基于線性加權的頻譜感知算法研究綜述

包志強　郭瑞星

摘 要： 頻譜感知技術通過認知用戶對周圍頻譜資源的檢測發現頻譜空洞，從而可以動態地接入該頻段，提高了頻譜資源的利用率。多節點合作頻譜感知可以解決單節點檢測時可能發生漏檢的缺點，因此合作頻譜感知技術得到了快速的發展。研究了合作頻譜感知技術中的加權算法，對每個用戶分配不同的權值，然后對線性加權算法做了仿真，并通過對算法的改進，得到最終的檢測結果。

關鍵詞： 合作頻譜感知； 能量檢測算法； 線性加權算法； 頻譜空洞

中圖分類號： TN919.8?34 文獻標識碼： A 文章編號： 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

由于無線通信技術的快速發展，頻譜資源緊缺成為急需解決的問題。根據美國聯邦通信委員會（Federal Communication Commission，FCC）的調查顯示，授權用戶中只有15%～85%使用授權頻段，由此得出頻譜的利用率比較低[1]。

為了解決上述問題，提出了認知無線電（Cognitive Radio，CR）技術。其核心是認知用戶通過檢測頻譜空洞[2]，動態地接入授權的空閑頻段中，當認知用戶檢查到主用戶時，立即退出該頻段，以免對授權用戶造成干擾。根據美國聯邦通信委員會的定義，Simon Haykin建立了認知無線電的基本認知環模型[3]，如圖1所示。

本文研究了信任度加權算法與均值加權，信噪比加權，最大比合并算法在AWGN信道和Rayleigh信道下做了對比，結果表明信任度加權算法的檢測性能優于另外三種算法。在實際中，當各認知用戶將其檢測統計量和信噪比送到融合中心，融合中心不僅要根據其信噪比計算出各自的權值，還要計算加權和然后再做最后的判決，這樣融合中心的負擔會加重，尤其是在認知用戶較多的情況下。因此，通過改進，將權值的分配在送至融合中心之前完成，并且根據設定好的門限值，對每個認知用戶分別判決，然后將判決結果送到融合中心，這樣融合中心接收到的是每個用戶的判決結果，再根據硬判決準則做出最后的判決，仿真結果表明改進后的檢測性能較傳統加權算法的檢測性能得到了提高。

1 頻譜感知算法簡述

頻譜感知算法有不同的分類標準，根據參與檢測的節點的數目，可以分為單節點頻譜感知[4]和多節點頻譜感知[5]；根據是否需要主用戶的先驗信息，可分為盲感知算法和非盲感知算法；按照網絡結構的不同，可以分為集中式頻譜感知[5]和分布式頻譜感知[6]；按照數據融合方式的不同，可以分為硬合并[7]、軟合并[8]和雙門限[9]。

2 信任度加權合作感知算法

2.1 信任度函數

假設第i個認知用戶和第j個認知用戶感知到的信噪比分別為[γi]和[γj，]如果[γi]的真實性大于[γj，]那么[γi]被[γj]信任的程度也就大[10]。

2.6 仿真結果及分析

本文用Matlab在AWGN信道和Rayleigh信道下，對四種加權算法進行了仿真。實驗參數如下：自由度[u=5，]認知用戶數[N=3，]信噪比分別為8 dB，9 dB，13 dB。

圖3表示在AWGN信道下，四種算法的檢測性能對比曲線。結果表明，信任度加權算法的檢測概率大于最大比合并算法的檢測概率，信噪比加權算法的檢測概率大于均值加權。

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

3 算法改進及仿真

3.1 算法原理

為了減輕數據融合中心的負擔，同時避免能量和信噪比在傳輸中的損耗，將權值的計算與分配在發送能量值信號至融合中心之前完成[2]。原理框圖如圖5所示。

3.2 算法仿真結果及分析

實驗參數如下：自由度[u=5，]認知用戶數[N=3，]信噪比分別為-3 dB，-2 dB，2 dB。

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

4 結 論

本文研究了信任度加權、信噪比加權、均值加權，最大比合并四種線性加權算法。線性加權的核心是如何獲得最優的權值。因此，考慮到每個認知用戶信任度不同對最后的結果的貢獻也不一樣，研究了指數函數的信任度函數，實驗結果表明該算法不僅能夠為每個認知用戶分配合理的權值，其檢測性能也得到提高。為了解決數據融合中心的負擔和數據在傳輸過程中的損耗，對傳統算法進行了改進，通過仿真對比比較，證明改進的算法提高了整個系統的性能。

參考文獻

[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據融合及其應用[J].東南大學學報：自然科學版，2008，38（z1）： 253?257.

[9] 鄒衛霞，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].系統工程與電子技術，2012，34（3）：588?591.

[10] 楊鐵軍，司春麗.基于信任度加權的合作頻譜感知算法[J].計算機應用研究，2012，29（8）：3124?3127.

[11] 胡富平.基于能量檢測的認知無線電協作頻譜檢測研究[D].武漢：華中科技大學，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.