一種基于融合規(guī)則的自適應(yīng)分簇協(xié)作頻譜感知算法

邱恭安，封 森

（南通大學(xué)電子信息學(xué)院 南通226019）

1 引言

認(rèn)知無線電（cognitive radio，CR）網(wǎng)絡(luò)中，協(xié)作頻譜感知（cooperative spectrum sensing，CSS）通過同頻段中多個(gè)認(rèn)知用戶節(jié)點(diǎn)間的協(xié)作檢測提高頻譜感知性能，克服了多徑衰落、陰影效應(yīng)和隱藏終端問題。協(xié)作頻譜感知模型主要有全節(jié)點(diǎn)數(shù)據(jù)融合協(xié)作模型、中繼協(xié)作模型和分簇協(xié)作模型。其中，分簇協(xié)作頻譜感知僅由簇首與融合中心節(jié)點(diǎn)建立連接，能夠節(jié)省控制信道資源、減小融合中心計(jì)算負(fù)擔(dān)、降低簇節(jié)點(diǎn)能耗與簇動(dòng)態(tài)性[1]。

分簇協(xié)作頻譜感知算法包括CR節(jié)點(diǎn)分簇建立、簇首推舉、本地頻譜檢測和分簇協(xié)作決策4個(gè)部分[2]。分簇建立算法主要有基于著色理論的分簇、基于位置信息的分簇、基于確定性/隨機(jī)性的分簇、基于負(fù)載均衡的響應(yīng)式分簇、基于能量的分簇以及基于最大節(jié)點(diǎn)數(shù)的分簇等算法，其目標(biāo)是在系統(tǒng)檢測性能和計(jì)算復(fù)雜度間求最優(yōu)化[3]。簇首推舉算法主要有最小能量消耗型的功率感知算法、最大范圍的高連通算法、基于簇大小和簇首穩(wěn)定性等要素加權(quán)的簇首推舉算法，不同的應(yīng)用范疇需要的算法不同[4]。簇首節(jié)點(diǎn)的本地頻譜檢測算法主要有能量檢測算法、匹配濾波器檢測算法和循環(huán)平穩(wěn)特征值檢測算法。分簇協(xié)作是對所有感知節(jié)點(diǎn)上傳的檢測結(jié)果進(jìn)行融合計(jì)算，并做出全局判決，包括硬判決融合算法和軟判決融合算法。硬判決融合算法主要有AND算法、OR算法和K/M算法；軟判決融合算法主要有基于證據(jù)理論融合算法、基于貝葉斯最小似然估計(jì)算法和紐曼—皮爾遜估計(jì)算法，融合中心需要根據(jù)信道條件和系統(tǒng)效率選擇最佳融合算法[5]。但是，在信道條件變化或感知節(jié)點(diǎn)移動(dòng)的情況下，固定分簇協(xié)作頻譜感知算法性能會(huì)因?qū)嶋H感知參數(shù)的變化而發(fā)生波動(dòng)，特別是當(dāng)感知節(jié)點(diǎn)接收信噪比快速惡化時(shí)，系統(tǒng)檢測性能會(huì)急劇下降[6]。因此，在滿足全局系統(tǒng)檢測性能要求的前提下，簇首節(jié)點(diǎn)需要應(yīng)用自適應(yīng)策略跟隨感知參數(shù)變化，保證既定的系統(tǒng)檢測性能限。當(dāng)信道條件好于可接受感知參數(shù)門限值時(shí)，采用分簇協(xié)作模式，否則啟用分簇全節(jié)點(diǎn)協(xié)作檢測模式，或者本簇退出協(xié)作檢測，僅接收系統(tǒng)全局判決信息，實(shí)現(xiàn)自適應(yīng)分簇協(xié)作頻譜感知，最大化減小控制信道資源的占用、降低系統(tǒng)計(jì)算復(fù)雜度。

2 相關(guān)工作

分簇協(xié)作頻譜感知算法主要包括提高性能增益算法(performance gainoriented scheme)、減少負(fù)載算 法(overhead reductionoriented scheme)和基于性能指標(biāo)聯(lián)合算法(combinedmetrics based scheme)，其目標(biāo)是實(shí)現(xiàn)頻譜檢測性能和額外開銷之間的聯(lián)合優(yōu)化。

Sun C H等[7]提出利用感知用戶選擇分集提高協(xié)作頻譜感知性能，通過選擇信道增益最大的感知節(jié)點(diǎn)作為簇首，由簇首進(jìn)行協(xié)作頻譜檢測，有效克服了衰落信道感知節(jié)點(diǎn)帶來的性能下降。Liang X Y等[8]提出基于信道條件進(jìn)行動(dòng)態(tài)分簇以提高協(xié)作頻譜感知系統(tǒng)性能，通過選擇具有最小誤比特率的感知用戶作為簇首進(jìn)行頻譜檢測，利用空間分集和時(shí)間分集增益提高系統(tǒng)檢測性能。Peng K Z等[9]提出在簇首進(jìn)行本地能量檢測時(shí)，基于信道條件使用多門限頻譜檢測，根據(jù)不同門限范圍決定是否上傳檢測結(jié)果以控制信道擁塞。ElSaleh A A等[10]研究了分簇協(xié)作頻譜感知算法中檢測可靠性和資源消耗間的關(guān)系，當(dāng)大量認(rèn)知節(jié)點(diǎn)參與協(xié)作時(shí)能在一定程度上提高系統(tǒng)檢測準(zhǔn)確性，但同時(shí)增大了虛警概率，需要消耗更多的控制信道資源，因此，在保證系統(tǒng)要求檢測性能限的前提下，盡量減少協(xié)作節(jié)點(diǎn)數(shù)目是有效的協(xié)作方式。Reisi N等[11]研究了相關(guān)對數(shù)正太分布陰影衰落信道下的認(rèn)知節(jié)點(diǎn)協(xié)作，通過對不同質(zhì)量報(bào)告信道檢測結(jié)果的加權(quán)，實(shí)現(xiàn)系統(tǒng)綜合檢測性能的提高。Wu Q H等[12]基于一致性理論研究了大量認(rèn)知節(jié)點(diǎn)下的分布式融合協(xié)作頻譜感知算法，通過鄰居節(jié)點(diǎn)間的信息交換實(shí)現(xiàn)局部一致性，然后選擇性能好的認(rèn)知節(jié)點(diǎn)進(jìn)行協(xié)作，并進(jìn)行分布式的融合判決以減小全部認(rèn)知節(jié)點(diǎn)協(xié)作時(shí)生成的過量信道開銷和計(jì)算復(fù)雜度。

目前，分簇協(xié)作頻譜感知算法的研究主要針對固定信道狀態(tài)提出了各種理論上的最優(yōu)感知算法，但實(shí)際中無線信道具有動(dòng)態(tài)性，因此，研究與信道狀態(tài)動(dòng)態(tài)自適應(yīng)的協(xié)作頻譜感知算法，以綜合實(shí)現(xiàn)滿足系統(tǒng)檢測性能、擴(kuò)展系統(tǒng)檢測區(qū)間、減小信道開銷，具有實(shí)用化意義。

3 基于融合規(guī)則的自適應(yīng)分簇協(xié)作頻譜感知算法

自適應(yīng)分簇協(xié)作頻譜感知算法 （adaptive clustering cooperative spectrum sensing algorithm，ACCSSA）是根據(jù)簇首節(jié)點(diǎn)接收信噪比狀態(tài)和/或簇首節(jié)點(diǎn)的剩余能量對傳統(tǒng)分簇協(xié)作頻譜感知算法的優(yōu)化。在基于融合規(guī)則的自適應(yīng)分簇協(xié)作頻譜感知算法中，簇首節(jié)點(diǎn)首先判斷其接收信噪比是否大于分簇門限值，如果大于該值，則僅由簇首進(jìn)行本地檢測，并上傳檢測結(jié)果至數(shù)據(jù)融合中心，否則啟用本簇全節(jié)點(diǎn)協(xié)作模式，即本簇內(nèi)所有CR節(jié)點(diǎn)均參與頻譜狀態(tài)檢測，并分別上傳檢測結(jié)果至數(shù)據(jù)融合中心，或者本簇退出協(xié)作檢測，僅接收系統(tǒng)全局判決信息。數(shù)據(jù)融合中心對本周期內(nèi)接收到的檢測結(jié)果進(jìn)行融合處理，做出全局頻譜狀態(tài)判決，并將最終判決結(jié)果發(fā)送給簇首，由簇首在簇內(nèi)進(jìn)行廣播。設(shè)認(rèn)知無線網(wǎng)絡(luò)節(jié)點(diǎn)由主用戶（primary user，PU)節(jié)點(diǎn)、次用戶（second user，SU)節(jié)點(diǎn)和融合中心(fusion center，F(xiàn)C)節(jié)點(diǎn)構(gòu)成，則分簇協(xié)作頻譜感知模型如圖1所示。

圖1 分簇協(xié)作頻譜感知模型

3.1 分簇門限設(shè)置

對于認(rèn)知無線網(wǎng)絡(luò)中的頻譜感知算法，當(dāng)系統(tǒng)虛警概率不大于0.1，且檢測概率不小于0.9時(shí)，算法處于有效工作區(qū)域，則在既定信道模型中，全局虛警概率和檢測概率取臨界值，可推導(dǎo)出分簇簇首的平均信噪比，即自適應(yīng)分簇門限值。

在瑞利衰落信道中，單節(jié)點(diǎn)基于能量檢測算法，系統(tǒng)本地檢測的檢測概率Pd,Ray和虛警概率Pf,Ray分別為[13]：

其中，λ為能量檢測門限值，γ為本地檢測的認(rèn)知節(jié)點(diǎn)信噪比，u為時(shí)間帶寬積，Γ為Gamma函數(shù)。

（1）OR融合規(guī)則下的分簇門限

若融合中心采用OR融合規(guī)則，令全局虛警概率Qf=0.1，全局檢測概率Qd=0.9，假設(shè)系統(tǒng)中所有次用戶總共分成n個(gè)簇，則由OR融合規(guī)則求得的每個(gè)簇首節(jié)點(diǎn)平均檢測概率、平均虛警概率分別為：

當(dāng)給定時(shí)間帶寬積u時(shí)，由式（2）和式（3）可得本地能量檢測門限值λOR為：

此時(shí)由式（6）：

可求得系統(tǒng)分簇門限值γOR為：

即OR融合規(guī)則下分簇協(xié)作能達(dá)到系統(tǒng)檢測性能限時(shí)的最小信噪比。

（2）AND融合規(guī)則下的分簇門限

同樣假設(shè)系統(tǒng)中所有次用戶總共分成n個(gè)簇，當(dāng)融合中心采用AND融合規(guī)則時(shí)，令分簇協(xié)作模式中全局虛警概率Qf=0.1，全局檢測概率Qd=0.9，則由AND融合規(guī)則求得的每個(gè)簇首節(jié)點(diǎn)平均檢測概率Pd,AND、平均虛警概率Pf,AND分別為：

當(dāng)給定時(shí)間帶寬積u時(shí)，由式（2）和式（8）可得本地能量檢測門限值λAND為：

此時(shí)由式（11）：

可求得系統(tǒng)分簇門限值γAND為：

即AND融合規(guī)則下分簇協(xié)作能達(dá)到系統(tǒng)檢測性能限時(shí)的最小信噪比。

（3）AND融合規(guī)則下全節(jié)點(diǎn)檢測門限

當(dāng)融合中心采用AND規(guī)則時(shí)，滿足系統(tǒng)檢測性能的全節(jié)點(diǎn)協(xié)作頻譜檢測門限與參與協(xié)作的節(jié)點(diǎn)數(shù)相關(guān)。設(shè)參與協(xié)作的全部節(jié)點(diǎn)數(shù)為m，全局虛警概率Qf=0.1，全局檢測概率Qd=0.9，則由AND融合規(guī)則求得的每個(gè)簇首平均檢測概率平均虛警概率分別為：

當(dāng)給定時(shí)間帶寬積u時(shí)，由式（2）和式（13）可得本地能量檢測門限值λ′AND為：

此時(shí)由式（16）：

可求得系統(tǒng)門限值γ′AND為：

即AND融合規(guī)則下全節(jié)點(diǎn)協(xié)作能達(dá)到系統(tǒng)檢測性能限時(shí)的最小信噪比。

若將簇首節(jié)點(diǎn)分簇協(xié)作門限值γ設(shè)為分簇門限值，則當(dāng)簇首SNR≥γ時(shí)，系統(tǒng)采用分簇協(xié)作模式，否則啟用本簇全節(jié)點(diǎn)協(xié)作模式，或本簇退出協(xié)作頻譜檢測，僅接收全局判決信息。

3.2 基于融合規(guī)則的自適應(yīng)分簇協(xié)作

首先做如下假設(shè)：

·所有次用戶已知控制信道的實(shí)時(shí)信道狀態(tài)信息(即信噪比)；

·由于每個(gè)簇內(nèi)節(jié)點(diǎn)距離很近，因此同一簇內(nèi)任意兩個(gè)節(jié)點(diǎn)之間的信道狀態(tài)可以認(rèn)為是完美的；

·簇的劃分以及簇首的推舉已經(jīng)在上層完成。

基于劃分的簇，簇內(nèi)節(jié)點(diǎn)采用能量檢測算法對主用戶進(jìn)行本地頻譜檢測。能量檢測首先通過帶通濾波器對感知用戶接收到的信號(hào)濾除噪聲，并對其進(jìn)行平方運(yùn)算，隨后在一定的時(shí)間內(nèi)進(jìn)行積分，得到接收信號(hào)總能量的判決統(tǒng)計(jì)量，并與判決門限值進(jìn)行比較來判斷主用戶信號(hào)存在與否。因此，能量檢測算法可以轉(zhuǎn)化為如下二元假設(shè)檢驗(yàn)：

其中，x(t)為認(rèn)知用戶接收到的信號(hào)，s(t)為主用戶發(fā)射的信號(hào)，h(t)為主用戶信號(hào)的信道增益，n(t)為噪聲信號(hào)，H0和H1分別表示主用戶存在和不存在。

基于融合規(guī)則的自適應(yīng)分簇協(xié)作頻譜感知算法流程為：簇首節(jié)點(diǎn)根據(jù)數(shù)據(jù)融合中心融合規(guī)則設(shè)置分簇門限值，當(dāng)對主用戶頻譜進(jìn)行檢測時(shí)，首先判斷接收信噪比是否大于某一分簇門限值，如果大于該門限值，則僅簇首進(jìn)行本地頻譜檢測，并上傳檢測結(jié)果至融合中心；否則，全簇節(jié)點(diǎn)進(jìn)行本地頻譜檢測并分別上傳檢測結(jié)果至融合中心，或者本簇退出協(xié)作頻譜檢測。最后，融合中心判決全局檢測結(jié)果，并回傳給簇首，由簇首在本簇內(nèi)廣播全局判決，系統(tǒng)流程如圖2所示。

圖2 基于融合規(guī)則的自適應(yīng)分簇協(xié)作頻譜感知流程

3.3 時(shí)間復(fù)雜度分析

由圖2可知，所提出的基于融合規(guī)則的自適應(yīng)分簇協(xié)作頻譜感知算法的流程主要包括：分簇建立、簇首推舉、門限設(shè)置、簇首門限值比較、本地檢測和數(shù)據(jù)融合。若系統(tǒng)次用戶節(jié)點(diǎn)總數(shù)為M，簇內(nèi)平均節(jié)點(diǎn)數(shù)為N，一個(gè)周期內(nèi)，按最小劃分建立分簇[2]，各分簇并行運(yùn)算基于最小生成樹簇首推舉算法，總時(shí)間復(fù)雜度為O(M+NlogN)[14]；一個(gè)周期內(nèi)，系統(tǒng)需進(jìn)行一次門限設(shè)置、M/N次簇首門限值比較、一次數(shù)據(jù)融合，總時(shí)間復(fù)雜度為O(M/N)，因此，系統(tǒng)總時(shí)間復(fù)雜度為O(M+NlogN)+O(M/N)=O(M+NlogN)。

4 仿真與性能分析

在瑞利衰落信道下，基于MATLAB仿真平臺(tái)對不同融合規(guī)則下所推導(dǎo)的分簇門限值以及不同信噪比條件下系統(tǒng)自適應(yīng)分簇算法的全局虛警概率和全局檢測概率進(jìn)行了仿真。采用如圖1所示仿真模型，時(shí)間帶寬積為5，隨機(jī)生成25個(gè)認(rèn)知節(jié)點(diǎn)，并劃分為5個(gè)節(jié)點(diǎn)簇，按最小生成樹原理推舉簇首。簇首根據(jù)信道變化條件自適應(yīng)選擇分簇協(xié)作、全節(jié)點(diǎn)協(xié)作模式或關(guān)閉檢測模式進(jìn)入寂靜狀態(tài)。

令全局虛警概率Qf=0.1，全局檢測概率Qd=0.9，則由OR融合規(guī)則求得的每個(gè)簇首節(jié)點(diǎn)平均檢測概率、平均虛警概率分別為：

若取時(shí)間帶寬積u=5，由式（2）和式（19）可得本地能量檢測門限值λOR=13.6；由式（5）可求得此時(shí)系統(tǒng)門限值γOR=1.3 dB。

同理可得，在AND融合規(guī)則下分簇協(xié)作門限值與全節(jié)點(diǎn)協(xié)作門限值分別為γAND=6.2 dB和γAND=11 dB。

當(dāng)融合中心采用OR融合規(guī)則，簇首信噪比大于門限值時(shí)，設(shè)簇內(nèi)節(jié)點(diǎn)信噪比分別為[-2,0,1,1,2]dB、[-4,-1,0,1,3]dB、[-3,-2,-1,2,4]dB、[-3,-1,0,1,2]dB和[-5,-3,0,2,5]dB；當(dāng)簇首信噪比小于門限值時(shí)，設(shè)簇內(nèi)節(jié)點(diǎn)信噪比分別為[-5,-2,-1,0,1]dB、[-4,-3,-2,-1,0]dB、[-6,-2,-1,0,1]dB、[-4,-3,-1,0,0]dB和[-7,-3,-2,-2,-1]dB。簇首為本簇內(nèi)接收信噪比最大節(jié)點(diǎn)，則簇首協(xié)作和全節(jié)點(diǎn)協(xié)作下的頻譜感知性能分別如圖3和圖4所示。

圖3 SNR≥γOR

圖4 SNR≤γOR

由圖3可知，當(dāng)簇首信噪比大于門限值時(shí)，簇首信噪比分別為2 dB、3 dB、4 dB、2 dB和5 dB，兩種協(xié)作模式下的系統(tǒng)檢測性能均能達(dá)到系統(tǒng)性能臨界要求，但全節(jié)點(diǎn)協(xié)作模式中，控制信道效率為簇首協(xié)作模式的20%，且隨簇內(nèi)節(jié)點(diǎn)數(shù)量的增加逐漸降低。而簇內(nèi)成員節(jié)點(diǎn)能量消耗增加4倍，且隨簇內(nèi)節(jié)點(diǎn)數(shù)量的增加而增大。當(dāng)簇首信噪比小于門限值時(shí)，如圖4所示，簇首節(jié)點(diǎn)信噪比分別為1 dB、0 dB、1 dB、0 dB和-1 dB，全節(jié)點(diǎn)協(xié)作頻譜感知算法的系統(tǒng)檢測指標(biāo)仍能達(dá)到系統(tǒng)性能臨界要求，而簇首協(xié)作下的系統(tǒng)檢測指標(biāo)已不能滿足系統(tǒng)有效工作區(qū)臨界要求，此時(shí)需以能量和信道資源的消耗換取系統(tǒng)檢測性能的提高，即采用全節(jié)點(diǎn)協(xié)作模式頻譜檢測。

當(dāng)系統(tǒng)采用AND融合規(guī)則，簇節(jié)點(diǎn)信噪比大于全節(jié)點(diǎn)協(xié)作門限值時(shí)，設(shè)簇內(nèi)節(jié)點(diǎn)信噪比分別為[11,11.6,12,12.4,13.6]dB、[11.2,12,12.6,13,14]dB、[11.4,12.4,13,13.6,14]dB、[11.6,12.4,12.6,13,13.5]dB和[12,12.4,12.5,13,15]dB。當(dāng)簇節(jié)點(diǎn)信噪比大于簇首協(xié)作門限值且小于全節(jié)點(diǎn)協(xié)作門限值時(shí)，設(shè)簇內(nèi)節(jié)點(diǎn)信噪比分別為[6.5,8,8.5,10,10.5]dB、[6.4,7,7.6,8,8.5]dB、[7,7.4,8.2,8.6,10]dB、[7.3,7.8,8.6,9,10.5]dB和[6.7,7.2,8,9,10]dB。簇首為本簇內(nèi)接收信噪比最大節(jié)點(diǎn)，則簇首協(xié)作和全節(jié)點(diǎn)協(xié)作下的頻譜感知性能分別如圖5和圖6所示。

圖5 SNR≥γ′AND

圖6 γAND≤SNR≤γ′AND

由圖5可知，當(dāng)簇首信噪比大于全節(jié)點(diǎn)門限值時(shí)，簇首信噪比分別為13.6 dB、14 dB、14 dB、13.5 dB和15 dB，簇首協(xié)作和全節(jié)點(diǎn)協(xié)作模式的檢測性能均能達(dá)到系統(tǒng)臨界要求，但分簇協(xié)作模式系統(tǒng)檢測性能優(yōu)于全節(jié)點(diǎn)協(xié)作模式，且其工作區(qū)間較全節(jié)點(diǎn)協(xié)作模式擴(kuò)展了約30%。由圖6可知，當(dāng)簇首信噪比處于分簇門限值和全節(jié)點(diǎn)協(xié)作門限值之間時(shí)，簇首信噪比分別為10.5 dB、8.5 dB、10.5 dB、10.5 dB和10 dB，簇首協(xié)作模式檢測性能能夠達(dá)到系統(tǒng)臨界要求，而全節(jié)點(diǎn)協(xié)作模式因部分節(jié)點(diǎn)信道條件差而降低了整體檢測概率，導(dǎo)致全局檢測概率不能滿足系統(tǒng)臨界要求，此時(shí)系統(tǒng)切換到分簇模式進(jìn)行主用戶頻譜檢測，不僅能節(jié)省控制信道資源，還能提高系統(tǒng)檢測性能。

假設(shè)簇內(nèi)所有節(jié)點(diǎn)都參與本地檢測并向簇首傳遞檢測結(jié)果，歸一化簇內(nèi)信道使用率為1，每個(gè)次用戶節(jié)點(diǎn)進(jìn)行本地頻譜檢測時(shí)，歸一化能耗為1。所提算法與傳統(tǒng)分簇協(xié)作頻譜檢測算法的簇內(nèi)信道使用率和能耗對比分別如圖7和圖8所示。

圖7 OR規(guī)則簇首大于門限值和AND規(guī)則時(shí)簇內(nèi)信道使用率

由圖7可知，當(dāng)系統(tǒng)采用OR規(guī)則且簇首信噪比大于門限值以及系統(tǒng)采用AND規(guī)則時(shí)，所提算法歸一化簇內(nèi)信道使用率明顯低于傳統(tǒng)分簇協(xié)作算法，且隨著簇內(nèi)節(jié)點(diǎn)數(shù)的增加優(yōu)勢更加明顯。由圖8可知，當(dāng)系統(tǒng)采用OR規(guī)則且簇首信噪比大于門限值以及系統(tǒng)采用AND規(guī)則時(shí)，隨著簇內(nèi)節(jié)點(diǎn)數(shù)的增加，所提算法簇內(nèi)本地檢測能耗不變，而傳統(tǒng)分簇協(xié)作頻譜檢測算法能耗明顯增大。此時(shí)，所提算法能夠在滿足系統(tǒng)檢測性能要求的同時(shí)，最小化簇內(nèi)信道使用率和系統(tǒng)本地檢測能耗。

5 結(jié)束語

自適應(yīng)分簇協(xié)作通過在既定融合規(guī)則下推導(dǎo)出分簇協(xié)作滿足系統(tǒng)檢測性能限的信道條件門限值，由簇首實(shí)時(shí)檢測信道狀態(tài)，并使用分簇協(xié)作、全局協(xié)作或退出協(xié)作模式進(jìn)行協(xié)作頻譜檢測。假設(shè)時(shí)間帶寬積為5，隨機(jī)生成25個(gè)認(rèn)知節(jié)點(diǎn)，并劃分為5個(gè)節(jié)點(diǎn)簇。采用寬融合OR規(guī)則時(shí)，分簇協(xié)作信道條件門限值為1.3 dB，當(dāng)簇首接收信噪比大于該門限值時(shí)，應(yīng)用分簇協(xié)作進(jìn)行頻譜檢測，極大地減少了信道資源占用，同時(shí)減少了認(rèn)知節(jié)點(diǎn)對主用戶的干擾；采用嚴(yán)融合AND規(guī)則時(shí)，分簇協(xié)作信道條件門限值為6.2 dB，全節(jié)點(diǎn)協(xié)作信道條件門限值為11 dB，因此，當(dāng)簇首接收信噪比大于分簇協(xié)作門限值且小于全節(jié)點(diǎn)協(xié)作門限值時(shí)，仍然能夠?qū)崿F(xiàn)系統(tǒng)檢測系統(tǒng)要求的頻譜感知。當(dāng)認(rèn)知節(jié)點(diǎn)接收信噪比大于全節(jié)點(diǎn)協(xié)作門限值時(shí)，相較于全節(jié)點(diǎn)協(xié)作模式，分簇協(xié)作模式系統(tǒng)檢測性能更優(yōu)且可將系統(tǒng)有效工作區(qū)間擴(kuò)大約30%。當(dāng)系統(tǒng)采用OR規(guī)則且簇首信噪比大于門限值以及系統(tǒng)采用AND規(guī)則時(shí)，所提出的算法能夠在滿足系統(tǒng)檢測性能要求的同時(shí)最小化簇內(nèi)信道使用率和系統(tǒng)本地檢測能耗?？梢?，無論融合中心采用何種融合方法，自適應(yīng)分簇協(xié)作頻譜感知算法都能在滿足系統(tǒng)檢測性能要求的前提下，提高系統(tǒng)綜合性能。

1 `Chien W B,Yang C K,Huang Y H.Energy-saving cooperative spectrum sensing processor for cognitive radio system.IEEE Transactions on Circuits and Systems,2011,58(4):711～723

2 胡罡，徐明，劉麗霞等.無線認(rèn)知網(wǎng)絡(luò)中一種團(tuán)劃分的頻譜感知算法.軟件學(xué)報(bào)，2011，22(2):298～312 Hu G,Xu M,Liu L X,et al.Spectrum sensing algorithm based on clique partition for wireless cognitive networks.Journal of Software,2011,22(2):298～312

3 Sharma P,Abrol V.Optimized cluster head selection & rotation for cooperative spectrum sensing in cognitive radio networks.Proceedings of International Conference on Wireless and Optical Communications Networks,Bhopal,India,2013:1～5

4 張曉格，張士兵，邱恭安.基于第N佳中繼選擇的協(xié)作頻譜感知檢測概率分析.通信學(xué)報(bào)，2011，32(11):176～182 Zhang X G,Zhang S B,Qiu G A.Detection probability analysis of cooperative spectrum sensing with the Nth best relay selection.Journal on Communications,2011,32(11):176～182

5 夏文芳，王殊，龔世民等.協(xié)作頻譜感知中快速自適應(yīng)門限策略.電子與信息學(xué)報(bào)，2010，32(6):1406～1411 Xia W F,Wang S,Gong S M,et al.Fast adaptive threshold for cooperative spectrum sensing.Journal of Electronics &Information Technology,2010,32(6):1406～1411

6 Wang L,Wang J L,Ding G R,et al.A survey of cluster-based cooperative spectrum sensing in cognitive radio networks.Proceedings of Cross Strait Quad-Regional Radio Science and Wireless Technology Conference,Harbin,China,2011:247～251

7 Sun C H,Zhang W,Ben K.Cluster-based cooperative spectrum sensing in cognitive radio systems.Proceedings of International Conference on Communications,Glasgow,England,2007:2511～2515

8 Liang X Y,Bai Z Q,Wang L,et al.Dynamically clustering based cooperative spectrum sensing with STBC scheme.Proceedings of International Conference on Ubiquitous and Future Networks,Phuket,Thailand,2012:227～231

9 Peng K,Tu L.Weighted-clustering cooperative spectrum sensing algorithm.Proceedings of International Symposium on Wireless and Pervasive Computing,Dalian,China,2012:1～5

10 El-Saleh A A,Ismail M,Ali M A M,et al.Reliability-resources tradeoffs in cluster-based cooperative spectrum sensing.Proceedings of Asia-Pacific Conference on Communications,Sabah,Malaysia,2011:360～365

11 Reisi N,Ahmadian M,Jamali V,et al.Cluster-based cooperative spectrum sensing over correlated log-normal channels with noise uncertainty in cognitive radio networks.IET Communications,2012,6(16):2725～2733

12 Wu Q H,Ding G R,Wang J L,et al.Consensus-based decentralized clustering for cooperative spectrum sensing in cognitive radio networks.Chinese Science Bulletin,2012,57(28):3677～3683

13 Digham F F,Alouini M S,Simon M K.On the energy detection of unknown signals over fading channels.IEEE Transactions on Communications,2007,55(1):21～24

14 邱恭安，封森.基于最小生成樹的分簇協(xié)作頻譜感知改進(jìn)算法.電訊技術(shù)，2014，5(54):564～568 Qiu G A,Feng S.An improved clustering cooperative spectrum sensing algorithm based on minimum spanning tree.Telecommunication Engineering,2014,5(54):564～568