基于能量检测的双门限协作频谱感知算法

江晓林

(黑龙江科技大学 电子与信息工程学院， 哈尔滨 150022)



基于能量检测的双门限协作频谱感知算法

江晓林

(黑龙江科技大学 电子与信息工程学院， 哈尔滨 150022)

单独认知用户对频谱进行检测，由于所在的位置不同，通信信道受到外界各种干扰源、遮蔽效应以及多径衰落等原因，感知结果不一定准确；若对多个认知用户检测到的信息进行合并，运用某种规则进行统一处理，将极大提高感知性能。文中考虑一个中心单元或者基站和M个认知用户参与合作频谱感知，此网络中假设每个认知用户进行本地感知的过程是相互独立的，均采用双门限能量频谱感知算法来进行判决，通过K秩硬融合和EGC软融合策略的有效结合，可以有效节省系统开销。通过仿真，验证了该优化算法的有效性、优越性。

双门限; 能量检测; 融合策略

0　引　言

当前，无线通信面临的现状是通信用户在不断增长，对无线频谱资源的需求在不断扩大，频谱资源紧张已经成为制约无线通信发展的瓶颈问题。调查发现，在频谱资源十分有限的情况下，现有用于无线通信的频谱资源利用率严重不足，在时间和空间上存在较大程度的闲置，造成很大浪费。频谱感知是认知无线系统最为关键的技术之一，目前各个国家都在积极开展研究工作，频谱感知的主要任务是快速识别出信道占用状况，确定哪些频段为空闲频段，从而将其赋给次用户进行通信。频谱感知能量检测方法无须知道授权用户先验知识，简单并且易于实现[1-2]。但是，由于它极易受信道多径衰落、遮蔽效应等干扰的影响，导致正确检测概率随信噪比的减弱而快速下降，低信噪比使频谱感知性能很差。近些年来，有较多研究者开展基于能量检测的自适应双门限联合频谱感知算法，采用多个认知用户，经过双门限综合判决，并且门限值随着信噪比的高低进行自适应调节，最终将各个SU判决数据中心融合后得到频谱利用信息，完成是否有授权用户信号的判决，使得感知性能有效提高[3-6]。笔者在双门限自适应能量感知基础上，探讨协作感知优化策略，希望可以更好的提升整体系统的感知性能。

1　认知无线网络模型

在实际运行的无线通信网络中，往往有很多个认知用户和授权用户存在。认知用户单独的对频谱进行检测，由于所在的位置不同，实际通信信道受到外界各种干扰源的影响、遮蔽效应以及多径衰落均不相同，信道性能好的，衰减小的认知用户能更准确的检测授权用户是否存在，而信道性能差的处在恶劣条件下认知用户则不能很好的检测授权用户是否存在，会出现隐蔽终端问题。依据判决结果强行占用信道，显然基于单个认知用户频谱检测具有一定的局限性，判决结果具有一定的不确定性。图1所示是认知无线网络模型，若授权用户发射机覆盖范围半径为R，认知用户1、2、3在覆盖区域内，认知用户4落在了区域外。从图1中可见，认知用户1和认知用户3由于它们处于不利的位置上，极有可能无法接收到授权用户的信号信息；认知用户4由于处于所覆盖范围外，可能根本接收不到授权用户信息，这些情况都导致认知用户无法判断出授权用户是否存在，从而导致认知用户做出错误的频谱检测判决。

图1　认知无线网络模型

2　感知模型的建立

研究中，考虑一个中心单元或者基站和M个认知用户参与合作频谱感知，见图2。中心单元负责管理认知无线网络和所有的M个合作认知用户。在此网络中假设每个认知用户进行本地感知的过程是相互独立的，均采用双门限能量频谱感知算法来进行判决，若判决能量统计量Ti小于门限λ0或者大于等于门限λ1，则直接通过硬融合策略进行初步判决；若判决能量统计量Ti落在门限λ0和λ1之间，则采用软融合策略来进行初步判决，最终通过中心单元数据融合，做出最终判决。

图2　双门限能量检测硬合并和软合并相结合结构

Fig. 2Combining structure diagram of double threshold energy detection combination of hard and soft

首先，考虑第i个合作认知用户的感知情况，检测模型表示如下：

(1)

(2)

其次，基于能量检测的双门限的协作频谱感知算法将基于硬合并和基于软合并的有效结合，实现该过程。具体步骤如下：

(1)每个参与合作频谱感知的认知用户首先检查它所接收到的授权用户信号的能量。判决能量统计量Ti是否小于门限λ0或者大于等于门限λ1，小于门限λ0则认为所感知的授权信道当前空闲，判决为“0”；大于等于门限λ1，则认为授权用户正在使用当前频段，判决为“1”。用Di表示第i个用户的本地感知结果，Di取数据“0”或“1”，判决结果Di将送入融合中心，融合中心根据本地的感知结果，采用自适应K秩硬融合策略，对频谱状态作出判决，判决结果用R1来表示：

(3)

若R1为1，表示融合中心判决授权用户存在，授权用户不可以占用信道；若R1为0，判决授权用户不存在，授权用户可以接入信道进行通信。

(2)如果Ti落入由门限λ0和λ1构成的不可靠区间，即λ0≤Ti<λ1，则第i个合作认知用户将自己接收到的信号直接上传到融合中心，在融合中心采用EGC软融合策略数据进行加权求和，并与软融合门限值进行比较，并作出判决，将判决结果传送给用户，若判决结果用R2来表示，表达式可写为判决规则如下。

(4)

在该算法中，参与合作的认知用户可以根据不同的规则向中心单元发送相应的本地信息，融合中心通过一定的规则作出最终判决，并将最终的判决结果反馈到认知用户，感知过程结束。

3　融合策略分析

(1)对K秩硬融合准则判决进行分析，假设一共有M个认知用户参与协作感知，基于能量感知的双门限算法的认知无线网络中，其K秩融合策略联合检测概率和虚警概率表达式为：

(5)

(6)

k=1即为“或”融合，k=M即为“与”融合。传统的K秩融合投票门限值固定，一般为k=「M/2⎤，其中「·⎤为ceiling函数，此时称为Majority准则。

(7)

采用EGC准则的融合中心的检测过程可以表示为：

(8)

其中，λEGC为预设门限值。文献[6]指出ψEGC服从正态分布：

(9)

其中， 表示第i个用户的接收信噪比，N表示采样点数，M表示认知用户数。联合检测概率和虚警概率为：

(10)

(11)

4　算法性能仿真分析

通过分析该感知算法下的虚警概率和检测概率，每一次频谱感知过程中，认知用户向融合中心发送的数据量来进行性能分析。

4.1虚警概率

从以上协作频谱感知算法来看，产生虚警的情况一共有两种：第一，当授权用户不存在的情况下，判决能量统计量Ti小于门限λ0或者大于等于门限λ1时，融合中心经过K秩融合判决发生误判产生，其虚警概率用PF1表示；第二，Ti落入由门限λ0和λ1构成的不可靠区间，融合中心经过EGC判决发生误判产生，其虚警概率用PF2表示，则总的虚警概率可以表示为：

PF=PF1+PF2。

(12)

能量统计量Ti小于门限λ0或者大于等于门限λ1过程中向融合中心发送数据后经过K秩融合后发生误判产生虚警PF1为：

Pfi_dou)L-i[1-P(λ0≤Ti<λ1|H0)]，

(13)

其中，Pfi_dou为第i个统计量Ti双门限能量感知的虚警概率，P(λ0≤Ti<λ1|H0)为统计量Ti在H0的条件下落入门限λ0和λ1之间的概率。

统计量Ti落入不可靠区间经EGC误判产生虚警，其概率为：PF2=QF_EGC·P(1λ0≤Ti<λ1|H0)=

(14)

4.2检测概率

类似于虚警概率，检测概率也有两部分组成：第一在授权用户存在的条件下判决能量统计量Ti小于门限λ0或者大于等于门限λ1时，融合中心经过K秩融合判决得到正确检测概率，用PD1表示；第二，授权用户存在的条件下Ti落入由门限λ0和λ1构成的不可靠区间，融合中心经过EGC判决得到正确检测的概率，用PD2表示，则总正确检测概率可以表示为：

PD=PD1+PD2。

(15)

其中，能量统计量Ti小于门限λ0或者大于等于门限λ1过程中，向融合中心发送后经过K秩融合后正确检测概率

P(λ0≤Ti<λ1|H1)])i×

(1-Pd_dou[1-P(λ0≤Ti<λ1|H1)])L-i×

(1-P(λ0≤Ti<λ1|H1))，

(16)

其中，Pdi_dou为第i个统计量Ti双门限能量感知的正确检测概率，P(λ0≤Ti<λ1|H1)为统计量Ti在H1的条件下落入门限<λ0和<λ1之间的概率。

统计量Ti落入不可靠区间，经EGC后正确检测的概率，可表示为

PD2=QF_EGC·P(λ0≤Ti<λ1|H1)=

P(λ0≤Ti<λ1|H1),

(17)

其中，M-L为参与协作的认知用户数量 ；N为采样点数。

4.3传送的数据量

考虑一次频谱感知过程，当进行K秩判决时，向融合中心传送判决结果为“0”或“1”的信息，则认知用户向融合中心传送1bit的本地判决结果；若采用EGC软融合过程，假设每个认知用户向基站发送的信息比特数为Zbit，则每个认知用户向基站发送的平均数据量为：

bavr_i=1×[1-P(λ0≤Ti<λ1)]+

Z·P(λ0≤Ti<λ1)。

(18)

那么，一次频谱感知过程中，对于有M个认知用户参与协作频谱感知的认知网络，认知用户向基站传送的总的数据量为：

Z·P(λ0≤Ti<λ1))=

M[1+(Z-1)P(λ0≤Ti<λ1)]。

(19)

利用Matlab软件，将该算法同文献[4]中的自适应双门限能量频谱感知算法，以及文献[5]中提出的基于多融合准则双门限协作频谱感知算法进行比较，仿真条件假设本地检测器的虚警概率为0.1，图3为信噪比与检测概率的仿真曲线。

图3　三种方法不同信噪比下检测性能比较

Fig. 3Detection performance comparison under different signal-to-noise ratio in three ways

在恒虚警概率下，从图3可以看出，自适应双门限能量检测改进算法、多融合准则双门限协作感知算法、双门限融合协作频谱感知优化算法的检测概率随着接收信噪比的提高而逐渐增大，并最终趋于1。可以看出在同一信噪比下，采用双门限融合协作频谱感知算法的检测概率最高，性能最好，相较于自适应双门限能量检测，性能得到有效提高，并且与采用多融合准则的双门限协作频谱感知算法，性能也得到了较大的改善。由此可见，融合协作频谱感知优化算法通过将硬融合和软融合更加有效地结合，系统整体频谱感知的性能得到了较好地提升。三种算法上传数据量比较见图4。

图4　三种算法上传数据量曲线比较Fig. 4　Comparison of three algorithms to upload data curve

图4是假设Z=10 bit，采用单独的“或”融合、EGC融合算法和采用双门限能量协作频谱感知算法时，一次频谱感知过程中三种算法向基站上传的数据量仿真曲线比较。从图4中可以知道，一次频谱感知过程采用EGC融合传送的数据量最大，一共需发送30bit的软信息；采用“或”融合策略上传的数据量最少，一共只需向融合中心传送3 bit的判决结果；采用双门限协作频谱感知改进算法上传的数据量基于两者之间，且随着信噪比的增大，上传数据量将会减少。这是因为在低信噪比下，会有较大概率执行软融合判决，传送数据量较大，但随着信噪比的提高，进行软融合判决概率变小，硬判决检测概率获得提高，平均上传的数据量随之减小。双门限协作频谱感知改进算法能够有效减少上传到基站的数据量，节省系统开销，有效提升频谱感知性能，并且该算法也体现出了对信噪比的自适应性。

5　结束语

合作频谱感知中认知用户数的增加显著增大计算复杂度，采用优化策略，有效结合K秩硬融合和EGC软融合两种融合算法，认知用户能通过将判决统计量与双门限门限值比较，根据信噪比情况自适应选择软硬融合策略，从而有效减小系统开销，提高整体频谱感知性能。基于能量检测的双门限协作频谱感知算法是在自适应双门限感知算法基础之上提出的，也能有效消除噪声功率估计误差对能量检测性能带来的噪声功率不确定度影响。相比传统的自适应双门限能量频谱感知算法，以及采用AND准则和OR准则两种硬融合策略结合的基于多融合准则双门限协作频谱感知算法，该算法有效提升合作频谱感知效率，节省系统开销，同时也有效的提高了系统整体的频谱感知性能。

[1]MISHRA S M, SAHAI A, BRODERSEN R W. Cooperative sensing among cognitive radios[C]//In Proceedings of IEEE International Conference on Communications (ICC06), 2006:1658-1663

[2]JIANG XIAOLIN, GU XUEMAI. Multi-layers joint spectrum sensing method based on the Dirichlet process[J]. Journal of Information and Computational Science,2013,9(17)： 6785-6792.

[3]FAN R, JIANG H. Optimal multi-channel cooperative sensing in cognitive radio networks[J], IEEE Transactions on Wireless Communications, 2010, 9(3): 1128-1138.

[4]JIANG XIAOLIN, GU XUEMAI. Adaptive Double-threshold Joint Spectrum Sensing Based on Energy detection[J]. Journal of Computers, 2013,8(4): 2565-2569.

[5]TREEUMNUK D, MACDONALD S L, POPESCU D C. Optimizing performance of cooperative sensing for increased spectrum utilization in dynamic cognitive radio systems[C]//IEEE International Conference on Communications(ICC), 2013: 4656-4660.

[6]KANNAN A S,MANUEL E M. Performance analysis of blind spectrum sensing in cooperative environment[C]//International Conference on Control Communication and Computing (ICCC), 2013: 277-280.

(编辑徐岩)

Double threshold collaborative spectrum sensing algorithm based on energy sensing

JIANGXiaolin

(School of Electrics & Information Engineering,Heilongjiang University of Science & Technology, Harbin 150022, China)

This paper introduces a novel algorithm in response to inaccurate sensing results due to the different location the, various interference sources in the outside world, the shading effect a communication channel and multipath fading effect, as occurs when individual cognitive users test the frequency spectrum. The cognitive performance is greatly improved by merging the detected information from multiple cognitive users and using a unified processing rules. The study produces a system consisting of a central unit or base station involvingMcognitive users performing cooperative spectrum sensing. The system assumes that each cognitive user performs local perception independently of each other, makes decision by adopting double threshold energy spectrum sensing algorithm, effectively saves the system cost thanks to the effective combination of K rank hard fusion and EGC soft fusion strategy. The simulation verifies that the optimized algorithm works more effectively and with more advantages.

double threshold; energy detection; fusion strategy

2015-12-24

黑龙江省自然科学基金面上项目(F2015019)

江晓林(1978-)，男，浙江省金华人，副教授，博士生，研究方向：认知无线电网络频谱感知， E-mail: jlynner@163.com。

10.3969/j.issn.2095-7262.2016.01.017

TN911. 7

2095-7262(2016)01-0075-05

A