CN109088684B - 一种基于无人机的异构频谱网络三维频谱感知方法 - Google Patents

Abstract

本发明公开了一种基于无人机的异构频谱网络三维频谱感知方法，属于无线通信技术领域；首先定义了三维频谱接入机会，建立了三维空时机会感知模型并定义单个无人机和整个网络的空时虚警概率和空时检测概率作为检测性能的评价标准；接着基于无人机设计了三维空时感知框架应用于异构频谱环境中的频谱感知；随后对基本的三维空时感知算法进行了改进，提出了三种改进的空时融合算法；最后利用设计的基于感知的功率控制算法进行无人机发射功率的控制；本发明利用无人机的位置灵活性提出了一种异构频谱网络三维频谱感知算法，可以有效地帮助次级用户在三维异构频谱环境下高效挖掘并占用频谱空洞。

Description

一种基于无人机的异构频谱网络三维频谱感知方法

技术领域

本发明涉及无线通信技术领域，具体为一种基于无人机(UAV)的异构频谱网络中进行三维频谱感知的方法。

背景技术

近年来，随着无线设备和服务的爆炸式增长，日益拥挤的频谱与频谱资源利用不足之间的矛盾日益突出。一些未经许可的频段，如工业，科学，医疗频段和陆地移动通信的许可频段过于拥挤。但是，分配给广播电视或军用雷达的大多数许可频段通常使用效率低下。

因此，如果系统能够自动感知频谱环境，通过智能学习实时调整或调整传输参数，并占用许可给主用户的空闲频段，实现空间频谱的机会式占用，则频谱利用率无疑将得到提高。基于上述现有技术中的问题，认知无线电作为解决这一矛盾的有效方法出现了。频谱感知是认知无线电的重要组成部分，只有通过对相应的无线通信环境采用合适的频谱检测策略，次级用户才能以高检测概率检测频谱占用状态，从而做出是否接入频段的正确决策。

但是，有关认知无线电的研究都集中在1D或2D频谱空间中的时间或空间频谱感知，并假设所有次级用户共享相同的机会占用信道，而没有关于异构频谱的三维频谱机会利用的报道。1D或2D频谱空间中的时间或空间频谱感知并不能帮助次级用户在三维异构频谱环境下高效挖掘并占用频谱空洞。

发明内容

本发明针对现有技术中存在的问题，利用无人机的位置灵活性提出了一种异构频谱网络三维频谱感知算法，首先将三维异构频谱环境划分为黑灰白三层，定义了三维空时机会，并设计了一个三维空时感知框架，来进行三维异构环境的频谱感知，极大地提高了次级用户的频谱感知检测性能和频谱利用率。

本发明是这样实现的：

一种基于无人机的异构频谱网络三维频谱感知方法，其特征在于，具体步骤如下：

步骤一，建立三维空时机会感知模型，并定义单个UAV和整个网络的空时虚警概率和空时检测概率作为检测性能的评价标准；

步骤二，基于UAV设计三维空时感知(3DSTS)算法框架应用于异构频谱环境中的频谱感知；

步骤三，设计三种空时融合算法对基本的3DSTS算法进行改进；

步骤四，基于感知的功率控制算法进行无人机发射功率的控制，以此在对主用户干扰受限情况下提高频谱利用率。

进一步，步骤一具体为：

1.1，在三维半球型异构频谱环境中产生N架无人机，服从三维泊松分布，得到所有无人机的空间位置；初始化参数有主用户发射功率，主用户处于工作状态的概率P₁，主用户传输范围R_p，主用户受保护范围R_pp，以及主用户被感知范围R_s。整个网络空间被分为黑灰白三层，半径为 R_p的PU传输范围称为黑层，表示可以接收主用户信号的最远距离。白层半径R_s，称为PU能被感知范围。任何在R_s范围以外的无人机都无法探测到主用户信号了。灰层作为过渡层，半径为R_pp，将会采用功率控制方案来提高频谱利用率。基于在这个黑灰白层的认知无线电网络模型上，我们将数学化三维时空机会检测过程并设计三维时空感知框架。

1.2，对于性能评价标准，我们定义单个UAV和整个网络的空时虚警概率和时检测概率如下：

式中，状态O₀和O₁分别表示存在空时频谱机会和不存在空时频谱机会。k表示第k个感知周期，N表示网络中的所有无人机集合，N_in表示处于电视塔传输范围以内的无人机集合，T表示连续的感知周期集合；

1.3，采用能量检测方案，得到每架无人机的能量检测频谱感知结果：

式中，μ₀＝σ_n ²，μ₁(r_i)＝(1+γ_i)σ_n ²＝(1+γ_i)μ₀，σ₀ ²＝2σ_n ⁴/N，σ₁ ²(r_i)＝2(1+2γ_i)σ_n ⁴/N＝(1+2γ_i)σ₀ ²，x_i(n)表示第i架无人机在第n个采样的感知结果，

表示高斯噪声功率。M是采样数量，E_i(k)表示第i架无人机在第k个感知周期的感知结果。γ_i＝P_i(r_i)/σ_n ²表示第i架无人机接收到的信噪比；

由此可以得到非协同频谱感知时单个无人机和整个网络的空时虚警概率和空时检测概率：

式中，λ表示电视塔处于状态O₀还是O₁的判决门限，P₁表示电视塔处于工作状态的概率；T₀和T₁分别表示主用户信号不存在和存在；

和

分别表示第i架无人机在第k个感知周期的纯时域虚警概率和检测概率；

同理可以得到协同频谱感知(3DCS)的单个UAV和整个网络的空时虚警概率和空时检测概率：

式中，μ_3DCS,0和μ_3DCS,1(r_i)分别表示协同频谱感知(3DCS)方法中主用户不存在和存在时融合结果的均值，σ_3DCS,0 ²和σ_3DCS,1(r_i)²分别表示3DCS方法中主用户不存在和存在时融合结果的方差。

进一步，所述的步骤二具体为：

非协同频谱感知(3DNCS)和协同频谱感知(3DCS)作为基准算法，设计出针对三维异构频谱环境的三维空时频谱感知(3DSTS)算法，其中设计了一个时域融合窗和一个空域的融合球来分别进行时域和空域的信息融合；

1)时域融合：

其中E_i(k)表示第i架无人机在第k个感知周期的感知结果，k的取值范围为 t-l+1到t，即窗长度为l；ω_k为归一化的第k个感知周期的时域融合系数：

其中

τ是一个可调正参数；

2)空域融合：

其中

表示第i架无人机的第j架领居无人机的时域感知结果；S表示第i架无人机的领居无人机结合；ρ_j表示归一化第j架领居无人机的空间融合系数：

其中

θ是一个可调正参数；

3)空时融合；综合时域和空域融合得到空时联合感知结果为：

进而得到3DSTS的检测概率和虚警概率，

式中，μ_3DSTS,0和μ_3DSTS,1(r_i)分别表示三维空时频谱感知方法中主用户不存在和存在时融合结果的均值，σ_3DSTS,0 ²和σ_3DSTS,1(r_i)²分别表示三维空时频谱感知方法中主用户不存在和存在时融合结果的方差。

进一步，所述的步骤三具体为：

改进基本的3DSTS算法，得到三种改进算法，分别是双重融合三维空时感知(DF-3DSTS)，时域全空域感知(TGSS)和双重融合时域全空域感知(DF-TGSS)，他们各自的感知量如下所示：

式中，ρ_j'表示属于第j架无人机的领居中的第j'架领居无人机的空间融合系数，S_j'表示第j架无人机的邻居无人机集合，S_global表示异构频谱网络中所有无人机集合。

进一步，步骤四中：

理想发射功率的控制(Ideal 3D BGW)如下式所述：

式中，Π_peak表示无人机能发送的最大功率。I_th表示主用户传输范围边缘所能接受的干扰阈值。根据实际情况，对(r_i-R_p)进行估计，得到了基于三维空时感知的无人机发射功率的控制(3DSTS BGW)，如下公式所示：

式中，d_i,min表示第i架无人机与其领居无人机中最远的上报O₁无人机之间的距离；d_i,max表示第i架无人机与其领居无人机中最近的上报O₀无人机之间的距离，且该距离小于d_i,min。

本发明与现有技术的有益效果在于：

利用本发明的方法，解决了在异构频谱环境下，传统感知方案表现出协作感知并不有效，当次级用户处于主用户的传输范围以外时，过多的协作反而会引起很高的空间虚警概率的问题。通过设计了一种三维空时协同感知的算法，利用一个时间窗和一个空间球混合空间和时间感知结果的方法来进行异构频谱环境的频谱感知，经过传统感知方案比较，本发明方法中的协同频谱感知在异构环境下带来了比其他算法检测概率高出很多的效果；

另外本发明将三维异构频谱环境划分为黑灰白三层，定义了三维空时机会，并通过上述的三维空时感知方案设计了基于感知的无人机功率控制方案，该方案通过控制在灰层空间中无人机发射功率的大小以达到对主用户接收机干扰最小，因此通过这种干扰受限的功率控制手段带来了异构频谱环境下更高的频谱利用效率。

附图说明

图1是本发明一个实施例三维异构频谱网络模型图；

图2是本发明一个实施例时域融合图；

图3是本发明一个实施例空域融合图；

图4是本发明一个实施例3DSTS和基准算法的性能比较图；

图5是本发明一个实施例3DSTS和其改进算法的性能比较图；

图6是本发明一个实施例主用户工作概率P₁对各算法性能影响图；

图7是本发明一个实施例基于感知的功率控制模型图；

图8是本发明一个实施例无人机最大传输功率和网络平均MICTP关系图。

具体实施方式

为了使本发明的目的和效果更加清楚，下面结合附图对本发明方法的具体实施方式进行详细说明。

将认知无线电网络构建为如图1所示，其中电视塔位于半球中心和N架无人机随机分布在半球区域，服从三维泊松分布。整个网络空间被分为黑灰白三层，半径为R_p(主用户传输范围)的PU传输范围称为黑层，表示可以接收主用户信号的最远距离。白层半径R_s，称为PU能被感知范围(主用户被感知范围)。任何在R_s范围以外的无人机都无法探测到主用户信号了。灰层作为过渡层，半径为 R_pp(主用户受保护范围)，将会采用功率控制方案来提高频谱利用率。图1中半径为R_g的球称为融合球，球中心的无人机将会借助在融合球体内的邻居无人机的帮助做出感知决策。基于在这个黑灰白层的认知无线电网络模型上，我们将数学化三维时空机会检测过程并设计三维时空感知框架。

定义复合空时频谱假设检验：

式中，状态O₀和O₁分别表示存在空时频谱机会和不存在空时频谱机会。n_i(n) 表示加性高斯白噪声，方差为σ_n ²。s_i(n)表示主用户PU的传输信号。P_i(r_i)表示第 i架无人机接收到的信源信号。

对于性能评价标准，定义单个UAV和整个网络的空时虚警概率和空时检测概率如下：

其中，k表示第k个感知周期，状态O₀和O₁分别表示存在空时频谱机会和不存在空时频谱机会。N表示网络中的所有无人机集合，N_in表示处于电视塔传输范围以内的无人机集合，T表示连续的感知周期集合。

对于频谱感知信号检测的方法，我们采用最常见又简单高效的能量检测方案。采用的能量检测方案，得到每架无人机的能量检测频谱感知结果：

式中，μ₀＝σ_n ²，μ₁(r_i)＝(1+γ_i)σ_n ²＝(1+γ_i)μ₀，σ₀ ²＝2σ_n ⁴/N，σ₁ ²(r_i)＝2(1+2γ_i)σ_n ⁴/N＝(1+2γ_i)σ₀ ²，x_i(n)表示第i架无人机在第n个采样的感知结果，

表示高斯噪声功率。M是采样数量，E_i(k)表示第i架无人机在第k个感知周期的感知结果。γ_i＝P_i(r_i)/σ_n ²表示第i架无人机接收到的信噪比；

由此可以得到非协同频谱感知(3DNCS)时单个UAV和整个网络的空时虚警概率和空时检测概率：

其中λ表示电视塔处于状态O₀还是O₁的判决门限。P₁表示电视塔处于工作状态的概率。T₀和T₁分别表示主用户信号不存在和存在。

和

分别表示第 i架无人机在第k个感知周期的纯时域虚警概率和检测概率。

同理可以得到协同频谱感知(3DCS)的单个UAV和整个网络的空时虚警概率和空时检测概率，

式中，μ_3DCS,0和μ_3DCS,1(r_i)分别表示3DCS方法中主用户不存在和存在时融合结果的均值，σ_3DCS,0 ²和σ_3DCS,1(r_i)²分别表示3DCS方法中主用户不存在和存在时融合结果的方差。

3DNCS和3DCS作为基准算法，我们设计出针对三维异构频谱环境的三维空时频谱感知(3DSTS)算法，其中我们设计了一个时域融合窗和一个空域的融合球来分别进行时域和空域的信息融合，如图2和图3所示，图3中空心点所示的是无人机，实心黑点所示的是空间融合球内的无人机。在时域融合中，一个时域融合窗的融合结果为：

其中E_i(k)表示第i架无人机在第k个感知周期的感知结果，k的取值范围为 t-l+1到t，即窗长度为l。ω_k为归一化的第k个感知周期的时域融合系数，如公式 (17)所示，

τ是一个可调正参数。

针对空域融合，一个空域融合球的融合结果表示为

其中

表示第i架无人机的第j架领居无人机的时域感知结果；S表示第i 架无人机的领居无人机结合；ρ_j表示归一化第j架领居无人机的空间融合系数如公式(19)所示，

θ是一个可调正参数。

综合时域和空域融合我们可以得到空时联合感知结果为：

进而得到3DSTS的检测概率和虚警概率，

式中，μ_3DSTS,0和μ_3DSTS,1(r_i)分别表示三维空时频谱感知方法中主用户不存在和存在时融合结果的均值，σ_3DSTS,0 ²和σ_3DSTS,1(r_i)²分别表示三维空时频谱感知方法中主用户不存在和存在时融合结果的方差。

通过改进基本的3DSTS算法，得到三种改进算法，分别是双重融合三维空时感知(DF-3DSTS)，时域全空域感知(TGSS)和双重融合时域全空域感知 (DF-TGSS)，他们各自的感知量如下所示，

式中，ρ_j'表示属于第j架无人机的领居中的第j'架领居无人机的空间融合系数，S_j'表示第j架无人机的邻居无人机集合，S_global表示异构频谱网络中所有无人机集合。

仿真对比以上算法，如图4和5，图4是本实施例3DSTS和基准算法的性能比较图；图5是本实施例3DSTS和其改进算法的性能比较图。首先从图4可以看出与传统的算法相比，在异构频谱环境下，3DSTS凸显出了自己的优势，这也说明了协作不一定都是有效的。在异构环境下，当无人机处于主用户的传输范围以外时，过多的协作反而会引起很高的空间虚警概率。这也是为什么3DCS在异构环境下的虚警概率高出其他算法很多。而从图5可以看出，我们的改进算法是有效的。当白层半径R_s相对较小时，DF-3DSTS的检测性能优于3DSTS，但是在R_s较大时，DF-3DSTS可能就由于过多的空间融合而引起空间虚警概率，从而性能上稍微不如3DSTS。TGSS则在任何大小的白层半径R_s下，性能都好于 3DSTS。另外，DF-3DSTS和TGSS的结合算法DF-TGSS毫无疑问，性能是最好的。图6所示的所有的算法性能受主用户处于工作状态的概率P₁的影响情况，可以看出所有算法都是P₁越小，算法性能越好。

最后，我们针对黑灰白空间进行无人机发射功率控制，如图7所示，无人机 (图中黑点)在传输范围R_p内上报O₁，超出传输范围R_p的无人机(图中白点) 上报O₀。电视塔的受保护范围R_pp减去传输范围R_p等于融合球的半径R_g。因此，如果判定结果是O₁，则不允许无人机的信号传输；如果判定结果为O₀，则无人机进一步检查其邻居的判决结果：当所有邻居都上报O₀时，无人机可以以峰值功率发送信号，这意味着无人机位于保护范围R_pp之外或者电视塔处于空闲状态；然而，当一些邻居上报O₀并且一些上报O₁时，这意味着无人机位于功率控制的灰色层中。如下为理想三维黑灰白功率控制(Ideal 3D BGW),

式中，Π_peak表示无人机能发送的最大功率。I_th表示主用户传输范围边缘所能接受的干扰阈值。由于实际情况中主用户位置并不是确定的，所以对(r_i-R_p)进行估计得到公式(29)，其中d_i,min表示第i架无人机与其领居无人机中最远的上报O₁无人机之间的距离。d_i,max表示第i架无人机与其领居无人机中最近的上报O₀无人机之间的距离，且该距离小于d_i,min，这样就得到了基于三维空时感知的黑灰白层功率控制(3DSTS BGW)。

仿真结果如图8所示，可以看到相比较基准黑白层功率控制方案，3DSTS BGW呈现出单调递增的性能优势，而不是黑白层功率控制的先增后减性能曲线，主要是就是充分挖掘了灰层的频谱机会。

本发明不仅局限于上述具体实施方式，本领域一般技术人员根据本发明公开的内容，可以采用其它多种具体实施方案实施本发明。因此，凡是采用本发明的设计结构和思路，做一些简单的变化或更改的设计，都落入本发明保护范围。

Claims (4)

1.一种基于无人机的异构频谱网络三维频谱感知方法，其特征在于，具体步骤如下：

步骤一，定义三维空时机会，建立三维空时机会感知模型，并定义单个无人机和整个网络的空时虚警概率和空时检测概率作为检测性能的评价标准；

步骤二，基于无人机设计三维空时感知算法框架应用于异构频谱环境中的频谱感知；

步骤三，设计三种空时融合算法对基本的三维空时感知算法进行改进；具体为：改进基本的三维空时感知算法，得到三种改进算法，分别是双重融合三维空时感知，时域全空域感知和双重融合时域全空域感知，他们各自的感知量分别如下所示：

式中，ρ_j'表示属于第j架无人机的领居中的第j'架邻居无人机的空间融合系数，S_j

表示第j架无人机的邻居无人机集合，S_global表示异构频谱网络中所有无人机集合；

步骤四，基于感知的功率控制算法进行无人机发射功率的控制。

2.根据权利要求1所述的一种基于无人机的异构频谱网络三维频谱感知方法，其特征在于，步骤一具体为：

1.1，在三维半球型异构频谱环境中产生N架无人机，服从三维泊松分布，得到所有无人机的空间位置；初始化参数有主用户发射功率，主用户处于工作状态的概率P₁，主用户传输范围R_p，主用户受保护范围R_pp，以及主用户被感知范围R_s；

1.2，对于性能评价标准，定义单个无人机和整个网络的空时虚警概率和空时检测概率如下：

式中，k表示第k个感知周期，状态O₀和O₁分别表示存在空时频谱机会和不存在空时频谱机会；N表示网络中的所有无人机集合，N_in表示处于电视塔传输范围以内的无人机集合，T表示连续的感知周期集合；

1.3，采用能量检测方案，得到每架无人机的能量检测频谱感知结果：

式中，μ₀＝σ_n ²，μ₁(r_i)＝(1+γ_i)σ_n ²＝(1+γ_i)μ₀，σ₀ ²＝2σ_n ⁴/N，σ₁ ²(r_i)＝2(1+2γ_i)σ_n ⁴/N＝(1+2γ_i)σ₀ ²，x_i(n)表示第i架无人机在第n个采样的感知结果，

表示高斯噪声功率，M是采样数量，E_i(k)表示第i架无人机在第k个感知周期的感知结果，γ_i＝P_i(r_i)/σ_n ²表示第i架无人机接收到的信噪比；

由此可以得到非协同频谱感知时单个无人机和整个网络的空时虚警概率和空时检测概率：

式中，λ表示电视塔处于状态O₀还是O₁的判决门限，P₁表示电视塔处于工作状态的概率；T₀和T₁分别表示主用户信号不存在和存在；

和

分别表示第i架无人机在第k个感知周期的纯时域虚警概率和检测概率；

同理可以得到协同频谱感知的单个无人机和整个网络的空时虚警概率和空时检测概率：

式中，μ_3DCS,0和μ_3DCS,1(r_i)分别表示协同频谱感知方法中主用户不存在和存在时融合结果的均值，σ_3DCS,0 ²和σ_3DCS,1(r_i)²分别表示协同频谱感知方法中主用户不存在和存在时融合结果的方差。

3.根据权利要求1所述的一种基于无人机的异构频谱网络三维频谱感知方法，其特征在于，所述的步骤二具体为：

非协同频谱感知和协同频谱感知作为基准算法，设计出针对三维异构频谱环境的三维空时频谱感知算法，其中设计了一个时域融合窗和一个空域的融合球来分别进行时域和空域的信息融合；

1)时域融合：

其中E_i(k)表示第i架无人机在第k个感知周期的感知结果，k的取值范围为t-l+1到t，即窗长度为l；ω_k为归一化的第k个感知周期的时域融合系数：

其中

τ是一个可调正参数；

2)空域融合：

其中

表示第i架无人机的第j架领居无人机的时域感知结果；S表示第i架无人机的领居无人机结合；ρ_j表示归一化第j架领居无人机的空间融合系数：

其中

θ是一个可调正参数；

3)空时融合；综合时域和空域融合得到空时联合感知结果为：

进而得到三维空时感知的检测概率和虚警概率，

式中，μ_3DSTS,0和μ_3DSTS,1(r_i)分别表示三维空时频谱感知方法中主用户不存在和存在时融合结果的均值，σ_3DSTS,0 ²和σ_3DSTS,1(r_i)²分别表示三维空时频谱感知方法中主用户不存在和存在时融合结果的方差。

4.根据权利要求1所述的一种基于无人机的异构频谱网络三维频谱感知方法，其特征在于，步骤四中：

理想发射功率的控制如下式所示：

式中，Π_peak表示无人机能发送的最大功率；I_th表示主用户传输范围边缘所能接受的干扰阈值；基于实际情况，对(r_i-R_p)进行估计，得到了基于三维空时感知的无人机发射功率的控制，如下公式所示：

式中，d_i,min表示第i架无人机与其领居无人机中最远的上报O₁无人机之间的距离；d_i,max表示第i架无人机与其领居无人机中最近的上报O₀无人机之间的距离，且该距离小于d_i,min。

Images