利用身份代碼加速分布式協(xié)作頻譜感知

蘇 杭，盧光躍

(西安郵電大學(xué) 無線網(wǎng)絡(luò)安全技術(shù)國家工程實(shí)驗(yàn)室，陜西 西安 710121)

?

利用身份代碼加速分布式協(xié)作頻譜感知

蘇 杭，盧光躍

(西安郵電大學(xué) 無線網(wǎng)絡(luò)安全技術(shù)國家工程實(shí)驗(yàn)室，陜西 西安 710121)

頻譜感知是認(rèn)知無線電領(lǐng)域的關(guān)鍵技術(shù)。在協(xié)作頻譜感知中，分布式一致性加權(quán)算法檢測性能較好但收斂速度慢。該文引入身份代碼概念，用以區(qū)分各次用戶的狀態(tài)值和權(quán)值，避免節(jié)點(diǎn)間數(shù)據(jù)的重復(fù)融合，并提出了一種快速分布式加權(quán)協(xié)作頻譜感知算法。仿真結(jié)果表明，所提算法檢測性能與分布式一致性加權(quán)算法相當(dāng)，同時收斂速度明顯提升。

認(rèn)知無線電；協(xié)作頻譜感知；身份代碼；收斂速度

作為一種動態(tài)智能頻譜管理技術(shù)，認(rèn)知無線電(Cognitive Radio，CR)技術(shù)成為解決頻譜資源日益匱乏、頻譜利用低效等問題的關(guān)鍵技術(shù)手段[1-2]，在主用戶(Primary User，PU)不占用其授權(quán)頻段時，允許次用戶(Secondary User，SU)動態(tài)接入該頻段是其中心思想，而當(dāng)PU重新接入該授權(quán)頻段時，SU應(yīng)當(dāng)及時撤出，以免對PU通信造成干擾。可見，CR的首要工作和基本前提是頻譜感知(Spectrum Sensing，SS)，即SU能夠快速且準(zhǔn)確感知PU信號是否存在于授權(quán)頻段內(nèi)以實(shí)現(xiàn)頻譜動態(tài)接入和撤出。

在接收到信號后，SU既可以獨(dú)自判斷PU是否存在，也可以與其他SU合作共同完成判決，后者稱作協(xié)作頻譜感知(Cooperative Spectrum Sensing，CSS)[3]。相較于非協(xié)作頻譜感知，CSS有著獨(dú)特的優(yōu)勢。例如SU接收信號時受到深度衰落或深度陰影效應(yīng)影響，其很難獨(dú)自做出準(zhǔn)確判決，而CSS可通過SU之間感知信息的交互分享來解決這一問題[4]。現(xiàn)今CSS領(lǐng)域已經(jīng)展開許多研究工作，也取得了不少研究成果，使用較多的CSS方法是基于中繼CSS、集中式CSS和仿生一致性CSS。基于中繼CSS通過節(jié)點(diǎn)間的強(qiáng)感知信道和強(qiáng)報告信道進(jìn)行跨節(jié)點(diǎn)多跳通信[7-8]，該通信方式易造成額外的功率消耗，導(dǎo)致感知信號質(zhì)量下降。集中式CSS存在一個融合中心，由融合中心收集各SU本地感知數(shù)據(jù)，并根據(jù)融合規(guī)則融合感知數(shù)據(jù)，以完成統(tǒng)一判決[5-6]。融合中心位置較為固定，且融合中心與少數(shù)偏遠(yuǎn)的SU之間存在某些通信約束，因此該方法具有較大局限性。為此，文獻(xiàn)[9]提出了一致性仿生CSS(Bio-inspired Consensus-based Cooperative Spectrum Sensing，BCCSS)算法，該算法不存在融合中心，節(jié)點(diǎn)間采用單跳通信方式，SU與其鄰居節(jié)點(diǎn)交互狀態(tài)值，然后根據(jù)融合公式更新自身狀態(tài)值，重復(fù)以上過程直到所有節(jié)點(diǎn)狀態(tài)值達(dá)到收斂。BCCSS算法中用于最終判決的狀態(tài)值是各節(jié)點(diǎn)初始值等權(quán)等增益(Equal Gain Combining，EGC)融合而得，其未考慮各節(jié)點(diǎn)本地感知條件的差異，因此該算法的檢測性能不如集中式加權(quán)CSS算法。采用集中式加權(quán)CSS時，融合中心將依據(jù)各節(jié)點(diǎn)本地感知條件給定節(jié)點(diǎn)狀態(tài)值不同權(quán)值，然后對節(jié)點(diǎn)狀態(tài)值進(jìn)行加權(quán)融合，以得到判決狀態(tài)值。

文獻(xiàn)[10]在文獻(xiàn)[9]所提模型基礎(chǔ)上，針對BCCSS算法中節(jié)點(diǎn)狀態(tài)值EGC融合問題，推導(dǎo)了節(jié)點(diǎn)在本地設(shè)定自身權(quán)值的計(jì)算公式，并提出分布式一致性加權(quán)CSS(Distributed Average Weighted Gain Combining，DAWGC)算法。該算法檢測性能對比BCCSS算法有大幅度提高，與集中式加權(quán)CSS算法相當(dāng)。但該算法收斂速度較慢，節(jié)點(diǎn)網(wǎng)絡(luò)需經(jīng)歷較多次迭代才能達(dá)到收斂，使得頻譜感知無法實(shí)時有效地進(jìn)行。另外，BCCSS和DAWGC算法均需要網(wǎng)絡(luò)最大度這一先驗(yàn)知識，具有較大局限性。

針對上述缺陷，本文引入SU身份代碼(Identity Code，IC)概念，提出了利用IC的快速分布式加權(quán)CSS(Fast Distributed Weighted cooperative spectrum sensing using Identity Code，ICFDW)算法。檢測性能方面，ICFDW算法相較于BCCSS有大幅度提高，與DAWGC算法相當(dāng)；收斂速度方面，所提算法相較于DAWGC提升明顯，與BCCSS相比也有提高。此外，所提算法無需網(wǎng)絡(luò)最大度先驗(yàn)知識。

1 系統(tǒng)模型及現(xiàn)有算法

通常，SS可表述為一個二元假設(shè)檢驗(yàn)問題，即：H0表示PU不存在，SU可接入該頻譜；H1表示PU存在，SU不可接入該頻譜。因此，SS的數(shù)學(xué)模型[9]可描述為

(1)

式中：yi(m)是第i個次用戶SUi在觀測時刻m(m=1,2,…,M)接收到的采樣信號；wi(m)是加性高斯白噪聲；s(m)是PU發(fā)送的信號；變量hi為信道增益。

圖1 節(jié)點(diǎn)網(wǎng)絡(luò)數(shù)據(jù)融合圖

在BCCSS算法[9]中，節(jié)點(diǎn)根據(jù)如下融合公式更新狀態(tài)值，即

(2)

式中：Ni(k)為在第k個迭代時刻SUi鄰居節(jié)點(diǎn)的集合，0<ε<1/Δ,網(wǎng)絡(luò)最大度Δ=max{|Ni(k)|}，|·|表示集合中元素的個數(shù)。

在DAWGC算法[10]中，數(shù)據(jù)融合公式為

(3)

式中：δi表示SUi依據(jù)其本地感知條件所設(shè)定的權(quán)值，δi≥1。

由式(2)可知，BCCSS算法未考慮各節(jié)點(diǎn)本地感知條件的差異，因此其性能不佳，而且，BCCSS算法是采用鄰居節(jié)點(diǎn)狀態(tài)值與本地狀態(tài)值之差的方式來進(jìn)行數(shù)據(jù)融合，該方式下SU將不斷在各鄰居節(jié)點(diǎn)狀態(tài)值之間調(diào)整本地狀態(tài)值，整個網(wǎng)絡(luò)需要進(jìn)行很多次迭代運(yùn)算才能達(dá)到收斂。DAWGC算法數(shù)據(jù)融合方式與BCCSS一致，且式(3)中權(quán)值δi均大于1，因此采用該算法時節(jié)點(diǎn)網(wǎng)絡(luò)需要更多次迭代方能達(dá)到收斂，收斂速度更低。若網(wǎng)絡(luò)中節(jié)點(diǎn)個數(shù)較多，整個網(wǎng)絡(luò)達(dá)到收斂所需的融合次數(shù)會是一個很大的數(shù)字，收斂速度遲緩。另外，根據(jù)BCCSS與DAWGC算法的融合公式(2)、(3)可見，兩種算法均需要網(wǎng)絡(luò)最大度先驗(yàn)知識，具有較大局限性。

2 利用IC的快速分布式加權(quán)CSS算法(ICFDW)

根據(jù)上述分析可知，采用DAWGC算法進(jìn)行頻譜感知時，節(jié)點(diǎn)網(wǎng)絡(luò)需要較長時間才能達(dá)到收斂，不利于頻譜感知實(shí)時有效地進(jìn)行。鑒于此，本文引入身份代碼(IC)概念，使每個節(jié)點(diǎn)狀態(tài)值和權(quán)值都有自身獨(dú)特的“身份”標(biāo)識，以避免節(jié)點(diǎn)間狀態(tài)值的重復(fù)融合，減少CSS數(shù)據(jù)融合階段的融合次數(shù)，從而使整個網(wǎng)絡(luò)能夠快速達(dá)到收斂。

2.1 ICFDW算法步驟

在感知主用戶信號前，各節(jié)點(diǎn)根據(jù)自身特征、本地環(huán)境等因素編譯一個獨(dú)特的IC，節(jié)點(diǎn)SUi的IC表示為Di。節(jié)點(diǎn)SUi采用ED算法得到初始值xi(0)，并由權(quán)值本地設(shè)定公式得到該初始值的權(quán)值δi。然后節(jié)點(diǎn)與其鄰居節(jié)點(diǎn)交換數(shù)據(jù)，本算法中交換的數(shù)據(jù)包括xi(0)、權(quán)值δi以及Di(如圖2所示)，其中Di，δi，xi(0)是互相綁定的，對于xi(0)與δi，Di就是它們的“身份”標(biāo)識，如同班級里不同的學(xué)號和名字用來區(qū)分不同的人。

圖2 ICFDW算法數(shù)據(jù)傳輸示意圖

SU本地的存儲區(qū)域分為節(jié)點(diǎn)數(shù)據(jù)存儲區(qū)和融合狀態(tài)值存儲區(qū)(如表1所示)。值得注意的是，所提算法中節(jié)點(diǎn)間交換的數(shù)據(jù)始終是節(jié)點(diǎn)數(shù)據(jù)存儲區(qū)的全部節(jié)點(diǎn)初始值、權(quán)值和IC信息，而不是融合狀態(tài)值存儲區(qū)節(jié)點(diǎn)更新的本地狀態(tài)值，且屬于同一節(jié)點(diǎn)的初始值、權(quán)值和IC信息是綁定在一起傳送的。

表1 ICFDW算法數(shù)據(jù)本地存儲示意圖

本地節(jié)點(diǎn)按IC屬性將各節(jié)點(diǎn)數(shù)據(jù)區(qū)分并存儲在節(jié)點(diǎn)數(shù)據(jù)存儲區(qū)。第k次數(shù)據(jù)交換時，SUi將鄰居節(jié)點(diǎn)傳輸數(shù)據(jù)中的IC信息與本地存儲的IC信息進(jìn)行對比，對于本地存儲區(qū)里沒有的IC，SUi將存儲該IC及其所對應(yīng)的初始值和權(quán)值；對于本地已存有的IC，SUi不再重復(fù)存儲。

完成一次數(shù)據(jù)交換后，SUi根據(jù)融合公式更新自身狀態(tài)值，ICFDW算法融合公式為

(4)

式中：Ji(k)表示第k次數(shù)據(jù)交換后SUi本地存有IC所對應(yīng)的節(jié)點(diǎn)集合。

該數(shù)據(jù)交換和存儲方式，使得各節(jié)點(diǎn)可以快速獲取整個網(wǎng)絡(luò)的數(shù)據(jù)信息。以圖3中SU1為例，第1次數(shù)據(jù)交換時，SU1得到其鄰居節(jié)點(diǎn)SU2的IC、初始值及權(quán)值信息；而第2次數(shù)據(jù)交換時，SU2鄰居節(jié)點(diǎn)SU3，SU4各自的全部信息將通過SU2傳輸至SU1。

圖3 ICFDW算法實(shí)現(xiàn)數(shù)據(jù)快速傳遞示意圖

ICFDW利用節(jié)點(diǎn)IC的唯一性將各個節(jié)點(diǎn)的初始狀態(tài)值和權(quán)值有序存儲記錄，然后根據(jù)融合公式更新狀態(tài)值。由融合式(4)可知，ICFDW算法更新本地狀態(tài)值時不存在狀態(tài)值迭代過程，其僅僅是對節(jié)點(diǎn)數(shù)據(jù)存儲區(qū)各節(jié)點(diǎn)數(shù)據(jù)信息做一次簡單計(jì)算。因此，只要整個網(wǎng)絡(luò)保持連通狀態(tài)，節(jié)點(diǎn)均能獲取到所有節(jié)點(diǎn)的數(shù)據(jù)信息，整個網(wǎng)絡(luò)也定然能夠收斂至最終狀態(tài)值x*。另外，由式(4)可見，ICFDW算法無需知曉網(wǎng)絡(luò)最大度。

(5)

(6)

其中門限Vc可根據(jù)虛警概率pf=Prob{xi(k)>Vc|H0}得到[12]。

2.2 ICFDW算法的權(quán)值設(shè)定

由文獻(xiàn)[10]可知，在加性高斯白噪聲信道下，SUi分布式權(quán)值設(shè)定公式為

(7)

而在瑞利信道下，SUi分布式權(quán)值設(shè)定公式為

(8)

綜上，本文提出的ICFDW算法可描述如下：

戰(zhàn)士們都被這朵生命力如此頑強(qiáng)的小黃花吸引住了，他們暫時忘記傷痛，忘記了死亡，一個個走過來，把栽著花的鋼盔端起來，相互傳遞著欣賞它美麗的樣子。

1)節(jié)點(diǎn)SUi根據(jù)自身特征、本地環(huán)境等因素編譯一個獨(dú)特的IC，表示為Di；

2)SUi對接收信號進(jìn)行采樣，得到初始值xi(0)；再由式(7)或式(8)，得到本地權(quán)值δi；

3)綁定Di，xi(0)和δi，存儲于節(jié)點(diǎn)數(shù)據(jù)存儲區(qū)；

4)SUi與其所有鄰居用戶交換節(jié)點(diǎn)數(shù)據(jù)存儲區(qū)的數(shù)據(jù)信息，其中同節(jié)點(diǎn)信息綁定傳輸；

5)將鄰居節(jié)點(diǎn)傳輸數(shù)據(jù)中的IC信息與本地存儲的IC信息進(jìn)行對比，對于本地存儲區(qū)里沒有的IC，SUi存儲該IC及其所對應(yīng)的初始值和權(quán)值；

6)SUi根據(jù)式(4)更新本地狀態(tài)值并存儲于融合狀態(tài)值存儲區(qū)；

7)重復(fù)步驟4)～6)，直到整個網(wǎng)絡(luò)達(dá)到收斂；

8)根據(jù)式(6)，完成最終判決。

3 仿真分析

下面在瑞利信道下對所提算法進(jìn)行仿真驗(yàn)證，在分布式網(wǎng)絡(luò)中與BCCSS算法和DAWGC算法性能進(jìn)行比較。

圖4是包含N=20個SU的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)圖，其中圖4a中節(jié)點(diǎn)通信信道雙向穩(wěn)定，節(jié)點(diǎn)間每一次數(shù)據(jù)交換均能成功完成；圖4b中節(jié)點(diǎn)通信信道雙向動態(tài)，節(jié)點(diǎn)間每一次數(shù)據(jù)交換都可能因?yàn)槟承﹩栴}導(dǎo)致失敗，例如SUi的鄰居用戶SUj在雙方交換數(shù)據(jù)前移動出了SUi的可通信范圍，之后SUj將無法與SUi交換數(shù)據(jù)，直到其重新進(jìn)入SUi可通信范圍。

圖4 網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)圖

若無特殊說明，仿真中，各SU采樣點(diǎn)數(shù)M=10，通信信道平均信噪比為-5dB，圖4b各動態(tài)通信信道中交換數(shù)據(jù)失敗的概率為0.4。

圖5描述了ICFDW、BCCSS和DAWGC算法的ROC性能曲線，其中圖5a、5b分別為穩(wěn)定雙向通信信道和動態(tài)雙向通信信道下仿真所得。如圖5可見，無論是在穩(wěn)定雙向通信信道還是動態(tài)雙向通信信道下，ICFDW算法的檢測性能都大大優(yōu)于BCCSS算法，與DAWGC算法性能相當(dāng)。這是因?yàn)镮CFDW和DAWGC算法在融合狀態(tài)值時考慮了各節(jié)點(diǎn)本地感知條件，并根據(jù)感知條件的優(yōu)劣設(shè)定融合權(quán)值。例如pf=0.1時，圖5a中采用ICFDW、BCCSS和DAWGC算法得到的pd分別為0.953 1，0.952 5，0.719 3，圖5b中得到的pd分別為0.952 3，0.951 9和0.718 9。

圖5 3種算法ROC曲線

圖6給出了穩(wěn)定雙向通信信道下DAWGC和ICFDW算法中狀態(tài)值收斂的曲線，其中圖6a為DAWGC收斂曲線，圖6b為ICFDW收斂曲線。如圖6所示，采用DAWGC時所有節(jié)點(diǎn)狀態(tài)值收斂至1dB的偏差范圍內(nèi)需要約75次融合，而采用ICFDW時僅需4次融合整個網(wǎng)絡(luò)就達(dá)到收斂，大大減少了融合次數(shù)，實(shí)現(xiàn)了快速協(xié)作頻譜感知。

圖6 穩(wěn)定雙向通信信道下的收斂速度對比

圖7給出了動態(tài)雙向通信信道下DAWGC和ICFDW算法中狀態(tài)值收斂的曲線。如圖7所示，采用DAWGC時所有節(jié)點(diǎn)狀態(tài)值收斂至1dB的偏差范圍內(nèi)需要約90次融合，而采用ICFDW時僅需5次融合，整個網(wǎng)絡(luò)就達(dá)到收斂。

圖7 動態(tài)雙向通信信道下的收斂速度對比

為進(jìn)一步比較所提算法、DAWGC和BCCSS算法的收斂速度，圖8給出了穩(wěn)定雙向通信信道下3種算法使整個網(wǎng)絡(luò)達(dá)到收斂所需的平均融合次數(shù)隨節(jié)點(diǎn)個數(shù)變化的比較。從圖8可見，3種算法達(dá)到收斂所需的平均融合次數(shù)均隨網(wǎng)絡(luò)中節(jié)點(diǎn)個數(shù)的增多而增加，但I(xiàn)CFDW算法平均融合次數(shù)增加的個數(shù)遠(yuǎn)小于DAWGC，且小于BCCSS。在節(jié)點(diǎn)個數(shù)相同時，ICFDW算法所需平均融合次數(shù)也明顯小于DAWGC。例如網(wǎng)絡(luò)中節(jié)點(diǎn)個數(shù)為100時，采用ICFDW，DAWGC，BCCSS算法達(dá)到收斂所需的平均融合次數(shù)分別為6.62，1 002.59，76.33。

圖8 3種算法達(dá)到收斂所需的平均融合次數(shù)對比

4 結(jié)論

在進(jìn)行分布式加權(quán)協(xié)作頻譜感知時，本文引入IC概念并利用其唯一性，提出了ICFDW算法。理論分析和仿真表明，ICFDW算法檢測性能明顯優(yōu)于BCCSS算法，與DAWGC算法相當(dāng)，且無需網(wǎng)絡(luò)最大度這一先驗(yàn)知識，重要的是，ICFDW算法收斂速度明顯快于DAWGC算法，且快過BCCSS算法。采用ICFDW算法時，節(jié)點(diǎn)網(wǎng)絡(luò)可快速達(dá)到收斂，從而實(shí)時有效地進(jìn)行頻譜感知。

[1]徐晨, 趙雙領(lǐng), 孔令龍. 基于循環(huán)譜對稱性的新型頻譜判決算法[J]. 電視技術(shù), 2014, 38(15):198-202.

[2]MASONTAMT,MZYECEM,NTLATLAPAN．Spectrumdecisionincognitiveradionetworks:asurvey[J]．IEEECommunicationsSurveys&Tutorials, 2013,15(3):1088-1107.

[3]LIUX,TANX.Optimizationalgorithmofperiodicalcooperativespectrumsensingincognitiveradio[J].Internationaljournalofcommunicationsystems, 2014, 27(5):705-

720.

[4]HAGHIGHATM,SADOUGHS.M.S.Cooperativespectrumsensingforcognitiveradionetworksinthepresenceofsmartmalicioususers[J].AEU-internationaljournalofelectronicsandcommunications, 2014, 68(6):520-527.

[5]YOUC,KWONH,HEOJ.CooperativeTVspectrumsensingincognitiveradioforWi-Finetworks[J].IEEEtransactionsonconsumerelectronics, 2011, 57(1):62-67.

[6]VU-VANH,KOOI.Cooperativespectrumsensingwithcollaborativeusersusingindividualsensingcredibilityforcognitiveradionetwork[J].IEEEtransactionsonconsumerelectronics, 2011, 57(2):320-326.

[7]AKYILDIZIF,LOBF,BALAKRISHNANR.Cooperativespectrumsensingincognitiveradionetworks:asurvey[J].Physicalcommunication, 2011, 4(1):40-62.

[8]ZHANGW,LETAIEFK.Cooperativespectrumsensingwithtransmitandrelaydiversityincognitiveradionetworks[J].IEEEtransactionsonwirelesscommunications, 2008, 7(12):4761-4766.

[9]LIZQ,YU,FR,HUANGMY.Adistributedconsensus-basedcooperativespectrum-sensingschemeincognitiveradios[J].IEEEtransactionsonvehiculartechnology, 2010, 59(1):383- 393.

[10]ZHANGW,GUOY,LIUH,etal.Distributedconsensus-basedweightdesignforcooperativespectrumsensing[J].IEEEtransactionsonparallel&distributedsystems, 2015, 26(1):54-64.

[11]YUCEKT，ARSLANH．Asurveyofspectrumsensingalgorithmsforcognitiveradioapplications[J]．IEEEcommunicationssurveys&tutorials, 2009，11(1)：116-130．

[12]LIUY,ZENGC,WANGH,etal.Energydetectionthresholdoptimizationforcooperativespectrumsensing[C]//Proc. 2010 2ndInternationalConferenceonAdvancedComputerControl(ICACC). [S.l.]：IEEE, 2010:566-570.

蘇 杭(1990— )，碩士生，主研認(rèn)知無線電頻譜感知技術(shù)；

盧光躍(1971— )，博士，教授，碩士生導(dǎo)師，主研現(xiàn)代移動通信信號處理。

責(zé)任編輯：薛 京

Quickening distributed cooperative spectrum sensing by using identity code

SU Hang，LU Guangyue

(NationalEngineeringLaboratoryforWirelessSecurity,Xi’anUniversityofPostsandTelecommunications,Xi’an710121,China)

Spectrum sensing is a key technology in cognitive radio. The detection performance of the distributed average weighted gain combining (DAWGC) algorithm is excellent, but low convergence rate. In this paper, the identity code is employed to differentiate that values and weight are from which secondary user respectively and avoid repetitive data fusion among secondary users, and a fast distributed weighted cooperative spectrum sensing algorithm is proposed. With comparison to DAWGC algorithm, numerical simulations show that the proposed algorithm has comparable detection performance and high convergence rate significantly.

cognitive radio;cooperative spectrum sensing; identity code;convergence rate

蘇杭，盧光躍. 利用身份代碼加速分布式協(xié)作頻譜感知[J]. 電視技術(shù)，2016,40(11)：75-80. SU H，LU G Y. Quickening distributed cooperative spectrum sensing by using identity code[J]. Video engineering，2016,40(11)：75-80.

TN92

A

10.16280/j.videoe.2016.11.016

國家自然科學(xué)基金項(xiàng)目(61271276；61301091)；國家“863”項(xiàng)目(014AA01A705)

2016-03-19