CN112020097B - 移动场景中基于能效优先的协作感知节点选取方法 - Google Patents

Abstract

本发明公开了移动场景中基于能效优先的协作感知节点选取方法，属于频谱感知领域。该方法包括：发起协作感知任务；协作融合簇头节点根据单个感知节点的虚警概率、检测概率以及协作感知的虚警概率和检测概率需求，计算协作感知节点数M；从感知节点集Ψ₁中选取M个感知节点作为初始时刻的协作感知节点，完成感知节点初选；从M个协作感知节点内选取K个感知节点作为最佳协作感知节点，完成感知节点优选；从感知节点集Ψ₄中选择M‑K个感知节点新增到协作感知节点集Ψ₂中，以确保协作感知节点总数为M，完成感知节点补缺。该方法以效能为目标，综合考虑了时间、空间、以及能耗对协作感知节点的影响，将该方法应用于协作感知过程中，能够有效地降低能耗。

Description

移动场景中基于能效优先的协作感知节点选取方法

技术领域

本发明属于频谱感知领域，具体涉及移动场景中基于能效优先的协作感知节点选取方法。

背景技术

频谱资源的短缺促使了认知无线电技术的诞生。频谱感知是认知无线电技术的基础和关键。次用户的感知能力决定着认知无线电系统能否具有更强的适应性、更宽的带宽、更少的冲突和更高的频谱利用率。单个用户的感知能力受环境衰弱和阴影影响，协作频谱感知是解决这种影响、提高无线电频谱感知能力的有效手段。

随着无线电技术的发展，协作感知在移动车联网、无线传感器网络和频谱检测等移动场景中的重要性日趋凸显。在移动场景下的协作频谱感知过程，由于主用户和次用户的移动性，导致次用户与主用户之间的感知距离实时变化，固定协作感知节点配置不能实时达到最佳协作感知性能。需要根据移动场景中主用户和次用户的移动特性、授权用户的工作状态变化、次用户间的空间位置关系以及次用户与授权用户间的空间位置关系等多方面综合性因素，动态选取和配置协作感知节点，实现最佳协作感知性能。

移动场景中协作感知节点的选取有利于提升对主用户的检测能力和降低虚警概率，从而保证次用户能够有效使用频谱，提升频谱利用率。现有技术中，提出了很多频谱感知方法，例如申请号为201510828669.4的中国专利公开了基于次用户数目优化的多用户协作频谱感知方法，该方法根据各次用户分别获取的频谱检测结果自适应地选取具有最低感知误差时对应的最佳协作次用户；申请号为201810735038.1的中国专利公开了一种基于协作感知节点选取和FCM算法的认知车联网频谱感知方法，该方法根据所需车流密度及车辆间距离确定参与协作车辆数，路侧单元利用车辆位置和车辆间相关性选取认知车辆进行协作频谱感知。

然而，在移动场景下的协作频谱感知时，不仅需要进行有效协作感知，同时还需要考虑感知能耗的问题，在申请号为201510828669.4的中国专利中，是以最低感知误差为目标，而为考虑能耗的问题；而在申请号为201810735038.1的中国专利中，虽然考虑了能耗问题，但是，可以发现，该专利中主要是在车联网领域，相对来讲，车辆中的能量是比较充足的，能搞保证协作感知过程的能量需求。然而，在很多技术领域中，可能无法像车辆中具有足够的能量。现有技术中，通常在协作感知过程中，也会采用随机选取协作感知节点，即随机节点法，但这种方法能耗比较高。

因此有必要考虑移动场景中，协作频谱感知时的能量消耗问题，如何在协作感知过程中，实时动态地选择协作感知节点，对主用户进行有效协作感知，并且降低能量消耗。

发明内容

技术问题：针对现有技术中进行协作感知，能量消耗相对较大的问题，本发明提供一种移动场景中基于能效优先的协作感知节点选取方法，以降低协作感知的总能耗为目的，在较少能耗的情况下，进行协作感知节点的选取。

技术方案：本发明移动场景中基于能效优先的协作感知节点选取方法，包括以下步骤：

步骤1：发起协作感知任务

次用户需要用频时，向认知网络中协作融合簇头节点发出协作感知任务请求，并且主用户与感知节点间相对运动；

步骤2：计算协作感知节点数

协作融合簇头节点根据单个感知节点的虚警概率、检测概率以及协作感知的虚警概率和检测概率需求，计算协作感知节点数M；

步骤3：初选协作感知节点

在初始时刻t₀，根据在协作融合簇头节点登记的感知节点的能量，计算主用户保护半径R范围内每个感知节点在t₀时刻的能耗比

其中，主用户保护半径R范围内的感知节点集表示为Ψ₁＝{ND_n,1≤n≤N}，N为主用户保护半径R范围内的感知节点总数，ND_n表示感知节点n，ΔE_nτ为感知节点n在单位时间τ内的能耗，

为感知节点n在t₀时刻的能量；从感知节点集Ψ₁中选取M个感知节点作为t₀时刻的协作感知节点，构成初选的协作感知节点集Ψ₂＝{ND_i,1≤i≤M}，ND_i表示协作感知节点i，

步骤4：优选协作感知节点

在t时刻，协作融合簇头节点组织协作感知节点进行频谱感知，当到达t+ΔT时刻，计算M个协作感知节点在t时刻能耗比r_it到t+ΔT时刻能耗比r_i(t+ΔT)的相对变化量{Δr_i,1≤i≤M}，ΔT为时间间隔，并从M个协作感知节点内选取K个感知节点作为t+ΔT时刻的K个最佳协作感知节点，构成协作感知节点优选集Ψ₃＝{ND_k,1≤k≤K}，其中，ND_k表示协作感知节点k，1≤K≤M，

步骤5：补缺协作感知节点

从协作感知节点优选集Ψ₃中，选取协作感知节点能耗比相对变化量Δr_k最小的1个感知节点ND_op，ND_op∈Ψ₃，然后计算主用户保护半径R范围内除Ψ₃集合外的感知节点集

中感知节点与ND_op的距离{d_j,1≤j≤N-K}，其中，ND_j表示协作感知节点j；从感知节点集Ψ₄中选择M-K个感知节点新增到协作感知节点集Ψ₂中，以确保协作感知节点总数为M；

步骤6：更新时间t，t＝t+ΔT，重复步骤4、步骤5，直到次用户感知任务结束。

进一步地，所述步骤1中，主用户与感知节点间相对运动时采用随机游走模型、随机路径模型、曼哈顿模型或高速公路模型。

进一步地，所述步骤2中，计算协作感知节点数M的方法为：

其中，P_f为协作感知的虚警概率，P_d为协作感知的检测概率，P_nf为感知节点n的虚警概率，P_nd为感知节点n的检测概率。

进一步地，所述步骤3中，初选协作感知节点的准则为协作感知节点能耗比之和最小，公式为：

其中，

表示在N个感知节点中任意选M个，M≤N。

进一步地，所述步骤3中，所述从感知节点集Ψ₁中选取M个感知节点作为t₀时刻的协作感知节点的方法为：将感知节点集Ψ₁中的感知节点的能耗比进行升序排列，并选取前M个感知节点作为t₀时刻的协作感知节点。

进一步地，所述步骤4中，从M个协作感知节点内选取K个感知节点作为t+ΔT时刻的最佳协作感知节点的方法为：

将M个协作感知节点的能耗比变化量Δr_i进行升序排列，并选取前K个协作感知节点作为t+ΔT时刻最佳协作感知节点。

进一步地，所述能耗比的相对变化量为Δr_i的计算方法为：

Δr_i＝r_i(t+ΔT)-r_it

＝(ΔE_i(t+ΔT)/E_i(t+ΔT)-ΔE_it/E_it),1≤i≤M

其中，r_i(t+ΔT)是感知节点i在t+ΔT时刻的能耗比，r_it是感知节点i在t时刻的能耗比，ΔE_i(t+ΔT)是感知节点i从t时刻到t+ΔT时刻的能耗，E_i(t+ΔT)是感知节点i在t+ΔT时刻的能量，ΔE_it是感知节点i从t-ΔT时刻到t时刻的能耗，E_it是感知节点i在时刻t的能量。

进一步地，所述感知节点i在t时刻的能耗比r_it的获取方法为：初始时刻t₀时，r_it的值由协作融合簇头节点通过查询记录获得，其他时刻通过公式r_it＝ΔE_it/E_it获得；

所述感知节点i在t+ΔT时刻的能耗比r_i(t+ΔT)在任意时刻通过计算r_i(t+ΔT)＝ΔE_i(t+ΔT)/E_i(t+ΔT)获得。

进一步地，所述步骤5中，从感知节点集Ψ₄中选择M-K个感知节点新增到协作感知节点集Ψ₂的方法为：将感知节点集Ψ₄中各感知节点与感知节点ND_op的距离d_j进行升序排列，选取前M-K个感知节点作为新增的协作感知节点增加到协作感知节点集Ψ₂中。

进一步地，所述步骤5中，主用户保护半径R范围内的感知节点集Ψ₄中的各感知节点与感知节点ND_op的距离{d_j,1≤j≤N-K}的计算方法为：

其中，x_j为感知节点j的地理横坐标值，x_op为感知节点ND_op的地理横坐标值，y_j为感知节点j的地理纵坐标，y_op为感知节点ND_op的地理纵坐标值，z_j为感知节点j的地理高度坐标，z_op为感知节点ND_op的地理高度坐标。

有益效果：本发明与现有技术相比，具有以下优点：

本发明中初始时刻协作感知节点的计算与选取由协作感知性能(包括检测概率和虚警概率)和各节点最后一次记录的能耗比决定，步进时间内最佳感知节点的选取由步进时间前后协作感知节点的能耗比相对变化量计算得到，步进时间内新的协作感知节点根据感知节点与最佳感知节点相对距离进行选取，该方法考虑了时间、空间与能耗对协作感知节点的影响，为协作感知节点选取提供了一种基于时域、空域和能量域的能效优先方法，可广泛应用于移动场景中需要选取协作感知节点的无线电领域。

附图说明

图1为本发明的方法的流程图；

图2为本发明的实施例1中的仿真结果图；

图3为本发明的实施例2中的仿真结果图；

图4为本发明的实施例3中的仿真结果图。

具体实施方式

下面结合实施例和说明书附图对本发明作进一步的说明。

结合图1所示，本发明的移动场景中基于能效优先的协作感知节点选取方法，包括：

步骤1：发起协作感知任务

次用户需要用频时，向认知网络中协作融合簇头节点发出协作感知任务请求，并且主用户与感知节点间相对运动。

说明的是，相对运动是指主用户相对于感知节点的位置是变化的，当某个次用户参与感知协作时，次用户即为感知节点。

在本发明的实施例中，主用户与感知节点间相对运动时采用随机游走模型、随机路径模型、曼哈顿模型或高速公路模型。

步骤2：计算协作感知节点数

协作融合簇头节点根据单个感知节点的虚警概率、检测概率以及协作感知的虚警概率和检测概率需求，计算协作感知节点数M；

在本发明的实施例中，如果主用户与感知节点间相对移动的模型采用随机游走模型、随机路径模型、曼哈顿模型或高速公路模型，则步骤2中计算协作感知节点数M方法为：

式(1)中，P_f为协作感知的虚警概率需求，P_d为协作感知的虚警概率需求，P_nf为感知节点n的虚警概率，P_nd为感知节点n的检测概率。

步骤3：初选协作感知节点

在初始时刻t₀，根据在协作融合簇头节点登记的感知节点的能量，计算主用户保护半径R范围内每个感知节点在t₀时刻的能耗比

其中，主用户保护半径R范围内的感知节点集表示为Ψ₁＝{ND_n,1≤n≤N}，N为主用户保护半径R范围内的感知节点总数，ND_n表示感知节点n，ΔE_nτ为感知节点n在单位时间τ内的能耗，

为感知节点n在t₀时刻的能量；从感知节点集Ψ₁中选取M个感知节点作为t₀时刻的协作感知节点，构成初选的协作感知节点集Ψ₂＝{ND_i,1≤i≤M}，ND_i表示协作感知节点i，

其中，在本发明的实施例中，初选协作感知节点的准则为协作感知节点能耗比之和最小，公式为：

其中，

表示在N个感知节点中任意选M个，M≤N。

从感知节点集Ψ₁中选取M个感知节点作为t₀时刻的协作感知节点的具体方法为：将感知节点集Ψ₁中的感知节点按能耗比升序排列，并选取前M个感知节点作为t₀时刻的协作感知节点。

步骤4：优选协作感知节点

在t时刻，协作融合簇头节点组织协作感知节点进行频谱感知，当到达t+ΔT时刻，计算M个协作感知节点在t时刻能耗比r_it到t+ΔT时刻能耗比r_i(t+ΔT)的相对变化量{Δr_i,1≤i≤M}，ΔT为时间间隔，并从M个协作感知节点内选取K个感知节点作为t+ΔT时刻的K个最佳协作感知节点，构成协作感知节点优选集Ψ₃＝{ND_k,1≤k≤K}，其中，ND_k表示协作感知节点k，1≤K≤M，

其中，能耗比的相对变化量为Δr_i的计算方法为：

式(3)中，r_i(t+ΔT)是感知节点i在t+ΔT时刻的能耗比，r_it是感知节点i在t时刻的能耗比，ΔE_i(t+ΔT)是节点i从t时刻到t+ΔT时刻的能耗，E_i(t+ΔT)是节点i在t+ΔT时刻的能量，ΔE_it是节点i从t-ΔT时刻到t时刻的能耗，E_it是节点i在时刻t的能量。

在初始时刻t₀时，r_it的值由协作融合簇头节点通过查询记录获得，其他时刻通过计算r_it＝ΔE_it/E_it获得，r_i(t+ΔT)在任意时刻通过公式r_i(t+ΔT)＝ΔE_i(t+ΔT)/E_i(t+ΔT)获得。

从M个协作感知节点内选取K个感知节点作为t+ΔT时刻的最佳协作感知节点的方法为：

将M个协作感知节点的能耗比变化量Δr_i进行升序排列，并选取前K个协作感知节点作为t+ΔT时刻最佳协作感知节点。

步骤5：补缺协作感知节点

从协作感知节点优选集Ψ₃中，选取协作感知节点能耗比相对变化量Δr_k最小的1个感知节点ND_op，ND_op∈Ψ₃，然后计算主用户保护半径R范围内除Ψ₃集合外的感知节点集

中感知节点与ND_op的距离{d_j,1≤j≤N-K}，其中，ND_j表示协作感知节点j；从感知节点集Ψ₄中选择M-K个感知节点新增到协作感知节点集Ψ₂中，以确保协作感知节点总数为M。

在本发明中，主用户保护半径R范围内的感知节点集Ψ₄中的各感知节点与ND_op的距离{d_j,1≤j≤N}的计算方法为：

式(4)中，x_j为感知节点j的地理横坐标值，x_op为感知节点ND_op的地理横坐标值，y_j为感知节点j的地理纵坐标，y_op为感知节点ND_op的地理纵坐标值，z_j为感知节点j的地理高度坐标，z_op为感知节点ND_op的地理高度坐标。

从感知节点集Ψ₄中选择M-K个感知节点新增到协作感知节点集Ψ₂中的公式为：

式(5)中，

示在N-K个感知节点中选取M-K个，min{·}为取最小值函数。

具体方法为：将感知节点集Ψ₄中各感知节点与感知节点ND_op的距离d_j进行升序排列，选取前M-K个感知节点作为新增的协作感知节点增加到协作感知节点集Ψ₂中。

步骤6：更新时间t，t＝t+ΔT，重复步骤4、步骤5，直到次用户感知任务结束。

在本发明的实施例中，存在两个特殊情况：

(1)在t+ΔT时刻，最佳协作感知节点个数为1时，此时K＝1，所述的协作感知节点补缺过程中，只选取Δr_i最小的1个感知节点，该节点为最佳感知节点ND_op，新增协作感知节点的选取结合该ND_op节点空域参数x_op，y_op和z_op，用公式(4)计算主用户半径R范围内各感知节点{ND_n,1≤n≤N-1}与ND_op的距离d_n，用公式(5)选取M-1个离ND_op距离近的节点作为新增协作感知节点。

(2)在t+ΔT时刻，最佳协作感知节点个数为M时，此时K＝M，所述的协作感知节点补缺过程中，新增协作感知节点选取时，选取的感知节点个数为M，t+ΔT时刻协作感知节点仍为t时刻选取的M个感知节点，新增的协作感知节点个数为0，不用进行公式(4)和公式(5)的计算。

为了突出本发明的有益效果，提供以下具体的仿真实例：

实施例1：

设定如下场景：主用户PU相对感知节点的运动模型为随机游走模型，仿真场景中次用户SU的数量N＝100，即场景中有100个感知节点，协作感知的虚警概率P_f＝0.01，协作感知的检测概率P_d＝0.9，感知节点n的虚警概率P_nf＝0.05，感知节点n的检测概率P_nd＝0.6088。

在所设定的场景下，对本发明的方法进行了仿真，同时为了对比，与随机节点法进行比较，对比结果如图2所示，图2给出了在所设定的仿真场景下，本发明的方法与随机节点法的对比结果，从图2可以看出，采用本发明的方法，能效比相对于随机节点法明显降低，也说明采用本发明的方法，能够在协作感知过程中，显著的降低能耗。

实施例2：

本实施例与实施例1的仿真场景基本相同，区别在于：协作感知的虚警概率P_f＝0.005，协作感知的检测概率P_d＝0.99。

图3给出了在该仿真场景下，本发明的方法与随机节点方法的对比结果。从图3可以看出，采用本发明的方法相比与随机节点法，能效比显著降低，从而说明了采用本发明的方法，能够在协作感知过程中，显著降低能耗。

实施例3：

本实施例与实施例1的仿真场景基本相同，区别在于：协作感知的虚警概率P_f＝0.001，协作感知的检测概率P_d＝0.999。

图4给出了在该仿真场景下，本发明的方法与随机节点方法的对比结果。从图4可以看出，采用本发明的方法相比与随机节点法，能效比显著降低，从而说明了采用本发明的方法，能够在协作感知过程中，显著降低能耗。

上述实施例仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和等同替换，这些对本发明权利要求进行改进和等同替换后的技术方案，均落入本发明的保护范围。

Claims (10)

1.移动场景中基于能效优先的协作感知节点选取方法，其特征在于，包括以下步骤：

步骤1：发起协作感知任务：

次用户需要用频时，向认知网络中协作融合簇头节点发出协作感知任务请求，并且主用户与感知节点间相对运动；

步骤2：计算协作感知节点数：

协作融合簇头节点根据单个感知节点的虚警概率、检测概率以及协作感知的虚警概率和检测概率需求，计算协作感知节点数M；

步骤3：初选协作感知节点：

在初始时刻t₀，根据在协作融合簇头节点登记的感知节点的能量，计算主用户保护半径R范围内每个感知节点在t₀时刻的能耗比

其中，主用户保护半径R范围内的感知节点集表示为Ψ₁＝{ND_n,1≤n≤N}，N为主用户保护半径R范围内的感知节点总数，ND_n表示感知节点n，ΔE_nτ为感知节点n在单位时间τ内的能耗，

为感知节点n在t₀时刻的能量；从感知节点集Ψ₁中选取M个感知节点作为t₀时刻的协作感知节点，构成初选的协作感知节点集Ψ₂＝{ND_i,1≤i≤M}，ND_i表示协作感知节点i，

步骤4：优选协作感知节点：

在t时刻，协作融合簇头节点组织协作感知节点进行频谱感知，当到达t+ΔT时刻，计算M个协作感知节点在t时刻能耗比r_it到t+ΔT时刻能耗比r_i(t+ΔT)的相对变化量{Δr_i,1≤i≤M}，ΔT为时间间隔，并从M个协作感知节点内选取K个感知节点作为t+ΔT时刻的K个最佳协作感知节点，构成协作感知节点优选集Ψ₃＝{ND_k,1≤k≤K}，其中，ND_k表示协作感知节点k，1≤K≤M，

步骤5：补缺协作感知节点：

从协作感知节点优选集Ψ₃中，选取协作感知节点能耗比相对变化量Δr_k最小的1个感知节点ND_op，ND_op∈Ψ₃，然后计算主用户保护半径R范围内除Ψ₃集合外的感知节点集

中感知节点与ND_op的距离{d_j,1≤j≤N-K}，其中，ND_j表示协作感知节点j；从感知节点集Ψ₄中选择M-K个感知节点新增到协作感知节点集Ψ₂中，以确保协作感知节点总数为M；

步骤6：更新时间t，t＝t+ΔT，重复步骤4、步骤5，直到次用户感知任务结束。

2.根据权利要求1所述的移动场景中基于能效优先的协作感知节点选取方法，其特征在于，所述步骤1中，主用户与感知节点间相对运动时采用随机游走模型、随机路径模型、曼哈顿模型或高速公路模型。

3.根据权利要求2所述的移动场景中基于能效优先的协作感知节点选取方法，其特征在于，所述步骤2中，计算协作感知节点数M的方法为：

其中，P_f为协作感知的虚警概率，P_d为协作感知的检测概率，P_nf为感知节点n的虚警概率，P_nd为感知节点n的检测概率。

4.根据权利要求1所述的移动场景中基于能效优先的协作感知节点选取方法，其特征在于，所述步骤3中，初选协作感知节点的准则为协作感知节点能耗比之和最小，公式为：

其中，

表示在N个感知节点中任意选M个，M≤N。

5.根据权利要求4所述的移动场景中基于能效优先的协作感知节点选取方法，其特征在于，所述步骤3中，从感知节点集Ψ₁中选取M个感知节点作为t₀时刻的协作感知节点的方法为：将感知节点集Ψ₁中的感知节点的能耗比进行升序排列，并选取前M个感知节点作为t₀时刻的协作感知节点。

6.根据权利要求1所述的移动场景中基于能效优先的协作感知节点选取方法，其特征在于，所述步骤4中，从M个协作感知节点内选取K个感知节点作为t+ΔT时刻的最佳协作感知节点的方法为：

将M个协作感知节点的能耗比变化量Δr_i进行升序排列，并选取前K个协作感知节点作为t+ΔT时刻最佳协作感知节点。

7.根据权利要求6所述的移动场景中基于能效优先的协作感知节点选取方法，其特征在于，所述能耗比的相对变化量为Δr_i的计算方法为：

Δr_i＝r_i(t+ΔT)-r_it

＝(ΔE_i(t+ΔT)/E_i(t+ΔT)-ΔE_it/E_it),1≤i≤M

其中，r_i(t+ΔT)是感知节点i在t+ΔT时刻的能耗比，r_it是感知节点i在t时刻的能耗比，ΔE_i(t+ΔT)是感知节点i从t时刻到t+ΔT时刻的能耗，E_i(t+ΔT)是感知节点i在t+ΔT时刻的能量，ΔE_it是感知节点i从t-ΔT时刻到t时刻的能耗，E_it是感知节点i在时刻t的能量。

8.根据权利要求7所述的移动场景中基于能效优先的协作感知节点选取方法，其特征在于，所述感知节点i在t时刻的能耗比r_it的获取方法为：初始时刻t₀时，r_it的值由协作融合簇头节点通过查询记录获得，其他时刻通过公式r_it＝ΔE_it/E_it获得；

所述感知节点i在t+ΔT时刻的能耗比r_i(t+ΔT)在任意时刻通过计算r_i(t+ΔT)＝ΔE_i(t+ΔT)/E_i(t+ΔT)获得。

9.根据权利要求1-8任一项所述的移动场景中基于能效优先的协作感知节点选取方法，其特征在于，所述步骤5中，从感知节点集Ψ₄中选择M-K个感知节点新增到协作感知节点集Ψ₂的方法为：将感知节点集Ψ₄中各感知节点与感知节点ND_op的距离d_j进行升序排列，选取前M-K个感知节点作为新增的协作感知节点增加到协作感知节点集Ψ₂中。

10.根据权利要求9所述的移动场景中基于能效优先的协作感知节点选取方法，其特征在于，所述步骤5中，主用户保护半径R范围内的感知节点集Ψ₄中的各感知节点与感知节点ND_op的距离{d_j,1≤j≤N-K}的计算方法为：

其中，x_j为感知节点j的地理横坐标值，x_op为感知节点ND_op的地理横坐标值，y_j为感知节点j的地理纵坐标，y_op为感知节点ND_op的地理纵坐标值，z_j为感知节点j的地理高度坐标，z_op为感知节点ND_op的地理高度坐标。

Images