CN105392203A - 一种基于节点过滤的协作频谱感知方法 - Google Patents

Abstract

本发明涉及一种基于节点过滤的协作频谱感知方法，包括如下步骤：认知无线电网络中所有认知节点进行独立的本地感知和信噪比估计，将感知结果和信噪比估计值γ₁,γ₂,…γ_M发送至融合中心，M是认知节点总数；融合中心汇总各认知节点上报的自身信噪比估计值后，计算各节点的信噪比比重p_i,设置信噪比阈值λ_SNR∈[0,1]，其中<maths num="0001"></maths>；根据各节点信噪比比重大小进行比较过滤筛选，若p_i＞λ_SNR，则该认知节点符合条件能够参与融合，否则舍弃该节点；融合中心根据选出的认知节点的感知结果进行协作频谱感知，作出最终联合判决。

Description

一种基于节点过滤的协作频谱感知方法

技术领域

本发明涉及认知无线电频谱感知领域，尤其是一种基于节点过滤的协作频谱感知方法。

背景技术

随着无线通信技术的迅速发展，无线通信业务量的持续增长与无线频谱资源短缺的矛盾愈加明显。认知无线电技术通过感知频谱空洞为次用户(SecondaryUser，SU)提供机会式接入主用户(PrimaryUser，PU)频段的机会，充分实现对频谱的有效利用同时避免对主用户造成干扰，很好地解决了当前频谱资源分配政策不合理的问题。认知无线电的关键技术和实现前提之一就是如何快速准确地进行频谱感知。三种常用的频谱感知方法为：匹配滤波器检测、循环平稳检测和能量检测。匹配滤波器检测需预知主用户的相关信息(如调制方式，脉冲波形等)；循环平稳检测性能较好但复杂度高、计算量大，需较长观测时间以提取信号的特征信息；能量检测实现简单且无需授权用户先验信息。考虑到实际系统实施时的复杂性和成本问题，能量检测方法较好。真实无线信道传播环境中，单节点感知由于受到传播损耗和多径衰落等不利因素影响，易导致其检测结果与实际情况产生偏差，而协作感知可以利用认知无线电网络内不同地理位置的认知用户构成的空间分集，有效消除阴影衰落的影响，降低单节点检测要求。

然而，协作频谱感知中大多数算法都假设所有认知节点处于相同环境下，具有同样的信噪比(SignaltoNoiseRatio，SNR)，未考虑到认知节点本地感知结果的可靠性差异，忽略了实际无线环境中存在路径损耗、阴影效应、多径效应和隐藏终端等现象而可能导致不同位置认知节点信噪比分布不均的问题。考虑到上述问题，《IETCommunications》期刊第8卷第14期，由LamiaaKhalid和AlaganAnpalagan撰写的《Reliability-baseddecisionfusionschemeforcooperativespectrumsensing》一文中，提出了一种为不同信噪比用户分配不同权重的加权协作感知算法，虽然漏警概率有所降低，但加权融合方法中所有认知用户需要控制信道向融合中心传送判决结果，而一般情况下控制信道是带限的，当协作节点数量很大时，其所需报告信道带宽也很大，会占用过多的信道资源，且传输融合权重参数会进一步影响信道拥塞和感知时延。《计算机工程》期刊第38卷第3期，由郭加贝和章坚武撰写的《一种基于信噪比的动态门限协作感知方法》一文中，提出了基于信噪比动态门限的协作感知方法，该方法通过利用各节点的检测信噪比来设置适合不同认知节点的检测门限，能有效提高单个认知节点检测结果的可靠度，但当某一节点的检测信道处于严重衰落下，性能会变得很不理想，该方法局限于传输信道状态效果较好的情况。公开号为CN103888203A的专利《一种基于信噪比筛选的协作频谱感知优化方法》中叙述的协作感知方法对节点进行筛选，计算复杂度低，然而算法中各节点本地感知使用的是传统能量检测算法，系统检测性能提升并不十分明显。

发明内容

本发明的发明目的在于提供一种协作频谱感知方法，针对信噪比分布不均的认知无线电网络环境，能够在保持系统设计低复杂度的基础上，充分利用各认知节点的信噪比信息，提高检测性能，减小通信开销。

实现本发明目的的技术方案：

一种基于节点过滤的协作频谱感知方法，其特征在于：

步骤1：认知无线电网络中所有认知节点进行独立的本地感知和信噪比估计，将感知结果和信噪比估计值γ₁,γ₂,…γ_M发送至融合中心，M是认知节点总数；

步骤2：融合中心汇总各认知节点上报的自身信噪比估计值后，计算各节点的信噪比比重p_i,设置信噪比阈值λ_SNR∈[0,1]，其中

$p_i=\frac{{\mathrm{\&gamma;}}_i}{\underset{i=1}{\overset{M}{\&Sigma;}}{\mathrm{\&gamma;}}_i};$

步骤3：根据各节点信噪比比重大小进行比较过滤筛选，若p_i＞λ_SNR，则该认知节点符合条件能够参与融合，否则舍弃该节点；

步骤4：融合中心根据步骤3选出的认知节点的感知结果进行协作频谱感知，作出最终联合判决。

步骤1中，利用精确平均能量检测算法进行独立的本地感知。

步骤1中，精确平均能量检测算法通过如下方法实现，

计算检验统计量和

式中，接收信号矢量y_i＝(y_i[1],y_i[2],...,y_i[N])，是第i次感知事件中接收信号矢量y_i的检验统计量，是第i-1次感知事件中接收信号矢量y_i-1的检验统计量，是第i次感知事件中基于最近的L次感知事件的检验统计量序列T_i计算的检验统计量的平均值，l是求和过程中的变量，从1变化至L；

判断是否大于判决门限λ，若是，则假设H₁成立，否则，判断是否大于门限λ，若不是，则假设H₀成立；否则，判断是否大于门限λ，若是，则假设H₁成立，反之，假设H₀成立；H₁表示主用户信号存在，H₀表示主用户不存在。

步骤4中，协作频谱感知时使用OR准则，只要有一个或一个以上认知节点的本地感知结果为H₁，则最终融合判决结果为H₁，即表示主用户存。

本发明具有的有益效果：

本发明方法通过调整信噪比阈值λ_SNR以适应不同环境的认知无线电网络，具有更强的灵活性较强。本发明方法通过区别对待所处环境不同的认知节点，选取信噪比条件较优的认知节点参与协作，消除了低信噪比节点感知结果不准确对协作性能的影响，降低了融合中心数据处理的复杂度。本发明方法中各节点本地感知时使用的精确平均能量检测算法其感知性能优于传统能量检测算法，感知结果可靠性较高，能够更好地保护授权用户的权益。本发明方法在获得比现有方法更优的整体感知性能的同时减少了认知无线电网络额外的能量和带宽开销，有效节省了专有控制信道资源。本方法计算复杂度较低，简单易行。

附图说明

图1本发明的方法流程图；

图2本发明中本地感知使用算法的流程图；

图3集中式协作频谱感知系统模型；

图4实际认知无线电网络环境示意图；

图5本发明本地感知使用的检测算法与能量检测算法的接收机工作特性(ReceiverOperatingCharacteristic,ROC)曲线对比图；

图6本发明与现有技术中基于筛选的协作感知方法及传统协作感知方法的ROC曲线对比图(Q_d-Q_f)；

图7本发明与现有技术中基于筛选的协作感知方法及传统协作感知方法的ROC曲线对比图(Q_d-SNR)；

图8本发明中信噪比阈值λ_SNR不同时的ROC曲线比较图。

具体实施方式

如图3所示，集中式协作频谱感知系统模型中，包含一个主用户PU，一个融合中心FC(假设网络中没有恶意节点)和M个认知节点SU，认知节点与融合中心间通过控制信道(即报告信道)进行通信。实际无线环境中因存在图3中的路径损耗、阴影效应和隐藏终端等问题而导致各认知节点信噪比存在差异。本发明在认知无线电网络中的各认知节点都设置了信噪比你估计功能,认知节点可以进行接收信号的信噪比估计。

如图1所示，本发明基于节点过滤的协作频谱感知方法，包括以下步骤：

步骤1：认知网络中所有节点，通过如图2所示的精确平均能量检测算法独立进行本地感知，将本地感知结果与信噪比估计值γ₁,γ₂,...γ_M发送至融合中心。

认知节点对于频谱感知中的二元信号检测问题可描述为如下假设检验模型：

H₀:y[n]＝w[n]n＝1,2,...,N

(1)

H₁:y[n]＝x[n]+w[n]n＝1,2,...,N

式(1)中假设H₀表示主用户不存在，假设H₁表示主用户信号存在，n代表第n次采样，N为观测间隔内信号与噪声的采样点数，y[n]表示接收信号序列，x[n]表示主用户发射信号序列，w[n]表示噪声采样序列，信道噪声假设为均值为0，方差为的加性高斯白噪声，忽略信道衰落和阴影效应；

能量检测算法(EnergyDetection,ED)在观测间隔内测量接收信号的能量，若能量值超过预设判决门限则宣布信道状态为被占用(假设H₁)，反之信道为空闲状态(假设H₀)，能量检测的检验统计量：

式(2)中，y_i是接收信号矢量(y_i＝(y_i[1],y_i[2],...,y_i[N]))，λ是预设的判决门限，是第i次感知事件中接收信号矢量y_i的检验统计量。将与λ进行比较，若则判决为主用户存在(假设H₁)；否则判定主用户不存在。

能量检测中检测概率和虚警概率如下：

式(3)中是检测概率，是虚警概率，是接收主用户信号的平均功率；是噪声平均功率；λ是判决门限， $Q\left(x\right)={\&Integral;}_{-\mathrm{\&infin;}}^x{\left(\frac{1}{2\mathrm{\&pi;}}\right)}^{1/2}\exp (-\frac{u^2}{2}),P{\left(A\right)}_B\stackrel{\mathrm{\&Delta;}}{=}P\left(A\right|B),$ 是接收信号的检验统计量。

精确平均能量检测算法(AccurateAverageEnergyDetection,AAED)的实施流程，如图2所示：

计算检验统计量和

式中，接收信号矢量y_i＝(y_i[1],y_i[2],...,y_i[N])，是第i次感知事件中接收信号矢量y_i的检验统计量，是第i-1次感知事件中接收信号矢量y_i-1的检验统计量，中是第i次感知事件中基于最近的L次感知事件的检验统计量序列T_i计算的检验统计量的平均值l是求和过程中的变量，从1变化至L。

判断是否大于判决门限λ，若是，则假设H₁成立。否则，判断是否大于门限λ，若不是，则假设H₀成立。否则，判断是否大于门限λ，若是，则假设H₁成立，反之，假设H₀成立。至此，本地感知过程结束。

检验统计量平均值服从正态分布：

$\begin{array}{c}{\mathrm{\&mu;}}_{avg}=\frac{M}{L}N({\mathrm{\&sigma;}}_X^2+{\mathrm{\&sigma;}}_W^2)+\frac{L-M}{L}{\mathrm{N\&sigma;}}_W^2\\ {\mathrm{\&sigma;}}_{avg}^2=\frac{M}{L^2}2N{({\mathrm{\&sigma;}}_X^2+{\mathrm{\&sigma;}}_W^2)}^2+\frac{L-M}{L^2}2{\mathrm{N\&sigma;}}_W^4\end{array}---\left(6\right)$

式(5)中，表示服从正态分布；M∈[0,L]是最近的L次感知事件中主用户信号实际存在或出现的次数；μ_avg是的均值；是的方差。AAED算法的检测概率和虚警概率如下：

式中是检测概率，是虚警概率，

根据给定虚警概率设定判决门限λ：

$\mathrm{\&lambda;}=\left(Q^{-1}\right(P_{f,t\arg et}^{AAED})\sqrt{2N}+N){\mathrm{\&sigma;}}_W^2---\left(8\right)$

式中为AAED算法中需要达到的目标虚警概率。

步骤2：融合中心FC在汇总各认知节点上报的自身信噪比估计值后，计算各节点信噪比比重，融合中心FC结合实际通信环境以及认知节点间所处的环境差异设置信噪比阈值λ_SNR∈[0,1]，作为调整参数的信噪比阈值λ_SNR用以改变参与协作的节点数目。在调整过程中，随着λ_SNR逐渐增大，参与数据融合的认知节点数目逐渐减少；当λ_SNR减小时，门限逐渐减小，参与数据融合的节点数目逐渐增多，当λ_SNR减小到最小时，所有认知节点均参与数据融合，相当于传统协作频谱感知方法。

信噪比比重如式(9)所示：

$p_i=\frac{{\mathrm{\&gamma;}}_i}{\underset{i=1}{\overset{M}{\&Sigma;}}{\mathrm{\&gamma;}}_i}---\left(9\right)$

式中p_i是第i个认知节点信噪比比重，M是认知节点总数,γ_i是第i个认知节点上报的自身信噪比估计值。

步骤3：根据各节点信噪比比重大小进行比较过滤筛选，若p_i＞λ_SNR，则该认知节点符合条件能够参与融合，否则舍弃该节点。

步骤4：设根据步骤3中M个节点中区分出P个信噪比较优节点，融合中心根据这P个节点本地独立感知结果进行“或”准则协作频谱感知，系统从而作出最终联合判决。

“或”准则协作频谱感知中，所有认知节点中有大于等于一个节点宣布检测主用户存在，则最终判决为假设H₁，联合检测概率和联合虚警概率如下：

$\begin{array}{c}{Q}_d=1-\underset{i=1}{\overset{P}{\&Pi;}}(1-P_{d,i})\\ Q_f=1-\underset{i=1}{\overset{P}{\&Pi;}}(1-P_{f,i})\end{array}---\left(10\right)$

式中，Q_d是联合检测概率和Q_f是联合虚警概率，P_d,i和P_f,i是第i个认知节点的检测概率和虚警概率；P是协作感知用户数目。

下面结合仿真实验进一步说明本发明的有益效果。

在Matlab8.0环境下，利用下述算法做对比仿真实验，具体包括：《计算机应用研究》期刊第31卷第7期由张学军等人撰写的《基于信噪比筛选的协作频谱优化算法》、传统协作感知算法及高信噪比单节点本地能量检测。仿真中信道噪声为高斯白噪声，低虚警概率下检测性能的高低更能说明算法的优劣程度，且对于实际应用更有意义和价值，因此进行低虚警概率下的仿真对比。假设某个区域内随机出现M＝7个认知节点，前5个节点的检测信噪比分别为-9、-10、-12、-14、-18dB，后2个认知节点由于受到严重的阴影衰落影响，其检测信噪比分别为-24、-28dB。采样点数N设置为1024，信噪比阈值设为0.1。

仿真结果如图4至图8所示。图5为单节点本地感知使用的精确平均能量检测算法与传统能量检测算法的ROC曲线(P_d-P_f曲线)对比图。图6表示本发明方法与现有技术中基于筛选的协作感知方法及传统协作感知方法的ROC曲线(Q_d-Q_f)对比图。图7表明本发明方法与现有技术中基于筛选的协作感知方法及传统协作感知方法的检测概率Q_d与信噪比SNR的关系曲线对比图。图8为本发明方法中对应不同信噪比阈值λ_SNR时的ROC曲线比较图。

从图5中可看出，本发明方法单节点感知时使用的精确平均能量检测算法其检测性能明显高于传统能量检测算法；

从图6中可以看出，本发明方法的整体检测概率要优于其他对比协作感知算法，低联合虚警概率下这种差异更加明显。本发明方法的检测概率相对于或准则协作频谱感知改善了22.96％～36.18％，因而更有利于保护授权用户不受干扰。

为清晰观察当信噪比变化时各算法的检测性能，作出如图7所示的仿真对比。设定联合虚警概率为0.05，信噪比从-25dB变化至5dB。从图7中可以看出，本发明方法整体检测性能优于对比算法，在SNR为-13dB时，本发明方法与比较文献算法的联合检测概率之差达到最大值0.2479，本发明方法显示出更精确的检测性能。

信噪比阈值λ_SNR的设定对系统检测性能有一定的影响。图8为不同信噪比阈值λ_SNR下，虚警概率和检测概率的关系曲线。从图中可看出，λ_SNR值减小导致参与协作感知的优质认知节点数增加，检测性能随之提高，因此，λ_SNR取值通常不宜过大。

Claims (4)

1.一种基于节点过滤的协作频谱感知方法，其特征在于：

步骤1：认知无线电网络中所有认知节点进行独立的本地感知和信噪比估计，将感知结果和信噪比估计值γ₁,γ₂,…γ_M发送至融合中心，M是认知节点总数；

步骤2：融合中心汇总各认知节点上报的自身信噪比估计值后，计算各节点的信噪比比重p_i,设置信噪比阈值λ_SNR∈[0,1]，其中

$p_i=\frac{{\mathrm{\&gamma;}}_i}{\underset{i=1}{\overset{M}{\&Sigma;}}{\mathrm{\&gamma;}}_i};$

步骤3：根据各节点信噪比比重大小进行比较过滤筛选，若p_i＞λ_SNR，则该认知节点符合条件能够参与融合，否则舍弃该节点；

步骤4：融合中心根据步骤3选出的认知节点的感知结果进行协作频谱感知，作出最终联合判决。

2.根据权利要求1中所述的基于节点过滤的协作频谱感知方法，其特征在于：步骤1中，利用精确平均能量检测算法进行独立的本地感知。

3.根据权利要求2所述的基于节点过滤的协作频谱感知方法，其特征在于：步骤1中，精确平均能量检测算法通过如下方法实现，

计算检验统计量和

式中，接收信号矢量y_i＝(y_i[1],y_i[2],…,y_i[N])，是第i次感知事件中接收信号矢量y_i的检验统计量，是第i-1次感知事件中接收信号矢量y_i-1的检验统计量，是第i次感知事件中基于最近的L次感知事件的检验统计量序列T_i计算的检验统计量的平均值，l是求和过程中的变量，从1变化至L；

判断是否大于判决门限λ，若是，则假设H₁成立，否则，判断是否大于门限λ，若不是，则假设H₀成立；否则，判断是否大于门限λ，若是，则假设H₁成立，反之，假设H₀成立；H₁表示主用户信号存在，H₀表示主用户不存在。

4.根据权利要求3所述的基于节点过滤的协作频谱感知方法，其特征在于：步骤4中，协作频谱感知时使用OR准则，只要有一个或一个以上认知节点的本地感知结果为H₁，则最终融合判决结果为H₁，即表示主用户存在。