基于線性加權(quán)的頻譜感知算法研究綜述

包志強(qiáng)　郭瑞星

摘 要： 頻譜感知技術(shù)通過認(rèn)知用戶對(duì)周圍頻譜資源的檢測(cè)發(fā)現(xiàn)頻譜空洞，從而可以動(dòng)態(tài)地接入該頻段，提高了頻譜資源的利用率。多節(jié)點(diǎn)合作頻譜感知可以解決單節(jié)點(diǎn)檢測(cè)時(shí)可能發(fā)生漏檢的缺點(diǎn)，因此合作頻譜感知技術(shù)得到了快速的發(fā)展。研究了合作頻譜感知技術(shù)中的加權(quán)算法，對(duì)每個(gè)用戶分配不同的權(quán)值，然后對(duì)線性加權(quán)算法做了仿真，并通過對(duì)算法的改進(jìn)，得到最終的檢測(cè)結(jié)果。

關(guān)鍵詞： 合作頻譜感知； 能量檢測(cè)算法； 線性加權(quán)算法； 頻譜空洞

中圖分類號(hào)： TN919.8?34 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2015）01?0026?04

Abstract： The spectrum holes can be found with the spectrum sensing technology according to the peripheral spectrum resources detected by the cognitive users， which can dynamically access the frequency band， and improve the utilization of the spectrum resource. Multi?node cooperative spectrum sensing can overcome the shortcomings that may occur when a single node is used for detection， so cooperative spectrum sensing technology has been developed rapidly. The weighted algorithm in the cooperative spectrum sensing technology is studied in this paper， in which different weight is distributed to each user， and then the simulation is carried out for the linear weighted algorithm. The final detected results were obtained on the basis of the improvement of the algorithm.

Keywords： cooperative spectrum perception； energy detection algorithm； linear weighted algorithm； spectrum hole

0 引 言

由于無線通信技術(shù)的快速發(fā)展，頻譜資源緊缺成為急需解決的問題。根據(jù)美國聯(lián)邦通信委員會(huì)（Federal Communication Commission，F(xiàn)CC）的調(diào)查顯示，授權(quán)用戶中只有15%～85%使用授權(quán)頻段，由此得出頻譜的利用率比較低[1]。

為了解決上述問題，提出了認(rèn)知無線電（Cognitive Radio，CR）技術(shù)。其核心是認(rèn)知用戶通過檢測(cè)頻譜空洞[2]，動(dòng)態(tài)地接入授權(quán)的空閑頻段中，當(dāng)認(rèn)知用戶檢查到主用戶時(shí)，立即退出該頻段，以免對(duì)授權(quán)用戶造成干擾。根據(jù)美國聯(lián)邦通信委員會(huì)的定義，Simon Haykin建立了認(rèn)知無線電的基本認(rèn)知環(huán)模型[3]，如圖1所示。

本文研究了信任度加權(quán)算法與均值加權(quán)，信噪比加權(quán)，最大比合并算法在AWGN信道和Rayleigh信道下做了對(duì)比，結(jié)果表明信任度加權(quán)算法的檢測(cè)性能優(yōu)于另外三種算法。在實(shí)際中，當(dāng)各認(rèn)知用戶將其檢測(cè)統(tǒng)計(jì)量和信噪比送到融合中心，融合中心不僅要根據(jù)其信噪比計(jì)算出各自的權(quán)值，還要計(jì)算加權(quán)和然后再做最后的判決，這樣融合中心的負(fù)擔(dān)會(huì)加重，尤其是在認(rèn)知用戶較多的情況下。因此，通過改進(jìn)，將權(quán)值的分配在送至融合中心之前完成，并且根據(jù)設(shè)定好的門限值，對(duì)每個(gè)認(rèn)知用戶分別判決，然后將判決結(jié)果送到融合中心，這樣融合中心接收到的是每個(gè)用戶的判決結(jié)果，再根據(jù)硬判決準(zhǔn)則做出最后的判決，仿真結(jié)果表明改進(jìn)后的檢測(cè)性能較傳統(tǒng)加權(quán)算法的檢測(cè)性能得到了提高。

1 頻譜感知算法簡(jiǎn)述

頻譜感知算法有不同的分類標(biāo)準(zhǔn)，根據(jù)參與檢測(cè)的節(jié)點(diǎn)的數(shù)目，可以分為單節(jié)點(diǎn)頻譜感知[4]和多節(jié)點(diǎn)頻譜感知[5]；根據(jù)是否需要主用戶的先驗(yàn)信息，可分為盲感知算法和非盲感知算法；按照網(wǎng)絡(luò)結(jié)構(gòu)的不同，可以分為集中式頻譜感知[5]和分布式頻譜感知[6]；按照數(shù)據(jù)融合方式的不同，可以分為硬合并[7]、軟合并[8]和雙門限[9]。

2 信任度加權(quán)合作感知算法

2.1 信任度函數(shù)

假設(shè)第i個(gè)認(rèn)知用戶和第j個(gè)認(rèn)知用戶感知到的信噪比分別為[γi]和[γj，]如果[γi]的真實(shí)性大于[γj，]那么[γi]被[γj]信任的程度也就大[10]。

2.6 仿真結(jié)果及分析

本文用Matlab在AWGN信道和Rayleigh信道下，對(duì)四種加權(quán)算法進(jìn)行了仿真。實(shí)驗(yàn)參數(shù)如下：自由度[u=5，]認(rèn)知用戶數(shù)[N=3，]信噪比分別為8 dB，9 dB，13 dB。

圖3表示在AWGN信道下，四種算法的檢測(cè)性能對(duì)比曲線。結(jié)果表明，信任度加權(quán)算法的檢測(cè)概率大于最大比合并算法的檢測(cè)概率，信噪比加權(quán)算法的檢測(cè)概率大于均值加權(quán)。

圖4表示在Rayleigh信道下的檢測(cè)性能對(duì)比曲線，從結(jié)果可以看出，四種算法的檢測(cè)概率比在AWGN信道下的檢測(cè)性能都下降了，但是，信任度加權(quán)算法的檢測(cè)概率仍然大于另外三種算法的檢測(cè)性能。

3 算法改進(jìn)及仿真

3.1 算法原理

為了減輕數(shù)據(jù)融合中心的負(fù)擔(dān)，同時(shí)避免能量和信噪比在傳輸中的損耗，將權(quán)值的計(jì)算與分配在發(fā)送能量值信號(hào)至融合中心之前完成[2]。原理框圖如圖5所示。

3.2 算法仿真結(jié)果及分析

實(shí)驗(yàn)參數(shù)如下：自由度[u=5，]認(rèn)知用戶數(shù)[N=3，]信噪比分別為-3 dB，-2 dB，2 dB。

改進(jìn)后，在AWGN信道下，四種算法的檢測(cè)性能對(duì)比曲線如圖6所示。由圖6可以看出，改進(jìn)后算法的性能得到了明顯的提高，信任度加權(quán)算法的檢測(cè)性能仍然是最高，其次是最大比合并算法，信噪比加權(quán)算法大于均值加權(quán)。如在虛警概率為0.1時(shí)，改進(jìn)前最大比合并算法的檢測(cè)概率約為0.5，而改進(jìn)后算法的檢測(cè)概率為0.8。

4 結(jié) 論

本文研究了信任度加權(quán)、信噪比加權(quán)、均值加權(quán)，最大比合并四種線性加權(quán)算法。線性加權(quán)的核心是如何獲得最優(yōu)的權(quán)值。因此，考慮到每個(gè)認(rèn)知用戶信任度不同對(duì)最后的結(jié)果的貢獻(xiàn)也不一樣，研究了指數(shù)函數(shù)的信任度函數(shù)，實(shí)驗(yàn)結(jié)果表明該算法不僅能夠?yàn)槊總€(gè)認(rèn)知用戶分配合理的權(quán)值，其檢測(cè)性能也得到提高。為了解決數(shù)據(jù)融合中心的負(fù)擔(dān)和數(shù)據(jù)在傳輸過程中的損耗，對(duì)傳統(tǒng)算法進(jìn)行了改進(jìn)，通過仿真對(duì)比比較，證明改進(jìn)的算法提高了整個(gè)系統(tǒng)的性能。

參考文獻(xiàn)

[1] AKYILDIZ I F， LEE W Y， VURAN M C， et al. NeXt generation/dynamic spectrum access/cognitive radio wireless networks： a survey [J]. Computer Networks， 2006， 50（13）： 2127?2159.

[2] HAYKIN S， THOMSON D J， REEd J H. Spectrum sensing for cognitive radio [J]. Proceedings of the IEEE， 2009， 97（5）： 849?877.

[3] HAYKIN S. Cognitive radio： brain?empowerd wireless communications [J].IEEE Journal on Selected Areas in Communications， 2005， 23（2）： 201?220.

[4] CABRIC D， TKACHENKO A， BRODERSEN R W. Experimental study of spectrum sensing based on energy detection and network cooperation [C]// Proceedings of The First International Workshop on Technology and Policy for Accessing Spectrum. New York， NY， USA： ACM， 2006： 111?118.

[5] PRATAS N， MARCHETTI N， PRASAD N， et al. Centralized cooperative spectrum sensing for Ad?hoc disaster relief network clusters [C]// 2010 IEEE 71st Vehicular Technology Confe?rence. [S.l.]： IEEE， 2010： 1?5.

[6] PRATAS N， MARCHETTI N， PRASAD N， et al. Adaptive counting rule for cooperative spectrum sensing under correla?ted environments [J]. Wireless Personal Communications， 2012， 64（1）： 93?106.

[7] QUAN Z， CUI S， SAYED A H. Optimal linear cooperation for spectrum sensing in cognitive radio networks [J]. IEEE Journal of Selected Topics in Signal Processing， 2008， 2（1）： 28?40.

[8] 焦竹青，熊偉麗，張林，等.基于信任度的多傳感器數(shù)據(jù)融合及其應(yīng)用[J].東南大學(xué)學(xué)報(bào)：自然科學(xué)版，2008，38（z1）： 253?257.

[9] 鄒衛(wèi)霞，丁奇，周正，等.基于特征值極限分布的雙門限頻譜感知算法[J].系統(tǒng)工程與電子技術(shù)，2012，34（3）：588?591.

[10] 楊鐵軍，司春麗.基于信任度加權(quán)的合作頻譜感知算法[J].計(jì)算機(jī)應(yīng)用研究，2012，29（8）：3124?3127.

[11] 胡富平.基于能量檢測(cè)的認(rèn)知無線電協(xié)作頻譜檢測(cè)研究[D].武漢：華中科技大學(xué)，2010.

[12] BIN SHAHID M I， KAMRUZZAMAN J. Weighted soft decision for cooperative sensing in cognitive radio networks [C]// 16th IEEE International Conference on Networks. [S.l.]： IEEE， 2008： 1?6.

[13] YUCEK T， ARSLAN H. A survey of spectrum sensing algorithms for cognitive radio applications [J]. IEEE Communications Surveys & Tutorials， 2009， 11（1）： 116?130.

[14] GHASEMI A， SOUSA E S. Opportunistic spectrum access in fading channels through collaborative sensing [J]. Journal of Communications， 2007， 2（2）： 71?82.

[15] SHEN B， HUANG L， ZHAO C， et al. Weighted cooperative spectrum sensing in cognitive radio networks [C]// Third International Conference on Convergence and Hybrid Information Technology. [S.l.]： IEEE， 2008， 1： 1074?1079.