一種雙重序貫檢測(cè)的協(xié)作頻譜感知方法

高銳,李贊,司江勃,齊佩漢,潘蕾

(西安電子科技大學(xué)綜合業(yè)務(wù)網(wǎng)國家重點(diǎn)實(shí)驗(yàn)室, 710071, 西安)

一種雙重序貫檢測(cè)的協(xié)作頻譜感知方法

高銳,李贊,司江勃,齊佩漢,潘蕾

(西安電子科技大學(xué)綜合業(yè)務(wù)網(wǎng)國家重點(diǎn)實(shí)驗(yàn)室, 710071, 西安)

針對(duì)現(xiàn)有認(rèn)知傳感網(wǎng)在低信噪比條件下感知性能差、感知時(shí)間長(zhǎng)、協(xié)作開銷大的問題,提出了一種雙重序貫檢測(cè)的協(xié)作頻譜感知(CSDS)方法。該方法首先在各傳感器節(jié)點(diǎn)將數(shù)據(jù)進(jìn)行分段處理,以各分段的能量作為一個(gè)樣本點(diǎn)進(jìn)行序貫檢測(cè),當(dāng)各節(jié)點(diǎn)的對(duì)數(shù)似然比和大于門限時(shí)向融合中心發(fā)送協(xié)作信息,然后在融合中心再進(jìn)行序貫檢測(cè)直到作出判決。理論推導(dǎo)給出了平均樣本數(shù)、平均感知時(shí)間等性能參數(shù)的精確表達(dá)式。采用Matlab的仿真結(jié)果表明:CSDS方法在低信噪比條件下,在保持感知性能的同時(shí),所需平均樣本數(shù)和平均感知時(shí)間低于能量檢測(cè)的40%,且協(xié)作開銷較現(xiàn)有協(xié)作序貫檢測(cè)方法顯著減少。

認(rèn)知傳感網(wǎng);協(xié)作感知;低信噪比;序貫檢測(cè)

在認(rèn)知傳感網(wǎng)(CRSN)中,為了保證頻譜的高效共享,傳感器節(jié)點(diǎn)必須具有快速準(zhǔn)確的頻譜感知的能力,這是認(rèn)知傳感網(wǎng)實(shí)現(xiàn)的重要環(huán)節(jié)[1]。然而,目前對(duì)頻譜感知的研究還存在許多問題,尤其是實(shí)際傳感器節(jié)點(diǎn)常處于低信噪比環(huán)境下,在此條件下頻譜感知往往難以同時(shí)滿足快速準(zhǔn)確的要求,這已成為制約認(rèn)知傳感網(wǎng)發(fā)展的瓶頸。

國內(nèi)外現(xiàn)有的頻譜感知方法主要有匹配濾波法[2]、循環(huán)平穩(wěn)檢測(cè)法[3]、特征值檢測(cè)法[4-5]、能量檢測(cè)法[6]、序貫檢測(cè)法[7-10]等,其中能量檢測(cè)法由于不需要信號(hào)先驗(yàn)信息、計(jì)算復(fù)雜度低等優(yōu)點(diǎn)在實(shí)際系統(tǒng)中得到最多應(yīng)用。然而,能量檢測(cè)法在低信噪比時(shí)性能急劇下降,難以滿足頻譜感知快速準(zhǔn)確的要求,而序貫檢測(cè)在達(dá)到相同檢測(cè)性能時(shí),需要的樣本點(diǎn)數(shù)最少,具有快速感知的優(yōu)勢(shì)。

單點(diǎn)頻譜感知易受陰影效應(yīng)等不利因素影響,而通過多個(gè)節(jié)點(diǎn)的協(xié)作感知,能有效提升感知性能,克服這些不利影響[11-12]。然而,協(xié)作感知雖然能通過獲得協(xié)作增益增強(qiáng)感知性能,但需要一定的協(xié)作開銷(overhead),也就是各感知節(jié)點(diǎn)需要向融合中心(FC)發(fā)送本地的感知信息。過大的協(xié)作開銷相對(duì)于有限的協(xié)作增益往往得不償失,因此如何能在保證獲得協(xié)作增益的同時(shí),減少協(xié)作開銷也就成為協(xié)作感知中面臨的一大挑戰(zhàn)。

針對(duì)以上問題,借助傳感器網(wǎng)絡(luò)組網(wǎng)規(guī)模大、適合協(xié)作的優(yōu)勢(shì)[13],本文提出了一種雙重序貫檢測(cè)的協(xié)作感知方法(CSDS)。該方法結(jié)合能量檢測(cè)和序貫檢測(cè)的優(yōu)點(diǎn),在保證感知性能的同時(shí),可有效減少感知時(shí)間和樣本數(shù),并具有協(xié)作開銷低的優(yōu)點(diǎn)。

1 系統(tǒng)模型

本節(jié)首先給出了頻譜感知的系統(tǒng)模型,并分析了傳統(tǒng)能量檢測(cè)方法的缺陷。

1.1 頻譜感知模型

假設(shè)在一個(gè)窄帶認(rèn)知傳感網(wǎng)中存在一個(gè)主用戶(PU),它允許次級(jí)用戶(SU)在頻譜空閑情況下使用該頻段。為了充分利用頻譜資源且不影響主用戶,次級(jí)用戶必須能夠快速、準(zhǔn)確地感知主用戶信號(hào)存在與否。為了提升感知性能,普通次級(jí)用戶將本地的感知信息傳輸?shù)饺诤现行?融合中心根據(jù)收到各SU節(jié)點(diǎn)的信息進(jìn)行判決。各傳感器節(jié)點(diǎn)頻譜感知可以看作是二元假設(shè)檢驗(yàn)問題,假設(shè)共有K個(gè)協(xié)作節(jié)點(diǎn),則第k個(gè)節(jié)點(diǎn)接收到采樣后的信號(hào)為

(1)

協(xié)作的方式為:FC向各感知節(jié)點(diǎn)發(fā)送感知PU的要求;各節(jié)點(diǎn)進(jìn)行感知,并向FC發(fā)送協(xié)作信息;FC根據(jù)各節(jié)點(diǎn)發(fā)送的信息進(jìn)行感知,直到做出最終判決。

1.2 傳統(tǒng)能量檢測(cè)方法及其缺陷

本文所提的方法是在傳統(tǒng)能量檢測(cè)方法(CED)的基礎(chǔ)上提出來的,因此有必要先簡(jiǎn)單回顧一下傳統(tǒng)能量檢測(cè)法和其存在的問題。

H1:TCED≥ρCED

(2)

H0:TCED<ρCED

(3)

式中:N表示樣本數(shù)。由統(tǒng)計(jì)學(xué)知識(shí)可知:如果N個(gè)相互獨(dú)立的隨機(jī)變量均服從高斯分布,則這N個(gè)隨機(jī)變量的平方和服從自由度為N的卡方分布;當(dāng)這N個(gè)隨機(jī)變量均值非零時(shí),它們的平方和構(gòu)成的隨機(jī)變量則服從非中心卡方分布。當(dāng)能量累積點(diǎn)數(shù)N足夠大時(shí),利用中心極限定理,卡方分布可以近似為高斯分布

H0:TCED～N(Nσ2,2Nσ4)

(4)

H1:TCED～N(N(σ2+P),2N(σ2+P)2)

(5)

頻譜感知通常采用Neyman-Pearson準(zhǔn)則,也就是在虛警概率小于設(shè)定值的情況下最大化檢測(cè)概率。對(duì)于能量檢測(cè)而言,首先給定虛警概率

(6)

ρCED=(2N)1/2σ2Q-1(pf,CED)+Nσ2

(7)

根據(jù)ρCED可以計(jì)算出檢測(cè)概率

(8)

由式(7)和(8),并考慮到在低信噪下[14]的情形1+γ≈1,不難得到

N≈2[Q-1(α)-Q-1(pd,CED)]2/γ2

(9)

式中:γ為信噪比,γ=P/σ2。從式(9)可以看出,在低信噪比條件下能量檢測(cè)需要的樣本數(shù)N與信噪比的平方γ2成反比。要想利用能量檢測(cè)方法在低信噪比條件下滿足感知性能要求,必須增加能量累積點(diǎn)數(shù)。當(dāng)采樣率一定時(shí),能量累積點(diǎn)數(shù)決定了感知時(shí)間,大量增加能量累積點(diǎn)數(shù)勢(shì)必會(huì)極大增加感知時(shí)間,無法滿足實(shí)際系統(tǒng)快速感知的需求。

2 基于序貫檢測(cè)的協(xié)作感知方法

針對(duì)現(xiàn)有頻譜感知方法存在的低信噪比條件下感知時(shí)間較長(zhǎng)的問題,本文引入了序貫檢測(cè)的思想,并與能量檢測(cè)和協(xié)作感知相結(jié)合,提出了一種雙重序貫檢測(cè)的協(xié)作感知方法——CSDS方法。

2.1 方法流程

(10)

(11)

然后,將一段數(shù)據(jù)的能量Yk(i)看成序貫檢測(cè)中的一個(gè)樣本點(diǎn),則接收信號(hào)的對(duì)數(shù)似然比為

(12)

各節(jié)點(diǎn)將本地對(duì)數(shù)似然比值進(jìn)行累加得到似然比和

Vk=∑λk(i)

(13)

當(dāng)|Vk|≥η時(shí),本地的感知節(jié)點(diǎn)向融合中心FC發(fā)送Vk,然后將Vk清零,即Vk=0。當(dāng)|Vk|<η時(shí),本地的感知節(jié)點(diǎn)不上傳協(xié)作信息,直接對(duì)下一段數(shù)據(jù)進(jìn)行處理,然后累加λk(i)直到|Vk|≥η,再向FC發(fā)送信息。各節(jié)點(diǎn)一直計(jì)算各段的對(duì)數(shù)似然比,直到融合中心做出判決。

現(xiàn)有的協(xié)作序貫檢測(cè)往往只在FC做序貫檢測(cè),而CSDS方法首先在各節(jié)點(diǎn)處做一次序貫檢測(cè)。這是因?yàn)閷?duì)于某一段具體數(shù)據(jù)的對(duì)數(shù)似然比值,可能會(huì)出現(xiàn)絕對(duì)值非常小的情況,如果還要直接將這些對(duì)數(shù)似然比值上傳到FC,對(duì)于判決產(chǎn)生的影響非常小,反而卻要消耗較多的協(xié)作開銷。因此,為了減小協(xié)作感知的開銷,本文在各節(jié)點(diǎn)首先進(jìn)行序貫檢測(cè),當(dāng)各節(jié)點(diǎn)的累積對(duì)數(shù)似然比值的絕對(duì)值|Vk|大于門限時(shí),才上傳Vk到FC,這樣保證了各節(jié)點(diǎn)每次上傳的數(shù)據(jù)都是有用的,或者說每次協(xié)作的開銷都是有用的。需要說明的是,本文中協(xié)作的開銷只考慮感知的開銷,可以理解為各節(jié)點(diǎn)向FC發(fā)送數(shù)據(jù)的總次數(shù)。

FC根據(jù)各節(jié)點(diǎn)傳輸?shù)膶?duì)數(shù)似然比值,進(jìn)行第2次的序貫檢測(cè),計(jì)算檢測(cè)統(tǒng)計(jì)量Z(m)并與判決門限進(jìn)行比較得到判決結(jié)果,其描述為

(14)

式中:Z(0)=0,m=1,2,…;U(i)為按先后順序FC接收到的各傳感器節(jié)點(diǎn)上傳的Vk值;θ1和θ0為序貫檢測(cè)的門限。CSDS方法中,各感知節(jié)點(diǎn)傳到FC的數(shù)據(jù)既不是各點(diǎn)的判決結(jié)果,也不是各點(diǎn)的原始數(shù)據(jù),而是檢測(cè)統(tǒng)計(jì)量。CSDS方法的流程如圖1所示。

圖1 CSCD方法流程

2.2 參數(shù)設(shè)置

為了滿足式(10)和(11),L必須足夠大,以保證中心極限定理成立。圖2給出了不同自由度L下的高斯分布和卡方分布之間的相對(duì)熵,可以看出隨著L的增大,相對(duì)熵的值越來越小,當(dāng)L≥20時(shí)2種不同分布的相對(duì)熵接近于0。因此,可以認(rèn)為當(dāng)每段的序列長(zhǎng)度L≥20時(shí),式(10)和(11)成立。

圖2 不同自由度下的高斯分布和卡方分布間的相對(duì)熵

本地序貫檢測(cè)門限η的大小對(duì)ASN有一定的影響。當(dāng)η太小時(shí),幾乎所有|λk(i)|≥η,此時(shí)這個(gè)門限將失去意義。當(dāng)η太大時(shí),最后在FC進(jìn)行的序貫檢測(cè)在停止時(shí),可能會(huì)越過門限很多,會(huì)增加系統(tǒng)的ASN。本文選取協(xié)作各節(jié)點(diǎn)中信噪比最好的節(jié)點(diǎn)作為參考,該節(jié)點(diǎn)的平均對(duì)數(shù)似然比值為

(15)

(16)

(17)

需要指出的是,雖然η是依據(jù)信噪比最好的節(jié)點(diǎn)的平均對(duì)數(shù)似然比值來取的,但不代表這個(gè)節(jié)點(diǎn)每次都會(huì)向FC上報(bào)數(shù)據(jù),因?yàn)閷?duì)于該節(jié)點(diǎn)某一次的對(duì)數(shù)似然比值可能會(huì)小于平均對(duì)數(shù)似然比值。

圖3 判決域示意圖

(18)

(其中λ(j)為上傳到FC的數(shù)據(jù)中對(duì)應(yīng)的λk(i),Y(m)也就是相應(yīng)的Yk(i)值),當(dāng)判決為H1時(shí)T(m)≥θ1,所以

(19)

因此可以求得

θ1≤ln[(1-β)/α]

(20)

同理可得

θ0≥ln[β/(1-α)]

(21)

所以FC中的判決門限為

θ1=ln[(1-β)/α],θ0=ln[β/(1-α)]。

3 性能分析

檢測(cè)概率、虛警概率、平均樣本數(shù)、感知時(shí)間是衡量頻譜感知方法最重要的幾個(gè)性能指標(biāo)。由于CSDS方法需要事先設(shè)定檢測(cè)概率和虛警概率,也就是說檢測(cè)概率和虛警概率可以根據(jù)不同的需求來確定,因此本文將主要分析系統(tǒng)的平均樣本數(shù)和感知時(shí)間。

3.1 系統(tǒng)的平均樣本數(shù)

由于每段數(shù)據(jù)能量可以看成一個(gè)樣本點(diǎn),因此求出平均樣本段數(shù),就可求出ASN。

雖然在FC中進(jìn)行了序貫檢測(cè),但這里不直接考慮FC中的序貫檢測(cè)到底需要多少樣本點(diǎn),而應(yīng)該考慮各感知節(jié)點(diǎn)一共處理了多少段數(shù)據(jù)。這是因?yàn)镕C中的每一個(gè)樣本點(diǎn)是由多段數(shù)據(jù)得到的。由參考文獻(xiàn)[7]可以得到序貫檢測(cè)在H0和H1下的平均樣本數(shù),也就是平均樣本段數(shù)為

(22)

(23)

式中:E[λ(j)|H0]和E[λ(j)|H1]分別為H0和H1下平均每段數(shù)據(jù)的對(duì)數(shù)似然比。對(duì)于單點(diǎn)CSDS方法的平均對(duì)數(shù)似然比值為

(24)

(25)

而對(duì)于多感知節(jié)點(diǎn)的情形,本文假設(shè)各節(jié)點(diǎn)采樣速率一樣,又由于各節(jié)點(diǎn)每段數(shù)據(jù)長(zhǎng)度均為L(zhǎng),有

(26)

(27)

由平均需要的段數(shù)和每段數(shù)據(jù)長(zhǎng)度,結(jié)合式(22)、(23)、(26)和(27)不難得到平均樣本數(shù)為

(28)

(29)

3.2 平均感知時(shí)間

隨著處理芯片性能的增強(qiáng),實(shí)際系統(tǒng)中處理數(shù)據(jù)的速度越來越快,可以認(rèn)為感知過程中所花的主要時(shí)間是數(shù)據(jù)采樣的時(shí)間,因此本文只考慮將采樣所消耗的時(shí)間作為平均感知時(shí)間。式(28)和(29)給出了協(xié)作感知中總體的平均樣本數(shù),而采樣的時(shí)間僅受每個(gè)節(jié)點(diǎn)的ASN影響。當(dāng)認(rèn)知傳感網(wǎng)中各節(jié)點(diǎn)采樣速率相同時(shí),每個(gè)節(jié)點(diǎn)上的ASN為

Ek[N|H0]=E[N|H0]/K

(30)

Ek[N|H1]=E[N|H1]/K

(31)

假設(shè)系統(tǒng)的采樣間隔為T,則不難得出感知所需的平均時(shí)間為

tH0=E[N|H0]T/K

(32)

tH1=E[N|H1]T/K

(33)

從式(32)和(33)可以看出,CSDS方法將序貫檢測(cè)分配到各協(xié)作節(jié)點(diǎn)中并行進(jìn)行,各節(jié)點(diǎn)可以共同承擔(dān)序貫檢測(cè)的運(yùn)算量,從而可以顯著減少感知時(shí)間。顯然,增加協(xié)作的節(jié)點(diǎn)數(shù)K,可減少所需要的平均時(shí)間。

4 仿真結(jié)果和討論

采用本文方法和文獻(xiàn)[8]方法進(jìn)行基于matlab的仿真實(shí)驗(yàn),其中各方法的仿真值為10000次的蒙特卡洛仿真的平均值。

4.1 平均樣本數(shù)比較

圖4給出了當(dāng)各協(xié)作節(jié)點(diǎn)信噪比相同的CSDS、只有一個(gè)節(jié)點(diǎn)的CSDS、傳統(tǒng)能量檢測(cè)以及參考文獻(xiàn)[8]的ASN比較。仿真條件為:每段數(shù)據(jù)的長(zhǎng)度L=100,預(yù)先設(shè)定的虛警概率α=0.1,漏檢概率β=0.05,各節(jié)點(diǎn)信噪比相同,信噪比范圍為-25～-15 dB。

可以看出,在達(dá)到相同檢測(cè)性能時(shí),單點(diǎn)CSDS、協(xié)作CSDS方法和參考文獻(xiàn)[8]方法需要的ASN幾乎相同,都小于傳統(tǒng)能量檢測(cè)的樣本數(shù)。也就是說,在各節(jié)點(diǎn)信噪比相同的條件下,增加協(xié)作感知節(jié)點(diǎn)的個(gè)數(shù)并不能減少總的ASN。CSDS方法所需的ASN要遠(yuǎn)遠(yuǎn)小于能量檢測(cè),這是由于其利用了序貫檢測(cè)的思想,并不是由協(xié)作帶來的。

圖4 不同方法的平均樣本數(shù)比較

表1比較了CSDS在信噪比條件不同時(shí)所需的ASN。仿真條件為:協(xié)作節(jié)點(diǎn)數(shù)K=5,每段數(shù)據(jù)的長(zhǎng)度L=100,預(yù)先設(shè)定的虛警概率α=0.1,漏檢概率β=0.05,各節(jié)點(diǎn)信噪比分別為γ1=-15 dB,γ2=-17 dB,γ3=-18 dB,γ4=-19 dB,γ5=-20dB。

表1 CSDS在不同信噪比下的平均樣本數(shù)

從表1可以看出:在不同信噪比下,CSDS方法的平均樣本數(shù)的理論值和仿真值非常接近,證明了理論推導(dǎo)的正確性;在各節(jié)點(diǎn)信噪比不同的條件下,ASN主要受信噪比最好的節(jié)點(diǎn)的影響。也就是說,在協(xié)作過程中,信噪比最好的節(jié)點(diǎn)起的作用最大,其本質(zhì)原因從式(24)和(25)中可以看出,信噪比越高,該節(jié)點(diǎn)的平均對(duì)數(shù)似然比值越高。需要指出的是,這里H1條件下的ASN要小于H0下是因?yàn)樘摼怕屎吐z概率并不一致。

4.2 感知時(shí)間比較

表2給出了單點(diǎn)CSDS方法和5個(gè)協(xié)作節(jié)點(diǎn)協(xié)作時(shí)的AST情況。信噪比γ=-15 dB,其余仿真條件和表1相同。可以看出,在相同的信噪比條件下,基于多點(diǎn)協(xié)作的CSDS比單點(diǎn)的CSDS時(shí)間少很多。這種減少實(shí)質(zhì)是由于將計(jì)算量分布到各個(gè)感知節(jié)點(diǎn),各感知節(jié)點(diǎn)并行計(jì)算獲得的。

表3比較了CSDS方法在不同信噪比下的AST,仿真條件和表1相同,可以看出各節(jié)點(diǎn)的信噪比條件越好,CSDS所需的AST越少。

表2 單點(diǎn)和協(xié)作CSDS方法的平均感知時(shí)間比較

表3 CSDS方法在不同信噪比下的平均感知時(shí)間

4.3CSDS和單一協(xié)作序貫檢測(cè)的區(qū)別

下面比較CSDS和單一協(xié)作序貫檢測(cè)[8]的區(qū)別,也就是對(duì)各感知節(jié)點(diǎn)設(shè)立門限η和不設(shè)立門限η兩種情形的比較。

表4和表5比較了CSDS和單一協(xié)作序貫檢測(cè),仿真條件和表1相同。從表4可以看出,CSDS和單一協(xié)作序貫檢測(cè)在低信噪比的條件下需要的ASN幾乎相同。表5說明相對(duì)于單一協(xié)作序貫檢測(cè),CSDS方法可以顯著減少協(xié)作開銷,在仿真條件下能減少50%。因此,可以得出結(jié)論:CSDS方法在幾乎不增加ASN的情況下,通過在各節(jié)點(diǎn)進(jìn)行序貫檢測(cè)顯著減少了協(xié)作開銷。表5中的開銷指各傳感器節(jié)點(diǎn)向FC發(fā)送協(xié)作信息的總次數(shù)。

表4 CSDS方法和單一協(xié)作序貫檢測(cè)平均樣本數(shù)比較

方法平均樣本數(shù)H0H1CSDS2 69×1042 10×104單一協(xié)作序貫檢測(cè)2 63×1041 98×104

表5 CSDS方法和單一協(xié)作序貫檢測(cè)協(xié)作開銷比較

方法協(xié)作開銷H0H1CSDS11995單一協(xié)作序貫檢測(cè)263198

注:協(xié)作開銷為各傳感器節(jié)點(diǎn)向融合中心發(fā)送協(xié)作信息的總次數(shù)。

4.4 討論

根據(jù)前文的理論推導(dǎo)和仿真結(jié)果總結(jié)一下CSDS方法的特點(diǎn)。

(1)感知時(shí)間短。一方面在各感知節(jié)點(diǎn)采用了序貫檢測(cè)和能量檢測(cè)相結(jié)合的方法,較傳統(tǒng)能量檢測(cè)顯著減少了ASN;另一方面采用了協(xié)作的方式,將單點(diǎn)的計(jì)算量分散到了各感知節(jié)點(diǎn),協(xié)作的感知節(jié)點(diǎn)越多,感知時(shí)間越短。

(2)適用于低信噪比的條件。這是由于當(dāng)信噪比較高的時(shí)候,傳統(tǒng)能量檢測(cè)需要較少的樣本點(diǎn)就能到達(dá)理想的檢測(cè)性能,沒有必要使用序貫檢測(cè)的方法。

(3)降低協(xié)作開銷。通過在各節(jié)點(diǎn)增加一次序貫檢測(cè),CSDS方法在幾乎不增加感知時(shí)間的情況下能夠顯著降低協(xié)作開銷。作為本文最大的創(chuàng)新點(diǎn),這種方法幾乎適用于所有的協(xié)作序貫檢測(cè)方法。其優(yōu)勢(shì)在于通過門限的設(shè)定保證了各感知節(jié)點(diǎn)向中心節(jié)點(diǎn)發(fā)送信息的有效性,減少了無謂的協(xié)作開銷。

5 結(jié) 論

本文提出了一種基于雙重序貫檢測(cè)的協(xié)作頻譜感知方法。該方法在各節(jié)點(diǎn)對(duì)數(shù)據(jù)進(jìn)行分段處理,以各分段的能量作為一個(gè)樣本點(diǎn)進(jìn)行序貫檢測(cè),當(dāng)各節(jié)點(diǎn)的對(duì)數(shù)似然比和大于門限時(shí)向融合中心發(fā)送協(xié)作信息,然后在融合中心再進(jìn)行序貫檢測(cè)直到做出判決。本文從理論上推導(dǎo)了平均樣本數(shù)、平均感知時(shí)間等重要性能指標(biāo)。仿真結(jié)果驗(yàn)證了理論推導(dǎo)的正確性,表明在低信噪比條件下,所提方法在保持感知性能相同的同時(shí),能顯著減少所需樣本數(shù)和感知時(shí)間,并具有低協(xié)作開銷的優(yōu)點(diǎn)。

[1] AKAN O B, KARLI O B, ERGUL O.Cognitive radio sensor networks [J].IEEE Networks, 2009, 23(4): 34-40.

[2] THEILER J, FOY B R.Effect of signal contamination in matched-filter detection of the signal on a cluttered background [J].IEEE Geoscience and Remote Sensing Letters, 2006, 3(1): 98-102.

[3] HUANG Guangjie, TUGNAIT J K.On cyclostationarity based spectrum sensing under uncertain Gaussian noise [J].IEEE Transactions on Signal Processing, 2013, 61(8): 2042-2054.

[4] ZENG Y H, LIANG Y C.Eigenvalue-based spectrum sensing algorithms for cognitive radio [J].IEEE Transactions on Communications, 2009, 57(6): 1784-1793.

[5] JIN Ming, LI Youming, RYU H G.On the performance of covariance based spectrum sensing for cognitive radio [J].IEEE Transactions on Signal Processing, 2012, 60(7): 3670-3682.

[6] URKOWITZ H.Energy detection of unknown deterministic signals [J].Proceedings of the IEEE, 1967, 55(4): 523-531.

[7] WALD A.Sequential analysis [M].New York, USA: Wiley, 2004.

[8] KUNDARGI N, TEWFIK A.A performance study of novel sequential energy detection methods for spectrum sensing [C]∥IEEE International Conference on Acoustics Speech and Signal Processing.Piscataway, NJ, USA: IEEE, 2010: 3090-3093.

[9] 閆琦, 楊家瑋, 張?chǎng)?認(rèn)知無線電中基于截?cái)嘈蜇灆z測(cè)的頻譜感知技術(shù) [J].電子與信息學(xué)報(bào), 2011, 33(7): 1532-1536.

YAN Qi, YANG Jiawei, ZHANG Wen.Truncated sequential detection for spectrum sensing in cognitive radio [J].Journal of Electronics & Information Technology, 2011, 33(7): 1532-1536.

[10]ZOU Q, ZHENG S, SAYED A H.Cooperative sensing via sequential detection [J].IEEE Transactions on Signal Processing, 2010, 58(12): 6266-6283.

[11]王超, 鄧科, 莊麗莉, 等.協(xié)作認(rèn)知網(wǎng)絡(luò)中魯棒的分布式波束形成 [J].西安交通大學(xué)學(xué)報(bào), 2013, 47(12):84-89.

WANG Chao, DENG Ke, ZHUANG Lili, et al.A robust distributed relay beamforming algorithm for cooperative cognitive radio networks [J].Journal of Xi’an Jiaotong University, 2013, 47(12): 84-89.

[12]AKYILDIZ I F, LO B F, BALAKRISHNAN R.Cooperative spectrum sensing in cognitive radio networks: a survey [J].Physical Communication, 2011, 4(1): 40-62.

[13]李彬, 王文杰, 殷勤業(yè), 等.無線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)協(xié)作的節(jié)能路由傳輸 [J].西安交通大學(xué)學(xué)報(bào), 2012, 46(6): 1-6.

LI Bin, WANG Wenjie, YIN Qinye, et al.An energy-efficient routing with sensor nodes cooperation in wireless sensor network [J].Journal of Xi’an Jiaotong University, 2012, 46(6): 1-6.

[14]劉航, 于丹, 孔祥維.低信噪比條件下提高認(rèn)知無線電的頻譜感知能力的方法 [J].電子與信息學(xué)報(bào), 2009, 31(4): 993-996.

LIU Hang, YU Dan, KONG Xiangwei.A new approach to improve the spectrum sensing in cognitive radio in low SNR environment [J].Journal of Electronics & Information Technology, 2009, 31(4): 993-996.

[本刊相關(guān)文獻(xiàn)鏈接]

王超,鄧科,莊麗莉,等.協(xié)作認(rèn)知網(wǎng)絡(luò)中魯棒的分布式波束形成.2013,47(12):84-89.[doi:10.7652/xjtuxb201312015]

張曉陽,王磊,李曉峰.采用隨機(jī)酉矩陣調(diào)制的協(xié)作分集傳輸算法.2013,47(4):17-21.[doi:10.7652/xjtuxb201304004]

宮豐奎,葉鵬.重疊Nakagami-m信道協(xié)作通信最優(yōu)功率分配方案.2012,46(10):78-82.[doi:10.7652/xjtuxb201210014]

宋婧,叢犁,葛建華,等.雙層網(wǎng)絡(luò)中一種協(xié)作博弈的動(dòng)態(tài)資源分配方法.2012,46(10):89-94.[doi:10.7652/xjtuxb2012 10016]

李彬,王文杰,殷勤業(yè),等.無線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)協(xié)作的節(jié)能路由傳輸.2012,46(6):1-6.[doi:10.7652/xjtuxb201206001]

呂政,余志軍,劉海濤.協(xié)作通信中聯(lián)合信道-網(wǎng)絡(luò)編碼的性能分析與資源分配.2012,46(4):83-87.[doi:10.7652/xjtuxb201204014]

張正浩,裴昌幸,陳南,等.寬帶認(rèn)知無線電網(wǎng)絡(luò)分布式協(xié)作壓縮頻譜感知算法.2011,45(4):67-71.[doi:10.7652/xjtuxb201104012]

張學(xué)一,付曉梅,周化錳.一種格約減輔助的協(xié)作多址接入方案.2012,46(4):100-105.[doi:10.7652/xjtuxb201204017]

(編輯 劉楊)

CooperativeSpectrumSensingMethodbyDualSequentialDetection

GAO Rui,LI Zan,SI Jiangbo,QI Peihan,PAN Lei

(State Key Laboratory of Integrated Services Networks, Xidian University, Xi’an 710071, China)

To solve the problems of spectrum sensing with low signal-noise ratio (SNR) in cognitive radio sensor networks (CRSN), a cooperative spectrum sensing method by dual sequential detection (CSDS) is proposed, where the data in each sensor are processed in segments.A sequential probability ratio test (SPRT) is taken in each sensor, and a sensor sends cooperative messages to fusion center (FC) when the sum of logarithm likelihood ratio gets beyond the threshold.Then another SPRT is taken in FC until to make a decision.Performance analysis of the average sample number (ASN) and average sensing time (AST) are also carried out.Simulations based on Matlab validate the effectiveness of the method in the low SNR regime.ASN and AST of CSDS present below 40% of those by energy detection, and the cooperative overhead greatly decreases compared with other cooperative sequential detection.

cognitive radio sensor networks; cooperative spectrum sensing; low signal-noise ratio; sequential detection

2013-11-03。

高銳(1986—),男,博士生;李贊(通信作者),女,教授,博士生導(dǎo)師。

國家自然科學(xué)基金資助項(xiàng)目(61072070,61301179);陜西省自然科學(xué)基金資助項(xiàng)目(2012JZ8002)。

時(shí)間:2014-01-20

10.7652/xjtuxb201404018

TN929.5

:A

:0253-987X(2014)04-0102-07

網(wǎng)絡(luò)出版地址:http:∥www.cnki.net/kcms/detail/61.1069.T.20140120.0842.001.html