CN105227253A - 一种新型的基于能量检测的双门限协作频谱感知算法 - Google Patents

Abstract

一种新型的基于能量检测的双门限协作频谱感知算法，它属于无线系统的频谱感知技术领域。它的方法步骤一：考虑一个中心单元或者基站和M个认知用户参与合作频谱感知；中心单元负责管理认知无线电网络和所有的M个合作认知用户；步骤二：每个参与合作频谱感知的认知用户首先检查它所接收到的授权用户信号的能量；判决能量统计量Ti是否小于门限λ₀或者大于等于门限λ₁，小于门限λ₀则认为所感知的授权信道当前空闲，判决为“0”；大于等于门限λ₁，则认为授权用户正在使用当前频段。本发明通过将K秩融合策略和EGC软融合策略的有效结合，有效提升合作频谱感知效率，节省系统开销，相比较单用户自适应双门限能量检测，多融合准则的双门限协作频谱感知算法检测。

Description

一种新型的基于能量检测的双门限协作频谱感知算法

技术领域

本发明属于无线系统的频谱感知技术领域。

背景技术

频谱感知是认知无线系统最为关键的技术之一，目前各个国家都在开展研究，频谱感知的主要任务是快速识别出信道占用状况，确定哪些频段为空闲频段，从而将其赋给次用户进行通信。在实际运行的无线通信网络中，往往有很多个认知用户和授权用户存在。若授权用户发射机覆盖范围半径为R，认知用户1、2、3在此区域内，认知用户4落在此区域外。当认知用户1和认知用户3与授权用户发射机之间有巨大障碍物时，认知用户1和认知用户3将处于不利的位置上，极有可能无法接收到授权用户的信号信息；认知用户4由于处于所覆盖范围外，可能根本接收不到授权用户信息，这些情况都导致认知用户无法判断出授权用户是否存在，从而导致认知用户做出错误的频谱检测判决。

认知用户单独的对频谱进行检测，由于所在的位置不同，实际通信信道受到外界各种干扰源的影响、遮蔽效应以及多径衰落均不相同，信道性能好的，衰减小的认知用户能更准确的检测授权用户是否存在，而信道性能差的处在恶劣条件下认知用户则不能很好的检测授权用户是否存在，会出现隐蔽终端问题，但依据判决结果却强行占用信道，显然基于单个认知用户频谱检测具有一定的局限性，判决结果具有一定的不确定性。

发明内容

本发明的目的是提供一种一种新型的基于能量检测的双门限协作频谱感知算法，是为了解决现有快速识别出信道占用状况时，但依据判决结果却强行占用信道，显然基于单个认知用户频谱检测具有一定的局限性，判决结果存在一定的不确定性的问题。

所述的目的是通过以下方案实现的：所述的一种新型的基于能量检测的双门限协作频谱感知算法，它的方法步骤为：

步骤一：考虑一个中心单元或者基站和M个认知用户参与合作频谱感知；中心单元负责管理认知无线电网络和所有的M个合作认知用户；在此网络中假设每个认知用户进行本地感知的过程是相互独立的，均采用双门限能量频谱感知算法来进行；第i个合作认知用户的感知情况，检测模型表示如下：

式中，s(n)为输入的授权用户信息，假设服从均值为零，方差为的正态分布，w(n)为高斯白噪声，服从均值为零，方差为的正态分布，H₀表示测试端只有噪声，H₁表示测试端有授权用户信息和噪声，假设噪声采样值相互独立同分布，并且与信号采样值也相互独立，则在H₀下在H₁下也即在N个抽样求和后，输出统计量T_i可以表示为：

协作频谱检测充分利用各个认知用户感知数据信息，显著提高频谱感知结果的可靠性能，因此我们采用了基于能量检测的双门限的协作频谱感知策略；

步骤二：.每个参与合作频谱感知的认知用户首先检查它所接收到的授权用户信号的能量；判决能量统计量Ti是否小于门限λ₀或者大于等于门限λ₁，小于门限λ₀则认为所感知的授权信道当前空闲，判决为“0”；大于等于门限λ₁，则认为授权用户正在使用当前频段，判决为“1”；我们用D_i表示第i个用户的本地感知结果，D_i取数据“0”或“1”，判决结果D_i将送入融合中心，融合中心根据本地的感知结果，采用自适应K秩硬融合策略：下面对对K秩硬融合准则判决进行分析，假设一共有M个认知用户参与协作感知，基于能量感知的双门限算法的认知无线网络中，其k秩融合策略联合检测概率和虚警概率表达式为：

k＝1即为“或”融合，k＝M即为“与”融合；传统的K秩融合投票门限值固定，一般为其中为ceiling函数，此时称为Majority准则；对频谱状态作出判决，判决结果用R₁来表示，表达式可写为：

若R₁为1，表示融合中心判决授权用户存在，授权用户不可以占用信道；若R₁为0，判决授权用户不存在，授权用户可以接入信道进行通信；

步骤三：如果Ti落入由门限λ₀和λ₁构成的不可靠区间，即λ₀≤Ti<λ₁，则第i个合作认知用户将自己接收到的信号直接上传到融合中心，在融合中心采用EGC软融合策略数据进行加权求和，并与软融合门限值进行比较，并作出判决，采用EGC准则的融合中心的检测过程可以表示为：

其中，λ_EGC为预设门限值；文献[6]指出ψ_EGC服从正态分布：

其中，γ_i表示第i个用户的接收信噪比，N表示采样点数，M表示认知用户数；所以联合检测概率和虚警概率为：

式中，为信息融合中心瞬时信噪比；

采用EGC准则，参与的M个认知节点将本地的感知观测值Ti直接传送给融合中心，融合中心再对数据进行加权求和，若各节点权值取融合中心接收的信号：

将判决结果传送给用户，若判决结果用R₂来表示，表达式可写为判决规则如下：

其中，若R₂为1，表示融合中心判决授权用户存在，认知用户不可以占用信道；若R₂为0，表示融合中心判决授权用户不存在，认知用户可以接入信道进行通信。

本发明通过将K秩融合策略和EGC软融合策略的有效结合，有效的提升合作频谱感知效率，节省系统开销，相比较单用户自适应双门限能量检测，多融合准则的双门限协作频谱感知算法检测，性能得到有效提高，通过仿真，验证了该策略的有效性、优越性。

附图说明

图1是双门限能量检测硬合并和软合并相结合结构示意框图；

图2是三种方法不同信噪比下检测性能比较示意图；

图3是三种算法上传数据量曲线比较示意图。

具体实施方式

具体实施方式一：结合图1、图2、图3所示，它的方法步骤为：

步骤一：考虑一个中心单元或者基站和M个认知用户参与合作频谱感知；中心单元负责管理认知无线电网络和所有的M个合作认知用户；在此网络中假设每个认知用户进行本地感知的过程是相互独立的，均采用双门限能量频谱感知算法来进行；第i个合作认知用户的感知情况，检测模型表示如下：

式中，s(n)为输入的授权用户信息，假设服从均值为零，方差为的正态分布，w(n)为高斯白噪声，服从均值为零，方差为的正态分布，H₀表示测试端只有噪声，H₁表示测试端有授权用户信息和噪声，假设噪声采样值相互独立同分布，并且与信号采样值也相互独立，则在H₀下在H₁下也即在N个抽样求和后，输出统计量T_i可以表示为：

协作频谱检测充分利用各个认知用户感知数据信息，显著提高频谱感知结果的可靠性能，因此我们采用了基于能量检测的双门限的协作频谱感知策略；

步骤二：.每个参与合作频谱感知的认知用户首先检查它所接收到的授权用户信号的能量；判决能量统计量Ti是否小于门限λ₀或者大于等于门限λ₁，小于门限λ₀则认为所感知的授权信道当前空闲，判决为“0”；大于等于门限λ₁，则认为授权用户正在使用当前频段，判决为“1”；我们用D_i表示第i个用户的本地感知结果，D_i取数据“0”或“1”，判决结果D_i将送入融合中心，融合中心根据本地的感知结果，采用自适应K秩硬融合策略：下面对对K秩硬融合准则判决进行分析，假设一共有M个认知用户参与协作感知，基于能量感知的双门限算法的认知无线网络中，其k秩融合策略联合检测概率和虚警概率表达式为：

k＝1即为“或”融合，k＝M即为“与”融合；传统的K秩融合投票门限值固定，一般为其中为ceiling函数，此时称为Majority准则；对频谱状态作出判决，判决结果用R₁来表示，表达式可写为：

若R₁为1，表示融合中心判决授权用户存在，授权用户不可以占用信道；若R₁为0，判决授权用户不存在，授权用户可以接入信道进行通信；

步骤三：如果Ti落入由门限λ₀和λ₁构成的不可靠区间，即λ₀≤Ti<λ₁，则第i个合作认知用户将自己接收到的信号直接上传到融合中心，在融合中心采用EGC软融合策略数据进行加权求和，并与软融合门限值进行比较，并作出判决，采用EGC准则的融合中心的检测过程可以表示为：

其中，λ_EGC为预设门限值；文献[6]指出ψ_EGC服从正态分布：

其中，γ_i表示第i个用户的接收信噪比，N表示采样点数，M表示认知用户数；所以联合检测概率和虚警概率为：

式中，为信息融合中心瞬时信噪比；

采用EGC准则，参与的M个认知节点将本地的感知观测值Ti直接传送给融合中心，融合中心再对数据进行加权求和，若各节点权值取融合中心接收的信号：

将判决结果传送给用户，若判决结果用R₂来表示，表达式可写为判决规则如下：

其中，若R₂为1，表示融合中心判决授权用户存在，认知用户不可以占用信道；若R₂为0，表示融合中心判决授权用户不存在，认知用户可以接入信道进行通信。

性能分析：

下面我们来分析基于此协作感知算法下的虚警概率和检测概率，并分析每一次频谱感知过程中，认知用户向融合中心发送的数据量。

1、虚警概率

从以上协作频谱感知算法来看，产生虚警的情况一共有两种：第一是当授权用户不存在的情况下，判决能量统计量Ti小于门限λ₀或者大于等于门限λ₁时，融合中心经过K秩融合判决发生误判产生，其虚警概率用表示；第二，Ti落入由门限λ₀和λ₁构成的不可靠区间，融合中心经过EGC判决发生误判产生，其虚警概率用表示，则总的虚警概率可以表示为：

能量统计量Ti小于门限λ₀或者大于等于门限λ₁过程中向融合中心发送数据后经过K秩融合后发生误判产生虚警为：

其中，为第i个统计量Ti双门限能量感知的虚警概率，P(λ₀≤T_i＜λ₁|H₀)为统计量Ti在H₀的条件下落入门限λ₀和λ₁之间的概率。

统计量Ti落入不可靠区间经EGC误判产生虚警，其概率为：

2、检测概率

类似于虚警概率，检测概率也有两部分组成：第一是在授权用户存在的条件下判决能量统计量Ti小于门限λ₀或者大于等于门限λ₁时，融合中心经过K秩融合判决得到正确检测概率，用表示；第二，授权用户存在的条件下Ti落入由门限λ₀和λ₁构成的不可靠区间，融合中心经过EGC判决得到正确检测的概率，用表示，则总正确检测概率可以表示为：

其中能量统计量Ti小于门限λ₀或者大于等于门限λ₁过程中，向融合中心发送后经过K秩融合后正确检测概率

其中，为第i个统计量Ti双门限能量感知的正确检测概率，P(λ₀≤T_i＜λ₁|H₁)为统计量Ti在H₁的条件下落入门限λ₀和λ₁之间的概率。

统计量Ti落入不可靠区间，经EGC后正确检测的概率，可表示为

其中，M-L为参与协作的认知用户数量，N为采样点数。

3、吞吐性能

考虑一次频谱感知过程，当进行K秩判决时，向融合中心传送判决结果为“0”或“1”的信息，则认知用户向融合中心传送1bit的本地判决结果；若采用EGC软融合过程，假设每个认知用户向基站发送的信息比特数为Zbit，则每个认知用户向基站发送的平均吞吐量为：

b_{avr_i}＝1×[1-P(λ₀≤T_i＜λ₁)]+Z·P(λ₀≤T_i＜λ₁)(18)

那么，一次频谱感知过程中，对于有M个认知用户参与协作频谱感知的认知网络，认知用户向基站传送的总的吞吐量为：

仿真结果及其分析：

该过程完成了频谱感知的硬合并和软合并的有效融合，可以用以下如图1所示框图加以表示。

下面我们利用Matlab软件进行自适应双门限能量频谱感知算法和双门限融合协作频谱感知优化算法进行总体性能的仿真实验，并同基于多融合准则双门限协作频谱感知算法(Double-thresholdcooperativespectrumsensingalgorithmbasedonmulti-fusionrule，DCSSMF)进行比较，DCSSMF算法以双门限协作检测为基础，采用AND准则和OR准则相结合，依据感知用户判决结果的可靠程度进行分类融合。仿真条件假设本地检测器的虚警概率为0.1时，图2为信噪比与检测概率的仿真曲线。在恒虚警概率下，从图2可以看出自适应双门限能量检测改进算法、多融合准则双门限协作感知算法、双门限融合协作频谱感知优化算法的检测概率随着接收信噪比的提高而逐渐增大，并最终趋于1。可以看出在同一信噪比下，采用双门限融合协作频谱感知算法的检测概率最高，性能最好，相较于自适应双门限能量检测，性能得到有效提高，并且与采用多融合准则的双门限协作频谱感知算法，性能也得到了较大的改善。由此可见，融合协作频谱感知优化算法通过将硬融合和软融合更加有效地结合，系统整体频谱感知的性能得到了较好地提升。图3是假设Z＝10bit，采用单独的“或”融合、EGC融合算法和采用双门限能量协作频谱感知算法时，一次频谱感知过程中三种算法向基站上传的数据量仿真曲线比较图。从仿真图中可以知道，一次频谱感知过程采用EGC融合传送的数据量最大，一共需发送30bit的软信息；采用“或”融合策略上传的数据量最少，一共只需向融合中心传送3bit的判决结果；采用双门限协作频谱感知改进算法上传的数据量基于两者之间，且随着信噪比的增大，上传数据量将会减少。这是因为在低信噪比下，会有较大概率执行软融合判决，传送数据量较大，但随着信噪比的提高，进行软融合判决概率变小，硬判决检测概率获得提高，平均上传的数据量随之减小。双门限协作频谱感知改进算法能够有效减少上传到基站的数据量，节省系统开销，有效提升频谱感知性能，并且该算法也体现出了对信噪比的自适应性。

Claims (1)

1.一种新型的基于能量检测的双门限协作频谱感知算法，其特征在于它的方法步骤为：

步骤一：考虑一个中心单元或者基站和M个认知用户参与合作频谱感知；中心单元负责管理认知无线电网络和所有的M个合作认知用户；在此网络中假设每个认知用户进行本地感知的过程是相互独立的，均采用双门限能量频谱感知算法来进行；第i个合作认知用户的感知情况，检测模型表示如下：

$\{\begin{array}{c}{H}_0,x_i\left(n\right)=w_i\left(n\right)\\ H_1,x_i\left(n\right)=s_i\left(n\right)+w_i\left(n\right)\end{array},n=1,2,...N---\left(1\right)$

式中，s(n)为输入的授权用户信息，假设服从均值为零，方差为的正态分布，w(n)为高斯白噪声，服从均值为零，方差为的正态分布，H₀表示测试端只有噪声，H₁表示测试端有授权用户信息和噪声，假设噪声采样值相互独立同分布，并且与信号采样值也相互独立，则在H₀下在H₁下也即在N个抽样求和后，输出统计量T_i可以表示为：

$T_i=\underset{n=1}{\overset{N}{\&Sigma;}}{x}_i{\left(n\right)}^2---\left(2\right)$

协作频谱检测充分利用各个认知用户感知数据信息，显著提高频谱感知结果的可靠性能，因此我们采用了基于能量检测的双门限的协作频谱感知策略；

步骤二：每个参与合作频谱感知的认知用户首先检查它所接收到的授权用户信号的能量；判决能量统计量Ti是否小于门限λ₀或者大于等于门限λ₁，小于门限λ₀则认为所感知的授权信道当前空闲，判决为“0”；大于等于门限λ₁，则认为授权用户正在使用当前频段，判决为“1”；我们用D_i表示第i个用户的本地感知结果，D_i取数据“0”或“1”，判决结果D_i将送入融合中心，融合中心根据本地的感知结果，采用自适应K秩硬融合策略：下面对对K秩硬融合准则判决进行分析，假设一共有M个认知用户参与协作感知，基于能量感知的双门限算法的认知无线网络中，其k秩融合策略联合检测概率和虚警概率表达式为：

$Q_{D\_dou}=P(\underset{i=1}{\overset{M}{\&Sigma;}}{T}_i>k|H_1)=\underset{i=k}{\overset{K}{\&Sigma;}}\left(\begin{array}{c}K\\ i\end{array}\right){\left(P\right(\underset{i=1}{\overset{M}{\&Sigma;}}{T}_i>i\left|H_1\right))}^i{(1-P(\underset{i=1}{\overset{M}{\&Sigma;}}{T}_i>i\left|H_1\right))}^{K-i}---\left(3\right)$

$Q_{F\_dou}=P(\underset{i=1}{\overset{M}{\&Sigma;}}{T}_i>k|H_0)=\underset{i=k}{\overset{K}{\&Sigma;}}\left(\begin{array}{c}K\\ i\end{array}\right){\left(P\right(\underset{i=1}{\overset{M}{\&Sigma;}}{T}_i>k\left|H_0\right))}^i{(1-P(\underset{i=1}{\overset{M}{\&Sigma;}}{T}_i>k\left|H_0\right))}^{K-i}---\left(4\right)$

k＝1即为“或”融合，k＝M即为“与”融合；传统的K秩融合投票门限值固定，一般为其中为ceiling函数，此时称为Majority准则；对频谱状态作出判决，判决结果用R₁来表示，表达式可写为：

$R_1=\left\{\begin{array}{cc}1,& \underset{i=1}{\overset{L}{\&Sigma;}}{D}_i\&GreaterEqual;K\\ 0,& \underset{i=1}{\overset{L}{\&Sigma;}}{D}_i<K\end{array}\right.---\left(5\right)$

若R₁为1，表示融合中心判决授权用户存在，授权用户不可以占用信道；

若R₁为0，判决授权用户不存在，授权用户可以接入信道进行通信；

步骤三：如果Ti落入由门限λ₀和λ₁构成的不可靠区间，即λ₀≤Ti<λ₁，则第i个合作认知用户将自己接收到的信号直接上传到融合中心，在融合中心采用EGC软融合策略数据进行加权求和，并与软融合门限值进行比较，并作出判决，采用EGC准则的融合中心的检测过程可以表示为：

$R_{EGC}=\left\{\begin{array}{cc}1,& {\mathrm{\&psi;}}_{EGC}=\underset{i=1}{\overset{M}{\&Sigma;}}\frac{T_i}{\sqrt{M}}\&GreaterEqual;{\mathrm{\&lambda;}}_{EGC}\\ 0,& {\mathrm{\&psi;}}_{EGC}=\underset{i=1}{\overset{M}{\&Sigma;}}\frac{T_i}{\sqrt{M}}<{\mathrm{\&lambda;}}_{EGC}\end{array}\right.---\left(6\right)$

其中，λ_EGC为预设门限值；文献[6]指出ψ_EGC服从正态分布：

${\mathrm{\&psi;}}_{EGC}\left\{\begin{array}{cc}Normal(N\sqrt{M},2N)& H_0\\ Normal\left(\frac{N}{\sqrt{M}}\underset{i=1}{\overset{M}{\&Sigma;}}\right(1+{\mathrm{\&gamma;}}_i))& H_1\end{array}\right.---\left(7\right)$

其中，γ_i表示第i个用户的接收信噪比，N表示采样点数，M表示认知用户数；所以联合检测概率和虚警概率为：

$Q_{D\_EGC}=Q\left(\frac{Q^{-1}\left(P_{f\_egc}\right)-\sqrt{\frac{N}{2M}}\underset{i=1}{\overset{M}{\&Sigma;}}{\mathrm{\&gamma;}}_i}{\sqrt{1+\frac{2}{M}\underset{i=1}{\overset{M}{\&Sigma;}}{\mathrm{\&gamma;}}_i}}\right)---\left(8\right)$

$Q_{F\_EGC}=Q\left(\sqrt{1+\frac{2}{M}\underset{i=1}{\overset{M}{\&Sigma;}}{\mathrm{\&gamma;}}_i}{Q}^{-1}\right(Q_{D\_EGC})+\sqrt{\frac{N}{2M}}\underset{i=1}{\overset{M}{\&Sigma;}}{\mathrm{\&gamma;}}_i)---\left(9\right)$

式中，为信息融合中心瞬时信噪比；

采用EGC准则，参与的M个认知节点将本地的感知观测值Ti直接传送给融合中心，融合中心再对数据进行加权求和，若各节点权值取融合中心接收的信号：

${\mathrm{\&psi;}}_{EGC}=\underset{i=1}{\overset{M}{\&Sigma;}}\frac{T_i}{\sqrt{M}}---\left(10\right)$

将判决结果传送给用户，若判决结果用R₂来表示，表达式可写为判决规则如下：

$R_2=\left\{\begin{array}{cc}1,& Y\&GreaterEqual;\mathrm{\&xi;}\\ 0,& Y<\mathrm{\&xi;}\end{array}\right.---\left(11\right)$

其中，若R₂为1，表示融合中心判决授权用户存在，认知用户不可以占用信道；若R₂为0，表示融合中心判决授权用户不存在，认知用户可以接入信道进行通信。