CN106341791A - 认知无线电频谱感知动态判决方法 - Google Patents

Abstract

本发明涉及认知无线电频谱感知动态判决方法，用于授权主用户、频谱感知融合中心及N个次用户形成的认知无线电网络，基于各次用户的对应的信誉指数，筛选参与协作的主协作次用户及辅助协作次用户；考虑各次用户移动性的影响，得到各次用户基于信噪比和即时速度、即时方向角度值的动态影响因子，并对所有主协作次用户分簇，得到各簇内协作检测概率；针对辅助协作次用户，设定关于决策门限的能量检测优化函数方程，并得到能量检测的最佳门限值；根据各分簇内协作次用户的信噪比及辅助协作次用户集合中各协作次用户的信噪比情况，得到各分簇分别对应的主协作贡献系数及辅助协作次用户集合所对应的辅助协作贡献系数，从而准确得到最终的协作检测概率。

Description

认知无线电频谱感知动态判决方法

技术领域

本发明涉及通信技术领域，尤其涉及一种认知无线电频谱感知动态判决方法。

背景技术

认知无线电技术(Cognitive Radio，简称CR)是一种能够“伺机”地对空闲频谱进行检测、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目的的新兴通信技术。频谱感知技术作为认知无线电中的关键技术，对于检测授权主用户信号(又称主用户或授权用户)的存在情况意义重大。认知无线电的认知过程为：首先次用户(或称感知用户、认知用户)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通信。当次用户检测到有授权主用户信号出现时，次用户快速腾出该频谱供授权主用户使用，进而避免干扰授权主用户利用该信道进行正常通信。因此，次用户所采用的频谱感知方法要求对授权主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，单个次用户的检测性能往往不能适应对授权主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，基于多个次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，通过将每个次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次用户自身信噪比以及次用户的移动性等因素对协作检测结果的影响，这将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充分利用各次用户的检测性能，降低各次用户的低信噪比和移动性对协作检测性能的不利影响，又能够提高协作检测性能的认知无线电频谱感知动态判决方法。

本发明解决上述技术问题所采用的技术方案为：认知无线电频谱感知动态判决方法，用于授权主用户、频谱感知融合中心以及N个次用户形成的认知无线电网络中，其特征在于，依次包括如下步骤1至步骤9：

步骤1，N个次用户分别获取自身初始位置到授权主用户位置的距离值，并同时实时获取各次用户自身的信噪比、即时速度值、即时速度的方向角度值，并分别对授权主用户的频谱占用情况进行能量检测，然后由各次用户将检测结果以及自身信噪比分别发送给频谱感知融合中心；其中：

即时速度的方向角度值为次用户前进方向偏离该次用户初始位置至主用户位置连线的偏离角度，第i个次用户标记为CR_i，i＝1,2,…,N，N≥3，次用户CR_i自身的信噪比记为SNR_i，次用户CR_i的即时速度值标记为v_i，次用户CR_i的即时速度的方向角度值标记为θ_i；授权主用户标记为PU，频谱感知融合中心标记为FC；次用户CR_i自身初始位置到授权主用户位置的距离值标记为d_i；

步骤2，频谱感知融合中心预设协作次用户筛选信誉指数阈值，并根据N个次用户所发送来的信噪比，计算各次用户对应的信噪比在所有N个次用户信噪比集合中的信誉指数ω_i；其中，预协作设次用户筛选信誉指数阈值标记为ω₀，次用户CR_i所对应信噪比的信誉指数ω_i的计算公式如下：

${\mathrm{\ω}}_i=\frac{{\mathrm{SNR}}_i}{\sqrt{\frac{1}{N}\underset{i=1}{\overset{N}{\Σ}}{\left({\mathrm{SNR}}_i\right)}^2}}\·\frac{\frac{1}{N}\underset{i=1}{\overset{N}{\Σ}}{\mathrm{SNR}}_i}{\left(\frac{{\mathrm{SNR}}_{\max }+{\mathrm{SNR}}_{min}}{2}\right)};$

其中，SNR_max为N个次用户信噪比值中的最大信噪比值，SNR_min为N个次用户信噪比值中的最小信噪比值；

步骤3，频谱感知融合中心根据预设协作次用户筛选信誉指数阈值以及各次用户对应的信誉指数情况，筛选出参与协作检测的主协作次用户集合以及辅助协作次用户集合：

当次用户所对应的信誉指数大于预设次协作用户筛选信誉指数阈值ω₀时，则选择该次用户参与协作检测，并置入主协作次用户集合S₁中；否则，则将该次用户作为参与协作检测的辅助协作次用户，并置入辅助协作次用户集合S₂中；

其中，在主协作次用户集合S₁中，设定作为参与协作检测的次用户的总数目为N₁；在辅助协作次用户集合S₂中，设定作为参与协作检测的辅助协作次用户的总数目为N₂，且N₁+N₂＝N；

步骤4，在主协作次用户集合S₁中，再次预设M个按照升序排列的分簇阈值λ_j，频谱感知融合中心根据主协作次用户集合S₁中各协作次用户发送来的信噪比分别与各分簇阈值作判断比较，以得到M₁个独立的含有协作次用户的分簇；j＝1,2,…,M且λ₁<λ₂<…<λ_M；分簇标记为C_l，l＝1,2,…,M₁，1≤M₁≤M；其中，频谱感知融合中心对各协作次用户的分簇过程包括如下步骤4-1至步骤4-2：

步骤4-1，根据M个分簇阈值，设定M+1个分簇区间段分别为[-∞,λ₁)、[λ₁,λ₂)、…、[λ_M-1,λ_M)和[λ_M,∞)；其中，位于第一分簇内的协作次用户对应的信噪比处于[-∞,λ₁)区间段内，位于第二分簇内的协作次用户对应的信噪比处于[λ₁,λ₂)区间段内，依次类推，位于第M分簇内的协作次用户对应的信噪比处于[λ_M-1,λ_M)区间段内，位于第M+1分簇内的协作次用户对应的信噪比处于[λ_M,∞)区间段内；

步骤4-2，频谱感知融合中心分别将主协作次用户集合S₁中各协作次用户对应的信噪比与M+1个分簇区间段进行比较，以判决各协作次用户所处的分簇区间段；其中：

当协作次用户的信噪比处于分簇区间段[-∞,λ₁)或者[λ_M,∞)时，则不准该协作次用户参与协作检测，并将该协作次用户置入步骤3所述的辅助协作次用户集合S₂中；

步骤5，在含有协作次用户的M₁个分簇内，按照协作次用户对应信噪比从大到小的顺序，选择各分簇内具有最大信噪比的协作次用户作为该分簇的簇首次用户，并选择各分簇内具有最小信噪比的协作次用户作为该分簇的簇内感知融合中心，从而得到M₁个簇首次用户以及对应的M₁个簇内感知融合中心；其中，M₁≤M+1；

步骤6，针对M₁个分簇，依次得到各簇内的簇内协作检测概率和簇内协作虚警概率，并由各簇分别发送对应的簇内协作检测概率和簇内协作虚警概率给频谱感知融合中心；其中，各簇内频谱感知融合检测过程包括如下步骤6-1至步骤6-4：

步骤6-1，在一个分簇C_l内，协作次用户CR_m根据实时检测的检测时间间隔值△t_m、即时速度值v_m以及即时速度的方向角度值θ_m，得到协作次用户CR_m与授权主用户的实时距离△d_m之间的函数关系方程；其中：

${\mathrm{\&Delta;d}}_m=\sqrt{{(D_{0_m}+v_m\&CenterDot;{\mathrm{cos\&theta;}}_m)}^2+{(v_m\&CenterDot;{\mathrm{sin\&theta;}}_m)}^2};$

其中，△t_m表示协作次用户CR_m前后两次实时检测的检测时间间隔值；D_0m表示协作次用户CR_m初始位置至频谱感知融合中心FC的距离；

步骤6-2，根据协作次用户CR_m与授权主用户PU间的实时距离△d_m以及协作次用户CR_m的累计移动时间T_m，得到协作次用户CR_m在累计运动时间T_m内的平均速度值并将该平均速度值发送给该簇C_l的簇内感知融合中心；协作次用户CR_m的平均速度值计算如下：

$\stackrel{\&OverBar;}{v_m}=\frac{{\mathrm{\&Delta;d}}_m}{T_m};$

步骤6-3，协作次用户CR_m所处簇C_l的簇内感知融合中心根据簇内各协作次用户发送来的平均速度值，依次计算各协作次用户的速度对自身检测结果的动态影响因子κ_m；协作次用户CR_m所对应动态影响因子κ_m的计算如下：

${\mathrm{\&kappa;}}_m=\frac{max\left(\stackrel{\&OverBar;}{v}\right)-min\left(\stackrel{\&OverBar;}{v}\right)}{\max \left(\stackrel{\&OverBar;}{v}\right)+\min \left(\stackrel{\&OverBar;}{v}\right)}\&CenterDot;\frac{{\stackrel{\&OverBar;}{v}}_m\&CenterDot;{\mathrm{\&theta;}}_m}{\underset{k=1}{\overset{M_2}{\&Sigma;}}(\stackrel{\&OverBar;}{v_k}\&CenterDot;{\mathrm{\&theta;}}_k)};$

其中，M₂表示该协作次用户所处簇C_l内的所有协作从用户的总数目，表示该簇C_l内所有协作次用户的平均速度值中的最大值，表示该簇C_l内所有协作次用户的平均速度值中的最小值；

步骤6-4，根据所得簇C_l内各协作次用户对应的动态影响因子以及各协作次用户的检测结果，由该簇C_l内的簇内感知融合中心对簇内协作次用户的检测结果融合，以得到该簇内所有协作次用户的簇内协作检测概率和簇内协作检测的虚警概率；其中，簇内协作检测概率标记为Q_d,l，簇内协作虚警概率标记为Q_f,l，其中：

簇内协作检测概率簇内协作虚警概率l＝1,2,…,M₁，1≤M₁≤M；

步骤7，根据辅助协作次用户集合S₂中的各辅助协作次用户所对应的信噪比和检测概率，得到该辅助协作次用户集合S₂中的辅助协作协作检测概率和辅助协作协作虚警概率，并发送辅助协作协作检测概率和辅助协作协作虚警概率给频谱感知融合中心；辅助协作协作检测概率标记为辅助协作协作虚警概率标记为其中，辅助协作次用户集合S₂中的协作检测概率的计算过程包括如下步骤(a)至步骤(b)：

(a)设定关于决策门限的能量检测优化函数方程ξ，并根据能量检测优化函数方程ξ得到能量检测的最佳门限值；其中：

关于决策门限的能量检测优化函数方程ξ定义为：

$\mathrm{\&xi;}=\arg \min P_e=P_{H_0}\&CenterDot;Q\left(\frac{\mathrm{\&xi;}-{\mathrm{\&sigma;}}_n^2}{\frac{2}{M_2}{\mathrm{\&sigma;}}_n^4}\right)+P_{H_1}\&CenterDot;Q\left(\frac{\mathrm{\&xi;}-(1+\stackrel{\&OverBar;}{SNR}){\mathrm{\&sigma;}}_n^2}{\frac{2}{M_2}(1+2\stackrel{\&OverBar;}{SNR}){\mathrm{\&sigma;}}_n^4}\right);$

能量检测的最佳门限值ξ_opt为：

$\begin{array}{c}{\mathrm{\&xi;}}_{opt}=\mathrm{\&xi;}{|}_{\frac{\&part;Pe}{\&part;\mathrm{\&xi;}}=0}\\ =\frac{{\mathrm{\&sigma;}}_n^2}{2}+{\mathrm{\&sigma;}}_n^2\sqrt{\frac{1}{4}+\frac{\stackrel{\&OverBar;}{SNR}}{2}+\frac{4\stackrel{\&OverBar;}{SNR}+2}{M_2\&CenterDot;\stackrel{\&OverBar;}{SNR}}ln\left(\frac{P_{H_0}}{P_{H_1}}\sqrt{2\stackrel{\&OverBar;}{SNR}+1}\right)}\end{array};$

其中，表示为高斯噪声的噪声方差，为主用户PU的授权频段处于空闲状态的概率，为主用户PU的授权频段处于占用状态H₁的概率；

(b)根据所得能量检测的最佳门限值ξ_opt，得到授权主用户的频谱为占用状态H₁的平均检测概率并以所得该平均检测概率作为辅助协作次用户集合S₂的辅助协作协作检测概率；其中：

$P_e=P_{H_0}{P}_f+P_{H_1}{P}_m,P_{H_1}=1-P_{H_0};$

$P_f=Q\left(\frac{{\mathrm{\&xi;}}_{opt}-{\mathrm{\&sigma;}}_n^2}{\frac{2}{M_2}{\mathrm{\&sigma;}}_n^4}\right),P_d=Q\left(\frac{{\mathrm{\&xi;}}_{opt}-(1+\stackrel{\&OverBar;}{SNR}){\mathrm{\&sigma;}}_n^2}{\frac{2}{M_2}(2\stackrel{\&OverBar;}{SNR}+1){\mathrm{\&sigma;}}_n^4}\right),P_m=1-P_d;$

$Q\left(z\right)={\&Integral;}_z^{\mathrm{\&infin;}}\frac{1}{\sqrt{2\mathrm{\&pi;}}}{e}^{-\frac{1}{2}{x}^2}dx,\stackrel{\&OverBar;}{SNR}=\frac{1}{M^2}\underset{k=1}{\overset{M_2}{\mathrm{\&Sigma;}}}{\mathrm{SNR}}_k;P_{d,H_1}=P_d,Q_{d,S_2}=P_{d,H_1};$

其中，为授权主用户PU的频谱处于空闲状态H₀的概率，为授权主用户PU的频谱处于占用状态H₁的概率，P_f为辅助协作次用户集合S₂内所有辅助协作次用户的协作虚警概率，P_d为辅助协作次用户集合S₂内所有辅助协作次用户的协作检测概率，P_m为辅助协作次用户集合S₂内所有辅助协作次用户的协作漏检概率；为辅助协作次用户集合S₂内所有协作次用户对应信噪比的平均值，Q(z)表示正态高斯互补积分函数；

步骤8，频谱感知融合中心根据M₁个分簇对应的簇内协作次用户的信噪比以及辅助协作次用户集合S₂内所有辅助协作次用户的信噪比，分别得到M₁个分簇的主协作贡献系数δ_l以及辅助协作次用户集合S₂的辅助协作贡献系数其中：

M₁个分簇各自对应的主协作贡献系数l＝1,2,…,M₁；

辅助协作次用户集合S₂的辅助协作贡献系数m_l表示第l个分簇内所有协作次用户的总数目，N₂表示辅助协作次用户集合S₂内所有辅助协作次用户的总数目；SNR_l,r表示第l个分簇内第r个协作次用户对应的信噪比；SNR_q表示辅助协作次用户集合S₂内第q个协作次用户对应的信噪比；

步骤9，频谱感知融合中心根据各分簇的主协作贡献系数δ_l以及辅助协作次用户集合所对应的辅助协作贡献系数得到动态判决后的N个次用户的最终协作检测概率；其中，N个次用户的最终协作检测概率标记为Q_D：

$Q_D=(\underset{l=1}{\overset{M_1}{\&Pi;}}{\mathrm{\&delta;}}_l\&CenterDot;Q_{d,l})\&CenterDot;({\mathrm{\&delta;}}_{S_2}\&CenterDot;Q_{d,S_2});$

其中，M₁表示在主协作次用户集合S₁中含有协作次用户的分簇数目。

与现有技术相比，本发明的优点在于：

首先，本发明中的认知无线电频谱感知动态判决方法基于各次用户的信噪比得到各次用户对应的信誉指数，并根据信誉指数筛选出参与协作检测的主协作次用户集合以及辅助协作次用户集合，通过既考虑信誉指数较高的次用户，又不放弃信誉指数较低的次用户，从而把所有次用户的检测结果充分考虑到协作检测中进行协作检测融合，进而大大地提高了后续的协作检测性能，从而摒弃传统协作检测中只选用具有较高信噪比次用户时所带来的检测准确度差的问题；

其次，对主协作次用户集合中的协作次用户进行分簇，得到各分簇内的簇内协作检测概率，提高频谱感知融合中心对各簇内协作检测概率的融合效率；考虑各次用户移动性对检测性能的影响，得到各次用户基于信噪比和即时速度、即时方向角度值的动态影响因子，从而使得本发明中的协作检测方法因考虑到次用户实际的运行而更具准确性和实用性，避免传统协作检测方法中因将次用户假定为理想化静止状态而带来的不适应实际情景的检测需要；

再次，针对参与协作的辅助协作次用户，设定关于决策门限的能量检测优化函数方程，并根据能量检测优化函数方程得到能量检测的最佳门限值，以此准确得到所有辅助协作次用户的辅助协作协作检测概率和辅助协作协作虚警概率；

最后，根据各分簇内协作次用户的信噪比以及辅助协作次用户集合中各协作次用户的信噪比情况，准确得到各分簇分别对应的主协作贡献系数以及辅助协作次用户集合所对应的辅助协作贡献系数，从而准确地得到最终的协作检测概率。

附图说明

图1为本发明实施例中认知无线电网络的示意图；

图2为本发明实施例中认知无线电频谱感知动态判决方法的流程示意图。

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和图2所示，本实施例提供一种认知无线电频谱感知动态判决方法，用于授权主用户、频谱感知融合中心以及N(N≥3)个次用户形成的认知无线电网络中，该认知无线电频谱感知动态判决方法依次包括如下步骤1至步骤9：

步骤1，N个次用户分别获取自身初始位置到授权主用户位置的距离值，并同时实时获取各次用户自身的信噪比、即时速度值、即时速度的方向角度值，并分别对授权主用户的频谱占用情况进行能量检测，然后由各次用户将检测结果以及自身信噪比分别发送给频谱感知融合中心；其中：

即时速度的方向角度值为次用户前进方向偏离该次用户初始位置至授权主用户位置连线的偏离角度，第i个次用户标记为CR_i，i＝1,2,…,N，N≥3，次用户CR_i自身的信噪比记为SNR_i，次用户CR_i的即时速度值标记为v_i，次用户CR_i的即时速度的方向角度值标记为θ_i；授权主用户标记为PU，频谱感知融合中心标记为FC；次用户CR_i自身初始位置到授权主用户位置的距离值标记为d_i；

例如，设定次用户CR₁的初始位置为O，授权主用户PU的位置为A，次用户CR₁的前进方向(也就是即时速度方向)为沿着OB方向，则次用户CR₁的即时速度的方向角度值θ₁为∠BOA；次用户CR₁自身初始位置到授权主用户PU位置的距离值d₁＝OA；在现在已有的协作检测方法中，次用户均被假设为处于理想的静止状态，但是实际环境中的次用户并非始终处于静止状态的，这些传统的协作检测方法并没有考虑次用户在实际环境中的移动情况，而本实施例中充分考虑了次用户实际环境中的移动情况，利用次用户的即时速度、即时速度方向来表征次用户的移动情况，从而能够更加切合实际需要，更有使用性；

步骤2，频谱感知融合中心预设协作次用户筛选信誉指数阈值，并根据N个次用户所发送来的信噪比，计算各次用户对应的信噪比在所有N个次用户信噪比集合中的信誉指数ω_i；其中，预协作设次用户筛选信誉指数阈值标记为ω₀，次用户CR_i所对应信噪比的信誉指数ω_i的计算公式如下：

${\mathrm{\&omega;}}_i=\frac{{\mathrm{SNR}}_i}{\sqrt{\frac{1}{N}\underset{i=1}{\overset{N}{\&Sigma;}}{\left({\mathrm{SNR}}_i\right)}^2}}\&CenterDot;\frac{\frac{1}{N}\underset{i=1}{\overset{N}{\&Sigma;}}{\mathrm{SNR}}_i}{\left(\frac{{\mathrm{SNR}}_{\max }+{\mathrm{SNR}}_{min}}{2}\right)};$

其中，SNR_max为N个次用户信噪比值中的最大信噪比值，SNR_min为N个次用户信噪比值中的最小信噪比值；

在次用户信誉指数的计算中，充分考虑各次用户信噪比在所有次用户信噪比集合中的权重情况，并通过计算信噪比平均值与最大信噪比、最小信噪比的比值情况，得到各次用户在所有次用户信噪比集合中的真实信誉情况，以此准确地得到筛选主协作次用户和辅助协作次用户的真实筛选参考指标，从而提高整个认知无线电网络的协作检测性能；

步骤3，频谱感知融合中心根据预设协作次用户筛选信誉指数阈值以及各次用户对应的信誉指数情况，筛选出参与协作检测的主协作次用户集合以及辅助协作次用户集合：

当次用户所对应的信誉指数大于预设次协作用户筛选信誉指数ω₀时，则选择该次用户参与协作检测，并置入主协作次用户集合S₁中；否则，则将该次用户作为参与协作检测的辅助协作次用户，并置入辅助协作次用户集合S₂中；其中，在主协作次用户集合S₁中，设定作为参与协作检测的次用户的总数目为N₁；在辅助协作次用户集合S₂中，设定作为参与协作检测的辅助协作次用户的总数目为N₂，且N₁+N₂＝N；

在现有的协作检测方法中，通过设定阈值筛选出信噪比较大的次用户参与协作，剩余的信噪比较小的次用户则被剔除。这样虽然能够降低后续参与协作的各次用户的协作检测计算复噪度，但是由于信噪比较小的次用户已经被剔除掉，这样将无法充分发挥这些被剔除掉次用户对后续整个协作检测效果的贡献情况，以致于最终得到的整个协作检测的性能大大降低；

在本实施例中，通过设定、筛选出主协作次用户集合S₁和辅助协作次用户集合S₂，既考虑信誉指数较高的次用户，又不放弃信誉指数较低的次用户，从而把所有次用户的检测结果充分考虑到协作检测中进行协作检测融合，进而大大地提高了后续的协作检测性能；

步骤4，在主协作次用户集合S₁中，再次预设M个按照升序排列的分簇阈值λ_j，频谱感知融合中心根据主协作次用户集合S₁中各协作次用户发送来的信噪比分别与各分簇阈值作判断比较，以得到M₁个独立的含有协作次用户的分簇；j＝1,2,…,M且λ₁<λ₂<…<λ_M；分簇标记为C_l，l＝1,2,…,M₁，1≤M₁≤M；频谱感知融合中心对各协作次用户的分簇过程包括如下步骤4-1至步骤4-2：

步骤4-1，根据M个分簇阈值，设定M+1个分簇区间段分别为(-∞,λ₁]、、(λ₁,λ₂]、…、(λ_M-1,λ_M]和(λ_M,∞)；其中，位于第一分簇内的协作次用户对应的信噪比处于(-∞,λ₁]区间段内，位于第二分簇内的协作次用户对应的信噪比处于(λ₁,λ₂]区间段内，依次类推，位于第M分簇内的协作次用户对应的信噪比处于(λ_M-1,λ_M]区间段内，位于第M+1分簇内的协作次用户对应的信噪比处于(λ_M,∞)区间段内；

例如，设定有五个分簇阈值分别是λ₁＝1dB、λ₂＝2dB、λ₃＝4dB、λ₄＝5dB和λ₅＝7dB；则第一分簇内的协作次用户信噪比处于(-∞,1dB]的区间段内，第二分簇内的协作次用户信噪比处于(1dB,2dB]的区间段内，第三分簇内的协作次用户信噪比处于(2dB,4dB]的区间段内，第四分簇内的协作次用户信噪比处于(4dB,5dB]的区间段内，第五分簇内的协作次用户信噪比处于(5dB,7dB]的区间段内，第六分簇内的协作次用户信噪比处于(7dB,∞)的区间段内；

步骤4-2，频谱感知融合中心分别将主协作次用户集合S₁中各协作次用户对应的信噪比与M+1个分簇区间段进行比较，以判决各协作次用户所处的分簇区间段；其中：

当协作次用户的信噪比处于分簇区间段[-∞,λ₁)或者[λ_M,∞)时，则不准该协作次用户参与协作检测，并将该协作次用户置入步骤3所述的辅助协作次用户集合S₂中；

例如，在主协作次用户集合S₁中，参照步骤4-1所列的五个分簇阈值分别是λ₁＝1dB、λ₂＝2dB、λ₃＝4dB、λ₄＝5dB和λ₅＝7dB，假如主协作次用户集合S₁中的某一协作次用户的信噪比值为3dB，则该协作次用户处于(2dB,4dB]的区间段内；假如主协作次用户集合S₁中的另一协作次用户的信噪比值为0.4dB，则该协作次用户处于(-∞,1dB]的区间段内，此时不准该协作次用户参与协作检测；假如主协作次用户集合S₁中的另一协作次用户的信噪比值为9dB，则该协作次用户处于(7dB,∞)的区间段内，此时不准该协作次用户参与协作检测；

步骤5，在含有协作次用户的M₁个分簇内，按照协作次用户对应信噪比从大到小的顺序，选择各分簇内具有最大信噪比的协作次用户作为该分簇的簇首次用户，并选择各分簇内具有最小信噪比的协作次用户作为该分簇的簇内感知融合中心，从而得到M₁个簇首次用户以及对应的M₁个簇内感知融合中心；其中，M₁≤M+1；

例如，在含有协作次用户的第一个分簇(-∞,1dB]的区间段内，处于该分簇区间段(-∞,1dB]内的各协作次用户的信噪比分别为0.8dB、0.6dB、0.5dB和0.3dB，则该分簇内最大信噪比0.8dB所对应的协作次用户即为该分簇的簇首次用户，该分簇内最小信噪比0.3dB所对应的协作次用户即为该分簇的簇内感知融合中心；

步骤6，针对M₁个分簇，依次得到各簇内的簇内协作检测概率和簇内协作虚警概率，并由各簇分别发送对应的簇内协作检测概率和簇内协作虚警概率给频谱感知融合中心；各簇内频谱感知融合检测过程包括如下步骤6-1至步骤6-4：

步骤6-1，在一个分簇C_l内，协作次用户CR_m根据实时检测的检测时间间隔值△t_m、即时速度值v_m以及即时速度的方向角度值θ_m，得到协作次用户CR_m与授权主用户的实时距离△d_m之间的函数关系方程；其中：

${\mathrm{\&Delta;d}}_m=\sqrt{{(D_{0_m}+v_m\&CenterDot;{\mathrm{cos\&theta;}}_m)}^2+{(v_m\&CenterDot;{\mathrm{sin\&theta;}}_m)}^2};$

其中，△t_m表示协作次用户CR_m前后两次实时检测的检测时间间隔值；D_0m表示协作次用户CR_m初始位置至频谱感知融合中心FC的距离；例如，协作次用户CR_m在第一次实时检测的时刻值为T₁，协作次用户在第二次实时检测的时刻值为T₂，则协作次用户CR_m前后两次实时检测的检测时间间隔值△t_m＝T₂-T₁；

步骤6-2，根据协作次用户CR_m与授权主用户PU间的实时距离△d_m以及协作次用户CR_m的累计移动时间T_m，得到协作次用户CR_m在累计运动时间T_m内的平均速度值并将该平均速度值发送给该簇C_l的簇内感知融合中心；协作次用户CR_m的平均速度值计算如下：

$\stackrel{\&OverBar;}{v_m}=\frac{{\mathrm{\&Delta;d}}_m}{T_m};$

步骤6-3，协作次用户CR_m所处簇C_l的簇内感知融合中心根据簇内各协作次用户发送来的平均速度值依次计算各协作次用户的速度对自身检测结果的动态影响因子κ_m；协作次用户CR_m所对应动态影响因子κ_m的计算如下：

${\mathrm{\&kappa;}}_m=\frac{max\left(\stackrel{\&OverBar;}{v}\right)-min\left(\stackrel{\&OverBar;}{v}\right)}{\max \left(\stackrel{\&OverBar;}{v}\right)+\min \left(\stackrel{\&OverBar;}{v}\right)}\&CenterDot;\frac{{\stackrel{\&OverBar;}{v}}_m\&CenterDot;{\mathrm{\&theta;}}_m}{\underset{k=1}{\overset{M_2}{\&Sigma;}}(\stackrel{\&OverBar;}{v_k}\&CenterDot;{\mathrm{\&theta;}}_k)};$

其中，M₂表示该协作次用户所处簇C_l内的所有协作从用户的总数目，表示该簇C_l内所有协作次用户的平均速度值中的最大值，表示该簇C_l内所有协作次用户的平均速度值中的最小值；动态影响因子κ_m既充分考虑各协作次用户运动时的平均速度值情况，并把单个协作次用户自身运动时的速度矢量(包括了即时速度值和即时速度的方向角度值)也融入到所处簇的协作检测中，避免传统协作检测方法中因将次用户假定为理想化静止状态而带来的不适应实际情景的检测需要，从而使得本实施例中的协作检测方法因考虑到次用户实际的运行而更具准确性和实用性；

步骤6-4，根据所得簇C_l内各协作次用户对应的动态影响因子以及各协作次用户的检测结果，由该簇C_l内的簇内感知融合中心对簇内协作次用户的检测结果融合，以得到该簇内所有协作次用户的簇内协作检测概率和簇内协作检测的虚警概率；其中，簇内协作检测概率标记为Q_d,l，簇内协作虚警概率标记为Q_f,l，簇内协作检测概率簇内协作虚警概率l＝1,2,…,M₁，1≤M₁≤M；

步骤7，根据辅助协作次用户集合S₂中的各辅助协作次用户所对应的信噪比和检测概率，得到该辅助协作次用户集合S₂中的辅助协作协作检测概率和辅助协作协作虚警概率，并发送辅助协作协作检测概率和辅助协作协作虚警概率给频谱感知融合中心；辅助协作协作检测概率标记为辅助协作协作虚警概率标记为辅助协作次用户集合S₂中的协作检测概率的计算过程包括如下步骤(a)至步骤(b)：

(a)设定关于决策门限的能量检测优化函数方程ξ，并根据能量检测优化函数方程ξ得到能量检测的最佳门限值；其中：

关于决策门限的能量检测优化函数方程ξ定义为：

$\mathrm{\&xi;}=\arg \min P_e=P_{H_0}\&CenterDot;Q\left(\frac{\mathrm{\&xi;}-{\mathrm{\&sigma;}}_n^2}{\frac{2}{M_2}{\mathrm{\&sigma;}}_n^4}\right)+P_{H_1}\&CenterDot;Q\left(\frac{\mathrm{\&xi;}-(1+\stackrel{\&OverBar;}{SNR}){\mathrm{\&sigma;}}_n^2}{\frac{2}{M_2}(1+2\stackrel{\&OverBar;}{SNR}){\mathrm{\&sigma;}}_n^4}\right);$

能量检测的最佳门限值ξ_opt为：

$\begin{array}{c}{\mathrm{\&xi;}}_{opt}=\mathrm{\&xi;}{|}_{\frac{\&part;Pe}{\&part;\mathrm{\&xi;}}=0}\\ =\frac{{\mathrm{\&sigma;}}_n^2}{2}+{\mathrm{\&sigma;}}_n^2\sqrt{\frac{1}{4}+\frac{\stackrel{\&OverBar;}{SNR}}{2}+\frac{4\stackrel{\&OverBar;}{SNR}+2}{M_2\&CenterDot;\stackrel{\&OverBar;}{SNR}}ln\left(\frac{P_{H_0}}{P_{H_1}}\sqrt{2\stackrel{\&OverBar;}{SNR}+1}\right)}\end{array};$

其中，表示为高斯噪声的噪声方差，为主用户PU的授权频段处于空闲状态H₀的概率，为主用户PU的授权频段处于占用状态H₁的概率；

(b)根据所得能量检测的最佳门限值ξ_opt，得到授权主用户的频谱为占用状态H₁的平均检测概率并以所得该平均检测概率作为辅助协作次用户集合S₂的辅助协作协作检测概率；其中：

$P_e=P_{H_0}{P}_f+P_{H_1}{P}_m,P_{H_1}=1-P_{H_0};$

$P_f=Q\left(\frac{{\mathrm{\&xi;}}_{opt}-{\mathrm{\&sigma;}}_n^2}{\frac{2}{M_2}{\mathrm{\&sigma;}}_n^4}\right),P_d=Q\left(\frac{{\mathrm{\&xi;}}_{opt}-(1+\stackrel{\&OverBar;}{SNR}){\mathrm{\&sigma;}}_n^2}{\frac{2}{M_2}(2\stackrel{\&OverBar;}{SNR}+1){\mathrm{\&sigma;}}_n^4}\right),P_m=1-P_d;$

$Q\left(z\right)={\&Integral;}_z^{\mathrm{\&infin;}}\frac{1}{\sqrt{2\mathrm{\&pi;}}}{e}^{-\frac{1}{2}{x}^2}dx,\stackrel{\&OverBar;}{SNR}=\frac{1}{M^2}\underset{k=1}{\overset{M_2}{\mathrm{\&Sigma;}}}{\mathrm{SNR}}_k;P_{d,H_1}=P_d,Q_{d,S_2}=P_{d,H_1};$

其中，为授权主用户PU的频谱处于空闲状态H₀的概率，为授权主用户PU的频谱处于占用状态H₁的概率，P_f为辅助协作次用户集合S₂内所有辅助协作次用户的协作虚警概率，P_d为辅助协作次用户集合S₂内所有辅助协作次用户的协作检测概率，P_m为辅助协作次用户集合S₂内所有辅助协作次用户的协作漏检概率；为辅助协作次用户集合S₂内所有协作次用户对应信噪比的平均值，Q(z)表示正态高斯互补积分函数；

步骤8，频谱感知融合中心根据M₁个分簇对应的簇内协作次用户的信噪比以及辅助协作次用户集合S₂内所有辅助协作次用户的信噪比，分别得到M₁个分簇的主协作贡献系数δ_l以及辅助协作次用户集合S₂的辅助协作贡献系数其中：

M₁个分簇各自对应的主协作贡献系数l＝1,2,…,M₁；

辅助协作次用户集合S₂的辅助协作贡献系数

其中，m_l表示第l个分簇内所有协作次用户的总数目，N₂表示辅助协作次用户集合S₂内所有辅助协作次用户的总数目；SNR_l,r表示第l个分簇内第r个协作次用户对应的信噪比；例如，SNR_2,3表示第2个分簇内第3个协作次用户对应的信噪比；SNR_q表示辅助协作次用户集合S₂内第q个协作次用户对应的信噪比；

步骤9，频谱感知融合中心根据各分簇的主协作贡献系数δ_l以及辅助协作次用户集合所对应的辅助协作贡献系数得到动态判决后的N个次用户的最终协作检测概率；其中，N个次用户的最终协作检测概率标记为Q_D：

$Q_D=(\underset{l=1}{\overset{M_1}{\&Pi;}}{\mathrm{\&delta;}}_l\&CenterDot;Q_{d,l})\&CenterDot;({\mathrm{\&delta;}}_{S_2}\&CenterDot;Q_{d,S_2}).$

其中，M₁表示在主协作次用户集合S₁中含有协作次用户的分簇数目。

Claims (1)

1.认知无线电频谱感知动态判决方法，用于授权主用户、频谱感知融合中心以及N个次用户形成的认知无线电网络中，其特征在于，依次包括如下步骤1至步骤9：

步骤1，N个次用户分别获取自身初始位置到授权主用户位置的距离值，并同时实时获取各次用户自身的信噪比、即时速度值、即时速度的方向角度值，并分别对授权主用户的频谱占用情况进行能量检测，然后由各次用户将检测结果以及自身信噪比分别发送给频谱感知融合中心；其中：

即时速度的方向角度值为次用户前进方向偏离该次用户初始位置至主用户位置连线的偏离角度，第i个次用户标记为CR_i，i＝1,2,…,N，N≥3，次用户CR_i自身的信噪比记为SNR_i，次用户CR_i的即时速度值标记为v_i，次用户CR_i的即时速度的方向角度值标记为θ_i；授权主用户标记为PU，频谱感知融合中心标记为FC；次用户CR_i自身初始位置到授权主用户位置的距离值标记为d_i；

步骤2，频谱感知融合中心预设协作次用户筛选信誉指数阈值，并根据N个次用户所发送来的信噪比，计算各次用户对应的信噪比在所有N个次用户信噪比集合中的信誉指数ω_i；其中，预协作设次用户筛选信誉指数阈值标记为ω₀，次用户CR_i所对应信噪比的信誉指数ω_i的计算公式如下：

${\mathrm{\&omega;}}_i=\frac{{\mathrm{SNR}}_i}{\sqrt{\frac{1}{N}\underset{i=1}{\overset{N}{\&Sigma;}}{\left({\mathrm{SNR}}_i\right)}^2}}\&CenterDot;\frac{\frac{1}{N}\underset{i=1}{\overset{N}{\&Sigma;}}{\mathrm{SNR}}_i}{\left(\frac{{\mathrm{SNR}}_{\max }+{\mathrm{SNR}}_{min}}{2}\right)};$

其中，SNR_max为N个次用户信噪比值中的最大信噪比值，SNR_min为N个次用户信噪比值中的最小信噪比值；

步骤3，频谱感知融合中心根据预设协作次用户筛选信誉指数阈值以及各次用户对应的信誉指数情况，筛选出参与协作检测的主协作次用户集合以及辅助协作次用户集合：

当次用户所对应的信誉指数大于预设次协作用户筛选信誉指数阈值ω₀时，则选择该次用户参与协作检测，并置入主协作次用户集合S₁中；否则，则将该次用户作为参与协作检测的辅助协作次用户，并置入辅助协作次用户集合S₂中；

其中，在主协作次用户集合S₁中，设定作为参与协作检测的次用户的总数目为N₁；在辅助协作次用户集合S₂中，设定作为参与协作检测的辅助协作次用户的总数目为N₂，且N₁+N₂＝N；

步骤4，在主协作次用户集合S₁中，再次预设M个按照升序排列的分簇阈值λ_j，频谱感知融合中心根据主协作次用户集合S₁中各协作次用户发送来的信噪比分别与各分簇阈值作判断比较，以得到M₁个独立的含有协作次用户的分簇；j＝1,2,…,M且λ₁<λ₂<…<λ_M；分簇标记为C_l，l＝1,2,…,M₁，1≤M₁≤M；其中，频谱感知融合中心对各协作次用户的分簇过程包括如下步骤4-1至步骤4-2：

步骤4-1，根据M个分簇阈值，设定M+1个分簇区间段分别为[-∞,λ₁)、[λ₁,λ₂)、…、[λ_M-1,λ_M)和[λ_M,∞)；其中，位于第一分簇内的协作次用户对应的信噪比处于[-∞,λ₁)区间段内，位于第二分簇内的协作次用户对应的信噪比处于[λ₁,λ₂)区间段内，依次类推，位于第M分簇内的协作次用户对应的信噪比处于[λ_M-1,λ_M)区间段内，位于第M+1分簇内的协作次用户对应的信噪比处于[λ_M,∞)区间段内；

步骤4-2，频谱感知融合中心分别将主协作次用户集合S₁中各协作次用户对应的信噪比与M+1个分簇区间段进行比较，以判决各协作次用户所处的分簇区间段；其中：

当协作次用户的信噪比处于分簇区间段[-∞,λ₁)或者[λ_M,∞)时，则不准该协作次用户参与协作检测，并将该协作次用户置入步骤3所述的辅助协作次用户集合S₂中；

步骤5，在含有协作次用户的M₁个分簇内，按照协作次用户对应信噪比从大到小的顺序，选择各分簇内具有最大信噪比的协作次用户作为该分簇的簇首次用户，并选择各分簇内具有最小信噪比的协作次用户作为该分簇的簇内感知融合中心，从而得到M₁个簇首次用户以及对应的M₁个簇内感知融合中心；其中，M₁≤M+1；

步骤6，针对M₁个分簇，依次得到各簇内的簇内协作检测概率和簇内协作虚警概率，并由各簇分别发送对应的簇内协作检测概率和簇内协作虚警概率给频谱感知融合中心；其中，各簇内频谱感知融合检测过程包括如下步骤6-1至步骤6-4：

步骤6-1，在一个分簇C_l内，协作次用户CR_m根据实时检测的检测时间间隔值△t_m、即时速度值v_m以及即时速度的方向角度值θ_m，得到协作次用户CR_m与授权主用户的实时距离△d_m之间的函数关系方程；其中：

${\mathrm{\&Delta;d}}_m=\sqrt{{(D_{0_m}+v_m\&CenterDot;{\mathrm{cos\&theta;}}_m)}^2+{(v_m\&CenterDot;{\mathrm{sin\&theta;}}_m)}^2};$

其中，△t_m表示协作次用户CR_m前后两次实时检测的检测时间间隔值；表示协作次用户CR_m初始位置至频谱感知融合中心FC的距离；

步骤6-2，根据协作次用户CR_m与授权主用户PU间的实时距离△d_m以及协作次用户CR_m的累计移动时间T_m，得到协作次用户CR_m在累计运动时间T_m内的平均速度值并将该平均速度值发送给该簇C_l的簇内感知融合中心；协作次用户CR_m的平均速度值计算如下：

$\stackrel{\&OverBar;}{v_m}=\frac{{\mathrm{\&Delta;d}}_m}{T_m};$

步骤6-3，协作次用户CR_m所处簇C_l的簇内感知融合中心根据簇内各协作次用户发送来的平均速度值，依次计算各协作次用户的速度对自身检测结果的动态影响因子κ_m；协作次用户CR_m所对应动态影响因子κ_m的计算如下：

${\mathrm{\&kappa;}}_m=\frac{max\left(\stackrel{\&OverBar;}{v}\right)-min\left(\stackrel{\&OverBar;}{v}\right)}{max\left(\stackrel{\&OverBar;}{v}\right)+min\left(\stackrel{\&OverBar;}{v}\right)}\&CenterDot;\frac{{\stackrel{\&OverBar;}{v}}_m\&CenterDot;{\mathrm{\&theta;}}_m}{\underset{k=1}{\overset{M_2}{\&Sigma;}}(\stackrel{\&OverBar;}{v_k}\&CenterDot;{\mathrm{\&theta;}}_k)};$

其中，M₂表示该协作次用户所处簇C_l内的所有协作从用户的总数目，表示该簇C_l内所有协作次用户的平均速度值中的最大值，表示该簇C_l内所有协作次用户的平均速度值中的最小值；

步骤6-4，根据所得簇C_l内各协作次用户对应的动态影响因子以及各协作次用户的检测结果，由该簇C_l内的簇内感知融合中心对簇内协作次用户的检测结果融合，以得到该簇内所有协作次用户的簇内协作检测概率和簇内协作检测的虚警概率；其中，簇内协作检测概率标记为Q_d,l，簇内协作虚警概率标记为Q_f,l，其中：

簇内协作检测概率簇内协作虚警概率l＝1,2,…,M₁，1≤M₁≤M；

步骤7，根据辅助协作次用户集合S₂中的各辅助协作次用户所对应的信噪比和检测概率，得到该辅助协作次用户集合S₂中的辅助协作协作检测概率和辅助协作协作虚警概率，并发送辅助协作协作检测概率和辅助协作协作虚警概率给频谱感知融合中心；辅助协作协作检测概率标记为辅助协作协作虚警概率标记为其中，辅助协作次用户集合S₂中的协作检测概率的计算过程包括如下步骤(a)至步骤(b)：

(a)设定关于决策门限的能量检测优化函数方程ξ，并根据能量检测优化函数方程ξ得到能量检测的最佳门限值；其中：

关于决策门限的能量检测优化函数方程ξ定义为：

$\mathrm{\&xi;}=\arg \min P_e=P_{H_0}\&CenterDot;Q\left(\frac{\mathrm{\&xi;}-{\mathrm{\&sigma;}}_n^2}{\frac{2}{M_2}{\mathrm{\&sigma;}}_n^4}\right)+P_{H_1\&CenterDot;Q}\left(\frac{\mathrm{\&xi;}-(1+\stackrel{\&OverBar;}{SNR}){\mathrm{\&sigma;}}_n^2}{\frac{2}{M_2}(1+2\stackrel{\&OverBar;}{SNR}){\mathrm{\&sigma;}}_n^4}\right);$

能量检测的最佳门限值ξ_opt为：

$\begin{array}{c}{\mathrm{\&xi;}}_{opt}=\mathrm{\&xi;}{|}_{\frac{\&part;Pe}{\&part;\mathrm{\&xi;}}=0}\\ =\frac{{\mathrm{\&sigma;}}_n^2}{2}+{\mathrm{\&sigma;}}_n^2\sqrt{\frac{1}{4}+\frac{\stackrel{\&OverBar;}{SNR}}{2}+\frac{4\stackrel{\&OverBar;}{SNR}+2}{M_2\&CenterDot;\stackrel{\&OverBar;}{SNR}}ln\left(\frac{P_{H0}}{P_{H1}}\sqrt{2\stackrel{\&OverBar;}{SNR}+1}\right)}\end{array};$

其中，表示为高斯噪声的噪声方差，为主用户PU的授权频段处于空闲状态H₀的概率，为主用户PU的授权频段处于占用状态H₁的概率，

(b)根据所得能量检测的最佳门限值ξ_opt，得到授权主用户的频谱为占用状态H₁的平均检测概率并以所得该平均检测概率作为辅助协作次用户集合S₂的辅助协作协作检测概率；其中：

$P_e=P_{H_0}{P}_f+P_{H_1}{P}_m,P_{H_1}=1-P_{H_0};$

P_m＝1-P_d；

$Q\left(z\right)={\&Integral;}_z^{\mathrm{\&infin;}}\frac{1}{\sqrt{2\mathrm{\&pi;}}}{e}^{-\frac{1}{2}{x}^2}dx,\stackrel{\&OverBar;}{SNR}=\frac{1}{M_2}\underset{k=1}{\overset{M_2}{\&Sigma;}}{\mathrm{SNR}}_k;P_{d,H1}=P_d,Q_{d,S_2}=P_{d,H1};$

其中，为授权主用户PU的频谱处于空闲状态H₀的概率，为授权主用户PU的频谱处于占用状态H₁的概率，P_f为辅助协作次用户集合S₂内所有辅助协作次用户的协作虚警概率，P_d为辅助协作次用户集合S₂内所有辅助协作次用户的协作检测概率，P_m为辅助协作次用户集合S₂内所有辅助协作次用户的协作漏检概率；为辅助协作次用户集合S₂内所有协作次用户对应信噪比的平均值，Q(z)表示正态高斯互补积分函数；

步骤8，频谱感知融合中心根据M₁个分簇对应的簇内协作次用户的信噪比以及辅助协作次用户集合S₂内所有辅助协作次用户的信噪比，分别得到M₁个分簇的主协作贡献系数δ_l以及辅助协作次用户集合S₂的辅助协作贡献系数δ_S2；其中：

M₁个分簇各自对应的主协作贡献系数

辅助协作次用户集合S₂的辅助协作贡献系数m_l表示第l个分簇内所有协作次用户的总数目，N₂表示辅助协作次用户集合S₂内所有辅助协作次用户的总数目；SNR_l,r表示第l个分簇内第r个协作次用户对应的信噪比；SNR_q表示辅助协作次用户集合S₂内第q个协作次用户对应的信噪比；

步骤9，频谱感知融合中心根据各分簇的主协作贡献系数δ_l以及辅助协作次用户集合所对应的辅助协作贡献系数δ_S2，得到动态判决后的N个次用户的最终协作检测概率；其中，N个次用户的最终协作检测概率标记为Q_D：

$Q_D=(\underset{l=1}{\overset{M_1}{\&Pi;}}{\mathrm{\&delta;}}_l\&CenterDot;Q_{d,l})\&CenterDot;({\mathrm{\&delta;}}_{S_2}\&CenterDot;Q_{d,S_2});$

其中，M₁表示在主协作次用户集合S₁中含有协作次用户的分簇数目。