙特卡洛方法得到，实验次数为1000次。各子信道传输速率R_ch ^m和各认知用户传输速率R_cr ⁿ均在0.1～1Mbps范围内随机变化。其他实验参数设置如表1所示：

实验参数设置     表1

下面将本发明所提出的并行合作频谱感知方法与Wang Zaili提出的基于迭代匈牙利方法的合作感知方法、基于贪婪方法的合作感知方法和随机的合作感知方法进行比较。为公平起见，对其他三种同样引入系统检测概率要求P_{d_ch} ^req。

图1为四种方法在不同认知用户数时所能获得的总系统效益。由图1可以看出，本发明所提出的合作感知方法较其他三种方法能够获得更大的系统效益，且总系统效益随着认知用户数的增加而增加。这是由于当认知用户数增加时，本发明提出的合作感知方法能够选择检测概率更高，检测开销更少的认知用户进行频谱感知，从而增加系统效益。

图2为四种方法在不同认知用户数时参加合作感知的认知用户数。较少的认知用户参加合作感知，不仅能够减少认知用户的能量消耗，还能保证较小的系统虚警概率。因此，参加合作感知的认知用户数是衡量方法优劣的一个重要指标。由图2可以看出，本发明所提出的合作感知方法较其他三种方法需要较少认知用户来参加合作感知。此外，本发明所提出的方法曲线在N＝15处存在折点，这是由于当N小于15时，系统检测概率还没有达到要求的检测概率P_{d_ch} ^req，这时需要不断增加新的认知用户进行合作感知以提高系统的检测概率。当N大于15时，系统检测概率已经达到要求的检测概率P_{d_ch} ^req，这时随着认知用户数的增多，本发明所提出的方法具有更多的选择，能够选择检测概率更高的认知用户进行合作感知，从而降低合作感知所需的认知用户数。

基于以上对本发明的分析讨论可知，本发明所提出的并行合作频谱感知方法，能够在充分考虑感知开销和系统效益的基础上，最优的确定感知方法，相比Wang Zaili提出的基于迭代匈牙利方法的合作感知方法、基于贪婪算法的合作感知方法和随机的合作感知方法，能够获得更大的系统效益，且需要更少的参加合作感知的认知用户数。

Claims (1)

1.一种认知无线电并行合作频谱感知方法，包括下列系统模型：

在一个由一个融合中心和N个认知用户构成的集中式认知无线电网络中，感知对象为M个子信道；

定义感知开销为认知用户因频谱感知任务所减少传输的数据量，设R_cr ⁿ为认知用户n的传输速率，其中n＝1，2，...，N，则认知用户n的感知开销Oⁿ为

Oⁿ＝R_cr ⁿT_s      (1)

其中，T_s为感知时隙；

定义传输收益为子信道用于认知用户传输时单位时间内所能传输的平均有效数据量，子信道用于认知用户传输时分为两种情况：第一种情况是信道空闲且被认知用户正确感知时，第二种情况是信道被主用户占用，但被认知用户错误感知而误认为是空闲时，对于第二种情况，可以看成是对传输收益的惩罚函数，设R_ch ^m为子信道m的传输速率，P_{d_ch}＝[P_{d_ch} ^m]_M为各子信道的检测概率矢量，P_{f_ch}＝[P_{f_ch} ^m]_M为各子信道的虚警概率矢量，其中P_{d_ch} ^m和P_{f_ch} ^m分别为认知网络对子信道m的检测概率和虚警概率，信道m＝1，2，...，M，则信道m的传输收益G^m为

G^m＝R_ch ^mT_rP_on[1-P_{f_ch} ^m]-R_ch ^m(1-P_on)[1-P_{d_ch} ^m]T_rδ      (2)

其中：T_r为传输时隙，P_on为子信道空闲的概率，δ为惩罚因子；

设X＝[x^mn]_M×N为分配矩阵，当认知用户n被分配感知子信道m时，x^mn＝1，否则x^mn＝0；则分配X时的总系统效益U_all(X)可以定义为总传输收益和总感知开销之差

$U_{\mathrm{all}}\left(X\right)=\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{G}^m-\underset{x^{\mathrm{mn}}=1}{\mathrm{\Σ}}{O}^n---\left(3\right)$

根据以上描述的系统模型，并行合作频谱感知的感知策略可以等效成如下分配问题：

$\begin{array}{cc}\underset{x}{\max }& U_{\mathrm{all}}\left(X\right);\end{array}$

$s.t.\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{x}^{\mathrm{mn}}=1,n=\mathrm{1,2},...,N;$

                                   (4)

$\mathrm{\β}\≤\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{x}^{\mathrm{mn}}\≤N_{\mathrm{co}\_\max },m=\mathrm{1,2},...,M;$

x^mn∈{0，1}.

其中，β表示是否能在一个感知时隙内检测完所有子信道，如果N≥M，即认知用户数大于子信道数，则能够在一个感知时隙内检测完所有子信道，令β＝1，否则，置β＝0，N为认知用户数，N_{co_max}为每个子信道允许的最大的参加合作感知的认知用户数；多个认知用户共同感知一个子信道时使用OR准则；

上述的并行合作频谱感知方法是按照如下步骤得到的：

步骤1初始化认知用户数N，子信道数M，系统所允许的最大虚警概率Q_fa，系统要求的检测概率P_{d_ch} ^req，各认知用户感知的虚警概率p_f，传输时隙T_r，感知时隙T_s，惩罚因子δ，认知用户传输速率R_cr ⁿ，n＝1，2，...，N，子信道传输速率R_ch ^m，m＝1，2，...，M，子信道空闲的概率P_on，检测概率矩阵P_d＝[P_d ^mn]_M×N，其中P_d ^mn为认知用户n感知子信道m的检测概率，置分配矩阵X＝0，当前迭代最优分配矩阵X₀＝0，各子信道的检测概率矢量P_{d_ch}＝0以及各子信道的虚警概率矢量P_{f_ch}＝0，利用以下公式计算每个子信道允许的最大的参加合作感知的认知用户数N_{co_max}；

步骤2根据以下公式，计算信道m分配给认知用户n感知时所能获得的传输收益G^mn、感知开销Oⁿ以及系统效益U^mn，其中m＝1，2，...，M，n＝1，2，...，N；执行KM算法得到当前迭代最优分配矩阵X₀＝[X₀ ^mn]_M×N使总系统效益U_all最大，其中如果子信道m分配给认知用户n感知，则X₀ ^mn＝1，否则为0，更新X＝X₀；

G^mn＝R_ch ^mT_rP_on[1-p_f]-R_ch ^m(1-P_on)[1-P_d ^mn]T_rδ     (6)

Oⁿ＝R_cr ⁿT_s       (1)

U^mn＝G^mn-Oⁿ       (7)

步骤3根据以下公式计算分配X下的总系统效益U_all(X)；根据当前迭代最优分配矩阵X₀，对于X₀ ^mn＝1的指派，置P_{d_ch} ^m＝P_d ^mn，P_{f_ch} ^m＝p_f；如果N≤M，则算法终止，得到最优分配矩阵X；

$U_{\mathrm{all}}\left(X\right)=\underset{x^{\mathrm{mn}}=1}{\mathrm{\Σ}}{U}^{\mathrm{mn}}---\left(8\right)$

步骤4对于每一个未分配子信道的认知用户，以及每一个分配认知用户数小于N_{co_max}的子信道，根据以下公式计算检测概率增量ΔP_{d_ch} ^mn、虚警概率增量ΔP_{f_ch} ^m、传输收益的增量ΔG^mn、感知开销的增量ΔOⁿ以及系统效益的增量ΔU^mn；

ΔP_{d_ch} ^mn＝1-[1-P_{d_ch} ^m][1-P_d ^mn]-P_{d_ch} ^m      (9)

ΔP_{f_ch} ^m＝1-[1-P_{f_ch} ^m][1-p_f]-p_{f_ch} ^m     (10)

ΔG^mn＝R_ch ^m(1-P_on)ΔP_{d_ch} ^mnT_r-R_ch ^mT_rP_onΔP_{f_ch} ^m      (11)

ΔOⁿ＝R_cr ⁿT_s       (12)

ΔU^mn＝ΔG^mn-ΔOⁿ        (13)

步骤5在所有未分配子信道的认知用户和分配认知用户数小于N_{co_max}的子信道中，执行KM算法，得到使系统效益总增量最大的当前迭代最优分配X₀；对于任意X₀ ^mn＝1的分配，如果ΔU^mn＝0，或者P_{d_ch} ^m≥P_{d_ch} ^req且ΔU^mn≤0，则置X₀ ^mn＝0；

步骤6根据以下公式，更新P_{d_ch} ^m，P_{f_ch} ^m，X以及U_all；

P_{d_ch} ^m＝P_{d_ch} ^m+ΔP_{d_ch} ^mn       (14)

P_{f_ch} ^m＝P_{f_ch} ^m+ΔP_{f_ch} ^m       (15)

X＝X+X₀         (16)

U_all＝U_all+ΔU_all         (17)

步骤7当以下两个终止条件满足其一时，迭代终止，得到分配矩阵X；一是所有的认知用户都被分配了子信道进行感知或每一个子信道都被分配了N_{co_max}个认知用户进行感知；二是，所有子信道m＝1，2，...，M均满足P_{d_ch} ^m≥P_{d_ch} ^req，且对于所有m＝1，2，...，M，n＝1，2，...，N，都有ΔU^mn≤0，否则，跳到步骤4继续执行迭代。