CN105307185B - 一种基于数据净化的群智协同频谱感知方法 - Google Patents

Abstract

本发明提出一种基于数据净化的群智协同频谱感知方法。包括：群智协同频谱感知数据建模；群智协同频谱感知数据矩阵化表示；群智协同频谱感知数据净化；群智协同频谱感知数据融合；群智协同频谱感知性能评估。本发明可以根据使用便携式、大众的频谱传感器设备获取的群智协同频谱感知数据进行协同频谱感知；可以消除群智协同频谱感知中数据误差和数据造假对协同频谱感知性能的影响。

Description

一种基于数据净化的群智协同频谱感知方法

技术领域

本发明属于无线通信技术的认知无线电领域，具体涉及一种基于数据净化的群智协同频谱感知方法。

背景技术

无线通信业务的爆炸式增长与无线频谱资源的日益紧缺这一对基本矛盾推动着无线通信技术的不断发展。作为解决这一对基本矛盾的关键技术，认知无线电技术近年来受到广泛关注，其核心思想是：在不影响授权用户正常通信的前提下，非授权用户可以机会地接入授权用户没有使用的无线频谱空穴。实现认知无线电技术面临的首要难题是如何可靠地确定无线频谱空穴。

频谱感知是确定无线频谱空穴的主流技术之一。频谱感知，通过频谱传感器实时检测无线频谱信号来确定是否存在无线频谱空穴。由于无线信道随机噪声、衰落和阴影等因素的存在，单个频谱传感器的检测性能往往难以满足认知无线电系统工作的需求。因此，基于多个频谱传感器的协同频谱感知方法引起广泛兴趣，其基本原理是：协同频谱感知方法利用多个频谱传感器的空间分集，可以有效克服无线信道噪声、衰落和阴影等因素的影响，提升无线频谱空穴检测的可靠性。当前，协同频谱感知方法主要依靠专业的、往往是较为昂贵和笨重的频谱传感器设备(如频谱分析仪)来获取频谱感知数据，这样的设备往往硬件成本高、移动性弱、数量有限等缺点，大大限制了其应用范围和灵活性。

因此，可以使用大众的、便携的群智无线设备，如智能手机、平板电脑、车载传感器等取代专业的、昂贵和笨重的频谱传感器设备来获得低成本、来源丰富的群智协同频谱感知数据，并根据这些数据进行协同频谱感知，这样可以降低协同频谱感知方法的硬件成本、扩大应用范围、增强灵活性，并可以使大众广泛参与、丰富频谱数据来源。然而，使用大众的、便携的群智无线设备获取的频谱感知数据，会存在频谱感知数据质量难以保证的隐患，因为：(1)大众的、便携的群智无线设备的频谱感知精度和稳定性有限，往往会导致频谱感知数据存在误差；(2)开放的、多源的频谱感知数据往往会存在感知数据造假等安全威胁。

发明内容

本发明的目的在于提出一种基于数据净化的群智协同频谱感知方法，该方法解决了以下技术问题：(1)可以根据使用便携的大众频谱传感器设备，如智能手机、平板电脑、车载传感器等获取的低成本、来源丰富的群智协同频谱感知数据进行协同频谱感知；(2)可以消除群智协同频谱感知中数据误差和数据造假对协同频谱感知性能的影响。

为了解决上述技术问题，本发明提供一种基于数据净化的群智协同频谱感知方法，包括以下步骤：

步骤1.群智协同频谱感知数据建模：

第m个节点感知到第n个频点上的频谱数据y_m,n的群智协同频谱感知数据模型如公式(1)所示，

公式(1)中，为符号函数，当该频点存在授权用户信号时，当该频点不存在授权用户信号时，p_m,n表示感知到的授权用户信号强度；v_m,n表示感知到的噪声信号强度；a_m,n表示感知数据偏差，感知数据偏差包括设备随机误差和感知数据造假；m＝1,...,M，M为群智协同频谱感知系统中群智频谱传感器设备节点的个数，n＝1,...,N，N为群智协同频谱感知系统中一个授权用户发射机拥有的无线频点的个数；

步骤2.群智协同频谱感知数据矩阵化表示：

将公式(1)所示的群智协同频谱感知数据模型用公式(2)所示的矩阵化形式进行表示，

Y＝PR+V+A (2)

公式(2)中，矩阵Y是大小为M×N的矩阵，其第m行第n列元素对应感知到的频谱数据y_m,n,m＝1,...,M,n＝1,...,N；

矩阵V是大小为M×N的矩阵，其第m行第n列元素对应感知到的噪声信号强度v_m,n,m＝1,...,M,n＝1,...,N；

矩阵A是大小为M×N的感知数据偏差矩阵，其第m行第n列元素对应感知数据偏差a_m,n,m＝1,...,M,n＝1,...,N；

矩阵P是大小为M×N的矩阵，其第m行第n列元素对应感知到的授权用户信号强度p_m,n,m＝1,...,M,n＝1,...,N；矩阵R是大小为N×N的对角矩阵，其每个对角元素取值为0或1，取值为0时表示该对角元素对应的频点没有授权用户信号；取值为1时表示该对角元素对应的频点存在授权用户信号；

定义矩阵X＝PR表示授权用户信号强度矩阵，将式(2)所示矩阵简化为公式(3)所示的群智协同频谱感知数据矩阵，

Y＝X+V+A (3)

步骤3.群智协同频谱感知数据净化：

3.1初始化净化后的感知频谱数据矩阵初始化感知数据偏差矩阵

3.2更新感知频谱数据矩阵

首先，如公式(4)进行奇异值分解运算，获得分解后的矩阵P、Λ和Q，

公式(4)中，svd为奇异值分解运算符，是当前被更新的偏差矩阵，P、Λ和Q分别是奇异值分解后得到的左正交矩阵、对角矩阵和右正交矩阵；

然后，如公式(5)进行更新运算获得更新后的感知数据矩阵

公式(5)中，Q^T表示矩阵Q的转置，是对矩阵中各个元素独立进行运算的运算符，假设x为Λ的任意元素，则有

3.3更新感知数据偏差矩阵

如公式(6)进行更新运算获得更新后的数据偏差矩阵

公式(6)中，是对矩阵中各个元素独立进行运算的运算符，假设y为矩阵的任意元素，则有

3.4判断和是否均成立，如果成立，将此时更新获得的作为净化后的群智感知数据矩阵；如果不成立，则重复步骤3.2和步骤3.3进行迭代运算，其中，K为迭代总次数，||·||_F表示矩阵F范数，ε表示迭代终止判断阈值；

上述过程中，算法参数算法参数max(M,N)表示取M和N中的最大值，N₀表示每个频点无线信道噪声平均功率，N_sam表示每个群智频谱传感器设备节点感知每个频点时的采样点数；

步骤4.群智协同频谱感知数据融合：

首先，针对第n个频点，将所有节点的净化感知数据求平均融合，得到第n个频点的检测统计量T_n，计算方式如公式(7)所示，

然后，引入判决门限η_n，若T_n≥η_n成立，则判决第n个频点上存在正在工作的授权用户信号；若T_n＜η_n成立，则判决第n个频点上没有授权用户信号，其中，为净化后的群智感知数据矩阵中的第m行、第n列元素。

本发明与现有技术相比，其显著优点在于：(1)本发明可以利用大众的、便携的无线设备(如智能手机、平板电脑、车载传感器等)获得的频谱数据来进行协同频谱感知，应用范围广、灵活性强、大众广泛参与、数据来源丰富；(2)本发明可以较好地解决大众的、便携的无线频谱感知设备中感知数据误差普遍存在、感知数据造假难以避免等技术难题，获得稳健的协同频谱感知性能。

附图说明

图1为使用本发明进行群智协同频谱感知的系统模型图。

图2为本发明方法实施流程图。

图3为本发明仿真实验中本发明与对比方案的性能对比图。

具体实施方式

图1是一种使用本发明基于数据净化的群智协同频谱感知方法的群智协同频谱感知系统模型图，在该系统中假设：

一个授权用户发射机拥有N个无线频点，对于每个频点，某一时刻被该授权用户使用的概率为p₁，存在M个便携的群智频谱传感器设备节点协同来进行频谱数据感知，以确定各个频段的状态，即确定各个频段当前是否被授权用户占用。便携的群智频谱传感器设备节点即是图1中的各个用SS_m,m＝1,2,...,M表示的不同便携的群智频谱传感器设备，如智能手机、平板电脑、车载传感器。首先各个频谱传感器设备分别搜集各个频点上的频谱数据(即信号能量数据)，然后各自将频谱数据传递给融合中心，融合中心通过整合来自这些大众频谱传感器设备的频谱数据进行群智协同频谱感知，判定各个频段是否被授权用户占用。

本发明方法进行群智协同频谱感知的步骤包括：1、群智协同频谱感知数据建模；2、群智协同频谱感知数据矩阵化表示；3、群智协同频谱感知数据净化；4、群智协同频谱感知数据融合；5、群智协同频谱感知性能评估。上述每一个步骤具体如下：

步骤1.群智协同频谱感知数据建模。

本步骤的目的是建立群智协同频谱感知数据的一般化模型。该模型能够同时包含授权用户信号、噪声信号、感知数据误差信号和感知数据造假信号等因素。考虑到群智协同频谱感知系统中的M个便携的群智频谱传感器设备节点均各自独立地感知N个频点。那么，第m个节点感知到第n个频点上的频谱数据y_m,n可以用公式(1)所示的群智协同频谱感知数据模型进行表示，

公式(1)中，为符号函数，当该频点存在授权用户信号时，则当该频点不存在授权用户信号时，则p_m,n表示感知到的授权用户信号强度；v_m,n表示感知到的噪声信号强度；a_m,n表示感知数据偏差，感知数据偏差包括设备随机误差和感知数据造假。传统地，使用昂贵、笨重的专业频谱传感器设备来进行协同频谱感知，通常可以忽略设备随机误差和感知数据造假的影响，即a_m,n＝0。然而，当使用便携的大众频谱传感器设备来进行协同频谱感知时，设备随机误差和感知数据造假现象普遍存在，即往往有a_m,n≠0。

步骤2.群智协同频谱感知数据矩阵化表示。

融合中心将步骤1中建立的频谱感知数据模型用矩阵形式来表示，这样做可以方便后续步骤的数据处理。

首先，为刻画N个频点的占用状态，引入大小为N×N的对角矩阵R，其每个对角元素取值为0或1，取值为0的对角元素对应的频点没有授权用户信号；反之，取值为1的对角元素对应的频点存在授权用户信号；

其次，为刻画M个便携的群智频谱传感器设备节点感知到的N个频点的频谱数据，引入大小为M×N的矩阵Y，其第m行第n列元素对应感知到的频谱数据y_m,n,m＝1,...,M,n＝1,...,N；

进一步，引入大小为M×N的矩阵P，其第m行第n列元素对应群智频谱传感器设备感知到的授权用户信号强度p_m,n,m＝1,...,M,n＝1,...,N；引入大小为M×N的无线信道随机噪声矩阵V，其第m行第n列元素对应感知到的噪声信号强度v_m,n,m＝1,...,M,n＝1,...,N；引入大小为M×N的感知数据偏差矩阵A，其第m行第n列元素对应感知数据偏差(包括设备随机误差和感知数据造假)a_m,n,m＝1,...,M,n＝1,...,N。

在此基础上，本发明将公式(1)所示的感知数据模型用公式(2)所示的矩阵化形式进行表示，

Y＝PR+V+A (2)

进一步，为便于后续数据处理，本发明定义矩阵X＝PR表示授权用户信号强度矩阵，则式(2)所示矩阵可以进一步简化成公式(3)所示的群智协同频谱感知数据矩阵，

Y＝X+V+A (3)

步骤3.群智协同频谱感知数据净化。

在本步骤的目的是将存在数据偏差的群智协同频谱感知数据矩阵Y进行净化，尽可能去除由便携的群智感知设备产生的感知数据偏差矩阵A、无线信道随机噪声矩阵V的影响，使得净化后的感知数据尽可能地逼近X。数据净化通过以下更新运算完成：

3.1算法初始化。

输入群智协同频谱感知数据矩阵Y，输入算法参数和其中max(M,N)表示取M和N中的最大值，N₀表示每个频点无线信道噪声平均功率，N_sam表示每个群智频谱传感器设备节点感知每个频点时的采样点数。

初始化群智感知频谱数据矩阵(即信号能量数据)初始化群智感知数据偏差矩阵

通过步骤3.2和步骤3.3进行迭代更新运算，获取净化后的感知数据k为迭代更新次数，且k＝1,2,...,K。

3.2更新感知频谱数据矩阵

首先，进行奇异值分解运算，获得分解后的矩阵P、Λ和Q，奇异值分解运算如公式(4)所示，

公式(4)中，svd为奇异值分解运算符，Y是公式(3)中给出的群智协同频谱感知数据矩阵,P、Λ和Q分别是矩阵奇异值分解后得到的左正交矩阵、对角矩阵和右正交矩阵，这三个矩阵均为中间变量，为后续运算做准备。

然后，如公式(5)进行更新运算获得更新后的感知频谱数据矩阵

公式(5)中，Q^T表示矩阵Q的转置，是本发明定义的一个对矩阵中各个元素独立进行运算的运算符，假设x为Λ的任意元素，则有

3.3更新设备随机误差和感知数据造假分量，即感知数据偏差矩阵

在步骤3.2得到第k+1次迭代后的净化感知数据矩阵的基础上，如公式(6)进行更新运算获得更新后的设备随机误差和感知数据造假分量

公式(6)中，是本发明定义的一个对矩阵中各个元素独立进行运算的运算符，假设y为矩阵的任意元素，则有

3.4输出迭代终止时的净化感知数据矩阵

将步骤3.2和步骤3.3进行反复迭代运算，直到和同时成立时迭代更新运算终止，迭代总次数记为K，将此时更新获得的作为净化后的群智感知数据矩阵，其中||·||_F表示矩阵F范数，ε表示迭代终止判断阈值，通常取10^-6。

步骤4.群智协同频谱感知数据融合。

在本步骤中，融合中心将步骤3中得到的净化感知数据矩阵中的数据进行融合，得到各个频点的频谱状态，以发现无线频谱空穴。净化感知数据矩阵中第m行第n列元素为表示第m个群智频谱传感器设备节点在第n个频点上的净化感知数据。

首先，针对第n个频点，将所有节点的净化感知数据求平均融合，得到第n个频点的检测统计量T_n，计算方式如公式(7)所示，

然后，引入判决门限η_n，经判断，若T_n≥η_n成立，则判决为第n个频点上存在正在工作的授权用户信号；反之，若T_n＜η_n成立，则判决为第n个频点上没有授权用户信号，为无线频谱空穴。

步骤5.群智协同频谱感知性能评估。

在本步骤的目的在于评估群智协同频谱感知方法的性能，本步骤使用的感知性能评估指标为：系统虚警率R_false-alarm和系统检测率R_detction。

对于第n个频点，在连续Num(n)次感知中，用Num(H_n,0)表示第n个频点没有授权用户信号的总次数，用Num(H_n,1)表示第n个频点存在授权用户信号的总次数，则有Num(n)＝Num(H_n,0)+Num(H_n,1)。

进一步，用Num(T_n≥η_n,H_n,0)表示第n个频点没有授权用户信号(即H_n,0)，但是群智协同感知结果判决为第n个频点上存在授权用户信号(即T_n≥η_n)的总次数，在此基础上，定义系统虚警率R_false-alarm为：系统中N个频点上授权用户信号不存在，却被虚假警告为存在的情况发生的平均概率，用下式表示：

用Num(T_n≥η_n,H_n,1)表示第n个频点存在授权用户信号(即H_n,1)，同时群智协同感知结果判决为第n个频点上存在授权用户信号(即T_n≥η_n)的总次数，在此基础上，定义系统检测率R_detction为：系统中N个频点上授权用户信号存在，并且被正确检测到的情况发生的平均概率。用下式表示：

实际系统中，根据公式(8)和(9)来测量系统虚警率R_false-alarm和系统检测率R_detction，测量结果用来评估群智协同频谱感知方法的可靠性。对于不同的方法，在给定相同系统虚警率R_false-alarm的情况下，系统检测率R_detction越高的方法对应的可靠性越好。

本发明可以通过以下仿真实验进一步说明：

系统仿真采用Matlab软件。仿真实验中，如图1所示，考虑一个授权用户发射机，其空间坐标为(0m，0m)，发射功率为0dBm。仿真中考虑M＝50个群智频谱传感器节点分布在一个中心坐标为(1000m，0m)、大小为100m×100m的正方形区域内。考虑N＝100个频点，每个频点的带宽为200kHz，噪声功率为-110dBm，存在授权用户信号的概率为p₁＝0.2。各个群智频谱传感器节点独立地感知N＝100个频点，并将感知结果上报给融合中心。仿真中考虑50％的群智频谱传感器节点以10％的概率上报异常数据，其他情况下均上报正常数据。

为体现本发明的有效性，仿真中设置了以下三种对比方案：

对比方案一：融合中心不做数据净化，即跳过本发明步骤3群智协同频谱感知数据净化，直接用群智频谱传感器节点上报的数据根据步骤4进行融合判决。该对比方案的参考文献为“J.Ma,G.Zhao,and Y.Li,“Soft combination and detection for cooperativespectrum sensing in cognitive radio networks,”IEEE Transactions WirelessCommunications,vol.7,no.11,pp.4502-4507,Nov.2008.”

对比方案二：融合中心将“步骤3群智协同频谱感知数据净化”改为“剔除上报异常数据的所有节点”，仅利用剩余节点的上报数据进行融合判决。考虑实际中融合中心往往难以完美确定哪些节点可能上报异常数据，这里假设融合中心将节点类型错判的概率为0.1。该对比方案的参考文献为“W.Wang,H.Li,Y.Sun,and Z.Han,“Securing collaborativespectrum sensing against untrustworthy secondary users in cognitive radionetworks,”EURASIP Journal on Advances in Signal Processing,vol.2010,2010.”

对比方案三：本发明所述基于数据净化的群智协同频谱感知方法。

针对三个对比方案，图3给出了系统检测率与系统虚警率之间的关系曲线，通过图3可以看出：在给定某一系统虚警率R_false-alarm的情况下，对比方案一的系统检测率R_detction非常低，对比方案二的系统检测率R_detction有所提高，本发明方法的系统检测率则有大幅提高。说明本发明方法可以较好地解决大众的、便携的无线频谱感知设备中感知数据误差普遍存在、感知数据造假难以避免等技术难题，获得稳健的协同频谱感知性能。

具体可以通过下表进行对比：

Claims (2)

1.一种基于数据净化的群智协同频谱感知方法，其特征在于，包括以下步骤：

步骤1.群智协同频谱感知数据建模：

第m个节点感知到第n个频点上的频谱数据y_m,n的群智协同频谱感知数据模型如公式(1)所示，

公式(1)中，为符号函数，当该频点存在授权用户信号时，当该频点不存在授权用户信号时，p_m,n表示感知到的授权用户信号强度；v_m,n表示感知到的噪声信号强度；a_m,n表示感知数据偏差，感知数据偏差包括设备随机误差和感知数据造假；m＝1,...,M，M为群智协同频谱感知系统中群智频谱传感器设备节点的个数，n＝1,...,N，N为群智协同频谱感知系统中一个授权用户发射机拥有的无线频点的个数；

步骤2.群智协同频谱感知数据矩阵化表示：

将公式(1)所示的群智协同频谱感知数据模型用公式(2)所示的矩阵化形式进行表示，

Y＝X+V+A (2)

公式(2)中，矩阵Y是大小为M×N的矩阵，其第m行第n列元素对应感知到的频谱数据y_m,n,m＝1,...,M,n＝1,...,N；

矩阵V是大小为M×N的矩阵，其第m行第n列元素对应感知到的噪声信号强度v_m,n,m＝1,...,M,n＝1,...,N；

矩阵A是大小为M×N的感知数据偏差矩阵，其第m行第n列元素对应感知数据偏差a_m,n,m＝1,...,M,n＝1,...,N；

矩阵X＝PR表示授权用户信号强度矩阵，其中，矩阵P是大小为M×N的矩阵，其第m行第n列元素对应感知到的授权用户信号强度p_m,n,m＝1,...,M,n＝1,...,N；矩阵R是大小为N×N的对角矩阵，其每个对角元素取值为0或1，取值为0时表示该对角元素对应的频点没有授权用户信号；取值为1时表示该对角元素对应的频点存在授权用户信号；

步骤3.群智协同频谱感知数据净化：

3.1 初始化净化后的感知频谱数据矩阵初始化感知数据偏差矩阵

3.2 更新感知频谱数据矩阵

首先，如公式(3)进行奇异值分解运算，获得分解后的矩阵P、Λ和Q，

公式(3)中，svd为奇异值分解运算符，是当前被更新的偏差矩阵，P、Λ和Q分别是奇异值分解后得到的左正交矩阵、对角矩阵和右正交矩阵；

然后，如公式(4)进行更新运算获得更新后的感知数据矩阵

公式(4)中，Q^T表示矩阵Q的转置，是对矩阵中各个元素独立进行运算的运算符，假设x为Λ的任意元素，则有

3.3 更新感知数据偏差矩阵

如公式(5)进行更新运算获得更新后的数据偏差矩阵

公式(5)中，是对矩阵中各个元素独立进行运算的运算符，假设y为矩阵的任意元素，则有

3.4 判断和是否均成立，如果成立，将此时更新获得的作为净化后的群智感知数据矩阵；如果不成立，则重复步骤3.2和步骤3.3进行迭代运算，其中，K为迭代总次数，||·||_F表示矩阵F范数，ε表示迭代终止判断阈值；

上述过程中，算法参数算法参数max(M,N)表示取M和N中的最大值，N₀表示每个频点无线信道噪声平均功率，N_sam表示每个群智频谱传感器设备节点感知每个频点时的采样点数；

步骤4.群智协同频谱感知数据融合：

首先，针对第n个频点，将所有节点的净化感知数据求平均融合，得到第n个频点的检测统计量T_n，计算方式如公式(6)所示，

然后，引入判决门限η_n，若T_n≥η_n成立，则判决第n个频点上存在正在工作的授权用户信号；若T_n＜η_n成立，则判决第n个频点上没有授权用户信号；其中，为净化后的群智感知数据矩阵中的第m行、第n列元素。

2.如权利要求1所述的基于数据净化的群智协同频谱感知方法，其特征在于，还包括步骤5群智协同频谱感知性能评估：

感知性能评估指标为：系统虚警率R_false-alarm和系统检测率R_detction，其中，

公式(7)和(8)中，Num(H_n,0)表示：对于第n个频点，在连续Num(n)次感知中，第n个频点没有授权用户信号的总次数；

Num(H_n,1)表示：对于第n个频点，在连续Num(n)次感知中，第n个频点存在授权用户信号的总次数；

Num(T_n≥η_n,H_n,0)表示第n个频点没有授权用户信号，但是群智协同感知结果判决为第n个频点上存在授权用户信号的总次数；

Num(T_n≥η_n,H_n,1)表示第n个频点存在授权用户信号，但是群智协同感知结果判决为第n个频点上存在授权用户信号的总次数。