CN105141384A - 一种认知无线电协作频谱感知方法 - Google Patents

Abstract

本发明涉及一种认知无线电协作频谱感知方法，该方法包括各认知用户分别独立地发送自身信噪比和检测结果给频谱感知融合中心，由频谱感知融合中心根据预设信噪比筛选值选出参与协作的初选认知用户，计算初选认知用户的信任度和所有初选认知用户的信噪比均方根值，得到各初选认知用户信噪比和信噪比均方根值间的商值，计算信噪比预设阈值、信噪比最佳阈值和初选认知用户的联合筛选参数值，由频谱感知融合中心根据联系筛选参数值，选定参与协作的复选认知用户，并得到复选认知用户调整后的检测概率，最后将重新选择的终选认知用户按照加权的OR准则进行协作检测。该协作频谱感知方法减小了低信噪比认知用户对协作检测影响，提高了协作检测性能。

Description

一种认知无线电协作频谱感知方法

技术领域

本发明涉及无线通信领域，尤其涉及一种认知无线电协作频谱感知方法。

背景技术

近年来随着无线通信技术的不断发展，以LTE、Wi-Fi、卫星通信及协同通信等为标志的新兴技术相继涌现，层出不穷。这些通信技术对无线频谱资源提出了更高的需求，从而令频谱资源变的趋于紧张，认知无线电技术(CognitiveRadio,CR)在此背景下应运而生。CR技术源于软件无线电，能够“伺机”的对空闲的频谱进行利用和共享，进而解决频谱资源紧缺难题，从而真正实现提高频谱利用率的目的。

频谱感知技术作为认知无线电网络中的关键技术，对于检测授权用户信号(又称主用户)的存在情况意义重大。认知无线电的基本途径是：首先认知用户(或称感知用户、次用户)采用频谱感知对周围环境中的已授权频谱资源进行持续监测；然后在保证授权用户能够优先占用该段频谱且传输性能几乎不受影响的条件下，认知用户自适应地调整收发设备，并将收发设备调整至空闲频谱上进行通信。当认知用户感知(或称检测)到有授权用户信号出现时，认知用户则要快速腾出信道供授权用户使用，进而避免对授权用户的正常通信进行干扰。可见，认知用户所采用的频谱感知方法要求对授权用户具有高度的可靠性，即要求频谱感知方法具有高度的检测性能。

在实际环境中，由于受到多径衰落、阴影效应和噪声不确定性等诸多因素的不利影响，单个认知用户的检测性能往往不能适应对授权用户信号检测率的要求。为了减少多径衰落、阴影效应和噪声不确定性等诸多因素对检测性能的不利影响，基于多个认知用户的协作频谱感知方法被不断提出。在现有的协作频谱感知方法中，通过将每个认知用户的检测结果发送给频谱感知融合中心进行融合，以达到对频谱进行感知的目的。然而，由于现有的协作频谱感知方法并没有考虑每个认知用户自身信噪比对协作检测结果的影响，导致协作感知后的检测性能不够准确。

发明内容

本发明所要解决的技术问题是针对上述现有技术提供一种既能减小低信噪比认知用户对协作检测的影响，又能够提高协作检测性能的认知无线电协作频谱感知方法。

本发明解决上述技术问题所采用的技术方案为：一种认知无线电协作频谱感知方法，其特征在于，依次包括如下步骤：

(1)N个认知用户CR_i分别独立地获取自身的信噪比SNR_i和频谱检测结果，并分别将获取的信噪比SNR_i和频谱检测结果发送至频谱感知融合中心FC，其中，频谱检测结果包括认知用户CR_i的检测概率P_d,i以及虚警概率P_f,i，i＝1,2,…,N；

(2)频谱感知融合中心FC接收各认知用户CR_i发送来的信噪比SNR_i和频谱检测结果，并判断信噪比SNR_i大于预设的信噪比筛选值SNR_chose时，则选择此信噪比对应的认知用户为参与协作检测的初选认知用户组成员，并执行步骤(3)；否则，选择具有最高信噪比的认知用户所对应的频谱检测结果为频谱感知融合中心FC的最终检测结果；

(3)根据参与协作检测的初选认知用户组成员的信噪比和检测概率，计算各初选认知用户的信任度ψ_i以及初选认知用户组的信噪比均方根值并令信噪比SNR'_i＝γ_i，初选认知用户组成员的数量为N'，且N'≤N，其中，初选认知用户的信任度ψ_i、信噪比均方根值的计算公式如下：

${\mathrm{\ψ}}_i=\frac{P_{d,i}}{\underset{i=1}{\overset{N^{\′}}{\Σ}}{P}_{d,i}},\stackrel{\‾}{\mathrm{\γ}}=\sqrt{\frac{1}{N^{\′}}\underset{i=1}{\overset{N^{\′}}{\Σ}}{{\mathrm{SNR}}^{\′2}}_i},$ N'≤N；

(4)频谱感知融合中心FC分别依次计算步骤(3)中各初选认知用户信噪比SNR'_i与所有初选认知用户信噪比均方根值之间的商值η_i，其中，

${\mathrm{\η}}_i=|{\mathrm{\γ}}^i/\stackrel{\‾}{\mathrm{\γ}}|,$ i＝1,2,…,N'；

(5)频谱感知融合中心FC计算、获取信噪比预设阈值λ、信噪比最佳阈值λ_optimal，以及初选认知用户CR'_i的信任度ψ_i，计算各初选认知用户CR'_i的联合筛选参数值ξ_i，并选定参与协作的复选认知用户：

(a)频谱感知融合中心FC根据接收的N'个初选认知用户CR'_i对应的信噪比集合{SNR'_i}，获取初选认知用户信噪比集合{SNR'_i}中的信噪比最大值，其中，记该信噪比最大值为SNR'max；

(b)以获取的信噪比最大值SNR'max为参考，并将信噪比最大值SNR'max分别与N'个初选认知用户CR'_i的信噪比SNR'_i作商处理，计算得到各初选认知用户信噪比SNR'_i所对应的初始阈值λ_i，其中，

λ_i＝|SNR'_max/SNR'_i|，i＝1,2,…,N'；

(c)根据各初选认知用户CR'_i的信任度ψ_i和信噪比商值η_i，计算各初选认知用户CR'_i的联合筛选参数值ξ_i，并根据联合筛选参数值ξ_i，选取参与协作的复选认知用户CR”_j，其中，复选认知用户CR”_j的数量为M，ξ_i＝η_i·ψ_i，i＝1,2,…,N'，j＝1,2,…,M，M≤N'：

若联合筛选参数值ξ_i位于预设数值区间范围[ξ_a,ξ_b]内，即ξ_a≤ξ_i≤ξ_b时，则选取该联合筛选参数值ξ_i对应的初选认知用户为复选认知用户，并参与协作检测；否则，该初选认知用户不予选取；

(d)根据步骤(c)中的信噪比预设阈值λ，获取M个复选认知用户CR”_j分别在OR准则和AND准则下的协作检测性能曲线，其中，

OR准则：

$Q_d=1-\underset{j=1}{\overset{M}{\Π}}{\mathrm{\ω}}_j(1-P_{d,j}),Q_{fa}=1-\underset{j=1}{\overset{M}{\Π}}(1-P_{f,j}),{\mathrm{\ω}}_j=\frac{{{\mathrm{SNR}}^{\′\′}}_j}{0.5\·({{\mathrm{SNR}}^{\′\′}}_{max}+{{\mathrm{SNR}}^{\′\′}}_{min})};$

AND准则：

$Q_d=\underset{j=1}{\overset{M}{\Π}}{P}_{d,j},Q_{fa}=\underset{j=1}{\overset{M}{\Π}}{P}_{fa,j},$ j＝1,2,…,M，M≤N'；

其中，P_d,j为第j个复选认知用户CR”_j的检测概率，P_fa,j为第j个复选认知用户CR”_j的虚警概率；Q_d为协作检测后的全局检测概率，Q_fa为协作检测后的全局虚警概率；ω_j表示信噪比SNR”_j的权重系数，SNR”_j是第j个复选认知用户CR”_j的信噪比，SNR”_max表示M个复选认知用户的信噪比最大值，SNR”_min表示M个复选认知用户的信噪比最小值；

(e)根据OR准则和AND准则下的协作检测性能曲线，得到在OR准则和AND准则下的最佳检测性能值Q_d-max，并以该最佳检测性能值Q_d-max所对应的信噪比预设阈值为信噪比最佳阈值，其中记信噪比最佳阈值为λ_optimal，最佳检测性能值即为全局检测概率Q_d中的最大值；

(6)根据获取的信噪比最佳阈值λ_optimal，得到该信噪比最佳阈值λ_optimal对应的复选认知用户CR”，获取该复选认知用户CR”的调整因子α以及其他M-1个复选认知用户CR”_k的调整因子α_k，并分别根据调整因子α、α_k对应调整复选认知用户CR”、CR”_k的虚警概率，其中，复选认知用户CR”调整后的虚警概率记为P_fa，复选认知用户CR”_k调整后的虚警概率记为P_fa,k；

P_fa,k＝α_k·P_fa,k＝1,2,…,M-1；

${\mathrm{\α}}_k=1+\frac{\stackrel{\‾}{{\mathrm{SNR}}^{\′\′}}-{{\mathrm{SNR}}^{\′\′}}_k}{\stackrel{\‾}{{\mathrm{SNR}}^{\′\′}}},$ k＝1,2,…,M-1；

$\stackrel{\‾}{{\mathrm{SNR}}^{\′\′}}=\frac{1}{M}\sqrt{\underset{j=1}{\overset{M}{\Σ}}{{\mathrm{SNR}}^{\′\′2}}_j},$ M≤N'；

其中，α_k为复选认知用户CR”_k的调整因子，用来根据复选认知用户CR”_k自身的信噪比实现对其虚警概率大小的调整；SNR”_j为第j个复选认知用户CR”_j的信噪比；

(7)根据步骤(6)中获取的M个复选认知用户的调整因子α_j以及对应调整后的虚警概率P_fa,j，计算复选认知用户CR”_j调整后的判决阈值λ'_i和检测概率P_d,j，其中，

$\begin{array}{c}{{\mathrm{\λ}}^{\′}}_j={\mathrm{\σ}}_w^2\[\sqrt{2N_1}{Q}^{-1}\left(P_{fa,j}\right)+N_1\]\\ ={\mathrm{\σ}}_w^2\[\sqrt{2N_1}{Q}^{-1}(\mathrm{\δ}\·P_{fa,j})+N_1\]\\ ={\mathrm{\σ}}_w^2\[\sqrt{2N_1}{Q}^{-1}\left(\right(1+\frac{\stackrel{\‾}{{\mathrm{SNR}}^{\′\′}}-{{\mathrm{SNR}}^{\′\′}}_j}{\stackrel{\‾}{{\mathrm{SNR}}^{\′\′}}})\·P_{fa})+N_1\]\end{array};$

$P_{d,j}=Q\[Q^{-1}\left(P_{fa,j}\right)-\sqrt{N_1\·{{\mathrm{SNR}}^{\′\′}}_j}\];$

$N_1=2{\[Q^{-1}\left(P_{fa,j}\right)-Q^{-1}\left(P_{fa}\right)\sqrt{1+2{{\mathrm{SNR}}^{\′\′}}_j}\]}^2{\mathrm{SNR}}^{\′\′}{{}_j}^{-2};$

其中，j＝1,2,…,M，M≤N'；N₁为采样点数；

(8)根据步骤(7)中M个复选认知用户的信噪比SNR”_j以及得到的调整后的检测概率P_d,j，返回步骤(5)，重新在M个复选认知用户中选择参与协作的终选认知用户，并以加权的OR准则协作后的全局检测概率为频谱感知融合中心FC的最终检测结果。

进一步地，所述步骤(8)中加权的OR准则如下：

${Q^{\′}}_d=1-\underset{t=1}{\overset{M^{\′}}{\Π}}{{\mathrm{\ω}}^{\′}}_t(1-P_{d,t}),{Q^{\′}}_{fa}=1-\underset{t=1}{\overset{M^{\′}}{\Π}}{{\mathrm{\ω}}^{\′}}_t(1-P_{f,t}),{{\mathrm{\ω}}^{\′}}_t=\frac{P_{d,t}}{\underset{t=1}{\overset{M^{\′}}{\Σ}}{P}_{d,t}},$ t＝1,2,…,M'，M'≤M；其中，P_d,t为第t个重新选择的终选认知用户CR”'_t的检测概率，P_fa,t为第t个重新选择的终选认知用户CR”'_t的虚警概率；Q'_d为协作检测后的全局检测概率，Q'_fa为协作检测后的全局虚警概率；M'为重新选择的终选认知用户的数目；ω'_t为重新选择的终选认知用户CR”'_t的加权系数。

与现有技术相比，本发明的优点在于：各认知用户分别独立地发送自身信噪比和检测结果给频谱感知融合中心，由频谱感知融合中心根据预设信噪比筛选值选出参与协作的初选认知用户，去除低信噪比认知用户，计算初选认知用户的信任度和所有初选认知用户的信噪比均方根值，得到各初选认知用户信噪比和信噪比均方根值间的商值，计算信噪比预设阈值、信噪比最佳阈值和初选认知用户的联合筛选参数值，由频谱感知融合中心根据联系筛选参数值，选定参与协作的复选认知用户，并得到复选认知用户调整后的检测概率，最后将重新选择的终选认知用户按照加权的OR准则进行协作检测。该协作频谱感知方法减小了低信噪比认知用户对协作检测影响，提高了协作检测性能。

附图说明

图1为本发明实施例中的认知无线电网络示意图；

图2为本发明实施例中认知无线电协作频谱感知方法的流程示意图；

图3为本发明实施例中协作频谱感知方法的协作检测性能曲线图。

具体实施方式

以下结合附图实施例对本发明作进一步详细描述。

如图1所示，在本实施例的认知无线电网络中，设定有N个认知用户以及一个频谱感知融合中心，认知用户由CR_i表示，频谱感知融合中心由FC表示，i＝1,2,…,N；其中，每个认知用户均能够独立地检测自身的信噪比，频谱感知融合中心FC负责对各认知用户发送来的数据进行处理。

如图2所示，本实施例中认知无线电协作频谱感知的方法依次包括如下步骤：

(1)N个认知用户CR_i分别独立地获取自身的信噪比SNR_i和频谱检测结果，并分别将获取的信噪比SNR_i和频谱检测结果发送至频谱感知融合中心FC，其中，频谱检测结果包括认知用户CR_i的检测概率P_d,i以及虚警概率P_f,i，i＝1,2,…,N；

(2)频谱感知融合中心FC接收各认知用户CR_i发送来的信噪比SNR_i和频谱检测结果，并判断信噪比SNR_i大于预设的信噪比筛选值SNR_chose时，则选择此信噪比对应的认知用户为参与协作检测的初选认知用户组成员，并执行步骤(3)；否则，选择具有最高信噪比的认知用户所对应的频谱检测结果为频谱感知融合中心FC的最终检测结果；其中，在协作频谱感知中，当参与协作的各认知用户均处于低信噪比、恶劣噪声通信环境下，即SNR_i＜SNR_chose时，各认知用户协作后的检测概率要远远低于具有较高信噪比的单个认知用户的独立检测概率；

(3)根据参与协作检测的初选认知用户组成员的信噪比SNR'_i和检测概率P_d,i，计算各初选认知用户CR'_i的信任度ψ_i以及初选认知用户组的信噪比均方根值并令信噪比SNR'_i＝γ_i，初选认知用户组成员的数量为N'，且N'≤N，其中，初选认知用户CR'_i的信任度ψ_i、信噪比均方根值的计算公式如下：

${\mathrm{\ψ}}_i=\frac{P_{d,i}}{\underset{i=1}{\overset{N^{\′}}{\Σ}}{P}_{d,i}},\stackrel{\‾}{\mathrm{\γ}}=\sqrt{\frac{1}{N^{\′}}\underset{i=1}{\overset{N^{\′}}{\Σ}}{{\mathrm{SNR}}^{\′2}}_i},$ N'≤N；

(4)频谱感知融合中心FC分别依次计算步骤(3)中各初选认知用户信噪比SNR'_i与所有初选认知用户信噪比均方根值之间的商值η_i，其中，商值η_i的计算公式如下：

${\mathrm{\η}}_i=|{\mathrm{\γ}}^i/\stackrel{\‾}{\mathrm{\γ}}|,$ i＝1,2,…,N'，N'≤N；

(5)频谱感知融合中心FC计算、获取信噪比预设阈值λ、信噪比最佳阈值λ_optimal，以及初选认知用户CR'_i的信任度ψ_i，计算各初选认知用户CR'_i的联合筛选参数值ξ_i，并选定参与协作的复选认知用户CR”_j；其中，该过程包括如下步骤：

(a)频谱感知融合中心FC根据接收的N'个初选认知用户CR'_i对应的信噪比集合{SNR'_i}，获取初选认知用户信噪比集合{SNR'_i}中的信噪比最大值，其中，记该信噪比最大值为SNR'max；

(b)以获取的信噪比最大值SNR'max为参考，并将信噪比最大值SNR'max分别与N'个初选认知用户CR'_i的信噪比SNR'_i作商处理，计算得到各初选认知用户信噪比SNR'_i所对应的初始阈值λ_i，其中，λ_i＝|SNR'_max/SNR'_i|，i＝1,2,…,N'，N'≤N；

(c)根据各初选认知用户CR'_i的信任度ψ_i和信噪比商值η_i，计算各初选认知用户CR'_i的联合筛选参数值ξ_i，并根据联合筛选参数值ξ_i，选取参与协作的复选认知用户CR”_j，其中，复选认知用户CR”_j的数量为M，初选认知用户CR'_i的联合筛选参数值ξ_i＝η_i·ψ_i，i＝1,2,…,N'，j＝1,2,…,M，M≤N'：

若联合筛选参数值ξ_i位于预设数值区间范围[ξ_a,ξ_b]内，即ξ_a≤ξ_i≤ξ_b时，则选取该联合筛选参数值ξ_i对应的初选认知用户为复选认知用户，并参与协作检测；否则，该初选认知用户不予选取；

(d)根据步骤(c)中的信噪比预设阈值λ，获取M个复选认知用户CR”_j分别在OR准则和AND准则下的协作检测性能曲线，其中，OR准则和AND准则公式如下：

OR准则：

$Q_d=1-\underset{j=1}{\overset{M}{\Π}}{\mathrm{\ω}}_j\·(1-P_{d,j}),Q_{fa}=1-\underset{j=1}{\overset{M}{\Π}}(1-P_{f,j}),{\mathrm{\ω}}_j=\frac{{{\mathrm{SNR}}^{\′\′}}_j}{0.5\·({{\mathrm{SNR}}^{\′\′}}_{max}+{{\mathrm{SNR}}^{\′\′}}_{min})};$

AND准则：

$Q_d=\underset{j=1}{\overset{M}{\Π}}{P}_{d,j},Q_{fa}=\underset{j=1}{\overset{M}{\Π}}{P}_{fa,j},$ j＝1,2,…,M，M≤N'；

其中，P_d,j为第j个复选认知用户CR”_j的检测概率，P_fa,j为第j个复选认知用户CR”_j的虚警概率；Q_d为协作检测后的全局检测概率，Q_fa为协作检测后的全局虚警概率；ω_j表示信噪比SNR”_j的权重系数，SNR”_j是第j个复选认知用户CR”_j的信噪比，SNR”_max表示M个复选认知用户信噪比中的最大值，SNR”_min表示M个复选认知用户信噪比中的最小值；

(e)根据OR准则和AND准则下的协作检测性能曲线，得到在OR准则和AND准则下的最佳检测性能值Q_d-max，并以该最佳检测性能值Q_d-max所对应的信噪比预设阈值为信噪比最佳阈值，其中记信噪比最佳阈值为λ_optimal，最佳检测性能值即为全局检测概率Q_d中的最大值；

(6)根据获取的信噪比最佳阈值λ_optimal，得到该信噪比最佳阈值λ_optimal对应的复选认知用户CR”，获取该复选认知用户CR”的调整因子α以及其他M-1个复选认知用户CR”_k的调整因子α_k，并分别根据调整因子α、α_k对应调整复选认知用户CR”、CR”_k的虚警概率，其中，复选认知用户CR”调整后的虚警概率记为P_fa，复选认知用户CR”_k调整后的虚警概率记为P_fa,k；

P_fa,k＝α_k·P_fa,k＝1,2,…,M-1；

${\mathrm{\α}}_k=1+\frac{\stackrel{\‾}{{\mathrm{SNR}}^{\′\′}}-{{\mathrm{SNR}}^{\′\′}}_k}{\stackrel{\‾}{{\mathrm{SNR}}^{\′\′}}},$ k＝1,2,…,M-1；

$\stackrel{\‾}{{\mathrm{SNR}}^{\′\′}}=\frac{1}{M}\sqrt{\underset{j=1}{\overset{M}{\Σ}}{{\mathrm{SNR}}^{\′\′2}}_j},$ M≤N'；

其中，α_k为复选认知用户CR”_k的调整因子，用来根据复选认知用户CR”_k自身的信噪比实现对其虚警概率大小的调整；SNR”_j为第j个复选认知用户CR”_j的信噪比；

(7)根据步骤(6)中获取的M个复选认知用户的调整因子α_j以及对应调整后的虚警概率P_fa,j，计算复选认知用户CR”_j调整后的判决阈值λ'_i和检测概率P_d,j，其中，

$\begin{array}{c}{{\mathrm{\λ}}^{\′}}_j={\mathrm{\σ}}_w^2\[\sqrt{2N_1}{Q}^{-1}\left(P_{fa,j}\right)+N_1\]\\ ={\mathrm{\σ}}_w^2\[\sqrt{2N_1}{Q}^{-1}(\mathrm{\δ}\·P_{fa,j})+N_1\]\\ ={\mathrm{\σ}}_w^2\[\sqrt{2N_1}{Q}^{-1}\left(\right(1+\frac{\stackrel{\‾}{{\mathrm{SNR}}^{\′\′}}-{{\mathrm{SNR}}^{\′\′}}_j}{\stackrel{\‾}{{\mathrm{SNR}}^{\′\′}}})\·P_{fa})+N_1\]\end{array};$

$P_{d,j}=Q\[Q^{-1}\left(P_{fa,j}\right)-\sqrt{N_1\·{{\mathrm{SNR}}^{\′\′}}_j}\]$

$N_1=2{\[Q^{-1}\left(P_{fa,j}\right)-Q^{-1}\left(P_{fa}\right)\sqrt{1+2{{\mathrm{SNR}}^{\′\′}}_j}\]}^2{\mathrm{SNR}}^{\′\′}{{}_j}^{-2};$

其中，j＝1,2,…,M，M≤N'；N₁为采样点数；

(8)根据步骤(7)中M个复选认知用户的信噪比SNR”_j以及得到的调整后的检测概率P_d,j，返回步骤(5)，重新在M个复选认知用户中选择参与协作的终选认知用户，并以加权的OR准则协作后的全局检测概率为频谱感知融合中心FC的最终检测结果，其中，该加权的OR准则如下：

${Q^{\′}}_d=1-\underset{t=1}{\overset{M^{\′}}{\Π}}{{\mathrm{\ω}}^{\′}}_t(1-P_{d,t}),{Q^{\′}}_{fa}=1-\underset{t=1}{\overset{M^{\′}}{\Π}}{{\mathrm{\ω}}^{\′}}_t(1-P_{f,t}),{{\mathrm{\ω}}^{\′}}_t=\frac{P_{d,t}}{\underset{t=1}{\overset{M^{\′}}{\Σ}}{P}_{d,t}},$ t＝1,2,…,M'，M'≤M；其中，P_d,t为第t个重新选择的终选认知用户CR”'_t的检测概率，P_fa,t为第t个重新选择的终选认知用户CR”'_t的虚警概率；Q'_d为协作检测后的全局检测概率，Q'_fa为协作检测后的全局虚警概率；M'为重新选择的终选认知用户的数目；ω'_t为重新选择的终选认知用户CR”'_t的加权系数。

图3给出了利用本实施例中认知无线电协作频谱感知方法的仿真结果示意图，其中，仿真条件如下：设定在认知无线电网络中，具有七个认知用户，即N＝7，认知用户CR₁至CR₇的信噪比分别为SNR₁＝-16dB、SNR₂＝-17dB、SNR₃＝-19dB、SNR₄＝-21dB、SNR₅＝-23dB、SNR₆＝-25dB、SNR₇＝-27dB，认知用户CR₁至CR₇均采用能量检测。由图3可以看出，在虚警概率一定的条件下，本发明中协作频谱感知方法的全局检测概率要高于传统的基于OR准则和AND准则的协作检测性能，也明显优于具有较高信噪比的认知用户的检测性能。可知，本发明实施例中的协作频谱感知方法具有更好的检测性能。

Claims (2)

1.一种认知无线电协作频谱感知方法，其特征在于，依次包括如下步骤：

(1)N个认知用户CR_i分别独立地获取自身的信噪比SNR_i和频谱检测结果，并分别将获取的信噪比SNR_i和频谱检测结果发送至频谱感知融合中心FC，其中，频谱检测结果包括认知用户CR_i的检测概率P_d,i以及虚警概率P_f,i，i＝1,2,…,N；

(2)频谱感知融合中心FC接收各认知用户CR_i发送来的信噪比SNR_i和频谱检测结果，并判断信噪比SNR_i大于预设的信噪比筛选值SNR_chose时，则选择此信噪比对应的认知用户为参与协作检测的初选认知用户组成员，并执行步骤(3)；否则，选择具有最高信噪比的认知用户所对应的频谱检测结果为频谱感知融合中心FC的最终检测结果；

(3)根据参与协作检测的初选认知用户组成员的信噪比和检测概率，计算各初选认知用户的信任度y_i以及初选认知用户组的信噪比均方根值并令信噪比SNR'_i＝γ_i，初选认知用户组成员的数量为N'，且N'≤N，其中，初选认知用户的信任度Ψ_i、信噪比均方根值的计算公式如下：

$\begin{array}{ccc}{\mathrm{\ψ}}_i=\frac{P_{d,i}}{\underset{i=1}{\overset{N^{\′}}{\Σ}}{P}_{d,i}},& \stackrel{\‾}{\mathrm{\γ}}=\sqrt{\frac{1}{N^{\′}}\underset{i=1}{\overset{N^{\′}}{\Σ}}{{\mathrm{SNR}}^{\′2}}_i},& N^{\′}\≤N\end{array};$

(4)频谱感知融合中心FC分别依次计算步骤(3)中各初选认知用户信噪比SNR'_i与所有初选认知用户信噪比均方根值之间的商值η_i，其中，

${\begin{array}{cc}{\mathrm{\η}}_i=|{\mathrm{\γ}}_i/\stackrel{\‾}{\mathrm{\γ}}|,& i=1,2,...,N\end{array}}^{\′};$

(5)频谱感知融合中心FC计算、获取信噪比预设阈值λ、信噪比最佳阈值λ_optimal，以及初选认知用户CR'_i的信任度Ψ_i，计算各初选认知用户CR'_i的联合筛选参数值ξ_i，并选定参与协作的复选认知用户：

(a)频谱感知融合中心FC根据接收的N'个初选认知用户CR'_i对应的信噪比集合{SNR'_i}，获取初选认知用户信噪比集合{SNR'_i}中的信噪比最大值，其中，记该信噪比最大值为SNR'max；

(b)以获取的信噪比最大值SNR'max为参考，并将信噪比最大值SNR'max分别与N'个初选认知用户CR'_i的信噪比SNR'_i作商处理，计算得到各初选认知用户信噪比SNR'_i所对应的初始阈值λ_i，其中，

$\begin{array}{cc}{\mathrm{\λ}}_i=|{{\mathrm{SNR}}^{\′}}_{\max }/{{\mathrm{SNR}}^{\′}}_i|,& i=1,2,...,N^{\′}\end{array};$

(c)根据各初选认知用户CR'_i的信任度Ψ_i和信噪比商值η_i，计算各初选认知用户CR'_i的联合筛选参数值ξ_i，并根据联合筛选参数值ξ_i，选取参与协作的复选认知用户CR”_j，其中，复选认知用户CR”_j的数量为M，ξ_i＝η_i·Ψ_i，i＝1,2,…,N'，j＝1,2,…,M，M≤N'：

若联合筛选参数值ξ_i位于预设数值区间范围[ξ_a,ξ_b]内，即ξ_a≤ξ_i≤ξ_b时，则选取该联合筛选参数值ξ_i对应的初选认知用户为复选认知用户，并参与协作检测；否则，该初选认知用户不予选取；

(d)根据步骤(c)中的信噪比预设阈值λ，获取M个复选认知用户CR”_j分别在OR准则和AND准则下的协作检测性能曲线，其中，

OR准则：

$\begin{array}{ccc}{Q}_d=1-\underset{j=1}{\overset{M}{\Π}}{\mathrm{\ω}}_j(1-P_{d,j}),& Q_{fa}=1-\underset{j=1}{\overset{M}{\Π}}(1-P_{f,j}),& {\mathrm{\ω}}_j=\frac{{{\mathrm{SNR}}^{\′\′}}_j}{0.5\·({{\mathrm{SNR}}^{\′\′}}_{\max }+{{\mathrm{SNR}}^{\′\′}}_{\min })}\end{array};$

AND准则：

$\begin{array}{cc}{Q}_d=\underset{j=1}{\overset{M}{\Π}}{P}_{d,j},& Q_{fa}=\underset{j=1}{\overset{M}{\Π}}{P}_{fa,j}\end{array},$ j＝1,2,…,M，M≤N'；

其中，P_d,j为第j个复选认知用户CR”_j的检测概率，P_fa,j为第j个复选认知用户CR”_j的虚警概率；Q_d为协作检测后的全局检测概率，Q_fa为协作检测后的全局虚警概率；ω_j表示信噪比SNR”_j的权重系数，SNR”_j是第j个复选认知用户CR”_j的信噪比，SNR”_max表示M个复选认知用户的信噪比最大值，SNR”_min表示M个复选认知用户的信噪比最小值；

(e)根据OR准则和AND准则下的协作检测性能曲线，得到在OR准则和AND准则下的最佳检测性能值Q_d-max，并以该最佳检测性能值Q_d-max所对应的信噪比预设阈值为信噪比最佳阈值，其中记信噪比最佳阈值为λ_optimal，最佳检测性能值即为全局检测概率Q_d中的最大值；

(6)根据获取的信噪比最佳阈值λ_optimal，得到该信噪比最佳阈值λ_optimal对应的复选认知用户CR”，获取该复选认知用户CR”的调整因子α以及其他M-1个复选认知用户CR”_k的调整因子α_k，并分别根据调整因子α、α_k对应调整复选认知用户CR”、CR”_k的虚警概率，其中，复选认知用户CR”调整后的虚警概率记为P_fa，复选认知用户CR”_k调整后的虚警概率记为P_fa,k；

P_fa,k＝α_k·P_fa,k＝1,2,…,M-1；

$\begin{array}{cc}{\mathrm{\α}}_k=1+\frac{\stackrel{\‾}{{\mathrm{SNR}}^{\′\′}}-{{\mathrm{SNR}}^{\′\′}}_k}{\stackrel{\‾}{{\mathrm{SNR}}^{\′\′}}},& k=1,2,...,M-1\end{array};$

$\begin{array}{cc}\stackrel{\‾}{{\mathrm{SNR}}^{\′\′}}=\frac{1}{M}\sqrt{\underset{j=1}{\overset{M}{\Σ}}{{\mathrm{SNR}}^{\′\′2}}_j},& M\≤N^{\′}\end{array};$

其中，α_k为复选认知用户CR”_k的调整因子，用来根据复选认知用户CR”_k自身的信噪比实现对其虚警概率大小的调整；SNR”_j为第j个复选认知用户CR”_j的信噪比；

(7)根据步骤(6)中获取的M个复选认知用户的调整因子α_j以及对应调整后的虚警概率P_fa,j，计算复选认知用户CR”_j调整后的判决阈值λ'_i和检测概率P_d,j，其中，

$\begin{array}{c}{{\mathrm{\λ}}^{\′}}_j={\mathrm{\σ}}_w^2\[\sqrt{2N_1}{Q}^{-1}\left(P_{fa,j}\right)+N_1\]\\ ={\mathrm{\σ}}_w^2\[\sqrt{2N_1}{Q}^{-1}(\mathrm{\δ}\·P_{fa})+N_1\]\\ ={\mathrm{\σ}}_w^2\[\sqrt{2N_1}{Q}^{-1}\left(\right(1+\frac{\stackrel{\‾}{{\mathrm{SNR}}^{\′\′}}-{{\mathrm{SNR}}^{\′\′}}_j}{\stackrel{\‾}{{\mathrm{SNR}}^{\′\′}}})\·P_{fa})+N_1\]\end{array};$

$P_{d,j}=Q\[Q^{-1}\left(P_{fa,j}\right)-\sqrt{N_1\·{{\mathrm{SNR}}^{\′\′}}_j}\];$

$N_1=2{\[Q^{-1}\left(P_{fa,j}\right)-Q^{-1}\left(P_{fa}\right)\sqrt{1+2{{\mathrm{SNR}}^{\′\′}}_j}\]}^2{\mathrm{SNR}}^{\′\′}{{}_j}^{-2};$

其中，j＝1,2,…,M，M≤N'；N₁为采样点数；

(8)根据步骤(7)中M个复选认知用户的信噪比SNR”_j以及得到的调整后的检测概率P_d,j，返回步骤(5)，重新在M个复选认知用户中选择参与协作的终选认知用户，并以加权的OR准则协作后的全局检测概率为频谱感知融合中心FC的最终检测结果。

2.根据权利要求1所述的认知无线电协作频谱感知方法，其特征在于，所述步骤(8)中加权的OR准则如下：

$\begin{array}{ccccc}{Q^{\′}}_d=1-\underset{t=1}{\overset{M^{\′}}{\Π}}{{\mathrm{\ω}}^{\′}}_t(1-P_{d,t}),& {Q^{\′}}_{fa}=1-\underset{t=1}{\overset{M^{\′}}{\Π}}{{\mathrm{\ω}}^{\′}}_t(1-P_{f,t}),& {{\mathrm{\ω}}^{\′}}_t=\frac{P_{d,t}}{\underset{t=1}{\overset{M^{\′}}{\Σ}}{P}_{d,t}},& t=1,2,...,M^{\′},& M^{\′}\≤M\end{array};$ 其中，P_d,t为第t个重新选择的终选认知用户CR”'_t的检测概率，P_fa,t为第t个重新选择的终选认知用户CR”'_t的虚警概率；Q'_d为协作检测后的全局检测概率，Q'_fa为协作检测后的全局虚警概率；M'为重新选择的终选认知用户的数目；ω'_t为重新选择的终选认知用户CR”'_t的加权系数。