基于認知用戶移動性的協作頻譜感知研究

胡 峰，鄭紫微，金 濤

(寧波大學通信技術研究所，浙江寧波315211)

1 概述

無線通信技術的快速發展導致頻譜資源變得日益緊張，頻譜利用率不高的問題制約著無線通信的發展。認知無線電技術［1-2］一經提出就受到廣泛關注，它能感知周圍環境并從周圍環境中獲取信息，尋找頻譜空穴［3］并通過動態頻譜接入，打破現有的靜態頻譜管理體制，實現對頻譜資源的二次利用，從而提高頻譜利用率。頻譜感知［4-5］是認知無線電的關鍵技術之一。然而，由于實際場景中受到多徑衰落、陰影效應和接收機不確定性等問題的影響，僅靠單用戶的檢測結果并不能保證檢測結果的可靠性和準確性。為改善該情況，文獻［6］提出協作頻譜檢測，綜合多個認知用戶的檢測結果以協作的方式來提高頻譜感知的整體檢測性能。

目前一些文獻提出的協作頻譜感知方案［7-8］均假設各認知用戶(Cognitive User，CR)處于靜止狀態，沒有考慮到認知用戶在協同感知期間的移動，這種情況不適合實際的認知環境。在實際認知環境中，認知用戶可能會處于移動狀態，認知用戶的移動性會對用戶間的協作檢測產生影響［9］。針對上述問題，本文基于“與”(AND)和“或”(OR)融合準則，分析比較移動CR用戶和靜止CR用戶處于不同速度時的協作檢測性能。

2 系統模型

2．1 能量檢測模型

頻譜檢測方法包括能量檢測、循環特征檢測、匹配濾波器檢測等方法。能量檢測是頻譜檢測最基本的方法［10］。能量檢測實現簡單、算法復雜度低，無需知道信號的先驗知識，所以被廣泛使用。判決方法是先設定一個門限，通過能量檢測器與設定的門限相比較，若超過判決門限，則認為該頻段內有主用戶(Primary User，PU)存在。假定接收信號的表達式為:

其中，s(t)是被檢測的信號;w(t)是加性高斯噪聲，由式(1)可知，當信號為0，該頻段內PU不存在。能量檢測器可以寫為:

其中，n是抽樣序列向量維數。

由圖1可知，接收到的主信號y(t)首先經過帶通濾波器，過濾掉噪聲后，再經過平方運算，并在觀測時間T內進行積分，最終得到信號的能量統計值Y［11-12］。將Y與預先設定的門限λE進行比較，若大于門限值λE，則表示PU存在。若小于門限值λE，則表示PU不存在，信道空閑，上述判斷通過以下假設檢驗來實現:

傳統頻譜感知通常采用二元假設模型:

其中，H0表示頻段空閑，可以被認知用戶使用;H1表示頻段被占用，認知用戶不可以使用該頻段。

圖1 能量檢測算法實現流程

性能檢測可以通過2個概率來衡量:檢測概率PD和虛警概率PFA。PD是指在檢測頻段內出現PU被正確檢測到的概率。

其中，PFA是指在檢測頻段內LU沒有出現，能量檢測器認為PU存在的概率。

Y服從一個自由度為2u的χ2分布:

其中，γ為信噪比;u=TW，W是用戶感興趣的頻帶帶寬。Y的概率分布函數為:

從式(8)可以看出，一旦LU擁有較低的檢測概率PD，將會無法準確地檢測到PU信號，這樣就會增加對LU的干擾。如果PFA過高，則會因為錯誤警報使頻譜利用率降低。

在AWGN信道下檢測概率PD和虛警概率PFA分別為:

其中，λE是門限值;γ為信噪比(Signal to Noise Ratio，SNR);Γ(x)與 Γ(x，y)分別為完整和不完整的Gamma函數;Q(x)為廣義Marcum函數。

2．2 CR移動時的協作感知

頻譜檢測在實際場景中的性能通常被多徑衰落、陰影效應和接收機的不確定性問題所制約，所以，對于單個認知用戶的本地頻譜檢測還存在諸多限制，為減少這些問題的影響，提出協同頻譜檢測理論，也稱為協作頻譜感知，通過利用空間分集來有效提高性能。目前一些文獻提出的協作頻譜感知方案［13-15］，均假設各CR用戶處于靜止狀態中，沒有考慮到認知用戶在協同感知期間的移動，而實際認知環境中，CR用戶可能會處于動態狀態中，而認知用戶的移動性可能會對檢測性能以及協作產生影響。

集中式頻譜檢測方法是將每個CR用戶獲得檢測數據直接傳送到融合中心，由融合中心經過處理后得出結論。該方法具有數據全面、信息無丟失、最終判決結論置信度高等優點，所以本文在集中式頻譜檢測方法的基礎上綜合考慮CR用戶的移動性，提出一種CR移動狀態下的協作檢測模型，如圖2所示。

圖2 CR移動狀態下的協作檢測模型

如圖2所示，PU為信號發射機，數據融合中心(Fusion Center，FC)匯集所有接收到的本地感知信息，決策PU是否存在，并且將感知結果分發到協作的CR用戶。假設CR1靜止，CRn以速度Vn(n=2，3，…，7)勻速向圖示方向(CR用戶向PU靠近)作直線移動，同時假設CR1與CRn之間的距離大于一個數值以克服CR用戶間因距離太近所產生的陰影相關性。由于認知覆蓋網絡區域內不同地點無線電傳播特性不同，從而CR用戶接收PU的信號衰落因子a也會不同，第 i個 CR用戶的 SNR由以下公式給出:

其中，P是PU發送功率;Pi是CR用戶接收功率;di是第i個CR用戶與PU的距離;ai是第i個CR用戶所經歷的路徑衰落因子;NO是噪聲功率。

協作具體過程為:首先數據融合中心(FC)選擇一個頻段并且控制協作CR用戶各自進行本地感知;其次所有CR用戶通過控制信道上傳它們的感知數據;最后FC匯集所有接收到的本地感知信息，決策PU是否存在，并且將感知結果分發到協作CR用戶。

當CR用戶二進制的本地檢測結果上報給FC時，運用線性融合規則來獲取協作決策是很方便的。本文主要采用“與”和“或”準則。令ui為CR用戶i的本地決策，u為 FC做出的協作決策，ui，u∈{0，1}，“1”，“0”分別表示 PU 的存在狀態(H1)和不存在狀態(H0)。

AND準則指對任意i，如果ui都為1，FC就判決u=1。此時的檢測概率和虛警概率分別為:

OR準則是對任意i，只要有ui為1，FC就判決u=1。此時的檢測概率和虛警概率分別為:

3 仿真結果與分析

仿真過程:假設現在認知網絡中有7個CR用戶，其中，CR1為靜止狀態，其余6個CRn用戶以不同速度Vn(n=2，3，…，7)作勻速直線運動，且各CR用戶與數據融合中心之間的傳輸信道是理想的，每個CR用戶均采用能量檢測方法獲得一個本地檢測結果。

基于上述假設，設定 CRn(n=2，3，…，7)用戶的速度對應為:v2=10 m/s，v3=15 m/s，v4=20 m/s，v5=25 m/s，v6=30 m/s，v7=35 m/s。

為使數據抽樣值足夠大，對CRn用戶運動的時間取離散值，時間間隔為0．1 s，每個離散值點對應一個數據抽樣值。

圖3是移動CR用戶與靜止CR用戶基于AND融合準則的協作性能的ROC比較?？梢钥闯觯谔摼怕室欢ǖ那闆r下，移動速度v=10 m/s的CR用戶與靜止CR用戶協作的檢測概率最大，移動速度v=35 m/s的CR用戶與靜止CR用戶協作的檢測概率最小;移動CR用戶速度增大時，與靜止CR用戶的協作檢測性能逐漸降低。

圖3 基于AND融合準則的協作性能比較

圖4是移動CR用戶與靜止CR用戶基于OR融合準則的協作性能的ROC比較。可以看出，當移動CR用戶速度增大時，它與靜止CR用戶基于OR融合準則的協作檢測性能也是逐漸降低。

圖4 基于OR融合準則的協作性能比較

根據圖3、圖4，可以得出:不論是基于And融合準則還是基于OR融合準則，移動CR用戶與靜止CR用戶的協作檢測性能均隨著移動CR用戶的速度逐漸增大而逐漸降低。

4 結束語

在基于認知無線電協作感知的基礎上，考慮到實際情況中CR用戶的移動性，提出一種動態的協作檢測模型，分析比較移動CR用戶處于不同速度時與靜態CR用戶的協作檢測性能。仿真結果表明，移動CR用戶與靜止CR用戶基于線性準則進行協作檢測時，移動CR用戶速度變化狀態會對協作檢測性能產生影響。移動CR用戶移動速度變大，協作檢測性能下降，因此，為提升協作檢測的整體性能，應優先考慮使用移動較慢的CR用戶進行協作檢測。下一步工作將對CR用戶處于勻速或變速時，移動CR用戶與靜止CR用戶之間如何協作及其協作性能與速度之間的關系進行研究。

［1］ 丁漢青．認知無線電頻譜感知技術研究［D］．西安:西安電子科技大學，2011．

［2］ Sungsoo P．Cognitive Radio Networks with Energy Harvesting［J］．IEEE Transactions on Wireless Communications，2013，12(3):1386-1397．

［3］ 王紅軍，畢光國．一種新型的認知無線電頻譜空穴自適應檢測算法［J］．電子與信息學報，2010，32(10):2458-2462．

［4］ Chang K，Bouchra S．Spectrum Sensing Optimization for Dynamic Primary User Signal［J］．IEEE Transactions on Communications，2012，60(12):3632-3640．

［5］ Huang Xinlin，Wang Gang，Hu Fei，et al．Multitask Spectrum Sensing in Cognitive Radio Networks via Spatiotemporal Data Mining［J］．IEEE Transactions on Vehicular Technology，2013，62(2):809-823．

［6］ Hu Hang，LiNing，Xu Youyun，etal．Efficient Cooperative Spectrum Sensing with Minimum Sensing Error Probability in Heterogeneous Cognitive Radio Networks［C］//Proceedings of2012 International ConferenceonWirelessCommunications＆Signal Processing．Washington D．C．，USA:IEEE Press，2012:1-6．

［7］ Chen Wenbin，Yang Chikai，Huang Yuanhao．Energy Saving Cooperative Spectrum Sensing Processor for Cognitive Radio System［J］．IEEE Transactions on Regular Papers，2011，58(4):711-723．

［8］ Singh A，Bhatnagar M R，Mallik R K，et al．Cooperative Spectrum Sensing in Multiple Antenna Based Cognitive Radio Network Using an Improved Energy Detector［J］．IEEE Communications Letters，2012，16(1):64-67．

［9］ Kalamkar S S，Banerjee A．Improved Double Threshold Energy Detection for Cooperative Spectrum Sensing in Cognitive Radio［J］．Defence Science Journal，2013，63(1):34-40．

［10］ 溫志剛．認知無線電頻譜檢測理論與實踐［D］．北京:北京郵電大學，2011．

［11］ 卞 荔，朱 琦．基于數據融合的協作頻譜感知算法［J］．南京郵電大學學報:自然科學版，2009，29(2):73-78．

［12］ 楊明極，吳 瓊，石佳慶，等．信噪比比較的協作頻譜感知算法［J］．哈爾濱理工大學學報，2013，18(2):105-108．

［13］ Deng R，Chen J，Yue C，etal．Energy-efficient Cooperative Spectrum Sensing by Optimal Scheduling in Sensor-aided CognitiveRadio Networks［J］．IEEE Transactions on Vehicular Technology，2012，61(2):716-725．

［14］ 陳守坤，李 莉，王 沛，等．基于閾值選擇信噪比的協作頻譜檢測［J］．通信技術，2011，44(3):4-6．

［15］ 鄭 軼，謝顯中，楊黎麗．基于SNR比較的認知無線電協作頻譜檢測［J］．電視技術，2009，49(8):13-17．