基于集中式協(xié)作頻譜感知的數(shù)據(jù)融合技術(shù)研究

謝前英，姚遠(yuǎn)程，秦明偉（西南科技大學(xué)　信息工程學(xué)院，特殊環(huán)境機(jī)器人技術(shù)四川省重點(diǎn)實(shí)驗(yàn)室，四川　綿陽(yáng)　621000）

基于集中式協(xié)作頻譜感知的數(shù)據(jù)融合技術(shù)研究

謝前英，姚遠(yuǎn)程，秦明偉（西南科技大學(xué)信息工程學(xué)院，特殊環(huán)境機(jī)器人技術(shù)四川省重點(diǎn)實(shí)驗(yàn)室，四川綿陽(yáng)621000）

針對(duì)單節(jié)點(diǎn)頻譜感知中存在的隱蔽終端和多徑衰落問題，協(xié)作頻譜感知應(yīng)運(yùn)而生。協(xié)作頻譜感知有集中式和分布式之分。主要研究了集中式頻譜感知中的數(shù)據(jù)融合技術(shù)，通過MATLAB進(jìn)行建模仿真。仿真結(jié)果表明，集中式協(xié)作感知模型下軟判決比硬判決更好地改善了檢測(cè)性能，而軟判決準(zhǔn)則中C-V準(zhǔn)則在高信噪比下檢測(cè)性能最好，EGC準(zhǔn)則在低信噪比下檢測(cè)性能最好。

協(xié)作頻譜感知；數(shù)據(jù)融合；集中式；MATLAB

0　引言

協(xié)作頻譜感知算法是指在同一無線頻譜環(huán)境中對(duì)多個(gè)認(rèn)知用戶的感知結(jié)果進(jìn)行合并的一項(xiàng)技術(shù)，它能克服單節(jié)點(diǎn)檢測(cè)中出現(xiàn)的隱藏終端等問題，能提高系統(tǒng)的感知性能，增強(qiáng)低信噪比環(huán)境下頻譜感知的魯棒性［1］。

協(xié)作頻譜感知主要分為集中式頻譜感知和分布式頻譜感知，它們都是對(duì)各個(gè)認(rèn)知用戶結(jié)果進(jìn)行合并處理的一種方式。集中式頻譜感知是指各個(gè)認(rèn)知用戶首先獨(dú)立地進(jìn)行頻譜感知，然后各個(gè)認(rèn)知用戶將自己感知到的結(jié)果發(fā)送到數(shù)據(jù)融合中心，數(shù)據(jù)融合中心再根據(jù)一定的融合方法對(duì)結(jié)果進(jìn)行融合處理，從而得到最終的檢測(cè)結(jié)果，判斷出是否有頻譜空洞存在；而分布式頻譜感知是通過各個(gè)認(rèn)知用戶直接傳遞和共享感知信息來共同判定頻譜的使用情況［2］。本文主要研究基于集中式頻譜感知方式的數(shù)據(jù)融合技術(shù)。

1　集中式協(xié)作頻譜感知原理

集中式頻譜感知過程主要分為感知和決策兩個(gè)方面，首先各個(gè)認(rèn)知用戶通過一定的感知方法對(duì)主用戶信號(hào)進(jìn)行感知，得到各自的感知結(jié)果；其次各個(gè)認(rèn)知用戶將各自的感知結(jié)果傳送到數(shù)據(jù)融合中心進(jìn)行融合，進(jìn)而做出決策得到最終的判決結(jié)果。

集中式協(xié)作檢測(cè)數(shù)據(jù)融合模型如圖1所示。假設(shè)有n個(gè)認(rèn)知用戶參與協(xié)作頻譜檢測(cè)，每個(gè)認(rèn)知用戶根據(jù)獨(dú)立的頻譜感知方法得到本地判決結(jié)果ui，假設(shè)傳輸過程沒有噪聲，n個(gè)認(rèn)知用戶將各自的判決結(jié)果傳送到數(shù)據(jù)融合中心，數(shù)據(jù)融合中心按照一定的融合準(zhǔn)則對(duì)ui進(jìn)行合并處理得到最終的判決結(jié)果u0［3］。

2　常用數(shù)據(jù)融合方式

根據(jù)各個(gè)認(rèn)知用戶傳遞給數(shù)據(jù)融合中心感知信息類型的不同，數(shù)據(jù)融合的方法可以分為軟判決方式和硬判決方式［4］。

2.1硬判決

硬判決是指各個(gè)認(rèn)知用戶將代表主用戶是否存在的“0”或“1”信息傳送給數(shù)據(jù)融合中心，數(shù)據(jù)融合中心根據(jù)系統(tǒng)要求選取合適的融合準(zhǔn)則進(jìn)行合并。AND準(zhǔn)則、OR準(zhǔn)則以及K-N準(zhǔn)則是目前最常用的硬判決準(zhǔn)則。

AND準(zhǔn)則的基本思想是，當(dāng)所有的認(rèn)知用戶都判定信號(hào)存在時(shí)才最終判定有信號(hào)存在，數(shù)據(jù)融合中心采用邏輯“與”的方式對(duì)每個(gè)認(rèn)知用戶的判決結(jié)果進(jìn)行合并做出決策。假設(shè)有N個(gè)認(rèn)知用戶，各個(gè)認(rèn)知用戶獨(dú)立同分布。AND準(zhǔn)則是以降低檢驗(yàn)概率來減小系統(tǒng)整體虛警概率的。

OR準(zhǔn)則的基本思想可理解為當(dāng)且僅當(dāng)有一個(gè)認(rèn)知用戶判定信號(hào)存在就最終判定有信號(hào)存在，數(shù)據(jù)融合中心采用邏輯“或”的方式對(duì)各個(gè)認(rèn)知用戶的判決結(jié)果進(jìn)行合并做出決策。OR準(zhǔn)則是以增大虛警概率概率為代價(jià)來增大檢驗(yàn)概率的。

K-N準(zhǔn)則的基本思想是，在所有N個(gè)認(rèn)知用戶中有至少有K個(gè)認(rèn)知用戶判定結(jié)果為信號(hào)存在時(shí)，數(shù)據(jù)融合中心的最終判決結(jié)果才為有信號(hào)存在。OR準(zhǔn)則是指n=1時(shí)的情況，此時(shí)全局漏檢概率最低；AND準(zhǔn)則是指n=N的情況，此時(shí)全局漏檢概率最高。但是OR準(zhǔn)則是通過增大全局虛警概率來降低全局漏檢概率的，而AND準(zhǔn)則是通過增大漏檢概率來降低虛警概率的，所以需要找到一個(gè)最優(yōu)的合作用戶數(shù)使虛警概率和漏檢概率達(dá)到一個(gè)平衡。

2.2軟判決

軟判決是指各個(gè)認(rèn)知用戶將檢驗(yàn)統(tǒng)計(jì)量或者感知到的原始數(shù)據(jù)發(fā)送給數(shù)據(jù)融合中心，數(shù)據(jù)融合中心選擇適當(dāng)?shù)娜诤蠝?zhǔn)則做出最后判決。似然比算法和等增益算法是最常用的軟判決合作頻譜感知算法［5］。

2.2.1Chair-Varshney準(zhǔn)則似然比算法

Chair-Varshney（C-V）準(zhǔn)則是基于對(duì)數(shù)似然比的準(zhǔn)則，是在似然比檢測(cè)的基礎(chǔ)上提出的，各個(gè)認(rèn)知用戶基于能量檢測(cè)模型［6］得到單節(jié)點(diǎn)檢測(cè)統(tǒng)計(jì)量，再得出各自的似然比，接著把這些似然比傳送到數(shù)據(jù)融合中心進(jìn)行合并，最后根據(jù)合并后的結(jié)果做出判決，如果大于門限值則判定有信號(hào)存在，小于門限值則判定沒有信號(hào)存在。

在H1和H0條件下的似然比為：其中，式（1）左邊表示主用戶存在與不存在情況下檢測(cè)結(jié)果的似然比，P0和P1表示主用戶信號(hào)不存在與存在的概率，C10表示虛警代價(jià)，C01表示漏檢代價(jià)，C00和 C11表示正確判斷的代價(jià)。當(dāng)采用最小誤差概率準(zhǔn)則時(shí)，令C10=C01=1，C11=C00=0，則：

對(duì)上述公式進(jìn)行條件概率求解，并取對(duì)數(shù)，設(shè) Pdi為第 i個(gè)認(rèn)知用戶的檢驗(yàn)概率，Pfi為第 i個(gè)認(rèn)知用戶的虛警概率，有：

從而有：

令：

由此，得到數(shù)據(jù)融合中心的判決公式為：

假設(shè)各個(gè)認(rèn)知用戶的虛警概率和檢驗(yàn)概率均相同，即 Pdi=Pdj=Pd，Pfi=Pfj=Pf，得到融合中心的似然比分布為：

應(yīng)用該準(zhǔn)則時(shí)，困難的是需要知道檢驗(yàn)統(tǒng)計(jì)量的概率分布和主用戶存在與否的先驗(yàn)概率，這個(gè)只能從歷史概率來估計(jì)，故檢驗(yàn)統(tǒng)計(jì)量的似然比只能通過估計(jì)得到。

2.2.2線性加權(quán)融合算法

基于線性加權(quán)融合算法的頻譜感知框圖如圖2所示。每個(gè)認(rèn)知用戶基于能量檢測(cè)模型相互獨(dú)立地進(jìn)行觀測(cè)，并將檢驗(yàn)統(tǒng)計(jì)量傳送給數(shù)據(jù)融合中心進(jìn)行合并，數(shù)據(jù)融合中心對(duì)每個(gè)檢驗(yàn)統(tǒng)計(jì)量給予一個(gè)權(quán)重，形成全局統(tǒng)計(jì)量。表達(dá)式如式（9）所示：其中，yi表示第i個(gè)認(rèn)知用戶的檢驗(yàn)統(tǒng)計(jì)量，wi為第i個(gè)認(rèn)知用戶檢驗(yàn)統(tǒng)計(jì)量的權(quán)重。目前常用的線性加權(quán)融合算法有等增益融合算法和權(quán)重增益融合算法，在實(shí)際環(huán)境中，信噪比差異性比較大，可以用信噪比來確定權(quán)重，表示為：其中，γi為第i個(gè)認(rèn)知用戶接收到的平均信噪比。根據(jù)中心極限定理，數(shù)據(jù)融合中心進(jìn)行合并處理后的結(jié)果服從高斯分布，當(dāng)計(jì)算出融合處理中心的均值和方差后，就能計(jì)算出系統(tǒng)全局檢驗(yàn)概率和虛警概率。

圖2　基于線性加權(quán)的頻譜感知框圖

2.2.3等增益融合算法

等增益融合（EGC）算法是指所有的認(rèn)知用戶具有相同的權(quán)重。在等增益融合算法中，信息融合中心將接收各個(gè)認(rèn)知用戶的檢驗(yàn)統(tǒng)計(jì)量，以等增益的方式進(jìn)行融合，根據(jù)信息融合中心結(jié)果與預(yù)先設(shè)定的判決門限進(jìn)行比較，得到是否有信號(hào)存在的判決。

融合中心處的檢驗(yàn)統(tǒng)計(jì)量可表示為：

單個(gè)認(rèn)知用戶的檢驗(yàn)統(tǒng)計(jì)量服從以下分布：

則在數(shù)據(jù)融合中心的能量值服從以下分布：

在H0狀態(tài)下，數(shù)據(jù)融合中心的能量值服從自由度為2NTW的中心卡方分布；在H1狀態(tài)下，數(shù)據(jù)融合中心的能量值服從自由度為2NTW，非中心參數(shù)為2γt的非中心卡方分布。其中：其中，γi為信息融合中心的瞬時(shí)信噪比。

在等增益融合情況下，令u=TW，則虛警概率和檢驗(yàn)概率表示如下：其中，Γ（n）和Γ（a，x）是完全和不完全gamma函數(shù)，Qu（a，b）是廣義庫(kù)瑪Q函數(shù)。

等增益融合算法是指所有的認(rèn)知用戶具有相同的權(quán)重，由于在等增益融合算法中各個(gè)認(rèn)知用戶都將自身的信息全部發(fā)送到數(shù)據(jù)融合中心進(jìn)行處理，因此理論上等增益算法優(yōu)于信噪比加權(quán)算法。

3　融合準(zhǔn)則仿真分析比較

不同融合方法性能比較如圖3所示，仿真了本地頻譜感知和協(xié)作頻譜感知的ROC曲線。從圖中可以看出，協(xié)作頻譜感知的性能明顯高于本地頻譜感知的檢測(cè)性能，當(dāng)參與協(xié)作檢測(cè)的用戶數(shù)和全局虛警概率一定時(shí)，采用C-V準(zhǔn)則進(jìn)行數(shù)據(jù)融合的全局檢驗(yàn)概率最高，所對(duì)應(yīng)檢測(cè)性能最好。當(dāng)虛警概率較低時(shí)，AND準(zhǔn)則較OR準(zhǔn)則檢測(cè)性能好一些，隨著虛警概率的增大，OR準(zhǔn)則檢測(cè)性能比AND準(zhǔn)則性能好，這是因?yàn)锳ND準(zhǔn)則是以犧牲檢驗(yàn)概率來降低虛警概率的。

圖3　不同融合方法性能比較圖

硬判決和軟判決準(zhǔn)則性能比較如圖4所示，實(shí)驗(yàn)仿真了OR準(zhǔn)則、EGC準(zhǔn)則和C-V準(zhǔn)則在不同參與協(xié)作用戶數(shù)情況下的檢測(cè)性能對(duì)比。從圖中可以看出，在確定的參與協(xié)作用戶數(shù)下，隨著信噪比的增加，系統(tǒng)檢驗(yàn)概率增大，可以看到軟判決算法性能優(yōu)于硬判決準(zhǔn)則。在信噪比較低的情況下，EGC準(zhǔn)則檢測(cè)性能最高；在信噪比較高的情況下，C-V準(zhǔn)則的檢測(cè)性能最好。在信噪比確定時(shí)，系統(tǒng)檢測(cè)性能隨著參與協(xié)作檢測(cè)用戶數(shù)增加而增強(qiáng)。

圖4　硬判決和軟判決準(zhǔn)則性能比較圖

4　結(jié)論

本文針對(duì)集中式協(xié)作感知模型下的兩類數(shù)據(jù)融合算法進(jìn)行MATLAB仿真，結(jié)果表明這兩類算法都在一定程度上改善了單用戶對(duì)的檢測(cè)性能，但硬判決檢測(cè)性能不如軟判決，軟判決中C-V準(zhǔn)則在高信噪比下檢測(cè)性能最好，EGC準(zhǔn)則在低信噪比下檢測(cè)性能最好。

［1］江雪.認(rèn)知網(wǎng)絡(luò)中的協(xié)作頻譜感知技術(shù)研究［J］.數(shù)據(jù)通信，2009（4）：30-33

［2］于美婷.認(rèn)知無線電中協(xié)作頻譜感知算法研究［D］.西安：西安電子科技大學(xué)，2013

［3］ATTAPATU S，TELLAMBURA C，JIANG H.Energy detection based cooperative spectrum sensing in cognitive radio networks［J］. IEEE Transactions on Wireless Communications，2011，10（4）：1232-1241.

［4］SHEN B，KWAK K S.Softcombinationschemesfor cooperative spectrum sensing in cognitive radio networks［J］. ETRI Journal，2009，31（3）：263-270.

［5］Ma Jun，Zhao Guodong，Li Ye.Soft combination and detection for cooperative spectrum sensing in cognitive radio networks［J］.IEEE Transactions on Wireless Communications，2008，7（11）：4502-4507.

［6］陳蕾，姚遠(yuǎn)程，秦明偉.自適應(yīng)抗干擾通信系統(tǒng)中頻譜感知技術(shù)研究［J］.電視技術(shù)，2014，38（5）：101-104.

姚遠(yuǎn)程（1962-），碩士，教授，研究生導(dǎo)師，主要研究方向：雷達(dá)及通信收發(fā)系統(tǒng)。

秦明偉（1978-），博士研究生，副教授，主要研究方向：無線通信。

Research of data fusion technologies based on centralized cooperative spectrum sensing

Xie Qianying，Yao Yuancheng，Qin Mingwei
（Special Environment Sichuan Laboratory of Robotics，School of Information Engineering，Southwest University of Science and Technology，Mianyang 621000，China）

For the hidden terminal and multipath fading problems of single node spectrum sensing，collaborative spectrum sensing arises at the historic moment.Collaborative spectrum sensing can be centralized and distributed.This paper mainly studies the centralized spectrum sensing of data fusion technology.By modeling and simulating under MATLAB platform，results show that the soft decision in centralized collaborative model improves the detection performance better than hard decision.While the C-V criterion of soft decision is the best under high SNR，EGC criterion is the best under low SNR.

cooperative spectrum sensing；data fusion；centralized；MATLAB

TN92

A

1674-7720（2015）12-0054-03

2015-01-19）

謝前英（1991-），女，碩士研究生，主要研究方向：無線通信。