基于信譽(yù)度的合作式頻譜感知

張曉玉，袁 野，杜 榮，李生紅

(1.上海交通大學(xué)電子信息與電氣工程學(xué)院，上海 200240；2.上海對外貿(mào)易學(xué)院商務(wù)信息學(xué)院，上海 201620)

1 概述

隨著無線通信的飛速發(fā)展，頻譜資源匱乏的問題日趨嚴(yán)重。傳統(tǒng)的固定頻譜分配模式是導(dǎo)致這一現(xiàn)象的主要原因，因此認(rèn)知無線電技術(shù)應(yīng)運(yùn)而生。認(rèn)知無線電技術(shù)最早由Joseph Miltola于1999年提出[1]。而頻譜感知是認(rèn)知無線電的基礎(chǔ)和前提，頻譜感知技術(shù)要求次用戶能夠快速準(zhǔn)確識別主用戶是否存在。目前，頻譜感知技術(shù)主要包括能量檢測、匹配濾波檢測和循環(huán)平穩(wěn)檢測，3種方法各有優(yōu)劣。能量檢測算法[2]最簡單，應(yīng)用也最為廣泛，但是需要知道噪聲功率，因此受到噪聲不確定性[3]因素的影響；匹配濾波法[4]需要知道信道響應(yīng)函數(shù)，且需要精確的時(shí)間同步技術(shù)；循環(huán)平穩(wěn)檢測算法[5]檢測率一般比較高，但是其一方面需要知道主用戶信號的循環(huán)頻率，另一方面計(jì)算復(fù)雜度高，不利于信道快速切換。

單用戶頻譜感知的性能受到路徑損耗和陰影效應(yīng)的影響。路徑損耗大多與感知用戶與主用戶間的位置有關(guān)系，而陰影效應(yīng)主要由物體對主信號的物理阻擋而造成的。因此，目前提出多個(gè)次用戶以合作的方式共同決定主用戶是否存在合作式頻譜感知算法。合作感知算法一般可分為：本地感知，感知信息傳遞和感知信息融合3個(gè)階段。其中，感知信息融合是目前合作式頻譜感知的研究熱點(diǎn)和難點(diǎn)。

文獻(xiàn)[6]提出了在數(shù)據(jù)融合階段存在的安全性問題——拜占庭式錯(cuò)誤。拜占庭錯(cuò)誤是指由惡意感知終端或頻譜感知數(shù)據(jù)偽造攻擊所引起的問題。在拜占庭錯(cuò)誤中，惡意用戶可能會不可靠地進(jìn)行本地頻譜感知，或者將不正確的感知結(jié)果發(fā)送給融合中心。為了避免這一問題，文獻(xiàn)[6-7]提出了基于信譽(yù)度的線性融合的合作式頻譜感知算法。在這2種算法中，CR用戶的信譽(yù)度都是建立在一段時(shí)間內(nèi)CR用戶本地感知結(jié)果和整體感知結(jié)果匹配度的基礎(chǔ)上的。然后，信譽(yù)度高的CR用戶在數(shù)據(jù)融合中的權(quán)重就高。這種信譽(yù)度更新算法存在兩方面的問題：(1)將惡意CR用戶與處于深衰落環(huán)境下的CR用戶都?xì)w類為信譽(yù)度低的用戶，這將導(dǎo)致深衰落環(huán)境下的CR用戶移動到非深衰落環(huán)境下時(shí)，其感知結(jié)果仍然不能得到好的利用。(2)關(guān)于融合中心，如果固定融合中心，那么一旦融合中心受到惡意攻擊，給整個(gè)系統(tǒng)造成了極大的不穩(wěn)定；如果CR用戶輪流做融合中心，那么融合中心本身的信譽(yù)度對結(jié)果的影響也應(yīng)當(dāng)考慮進(jìn)去。

基于以上的考慮，本文提出一種新的基于信譽(yù)度的合作式頻譜感知算法。該算法考慮到CR用戶因?yàn)樗幍沫h(huán)境位置不同而導(dǎo)致的其感知匹配度不同，提出了 2種類型的信譽(yù)度——自私信譽(yù)度和位置信譽(yù)度。所有CR用戶以地理位置分為不同的簇，每個(gè)地理簇里的CR有共同的位置信譽(yù)度，每個(gè)CR用戶有各自的自私信譽(yù)度。每個(gè)簇內(nèi)先進(jìn)行數(shù)據(jù)融合，然后再進(jìn)行總的數(shù)據(jù)融合。每個(gè)簇的簇頭和總簇頭由各個(gè)CR用戶輪流來做。而數(shù)據(jù)融合和信譽(yù)度更新階段，CR用戶本身信譽(yù)度和當(dāng)前簇頭信譽(yù)度都對權(quán)重及最后的結(jié)果有影響。

2 系統(tǒng)模型

合作式頻譜感知包括本地感知、感知信息傳遞和信息融合3個(gè)階段。

2.1 本地感知

本文中本地感知使用 CAV算法[8]。CAV算法信號模型如下：

L個(gè)連續(xù)采樣的x(n)統(tǒng)計(jì)協(xié)方差矩陣為(IL是L階單位矩陣)：

顯然有主用戶不存在時(shí) Rx是對角矩陣(矩陣非對角線上元素都為0)，主用戶存在時(shí)Rx不是對角矩陣，以此設(shè)立閾值。定義Rx中第m行第n列的元素為rmn。定義：

使用比值T1/T2做判定，如果T1/T2=1，主用戶信號不存在；反之，如果 T1/T2>1，則主用戶信號存在。

2.2 感知信息傳遞

假設(shè) CR網(wǎng)絡(luò)中有 N個(gè)用戶，分別為 CR1,CR2,…,CRj,…,CRN(j=1,2,…,N)。然后基于地理位置把所有 CR用戶分簇[9]分為 A個(gè)簇，分別為 S1, S2,…Si,…,SA(i=1,2,…,A)。每個(gè) Si有 Ni個(gè) CR 用戶和 1個(gè)簇頭Ci，自私信譽(yù)度高的次用戶作為總簇頭C。每個(gè)CR用戶把其本地感知信息傳給其所在簇的簇頭，然后所有簇頭再把信息傳遞給總簇頭C。因?yàn)榭紤]到控制信道的利用情況，在這里采用硬判決方式，也即傳遞的信息都是檢測判決結(jié)果0或1。

2.3 感知信息融合

本文算法中的感知信息融合分為簇內(nèi)感知信息融合和簇間感知信息融合2個(gè)階段。簇內(nèi)感知信息融合是指簇Si的簇頭Ci對其簇內(nèi)Ni個(gè)次用戶的感知結(jié)果的融合，融合過程考慮到各次用戶的自私信譽(yù)度。而簇間感知信息融合是指總簇頭 C對所有簇的簇頭Ci(i=1,2,…,A)的感知信息的融合，融合過程考慮到各簇的位置信譽(yù)度。具體融合算法將在下一節(jié)具體討論。

3 融合算法

3.1 基于信譽(yù)度的分簇合作式頻譜感知

本文提出了一種基于信譽(yù)度的分簇合作式頻譜感知算法，系統(tǒng)框圖如圖1所示。具體算法如下：

(1)初始化自私信譽(yù)度和位置信譽(yù)度：初始化所有CRj的自私信譽(yù)度 Rsj=1；初始化各簇的位置信譽(yù)度 Rri=1。

(2)分簇和次用戶頻譜感知：所有CR用戶按地理位置分簇，分成A個(gè)簇；所有次用戶CRj進(jìn)行頻譜感知，得感知結(jié)果 Uj，將 αj發(fā)送到相應(yīng)的簇頭 Ci。Ci由簇內(nèi)信譽(yù)度最高的CR用戶輪流來做。

(3)簇內(nèi)信息融合：各個(gè)簇頭 Ci對其接收到的 αj進(jìn)行簇內(nèi)數(shù)據(jù)融合，融合結(jié)果為 gi= θ （αjΘi） ，其中，θ是簇內(nèi)融合算法；αjΘi代表屬于第i個(gè)簇的所有CR用戶的發(fā)送感知結(jié)果。然后簇頭 Ci將 fi發(fā)送到總簇頭C。

(4)簇內(nèi)自私信譽(yù)度更新：各 Ci根據(jù)最后發(fā)送結(jié)果 fi和簇內(nèi)各 CR的檢測結(jié)果 αj作比較，對簇內(nèi) CR的Rsj進(jìn)行更新。

(5)簇間信息融合：總簇頭 C將所收到的 fi做數(shù)據(jù)融合，融合結(jié)果為 G=θ(fi)，將 F發(fā)送到控制中心作為最終的合作檢測結(jié)果。其中，θ是簇間融合算法。

(6)簇間位置信譽(yù)度更新：C根據(jù)最后發(fā)送到控制中心的結(jié)果 G和各簇融合結(jié)果 fi作比較，對各簇的Rri進(jìn)行更新。

(7)以更新過的 Rsj和 Rri跳到第(2)步重復(fù)進(jìn)行。其中，j=1,2,…,N，i=1,2,…,A。

圖1 融合算法系統(tǒng)框圖

3.2 信譽(yù)度更新

如上述算法的第(4)步，每完成一次簇內(nèi)感知后，各Ci根據(jù)最后發(fā)送結(jié)果fi和簇內(nèi)各CR的檢測結(jié)果αj作比較，對簇內(nèi) CR的 Rsj進(jìn)行更新。當(dāng) αj=fi時(shí)，相應(yīng)的 Rsj上升；反之，當(dāng) αj≠fi時(shí)，Rsj下降。

同樣地，對于位置信譽(yù)度，一次完整的合作式頻譜感知后，總簇頭C要根據(jù)最終發(fā)送到控制中心的感知結(jié)果F和各簇發(fā)送過來的fi(i=1,2,…,A)之間的匹配程度，更新各簇的位置信譽(yù)度Rri。當(dāng)fi=F時(shí)，Rri上升；反之，當(dāng)fi≠F時(shí)，Rri下降。

下面為了公式表示的統(tǒng)一，設(shè)需要更新的t時(shí)刻信譽(yù)度和更新后的 t+1時(shí)刻信譽(yù)度分別為 R(t)和R(t+1)(自私信譽(yù)度更新中為 Rsj；位置信譽(yù)度更新中為Rri)，簇頭的信譽(yù)度為RH(自私信譽(yù)度更新中為所在簇簇頭的信譽(yù)度；位置信譽(yù)度更新中為總簇頭的信譽(yù)度)。

其中，R上升的原則如下：

當(dāng)RH<0.5時(shí)：

R下降的原則如下：當(dāng)RH<0.5時(shí)：

其中，νup和νdown分別是上升因子和下降因子；a和a′分別是上升停值和下降停值(表示上升時(shí)，若R(t)≤a，則R(t+1)不再上升；下降時(shí)，若 R(t)≤a′，則R(t+1)直接降為0)。當(dāng)RH<0.5時(shí)，R(t+1)=R(t)，不變。

3.3 感知信息融合算法

感知信息融合是合作式頻譜感知的難點(diǎn)和熱點(diǎn)。

3.3.1 簇內(nèi)融合算法

這里簇內(nèi)融合算法即gi=θ(αjΘi)的過程，采用線性加權(quán)的方法，即：

其中，j∈Si表示屬于 Si的所有 CR用戶；NRs>k是指該簇中 Rs>k的次用戶數(shù)；αj和 wj分別是其相應(yīng)的發(fā)送感知結(jié)果和簇內(nèi)融合權(quán)重；權(quán)重 wj是自私信譽(yù)度Rsj的函數(shù)，需要一個(gè)函數(shù)滿足圖2的要求。

本文使用指數(shù)函數(shù)：

取x=0.5，y=0.1，d=100，如圖2所示。

圖2 信譽(yù)度與權(quán)重函數(shù)

3.3.2 簇間融合算法

簇間融合算法，即最后總簇頭 C處 G=θ(fi)的過程。同樣地，使用線性加權(quán)有：其中，NRr>k是指 Rr>k的分地域數(shù)；fi和 βi分別是各簇相應(yīng)的發(fā)送的感知結(jié)果和簇間融合權(quán)重。權(quán)重 βi是位置信譽(yù)度 Rri的函數(shù)，也可以使用簇內(nèi)融合算法中的函數(shù)形式。這種函數(shù)表示當(dāng)信譽(yù)很低時(shí)基本不影響融合結(jié)果，而當(dāng)信譽(yù)度大于某一值后，信譽(yù)度越大，對融合結(jié)果影響越大。

4 仿真實(shí)驗(yàn)

4.1 仿真環(huán)境

對以上提出的數(shù)據(jù)融合和合作感知機(jī)制進(jìn)行仿真。在仿真中，一共有 N個(gè)次用戶隨機(jī)分布在一個(gè)2 000 m×2 000 m的方形區(qū)域里，在該區(qū)域中平均分成16個(gè)子區(qū)域。而主用戶離區(qū)域中心3 000m，且在區(qū)域7和8之間有一個(gè)建筑物，具體分布如圖3所示。在N個(gè)次用戶中，有Nm個(gè)惡意用戶，在這里針對檢測率，假設(shè)惡意用戶分別為“always-0(總是發(fā)送主用戶不存在)”和“random(隨機(jī)發(fā)送結(jié)果)”2種。每個(gè)次用戶在方形區(qū)域中的移動符合隨機(jī)移動模型[10]，該模型參數(shù)為次用戶移動的最高速率是10 m/s，最大空閑時(shí)間是60 s。主用戶發(fā)送的信號是窄帶無線麥克風(fēng)信號[8]。根據(jù)簡化的路徑損耗模型和陰影效應(yīng)模型[11]，得到次用戶接收到的信號模型。另外，在各個(gè)次用戶處的本地頻譜感知所采用的cav算法的參數(shù)為信號樣本量 Nw=50 000，信噪比為?20 dB，誤警率P =0.01。

圖3 仿真布局

4.2 仿真結(jié)果

本節(jié)給出惡意用戶為“always-0”和“random”2種情況下，關(guān)于大多數(shù)原則(majority rules)，傳統(tǒng)基于信譽(yù)度的頻譜感知算法(RBS)和本文提出的基于二重雙向信譽(yù)度的頻譜感知算法(DBRBS)的仿真結(jié)果。并設(shè) N=500，Nm=130～190，一共進(jìn)行 200次合作檢測。如圖 4所示，是惡意用戶為“always-0”情況下的檢測率情況。從圖中可以看到，隨著惡意用戶數(shù)的增加，3種算法的檢測率都是下降的。但是 DBRBS算法具有明顯的優(yōu)勢，當(dāng)Nm≤160時(shí)，DBRBS的檢測率都是在0.9以上的，具有較好的工作性能。而另外2種算法從Nm=130開始都沒有達(dá)到頻譜檢測中檢測率的標(biāo)準(zhǔn)。圖 5是惡意用戶為“random”情況下的檢測率，檢測率是隨著惡意用戶數(shù)的增加而降低，“RBS”和“majority rules”的檢測率相對接近，“RBS”性能更好些，本文提出的DBRBS算的性能仍然是優(yōu)于另外2種算法。

圖4 惡意用戶為always-0時(shí)的檢測率

圖5 惡意用戶為random時(shí)的檢測率

另外，在計(jì)算“always-0”情況下，當(dāng) Nm=140時(shí)自私信譽(yù)度的各部分的均值。設(shè)R?p為 500個(gè)次用戶的自私信譽(yù)度的向量，取其前 140個(gè)數(shù)的均值時(shí)mean0～140=0.031 8，而后面的自私信譽(yù)度的均值為mean141～150=0.869 0。同樣的條件下，RBS算法中mean′0～140=0.02，mean′141～500=0.522 7。本文算法在前面惡意用戶的信譽(yù)度均值中比 RBS算法略高，但是整體信譽(yù)度更新更準(zhǔn)確。

5 結(jié)束語

基于自私信譽(yù)度和位置信譽(yù)度，本文提出一種基于二重雙向信譽(yù)度的合作式頻譜感知算法，該算法較有效地解決了由于惡意用戶和復(fù)雜無線環(huán)境中的陰影效應(yīng)及路徑損耗所導(dǎo)致的單用戶頻譜感知不準(zhǔn)確的問題。實(shí)驗(yàn)結(jié)果表明，該算法在復(fù)雜的無線環(huán)境中能夠較好地檢測到主用戶信號，具有較高的檢測率，并能較為準(zhǔn)確地記錄自私信譽(yù)度和位置信譽(yù)度。本文使用的融合算法是硬融合算法，下一步工作將討論相應(yīng)的軟融合算法在此系統(tǒng)中的應(yīng)用。

[1]Mltola L, Maguire G Q.Cognitive Radio: Making Software Radios More Personal[J].IEEE Personal Communications, 1999, 6(4): 13-18.

[2]Yan Yanxin, Gong Yi.Energy Detection of Narrowband Signals in Cognitive Radio Systems[C]//Proc.of WCSP’10.Suzhou, China: [s.n.], 2010.

[3]Tandra R, Sahai A.SNR Wall for Signal Detection[J].IEEE Journal of Selected Topics in Signal Processing,2008, 2(1): 4-7.

[4]Tang Haiyun.Some Physical Layer Issues of Wide-band Cognitive Radio Systems[C]//Proc.of the 1st IEEE International Symposium on New Frontiers in Dynamic Spectrum Access Networks.Baltimore, USA: IEEE Computer Society, 2005: 151-159.

[5]Ghozzi M, Marx F, Dohler M, et al.Cyclostationarity Based Test for Detection of Vacant Frequency Bands[C]//Proc.of Cognitive Radio Oriented Wireless Networks and Communication Conference.Mykonos, Island: [s.n.],2006.

[6]Chen Ruiliang, Park J M, Bian K G.Robust Distributed Spectrum Sensing in Cognitive Radio Networks[C]//Proc.of the 27th Conference on Computer Communications.Phoenix, America: [s.n.], 2008.

[7]金 煦.認(rèn)知無線電中的合作頻譜感知技術(shù)研究[D].杭州: 浙江大學(xué), 2010.

[8]Zeng Yonghong, Liang Yingchang.Spectrum-sensing Algorithms for Cognitive Radio Based on Statistical Covariances[J].IEEE Transactions Vehicular Technology,2009, 58(4): 1804-1815.

[9]Sun Chunhua, Zhang Wei, Letaief K B.Cluster-based Cooperative Spectrum Sensing in Cognitive Radio Systems[C]//Proc.of IEEE International Conference on Communications.[S.1.]: IEEE Press, 2007.

[10]Bettstetter C, Resta G, Santi P.The Node Distribution of the Random Waypoint Mobility Model for Wireless Ad Hoc Networks[J].IEEE Transactions on Mobile Computing, 2003, 2(3): 257-269.

[11]Rappaport T S.無線通信原理與應(yīng)用[M].周文安, 付秀花,王志輝, 譯.北京: 電子工業(yè)出版社, 2006.