CN114285506A - 一种混合式两级多星协作频谱感知方法 - Google Patents
一种混合式两级多星协作频谱感知方法 Download PDFInfo
- Publication number
- CN114285506A CN114285506A CN202111601948.9A CN202111601948A CN114285506A CN 114285506 A CN114285506 A CN 114285506A CN 202111601948 A CN202111601948 A CN 202111601948A CN 114285506 A CN114285506 A CN 114285506A
- Authority
- CN
- China
- Prior art keywords
- fusion
- cognitive user
- alliance
- spectrum sensing
- satellite
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000001228 spectrum Methods 0.000 title claims abstract description 68
- 238000000034 method Methods 0.000 title claims abstract description 31
- 230000004927 fusion Effects 0.000 claims abstract description 96
- 230000001149 cognitive effect Effects 0.000 claims abstract description 85
- 238000001514 detection method Methods 0.000 claims abstract description 36
- 230000008447 perception Effects 0.000 claims abstract description 16
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 13
- 238000007500 overflow downdraw method Methods 0.000 claims abstract description 7
- 230000005540 biological transmission Effects 0.000 claims description 11
- 230000006870 function Effects 0.000 claims description 10
- 238000005315 distribution function Methods 0.000 claims description 7
- 238000005516 engineering process Methods 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 239000011159 matrix material Substances 0.000 claims description 4
- 239000000126 substance Substances 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 4
- 239000000654 additive Substances 0.000 claims description 2
- 230000000996 additive effect Effects 0.000 claims description 2
- 230000001419 dependent effect Effects 0.000 claims description 2
- 230000005484 gravity Effects 0.000 claims description 2
- 238000010606 normalization Methods 0.000 claims description 2
- 238000004088 simulation Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000005562 fading Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 3
- 230000007423 decrease Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种混合式两级多星协作频谱感知方法,涉及认知卫星网络频谱感知技术领域;其包括:认知用户随机形成若干联盟,每个联盟中选择信噪比最高的节点作为联盟首领;所述联盟内采用基于信息熵的D‑S证据理论分布式协作频谱感知算法对感知信息进行一级融合,产生1bit融合结果;所述联盟之间采用集中式融合方法,融合中心通过K‑N准则对所述1bit融合结果进行二级融合;所述融合中心将二级融合后的感知结果广播给联盟内所有认知用户。本发明方法在检测概率和总误差率方面优于传统的融合规则,提高了协作感知性能。
Description
技术领域
本发明涉及认知卫星网络频谱感知技术领域,具体涉及一种混合式两级多星协作频谱感知方法。
背景技术
随着卫星业务需求的不断升级,使得当前卫星频谱资源越来越稀缺。认知无线电技术作为提高频谱利用率的有效手段被国内外研究学者广泛关注,早在1999年,Mitola博士就已经提出了认知无线电技术的概念,其主要目的是实时检测授权频段的占用情况,为认知用户(Secondary User,SU)提供可靠传输,而不会对授权用户(Primary User,PU)通信造成任何干扰。协作频谱感知作为认知无线电的关键技术之一,克服了阴影衰落、多径效应以及未知噪声干扰等因素造成的感知性能下降缺陷。然而,当大量用户需要协作感知时,可能导致较大的开销,为了缓解这个问题,将参与协作的用户分为集群或联盟,且为了获得最佳感知性能,选择合适的融合规则是至关重要的。
针对协作频谱感知容易受到噪声干扰,导致频谱检测概率低的问题,国内外许多学者都开展了相关研究,由于忽略了各个认知用户所处环境的差异,使得现有的研究中存在一些不足。
发明内容
针对未知环境下卫星极易受到各种噪声的干扰,且干扰信号剧烈变化,导致协作频谱感知准确度下降的问题,本发明提出一种混合式两级多星协作频谱感知方法。
为实现上述目的,本申请提出一种混合式两级多星协作频谱感知方法,包括:
认知用户随机形成若干联盟,每个联盟中选择信噪比最高的节点作为联盟首领;
所述联盟内采用基于信息熵的D-S证据理论分布式协作频谱感知算法对感知信息进行一级融合,产生1bit融合结果;
所述联盟之间采用集中式融合方法,融合中心通过K-N准则对所述1bit融合结果进行二级融合;
所述融合中心将二级融合后的感知结果广播给联盟内所有认知用户。
进一步的,考虑认知卫星网络感知地面网络PU对授权信道的使用情况,假设在当前共视区域存在多颗运行轨道高度不同的LEO卫星,其LEO卫星作为认知用户,该区域内LEO卫星自动结合为若干小联盟,在每个联盟中选择一个信噪比最高的节点作为联盟首领。
进一步的,所述联盟内采用基于信息熵的D-S证据理论分布式协作频谱感知算法对感知信息进行一级融合,产生1bit融合结果,具体为:
联盟内各个认知用户独立进行本地频谱感知,并根据感知信息通过D-S证据理论预估可信度{mk,i(H0),mk,i(H1)};
将信噪比、吞吐量和地理位置估计作为评估认知用户可靠性的指标;
采用基于信息熵的权值计算方法,获取权重参量ωk,i;
对所述新的可信度采用D-S融合规则进行一级融合,根据判决策略进行融合判决,得出1bit融合结果。
进一步的,所述联盟之间采用集中式融合方法,融合中心通过K-N准则对所述1bit融合结果进行二级融合,具体为:
以GEO卫星作为融合中心,通过公共控制信道收集各个联盟首领的感知决策结果,使用K-N融合法则进行二级融合。
本发明采用的以上技术方案,与现有技术相比,具有的优点是:本发明设计了混合式两级多星协作频谱感知方法(HTM-CSS),认知卫星随机形成若干联盟,在联盟内采用基于信息熵的D-S证据理论分布式协作频谱感知算法对感知信息进行一级融合,产生1bit融合结果。在联盟间采用集中式融合方法,将1bit融合结果发送至GEO融合中心,通过K-N融合规则进行二级融合,得到最终感知结果并广播给联盟内所有认知用户,有效的缓解了频谱感知准确度低的问题。
附图说明
图1为本发明一种混合式两级多星协作频谱感知方法的系统模型图;
图2为本发明协作频谱感知的帧结构图;
图3为本发明基于信息熵的D-S证据理论协作频谱感知融合决策方案的框架图;
图4为本发明D-S证据理论与每个认知用户在AWGN信道上的能量检测结果图;
图5为本发明D-S证据理论与每个认知用户在Rayleigh信道上的能量检测结果图;
图6为本发明AWGN信道上各个协作频谱感知算法ROC对比图;
图7为本发明Rayleigh信道上各个协作频谱感知算法ROC对比图;
图8为本发明K=3、6和9时总误差概率与信噪比的概率ROC曲线图;
图9为本发明不同信噪比下各协作频谱检测算法的漏检概率对比图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本申请,并不用于限定本申请,即所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
实施例1
本实施例提供一种混合式两级多星协作频谱感知方法,采用集中式频谱感知,引入一个非确定性区域,提出了一种线性加权融合方案,通过信噪比(Signal-to-NoiseRatio,SNR)为本地感知结果提供不同的权重,具有较好的感知性能;提出一种新的认知卫星地面网络,采用分布式协作频谱感知方法,以降低能耗为目标,主要研究能量检测阈值和融合规则,以实现最大的能量效率。采用一种基于信任加权的协作频谱感知算法,并且基于卫星集群的概念分析卫星系统的协作频谱感知过程,研究分簇拓扑管理,提高检测概率;通过一种基于联盟博弈的多卫星分布式协作感知策略,能够有效降低漏检概率与虚警概率,更适用于卫星,具有更好的频谱检测性能;考虑局部感知的可靠性,采用D-S证据理论组合来自不同的感知结果,该方案的性能远远优于传统的“AND”、“OR”组合算法;采用信噪比对各个认知用户SU的可信度进行评估,并为每个认知用户SU设置权重,在融合前利用终端的可靠性权重来更准确的调整感知数据,该方案显著提高了协作感知性能;其具体的实现方法为:
S1:认知用户随机形成若干联盟,每个联盟中选择信噪比最高的节点作为联盟首领;
具体的,在双层认知卫星网络上构建如图1所示系统,假设在当前共视区域存在多颗运行轨道高度不同的LEO卫星,该架构采用LEO卫星作为认知用户网络,该区域内LEO卫星自动结合为若干小联盟,在每个联盟中选择一个信噪比最高的节点作为联盟首领,并以GEO卫星作为最终的融合中心,融合各个联盟首领的感知结果进行最终融合判决。
需要说明的是,由于频谱感知具有周期性,其帧结构分为感知时隙和数据传输时隙,单个认知用户SU每隔一个感知帧发送一个本地感知信息。在感知持续时间内,卫星终端作为协同感知网络中的感知节点,可以检测到地面网络PU状态。在数据传输持续时间内,如果融合中心FC发出地面网络PU信道空闲的结果,卫星终端可以接入该空闲频谱,实现数据传输,感知帧结构模型如图2所示。
S2:所述联盟内采用基于信息熵的D-S证据理论分布式协作频谱感知算法对感知信息进行一级融合,产生1bit融合结果;
具体的,在联盟内采用分布式协作频谱感知方法,通过基于信息熵的D-S证据理论对联盟内各个认知用户SU感知信息进行一级融合,包括两个阶段:局部感知阶段和局部融合阶段。具体实施框架如图3所示,其实现过程包括:
S2.1联盟内各个认知用户独立进行本地频谱感知,并根据感知信息通过D-S证据理论预估可信度{mk,i(H0),mk,i(H1)};
具体的,考虑认知卫星网络随机分为K个联盟,Sk,M代表第k个联盟中有M个认知用户SU。联盟内每个认知卫星首先对地面网络PU是否占用信道进行本地频谱感知;将频谱感知技术表述为二元假设检验问题,假设N个样本被用于每个认知用户SU的能量检测,第i个认知用户SU的第j个样本处接收的采样信号为rk,i(j),1≤i≤M,1≤j≤N,表示为:
式中H0表示信道空闲,H1表示信道占用,s(j)表示授权用户发射的信号,nk,i(j)表示加性高斯白噪声,均值为零,方差为hk,i表示信道增益;因此,第i个认知用户SU在感知时间τ接收信号能量值可表示为:
式中,N=fk,i*τ表示在采样频率为fk,i,感知时间为τ下的采样点数,在N个样本的每个感知周期内计算检验统计量,λk,i表示判决门限,若Ek,i≤λk,i,表示信道空闲;相反若Ek,i>λk,i,则表示信道被占用。由中心极限定律得,当N足够大,在两种假设H1和H0下,Ek,i可近似认为是高斯随机分布,分别具有均值μ1,k,i,μ0,k,i和方差
式中,γk,i为第i个认知用户SU的信噪比。通过设置相应的判决门限λk,i,第i个认知用户SU的检测概率Pd,k,i和虚警概率Pf,k,i可表示为:
式中,Γ(·,·)为不完全伽马方程;Γ(·)为完全伽马方程。
D-S证据理论将不同来源的独立证据相互结合,数据融合后产生更加可靠的信息。将一组相互排斥的可能假设用集合Φ表示,Φ称为识别框架,证据理论定义了一个从2Φ→[0,1]的函数m称为基本概率分配函数BPA,A表示Φ的任一子集,m满足:
定义信度函数bel和似然函数pl,信任度是对假设信任程度的下限估计,似然度是对假设信任程度的上限估计,对所有的A∈Φ:
对同样的证据,数据来源不同,会得到多个不同的基本信任分配函数,通过D-S融合规则去构造合成的信任分配函数,即将各个数据源的基本信任分配函数正交相乘,从而得到:
其中,K是冲突因子,代表证据之间的冲突程度,被引入作为归一化因子。
在基于D-S证据理论的协作频谱感知中,每个节点必须根据局部感知数据估计基本概率分配,则mk,i(H0)为第i个认知用户SU检测为H0的基本信任函数,mk,i(H1)为第i个认知用户SU检测为H1的基本信任函数,mk,i(Ω)为第i个认知用户不能确定是H0、H1的基本信任函数。第i个认知用户SU的可信度预估表示为:
S2.2将信噪比、吞吐量和地理位置估计作为评估认知用户可靠性的指标;
具体的,由于在实际环境中,联盟内各个认知用户SU处于不同的位置,各个检测节点所接收到的地面网络PU信号是不一样的,如果不加区别的平等的对待每个感知节点的感知信息,可能会造成判决结果有较大的偏差甚至判决错误。为了获得更好的检测性能,对与其感知可靠性相对应的关键因素进行分析,包括信道的信噪比,吞吐量和地理位置,具体定义如下:
信道的信噪比:各认知用户SU的信噪比严格取决于信道条件,因此信噪比可以作为评估一个认知用户SU感知数据可靠性的很好指标,第i个认知用户SU的信噪比可以表示为公式(9):
式中,PPU表示地面网络PU的发送功率;第i个认知用户SU的信道增益hk,i表示PU到SU的距离损失;α表示依赖于信道的常数,u表示路径损耗指数,dk,i,PU表示PU到第i个SU的线性距离,表示噪声功率。
吞吐量:考虑到地面网络的真实状态和本地感知结果,信道的可靠性对协作感知性能有很大的影响,使用吞吐量作为反应信道可靠性的因素。卫星终端可以接入频谱有两种可能的情况,场景一:当地面网络空闲且无虚警发生时,卫星网络的吞吐量为Pk,i表示第i个认知卫星终端的发射功率;场景二:当地面网络处于活动状态,但认知用户SU不能正确检测,此时卫星网络的吞吐量为PPU表示地面终端的发射功率;根据实际情况分析了检测概率、虚警概率对认知用户SU有效吞吐量的影响,得到认知卫星网络的平均吞吐量表示为:
P(H0)和P(H1)分别表示地面网络空闲和占用的概率,且P(H0)+P(H1)=1;T-τ为数据发送持续时间;
由于C0,k,i>C1,k,i,故得到近似有效吞吐量,表示为:
地理位置估计:离PU越近的SU,可以更好地降低噪声不确定性和衰落的影响。此外,靠近联盟首领的SU能够保持相对较低的数据转发错误率。因此,预估地理位置可以由从SU到PU和联盟首领的距离来定义,其表示为:
上式中,di,PU和di,k分别表示第i个SU到PU和联盟首领的距离。
考虑到上述指标的评价标准不同,有必要对上述因素规范度量,然后通过熵权法客观确定相应的权重。
S2.3采用基于信息熵的权值计算方法,获取权重参量ωk,i;
具体的,相对于单卫星频谱感知,多星协作频谱感知技术充分利用参与用户感知环境的多样性来提高整体感知系统的准确性。本发明提出了一种基于信息熵的权值计算方法,客观的反映了联盟内各SU的可靠程度。信息熵是对信息无序程度的一种度量,强调某个属性或指标的重要程度。
联盟内各个SU集合为Sk,M={sk,1,sk,2…,sk,M},影响SU可靠性的多种因素的集合为F={f1,f2,…,fL},构建矩阵X:
其中,xil表示第i个SU的第l个指标值;为了消除各个因素不同维度带来的影响,需要对决策矩阵进行标准化,如下式所示:
其中,x′il是xil的标准化值。max{xl}和min{xl}分别是第l个指标的最大值和最小值。对于某一指标,x′il的差值越大,该指标对最终融合结果就越重要。
计算第l个指标的信息熵值Gk,i,l,如下式所示:
因此,用于D-S证据理论一级软决策的每个SU权重ωk,i可以表示为:
S2.5对所述新的可信度采用D-S融合规则进行一级融合,根据判决策略进行融合判决,得出1bit融合结果。
具体的,将加权后的新的可信度代入公式(7),对加权后预估可信度进行一级融合,得到系统的可信度Mk(H0)和Mk(H1),根据证据理论的判决决策:
系统的检测概率和虚警概率分别为:
S3:所述联盟之间采用集中式融合方法,融合中心通过K-N准则对所述1bit融合结果进行二级融合;
具体的,联盟之间采用集中式协作频谱感知,以GEO卫星作为融合中心FC,通过公共控制信道收集各个联盟首领的感知决策结果,使用K-N融合法则进行二级融合。如果ξ个以上联盟首领的感知结果表示PU存在,FC判定地面网络状态为忙碌,否则地面网络状态为空闲,其中ξ是融合规则的阈值,K是联盟首领的数量,且0<ξ≤K,FC的检测概率QD和虚警概率QF分别表示为:
S4:所述融合中心将二级融合后的感知结果广播给联盟内所有认知用户。
在仿真中,考虑1ms的感知时间,每个联盟由6个成员节点组成。考虑一个实际的场景,能量检测被用作SU的局部检测,其中6个分布式SU处于不同的信道条件下,6个SU的信噪比分别为-10、-12、-14、-16、-18和-20dB。本发明采用的基于D-S证据理论的方案以及单个SU的能量检测结果在AWGN和Rayleigh衰落信道下的仿真结果如图4和图5所示。结果分析可以看出6个SU协作感知的感知性能优于任何一个独立的SU。例如在AWGN下虚警概率为0.1时,在-10dB的信道条件下,本发明采用的方法较单个SU的检测概率提高了约14%。表1为本发明的仿真参数。
表1仿真参数
图6和图7展示了本发明提出的协作频谱感知算法与传统的And规则、Or规则、K-N规则和增强D-S理论规则在AWGN和Rayleigh衰落信道,不同信噪比环境下协作感知的检测性能。
在SU接收到的信噪比分别为-10、-12、-14、-16、-18和-20dB的条件下,图6和图7给出了不同融合规则的ROC(Receiver Operating Characteristics)曲线,第一类被认为是传统的硬判决协作频谱感知分为And规则、Or规则、K-N规则,硬决策降低了远距离传输的成本,但其感知性能较差。例如在Rayleigh条件下,当虚警概率为0.1时,And规则、Or规则、K-N规则的检测概率分别为0.2、0.33、0.38;第二类称为软判决协作频谱感知,参与协作SU将BPA感知数据发送至融合中心进行融合判决,因此具有较高的检测性能。而本发明提出的混合式协作频谱感知方案,采用软判决与硬判决结合的方式,进一步提高了频谱感知性能。例如在Rayleigh条件下,当虚警概率为0.1时,增强D-S理论规则和本方案的检测概率分别为0.48和0.62提高约14%。
总体上可以看出,Rayleigh信道条件下的频谱感知检测比AWGN信道条件下略有下降,以图6和图7仿真结果显示,当虚警概率为0.2时,Rayleigh信道下的检测概率比AWGN条件下的降低了约10%。
图8显示了在联盟个数分别为3、6和9,P=0.005时,所提出方案ROC曲线的总误差概率。从图中可以看出,随着信噪比的增加,总误差概率会逐渐降低。结果表明,信噪比的高低对检测精度有很大的影响。随着联盟数量的增加,所提方案的总错误率降低。
图9展示了And规则,Or规则,K-N规则,增强D-S理论规则以及提出方案的漏检概率,在AWGN条件下考虑6个联盟。仿真结果显示,And规则的漏检概率总是最大的,Or规则的漏检概率总是最小的,表明在实际场景中性能不适合。本发明提出的方案,对每个SU的感知结果进行加权操作,通过对BPA可信度进行调整,降低了融合的漏检率。例如,在信噪比为-16dB时,与增强D-S理论融合相比,该方案的漏检概率下降了8%。
前述对本发明的具体示例性实施方案的描述是为了说明和例证的目的。这些描述并非想将本发明限定为所公开的精确形式,并且很显然,根据上述教导,可以进行很多改变和变化。对示例性实施例进行选择和描述的目的在于解释本发明的特定原理及其实际应用,从而使得本领域的技术人员能够实现并利用本发明的各种不同的示例性实施方案以及各种不同的选择和改变。本发明的范围意在由权利要求书及其等同形式所限定。
Claims (9)
1.一种混合式两级多星协作频谱感知方法,其特征在于,包括:
认知用户随机形成若干联盟,每个联盟中选择信噪比最高的节点作为联盟首领;
所述联盟内采用基于信息熵的D-S证据理论分布式协作频谱感知算法对感知信息进行一级融合,产生1bit融合结果;
所述联盟之间采用集中式融合方法,融合中心通过K-N准则对所述1bit融合结果进行二级融合;
所述融合中心将二级融合后的感知结果广播给联盟内所有认知用户。
2.根据权利要求1所述一种混合式两级多星协作频谱感知方法,其特征在于,所述联盟内采用基于信息熵的D-S证据理论分布式协作频谱感知算法对感知信息进行一级融合,产生1bit融合结果,具体为:
联盟内各个认知用户独立进行本地频谱感知,并根据感知信息通过D-S证据理论预估可信度{mk,i(H0),mk,i(H1)};
将信噪比、吞吐量和地理位置估计作为评估认知用户可靠性的指标;
采用基于信息熵的权值计算方法,获取权重参量ωk,i;
对所述新的可信度采用D-S融合规则进行一级融合,根据判决策略进行融合判决,得出1bit融合结果。
3.根据权利要求2所述一种混合式两级多星协作频谱感知方法,其特征在于,联盟内各个认知用户独立进行本地频谱感知,并根据感知信息通过D-S证据理论预估可信度{mk,i(H0),mk,i(H1)},具体为:
将频谱感知技术表述为二元假设检验问题,假设N个样本被用于每个认知用户的能量检测,第i个认知用户的第j个样本处接收的采样信号为rk,i(j),1≤i≤M,1≤j≤N,其表示为:
式中H0表示信道空闲,H1表示信道占用,s(j)表示授权用户发射的信号,nk,i(j)表示加性高斯白噪声,均值为零,方差为hk,i表示信道增益,M表示联盟中认知用户数量;则第i个认知用户在感知时间τ接收信号能量值表示为:
式中,N=fk,i*τ表示在采样频率为fk,i,感知时间为τ下的采样点数,在N个样本的每个感知周期内计算检验统计量,λk,i表示判决门限,若Ek,i≤λk,i,表示信道空闲;相反若Ek,i>λk,i,则表示信道被占用;由中心极限定律得,当N足够大,在两种假设H1和H0下,Ek,i近似认为是高斯随机分布,分别具有均值μ1,k,i,μ0,k,i和方差
式中,γk,i为第i个认知用户的信噪比;通过设置相应的判决门限λk,i,第i个认知用户的检测概率Pd,k,i和虚警概率Pf,k,i分别表示为:
式中,Γ(·,·)为不完全伽马方程;Γ(·)为完全伽马方程。
4.根据权利要求3所述一种混合式两级多星协作频谱感知方法,其特征在于,D-S证据理论将不同来源的独立证据相互结合,一组相互排斥的可能假设用集合Φ表示,Φ称为识别框架,证据理论定义了一个从2Φ→[0,1]的函数m,称为基本概率分配函数BPA,A表示Φ的任一子集,m满足:
定义信度函数bel和似然函数pl,信任度是对假设信任程度的下限估计,似然度是对假设信任程度的上限估计,对所有的A∈Φ:
通过D-S融合规则去构造合成的信任分配函数,即将各个数据源的基本信任分配函数正交相乘,从而得到:
其中,K是冲突因子,代表证据之间的冲突程度,被引入作为归一化因子;
在基于D-S证据理论的协作频谱感知中,每个节点必须根据局部感知数据估计基本概率分配,则mk,i(H0)为第i个认知用户检测为H0的基本信任函数,mk,i(H1)为第i个认知用户检测为H1的基本信任函数,mk,i(Ω)为第i个认知用户不能确定是H0、H1的基本信任函数;则第i个认知用户的可信度预估表示为:
5.根据权利要求2所述一种混合式两级多星协作频谱感知方法,其特征在于,对认知用户感知可靠性相对应的关键因素进行分析,包括信道的信噪比,吞吐量和地理位置预估,具体定义如下:
第i个认知用户的信噪比表示为:
式中,PPU表示地面网络PU的发送功率;第i个认知用户的信道增益hk,i表示PU到认知用户的距离损失;α表示依赖于信道的常数,u表示路径损耗指数,dk,i,PU表示PU到第i个认知用户的线性距离,表示噪声功率;
当地面网络空闲且无虚警发生时,认知用户即卫星网络的吞吐量为Pk,i表示第i个认知卫星终端的发射功率;当地面网络处于活动状态,但认知用户即卫星网络不能正确检测,此时卫星网络的吞吐量为PPU表示地面终端的发射功率;得到卫星网络的平均吞吐量表示为:
P(H0)和P(H1)分别表示地面网络空闲和占用的概率,且P(H0)+P(H1)=1;T-τ为数据发送持续时间;
由于C0,k,i>C1,k,i,故得到近似有效吞吐量,表示为:
所述地理位置预估由从认知用户到地面网络PU和联盟首领的距离来定义,表示为:
式中,di,PU和di,k分别表示第i个认知用户到PU和联盟首领的距离。
6.根据权利要求2所述一种混合式两级多星协作频谱感知方法,其特征在于,采用基于信息熵的权值计算方法,获取权重参量ωk,i,具体为:
联盟内各认知用户集合为Sk,M={sk,1,sk,2…,sk,M},影响认知用户可靠性的多种因素集合为F={f1,f2,…,fL},构建矩阵X:
其中,xil表示第i个认知用户的第l个指标值;为了消除各个因素不同维度带来的影响,对决策矩阵进行标准化,表示为:
其中,x′il是xil的标准化值;max{xl}和min{xl}分别是第l个指标的最大值和最小值;对于某一指标,x′il的差值越大,该指标对最终融合结果就越重要;
计算第l个指标的信息熵值Gk,i,l,如下所示:
因此,用于D-S证据理论一级软决策的每个认知用户的权重参量ωk,i表示为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111601948.9A CN114285506B (zh) | 2021-12-24 | 2021-12-24 | 一种混合式两级多星协作频谱感知方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111601948.9A CN114285506B (zh) | 2021-12-24 | 2021-12-24 | 一种混合式两级多星协作频谱感知方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114285506A true CN114285506A (zh) | 2022-04-05 |
CN114285506B CN114285506B (zh) | 2023-11-07 |
Family
ID=80875275
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111601948.9A Active CN114285506B (zh) | 2021-12-24 | 2021-12-24 | 一种混合式两级多星协作频谱感知方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114285506B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080261639A1 (en) * | 2007-04-23 | 2008-10-23 | The Hong Kong University Of Science And Technology | Cluster-based cooperative spectrum sensing in cognitive radio systems |
US20100069013A1 (en) * | 2008-09-17 | 2010-03-18 | Motorola, Inc. | Method and apparatus for distributed sensing management and control within a cognitive radio network |
WO2012022170A1 (zh) * | 2010-08-17 | 2012-02-23 | 华为技术有限公司 | 频谱感知方法、装置及系统 |
CN102571240A (zh) * | 2012-02-15 | 2012-07-11 | 上海大学 | 一种运用改进能量检测器的协作频谱感知参数优化方法 |
WO2015039487A1 (zh) * | 2013-09-17 | 2015-03-26 | 中兴通讯股份有限公司 | 一种异构网络中频谱感知数据的处理方法及装置 |
CN105323024A (zh) * | 2015-11-16 | 2016-02-10 | 上海交通大学 | 一种网络信号强度检测及融合方法 |
CN110620611A (zh) * | 2019-09-29 | 2019-12-27 | 南京邮电大学 | 一种基于geo与leo双层卫星网络的协同频谱感知方法 |
-
2021
- 2021-12-24 CN CN202111601948.9A patent/CN114285506B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080261639A1 (en) * | 2007-04-23 | 2008-10-23 | The Hong Kong University Of Science And Technology | Cluster-based cooperative spectrum sensing in cognitive radio systems |
US20100069013A1 (en) * | 2008-09-17 | 2010-03-18 | Motorola, Inc. | Method and apparatus for distributed sensing management and control within a cognitive radio network |
WO2012022170A1 (zh) * | 2010-08-17 | 2012-02-23 | 华为技术有限公司 | 频谱感知方法、装置及系统 |
CN102571240A (zh) * | 2012-02-15 | 2012-07-11 | 上海大学 | 一种运用改进能量检测器的协作频谱感知参数优化方法 |
WO2015039487A1 (zh) * | 2013-09-17 | 2015-03-26 | 中兴通讯股份有限公司 | 一种异构网络中频谱感知数据的处理方法及装置 |
CN105323024A (zh) * | 2015-11-16 | 2016-02-10 | 上海交通大学 | 一种网络信号强度检测及融合方法 |
CN110620611A (zh) * | 2019-09-29 | 2019-12-27 | 南京邮电大学 | 一种基于geo与leo双层卫星网络的协同频谱感知方法 |
Non-Patent Citations (1)
Title |
---|
崔洁;黎漫斯;任席闯;: "基于联盟博弈论的认知无线电频谱感知算法研究", 舰船电子工程, no. 01 * |
Also Published As
Publication number | Publication date |
---|---|
CN114285506B (zh) | 2023-11-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | Byzantine attack and defense in cognitive radio networks: A survey | |
Teguig et al. | Data fusion schemes for cooperative spectrum sensing in cognitive radio networks | |
Visotsky et al. | On collaborative detection of TV transmissions in support of dynamic spectrum sharing | |
KR101469659B1 (ko) | 인지 무선 기반 주파수 자원 공유 시스템에서 효율적인 협력 스펙트럼 센싱을 위한 임의 접근 제어 기법 | |
Wei et al. | Energy-efficient distributed spectrum sensing for wireless cognitive radio networks | |
Chen et al. | A robust malicious user detection scheme in cooperative spectrum sensing | |
KR100970757B1 (ko) | 무선 인지 시스템에서 멀티 유저들을 위한 에너지 검출기반의 협력 채널 센싱 방법 | |
Chatterjee et al. | Fuzzy c-means clustering in energy detection for cooperative spectrum sensing in cognitive radio system | |
CN110649982B (zh) | 基于次用户节点选择的双阈值能量检测方法 | |
CN111465023B (zh) | 一种基于历史能量信息的自适应双门限频谱感知方法 | |
Gupta et al. | Improved weighted cooperative spectrum sensing algorithm based on reliability in cognitive radio networks | |
Yilmaz | Cooperative spectrum sensing and radio environment map construction in cognitive radio networks | |
CN113472463A (zh) | 一种认知无线网络中次用户违反干扰约束行为的检测方法 | |
CN109756283B (zh) | Geo卫星通信系统下行链路的频谱感知方法、装置及介质 | |
CN114285506B (zh) | 一种混合式两级多星协作频谱感知方法 | |
Liu et al. | Cooperative spectrum sensing and weighted-clustering algorithm for cognitive radio network | |
Khalid et al. | A weighted fusion scheme for cooperative spectrum sensing based on past decisions | |
Oksanen | Machine learning methods for spectrum exploration and exploitation | |
Mariani et al. | Recent advances on wideband spectrum sensing for cognitive radio | |
Banerjee et al. | Energy detection based cooperative spectrum sensing using fuzzy conditional entropy maximization | |
CN118041472B (zh) | 基于能量检测的可信度比较协作频谱感知优化方法及系统 | |
Jayaweera | Optimal node placement in decision fusion wireless sensor networks for distributed detection of a randomly-located target | |
Vishwakarma et al. | A Cooperative Spectrum Sensing Scheme using Particle Swarm Optimization and Cultural Algorithm | |
Mousavifar et al. | Centralized collusion attack in cognitive radio collaborative spectrum sensing | |
CN116131978B (zh) | 一种认知卫星网络协作频谱感知方法及认知卫星网络 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |