CN105281853B

CN105281853B - 认知无线网络主用户定位方法

Info

Publication number: CN105281853B
Application number: CN201510593548.6A
Authority: CN
Inventors: 郑紫微; 胡峰
Original assignee: Ningbo University
Current assignee: Huzhou lingchuang Technology Co., Ltd
Priority date: 2015-09-17
Filing date: 2015-09-17
Publication date: 2018-02-16
Anticipated expiration: 2035-09-17
Also published as: CN105281853A

Abstract

本发明涉及一种认知无线网络主用户定位方法，包括各从用户分别将自身位置坐标、信噪比、置信度和频谱检测结果发送给频谱感知融合中心，频谱感知融合中心根据信噪比大小，选择初选从用户，并分配给各初选从用户需检测的频段数量；根据初选从用户的信噪比计算所有初选从用户的信噪比均方根值、对应的商值和联合筛选参数值，根据联合筛选参数值选择参与协作的复选从用户；再次重新执行选择复选从用户步骤，以获取最终参与协作定位的终选从用户；最后，频谱感知融合中心根据参与协作定位的终选从用户所接收的主用户信号强度，计算得到主用户的位置。该主用户定位方法避免了低信噪比从用户对协作检测性能和定位精度的不利影响，提高了定位准确度。

Description

认知无线网络主用户定位方法

技术领域

本发明涉及频谱检测领域，尤其涉及一种认知无线网络主用户定位方法。

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。这些通信技术对无线频谱资源提出了更高的需求，从而令有限的频谱资源变的趋于紧张，认知无线电技术(Cognitive Radio,CR)在此背景下应运而生。认知无线电技术又称频谱感知技术，其源于软件无线电，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，对于检测主用户(又称授权用户)信号的存在情况意义重大。认知无线电的基本途径是，首先次用户(又称认知用户或认知节点)采用频谱感知对周围环境中的已授权频谱资源进行持续检测；然后在保证主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，次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。当次用户检测到有主用户信号出现时，次用户则要快速腾出信道供主用户使用，进而避免次用户对主用户的正常通信造成干扰。而准确地定位主用户的位置信息，既能确定空闲频谱，进行波束形成和避免次用户对主用户通信的干扰，又能够提供更多的频谱利用机会。因此，如何准确地定位主用户的位置信息，成为认知无线网络发展亟需解决的关键问题之一。

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能够准确定位主用户位置的认知无线网络主用户定位方法。

本发明解决上述技术问题所采用的技术方案为：认知无线网络主用户定位方法，其特征在于，依次包括如下步骤：

(1)设认知无线网路具有主用户PU、频谱感知融合中心FC和N个从用户CR_i，从用户CR_i的坐标为(x_i,y_i,z_i)，主用户PU的坐标为(x₀,y₀,z₀)，从用户CR_i接收到主用户PU的信号强度为S_i，N个从用户CR_i分别将各自坐标(x_i,y_i,z_i)、信噪比SNR_i、检测置信度P_i和频谱检测结果发送给频谱感知融合中心FC，频谱检测结果包括检测概率P_d,i和虚警概率P_fa,i，其中，检测置信度i＝1,2,···,N且N ≥3；

(2)频谱感知融合中心FC根据接收的各从用户CR_i的信噪比SNR_i和频谱检测结果，并判断从用户的信噪比SNR_i大于预设的信噪比筛选值SNR_chose时，选择此信噪比对应的从用户为参与协作检测的初选从用户，并执行步骤(3)，否则，选择具有最高信噪比的从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，选择的初选从用户数量为N'，初选从用户分别记为CR'_j，初选从用户CR'_j对应的信噪比为SNR'_j，置信度为P'_j；0≤j≤N'≤N；

(3)频谱感知融合中心FC根据初选从用户CR'_j的置信度P'_j，对初选从用户CR'_j分配需要检测的频段数量C_j：

(3-1)根据每个初选从用户CR'_j的置信度P'_j，分别对每一个初选从用户CR'_j的置信度进行归一化，得到每个初选从用户CR'_j的归一化置信度值

(3-2)根据步骤(3-1)所得每个初选从用户CR'_j对应的归一化置信度值计算频谱感知融合中心FC分配初选从用户CR'_j需要检测的频段数量C_j：

(4)频谱感知融合中心FC根据参与协作检测的初选从用户CR'_j的信噪比SNR'_j，计算所有初选从用户的信噪比均方根值其中，信噪比均方根值的计算如下：

(5)频谱感知融合中心FC分别依次计算各初选从用户CR'_j的信噪比SNR'_j与所有初选从用户的信噪比均方根值之间的商值η_j，其中，

(6)频谱感知融合中心FC计算、获取信噪比预设阈值λ和信噪比最佳阈值λo_ptimal，以及各初选从用户CR'_j的联合筛选参数值ξ_j，并选定参与协作的复选从用户CR″_k，其中，复选从用户CR″_k的信噪比为SNR″_k：

(6-1)频谱感知融合中心FC根据接收的N'个初选从用户对应的信噪比集合{SNR'_j}，获取初选从用户信噪比集合{SNR'j}中的信噪比最大值，其中，记该信噪比最大值为SNR'_max；

(6-2)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'个初选从用户CR'_j的信噪比SNR'_j作商处理，计算得到各初选从用户信噪比SNR'_j所对应的初始阈值λ_j，其中，

λ_j＝|SNR_max/SNR'_j|，j＝1,2,···,N'，N'≤N；

(6-3)根据各初选从用户CR'_j的归一化置信度值和信噪比商值η_j，计算各初选从用户CR'_j的联合筛选参数值ξ_j，并根据联合筛选参数值ξ_j，选取参与协作的复选从用户CR″_k，其中，复选从用户CR″_k的数量为M，j＝1,2,···,N'，k＝1,2,···,M，M≤N'：

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

(6-4)根据步骤(6-3)中的信噪比预设阈值λ，获取M个复选从用户CR″_k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

AND准则：k＝1,2,···,M，M≤N'≤N；

其中，P_d,k为第k个复选从用户CR″_k的检测概率，P_fa,k为第k个复选从用户CR″_k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_k表示信噪比CR″_k的权重系数，SNR″_k是第k个复选从用户CR″_k的信噪比，SNR″_max表示M个复选从用户的信噪比最大值，SNR″_min表示M个复选从用户的信噪比最小值；

(6-5)根据OR准则和AND准则下的协作检测性能曲线，分别得到在OR准则和AND准则下的最大检测概率Q_(OR，d)-max、Q_{(AND，d)-max}，得到Q_(OR，d)-max和Q_{(AND，d)-max}的最大值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，记信噪比最佳阈值为λ_optimal；其中，Q_d-max＝max(Q_(OR，d)-max，Q_{(AND，d)-max})；

(7)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对应的复选从用户CR″，获取该复选从用户CR″的调整因子α以及其他M-1个复选从用户CR″_k的调整因子α_k，并分别根据调整因子α、α_k对应调整复选从用户CR″、CR″_k的虚警概率，复选从用户CR″调整后的虚警概率记为P_fa，复选从用户CR″_k调整后的虚警概率记为P_fa,k；其中，

P_fa,k＝α_k·P_fa,k＝1,2,…,M-1；

其中，α_k为复选从用户CR″_k的调整因子，用来根据复选从用户CR″_k自身的信噪比SNR″_k实现对其虚警概率大小的调整；SNR″_k为第k个复选从用户CR″_k的信噪比；

(8)根据步骤(7)中获取的M个复选从用户的调整因子α_k以及对应调整后的虚警概率P_fa,k，计算复选从用户CR″_k调整后的判决阀值λ″_k和检测概率P_d,k，其中，

其中，k＝1,2,···,M，M≤N'；N₁为采样点数；为高斯白噪声的方差；

(9)根据步骤(8)中M个复选从用户的信噪比SNR″_k以及得到的调整后的检测概率P_d,k，返回步骤(6)，重新在M个复选从用户中选择，得到参与协作的T个终选从用户CR″′_t，终选从用户CR″′_t的坐标为(x_t,y_t,z_t)，并以T个终选从用户CR″′_t参与对主用户PU的位置进行协作定位，其中1≤t≤T≤M≤N'；

(10)T个终选从用户CR″′_t分别将其接收到主用户PU信号强度S″′_t发送给频谱感知融合中心FC，由频谱感知融合中心FC计算主用户PU的位置：

(10-1)计算终选从用户CR″′_m分别与其他终选用户CR″′_n接收的信号强度S″′_t的比值R_mn，即：

m＝1,···,T，n＝1,···,T，且m≠n；

(10-2)根据计算得到的信号强度比值R_mn，计算第m个终选从用户CR″′_m的权值W_m，其中，

(10-3)根据T个终选从用户CR″′_t的坐标以及每个终选用户的权值，计算主用户PU的位置坐标(x₀,y₀,z₀)：

其中，t＝1,2,···,T。

与现有技术相比，本发明的优点在于：各从用户分别将自身位置坐标、信噪比、置信度和频谱检测结果发送给频谱感知融合中心，频谱感知融合中心根据信噪比大小，选择初选从用户，剔除低信噪比从用户，并分配给各初选从用户需检测的频段数量；根据初选从用户的信噪比计算所有初选从用户的信噪比均方根值、对应的商值和联合筛选参数值，根据联合筛选参数值选择参与协作的复选从用户；再次重新执行选择复选从用户步骤，以获取最终参与协作定位的终选从用户；最后，频谱感知融合中心根据参与协作定位的终选从用户所接收的主用户信号强度，计算得到主用户的位置。该主用户定位方法避免了低信噪比从用户对协作检测性能和定位精度的不利影响，提高了定位准确度。

附图说明

图1为本发明实施例中认知无线网络主用户定位方法的流程示意图；

图2为本发明实施例中认知无线网络主用户定位方法的仿真结果示意图。

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，本实施例中的认知无线网络主用户定位方法依次包括如下步骤：

步骤1，设认知无线网路具有主用户PU、频谱感知融合中心FC和N个从用户CR_i，从用户CR_i的坐标为(x_i,y_i,z_i)，主用户PU的坐标为(x₀,y₀,z₀)，从用户CR_i接收到主用户PU的信号强度为S_i，N个从用户CR_i分别将各自坐标(x_i,y_i,z_i)、信噪比SNR_i、检测置信度P_i和频谱检测结果发送给频谱感知融合中心FC，频谱检测结果包括检测概率P_d,i和虚警概率P_fa,i，其中，检测置信度i＝1,2,···,N且N≥3；

步骤2，频谱感知融合中心FC根据接收的各从用户CR_i的信噪比SNR_i和频谱检测结果，并判断从用户的信噪比SNR_i大于预设的信噪比筛选值SNR_chose时，选择此时信噪比对应的从用户为参与协作检测的初选从用户，并执行步骤(3)，否则，选择具有最高信噪比的从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，选择的初选从用户数量为N'，初选从用户分别记为CR'_j，初选从用户CR'_j对应的信噪比为SNR'_j，置信度为P'_j；0≤j≤N'≤N；

步骤3，频谱感知融合中心FC根据初选从用户CR'_j的置信度P'_j，对初选从用户CR'_j分配需要检测的频段数量C_j：

步骤4，频谱感知融合中心FC根据参与协作检测的初选从用户CR'_j的信噪比SNR'_j，计算所有初选从用户的信噪比均方根值其中，信噪比均方根值的计算如下：

步骤5，频谱感知融合中心FC分别依次计算各初选从用户CR'_j的信噪比SNR'_j与所有初选从用户的信噪比均方根值之间的商值η_j，其中，

步骤6，频谱感知融合中心FC计算、获取信噪比预设阈值λ和信噪比最佳阈值λ_optimal，以及各初选从用户CR'_j的联合筛选参数值ξ_j，并选定参与协作的复选从用户CR″_k，其中，复选从用户CR″_k的信噪比为SNR″_k：

(6-1)频谱感知融合中心FC根据接收的N'个初选从用户对应的信噪比集合{SNR'_j}，获取初选从用户信噪比集合{SNR'_j}中的信噪比最大值，其中，记该信噪比最大值为SNR'_max；

λ_j＝|SNR'_max/SNR'_j|，j＝1,2,···,N'，N'≤N；

OR准则：

AND准则：k＝1,2,···,M，M≤N'≤N；

(6-5)根据OR准则和AND准则下的协作检测性能曲线，分别得到在OR准则和AND准则下的最大检测概率Q_(OR，d)-max、Q_{(AND，d)-max}，得到Q_(OR，d)-max和Q_{(AND，d)-max}的最大值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；其中，Q_d-max＝max(Q_(OR，d)-max，Q_{(AND，d)-max})；

步骤7，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对应的复选从用户CR″，获取该复选从用户CR″的调整因子α以及其他M-1个复选从用户CR″_k的调整因子α_k，并分别根据调整因子α、α_k对应调整复选从用户CR″、CR″_k的虚警概率，其中，复选从用户CR″调整后的虚警概率记为P_fa，复选从用户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；

步骤8，根据步骤7中获取的M个复选从用户的调整因子α_k以及对应调整后的虚警概率P_fa,k，计算复选从用户CR″_k调整后的判决阀值λ″_k和检测概率P_d,k，其中，

步骤9，根据步骤(8)中M个复选从用户的信噪比SNR″_k以及得到的调整后的检测概率P_d,k，返回步骤(6)，重新在M个复选从用户中选择，得到参与协作的T个终选从用户CR″′_t，终选从用户CR″′_t的坐标为(x_t,y_t,z_t)，并以T个终选从用户CR″′_t参与对主用户PU的位置进行协作定位，其中1≤t≤T≤M≤N'；

步骤10，T个终选从用户CR″′_t分别将其接收到主用户PU信号强度S″′_t发送给频谱感知融合中心FC，由频谱感知融合中心FC计算主用户PU的位置：

m＝1,···,T，n＝1,···,T，且m1n；

其中，t＝1,2,···,T。

为了解主用户定位方法的定位误差情况，图2中给出了本发明实施例中主用户定位方法与传统的基于信号强度定位(又称RSS定位)方法误差的比较示意图。其中，仿真参数设置如下：设定从用户的数量N为4个，且逐渐增至8个，从用户均采用能量检测进行频谱感知；接收信号强度的平均样本数量为350；从用户的初始位置坐标分别为(120m,265m,1m)、(126m,215m,1m)、(156m,300m,1m)、(250m,350m,1.5m)、(280m,350m,1.5m)、(285m,365m,1.5m)、(300m,300m,1.5m)和(310m,320m,1.5m)；从用户各自信噪比分别为-11dB、-17dB、-20dB、-21dB、-23dB、-25dB、-27dB和-30dB。

从图2的仿真结果可以看出，随着从用户数量的逐渐增加，本发明中定位方法所得定位误差逐渐减小，这表明定位性能随从用户数量增加而逐渐提高；同时，还可以看出，在从用户数量一定的条件下，本发明中主用户定位方法的定位性能要明显地优于传统的RSS定位性能。

Claims

1.认知无线网络主用户定位方法，其特征在于，依次包括如下步骤：

(1)设认知无线网路具有主用户PU、频谱感知融合中心FC和N个从用户CR_i，从用户CR_i的坐标为(x_i,y_i,z_i)，主用户PU的坐标为(x₀,y₀,z₀)，从用户CR_i接收到主用户PU的信号强度为S_i，N个从用户CR_i分别将各自坐标(x_i,y_i,z_i)、信噪比SNR_i、检测置信度P_i和频谱检测结果发送给频谱感知融合中心FC，频谱检测结果包括检测概率P_d,i和虚警概率P_fa,i，其中，检测置信度且N≥3；

(2)频谱感知融合中心FC根据接收的各从用户CR_i的信噪比SNR_i和频谱检测结果，并判断从用户的信噪比SNR_i大于预设的信噪比筛选值SNR_chose时，选择此时信噪比对应的从用户为参与协作检测的初选从用户，并执行步骤(3)，否则，选择具有最高信噪比的从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，选择的初选从用户数量为N'，初选从用户分别记为CR'_j，初选从用户CR'_j对应的信噪比为SNR'_j，置信度为P'_j；0≤j≤N'≤N；

(3)频谱感知融合中心FC根据初选从用户CR'_j的置信度，对初选从用户CR'_j分配需要检测的频段数量C_j：

<mrow> <mover> <mrow> <msub> <msup> <mi>P</mi> <mo>&prime;</mo> </msup> <mi>j</mi> </msub> </mrow> <mo>&OverBar;</mo> </mover> <mo>=</mo> <mfrac> <mrow> <msub> <msup> <mi>P</mi> <mo>&prime;</mo> </msup> <mi>j</mi> </msub> </mrow> <mrow> <munderover> <mo>&Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <msup> <mi>N</mi> <mo>&prime;</mo> </msup> </munderover> <msub> <msup> <mi>P</mi> <mo>&prime;</mo> </msup> <mi>j</mi> </msub> </mrow> </mfrac> <mo>,</mo> <mn>1</mn> <mo>&le;</mo> <mi>j</mi> <mo>&le;</mo> <msup> <mi>N</mi> <mo>&prime;</mo> </msup> <mo>&le;</mo> <mi>N</mi> <mo>;</mo> </mrow>

<mrow> <msub> <mi>C</mi> <mi>j</mi> </msub> <mo>=</mo> <mover> <mrow> <msub> <msup> <mi>P</mi> <mo>&prime;</mo> </msup> <mi>j</mi> </msub> </mrow> <mo>&OverBar;</mo> </mover> <mo>&CenterDot;</mo> <msup> <mi>N</mi> <mo>&prime;</mo> </msup> <mo>,</mo> <mn>1</mn> <mo>&le;</mo> <mi>j</mi> <mo>&le;</mo> <msup> <mi>N</mi> <mo>&prime;</mo> </msup> <mo>&le;</mo> <mi>N</mi> <mo>;</mo> </mrow>

<mrow> <mover> <mi>&gamma;</mi> <mo>&OverBar;</mo> </mover> <mo>=</mo> <msqrt> <mrow> <mfrac> <mn>1</mn> <msup> <mi>N</mi> <mo>&prime;</mo> </msup> </mfrac> <munderover> <mo>&Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <msup> <mi>N</mi> <mo>&prime;</mo> </msup> </munderover> <msub> <msup> <mi>SNR</mi> <mrow> <mo>&prime;</mo> <mn>2</mn> </mrow> </msup> <mi>j</mi> </msub> </mrow> </msqrt> <mo>,</mo> <msup> <mi>N</mi> <mo>&prime;</mo> </msup> <mo>&le;</mo> <mi>N</mi> <mo>;</mo> </mrow>

<mrow> <msub> <mi>&eta;</mi> <mi>j</mi> </msub> <mo>=</mo> <mo>|</mo> <msub> <msup> <mi>SNR</mi> <mo>&prime;</mo> </msup> <mi>j</mi> </msub> <mo>/</mo> <mover> <mi>&gamma;</mi> <mo>&OverBar;</mo> </mover> <mo>|</mo> <mo>,</mo> <mi>j</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mn>2</mn> <mo>,</mo> <mo>...</mo> <mo>,</mo> <msup> <mi>N</mi> <mo>&prime;</mo> </msup> <mo>,</mo> <msup> <mi>N</mi> <mo>&prime;</mo> </msup> <mo>&le;</mo> <mi>N</mi> <mo>;</mo> </mrow>

(6)频谱感知融合中心FC计算、获取信噪比预设阈值λ和信噪比最佳阈值λ_optimal，以及各初选从用户CR'_j的联合筛选参数值ξ_j，并选定参与协作的复选从用户CR”_k，其中，复选从用户CR”_k的信噪比为SNR”_k：

λ_j＝|SNR'_max/SNR'_j|，j＝1,2,…,N'，N'≤N；

(6-3)根据各初选从用户CR'_j的归一化置信度值和信噪比商值η_j，计算各初选从用户CR'_j的联合筛选参数值ξ_j，并根据联合筛选参数值ξ_j，选取参与协作的复选从用户CR”_k，其中，复选从用户CR”_k的数量为

(6-4)根据步骤(6-3)中的信噪比预设阈值λ，获取M个复选从用户CR”_k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：

AND准则：

其中，P_d,k为第k个复选从用户CR”_k的检测概率，P_fa,k为第k个复选从用户CR”_k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_k表示信噪比CR”_k的权重系数，SNR”_k是第k个复选从用户CR”_k的信噪比，SNR”_max表示M个复选从用户的信噪比最大值，SNR”_min表示M个复选从用户的信噪比最小值；

(7)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对应的复选从用户CR”，获取该复选从用户CR”的调整因子α以及其他M-1个复选从用户CR”_k的调整因子α_k，并分别根据调整因子α、α_k对应调整复选从用户CR”、CR”_k的虚警概率，复选从用户CR”调整后的虚警概率记为P_fa，复选从用户CR”_k调整后的虚警概率记为P_fa,k；其中，

P_fa,k＝α_k·P_fa,k＝1,2,…,M-1；

<mrow> <msub> <mi>&alpha;</mi> <mi>k</mi> </msub> <mo>=</mo> <mn>1</mn> <mo>+</mo> <mfrac> <mrow> <mover> <mrow> <msup> <mi>SNR</mi> <mrow> <mo>&prime;</mo> <mo>&prime;</mo> </mrow> </msup> </mrow> <mo>&OverBar;</mo> </mover> <mo>-</mo> <msub> <msup> <mi>SNR</mi> <mrow> <mo>&prime;</mo> <mo>&prime;</mo> </mrow> </msup> <mi>k</mi> </msub> </mrow> <mover> <mrow> <msup> <mi>SNR</mi> <mrow> <mo>&prime;</mo> <mo>&prime;</mo> </mrow> </msup> </mrow> <mo>&OverBar;</mo> </mover> </mfrac> <mo>,</mo> <mi>k</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mn>2</mn> <mo>,</mo> <mo>...</mo> <mo>,</mo> <mi>M</mi> <mo>-</mo> <mn>1</mn> <mo>;</mo> </mrow>

<mrow> <mover> <mrow> <msup> <mi>SNR</mi> <mrow> <mo>&prime;</mo> <mo>&prime;</mo> </mrow> </msup> </mrow> <mo>&OverBar;</mo> </mover> <mo>=</mo> <msqrt> <mrow> <munderover> <mo>&Sigma;</mo> <mrow> <mi>k</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>M</mi> </munderover> <mfrac> <msup> <mrow> <mo>(</mo> <msub> <msup> <mi>SNR</mi> <mrow> <mo>&prime;</mo> <mo>&prime;</mo> </mrow> </msup> <mi>k</mi> </msub> <mo>)</mo> </mrow> <mn>2</mn> </msup> <mi>M</mi> </mfrac> </mrow> </msqrt> <mo>,</mo> <mi>M</mi> <mo>&le;</mo> <msup> <mi>N</mi> <mo>&prime;</mo> </msup> <mo>;</mo> </mrow>

其中，α_k为复选从用户CR”_k的调整因子，用来根据复选从用户CR”_k自身的信噪比SNR”_k实现对其虚警概率大小的调整；SNR”_k为第k个复选从用户的信噪比；

(8)根据步骤(7)中获取的M个复选从用户的调整因子α_k以及对应调整后的虚警概率P_fa,k，计算复选从用户CR”_k调整后的判决阀值λ”_k和检测概率P_d,k，其中，

<mrow> <mtable> <mtr> <mtd> <mrow> <msub> <msup> <mi>&lambda;</mi> <mrow> <mo>&prime;</mo> <mo>&prime;</mo> </mrow> </msup> <mi>k</mi> </msub> <mo>=</mo> <msubsup> <mi>&sigma;</mi> <mi>w</mi> <mn>2</mn> </msubsup> <mo>&lsqb;</mo> <msqrt> <mrow> <mn>2</mn> <msub> <mi>N</mi> <mn>1</mn> </msub> </mrow> </msqrt> <msup> <mi>Q</mi> <mrow> <mo>-</mo> <mn>1</mn> </mrow> </msup> <mrow> <mo>(</mo> <msub> <mi>P</mi> <mrow> <mi>f</mi> <mi>a</mi> <mo>,</mo> <mi>k</mi> </mrow> </msub> <mo>)</mo> </mrow> <mo>+</mo> <msub> <mi>N</mi> <mn>1</mn> </msub> <mo>&rsqb;</mo> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mo>=</mo> <msubsup> <mi>&sigma;</mi> <mi>w</mi> <mn>2</mn> </msubsup> <mo>&lsqb;</mo> <msqrt> <mrow> <mn>2</mn> <msub> <mi>N</mi> <mn>1</mn> </msub> </mrow> </msqrt> <msup> <mi>Q</mi> <mrow> <mo>-</mo> <mn>1</mn> </mrow> </msup> <mrow> <mo>(</mo> <mi>&delta;</mi> <mo>&CenterDot;</mo> <msub> <mi>P</mi> <mrow> <mi>f</mi> <mi>a</mi> </mrow> </msub> <mo>)</mo> </mrow> <mo>+</mo> <msub> <mi>N</mi> <mn>1</mn> </msub> <mo>&rsqb;</mo> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mo>=</mo> <msubsup> <mi>&sigma;</mi> <mi>w</mi> <mn>2</mn> </msubsup> <mo>&lsqb;</mo> <msqrt> <mrow> <mn>2</mn> <msub> <mi>N</mi> <mn>1</mn> </msub> </mrow> </msqrt> <msup> <mi>Q</mi> <mrow> <mo>-</mo> <mn>1</mn> </mrow> </msup> <mrow> <mo>(</mo> <mo>(</mo> <mrow> <mn>1</mn> <mo>+</mo> <mfrac> <mrow> <mover> <mrow> <msup> <mi>SNR</mi> <mrow> <mo>&prime;</mo> <mo>&prime;</mo> </mrow> </msup> </mrow> <mo>&OverBar;</mo> </mover> <mo>-</mo> <msub> <msup> <mi>SNR</mi> <mrow> <mo>&prime;</mo> <mo>&prime;</mo> </mrow> </msup> <mi>k</mi> </msub> </mrow> <mover> <mrow> <msup> <mi>SNR</mi> <mrow> <mo>&prime;</mo> <mo>&prime;</mo> </mrow> </msup> </mrow> <mo>&OverBar;</mo> </mover> </mfrac> </mrow> <mo>)</mo> <mo>&CenterDot;</mo> <msub> <mi>P</mi> <mrow> <mi>f</mi> <mi>a</mi> </mrow> </msub> <mo>)</mo> </mrow> <mo>+</mo> <msub> <mi>N</mi> <mn>1</mn> </msub> <mo>&rsqb;</mo> </mrow> </mtd> </mtr> </mtable> <mo>;</mo> </mrow>

<mrow> <msub> <mi>P</mi> <mrow> <mi>d</mi> <mo>,</mo> <mi>k</mi> </mrow> </msub> <mo>=</mo> <mi>Q</mi> <mo>&lsqb;</mo> <msup> <mi>Q</mi> <mrow> <mo>-</mo> <mn>1</mn> </mrow> </msup> <mrow> <mo>(</mo> <msub> <mi>P</mi> <mrow> <mi>f</mi> <mi>a</mi> <mo>,</mo> <mi>k</mi> </mrow> </msub> <mo>)</mo> </mrow> <mo>-</mo> <msqrt> <mrow> <msub> <mi>N</mi> <mn>1</mn> </msub> <mo>&CenterDot;</mo> <msub> <msup> <mi>SNR</mi> <mrow> <mo>&prime;</mo> <mo>&prime;</mo> </mrow> </msup> <mi>k</mi> </msub> </mrow> </msqrt> <mo>&rsqb;</mo> <mo>;</mo> </mrow>

<mrow> <msub> <mi>N</mi> <mn>1</mn> </msub> <mo>=</mo> <mn>2</mn> <msup> <mrow> <mo>&lsqb;</mo> <msup> <mi>Q</mi> <mrow> <mo>-</mo> <mn>1</mn> </mrow> </msup> <mrow> <mo>(</mo> <msub> <mi>P</mi> <mrow> <mi>f</mi> <mi>a</mi> <mo>,</mo> <mi>k</mi> </mrow> </msub> <mo>)</mo> </mrow> <mo>-</mo> <msup> <mi>Q</mi> <mrow> <mo>-</mo> <mn>1</mn> </mrow> </msup> <mrow> <mo>(</mo> <msub> <mi>P</mi> <mrow> <mi>f</mi> <mi>a</mi> </mrow> </msub> <mo>)</mo> </mrow> <msqrt> <mrow> <mn>1</mn> <mo>+</mo> <mn>2</mn> <msub> <msup> <mi>SNR</mi> <mrow> <mo>&prime;</mo> <mo>&prime;</mo> </mrow> </msup> <mi>k</mi> </msub> </mrow> </msqrt> <mo>&rsqb;</mo> </mrow> <mn>2</mn> </msup> <msup> <mi>SNR</mi> <mrow> <mo>&prime;</mo> <mo>&prime;</mo> </mrow> </msup> <msup> <msub> <mrow></mrow> <mi>k</mi> </msub> <mrow> <mo>-</mo> <mn>2</mn> </mrow> </msup> <mo>;</mo> </mrow>

其中，N₁为采样点数；为高斯白噪声的方差；

(9)根据步骤(8)中M个复选从用户的信噪比SNR”_k以及得到的调整后的检测概率P_d,k，返回步骤(6)，重新在M个复选从用户中选择，得到参与协作的T个终选从用户CR”'_t，终选从用户CR”'_t的坐标为(x_t,y_t,z_t)，并以T个终选从用户CR”'_t参与对主用户PU的位置进行协作定位，其中1≤t≤T≤M≤N'；

(10)T个终选从用户CR”'_t分别将其接收到主用户PU信号强度S”'_t发送给频谱感知融合中心FC，由频谱感知融合中心FC计算主用户PU的位置：

(10-1)计算终选从用户CR”'_m分别与其他终选用户CR”'_n接收的信号强度S”'_t的比值R_mn，即：

且m≠n；

(10-2)根据计算得到的信号强度比值R_mn，计算第m个终选从用户CR”'_m的权值W_m，其中，

<mrow> <msub> <mi>W</mi> <mi>m</mi> </msub> <mo>=</mo> <mfrac> <mn>1</mn> <mrow> <munderover> <mo>&Sigma;</mo> <mrow> <mi>m</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mi>m</mi> <mo>&NotEqual;</mo> <mi>n</mi> </mrow> <mi>T</mi> </munderover> <msub> <mi>R</mi> <mrow> <mi>m</mi> <mi>n</mi> </mrow> </msub> </mrow> </mfrac> <mo>;</mo> <mi>m</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mo>...</mo> <mo>,</mo> <mi>T</mi> <mo>;</mo> </mrow>

(10-3)根据T个终选从用户CR”'_t的坐标以及每个终选用户的权值，计算主用户PU的位置坐标(x₀,y₀,z₀)：

<mrow> <msub> <mi>x</mi> <mn>0</mn> </msub> <mo>=</mo> <mfrac> <mrow> <munderover> <mo>&Sigma;</mo> <mrow> <mi>t</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>T</mi> </munderover> <msub> <msup> <mi>x</mi> <mo>&prime;</mo> </msup> <mi>t</mi> </msub> <mo>&CenterDot;</mo> <msub> <mi>W</mi> <mi>t</mi> </msub> </mrow> <mrow> <munderover> <mo>&Sigma;</mo> <mrow> <mi>t</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>T</mi> </munderover> <msub> <mi>W</mi> <mi>t</mi> </msub> </mrow> </mfrac> <mo>=</mo> <mfrac> <mrow> <msub> <msup> <mi>x</mi> <mo>&prime;</mo> </msup> <mn>1</mn> </msub> <mo>&CenterDot;</mo> <msub> <mi>W</mi> <mn>1</mn> </msub> <mo>+</mo> <msub> <msup> <mi>x</mi> <mo>&prime;</mo> </msup> <mn>2</mn> </msub> <mo>&CenterDot;</mo> <msub> <mi>W</mi> <mn>2</mn> </msub> <mo>+</mo> <mo>...</mo> <mo>+</mo> <msub> <msup> <mi>x</mi> <mo>&prime;</mo> </msup> <mi>T</mi> </msub> <mo>&CenterDot;</mo> <msub> <mi>W</mi> <mi>T</mi> </msub> </mrow> <mrow> <msub> <mi>W</mi> <mn>1</mn> </msub> <mo>+</mo> <msub> <mi>W</mi> <mn>2</mn> </msub> <mo>+</mo> <mo>...</mo> <mo>+</mo> <msub> <mi>W</mi> <mi>T</mi> </msub> </mrow> </mfrac> <mo>;</mo> </mrow>

<mrow> <msub> <mi>y</mi> <mn>0</mn> </msub> <mo>=</mo> <mfrac> <mrow> <munderover> <mo>&Sigma;</mo> <mrow> <mi>t</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>T</mi> </munderover> <msub> <msup> <mi>y</mi> <mo>&prime;</mo> </msup> <mi>t</mi> </msub> <mo>&CenterDot;</mo> <msub> <mi>W</mi> <mi>t</mi> </msub> </mrow> <mrow> <munderover> <mo>&Sigma;</mo> <mrow> <mi>t</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>T</mi> </munderover> <msub> <mi>W</mi> <mi>t</mi> </msub> </mrow> </mfrac> <mo>=</mo> <mfrac> <mrow> <msub> <msup> <mi>y</mi> <mo>&prime;</mo> </msup> <mn>1</mn> </msub> <mo>&CenterDot;</mo> <msub> <mi>W</mi> <mn>1</mn> </msub> <mo>+</mo> <msub> <msup> <mi>y</mi> <mo>&prime;</mo> </msup> <mn>2</mn> </msub> <mo>&CenterDot;</mo> <msub> <mi>W</mi> <mn>2</mn> </msub> <mo>+</mo> <mo>...</mo> <mo>+</mo> <msub> <msup> <mi>y</mi> <mo>&prime;</mo> </msup> <mi>T</mi> </msub> <mo>&CenterDot;</mo> <msub> <mi>W</mi> <mi>T</mi> </msub> </mrow> <mrow> <msub> <mi>W</mi> <mn>1</mn> </msub> <mo>+</mo> <msub> <mi>W</mi> <mn>2</mn> </msub> <mo>+</mo> <mo>...</mo> <mo>+</mo> <msub> <mi>W</mi> <mi>T</mi> </msub> </mrow> </mfrac> <mo>;</mo> </mrow>

其中，t＝1,2,…,T。