CN104158604A - 一种基于平均共识的分布式协作频谱感知方法 - Google Patents

Abstract

本发明公开了一种基于平均共识的分布式协作频谱感知方法，针对实际场景中，认知用户在感知信道以及信息交互信道都会受噪声影响这一情形，设计了在交互信道存在噪声的情况下适用于共识算法的迭代矩阵，各认知用户首先进行本地能量检测，并将检测值作为平均共识算法中的初始迭代值；依据恒虚警概率原则，求得判决门限η；依据最小均方误差准则构建迭代矩阵；各认知用户将自己的状态传给邻居认知用户，同时接收邻居认知用户传来的状态，经过P次迭代后，各认知用户将当前的状态值与门限η相比较，作出最终判决。本发明方法使得各认知用户的感知信息在交互信道存在噪声的情况下依然能够收敛，提高了频谱的检测性能。

Description

一种基于平均共识的分布式协作频谱感知方法

技术领域

本发明涉及一种基于平均共识的分布式协作频谱感知方法，属于认知无线电领域。

背景技术

随着无线通信技术的快速发展，无线服务的重点已向需要宽频带和高下载速率的多媒体通信等服务转移。依据香农定理，这些通信系统对无线频谱资源的需求也相应增长，因而无线频谱资源变得愈发紧张，成为制约无线通信发展的瓶颈之一。然而，频谱资源并非真的面临“耗尽”的危机。通过对已占用的频谱进行调查发现，某些授权频段的频谱利用率极低，在时间和空间上存在不同程度的闲置现象；相反，一些非授权频段的频谱资源却超负荷使用，频段相当拥挤。因而，频谱资源的紧张很大程度上并不是因为缺少物理上的可用频谱资源，而是因为频谱管理政策不合理造成的。

为了解决频谱资源的匮乏和已授权频谱利用率的矛盾，一些学者提出了认知无线电(Cognitive Radio，CR)的概念。其实质在于具有认知能力的无线通信设备(即认知用户)通过检测，选择性地接入已分配给授权用户(即主用户)，但暂时未被使用的空闲频段；一旦主用户重新接入该频段，认知用户则迅速退出信道，即认知用户的接入不能对主用户的通信造成干扰。整个认知过程包括频谱感知、频谱管理和频谱共享三大关键技术。

频谱感知作为实现认知无线电的关键和前提，是我们现阶段研究的热点。依据参与感知的认知用户数量，频谱感知技术分为单用户频谱感知和多用户协作频谱感知。单用户感知技术研究相对较早，主要有匹配滤波检测、能量检测和循环平稳特征检测，其中能量检测因复杂度低和实现简单而广泛应用。单用户感知的性能容易受到无线信道中阴影衰落等因素的影响，因而难以达到理想效果。协作频谱感知可以避免简单本地频谱感知的不确定性，降低了多径衰落、隐藏节点和阴影效应的影响。多用户协作频谱检测分为集中式与分布式。在集中式协作感知中，有一个中心节点用来收集各次用户的本地检测信息，并做出最终判决，再将该判决结果通知给各次用户；在分布式协作感知中，没有中心节点，每个次用户都相当于集中式协作检测中的信息融合中心，首先汇集其它次用户的信息并做出判决，然后再反馈给其它次用户。

目前大多数研究是基于集中式的协作频谱感知技术。然而，在现有的无线通信架构中，有一些网络是无法提供统一的基站作为融合中心的，比如移动Ad hoc网络。所以分布式协作频谱感知方案的研究是非常有必要的。分布式协作感知模型中，除了感知信道以外，各认知用户之间信息交互的信道(以下称为交互信道)往往是有噪声的。现有的分布式频谱感知研究中，通常假设交互信道传送的信息完全正确，没有考虑到交互信道的噪声影响，这样的假设不利于提高检测性能。

发明内容

技术问题：本发明的目的是提供一种基于平均共识的分布式协作频谱感知方法，以解决在交互信道存在噪声的情况下，现有的分布式频谱感知方法检测性能不高的问题。本方法将根据最小均方误差准则设计一个在交互信道存在噪声的情况下，适用于平均共识方法的迭代矩阵，使各认知用户的感知信息在该情况下依然能够收敛，从而提高频谱感知的整体性能。

技术方案：一种基于平均共识的分布式协作频谱感知方法，包括如下步骤：

1)设置初始值：各认知用户首先在本地进行能量检测，得到检测值Y_i，将Y_i赋值给y_i(0)，作为平均共识算法中的初始迭代值；根据恒虚警概率的原则，求得门限η备用；据收敛步长求解步骤求出，从而得到用来迭代的权值矩阵W_ij；依据认知用户数M与迭代次数P的关系，选取合适的迭代次数P；

2)各认知用户将当时的状态y_i(t)传给自己的邻居认知用户，同时接收邻居认知用户传来的状态y_j(t)；根据公式 $y_i(t+1)=y_i\left(t\right)+W_{\mathrm{ij}}\underset{j\∈N_i}{\mathrm{\Σ}}(y_j\left(t\right)-y_i\left(t\right))$ 来更新状态；此迭代更新的步骤将进行P次；

3)P次迭代结束后，每个认知用户将当前的状态值y_i(t)与门限η相比较，如果高于门限则判为主用户存在，否则判为主用户不存在；

本发明方法的步骤1)中，按照下述方法得到收敛步长及权值矩阵W_ij：

1)采用覆盖优先泛洪算法得到认知用户图中用户个数M以及图的拉普拉斯矩阵L：

其中，d_i是节点的度，即节点i的邻居个数；

2)采用粒子群优化算法求解矩阵L的最大特征值λ₁(L)；

3)计算的值作为收敛步长，其中，表示实数小数点后截两位的值；

4)交互信道带有噪声的平均共识算法的迭代矩阵为：

$W_{\mathrm{ij}}=\left\{\begin{array}{cc}1/\∂& i\≠j,(i,j)\∈E\\ 1-d_i/\∂& i=j\\ 0& i\≠j,(i,j)\∉E\end{array}\right..$

有益效果：本发明与现有技术相比，具有以下优点：

本发明在各认知用户之间的交互信道存在噪声的情况下，提出了一种新的基于平均共识(Average consensus)的分布式协作感知方法，根据最小均方误差准则设计一个在交互信道存在噪声的情况下，适用于平均共识方法的迭代矩阵，使各认知用户的感知信息在存在噪声的情况下依然能够收敛。由于该方法与传统的基于平均共识的分布式频谱感知方法相比，考虑了更加全面的情况，即交互信道可能存在随机噪声，因此最终的检测性能更好。

附图说明

图1是本发明的认知用户的感知场景示意图。

图2是本发明的基于平均共识的分布式协作频谱感知方法流程图。

具体实施方式

下面结合附图与具体实施方式对本发明作进一步详细描述。

图1是本发明的认知用户感知场景示意图。本发明考虑的是不存在融合中心、有一个主用户以及若干认知用户的分布式频谱感知场景，其中各组成部分作用如下：

Primary User(PU):表示主用户，又称授权用户，认知用户的目的是要感知并确定能否占用其授权频谱。

Cognitive User(CR):表示认知用户，负责对主用户PU发出的信号进行本地感知，并且各认知用户之间进行信息交互，利用认知用户的共识做出主用户是否存在的最终判决。

本地感知时，各认知用户利用能量检测器得到检测统计量Y_i：

$Y_i=\frac{1}{N}\underset{t=1}{\overset{N}{\mathrm{\Σ}}}{\left|x_t\left(t\right)\right|}^2$

其中，N为感知信号时间T内采样次数(即平均检测时长)，x_i(t)为第i个认知用户接收到的信号。

当采样次数N足够大，Y_i服从正态分布：

$\left\{\begin{array}{cc}{H}_0& Y_i~N({\mathrm{\σ}}_i^2,\frac{2}{N}{\mathrm{\σ}}_i^4)\\ H_1& Y_i~N({\mathrm{\σ}}_i^2(1+{\mathrm{\γ}}_i),\frac{2}{N}{\mathrm{\σ}}_i^4(1+{2\mathrm{\γ}}_i))\end{array}\right.$

其中N(μ,σ²)表示均值为μ，方差为σ²的正态分布， ${\mathrm{\γ}}_i=(1/N_0){\∫}_0^T{\left[s\left(t\right)h_i\left(t\right)\right]}^2\mathrm{dt}$ 为信号噪声功率比。

传统的单门限算法给出了检测概率(P_d,Detection Probability)和虚警概率(P_f,False Alarm Probability)的表达式：

$P_d=P\{Y_i>\mathrm{\η}|H_1\}=1-\mathrm{\Φ}\left(\frac{\mathrm{\η}-{\mathrm{\σ}}_i^2(1+{\mathrm{\γ}}_i)}{\sqrt{\frac{2}{N}{\mathrm{\σ}}_i^4(1+{2\mathrm{\γ}}_i)}}\right)$

$P_f=P\{Y_i>\mathrm{\η}|H_0\}=1-\mathrm{\Φ}\left(\frac{\mathrm{\η}-{\mathrm{\σ}}_i^2}{\sqrt{\frac{2}{N}{\mathrm{\σ}}_i^4}}\right)$

可见虚警概率只与门限有关，如果给定一个期望的虚警概率，则门限可表示为：

$\mathrm{\η}=\left[{\mathrm{\Φ}}^{-1}(1-P_f)\right]\·\sqrt{\frac{2}{N}{\mathrm{\σ}}_i^4}+{\mathrm{\σ}}_i^2$

这种门限设置方法称为“恒虚警概率法”。

本发明方法中，网络由认知用户构成，可以看成一个标准图模型。简单起见，网络可以通过一个无向图G＝(N,E)来表示。图的节点构成的集合为N＝{1，2，……n}，图的边构成的集合为E，边(i,j)∈E表示节点i与节点j之间的边。为了方便解释，本方法中的节点均指认知用户。以下内容中，节点与认知用户两个名词我们将互换使用。如果(i,j)∈E，且i≠j，则认知用户j(节点j)是认知用户i的邻居。定义节点i的邻居构成的集合为N_i＝{j|(i,j)∈E}。N_i中元素的个数表示为d_i，它是节点的度，即节点i的邻居个数。

由于分布式协作频谱感知问题被看作一个平均共识问题，即各认知用户在最终的检测结果达成共识之前，交换自身检测到的信息。用数学方式表示如下：

对于由n个认知用户构成的图模型G，我们为之分配一组状态变量y_i。在协作频谱感知中，它表示的是各认知用户能量检测的值。通过达成共识，各认知用户的状态值渐近收敛到一个共同的值y*，即，当t→∞，y_i(t)→y*。y_i(t)的值由前一个状态y_i(t-1)和邻居节点传来的状态值共同决定。

在不同的情况下，y*可以有三种不同的取值方式： 和分别称为平均共识、最大共识和最小共识。本发明方法是平均共识的方式，且假设认知用户都是工作在双工模式下，各认知用户与它们的邻居建立无线双工连接，直到达成共识。

各认知用户首先在本地进行能量检测，得到检测值Y_i，将Y_i赋值给y_i(0)，作为平均共识中算法的初始迭代值；根据恒虚警概率的原则，求得门限η备用；据收敛步长求解步骤求出，从而得到权值矩阵W_ij；依据认知用户数M与迭代次数P的关系，选取合适的迭代次数P。

收敛步长的求解步骤如下：

1)采用覆盖优先泛洪算法得到认知用户图中用户个数M以及图的拉普拉斯矩阵L：

其中，d_i是节点的度，即节点i的邻居个数；

2)采用粒子群优化算法求解矩阵L的最大特征值λ₁(L)；

3)计算的值作为收敛步长，其中，表示实数小数点后截两位的值；

从而，交互信道带有噪声的平均共识算法的迭代矩阵为：

$W_{\mathrm{ij}}=\left\{\begin{array}{cc}1/\∂& i\≠j,(i,j)\∈E\\ 1-d_i/\∂& i=j\\ 0& i\≠j,(i,j)\∉E\end{array}\right..$

各认知用户将当时的状态y_i(t)传给自己的邻居认知用户，同时接收邻居认知用户传来的状态y_j(t)。根据公式 $y_i(t+1)=y_i\left(t\right)+W_{\mathrm{ij}}\underset{j\∈N_i}{\mathrm{\Σ}}(y_j\left(t\right)-y_i\left(t\right))$ 来更新状态。此迭代更新的步骤将进行P次。

P次迭代结束后，每个认知用户将当前的状态值y_i(t)与门限η相比较，如果高于门限则判为主用户存在，否则判为主用户不存在。

Claims (2)

1.一种基于平均共识的分布式协作频谱感知方法，其特征在于，该方法包含以下步骤：

1)设置初始值：各认知用户首先在本地进行能量检测，得到检测值Y_i，将Y_i赋值给y_i(0)，作为平均共识中算法的初始迭代值；根据恒虚警概率的原则，求得门限η备用；据收敛步长求解步骤求出，从而得到用来迭代的权值矩阵W_ij；依据认知用户数M与迭代次数P的关系，选取合适的迭代次数P；

2)各认知用户将当时的状态y_i(t)传给自己的邻居认知用户，同时接收邻居认知用户传来的状态y_j(t)；根据公式 $y_i(t+1)=y_i\left(t\right)+W_{\mathrm{ij}}\underset{j\∈N_i}{\mathrm{\Σ}}(y_j\left(t\right)-y_i\left(t\right))$ 来更新状态；此迭代更新的步骤将进行P次；

3)P次迭代结束后，每个认知用户将当前的状态值y_i(t)与门限η相比较，如果高于门限则判为主用户存在，否则判为主用户不存在。

2.根据权利要求1所述的一种基于平均共识的分布式协作频谱感知方法，其特征在于，所述的步骤1)中，按照下述方法得到收敛步长及权值矩阵W_ij：

1)采用覆盖优先泛洪方法得到认知用户图中用户个数M以及图的拉普拉斯矩阵L：

其中，d_i是节点的度，即节点i的邻居个数；

2)采用粒子群优化方法求解矩阵L的最大特征值λ₁(L)；

3)计算的值作为收敛步长，其中，表示实数小数点后截两位的值；

4)交互信道带有噪声的平均共识方法的迭代矩阵为：

$W_{\mathrm{ij}}=\left\{\begin{array}{cc}1/\∂& i\≠j,(i,j)\∈E\\ 1-d_i/\∂& i=j\\ 0& i\≠j,(i,j)\∉E\end{array}\right..$