CN103888203A - 一种基于信噪比筛选的协作频谱感知优化方法 - Google Patents

Abstract

本发明公开了一种基于信噪比筛选的协作频谱感知优化方法，该方法有效地解决协作频谱感知在实际运用时，由于部分存在于恶劣环境的认知节点对整体感知性能造成影响的问题。该方法包括认知节点进行本地的信噪比测量，并将判决结果和实时信噪比情况汇报给数据融合中心，数据融合中心根据系统的整体信噪比情况设定信噪比门限值，并对各认知节点进行信噪比的比较和筛选，符合条件认知节点的判决结果将参与到全局的协作中，协作判决结果即为全局判决结果。在设定筛选比较信噪比门限值时可动态改变调整因子的值，控制筛选尺度，进而使系统性能最优化。本发明计算复杂度很低，只需进行简单比较和筛选，并且计算工作在数据融合中心端完成，简单易实现。

Description

一种基于信噪比筛选的协作频谱感知优化方法

技术领域

本发明涉及计算机无线通信技术领域，特别涉及一种基于信噪比筛选的协作频谱感知优化方法。

背景技术

随着各种计算机无线通信应用的出现，频谱资源稀缺的问题变得越来越严重，认知无线电被认为是解决该问题的最好的技术。认知用户作为第二用户被允许在授权用户没有使用授权频谱的时候接入此频谱，但不能对授权用户造成影响，一旦授权用户出现，认知用户必须立刻让出此频谱，并寻找新的空闲频谱，认知用户需要具有持续可靠且快速的频谱感知能力，因此频谱感知方法成为认知无线电的关键技术之一。常用的频谱感知方法主要有三种：匹配滤波器检测，该方法需要授权用户的先验信息；循环平稳特性检测，该方法能在低信噪比的条件下进行感知，但也需要授权用户的部分先验信息，如调制方式、导频信号等特征；能量检测，该方法易于实现且不需要任何授权用户的先验信息。通常情况下，授权用户的先验信息是无法获取的，考虑到实际认知系统实现时的成本和复杂性问题，能量检测是较好的方法。

协作频谱感知可以有效的改善频谱感知性能，提高认知系统的检测概率，但是本地检测结果并不是在所有情况下都准确可靠。很多传统的方法都是假设所有的认知节点具有相同的通信环境，和主用户具有相同的距离，也即具有相同的信噪比和检测概率，这些都是理想的假设。在实际环境下，当所有认知节点参与协作感知时，经常会有许多节点处于比较严峻的环境中时，由于受到衰落、阴影效应等影响，使得某些认知节点的信噪比急剧下降。当有多个低信噪比的节点参与协作感知时，协作感知的性能变得接近、甚至低于单个节点感知的性能。而本发明能够很好地解决上面的问题。

发明内容

本发明目的在于针对很多传统方法都假设各个认知用户处于相同的环境之中，提出一种能够根据信噪比的不同对认知节点进行区分和筛选的方法，该方法是基于认知节点进行本地的信噪比测量，并将判决结果和实时信噪比情况汇报给数据融合中心；基于数据融合中心根据系统的整体信噪比情况对各认知节点进行信噪比的比较和筛选；基于筛选过程中可根据情况改变调整因子进而控制筛选尺度，使系统性能最优化。

本发明解决其技术问题所采取的技术方案是：本发明的系统根据整体情况对不同信噪比的认知节点进行筛选，并根据调整因子控制参与协作的认知节点的数量，整体情况较好时可增加协作节点的数量，反之减少，使系统的整体性能处于较优的状态。主要的计算工作都在数据融合中心进行，并且计算复杂度较低。本发明引入信噪比参数，可根据认知节点信噪比的情况来判断其所处的环境，在数据融合中心将各认知用户的信噪比和设定值进行比较，根据结果进行筛选，而不是让所有的认知节点都参与到协作之中，这样可以有效地避免处于恶劣环境中的低信噪比节点的参与对整体频谱感知性能的不良影响。另外调整因子对筛选尺度的控制可根据系统整体情况改变参与协作节点的数量，使系统的性能进一步优化。通过本方法可以很好地解决阴影效应、瑞利衰落等对认知无线电协作频谱感知造成的性能下降问题。

方法流程：

步骤1：认知网络的所有节点进行本地判决和实时信噪比测量，分别得出自身本地的实时信噪比γ₁,γ₂,...,γ_N，并将判决结果和实时信噪比发送给数据融合中心；

步骤2：数据融合中心对接收到的各认知节点的信噪比进行汇总，并计算出最高与最低的信噪比的中间值 ${\mathrm{\γ}}_{\mathrm{mid}}=\frac{{\mathrm{\γ}}_{\max }+{\mathrm{\γ}}_{\min }}{2};$

步骤3：将所有节点的信噪比与αγ_mid进行比较（如果γ₁＝γ₂＝...＝γ_N，则设置ρ＝1），若γ_i≥αγ_mid，则节点i将被选出参与协作感知；若γ_i＜αγ_mid，则节点i将不参与协作感知；

步骤4：假设步骤3筛选出M个认知节点，则数据融合中心将根据这M个认知节点的感知结果作出最终的联合判决。

本发明所述方法在认知频谱感知过程中，引入信噪比参数，通过增加信噪比参数，可以通过认知节点的信噪比情况对认知节点进行筛选，根据系统认知节点的整体信噪比情况，信噪比高于设定值的参与协作，反之不参与协作。

本发明所述方法中在进行信噪比比较时，通过一个调整因子来控制信噪比门限值，并可通过改变调整因子的值使系统性能最优化。

有益效果：

1、本发明通过信噪比参数的引入能够很好地判断不同认知节点所处的环境情况，而不是一味的等同对待。

2、本发明仅需根据简单地比较进行筛选，计算复杂度很低，并且计算在数据融合中心进行，简单易实现。

3、本发明能够根据系统所处的整体情况动态改变调整因子的值，控制筛选尺度，使系统性能能够一直处于较优水平。

附图说明

图1为本发明的能量检测器的框架图。

图2为本发明的协作频谱感知模型图。

图3为本发明的方法流程图。

具体实施方式

下面结合说明书附图对本发明作进一步的详细说明。

如图1、图2和图3所示，本发明所述方法是基于集中式的协作频谱感知模型；如图3所示，本发明提出一种能够根据信噪比的不同对认知节点进行区分和筛选的方法，该方法是基于如下内容：

1、认知节点进行本地的信噪比测量，并将判决结果和实时信噪比情况汇报给数据融合中心；

2、数据融合中心根据系统的整体信噪比情况对各认知节点进行信噪比的比较和筛选；

3、筛选过程中可根据情况改变调整因子进而控制筛选尺度，使系统性能最优化。

本发明的系统根据整体情况对不同信噪比的认知节点进行筛选，并根据调整因子控制参与协作的认知节点的数量，整体情况较好时可增加协作节点的数量，反之减少，使系统的整体性能处于较优的状态。主要的计算工作都在数据融合中心进行，并且计算复杂度较低。本发明引入信噪比参数，可根据认知节点信噪比的情况来判断其所处的环境，在数据融合中心将各认知用户的信噪比和设定值进行比较，根据结果进行筛选，而不是让所有的认知节点都参与到协作之中，这样可以有效地避免处于恶劣环境中的低信噪比节点的参与对整体频谱感知性能的不良影响。另外调整因子对筛选尺度的控制可根据系统整体情况改变参与协作节点的数量，使系统的性能进一步优化。通过本方法可以很好地解决阴影效应、瑞利衰落等对认知无线电协作频谱感知造成的性能下降问题。

方法流程：

步骤1：认知网络的所有节点进行本地判决和实时信噪比测量，分别得出自身本地的实时信噪比γ₁,γ₂,...,γ_N，并将判决结果和实时信噪比发送给数据融合中心；

步骤2：数据融合中心对接收到的各认知节点的信噪比进行汇总，并计算出最高与最低的信噪比的中间值 ${\mathrm{\γ}}_{\mathrm{mid}}=\frac{{\mathrm{\γ}}_{\max }+{\mathrm{\γ}}_{\min }}{2};$

步骤3：将所有节点的信噪比与αγ_mid进行比较（如果γ₁＝γ₂＝...＝γ_N，则设置ρ＝1），若γ_i≥αγ_mid，则节点i将被选出参与协作感知；若γ_i＜αγ_mid，则节点i将不参与协作感知；

步骤4：假设步骤3筛选出M个认知节点，则数据融合中心将根据这M个认知节点的感知结果作出最终的联合判决。

综上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此。在发明所披露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明所揭露的技术范围之内。因此，本发明的保护范围应以权利要求书的保护范围为准。

Claims (4)

1.一种基于信噪比筛选的协作频谱感知优化方法，其特征在于，所述方法包括如下步骤：

步骤1：认知网络的所有节点进行本地判决和实时信噪比测量，分别得出自身本地的实时信噪比γ₁,γ₂,...,γ_N，并将判决结果和实时信噪比发送给数据融合中心；

步骤2：数据融合中心对接收到的各认知节点的信噪比进行汇总，并计算出最高与最低的信噪比的中间值 ${\mathrm{\γ}}_{\mathrm{mid}}=\frac{{\mathrm{\γ}}_{\max }+{\mathrm{\γ}}_{\min }}{2};$

步骤3：将所有节点的信噪比与αγ_mid进行比较，如果γ₁＝γ₂＝...＝γ_N，则设置ρ＝1，若γ_i≥αγ_mid，则节点i将被选出参与协作感知；若γ_i＜αγ_mid，则节点i将不参与协作感知；

步骤4：假设步骤3筛选出M个认知节点，则数据融合中心将根据这M个认知节点的感知结果作出最终的联合判决。

2.根据权利要求1所述的一种基于信噪比筛选的协作频谱感知优化方法，其特征在于：所述方法在认知频谱感知过程中，引入信噪比参数。

3.根据权利要求1或2所述的一种基于信噪比筛选的协作频谱感知优化方法，其特征在于：所述方法通过增加信噪比参数，通过认知节点的信噪比情况对认知节点进行筛选，根据系统认知节点的整体信噪比情况，信噪比高于设定值的参与协作，反之不参与协作。

4.根据权利要求1或2所述的一种基于信噪比筛选的协作频谱感知优化方法，其特征在于：所述方法中在进行信噪比比较时，通过一个调整因子来控制信噪比门限值，并通过改变调整因子的值使系统性能最优化。

Images