基于SNR比較的協(xié)作頻譜感知研究

胡 峰，鄭紫微，熊 歐

(寧波大學通信技術研究所，浙江寧波 315211)

0 引言

如今，頻譜資源的匱乏制約著無線通信的發(fā)展。近年來，認知無線電技術［1］一經提出就受到了廣泛關注。認知無線電是一種智能無線電系統(tǒng)，尋找頻譜空穴［2］并動態(tài)式接入空閑頻譜來實現(xiàn)對頻譜利資源的二次利用，從而達到高頻譜利用率。頻譜感知［3－4］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，檢測效果并不理想。為了減少改善這個情況，提出了協(xié)作頻譜檢測，綜合多個用戶的檢測結果以協(xié)作方式能提高頻譜感知的整體檢測性能。

目前一些文獻提出的協(xié)作頻譜感知方案［5－7］中，均假設各認知用戶具有相同的信噪比(SNR)，經歷了相同的獨立同分布衰落，并沒有過多考慮認知用戶之間空間位置等信息的不同所帶來的可靠性差異。在實際環(huán)境中，認知用戶的信噪比不同，其本地檢測的可靠性也不盡相同。尤其當某些節(jié)點處于較低信噪比環(huán)境時，其本地檢測結果可靠性不高，影響了數(shù)據(jù)融合中心的判決。所以，篩選一些具有較優(yōu)信噪比的CR用戶(認知用戶)參加頻譜感知是很有必要的?；诖嘶A，提出了一種基于信噪比的協(xié)作頻譜感知算法。仿真結果表明，該算法能有效提高檢測性能，并減少參與協(xié)作感知的節(jié)點數(shù)量。

1 頻譜感知

1.1 能量檢測模型

能量檢測是頻譜檢測最基本的方法［8］。能量檢測實現(xiàn)簡單，算法復雜度低，不需要知道信號的先驗知識，所以被廣泛的使用。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，超過判決門限，就認為該頻段內有主用戶(PU)存在。假定接受信號有以下表達式:

式中，是被檢測的信號，是加性高斯噪聲，從式(1)得知，當信號為零，該頻段內LU不存在。能量檢測器可以寫為:

式中，n是抽樣序列向量維數(shù)。

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(tǒng)計值Y，如圖1所示［9－10］。將Y與預先設定的門限進行比較，若大于門限值，則表示PU存在。若小于門限值，則表示PU不存在，信道空閑。這樣的判斷可以通過以下假設檢驗來實現(xiàn)。

傳統(tǒng)頻譜感知通常采用二元假設模型:

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(xiàn)PU被正確檢測到的概率。

PFA是指在檢測頻段內LU沒有出現(xiàn)，能量檢測器認為PU存在的概率。

圖1 能量檢測算法實現(xiàn)流程圖統(tǒng)

在AWGN信道下檢測概率和虛警概率分別為:

式中，λE為門限值，γ為信噪比(SNR)，Γ(x)與Γ(x，y)分別為完整和不完整的Gamma函數(shù)，Q(x)為廣義Marcum函數(shù)。

1.2 協(xié)作頻譜感知

頻譜檢測在實際場景中的性能常常被多徑衰落、陰影效應和接收機的不確定性問題所制約。為了減少這些問題的影響，提出了協(xié)作頻譜感知，通過利用空間分集來有效提高性能，從而減少這些問題的影響。協(xié)同檢測方法主要分為集中式頻譜檢測方法、分布式頻譜檢測方法和中繼輔助協(xié)作頻譜檢測方法

其中，集中式頻譜檢測方法是將每個CR用戶獲得檢測數(shù)據(jù)直接傳送到融合中心，由融合中心經過處理后得出結論。此方法具有數(shù)據(jù)全面、信息無丟失以及最終判決結論置信度高等優(yōu)點，所以采取集中式頻譜檢測方法，頻譜感知模型如圖2所示。

圖2 頻譜感知模型

具體過程為:首先數(shù)據(jù)融合中心(FC)選擇一個頻段，并且控制所有協(xié)作CR用戶(假設有N個CR用戶)各自進行本地感知;其次，所有的CR用戶通過控制信道上傳它們的感知數(shù)據(jù);最后，F(xiàn)C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(fā)到協(xié)作CR用戶。

當二進制的本地檢測結果上報給FC時，運用線性融合規(guī)則來獲取協(xié)作決策是很方便的。常用的融合有3種:“與”、“或”和“多數(shù)”規(guī)則。其中“或”規(guī)則使用最廣泛。令ui為CR用戶i的本地決策，u為FC 做出的協(xié)作決策，ui，u∈{0，1}，“1”和“0”分別表示 PU的存在狀態(tài)(H1)和不存在狀態(tài)(H0)。

“與”規(guī)則指的是對任意，如果ui都為1，F(xiàn)C就判決u=1，此時的檢測概率和虛警概率分別為:

“或”規(guī)則是對任意，只要有ui為1，F(xiàn)C就判決u=1。此時的檢測概率和虛警概率分別為:

“多數(shù)”規(guī)則需要至少一半的CR用戶報告1，F(xiàn)C才會判決=1。

2 基于SNR比較的協(xié)作頻譜感知

在實際的無線電網絡環(huán)境中，由于各CR節(jié)點的分布位置是隨機分布的，它們處于不同的信噪比環(huán)境，這就導致它們具有不同的信噪比，因此各個節(jié)點本地檢測結果的可靠性也不同。這里先考慮2種特殊情況:

①參加協(xié)作的CR用戶都具有較低的SNR值，尤其當它們處于深度衰落環(huán)境時，這將對協(xié)作檢測的性能產生影響，這時候CR用戶協(xié)作檢測對提高檢測性能幾乎沒幫助，甚至會降低檢測性能［11］;

②參加協(xié)作的CR用戶都具有較高的SNR值，那么這時候它們單獨檢測的性能要好于協(xié)作檢測的性能［11］。

但是以上2種情況不符合實際認知網絡環(huán)境的一般情況。在實際認知網絡環(huán)境中，各CR用戶具有優(yōu)劣各異的SNR，并且具有較低SNR值的CR用戶會影響檢測的性能。所以，有必要對參加頻譜檢測的CR用戶進行篩選，選出具有較高SNR值的CR用戶參與協(xié)作檢測。假設各CR節(jié)點具有估計自身SNR值的能力，SNR估計是無線通信領域中一種通用技術。

在現(xiàn)有的協(xié)作頻譜感知算法［11，12］的基礎上，提出一種改進的基于SNR比較的協(xié)作感知算法，算法流程圖如圖3所示。

圖3 算法流程圖

①各CR用戶通過能量檢測算法以及SNR估計，將本地判決結果和自身SNR值γi發(fā)送到數(shù)據(jù)融合中心;

②數(shù)據(jù)融合中心對收到的CR用戶的SNR值求和再取均值 γ－;

③ 各CR用戶自身的SNR值γi依次與均值 γ－相減，得到的差值與最佳信噪比閥值λ相比較，差值大于最佳閥值，舍去;否則，采用。以選取較優(yōu)CR用戶參與協(xié)作檢測。

本文算法中的最佳信噪比閥值λ這樣確定:假設認知無線網絡中有N個CR節(jié)點。

①設定λ為所有CR節(jié)點中最大的SNR與所有CR節(jié)點的SNR的差值，這樣初始信噪比閥值就有N個值;

②分別對在這N個初始信噪比閥值時進行協(xié)作頻譜感知仿真，獲得CR節(jié)點在不同初始閥值下的協(xié)作頻譜感知的ROC曲線(工作特征曲線)，每個初始閥值都有一條ROC曲線相對應;

③比較這N條不同的ROC曲線，觀察在虛警概率相同的情況下，檢測概率大小。檢測概率越大表明其協(xié)作檢測的性能越好，據(jù)此選擇協(xié)作檢測最好的ROC曲線對應的初始閥值作為最佳信噪比閥值λ。

3 計算機仿真結果與分析

仿真過程:假設現(xiàn)在網絡中有5個CR用戶，且各CR用戶接收機與數(shù)據(jù)融合中心之間的傳輸信道是理想的，同時認定CR用戶接收信號的信噪比服從正態(tài)分布。每個CR用戶均采用能量檢測方法獲得一個本地檢測結果，并通過SNR估計獲得自身的SNR值，然后每個CR用戶再將它們各自的本地檢測結果和SNR值一起發(fā)送到融合中心，再在融合中心進行SNR比較和篩選，選取具有較優(yōu)SNR值得CR用戶參與協(xié)作檢測，最后融合中心將檢測結果反饋給CR用戶。這樣一個基于SNR比較的協(xié)作頻譜感知過程就完成了。

基于上述過程，設定CR用戶接受信號的SNR分別為－17 dB、－19 dB、－20 dB、－22 dB和－25 dB。

單用戶在不同SNR下的本地能量檢測性能的ROC比較如圖4所示，可以看出CR用戶具有不同SNR時會具有不同檢測性能，CR用戶的SNR越高，其檢測性能相對就越好，所以CR用戶接收端的SNR大小對用戶本身的檢測性能是有影響的。

本文算法與現(xiàn)有算法的ROC比較如圖5所示，可以看出所研究的基于信噪比的協(xié)作頻譜感知算法相比現(xiàn)有的算法，具有更好的檢測性能。所以所提出的算法是可行并有效的，可以提高檢測效率。

CR用戶在不同閥值時的檢測性能ROC比較如圖6所示。

圖4 單用戶不同SNR下的本地檢測性能的ROC比較

圖5 本文算法與現(xiàn)有算法及其他檢測方法的ROC比較

圖6 CR用戶在不同閥值時的檢測性能ROC比較

用來確定最佳信噪比閥值。本實驗選取的5個用戶仍然是SNR分別是－17 dB、－19 dB、－20 dB、－22 dB和－25dB的CR用戶，仍然采用OR融合規(guī)則(“或”融合規(guī)則)。由圖6可見，在閥值等于2時，檢測性能最好，在其他閥值時，檢測性能依次降低，所有最佳SNR閥值是2。根據(jù)所提出的算法可以確定，當最佳SNR閥值選為2時，采用的是2個CR用戶協(xié)作的模型。

4 結束語

在研究了認知無線電頻譜感知相關內容的基礎上，綜合考慮實際情況中認知用戶存在差異性的因素，提出了基于信噪比的協(xié)作頻譜感知算法。仿真結果表明:通過設定最佳信噪比閥值，選取具有較優(yōu)SNR值的CR用戶參與協(xié)作頻譜檢測，可以有效地降低虛警概率，提高檢測效率。本文研究的算法相比現(xiàn)有的算法，具有更好的檢測性能。此外在提高檢測性能的同時，減少了參與協(xié)作的CR用戶數(shù)目，節(jié)約了檢測時間。

［1］潘軍.認知無線電系統(tǒng)關鍵技術研究［D］.北京:北京郵電大學，2011.

［2］NIU Ying-tao，YAO Fu-qiang，CHEN Jiang-zhong，et al.A Novel Dynamic Spectrum Hole Sensing［J］.Future Networks，2010，ICFN10，2010:108 －184.

［3］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.

［4］SHEN Bin.An Optimal Soft Fusion Scheme for Cooperative Spectrum Sensing in Cognitive Radio Network［J］.ETRI Journal，2009，31(3):263 －270.

［5］CHEN Wen-bin，YANG Chi-kai，HUANG Yuan-hao.Energy Saving Cooperative Spectrum Sensing Processor for Cognitive Radio System［J］.Circuits and Systems I:Reqular Papers，IEEE，2011，58(4):711 －723.

［6］XIE Sheng-li，LIU Yi，ZHANG Yan.A Parallel Cooperative Spectrum Sensing with Energy Detection in Cognitive Radio Networks［J］.Vehicular Technology，IEEE，2010，59(8):4079－4092.

［7］WEI Zhang，RANJAN K M.Cooperative Spectrum Sensing Optimization in Cognitive Radio Networks［C］∥USA:IEEE，2008:21 －28.

［8］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.

［9］BIAN Li，ZHU Qi.Cooperative Spectrum Sensing Algorithm Based on Data Fusion［J］.Journal of Nanjing University of Posts and Telecommunications(Natural Science)，2009，29(2):73 －78.

［10］YANG Ming-ji，WU Qiong，SHI Jia-qing，el at.Cooperative Spectrum Sensing Algorithm in SNR Comprision［J］.Journal of Harbin University of Science And Technology，2013，18(2):105 －108.

［11］CHEN Shou-kun，LI Li，WANG Pei，et al.Cooperative Spectrum Sensing based on Threshold Control and SNR Selection［J］.Communications Technology，2011，44(3):4 －6.

［12］ZHENG Yi，XIE Xian-zhong，YANG Li-li.Cooperative Spectrum Sensing based on SNR Comparison for Cognitive Radio［J］.Telecommunication Engineering，2009，49(8):13－17.