CN104702355A - 一种大小尺度衰落信道下宽带协作频谱感知方法 - Google Patents

Abstract

一种大小尺度衰落信道下宽带协作频谱感知方法，所述方法包括以下步骤：构建大小尺度衰落信道下宽带协作频谱感知系统模型；将频谱分成L个窄带频谱，并将次用户分成L个簇；在小尺度衰落信道下，利用多个簇分别感知不同的窄带频谱；在各个簇的簇头处采用“或准则”对各认知用户的信息进行融合和判决，完成簇内的频谱感知；各簇头将簇内的感知信息通过大尺度衰落信道发送到融合中心，融合中心对各窄带频谱的感知信息进行汇总，实现对宽带频谱的感知。本发明可以对宽带频谱进行感知；在大小尺度衰落信道环境下，具有良好的感知性能。

Description

一种大小尺度衰落信道下宽带协作频谱感知方法

技术领域

本发明属于通信技术领域，具体涉及一种大小尺度衰落信道下宽带协作频谱感知方法。

背景技术

在认知无线电网络中，为了不对主用户造成有害的干扰，认知用户需要通过频谱感知的方式，对主用户进行判断是否存在。精确的频谱感知可以在不对主用户产生干扰的同时，提高认知用户的接入机会，提高频谱资源的利用率。由于认知用户与主用户相对位置的随机性，使得两者之间的无线信道也具有随机性。与理想信道相比，衰落信道对频谱感知的可靠性影响较大。

对于小尺度衰落信道或阴影衰落信道，单个认知用户受无线信道环境的影响，接收信噪比明显下降，感知性能受到严重的影响，甚至出现隐终端的情况。由于认知用户的独立性和随机性，基于多个认知用户的协作频谱感知能够明显的减小衰落信道的影响，提高频谱感知的性能。

在协作频谱感知中，各认知用户将感知结果通过报告信道传输到融合中心，通过一定的融合准则和判决准则，得到最终的感知结果。因此，在协作感知过程中，感知信道和报告信道都将会受到衰落信道的影响，增加了报告信道的误码率，降低了认知用户的感知性能。目前，针对衰落信道下协作频谱感知技术，一些学者已展开了研究。Herath S P等人提出的衰落信道的频谱感知，仅考虑了无线信道的衰落对感知信道的影响，而没有考虑无线信道的衰落对报告信道传输误码率的影响(Herath S P,Rajatheva N,Tellambura C.Energydetection of unknown signals in fading and diversityreception[J].Communications,IEEE Transactions on,2011,59(9):2443-2453.)。Rao A等人给出了独立不同分布的小尺度衰落信道下感知信道的检测概率和虚警概率，没有考虑大尺度衰落对感知性能的影响(Rao A,Alouini M S.Performance of cooperativespectrum sensing over non-identical fading environments[J].Communications,IEEE Transactions on,2011,59(12):3249-3253.)。Hussain S等人提出了报告信道的传播特性分析在认知无线网络中重要性(Hussain S,Fernando X.PerformanceAnalys is of Relay-Based Cooperative Spectrum Sens ing inCognitive Radio Networks over Non-Identical Nakagami-mChannels[J].Communications,IEEE Transactions on,2014,62(8):2733-2746.)。Wang Q等人在考虑报告信道传输误码的情况下，给出了全局检测概率和虚警概率的范围(Wang Q,Yue D W,Lau F C M.Performance of cooperative spectrum sens ing over fadingchannels with low signal-to-noise ratio[J].Communications,IET,2012,6(13):1988-1999.)。但是，Hussain S和Wang Q均没有考虑大尺度衰落信道中，传播距离以及不同的传播路径引起的路径损耗指数对报告信道误码率的影响。

发明内容

本发明的目的是克服上述已有技术的不足，提出了一种大小尺度衰落信道下宽带协作频谱感知方法，其特征在于：所述方法包括以下步骤：

S1构建大小尺度衰落信道下宽带协作频谱感知系统模型；

S2按照宽带频谱分成L个窄带频谱，并将次用户分成L个簇；

S3在小尺度衰落信道下，各个次用户利用能量检测的方法对窄带频谱进行感知；

S4根据簇头到融合中心的路径损耗指数、方差及传播距离，选择最优的簇头；

S5簇头利用“或”准则，对簇内的次用户的感知结果进行信息融合判决，实现簇内的协作频谱感知；

S5通过簇间的协作，融合中心将所有的簇头信息进行合并，实现对宽带频谱的感知。在上述技术方案的基础上，所述将宽带频谱分成L个窄带频谱包括：

所述宽带频谱内包含L个窄带频谱,按照窄带信号的个数，将次用户按照距离最小的原则分成相应的L个簇。

在上述技术方案的基础上，所述小尺度衰落信道下，各个次用户对窄带频谱进行感知包括：

所述次用户在小尺度衰落信道包括莱斯衰落信道、瑞利衰落信道和Nakagami-m衰落信道。不同的簇感知不同的窄带信号。簇内的次用户基于能量检测方法对同一个窄带信号进行频谱感知，得到窄带信号是否存在。

在衰落信道下，感知性能受衰落信道的影响，平均检测概率其中f(γ)为衰落信道的概率密度函数；由于虚警概率P_f与信噪比γ无关，所以在小尺度衰落信道的情况下，虚警概率P_f不变。

在莱斯衰落信道下，莱斯衰落信道的概率密度函数为：

$f_{\mathrm{Ric}}\left(\mathrm{\γ}\right)=\frac{k+1}{\stackrel{\‾}{\mathrm{\γ}}}\exp (-k-\frac{(k+1)\mathrm{\γ}}{\stackrel{\‾}{\mathrm{\γ}}})I_0\left(2\sqrt{\frac{k(k+1)\mathrm{\γ}}{\stackrel{\‾}{\mathrm{\γ}}}}\right),\mathrm{\γ}\≥0$

则在莱斯衰落信道下频谱感知表示为：

$\begin{array}{c}\stackrel{\‾}{P_{d\_\mathrm{Ric}|M=1}}=\exp (\frac{1}{2p^2}\frac{2k(k+1)}{\stackrel{\‾}{\mathrm{\γ}}}-k)Q(\frac{\mathrm{ac}}{p\sqrt{p^2+a^2}},\frac{\mathrm{bp}}{\sqrt{p^2+a^2}})\\ =\exp (k-\frac{1}{2}\frac{k\stackrel{\‾}{\mathrm{\γ}}}{k+1})Q(\frac{\sqrt{2k\stackrel{\‾}{\mathrm{\γ}}}}{\sqrt{k+1+\stackrel{\‾}{\mathrm{\γ}}}},\frac{\sqrt{\mathrm{\ρ}(k+1)}}{\sqrt{k+1+\stackrel{\‾}{\mathrm{\γ}}}})\end{array}$

其中k为莱斯因子，为平均信噪比(SNR)，a＝1， $c=\sqrt{2k(k+1)/\stackrel{\‾}{\mathrm{\γ}}}.$

在Nakagami-m衰落信道下，Nakagami-m的概率密度函数为：

$f_{\mathrm{Nak}}\left(\mathrm{\γ}\right)=\frac{1}{\mathrm{\Γ}\left(m\right)}{\left(\frac{m}{\stackrel{\‾}{\mathrm{\γ}}}\right)}^m{\mathrm{\γ}}^{m-1}{e}^{-\frac{\mathrm{my}}{\stackrel{\‾}{\mathrm{\γ}}}},\mathrm{\γ}\≥0$

其中，为平均SNR。m定量的反映接收信号功率的离散程度，m越小，接收信号功率的离散程度越大；反之，m越大，接收信号功率的离散程度越小；当m＝1时，为Rayleigh分布。则在Nakagami-m衰落信道下频谱感知表示为：

$\begin{array}{c}\stackrel{\‾}{P_{d\_\mathrm{Nak}}}={\left(\frac{1}{2}\right)}^{m-1}\frac{1}{\mathrm{\Γ}\left(m\right)}{p}^{2m}{\∫}_0^{\∞}{Q}_N(\mathrm{ax},b)\·x^{2m-1}\·\exp (-\frac{1}{2}{p}^2{x}^2)\mathrm{dx}\\ =\mathrm{\ζ}\·{\∫}_0^{\∞}{Q}_N(\mathrm{ax},b)\·x^{2m-1}\·\exp (-\frac{1}{2}{p}^2{x}^2)\mathrm{dx}=\mathrm{\ζ}\·G_N\end{array}$

其中，a＝1，N为感知周期,Q_N(·,·)为广义的Q函数，Γ(·)和Γ(·,·)分别为完全伽马函数和不完全伽马函数,

$\begin{array}{c}{G}_N=G_{N-1}+D_{N-1}{F}_N=G_{N-2}+D_{N-2}{F}_{N-1}+D_{N-1}{F}_N\\ =\·\·\·\·\·\·=G_1+\underset{i=1}{\overset{N-1}{\mathrm{\Σ}}}{D}_i{F}_{i+1}\end{array},$

$G_1={\∫}_0^{\∞}{x}^{2m-1}\·\exp (-\frac{1}{2}{p}^2{x}^2)\·Q(\mathrm{ax},b)\mathrm{dx},F_i=F_1^1(m;i;\frac{a^2{b}^{32}}{2(p^2+a^2)}),$ ₁F₁(.；.；.)为合流超几何函数， $G_1={\∫}_0^{\∞}{x}^{2m-1}\·\exp (-\frac{1}{2}{p}^2{x}^2)\·Q(\mathrm{ax},b)\mathrm{dx},$ 当m＝1时，式对应为Rayleigh衰落分布的平均检测概率。

在上述技术方案的基础上，所述最优簇头的选择包括：

在大尺度阴影衰落环境下的路径损耗为：

$L_p\mathrm{dB}=P_r-P_t=10\log K-10n\lg \left(\frac{d}{d_0}\right)-\mathrm{\ψdB}$

其中ψdB是均值为0，方差为的服从高斯分布的随机变量。不同频段对应不同的且越小，预测值越接近实际测量值。特别地，在自由空间传播时，n＝2，d₀＝1，ψ＝0dB，L_p是对数距离d的线性函数。

在协作频谱感知中，第l个簇在融合中心(FC)的检测概率为：

$Q_d^{\left(l\right)}=\frac{1}{2}+{\mathrm{\β}}_i\left(L_{p,i}^{\left(l\right)}\right)[\frac{1}{2}-\underset{i=1}{\overset{N}{\mathrm{\Π}}}((1-\stackrel{\‾}{P_{d,i}^{\left(l\right)}})(1-p_{e,i}^{\left(l\right)})+\stackrel{\‾}{P_{d,i}^{\left(l\right)}}{P}_{e,i}^{\left(l\right)})]$

其中 ${\mathrm{\β}}_i\left(L_{p.i}^{\left(l\right)}\right)=\sqrt{\frac{L_{p,i}^{\left(l\right)}-P_N^{\left(l\right)}}{1+L_{p,i}^{\left(l\right)}-P_N^{\left(l\right)}}},P_{e,h}^{\left(l\right)}=\frac{1}{2}(1-{\mathrm{\β}}_i\left(L_{p,i}^{\left(l\right)}\right)),$ 则最优的簇头为：

$i=\arg \min {(\underset{i=1}{\overset{N}{\mathrm{\Π}}}((1-\stackrel{\‾}{P_{d,i}^{\left(l\right)}})(1-p_{e,i}^{\left(l\right)})+\stackrel{\‾}{P_{d,i}^{\left(l\right)}}{P}_{e,i}^{\left(l\right)})+\sqrt{\frac{10\mathrm{lgK}-10\mathrm{nlg}\left(\frac{d_i}{d_0}\right)-\mathrm{\ψ}-P_N^{\left(l\right)}}{1+10\mathrm{lgK}-10\mathrm{nlg}\left(\frac{d_i}{d_0}\right)-\mathrm{\ψ}-P_N^{\left(l\right)}}}-0.5)}^{\′}$

当Link1、Link2和Link3信道为理想信道，协作检测概率和虚警概率分别为 $Q_d^{\left(l\right)}=1-\underset{i=1}{\overset{N}{\mathrm{\Π}}}(1-P_{d,i}^{\left(l\right)}),Q_f^{\left(l\right)}=1-\underset{i=1}{\overset{N}{\mathrm{\Π}}}(1-P_{f,i}^{\left(l\right)}).$ FC的检测概率与簇头的选择无关；

当Link1、Link2为理想信道，Link3为自由空间传播信道时，对于给定的λ，取d₀＝1，ψ＝0dB，最优的簇头为

$i=\arg \min {(\underset{i=1}{\overset{N}{\mathrm{\Π}}}(1-P_{d,i}^{\left(l\right)})+\sqrt{\frac{10\mathrm{lgK}-201g\left(d_i\right)-P_N^{\left(l\right)}}{1+10\mathrm{lgK}-20\lg \left(d_i\right)-P_N^{\left(l\right)}}}-0.5)}^{\′}$

当Link1为小尺度衰落信道，Link2为理想信道，Link3为阴影衰落信道时，对于给定的λ，取d₀＝1，最优的簇头为

$i=\arg \min {(\underset{i=1}{\overset{N}{\mathrm{\Π}}}(1-\stackrel{\‾}{P_{d,i}^{\left(l\right)}})+\sqrt{\frac{10\mathrm{lgK}-10\mathrm{nlg}\left(d_i\right)-\mathrm{\ψ}-P_N^{\left(l\right)}}{1+10\mathrm{lgK}-10\mathrm{nlg}\left(d_i\right)-\mathrm{\ψ}-P_N^{\left(l\right)}}}-0.5)}^{\′}$

特别地，当ψ＝0dB时，Link3为自由空间传播信道。

在上述技术方案的基础上，所述簇内协作感知为：

所述簇头利用“或”准则，是指簇内的任意一个次用户感知到主用户存在，即判决为主用户存在；只有当所有的次用户都感知到主用户不存在时，即判决为主用户不存在。簇内次用户通过共同感知一个窄带信号，实现了簇内的协作频谱感知，减小了信道衰落和“隐终端”对感知性能的影响。

在上述技术方案的基础上，所述簇间协作感知为：

所述融合中心接收到各个簇头通过大尺度衰落信道发送的关于各个窄带信号的感知结果，进行合并，得到宽带频谱的感知结果，实现了对宽带频谱的感知。

本发明有益效果在于：

1、本发明可以对大小尺度衰落信道下宽带频谱进行感知；

2、本发明在大小尺度衰落下具有较好的感知性能；

3、在相同的仿真实验环境和相同的样本数和信噪比等信号参数设置条件下，本发明比传统的能量检测方法具有更好的感知性能。

附图说明

图1为本发明的流程示意图；

图2为本发明构建一种大小尺度衰落信道下宽带协作频谱感知系统模型；

图3为本发明在Nakagami-m衰落信道下虚警概率与误检概率的关系图；

图4为本发明在瑞利衰落信道下虚警概率与误检概率的关系图；

图5为本发明在莱斯衰落信道下虚警概率与误检概率的关系图；

图6为本发明在阴影衰落环境下距离对感知性能的影响图；

图7为本发明在不同阴影衰落环境对感知性能的影响图；

图8为本发明的簇内认知用户数对检测概率的影响图。

具体实施方式

本发明的具体实现步骤如下：

如图1所示，本发明为大小尺度衰落信道下宽带协作频谱感知方法，所述方法包括以下步骤：

S1构建大小尺度衰落信道下宽带协作频谱感知系统模型；

S2按照宽带频谱分成L个窄带频谱，并将次用户分成L个簇；

所述宽带频谱内包含L个窄带频谱,按照窄带信号的个数，将次用户按照距离最小的原则分成相应的L个簇。

S3在小尺度衰落信道下，各个次用户利用能量检测的方法对窄带频谱进行感知；

所述次用户在小尺度衰落信道包括莱斯衰落信道、瑞利衰落信道和Nakagami-m衰落信道。不同的簇感知不同的窄带信号。簇内的次用户基于能量检测方法对同一个窄带信号进行频谱感知，得到窄带信号是否存在的。

在衰落信道下，感知性能受衰落信道的影响，平均检测概率其中f(γ)为衰落信道的概率密度函数；由于虚警概率P_f与信噪比γ无关，所以在小尺度衰落信道的情况下，虚警概率P_f不变。

在莱斯衰落信道下，莱斯衰落信道的概率密度函数为：

$f_{\mathrm{Ric}}\left(\mathrm{\γ}\right)=\frac{k+1}{\stackrel{\‾}{\mathrm{\γ}}}\exp (-k-\frac{(k+1)\mathrm{\γ}}{\stackrel{\‾}{\mathrm{\γ}}})I_0\left(2\sqrt{\frac{k(k+1)\mathrm{\γ}}{\stackrel{\‾}{\mathrm{\γ}}}}\right),\mathrm{\γ}\≥0$

则在莱斯衰落信道下频谱感知表示为：

$\begin{array}{c}\stackrel{\‾}{P_{d\_\mathrm{Ric}|M=1}}=\exp (\frac{1}{2p^2}\frac{2k(k+1)}{\stackrel{\‾}{\mathrm{\γ}}}-k)Q(\frac{\mathrm{ac}}{p\sqrt{p^2+a^2}},\frac{\mathrm{bp}}{\sqrt{p^2+a^2}})\\ =\exp (k-\frac{1}{2}\frac{k\stackrel{\‾}{\mathrm{\γ}}}{k+1})Q(\frac{\sqrt{2k\stackrel{\‾}{\mathrm{\γ}}}}{\sqrt{k+1+\stackrel{\‾}{\mathrm{\γ}}}},\frac{\sqrt{\mathrm{\ρ}(k+1)}}{\sqrt{k+1+\stackrel{\‾}{\mathrm{\γ}}}})\end{array}$

其中k为莱斯因子，为平均信噪比(SNR)，a＝1， $c=\sqrt{2k(k+1)/\stackrel{\‾}{\mathrm{\γ}}}.$

在Nakagami-m衰落信道下，Nakagami-m的概率密度函数为：

$f_{\mathrm{Nak}}\left(\mathrm{\γ}\right)=\frac{1}{\mathrm{\Γ}\left(m\right)}{\left(\frac{m}{\stackrel{\‾}{\mathrm{\γ}}}\right)}^m{\mathrm{\γ}}^{m-1}{e}^{-\frac{\mathrm{my}}{\stackrel{\‾}{\mathrm{\γ}}}},\mathrm{\γ}\≥0$

其中，为平均SNR。m定量的反映接收信号功率的离散程度，m越小，接收信号功率的离散程度越大；反之，m越大，接收信号功率的离散程度越小；当m＝1时，为Rayleigh分布。则在Nakagami-m衰落信道下频谱感知表示为：

$\begin{array}{c}\stackrel{\‾}{P_{d\_\mathrm{Nak}}}={\left(\frac{1}{2}\right)}^{m-1}\frac{1}{\mathrm{\Γ}\left(m\right)}{p}^{2m}{\∫}_0^{\∞}{Q}_N(\mathrm{ax},b)\·x^{2m-1}\·\exp (-\frac{1}{2}{p}^2{x}^2)\mathrm{dx}\\ =\mathrm{\ζ}\·{\∫}_0^{\∞}{Q}_N(\mathrm{ax},b)\·x^{2m-1}\·\exp (-\frac{1}{2}{p}^2{x}^2)\mathrm{dx}=\mathrm{\ζ}\·G_N\end{array}$

其中，a＝1，N为感知周期,Q_N(·,·)为广义的Q函数，Γ(·)和Γ(·,·)分别为完全伽马函数和不完全伽马函数,

$\begin{array}{c}{G}_N=G_{N-1}+D_{N-1}{F}_N=G_{N-2}+D_{N-2}{F}_{N-1}+D_{N-1}{F}_N\\ =\·\·\·\·\·\·=G_1+\underset{i=1}{\overset{N-1}{\mathrm{\Σ}}}{D}_i{F}_{i+1}\end{array},$

$G_1={\∫}_0^{\∞}{x}^{2m-1}\·\exp (-\frac{1}{2}{p}^2{x}^2)\·Q(\mathrm{ax},b)\mathrm{dx},F_i=F_1^1(m;i;\frac{a^2{b}^{32}}{2(p^2+a^2)}),$ ₁F₁(.；.；.)为合流超几何函数， $G_1={\∫}_0^{\∞}{x}^{2m-1}\·\exp (-\frac{1}{2}{p}^2{x}^2)\·Q(\mathrm{ax},b)\mathrm{dx},$ 当m＝1时，

式对应为Rayleigh衰落分布的平均检测概率。

S4根据簇头到融合中心的路径损耗指数、方差及传播距离，选择最优的簇头；

在大尺度阴影衰落环境下的路径损耗为：

$L_p\mathrm{dB}=P_r-P_t=10\log K-10n\lg \left(\frac{d}{d_0}\right)-\mathrm{\ψdB}$

其中ψdB是均值为0，方差为的服从高斯分布的随机变量。不同频段对应不同的且越小，预测值越接近实际测量值。特别地，在自由空间传播时，n＝2，d₀＝1，ψ＝0dB，L_p是对数距离d的线性函数。

在协作频谱感知中，第l个簇在融合中心(FC)的检测概率为：

$Q_d^{\left(l\right)}=\frac{1}{2}+{\mathrm{\β}}_i\left(L_{p,i}^{\left(l\right)}\right)[\frac{1}{2}-\underset{i=1}{\overset{N}{\mathrm{\Π}}}((1-\stackrel{\‾}{P_{d,i}^{\left(l\right)}})(1-p_{e,i}^{\left(l\right)})+\stackrel{\‾}{P_{d,i}^{\left(l\right)}}{P}_{e,i}^{\left(l\right)})]$

其中 ${\mathrm{\β}}_i\left(L_{p.i}^{\left(l\right)}\right)=\sqrt{\frac{L_{p,i}^{\left(l\right)}-P_N^{\left(l\right)}}{1+L_{p,i}^{\left(l\right)}-P_N^{\left(l\right)}}},P_{e,h}^{\left(l\right)}=\frac{1}{2}(1-{\mathrm{\β}}_i\left(L_{p,i}^{\left(l\right)}\right)),$ 则最优的簇头为：

$i=\arg \min {(\underset{i=1}{\overset{N}{\mathrm{\Π}}}((1-\stackrel{\‾}{P_{d,i}^{\left(l\right)}})(1-p_{e,i}^{\left(l\right)})+\stackrel{\‾}{P_{d,i}^{\left(l\right)}}{P}_{e,i}^{\left(l\right)})+\sqrt{\frac{10\mathrm{lgK}-10\mathrm{nlg}\left(\frac{d_i}{d_0}\right)-\mathrm{\ψ}-P_N^{\left(l\right)}}{1+10\mathrm{lgK}-10\mathrm{nlg}\left(\frac{d_i}{d_0}\right)-\mathrm{\ψ}-P_N^{\left(l\right)}}}-0.5)}^{\′}$

当Link1、Link2和Link3信道为理想信道，协作检测概率和虚警概率分别为 $Q_d^{\left(l\right)}=1-\underset{i=1}{\overset{N}{\mathrm{\Π}}}(1-P_{d,i}^{\left(l\right)}),Q_f^{\left(l\right)}=1-\underset{i=1}{\overset{N}{\mathrm{\Π}}}(1-P_{f,i}^{\left(l\right)}).$ FC的检测概率与簇头的选择无关；

当Link1、Link2为理想信道，Link3为自由空间传播信道时，对于给定的λ，取d₀＝1，ψ＝0dB，最优的簇头为

$i=\arg \min {(\underset{i=1}{\overset{N}{\mathrm{\Π}}}(1-P_{d,i}^{\left(l\right)})+\sqrt{\frac{10\mathrm{lgK}-201g\left(d_i\right)-P_N^{\left(l\right)}}{1+10\mathrm{lgK}-20\lg \left(d_i\right)-P_N^{\left(l\right)}}}-0.5)}^{\′}$

当Link1为小尺度衰落信道，Link2为理想信道，Link3为阴影衰落信道时，对于给定的λ，取d₀＝1，最优的簇头为

$i=\arg \min {(\underset{i=1}{\overset{N}{\mathrm{\Π}}}(1-\stackrel{\‾}{P_{d,i}^{\left(l\right)}})+\sqrt{\frac{10\mathrm{lgK}-10\mathrm{nlg}\left(d_i\right)-\mathrm{\ψ}-P_N^{\left(l\right)}}{1+10\mathrm{lgK}-10\mathrm{nlg}\left(d_i\right)-\mathrm{\ψ}-P_N^{\left(l\right)}}}-0.5)}^{\′}$

特别地，当ψ＝0dB时，Link3为自由空间传播信道。

S5簇头利用“或”准则，对簇内的次用户的感知结果进行信息融合判决，实现簇内的协作频谱感知；

所述簇头利用“或”准则，是指簇内的任意一个次用户感知到主用户存在，即判决为主用户存在；只有当所有的次用户都感知到主用户不存在时，即判决为主用户不存在。簇内次用户通过共同感知一个窄带信号，实现了簇内的协作频谱感知，减小了信道衰落和“隐终端”对感知性能的影响。

S5通过簇间的协作，融合中心将所有的簇头信息进行合并，实现对宽带频谱的感知。

所述融合中心接收到各个簇头通过大尺度衰落信道发送的关于各个窄带信号的感知结果，进行合并，得到宽带频谱的感知结果，实现了对宽带频谱的感知。

为了验证本发明的有效性，可通过MATLAB进行仿真实验，结合附图对本发明作进一步的描述。

本发明分别采用QPSK信号，采样点数为1024，每个簇中感知节点数为10，蒙特卡洛实验次数为1000，信号频率f＝1GHz，最大多普勒频移为100KHz，平均信道增益为-5dB，莱斯因子k＝10，Link1和Link2信道为小尺度衰落信道，服从Nakagami-m、Rayleigh和Rician分布，Link3信道为大尺度衰落阴影衰落信道。

为了测试小尺度衰落信道下平均SNR对感知性能的影响，分别在Nakagami-m、Rayleigh和莱斯衰落信道下进行频谱感知。如图3，图4，图5所示，不同SNR情况下，簇内各认知用户通过Link1链路感知主用户的误检概率P_m＝1-P_d。可以看出，随着P_f增大，P_m减小，当P_f＝0.5时，P_m趋近于0，P_d趋近于1，且SNR越大，P_m越小。

为了测试阴影衰落环境下距离对感知性能的影响，在相同的阴影衰落环境下，对不同的频率进行仿真。如图6所示，假设的发射功率随着距离的增大，趋近于0.5，且频率越高，距离对的影响也越大。因此针对一个簇，应选择距离FC最近的感知用户为簇头。

为了测试阴影衰落环境对感知性能的影响，在不同的阴影衰落环境下进行仿真。如图7所示，在f＝900MHz时，在不同阴影衰落环境中n和ψ分别对应不同的值，n值越小，Link3的传播距离越大，对感知性能的影响越小。

为了测试簇内认知用户个数对协作感知性能的影响，在相同的衰落环境下，f＝1GHz时进行仿真。如图8所示，随着簇内用户数的增加，检测概率得到明显的提升。当簇内用户数大于等于6时，检测概率趋于稳定，且随着距离的增大而减小。

对于本领域的技术人员来说，可根据以上描述的技术方案以及构思，做出其它各种相应的改变以及变形，而所有的这些改变以及变形都应该属于本发明权利要求的保护范围之内。

Claims (2)

1.一种大小尺度衰落信道下宽带协作频谱感知方法，其特征在于，所述方法包括以下步骤：

S1构建一种大小尺度衰落信道下宽带协作频谱感知系统模型；

S2按照宽带频谱分成L个窄带频谱，并将次用户分成L个簇；

S3在小尺度衰落信道下，各个次用户利用能量检测的方法对窄带频谱进行感知；

S4根据簇头到融合中心的路径损耗指数、方差及传播距离，选择最优的簇头；

S5簇头利用“或”准则，对簇内的次用户的感知结果进行信息融合判决，实现簇内的协作频谱感知；

S5通过簇间的协作，融合中心将所有的簇头信息进行合并，实现对宽带频谱的感知。

2.如权利要求书1中所述的一种大小尺度衰落信道下宽带协作频谱感知方法：其特征在于：最优簇头的选择包括：

定义PU为主用户，共有L(L＝1,2,…,l)个子带；SU为认知用户，为第l个簇中的第i个认知用户；为第l个簇中的簇头；FC为融合中心；Link1为之间的链路；Link2为之间的链路；Link3为之间的链路；

在协作频谱感知中，簇头负责簇内节点的信息融合，以及向融合中心发送簇判决结果，第l个簇在融合中心的检测概率为：

$Q_d^{\left(l\right)}=\frac{1}{2}+{\mathrm{\β}}_i\left(L_{p,i}^{\left(l\right)}\right)[\frac{1}{2}-\underset{i=1}{\overset{N}{\mathrm{\Π}}}((1-\stackrel{\‾}{P_{d,i}^{\left(l\right)}})(1-p_{e,i}^{\left(l\right)})+\stackrel{\‾}{P_{d,i}^{\left(l\right)}}{p}_{e,i}^{\left(l\right)})]$

其中，为认知用户的检测概率，为衰落信道下的平均检测概率，Link2的误码率为N为第l个簇中的个数， 为噪声功率，是对数距离d的线性函数，现在求使得最大或最优的簇头即

$i=\underset{Q_d}{\arg \max }{Q}_d^{\left(l\right)}=\underset{Q_d}{\arg \max }(\frac{1}{2}+{\mathrm{\β}}_i\left(L_{p,i}^{\left(l\right)}\right)[\frac{1}{2}-\underset{i=1}{\overset{N}{\mathrm{\Π}}}((1-\stackrel{\‾}{P_{d,i}^{\left(l\right)}})(1-p_{e,i}^{\left(l\right)})+\stackrel{\‾}{P_{d,i}^{\left(l\right)}}{p}_{e,i}^{\left(l\right)})\left]\right)$

根据阴影衰落环境下的路径损耗，可以得到

$i=\arg \min {(\underset{i=1}{\overset{N}{\mathrm{\Π}}}((1-\stackrel{\‾}{P_{d,i}^{\left(l\right)}})(1-p_{e,i}^{\left(l\right)})+\stackrel{\‾}{P_{d,i}^{\left(l\right)}}{p}_{e,i}^{\left(l\right)})+\sqrt{\frac{10\mathrm{lgK}-10\mathrm{nlg}\left(\frac{d_i}{d_0}\right)-\mathrm{\ψ}-P_N^{\left(l\right)}}{1+10\mathrm{lgK}-10\mathrm{nlg}\left(\frac{d_i}{d_0}\right)-\mathrm{\ψ}-P_N^{\left(l\right)}}}-0.5)}^{\′}$

其中，d₀为远场参考距离，d_i(d_i＞d₀)为发射机到接收机之间的距离，K＝(λ/4πd₀)²，λ为发射信号波长，n为路径损耗指数，Ψ是均值为0，方差为且服从高斯分布的随机变量；

当Link1、Link2和Link3信道为理想信道，协作检测概率和虚警概率分别为 $Q_d^{\left(l\right)}=1-\underset{i=1}{\overset{N}{\mathrm{\Π}}}(1-P_{d,i}^{\left(l\right)}),Q_f^{\left(l\right)}=1-\underset{i=1}{\overset{N}{\mathrm{\Π}}}(1-P_{f,i}^{\left(l\right)}),$ 为认知用户的虚警概率；

当Link1、Link2为理想信道，Link3为自由空间传播信道时，最优的簇头为 $i=\arg \min {(\underset{i=1}{\overset{N}{\mathrm{\Π}}}(1-P_{d,i}^{\left(l\right)})+\sqrt{\frac{10\mathrm{lgK}-20\lg \left(d_i\right)-P_N^{\left(l\right)}}{1+10\mathrm{lgK}-20\lg \left(d_i\right)-P_N^{\left(l\right)}}}-0.5)}^{\′};$

当Link1为小尺度衰落信道，Link2为理想信道，Link3为阴影衰落信道时，最优的簇头为：

$i=\arg \min {(\underset{i=1}{\overset{N}{\mathrm{\Π}}}(1-\stackrel{\‾}{P_{d,i}^{\left(l\right)}})+\sqrt{\frac{10\mathrm{lgK}-10\mathrm{nlg}\left(d_i\right)-\mathrm{\ψ}-P_N^{\left(l\right)}}{1+10\mathrm{lgK}-10\mathrm{nlg}\left(d_i\right)-\mathrm{\ψ}-P_N^{\left(l\right)}}}-0.5)}^{\′}.$