認(rèn)知無(wú)線電中簇分集協(xié)作的頻譜檢測(cè)算法

時(shí) 穎， 孔 紅

(1.黑龍江科技大學(xué) 電子與信息工程學(xué)院，哈爾濱 150022；2.哈爾濱工業(yè)大學(xué) 電子與信息工程學(xué)院，哈爾濱 150001)

認(rèn)知無(wú)線電中簇分集協(xié)作的頻譜檢測(cè)算法

時(shí) 穎1， 孔 紅2

(1.黑龍江科技大學(xué) 電子與信息工程學(xué)院，哈爾濱 150022；2.哈爾濱工業(yè)大學(xué) 電子與信息工程學(xué)院，哈爾濱 150001)

針對(duì)多用戶協(xié)作頻譜檢測(cè)中不同認(rèn)知用戶接收信噪比的差異，以及控制信道干擾直接影響最終判決結(jié)果的問(wèn)題，在傳統(tǒng)硬判決檢測(cè)算法的基礎(chǔ)上，利用分簇機(jī)制和本地用戶接收的最大信噪比對(duì)其他用戶進(jìn)行輔助判決，得到一種簇分集協(xié)作頻譜檢測(cè)算法。在等虛警概率和不等虛警概率兩種條件下，對(duì)該檢測(cè)方案進(jìn)行性能分析。仿真實(shí)驗(yàn)表明，該算法比傳統(tǒng)硬判決算法的頻譜檢測(cè)性能有較大提高。

認(rèn)知無(wú)線電； 多用戶； 協(xié)作檢測(cè)； 簇分集； 虛警概率

0 引 言

隨著無(wú)線設(shè)備智能化和軟件定義能力的不斷增強(qiáng)，認(rèn)知無(wú)線電正成為無(wú)線通信研究中最適時(shí)和最復(fù)雜的課題之一。為了能提高無(wú)線頻譜資源的利用率，并確保二級(jí)用戶(Second User，SU)對(duì)主用戶(Primary User，PU)的正常通信不構(gòu)成干擾，實(shí)現(xiàn)認(rèn)知無(wú)線電的首要條件是SU用戶能夠準(zhǔn)確、迅速地對(duì)某感興趣頻段上的PU用戶進(jìn)行檢測(cè)[1]。但由于無(wú)線通信的特殊環(huán)境，信號(hào)傳播過(guò)程中存在多徑、陰影效應(yīng)等干擾因素，因此，個(gè)別SU用戶由于特殊的地理位置可能會(huì)出現(xiàn)較低的檢測(cè)概率，從而加劇了對(duì)主用戶的干擾，為有效解決這些問(wèn)題，協(xié)作檢測(cè)技術(shù)已經(jīng)成為認(rèn)知無(wú)線電的關(guān)鍵技術(shù)，得到了廣泛關(guān)注[2]。在協(xié)作頻譜檢測(cè)方案中，SU用戶需通過(guò)控制信道向基站傳送本地檢測(cè)信息，但控制信道的帶寬受限，且同樣處在無(wú)線環(huán)境中，必存在多種因素干擾。因此，若要保障本地檢測(cè)信息傳送和廣播的有效性，勢(shì)必會(huì)存在大量信息冗余。雖然傳統(tǒng)的硬判決協(xié)作檢測(cè)方案可降低對(duì)控制信道帶寬的要求，且方便實(shí)現(xiàn)。但因不同SU用戶處于的地理位置不同，路徑和環(huán)境的不同，則終端接收到的信噪比不同，當(dāng)對(duì)某共同授權(quán)頻段進(jìn)行檢測(cè)時(shí)，導(dǎo)致每個(gè)用戶的檢測(cè)結(jié)果的可靠度不同[3-5]。在傳統(tǒng)協(xié)作檢測(cè)方案中，不考慮SU用戶本地檢測(cè)結(jié)果的可信度，對(duì)所有檢測(cè)結(jié)果同等對(duì)待，當(dāng)接收信號(hào)信噪比差值較大時(shí)，協(xié)作檢測(cè)性能可能會(huì)降低[6]。另外，SU用戶接收信道的不同，鄰近信道的相關(guān)性可對(duì)協(xié)作檢測(cè)帶來(lái)干擾[7]。因此，在傳統(tǒng)“OR”協(xié)作檢測(cè)的基礎(chǔ)上提出選擇分集頻譜協(xié)作檢測(cè)方案，根據(jù)本地檢測(cè)用戶接收信號(hào)的信噪比不同，對(duì)本地SU用戶進(jìn)行有目的地篩選，在減小協(xié)作開(kāi)銷的同時(shí)也提高了協(xié)作檢測(cè)性能[8]。針對(duì)實(shí)際通信環(huán)境中控制信道傳輸本地判決結(jié)果時(shí)會(huì)出現(xiàn)誤碼等干擾問(wèn)題，文中將分簇思想和本地用戶接收的最大信噪比對(duì)其他用戶進(jìn)行輔助判決相結(jié)合，得到一種簇分集協(xié)作頻譜檢測(cè)方案，以期提高系統(tǒng)檢測(cè)性能。

1 本地頻譜檢測(cè)模型

目前，OFDM技術(shù)因其高頻譜利用率、抗多徑干擾等優(yōu)點(diǎn)，已成為現(xiàn)代寬帶無(wú)線通信系統(tǒng)中的關(guān)鍵技術(shù)之一。因此，文中考慮被檢測(cè)主用戶采用OFDM信號(hào)形式更具有實(shí)際代表性。頻譜檢測(cè)是實(shí)現(xiàn)動(dòng)態(tài)頻譜接入技術(shù)的前提條件，其任務(wù)是檢測(cè)判斷某感興趣頻段內(nèi)主用戶是否存在，所以其檢測(cè)模型可以描述為二元假設(shè)檢驗(yàn)：

H0:gi(t)=wi(t),

H1:gi(t)=si(t)+wi(t),

式中：gi(t)——第i個(gè)SU用戶ui的接收信號(hào)；

si(t)——代表主用戶的OFDM復(fù)信號(hào)。

(1)

式中:Tc、Td——循環(huán)前綴和OFDM符號(hào)的長(zhǎng)度。

(2)

(3)

2 協(xié)作檢測(cè)方案

文中認(rèn)知網(wǎng)絡(luò)模型是基于IEEE802.22標(biāo)準(zhǔn)，其中包括作為授權(quán)主用戶(PU)，作為數(shù)據(jù)融合中心的認(rèn)知用戶基站(SBS)和作為認(rèn)知節(jié)點(diǎn)的認(rèn)知用戶(ui，i∈+)，且ui用戶在融合中心的覆蓋范圍內(nèi)隨機(jī)分布，SU用戶通過(guò)聯(lián)合協(xié)作完成對(duì)授權(quán)頻段內(nèi)信號(hào)的檢測(cè)，融合中心給出判決來(lái)決定是否占用該頻段。

2.1 傳統(tǒng)硬判決協(xié)作檢測(cè)方案

傳統(tǒng)硬判決協(xié)作檢測(cè)方案的檢測(cè)思路為：認(rèn)知系統(tǒng)中所有SU用戶將本地檢測(cè)結(jié)果量化為1 bit信息傳送到系統(tǒng)感知基站，基站選取某硬判決算法給出最終判決結(jié)果，即“1”代表PU用戶存在，“0”代表PU用戶不存在[8]。常用的硬判決算法有：“K”秩準(zhǔn)則、“AND”準(zhǔn)則和“OR”準(zhǔn)則?！癒”秩準(zhǔn)則是指，當(dāng)N個(gè)SU用戶中若至少有k個(gè)SU用戶判決結(jié)果是PU用戶“存在”，則感知基站就認(rèn)為PU用戶“存在”，否則，認(rèn)為“不存在”。k是判斷用戶是否存在的最小門限值。當(dāng)k=1時(shí)，就是“OR”準(zhǔn)則；當(dāng)k=N時(shí)，就是“AND”準(zhǔn)則。當(dāng)系統(tǒng)中各SU用戶接收信噪比都相同時(shí)，“AND”判決算法占優(yōu)勢(shì)；若信噪比不同，則“OR”判決算法更占優(yōu)勢(shì)。因?yàn)閷?shí)際通信環(huán)境中存在多種干擾，比如多徑、隱終端等，致使各SU用戶在某特定頻段上的接收信號(hào)信噪比很難保持一致，所以，傳統(tǒng)硬判決協(xié)作方案中多數(shù)都是基于“OR”準(zhǔn)則?；凇癘R”準(zhǔn)則進(jìn)行協(xié)作檢測(cè)系統(tǒng)的檢測(cè)概率Qd和虛警概率Qf可表示為[2]

在該檢測(cè)方案中，會(huì)發(fā)現(xiàn)兩個(gè)問(wèn)題。首先，所有SU用戶向感知基站傳送檢測(cè)信息時(shí)要通過(guò)控制信道，而控制信道本身也是無(wú)線信道，所以也會(huì)存在干擾，將導(dǎo)致本地檢測(cè)結(jié)果在傳輸過(guò)程中產(chǎn)生差錯(cuò)。其次，SU用戶接收信號(hào)信噪比的不同，會(huì)導(dǎo)致每個(gè)SU用戶的本地檢測(cè)結(jié)果可靠性不同，該協(xié)作檢測(cè)并不能提高檢測(cè)性能，甚至使得系統(tǒng)結(jié)果變差。為此，文中提出一種基于簇分集的協(xié)作頻譜檢測(cè)方案。

2.2 簇分集協(xié)作檢測(cè)方案

將分簇機(jī)制和“OR”準(zhǔn)則相結(jié)合，同時(shí)優(yōu)化簇內(nèi)SU用戶的協(xié)作檢測(cè)方式，提出簇分集協(xié)作檢測(cè)方案，其實(shí)現(xiàn)框圖如圖1所示。該檢測(cè)方案的核心思想是：

(1)通過(guò)協(xié)議選取簇頭節(jié)點(diǎn)Hk，其與周圍SU用戶組成以簇為單位的檢測(cè)單元，記為簇Ck；

(2)簇Ck內(nèi)的各SU用戶獨(dú)立進(jìn)行本地頻譜檢測(cè)，同時(shí)對(duì)接收信號(hào)的信噪比進(jìn)行估計(jì)，并將檢測(cè)結(jié)果及信噪比估計(jì)值傳送給Hk；

(3)Hk將具有最大信噪比估計(jì)值的SU用戶本地檢測(cè)結(jié)果，與簇內(nèi)其他SU用戶檢測(cè)結(jié)果進(jìn)行兩兩“OR”判決，目的是改善信噪比低用戶的檢測(cè)性能；

(4)在簇頭內(nèi)利用“OR”準(zhǔn)則進(jìn)行數(shù)據(jù)融合，并將判決結(jié)果傳送給感知基站，由基站進(jìn)行最終的“OR”判決。

為保證該方案的可行性，還需假設(shè)認(rèn)知系統(tǒng)中已知各簇頭到感知基站的控制信道狀態(tài)，且同一簇內(nèi)的各SU用戶之間的傳輸信道是理想的。

圖1 簇分集協(xié)作檢測(cè)方案

Fig. 1 Diagram of cluster-based diversity collaboration detection

3 系統(tǒng)性能分析

3.1 等虛警概率條件

假設(shè)認(rèn)知系統(tǒng)中共有N個(gè)SU用戶u，分成L個(gè)簇，記為Ck，k=1,2,…，L。簇Ck內(nèi)的SU用戶數(shù)目為Nk，即ui，i=1,2，…,Nk，則有∑Nk=N。各ui用戶對(duì)接收信號(hào)的信噪比進(jìn)行估計(jì)，其中信噪比最大的用戶記為umax，其最大信噪比記為Rmax。

首先，各ui用戶在奈曼-皮爾遜機(jī)制下獨(dú)立進(jìn)行本地頻譜檢測(cè)，且各用戶等虛警概率Pf，根據(jù)式(3)求出檢測(cè)門限值為ηi：

(4)

從式(4)可直觀看出，檢測(cè)門限由Pf和M決定，在各用戶M值相等的條件下，各用戶檢測(cè)門限相等。結(jié)合式(1)和(2)，可看出相同門限下，信噪比越高，則ρi越大。但由于ρi<1，所以Pd將增大，這就是接收信噪比高的用戶檢測(cè)結(jié)果可靠性比較高的原因。

其次，利用本地用戶umax的檢測(cè)結(jié)果來(lái)改善其他相對(duì)低信噪比SU用戶的檢測(cè)結(jié)果。由以上分析可知用戶umax的檢測(cè)概率最大，記為Pd,m。將其與同一簇內(nèi)其他SU用戶進(jìn)行兩兩“OR”判決，共得到N-1個(gè)判決結(jié)果：

(5)

再次，將這N-1個(gè)得到改善的結(jié)果進(jìn)行“OR”判決，得到Ck的簇頭判決性能：

式中：Pd,Ck,j——簇內(nèi)第j個(gè)本地感知用戶的檢測(cè)概率；

Pd,Ck,m——簇內(nèi)本地接收信噪比最大的um的檢測(cè)概率；

Pf,Ck,j——簇內(nèi)各用戶的等虛警概率值。

(6)

3.2 不等虛警概率條件

由于虛警概率直接影響判決門限的不同，若是在簇內(nèi)不等值分配虛警概率，其檢測(cè)性能將會(huì)發(fā)生變化。為方便分析，假設(shè)SU用戶總數(shù)為N，分成L個(gè)簇，分別記為Ck，k=1,2,…，L，且N=2L。則有

(7)

式中：Pd,Ck——第k個(gè)簇的總檢測(cè)概率；Pf,C——為每個(gè)簇分配等虛警概率值。

同時(shí)為了保證整體協(xié)作系統(tǒng)虛警概率值不變，分配給每個(gè)簇的整體虛警概率值相同。為了簡(jiǎn)化分析過(guò)程，假設(shè)簇間與簇內(nèi)，均采用“OR”準(zhǔn)則檢測(cè)算法。

簇內(nèi)首先要利用式(7)為每個(gè)簇分配等值的虛警概率Pf,C，而簇內(nèi)的兩個(gè)用戶按式(8)來(lái)分配虛警概率值：

(8)

式(8)中Δ是兩個(gè)SU用戶虛警概率的二分之一差值。然后將式(8)代入式(4)中分別得兩個(gè)SU用戶的判決門限：

(9)

式(9)中ρi的取值見(jiàn)式(1)?；救诤咸幨菍⒏鱾€(gè)簇頭傳來(lái)的的判決結(jié)果進(jìn)行“OR”融合，得到最終協(xié)作檢測(cè)判決結(jié)果，其總檢測(cè)概率為

Qd=1-(1-Pd,1)(1-Pd,2)。

4 仿真及結(jié)果分析

假設(shè)主用戶信號(hào)類型為OFDM，其子載波個(gè)數(shù)為64，循環(huán)前綴長(zhǎng)度為有效符號(hào)長(zhǎng)度的1/4，符合802.11標(biāo)準(zhǔn)。符號(hào)速率為1MHz，采樣頻率為64MHz，對(duì)1 000個(gè)OFDM符號(hào)塊進(jìn)行采樣，MonteCarlo仿真次數(shù)為2 000次。

4.1 低信噪比對(duì)硬判決協(xié)作檢測(cè)的影響

假設(shè)協(xié)作SU用戶數(shù)為4，各SU用戶接收信噪比不同，分別為-12、-15、-18和-21 dB，進(jìn)行傳統(tǒng)硬判決檢測(cè)，仿真結(jié)果如圖2所示。從圖2中可以看出，當(dāng)接收信號(hào)信噪比相差較大時(shí)，“OR”協(xié)作檢測(cè)和“AND”協(xié)作檢測(cè)比采用最大信噪比用戶單獨(dú)檢測(cè)時(shí)性能低，沒(méi)有體現(xiàn)出協(xié)作檢測(cè)的優(yōu)勢(shì)。同時(shí)也驗(yàn)證了，當(dāng)SU用戶信噪比不同時(shí)，傳統(tǒng)“OR”比“AND”的檢測(cè)性能好些。

圖2 低信噪比對(duì)協(xié)作檢測(cè)的影響

Fig. 2 Influence analysis of low signal-noise-ratio to conventional collaboration detection

4.2 等虛警概率條件

在系統(tǒng)總虛警概率Qf一定的條件下，由式(6)計(jì)算出各SU用戶的虛警概率Pf,Ck,j，再利用式(4)計(jì)算得出的判決門限進(jìn)行判決，完成頻譜檢測(cè)。圖3給出了三種不同分簇情況下的簇分集協(xié)作檢測(cè)和“OR”協(xié)作檢測(cè)的ROC曲線。仿真中協(xié)作的本地SU用戶數(shù)為9，平均信噪比為-20 dB。從圖3中可以看出，簇分集協(xié)作檢測(cè)性能優(yōu)于傳統(tǒng)“OR”協(xié)作檢測(cè)。但是分簇機(jī)制的不同，會(huì)對(duì)整個(gè)協(xié)作檢測(cè)的性能產(chǎn)生一定影響。

圖3 簇分集協(xié)作檢測(cè)性能比較

Fig. 3 ROC curves of cluster-based diversity collaboration detection

4.3 不等虛警概率條件

為了便于對(duì)簇分集協(xié)作檢測(cè)的性能進(jìn)一步分析，考慮兩種情況：C1是按照式(5)分配給簇內(nèi)SU用戶相等的虛警概率值；C2是按照式(7)和(8)分配給簇內(nèi)SU用戶以不同的虛警概率值。圖4中給出這兩種情況條件下簇分集協(xié)作檢測(cè)算法的ROC曲線。仿真參數(shù)有本地SU用戶數(shù)為6，每簇內(nèi)2個(gè)SU用戶，系統(tǒng)總虛警概率相同，都為Qf。由圖4可見(jiàn)，C2要明顯優(yōu)于C1和“OR”準(zhǔn)則，而且其檢測(cè)性能也比Rmax單用戶的要好，充分說(shuō)明了該方案可行。其原因是由于簇內(nèi)兩SU用戶分配不同的虛警概率值后，改變了判決門限，使得簇內(nèi)檢測(cè)性能得到提高，最后再經(jīng)融合中心的“或”準(zhǔn)則判定檢測(cè)結(jié)果。并且該方案檢測(cè)過(guò)程實(shí)現(xiàn)簡(jiǎn)單，不用額外傳輸每個(gè)SU用戶的接收信號(hào)信噪比，減少了系統(tǒng)開(kāi)銷。

圖5是在C2條件下，簇分集協(xié)作檢測(cè)的虛警概率與漏檢概率的曲線。本地SU用戶個(gè)數(shù)為6，每簇內(nèi)2個(gè)用戶，總體平均信噪比都是-18 dB。仿真中各SU用戶的接收信噪比控制在-18 dB左右，偏差值限制在±6、±3和0 dB。從圖5仿真結(jié)果可看出，當(dāng)信噪比偏離值越大時(shí)，即SU用戶的本地最大接收信噪比值越高，利用文中提出的簇分集協(xié)作檢測(cè)方案進(jìn)行頻譜檢測(cè)后，得到的漏檢概率值越小，表明系統(tǒng)檢測(cè)性能越好。

圖4 不同條件下簇分集協(xié)作檢測(cè)性能

Fig. 4 Detection performance comparison of cluster-based diversity collaboration detection under different conditions

圖5 簇內(nèi)信噪比差值不同的簇分集協(xié)作性能

Fig. 5 Detection performance comparison of cluster-based diversity collaboration detection under different SNR in cluster

5 結(jié)束語(yǔ)

文中在傳統(tǒng)硬判決檢測(cè)方案的基礎(chǔ)上，利用分簇機(jī)制和本地用戶接收的最大信噪比對(duì)其他用戶進(jìn)行輔助判決相結(jié)合，得到一種簇分集檢測(cè)方案。在等虛警概率和不等虛警概率兩種條件下，對(duì)該檢測(cè)方案進(jìn)行了性能分析。仿真實(shí)驗(yàn)表明，該方案比傳統(tǒng)硬判決檢測(cè)方案的頻譜檢測(cè)性能有較大提高。同時(shí)，該方案既減少了融合的節(jié)點(diǎn)數(shù)，也減少了發(fā)送給融合中心的數(shù)據(jù)量，有效降低了系統(tǒng)開(kāi)銷。

[1] Seshukumar K，Saravanan R，Suraj M S. Spectrum sensing review in cognitive radio[C]// ICEVENT, Tiruvanna malai, India; Ieee, 2013 1-4.

[2] 王海軍, 粟 欣, 王 京. 認(rèn)知無(wú)線電中的協(xié)作頻譜檢測(cè)技術(shù)[J]. 中興通訊技術(shù)，2009，15(2): 10-14.

[3] Cichon K, Kliks A, Bogucka H. Energy-efficient cooperative spectrum sensing: a survey[J].IEEE Communications Surveys & Tutorials, 2016, 18(3): 1861-1886.

[4] Akyildiz I F，Lo B F，Balakrishnan R. Cooperative spectrum sensing in cognitive radio networks: asurvey[J]. Physical Communication, 2011, 4(1): 40-62.

[5] Xue H，Tan X Z，Guan K，et al. Cooperative spectrum sensing in cognitive radio networks: a survey[C]//National Conference on Communication and Information Technology, 2013 Shijiazhuang: 41-44.

[6] Peh E, Liang Y C. Optimization for cooperative sensing in cognitive radio networks[C]//IEEE International Conference on Wireless Wommunications and Networks, Kowloon, China: IEEE, 2007: 58(9)27-32.

[7] Ghasemi A, Sousa E S. Asymptotic performance of collaborative spectrum sensing under correlated log-normal shadowing[J]. IEEE Communications Letters, 2007, 11(1): 34-36.

[8] Chen Y P, Shi Y, Kong H. A selective diversity cooperative spectrum sensing algorithm for cognitive radios[C]//ICEEIS, Harbin:CRC Press, 2016: 123-126.

(編校 王 冬)

Cluster-based diversity cooperative spectrum detection algorithm in cognitive radio

ShiYing1，KongHong2

(1.School of Electrionics & Information Engineering, Heilongjiang University of Science & Technology, Harbin 150022, China; 2.School of Electronics & Information Engineering, Harbin Institute of Technology, Harbin 150001, China)

This paper is a response to a problem involving cooperative spectrum detection, the differences in signal-to-noise ratio

by different cognitive users and interferences in channel control have a direct effect on the final decision result. The paper building on the traditional hard decision detection algorithm derives a cluster-based diversity cooperative spectrum detection algorithm by combining cluster-based mechanism with the auxiliary judgment of other users using the local maximum value of signal-to-noise ratio; and presents an analysis of the detection performance under the conditions of equal false alarm probability and unequal alarm probability. The simulation results demonstrate that the cluster-based diversity cooperative algorithm could provide a better spectrum detection performance than the conventional hard decision detection algorithm.

cognitive radio; multiuser; cooperative detection; cluster-based diversity; false alarm probability

2017-04-03

黑龍江省教育廳科學(xué)技術(shù)研究項(xiàng)目(12531572)

時(shí) 穎(1980-)，女，黑龍江省雞西人，副教授，碩士，研究方向：認(rèn)知無(wú)線電，E-mail：sy_hit2004@163.com。

10.3969/j.issn.2095-7262.2017.03.022

TN925

2095-7262(2017)03-0311-05

A