一種自適應雙門限頻譜感知新算法*

何慶,羅鈞

(貴州大學 大數據與信息工程學院，貴州 貴陽　550025)

?

指揮控制與通信

一種自適應雙門限頻譜感知新算法*

何慶,羅鈞

(貴州大學 大數據與信息工程學院，貴州 貴陽550025)

摘要：為提高在低信噪比條件下系統協作頻譜感知性能，提出了一種基于采樣值和本地感知結果可靠性的頻譜感知算法。選取較高可信度的采樣值和較高可信度的本地感知結果將其判決直接發送融合中心，融合中心根據本地感知結果加權融合判決。仿真表明，改進算法較傳統基于信噪比加權融合算法具有更強的抗噪性能，適合感知需要。

關鍵詞：無線網絡; 頻譜感知; 自適應；雙門限；信噪比；信任度系數

0引言

隨著互聯網的快速發展，可用頻譜資源越來越少,尤其表現為授權頻段利用率低[1]，為了能滿足各行業用戶對頻譜資源的需求，認知無線電技術成為解決該問題的關鍵技術[2-3]。頻譜感知技術是認知無線電技術關鍵技術之一[4]，為了能夠適應在各種惡劣環境對空閑頻譜資源進行及時、高效的利用，在傳統能量感知算法(spectrum sensing based on energy detection，SSDED)基礎上先后提出了各種協作頻譜感知(cooperative spectrum sensing，CSS)技術[5-14]，該技術是利用單用戶本地頻譜感知結果的合作，能有效避免采用單一認知用戶(secondary user，SU)頻譜感知結果偶然性的影響，提高系統頻譜感知性能。文獻[5]提出一種基于聲譽的可信雙門限硬判決融合算法，采用優先取可信度高的認知用戶參與融合判決的方法。文獻[7]提出了一種基于感知信任度的加權協作感知算法，通過可信度較高信噪比的節點參與協作感知。文獻[8]提出一種基于分簇的協作感知算法，將所有認知節點分成若干個簇，選擇其中到主用戶最近的認知用戶充當簇頭負責收集簇內其他SU的本地感知結果并發送融合中心進行最后的融合判決。上述加權融合算法較傳統融合算法有一定改善，但是由于沒有考慮采樣值可信度和能量統計量和信噪比的關系，當噪聲功率遠遠大于正常信號功率時，直接用信噪比過濾或者加權協作判決是不可取的。故本文提出一種基于差分能量和SNR過濾組成新信任度系數，通過信任度系數選取可靠性較高的N個認知用戶參與傳統雙門限之間能量檢測，同時本文通過利用該信任度作為融合判決加權系數參與融合判決。最后，通過仿真結果顯示，本算法較傳統協作頻譜感知算法能夠有效提高系統感知能。

1系統模型

本文假設檢測模型由Q個認知用戶、一個主用戶和一個融合中心組成，即：Q個認知用戶、一個主用戶隨機分配在隨機分布有加性高斯白噪聲的信道中。首先，認知用戶參與能量檢測并將檢測本地結果(信噪比、能量統計量)發送融合中心；其次，融合中心根據本地結果計算信任度函數，并根據信任度系數分簇篩選出較高可信度的N個認知用戶,其中N可以根據公式(1)知道，N由檢測概率Pd、虛報概率Pf和信噪比γ確定[7]；最后，融合中心通過剩下的認知用戶參與協同頻譜檢測。

N=2[Q-1(Pf)-Q-1(Pd)]2/γ2.

(1)

1.1能量檢測模型

1.1.1檢測模型基本思想

首先，將認知用戶接收到的信號x(t)通過帶寬為w理想帶通濾波器得到輸出信號y(t)，假設沖擊響應為f(t), 則，輸出信號可表示為：y(t)=x(t)f(t)；其次，輸出信號y(t)平方運算后在時間T內進行積分得到積分器輸出信號Y(t)；最后，通過比較輸出信號Y(t)與判決門限值λ得到本地檢測結果，如圖1所示。

1.1.2檢測模型基本算法

通過對信號y(t)進行n次采樣后得到y(k)， 能量統計量(energy statistics，ES)Yi可表示為

(2)

當n滿足式(1)時(根據信噪比和檢測概率大小，動態調整n的大小)，將統計量Yi與兩判決門限比較得到本地感知結果i。

(3)

式中：λh，λl分別表示高低門限值，x為待定判決值。

能量統計量Yi服從卡方分布：

(4)

(5)

(6)

(7)

2自適應雙門限頻譜感知新算法

2.1感知基本思想

在認知節點感知過程中，在低信噪比環境下能量檢測為了滿足感知要求(N滿足式(1))，若存在許多低可信度的節點參與本地感知時，該類節點將對整個感知系統性能產生影響。因此，本文首先通過選取Δy較高的信號值參與傳統SSDED得到高低門限值兩邊n個認知節點本地頻譜感知值；其次，計算雙門限之間認知節點新信任度系數wi，選取較高wi的n-N認知節點參加傳統協作頻譜感知OR判決。感知具體過程如下:

(1) 選取較高Δy的信號值參與傳統SSDED，得到本地感知結果j，并將本地感知結果發送融合中心；

(2) 計算雙門限之間認知節點信任度系數wi；

(3) 融合中心選擇較高信任度n-N個認知節點；

(4) 計算所有認知節點的信任度權重系數xi；

2.2計算新信任度系數

在復雜環境下能量感知過程中，由于受到噪聲等外界因素的影響，導致雙門限之間認知節點參與能量檢測算法得到本地感知結果可靠性各不相同，本文提取雙門限之間可靠性較高的認知節點參與協作頻譜感知。由于傳統加權融合算法[5-14]只考慮到了系統受SNR的影響，并未考慮到當噪聲功率遠大于平均信號功率時，若只根據SNR加權融合是不夠準確的，故本文提出通過差分信噪比ΔSNRi、差分能量統計量ΔYi、采樣信號偏移量Δyi聯合選取可信度高的本地感知結果，并提出一種新的加權系數Wi和本地感知結果參與協同判決。

定義1差分信噪比(ΔSNRi)：信噪比從大到小順序排列后，相鄰認知節點之間信噪比之差。可表示為

ΔSNRi=SNRi-SNRi-1.

(8)

圖2　感知流程圖Fig.2　Flowchart of sensing

定義2 差分能量統計量(ΔYi)：當前認知節點能量統計量(Yi)與認知節點平均能量統計量差值。可以表示為

(9)

定義3采樣信號偏移量(Δyi)：當前認知節點信號接收值(y(i))與以前所有信號接收值均值之差。

(10)

定義4信任度系數(Wi)：前差分信噪比和差分能量統計量占所有差分信任和差分統計量之間的比值。可以表示為

(11)

2.3融合判決

由于處于不同環境下認知節點的判決結論可靠性各不相同，本文提出通過權重系數Xi，可以根據式(12)計算得到。為改善單認知用戶感知判決由于受外界環境影響引起判決可靠性差的問題，本文采用傳統OR協作判決準則對本地多個認知節點本地感知結果進行融合，進而提高系統感知性能。

(12)

式中：Xi為每個認知節點的信噪比和能量統計量的平均值；N表示參加感知的總認知節點數。

(13)

式中：N為認知節點本地判決結果總個數。

3仿真與性能分析

本文改進算法和傳統算法性能對比仿真中，假設在 AWGN信道環境中，用戶信噪比分別為(0～-20 dB)。主用戶信號為窄帶信號和噪聲是標準高斯白噪聲功率等于1，采樣點數數為1 000，感知用戶數100。系統檢測概率和虛報概率分別用Pd和Pf表示,本地判決結果能準確傳送至融合中心。基于以上假設通過實驗仿真對比分析傳統算法和改進算法感知性能。

如圖3所示，該圖表示系統在虛報概率隨機分布在0～1，信噪比為-10 dB下對傳統基于信噪比加權分簇協作感知算法、傳統能量感知算法和改進算法的檢測概率隨虛報概率變化仿真分析。由圖3可知：在相同的虛報概率下，通過用傳統檢測算法和本文改進算法的檢測概率比較仿真可以看到：本文提出的基于差分能量統計量和信噪比過濾的頻譜感算法有更好的檢測性能，并且隨著虛報概率的減小，本文的改進算法的檢測性能較傳統檢測性能好。當虛報概率為0.1時，本文改進算法檢測性能較傳統協作頻譜檢測算法的檢測性能提高32%左右，較傳統分簇信噪比加權協同檢測算法的檢測性能提高4.6%，并且該算法的檢測性能隨虛報概率的減小檢測概率比傳統頻譜檢測算法的檢測性能更優。因此，本文提出通過差分信噪比和能量統計量過濾的頻譜檢測算法，在較低信噪比環境下可靠性較傳統檢測算法更好。

圖3　3種算法的檢測概率隨虛報概率變化曲線圖Fig.3　Pd changes graph with Pfof three algorithms

如圖4所示，該圖表示系統在信噪比隨機分布在0～-20 dB，虛報概率為0.01下對本文改進算法與傳統能量檢測感知算法、傳統分簇信噪比加權協作感知算法的檢測概率隨信噪比變化仿真分析。如圖4可知，在相同低信噪比下本文改進算法檢測性能優于傳統2種感知算法，改進算法較傳統能量檢測算法提高3.5倍，較傳統分簇協作感知算法提高0.32倍。綜上所述，本文改進算法檢測性能優于傳統感知算法檢測性能。

圖4　3種算法的檢測概率隨信噪比變化曲線圖Fig.4　Pd changes graph with SNR of three algorithms

4結束語

本文提出的一種自適應雙門限頻譜感知新算法，通過差分信噪比、信號偏移量和差分能量構成新信任度系數選取可信度認知節點參與融合中心協作感知，同時提出一種新的融合信任度參數加權融合判決。通過實驗仿真顯示：本文改進算法根據不同的信噪比、信號偏移量和差分能量選取可靠性高的認知節點參與系統感知提高系統感知性能。總之，本文改進算法在較低信噪比環境下犧牲較少感知時間下檢測性能較傳統能量檢測算法、分簇加權協頻譜感知算法可靠性更高、魯棒性更好、性能更優。

參考文獻：

[1]AKYILDIZ I, LEE W, VLTRAN M, et al. Next Generation/Dynamic Spectrum Access/Cognitive Radio Wireless Networks: A Survey[J].Computer Networks, 2006,50(13):2127-2159.

[2]李映雪.認知無線電中的頻譜感知技術研究[D].北京:北京郵電大學,2013.

LI Ying-xue. Research on Spectrum Sensing Technology in Cognitive Radio[D].Beijing:Beijing University of Posts and Telecommunications,2013.

[3]WANG Hai-tao, CHEN Hui. Research Status and Development Trends of Cognitive Radio Technology [J].IEEE Networking and Mobile Computing, 2009, 9(24):1-4.

[4]WANG Shu-bin, ZHOU Zheng, Kwak Kyungsup. Two Pulse Designs for Ultra Wideband-Cognitive Radio by Using Multiple Modified Transform Domain Communication System[J].Applied MatheMatics & Information Sciences, 2012, 6(3):619-628.

[5]張亮.基于聲譽的可信協作頻譜感知技術研究[D].西安:西安郵電大學,2014.ZHANG Liang. Trusted Cooperative Spectrum Sensing Technology Research Based on Reputation[D].Xi’an: Xi’an University of Posts & Telecommunications, 2014.

[6]郭晨，彭濤，王文博，等.認知無線電網絡中合作頻譜感知機制的優化[J]．電子與信息學報,2009,31(7): 1525-1530.

GUO Chen,PENG Tao,WANG Wen-bo, et al.Optimization of Cooperative Spectrum Sensing Mechanisms in Cognitive Radio Networks[J]. Journal of Electronics & Information Technology,2009,31(7): 1525-1530.

[7]李玲遠，楊爽.基于信噪比加權的協作頻譜感知技術[J]. 華中師范大學學報:自然科學版，2010,44(4)：577-579.

LI Ling-yuan, YANG Shuang.SNR-Based Weighted Cooperative Spectrum Sensing Technique[J].Journal of Central China Normal University:Natural Sciences ed, 2010,44(4): 577-579.

[8]YOUNIS O. FAHMY S. Distributed Clustering in Ad Hoc Sensor Networks：A Hybrid Energy-Efficient Approach[C]∥Proceedings of IEEE INFOCOM Hong Kong：IEEE，2004：629-640．

[9]Rania Mokhtar, ALI B M. Distributed Cooperative Spectrum in Cognitive Radio Networks with Adaptive Detection Threshold[C]∥ Proceedings of the Asia Pacific Advanced Network. Hanoi: APAN，2010:1-10.

[10]GANESAN G, LI Y. Cooperative Spectrum Sensing in Cognitive Radio, Part I: Two User Networks[J]. Wireless Communications, IEEE Transactions on,2007,6(6):2204-2213.

[11]Tevfik Yucek, Huseyin Arslan. A Survey of Spectrum Algorithms for Cognitive Radio Applications[J].IEEE Communications Surveys & Tutorials, 2009, 11(1): 116-130.

[12]WANG Bei-bei, LIU K J R, CLANCY T C. Evolutionary Cooperative Spectrum Sensing Game: How to Collaborate?[J]. IEEE Communications, 2010, 58(3): 890-900.

[13]Srinivas Nallagonda, Sanjay Dhar Roy, Sumit Kundu. Cooperative Spectrum Sensing with Censoring of Cognitive Radios and Improved Energy Detector Under LRT Fusion[C].2012:493-498.

[14]呂守濤,劉健,陳紅宇.基于雙門限和證據理論的合作頻譜感知算法[J].計算機工程與應用, 2014,50(12):211-215.

Lü Shou-tao,LIU Jian,CHEN Hong-yu,et al.Cooperative Spectrum Sensing Algorithm Based on Double Threshold and D-S Theory[J].Computer Engineering and Applications,2014,50(12):211-215.

[15]DIGHAM F F, ALOUINI M S, SIMON M K.On the Energy Detection of Unknown Signals over Fading Channels[C]∥ Proceedings of 38Lh IEEE International Conference on Communications. Anchorage:[s.n.],2003:3575-3579.

A New Adaptive Algorithm on Double-Threshold Spectrum Sensing

HE Qing，LUO Jun

(Guizhou University,College of Big Date and Information Engineering, Guizhou Guiyang 550025, China)

Abstract:In order to improve the performance of the cooperative spectrum sensing of the system at low SNR, a spectrum sensing algorithm based on the reliability of the sample values and results of local sensing is presented. Local sensing result and sample values of the higher reliability is selected to send them directly to fusion center, fusion center verdicts the weighted fusion according to the local sensing results and trust factor. Simulation results show that the improved method has a better performance than the conventional one.

Key words:wireless network；spectrum sensing；adaptive；double threshold；SNR；trust factor

*收稿日期：2015-06-26；修回日期：2015-09-08

基金項目：認知無限網絡智能頻譜資源管理機制研究(黔科合J字(2012)2171)；認知無限網絡頻譜資源管理機制研究(貴大人基合字(2010)010)

作者簡介：何慶(1982-)，男,貴州都勻人。副教授，博士，主要研究方向為認知無線網絡。 E-mail：1257903555@qq.com

通信地址：550025貴州省貴陽市花溪區花溪大道南段貴州大學大數據與信息工程學院研究生科

doi:10.3969/j.issn.1009-086x.2016.03.011

中圖分類號：TN92；TP391.1

文獻標志碼：A

文章編號：1009-086X(2016)-03-0066-05