CN103338082A - 一种基于“k秩”准则的双门限协作频谱感知方法 - Google Patents

Abstract

本发明公开了一种基于“k秩”准则的双门限协作频谱感知方法。该方法假设认知网络中有N个认知用户，N取正整数。每个认知用户设定两个门限值，首先所有认知用户都进行本地能量感知，其中K个用户能做出本地判决，剩下的N-K个用户感知能量值落在两个门限之间。然后K个认知用户将本地判决结果发送到融合中心，其余N-K个不能做出本地感知的认知用户将能量值舍弃，不传输任何数据。最后融合中心通过计算得到的最优“k秩”判决融合K个本地判决结果，对授权用户进行最终判决。本发明采用类似于单门限的“k秩”判决准则，减少了数据传输量和感知时间，并通过计算得到最优“k秩”融合准则，提高了检测性能。

Description

一种基于“k秩”准则的双门限协作频谱感知方法

技术领域

本发明涉及认知无线电的频谱感知技术和融合技术，特别涉及基于双门限的认知无线电协作频谱感知方法。

背景技术

随着无线通信业务的高速发展，对有限的频谱资源的需求越来越高，但是目前，世界各国政府的无线频谱资源管理部门已将3GHz以下的频谱资源基本上分配殆尽，可分配频谱资源变得越来越稀缺。另外，现有的研究报告表明，大部分的已分配频谱却在时间和空间上存在不同程度的闲置，有些频段异常拥挤，而有些频段大部分时间则处于闲置状态。为了提高频谱资源利用率，一个可行的方案是在不影响授权用户使用信道的情况下，非授权用户在频谱空闲阶段不经过授权而接入信道，即实现频谱共享。

认知无线电技术（Cognitive Radio,CR）是在软件无线电基础上发展的新一代无线通信技术，其基本思想是通过具有认知功能的设备感知当前频谱环境，发现空闲频谱资源，调整功率、调制方式、传输频率等信道参数，动态接入空闲频谱进行通信。认知无线电技术被认为是提高频谱资源利用率，解决频谱固定分配方式导致的资源不合理利用最有效的手段之一。

认知无线电包括两个关键技术：认知和重构，其中认知是其基础和核心。认知能力使CR能够从其工作的无线环境中捕获或者感知信息，从而可以标识特定时间和空间的未使用频谱资源(也称为频谱空洞)，并选择最适当的频谱和工作参数。这一任务通常包括3个主要的步骤：频谱感知、频谱分析和频谱判决。频谱感知的主要功能是监测可用频段，检测频谱空洞；频谱分析估计频谱感知获取的频谱空洞的特性；频谱判决根据频谱空洞的特性和用户需求选择合适的频段传输数据。准确的频谱感知能降低对授权用户的干扰，提高频谱利用率。频谱感知技术主要分为单用户频谱感知和协作频谱感知。

单用户频谱感知即单个认知用户对当前频谱环境进行感知，并做出本地判决，常用的方法由能量感知、匹配滤波器、循环特性感知等方法。其中能量感知因为不需授权用户的先验知识，感知算法简单易实现等特点，成为单用户频谱感知中应用最广泛的方法。

协作频谱感知是在单用户频谱感知基础上提出的。由于单用户频谱感知易受地形、阴影衰落、隐藏终端等因素影响，感知性能比较低。为解决以上单用户感知出现的问题，多个用户共同发起频谱感知并共享感知结果，以提高感知性能。协作频谱感知包括本地判决、判决结果传递、判决结果融合三个步骤，根据融合准则不同，分为“硬融合”和“软融合”两种，常用的“硬融合”准则有：OR、AND、“K秩”准则等；“软融合”中应用较广泛的是等增益融合（EGC）准则。

双门限协作频谱感知综合了“硬融合”与“软融合”两中方式，融合中心将本地感知能量值通过“软融合”得到一个判决结果，再与本地判决结果一起通过“硬融合”得到综合判决结果。

传统的双门限协作感知技术“硬融合”采用的是OR准则，OR准则随着认知用户数的增加，检测概率和虚警概率都会增加，而虚警概率增加会导致空闲频谱利用率的降低。而且“软融合”需要传输本地感知能量值，增加了数据传输量和感知时间。

发明内容

本发明的主要目的是针对传统的双门限协作频谱感知方法采用OR准则融合出现的不足之处，在对协作频谱感知方法“硬融合”准则进行改进研究的基础上，提出了一种有效可行的基于最优“k秩”融合准则的双门限协作频谱感知方法。本发明舍弃了传统的双门限协作感知的“软融合”阶段，减少了数据传输量和感知时间。

本发明的目的通过如下技术方案实现：

一种基于“k秩”准则的双门限协作频谱感知方法，假设认知网络中有N个认知用户，每个认知用户设定两个门限值，首先所有认知用户都进行本地能量感知，其中K个用户能做出本地判决，剩下的N-K个用户感知能量值落在两个门限之间；然后K个认知用户将本地判决结果发送到融合中心，其余N-K个不能做出本地感知的认知用户将能量值舍弃，不传输任何数据；最后融合中心根据计算得到的最优“k秩”判决准则的值k_opt融合K个本地判决结果，对授权用户进行最终判决，N为正整数。

一种基于“k秩”准则的双门限协作频谱感知方法，其具体包括以下步骤：

步骤（1）：认知网络中均匀地分布着N个认知用户，每个认知用户所处检测环境信噪比相同。网络中的每个认知用户分别对当前频谱环境的授权用户进行能量感知，得到当前频谱能量值。

步骤（2）：设定本地感知判决两个门限值λ₀和λ₁，每个认知用户根据步骤（1）得到的能量值和双门限做出本地判决，如果能量值处于和之间，本地认知用户不做出判决，将当前感知能量值舍弃，不发送给融合中心；如果能量值处于和之外，本地认知用户得到本地判决结果，将判决结果发送到融合中心。

步骤（3）：融合中心统计发送本地判决结果的认知用户数K，并根据门限值计算本地判决概率。

步骤（4）：融合中心采用“k秩”融合准则，通过计算得到“k秩”判决准则的最优值k_opt，对本地判决结果进行处理，得到综合判决结果。

进一步的，步骤（2）中，当感知能量在两个门限值λ₀和λ₁之外时，本地认知用户发送到融合中心的是1bit判决结果，当感知能量在两个门限λ₀和λ₁之间是，本地用户不向融合中心发送任何判决数据，直接将感知能量值舍弃。

步骤（4）中采用一种基于“K秩”融合准则的综合判决方法，融合中心计算出最优“k秩”准则的值

对1bit判决结果按“k秩”判决准则进行综合处理，当出现大于等于k_opt个认知用户判定授权用户存在，那么综合判决结果为授权用户存在，即H₁，否则授权用户不存在，即H₀。与现有技术相比，本发明有如下优点和有益效果：

（1）更高的感知性能：本发明充分利用了单门限协作感知的“硬融合”准则，减小传统的双门限感知采用OR准则导致的随认知用户数增加，差错概率增加的缺点。本发明相比单门限协作感知的“k秩”准则，在相同信噪比条件下综合差错概率也有明显改善。

（2）更短的感知时间和更小的数据传输量：本发明舍弃了传统的双门限感知中“软融合”阶段，本地用户感知能量值处于两个门限间时直接舍弃判决结果，不传输任何数据到融合中心，减少了“软融合”二次判决所需的数据量和感知时间。

附图说明

图1是实施方式中认知无线电双门限频谱感知系统网络拓扑结构。

图2是实施方式中双门限设置与判决原理图。

图3是基于“k秩”准则的双门限协作频谱感知方法流程示意图。

图4是实施方式中确定最优k值的原理图。

具体实施方式

下面结合附图和实施例对本发明做进一步的说明，但本发明要求保护的范围并不局限于实施方式表述的范围。

1.假设一个认知网络如附图1所示，在融合中心覆盖范围内有20个认知用户。与单门限协作感知方法不同，每个认知用户都设定了两个判决门限值λ₀和λ₁，本例中λ₀=200，λ₁=220，如图2和图3所示。网络中的每个认知用户首先分别对当前频谱环境进行能量感知，得到感知能量值。第i(i取1,2,3,...,N)个认知用户的感知能量值Ο_i与两个门限值比较，如果Ο_i≤λ₀，则本地判决结果L_i=0；如果Ο_i≥λ₁，则本地判决结果L_i=1；如果λ₀≤Ο_i≤λ₁，则本地认知用户不做出判决，将感知能量统计量Ο_i舍弃，不发送任何数据到融合中心。可以做出本地判决的本地认知用户将1bit判决结果发送到融合中心。

2.假设L_i是融合中心收到的第i个认知用户发送的1bit判决结果：

$L_i=\left\{\begin{array}{c}\mathrm{0,0}\≤O_i\≤{\mathrm{\λ}}_0\\ 1,O_i\≥{\mathrm{\λ}}_1\end{array}\right.$

假设在有20个认知用户的网络中，融合中心收到15个本地判决结果，即有N-K=5个认知用户不能做出本地判决结果，则融合中心根据两个门限值计算本地感知性能参数：

$P_f=P(O_i\≥{\mathrm{\λ}}_1|H_0)=\frac{\mathrm{\Γ}(\mathrm{\μ},\frac{{\mathrm{\λ}}_1}{2})}{\mathrm{\Γ}\left(\mathrm{\μ}\right)},$ $P_a=P(O_i\≤{\mathrm{\λ}}_0|H_0)=1-\frac{\mathrm{\Γ}(\mathrm{\μ},\frac{{\mathrm{\λ}}_0}{2})}{\mathrm{\Γ}\left(\mathrm{\μ}\right)},$

Δ₀=P(λ₀≤Ο_i≤λ₁|H₀)=1-P_f-P_a， $P_d=P(O_i\≥{\mathrm{\λ}}_1|H_1)=Q_{\mathrm{\μ}}(\sqrt{2\mathrm{\γ}},\sqrt{{\mathrm{\λ}}_1}),$

$P_m=P(O_i\≤{\mathrm{\λ}}_0|H_1)=1-Q_{\mathrm{\μ}}(\sqrt{2\mathrm{\γ}},\sqrt{{\mathrm{\λ}}_0}),$ Δ₁=P(λ₀≤Ο_i≤λ₁|H₁)=1-P_m-P_d

其中时间带宽积μ=100，信噪比γ=10，Γ(a,b)是不完全伽马函数，Γ(a)是伽马函数，Q_μ(a,b)是Marcum Q函数。

3.融合中心综合处理接收到的本地判决结果，对网络频谱是否被授权用户占用做出最终判决结果。与传统的双门限协作感知方法采用“OR”判决准则不同的是，本发明最终的判决准则采用类似于单门限协作感知中的“k秩”准则，即：

融合中心计算出最优“k秩”准则的值：

当出现大于等于k_opt个判定授权用户存在，那么综合判决结果为F=1，即H₁，否则F=0，即H₀。

为了说明k_opt的确定，可以用图4所示曲线图推断，此时网络中认知用户数为N=20，其中有K=15个用户可以做出本地判决。从图中可以看出，当融合准则改变时，综合差错概率会随之改变，存在一个k值使综合差错概率最小，此处双门限协作感知k_opt=8。由数学表达式求导法则对综合差错概率公式求导可以得到上述的求k_opt表达式。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步的详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并非用以限定本发明的范围，任何本领域的技术人员，在不脱离本发明的构思和原则的前提下所做出的等同变化与修改，均应属于本发明保护的范围。

Claims (4)

1.一种基于“k秩”准则的双门限协作频谱感知方法，其特征在于假设认知网络中有N个认知用户，每个认知用户设定两个门限值，首先所有认知用户都进行本地能量感知，其中K个用户能做出本地判决，剩下的N-K个用户感知能量值落在两个门限之间；然后K个认知用户将本地判决结果发送到融合中心，其余N-K个不能做出本地感知的认知用户将能量值舍弃，不传输任何数据；最后融合中心根据计算得到的最优“k秩”判决准则的值k_opt融合K个本地判决结果，对授权用户进行最终判决。

2.一种基于“k秩”准则的双门限协作频谱感知方法，其特征在于包括以下步骤：

步骤（1）：认知网络中均匀地分布着N个认知用户，每个认知用户所处检测环境信噪比相同；网络中的每个认知用户分别对当前频谱环境的授权用户进行能量感知，得到当前频谱能量值；

步骤（2）：设定本地感知判决两个门限值λ₀和λ₁，每个认知用户根据步骤（1）得到的能量值和双门限做出本地判决，如果能量值处于和之间，本地认知用户不做出判决，将当前感知能量值舍弃，不发送给融合中心；如果能量值处于和之外，本地认知用户得到本地判决结果，将判决结果发送到融合中心；

步骤（3）：融合中心统计发送本地判决结果的认知用户数K，并根据门限值计算本地判决概率；

步骤（4）：融合中心采用“k秩”融合准则，通过计算得到“k秩”判决准则的最优值k_opt，对本地判决结果进行处理，得到综合判决结果。

3.根据权利要求2所述的基于“k秩”准则的双门限协作频谱感知方法，其特征在于步骤（2）中，当感知能量在两个门限值λ₀和λ₁之外时，本地认知用户发送到融合中心的是1bit判决结果，当感知能量在两个门限λ₀和λ₁之间是，本地用户不向融合中心发送任何判决数据，直接将感知能量值舍弃。

4.根据权利要求2所述的基于“k秩”准则的双门限协作频谱感知方法，其特征在于步骤（4）中采用一种基于“K秩”融合准则的综合判决方法，融合中心计算出最优“k秩”准则的值

对1bit判决结果按“k秩”判决准则进行综合处理，当出现大于等于k_opt个认知用户判定授权用户存在，那么综合判决结果为授权用户存在，即H₁，否则授权用户不存在，即H₀。

Images