基于信噪比加權(quán)的協(xié)作頻譜感知方法

劉天培，徐家品

(四川大學(xué) 電子信息學(xué)院，四川 成都 610065)

?

基于信噪比加權(quán)的協(xié)作頻譜感知方法

劉天培，徐家品

(四川大學(xué) 電子信息學(xué)院，四川 成都 610065)

摘要認(rèn)知無線電中協(xié)作頻譜感知技術(shù)能顯著提高頻譜感知性能，但傳統(tǒng)協(xié)作頻譜感知算法大多采用等權(quán)重進(jìn)行數(shù)據(jù)融合，未考慮在實際通信環(huán)境中感知用戶的信噪比差異。針對這種情況，提出了一種基于信噪比加權(quán)的協(xié)作感知方法，根據(jù)信噪比影響因子的不同，給感知用戶本地判決結(jié)果分配不同的權(quán)重，并在此基礎(chǔ)上對影響因子定義做了改進(jìn)，減小了信噪比極值對感知性能的影響。仿真結(jié)果表明，在AWGN信道非衰落環(huán)境中，基于信噪比加權(quán)的協(xié)作感知比傳統(tǒng)協(xié)作感知性能要好，改進(jìn)后的加權(quán)感知方法對感知性能又有進(jìn)一步的改善。

關(guān)鍵詞認(rèn)知無線電；協(xié)作頻譜感知；信噪比加權(quán)；影響因子

SNR-based Weighted Cooperative Spectrum Sensing in Cognitive Radio

LIU Tian-pei,XU Jia-pin

(CollegeofElectronicsandInformationEngineering,SichuanUniversity,ChengduSichuan610065,China)

AbstractIn cognitive radio,cooperative spectrum sensing can significantly improve the performance of spectrum sensing.However,traditional cooperative spectrum sensing algorithms usually use equivalent weights for data fusion without considering the difference among SNRs of SUs in a real communication environment.According to this situation,a method of SNR-based weighted cooperative spectrum sensing is researched.In this paper,we assign different weights to local decisions of different users according to their SNR impact factors.Based on this research,we redefine the SNR impact factor which reduces the influence to sensing performance from extreme SNR values.Simulation results show that,in the AGWN channel and non-fading environment,the performance of SNR-based weighted cooperative spectrum sensing is much better than traditional cooperative spectrum sensing and is further improved after redefining the impact factor.

Key wordscognitive radio;cooperative spectrum sensing;SNR-based weighted;impact factor

0引言

隨著無線通信技術(shù)的高速發(fā)展和廣泛應(yīng)用，無線頻譜資源日益匱乏，同時，大量已分配的頻譜資源利用率不高，僅為15%～85%[1]。為滿足日益增長的頻譜需求性，認(rèn)知無線電[2]技術(shù)應(yīng)運而生。

頻譜感知是實現(xiàn)認(rèn)知無線電的核心技術(shù)之一。在實際通信場景中，由于多徑衰落、陰影效應(yīng)以及隱藏終端問題的存在[3]，單用戶頻譜感知的性能會受到很大影響[4]，多用戶的協(xié)作頻譜感知的提出，有效地解決了上述問題[5]。針對傳統(tǒng)協(xié)作頻譜感知算法采用等權(quán)重進(jìn)行數(shù)據(jù)融合，未考慮感知用戶信噪比差異對感知性能的影響，文獻(xiàn)[6]提出一種基于信噪比加權(quán)算法。根據(jù)信噪比差異對感知用戶能量分配不同權(quán)重，間接動態(tài)改變每個感知用戶的判決門限，在一定條件下，感知性能有所提高，但其所選擇的權(quán)重不是最佳的。文獻(xiàn)[7]采用了一種加權(quán)協(xié)作頻譜感知，該算法在執(zhí)行本地頻譜感知時，計算錯誤率并將其和能量信號一起發(fā)送至基站，大大增加了整個系統(tǒng)的開銷。文獻(xiàn)[8]提出一種新的信噪比加權(quán)協(xié)作感知算法，在數(shù)據(jù)融合階段，信噪比影響因子高的感知用戶，為其本地判決結(jié)果分配高權(quán)重。本文在文獻(xiàn)[8]研究的基礎(chǔ)上，對信噪比影響因子的定義做了一定的改進(jìn)，減小了信噪比極值對感知性能的影響。仿真結(jié)果表明，采用改進(jìn)的加權(quán)感知算法，在一定條件下頻譜感知性能有所改善。

1系統(tǒng)模型

系統(tǒng)模型如圖1所示。

圖1　系統(tǒng)模型

假設(shè)該認(rèn)知無線電協(xié)作頻譜感知系統(tǒng)由N個感知用戶SU、1個主用戶 PU和1個數(shù)據(jù)融合中心FC組成。首先每個SU獨立地進(jìn)行本地頻譜感知；然后計算每個SU各自的信噪比影響因子，發(fā)送本地判決結(jié)果至融合中心；最后由融合中心判斷PU是否存在。

1.1本地頻譜感知

感知用戶采用能量檢測的方法[9]進(jìn)行本地頻譜感知的二元假設(shè)模型定義為：

(1)

式中，i=1,2,…N；yi(t)為第i個感知用戶SU接收到的信號；s(t)為主用戶PU發(fā)送的信號；ni(t)為一個加性高斯白噪聲(AWGN)；hi(t)為信道增益；H0表示PU不存在；H1表示PU存在。這里PU信號是未知的。在頻譜感知中采用能量檢測的方法感知未知PU信號。

能量檢測中，每個SU根據(jù)接收信號的能量M判斷PU是否存在：

(2)

判決結(jié)果ui由式(3)給出：

(3)

式中,λi為第i個SU本地頻譜感知的能量判決門限。這里假設(shè)所有SU的能量判決門限都是一樣的，即λi=λ，i=1,2,3…N。

在AWGN信道非衰落環(huán)境中，信道增益hi(t)是確定的，因此各個SU的虛警概率Pfi和檢測概率Pdi[10]分別表示為：

(4)

(5)

式中，γi為第i個SU的信噪比；Γ(.)和Γ(.,.)為完整和不完整Gamma函數(shù)[10]；Qm(.,.)為普遍MarcumQ函數(shù)[10]；m為時間帶寬積。

1.2融合中心最終判決

所有SU將各自本地頻譜感知的判決結(jié)果ui經(jīng)一條無差錯的報告信道發(fā)送給數(shù)據(jù)融合中心FC，然后，F(xiàn)C將這些判決結(jié)果進(jìn)行合并，做出最終的判決：

(6)

式中，ωi為第i個感知用戶SU的信噪比影響因子；k為判決門限。這種基于硬合并的數(shù)據(jù)融合準(zhǔn)則稱為“K秩”準(zhǔn)則，可描述為：當(dāng)N個感知用戶中有K個以上的感知用戶判斷PU存在時，數(shù)據(jù)融合中心就判決PU存在，否則認(rèn)為PU不存在。傳統(tǒng)協(xié)作頻譜感知中，每個SU的影響因子都是一樣的，即ωi=1，i=1,2,3…N。當(dāng)k=1時，“K秩”準(zhǔn)則就退化為“或”準(zhǔn)則；當(dāng)k=N時，“K秩”準(zhǔn)則就退化為“與”準(zhǔn)則；當(dāng)k=N/2時，其中x表示大于x的最小整數(shù)，“K秩”準(zhǔn)則就退化為“多數(shù)”準(zhǔn)則。這里采用“或”準(zhǔn)則[11]，即k=1。

2改進(jìn)的信噪比加權(quán)協(xié)作頻譜感知

2.1信噪比加權(quán)協(xié)作感知

前面已經(jīng)提到，在實際通信環(huán)境中，由于每個感知用戶SU所處的地理位置和環(huán)境不同，其信噪比往往各不相同。對于傳統(tǒng)協(xié)作頻譜感知，具有不同信噪比的SU，為其分配相同的權(quán)重顯然不合適，不符合實際。因此，應(yīng)該根據(jù)每個SU各自的信噪比值分配不同的影響因子。對于信噪比高的SU，為其本地判決結(jié)果分配大的影響因子，這指明該SU的本地判決結(jié)果可靠性高，對融合中心最終判決的貢獻(xiàn)大。文獻(xiàn)[8]中定義影響因子ωi為：

(7)

式中，γi為感知用戶i的信噪比；N為感知用戶數(shù)；分母部分表示的是N個感知用戶的平均信噪比。

2.2改進(jìn)的信噪比加權(quán)協(xié)作感知

式(7)中定義的影響因子，其分母部分計算的是N個感知用戶信噪比的算數(shù)平均。然而算數(shù)平均數(shù)更容易受到極端值的影響，因此，如果當(dāng)N個SU的信噪比值中存在極端值，即存在個別SU的信噪比很低或者很高，此時算數(shù)平均信噪比對于這N個SU總體的信噪比平均水平的代表性會變得很差，從而，影響因子ωi就無法真實反映出感知用戶i信噪比的影響情況，這樣會對判決結(jié)果產(chǎn)生比較大的影響。

針對上述情況，本文對影響因子ωi的定義做一些改進(jìn)，改進(jìn)后的ωi為：

(8)

式中，分子仍為γi，即感知用戶i的信噪比，而分母部分由原來的算數(shù)平均信噪比變?yōu)槭軜O端值影響較小的幾何平均信噪比。這樣，當(dāng)系統(tǒng)中存在感知用戶，其信噪比相對其他用戶來說很低或者很高，采用改進(jìn)后的影響因子會減小信噪比極端值給判決結(jié)果帶來的影響，從而提高感知性能，更具適用性。在分析檢測概率時，必須考慮影響因子>1的SU，協(xié)作頻譜感知的檢測概率為：

(9)

式中，k為影響因子>1的感知用戶數(shù)。協(xié)作頻譜感知的虛警概率為：

(10)

同樣，式中的k為影響因子>1的感知用戶數(shù)[12]。

3仿真結(jié)果與分析

本文討論在AGWN信道非衰落環(huán)境中的情況，利用Matlab對所提改進(jìn)的信噪比加權(quán)協(xié)作感知方法進(jìn)行了仿真和分析，并與傳統(tǒng)協(xié)作頻譜感知方法以及未改進(jìn)前信噪比加權(quán)協(xié)作頻譜感知方法進(jìn)行性能比較。假設(shè)協(xié)作頻譜感知系統(tǒng)中有5個感知用戶SU，信噪比分別為-9 dB,-2 dB,-1 dB,0 dB,3 dB，時間帶寬積m=5，仿真結(jié)果如圖2所示。

圖2　AGWN信道下，3種協(xié)作感知性能對比(Qdvs,Qf)

從圖2可以看出，當(dāng)保證一定的虛警概率Qf的情況下，本文提出的改進(jìn)方法和未改進(jìn)前的方法下的系統(tǒng)檢測概率Qd都要大于傳統(tǒng)方法。經(jīng)計算，系統(tǒng)中5個感知用戶的信噪比分別為0.12，0.63，0.79，1，1.995，算數(shù)平均信噪比為0.91，而幾何平均信噪比為0.66，更具代表性。從而，對于改進(jìn)后的方法，高信噪比感知用戶的影響因子更高，為其本地判決結(jié)果分配的權(quán)重也就更高，并且參與感知的影響因子>1的感知用戶數(shù)為3，而未改進(jìn)前僅為2。從圖2也可以看出，當(dāng)保證一定的虛警概率Qf的情況下，本文提出的改進(jìn)方法的系統(tǒng)檢測概率Qd要大于未改進(jìn)前的方法，因此感知性能更好。

4結(jié)束語

在認(rèn)知無線電協(xié)作頻譜感知中，不同信噪比的感知用戶對數(shù)據(jù)融合的貢獻(xiàn)不同。本文研究了一種基于信噪比加權(quán)的協(xié)作頻譜感知方法，為不同信噪比影響因子的感知用戶本地判決結(jié)果分配不同的權(quán)重，并在此基礎(chǔ)上，考慮信噪比極值的存在，對影響因子的定義做了改進(jìn)。仿真結(jié)果表明，改進(jìn)后的頻譜感知方法對感知性能有所改善。在下一步研究中，擬在本地感知階段引入改進(jìn)型能量檢測器[13]，以進(jìn)一步提高感知性能。

參考文獻(xiàn)

[1]AKYILDIZ I F,LEE W Y,VURAN M C,et al.Next Generation/Dynamic Spectrum Acess/Cognitive Radio Wireless Networks:a Survey[J].Computer Networks,2006,50(13):2 127-2 159.

[2]HAYKIN S.Cognitive radio:Brain-empow-ered Wireless Communications[J].Selected Areas in Communications,IEEE Journal on,2005,23(2):201-220.

[3]GANESAN G,LI Y G.Cooperative Spectru-M Sensing in Cognitive Radio Networks[J].Proc of IEEE DySPAN,2005:137-143.

[4]MISHRA S M,SAHAI A,BRODERSEN R W.Cooperative Sensing Among Cognitive Radios[C]∥Communications.IEEE International Conference on.IEEE,2006:1 658-1 663.

[5]ZHANG W,MALLIK R K,LRTAIEF K B.Cooperative Spectrum Sensing Optimization in Cognitive Radio Networks[C]∥Communic-ations.IEEE International Conference on.IEEE,2008:3 411-3 415.

[6]李玲遠(yuǎn),楊爽.基于信噪比加權(quán)的協(xié)作頻譜感知技術(shù)[J].華中師范大學(xué)學(xué)報(自然科學(xué)版),2010,44(4):577-579.

[7]ZHAO Y,SONG M,XIN C.A Weighted Cooperative Spectrum Sensing Framework for Infrastructure-based Cognitive Radio Networks[J].Computer Communications,2011,34(12):1 510-1 517.

[8]BHANAGE R,BORDE S,JOSHI K.Cooperative Communication with SNR Weighte-Dalgorithm in Cognitive Radios[C]∥Pervasive Computing (ICPC),2015 International Conference on.IEEE,2015:1-4.

[9]DIGHAM F F,ALOUINI M S,SIMONM K.On the Energy Detection of Unknown Signals over Fading Channels[J].IEEE Transactions on Communications,2007,55(1):21-24.

[10]GBASEMI A,SOUSA E S.Collaborative Spectrum Sensing for Opportunistic Access in Fading Environments[C]∥Proc of IEEE DySPAN,2005:131-136.

[11]WU S W,ZHU J K,LING Q,et al.SNR-based Weighted Cooperative Spectrum Sensing in Cognitive Radio Networks[J].The Journal of China Universities of Posts and Telecommunications,2010,17(2):1-7.

[12]HUANG X,HAN N,ZHENG G,et al.Weighted-collaborative Spectrum Sensing in Cognitive Radio[C]∥Communications and Networking in China，Second International Conference on.IEEE,2007:110-114.

[13]SINGH A,BHATNAGAR M R,MALLIK R K.Cooperative Spectrum Sensing with an Improved Energy Detector in Cognitive Radionetwork[C]∥Communications (NCC),2011 National Conference on.IEEE,2011:1-5.

劉天培男，(1992—)，碩士研究生。主要研究方向：多媒體通信。

徐家品男，(1957—)，教授，碩士生導(dǎo)師。主要研究方向：通信與信息系統(tǒng)。.

作者簡介

中圖分類號TN929.5

文獻(xiàn)標(biāo)志碼A

文章編號1003-3106(2016)04-0023-03

收稿日期：2016-01-12

doi:10.3969/j.issn.1003-3106.2016.04.06

引用格式：劉天培,徐家品.基于信噪比加權(quán)的協(xié)作頻譜感知方法[J].無線電工程,2016,46(4):23-25，59.