当前位置: 首页 > 专利查询>宁波大学专利>正文

基于判决门限优化的联合频谱感知方法技术

技术编号:14504106 阅读:124 留言:0更新日期:2017-01-31 11:48
本发明专利技术涉及基于判决门限优化的联合频谱感知方法,依次包括构建多用户联合频谱感知的认知无线网络模型,由各认知用户接收授权用户发送的信号,在各认知用户获取到能量检测判决的最优门限值后,各认知用户分别对授权用户频谱进行自适应的本地能量检测,然后由频谱感知融合中心根据各认知用户的频谱检测结果及自身信噪比按照自适应融合判断准则选取参与协作的最佳协作认知用户,以在降低融合计算量的同时提高检测概率;根据选取的最佳协作认知用户的检测概率,以加权的OR准则协作后的全局检测概率作为联合频谱感知结果。该联合频谱感知方法既能自适应调整、获取能量检测判决的最优门限值,又能确定最佳协作认知用户、降低频谱感知融合中心融合计算量。

【技术实现步骤摘要】

本专利技术涉及无线通信领域,尤其涉及一种基于判决门限优化的联合频谱感知方法
技术介绍
认知无线电技术(CognitiveRadio,CR)作为一种新兴的通信技术,其源于软件无线电,能够“伺机”的利用和共享空闲频谱,进而解决频谱资源紧缺难题,从而真正实现提高频谱利用率的目的。因此,认知无线电被认为是未来解决无线频谱资源紧张的关键。认知无线电的基本途径是:首先认知用户(或称感知用户、次用户)采用频谱感知方法持续监测周围环境中的已授权频谱资源行,在保证授权用户能优先占用该段频谱且传输性能几乎不受影响的条件下,认知用户自适应地调整收发设备,并将收发设备调整至空闲频谱上通信。当认知用户感知(或称检测)到有授权用户信号出现时,认知用户则要快速腾出信道供授权用户使用,进而避免对授权用户的正常通信进行干扰。可见,认知用户所采用的频谱感知方法要求对授权用户具有高度的可靠性,即要求频谱感知方法具有高度的检测性能。在实际环境中,由于受到多径衰落、阴影效应和噪声不确定性等诸多因素的不利影响,单个认知用户的检测性能往往不能适应对授权用户信号检测率的要求。为了减少多径衰落、阴影效应和噪声不确定性等诸多因素对检测性能的不利影响,基于多个认知用户的联合频谱感知方法被不断提出。在现有的联合频谱感知方法中,各认知用户首先利用能量检测方法对频谱进行检测,并将各自的检测结果发送给频谱感知融合中心进行融合,以达到有效感知频谱目的。但是,现有的联合频谱感知方法多是基于各认知用户的能量检测结果,而能量检测结果则是在固定的判决门限值前提下做出的,并没有考虑到当认知用户所接收信号能量发生变化时,预设的固定判决门限值不利于认知用户做出准确的能量检测。因此,现有的基于预设的固定判决门限的联合频谱感知不能适应联合频谱感知的实际要求。
技术实现思路
本专利技术所要解决的技术问题是针对上述现有技术提供一种既能够自适应的调整、获取能量检测判决的最优门限值,又能够确定最佳协作认知用户、降低频谱感知融合中心融合计算量的基于判决门限优化的联合频谱感知方法。本专利技术解决上述技术问题所采用的技术方案为:基于判决门限优化的联合频谱感知方法,其特征在于,依次包括如下步骤:(1)构建多用户联合频谱感知的认知无线网络模型,并设定认知无线网络中具有M个独立的认知用户、两个授权用户以及一个频谱感知融合中心;其中,认知用户标记为CRi(i=1,2,…,M),两个授权用户分别标记为PU1和PU2,频谱感知融合中心标记为FC;(2)建立授权用户PU1与授权用户PU2之间的通信,授权用户PU1发送信号给授权用户PU2,并由各认知用户CRi对授权用户PU1发送的信号进行接收;(3)M个认知用户分别对授权用户PU1频谱进行自适应的本地能量检测,并分别将各自获取的频谱检测结果以及自身的信噪比发送至频谱感知融合中心FC,由频谱感知融合中心FC按照自适应融合判断准则选取参与协作的最佳协作认知用户;其中,频谱检测结果包括各认知用户对授权用户PU1频谱的检测概率和虚警概率;自适应融合判断准则的判断选取过程包括步骤(3-1)至步骤(3-7):(3-1)建立各认知用户CRi接收到授权用户PU1信号的信号接收模型;其中,认知用户CRi接收到授权用户PU1信号的模型如下:xi(n)={vi(n)H0vi(n)+his(n)H1;]]>其中,xi(n)表示认知用户CRi检测到的信号,hi表示认知用户CRi接收授权用户PU1信号的信道衰落系数,s(n)表示授权用户PU1发送的信号,vi(n)表示零均值的高斯白噪声;H0表示授权用户PU1频谱处于空闲状态,H1表示授权用户PU1频谱处于占用状态;(3-2)构建联合频谱感知的全局错误检测概率Pe,建立关于门限的能量检测优化函数γ*,并以能量检测优化函数γ*取得最小值时对应的门限值作为能量检测的最优门限值γopt;其中,联合频谱感知的全局错误检测概率定义为Pe:Pe=PH0Pf+PH1Pm,PH1=1-PH0;]]>Pf=Q(γ-σn22Mσn4),Pd=Q(γ-(1+SNR‾)σn22M(2SNR‾+1)σn4),Pm=1-Pd;Q(z)=∫z∞12πe-12x2dx;]]>其中,为授权用户PU1处于空闲状态H0的概率,为授权用户PU1处于占用状态H1的概率;Pf为全局虚警概率,Pd为全局检测概率,Pm为全局漏检概率;为M个认知用户的平均信噪比,Q(z)表示正态高斯互补积分函数;其中,SNRi为认知用户CRi自身的信噪比;关于门限的能量检测优化函数γ*定义为:γ*=argminγPe=PH0·Q(γ-σn22Mσn4)+PH1·Q(γ-(1-SNR)σn22M(2SNR+1)σn4);]]>能量检测的最优门限值γopt为:γopt=γ|∂Pe∂γ=0=σn22+σn214+SNR2+4SNR+2M·SNRln(PH0PH12SNR+1);]]>(3-3)频谱感知融合中心FC根据各认知用户获取的能量统计值yi,k,获取联合能量统计值Y;其中,认知用户CRi的能量统计值yi,k以及联合能量统计值Y的计算公式如下:yi,k=Σn=1N|xi(n+kN)|2;Y=1MΣi=1Myi,k=1MNΣi=1MΣn=1N|xi(n+kN)|2;]]>其中,i表示第i个认知用户CRi的编号,i=1,2,…,M,N表示所接收信号xi(n)的采样个数,yi,k表示所接收信号的能量统计值;(3-4)根据所得能量检测的最优门限值γopt,构建针对所接收信号的自适应能量检测模型,并获取各认知用户的检测概率和虚警概率;其中,所接收信号的自适应能量检测模型如下:{Yi,k′>γoptH1Yi,k′<γoptH0;]]>其中,Yi',k计算公式如下:Yi,k′=cmY,ci=ηi,kΣt=1Mηt,k;]]>E[Yi,k′]={Nσi2H0[N+ηi,k]σi2H1,ηi,k=|hi,k本文档来自技高网
...

【技术保护点】
基于判决门限优化的联合频谱感知方法,其特征在于,依次包括如下步骤:(1)构建多用户联合频谱感知的认知无线网络模型,并设定认知无线网络中具有M个独立的认知用户、两个授权用户以及一个频谱感知融合中心;其中,认知用户标记为CRi(i=1,2,…,M),两个授权用户分别标记为PU1和PU2,频谱感知融合中心标记为FC;(2)建立授权用户PU1与授权用户PU2之间的通信,授权用户PU1发送信号给授权用户PU2,并由各认知用户CRi对授权用户PU1发送的信号进行接收;(3)M个认知用户分别对授权用户PU1频谱进行自适应的本地能量检测,并分别将各自获取的频谱检测结果以及自身的信噪比发送至频谱感知融合中心FC,由频谱感知融合中心FC按照自适应融合判断准则选取参与协作的最佳协作认知用户;其中,频谱检测结果包括各认知用户对授权用户PU1频谱的检测概率和虚警概率;自适应融合判断准则的判断选取过程包括步骤(3‑1)至步骤(3‑7):(3‑1)建立各认知用户CRi接收到授权用户PU1信号的信号接收模型;其中,认知用户CRi接收到授权用户PU1信号的模型如下:xi(n)=vi(n)H0vi(n)+his(n)H1;]]>其中,xi(n)表示认知用户CRi检测到的信号,hi表示认知用户CRi接收授权用户PU1信号的信道衰落系数,s(n)表示授权用户PU1发送的信号,vi(n)表示零均值的高斯白噪声;H0表示授权用户PU1频谱处于空闲状态,H1表示授权用户PU1频谱处于占用状态;(3‑2)构建联合频谱感知的全局错误检测概率Pe,建立关于门限的能量检测优化函数γ*,并以能量检测优化函数γ*取得最小值时对应的门限值作为能量检测的最优门限值γopt;其中,联合频谱感知的全局错误检测概率定义为Pe:Pe=PH0Pf+PH1Pm,PH1=1-PH0;]]>Pf=Q(γ-σn22Mσn4),Pd=Q(γ-(1+SNR‾)σn22M(2SNR‾+1)σn4),Pm=1-Pd;Q(z)=∫z∞12πe-12x2dx;]]>其中,为授权用户PU1处于空闲状态H0的概率,为授权用户PU1处于占用状态H1的概率;Pf为全局虚警概率,Pd为全局检测概率,Pm为全局漏检概率;为M个认知用户的平均信噪比,Q(z)表示正态高斯互补积分函数;其中,SNRi为认知用户CRi自身的信噪比;关于门限的能量检测优化函数γ*定义为:γ*=argminγPe=PH0·Q(γ-σn22Mσn4)+PH1·Q(γ-(1+SNR)σn22M(2SNR+1)σn4);]]>能量检测的最优门限值γopt为:γopt=γ|∂Pe∂γ=0=σn22+σn214+SNR2+4SNR+2M·SNRln(PH0PH12SNR+1);]]>(3‑3)频谱感知融合中心FC根据各认知用户获取的能量统计值yi,k,获取联合能量统计值Y;其中,认知用户CRi的能量统计值yi,k以及联合能量统计值Y的计算公式如下:yi,k=Σn=1N|xi(n+kN)|2;Y=1MΣi=1Myi,k=1MNΣi=1MΣn=1N|xi(n+kN)|2;]]>其中,i表示第i个认知用户CRi的编号,i=1,2,…,M,N表示所接收信号xi(n)的采样个数,yi,k表示所接收信号的能量统计值;(3‑4)根据所得能量检测的最优门限值γopt,构建针对所接收信号的自适应能量检测模型,并获取各认知用户的检测概率和虚警概率;其中,所接收信号的自适应能量检测模型如下:Yi,k′>γoptH1Yi,k′<γoptH0;]]>其中,Y′i,k计算公式如下:Yi,k′=cmY,ci=ηi,kΣt=1Mηt,k;]]>E[Yi,k′]=Nσi2H0[N+ηi,k]σi2H1,ηi,k=|hi,k|2σi2Σn=0N-1|sm(n+kN)|2;]]>Pf,i=Q(γopt-E[Yi,k′]H0Var[Yi,k′]H0),Pd,i=Q(γopt-E[Y...

【技术特征摘要】
1.基于判决门限优化的联合频谱感知方法,其特征在于,依次包括如下步骤:
(1)构建多用户联合频谱感知的认知无线网络模型,并设定认知无线网络中具有
M个独立的认知用户、两个授权用户以及一个频谱感知融合中心;其中,认知用户标
记为CRi(i=1,2,…,M),两个授权用户分别标记为PU1和PU2,频谱感知融合中心标
记为FC;
(2)建立授权用户PU1与授权用户PU2之间的通信,授权用户PU1发送信号给授
权用户PU2,并由各认知用户CRi对授权用户PU1发送的信号进行接收;
(3)M个认知用户分别对授权用户PU1频谱进行自适应的本地能量检测,并分别
将各自获取的频谱检测结果以及自身的信噪比发送至频谱感知融合中心FC,由频谱感
知融合中心FC按照自适应融合判断准则选取参与协作的最佳协作认知用户;其中,频
谱检测结果包括各认知用户对授权用户PU1频谱的检测概率和虚警概率;自适应融合判
断准则的判断选取过程包括步骤(3-1)至步骤(3-7):
(3-1)建立各认知用户CRi接收到授权用户PU1信号的信号接收模型;其中,认知
用户CRi接收到授权用户PU1信号的模型如下:
xi(n)=vi(n)H0vi(n)+his(n)H1;]]>其中,xi(n)表示认知用户CRi检测到的信号,hi表示认知用户CRi接收授权用户PU1信
号的信道衰落系数,s(n)表示授权用户PU1发送的信号,vi(n)表示零均值的高斯白噪声;
H0表示授权用户PU1频谱处于空闲状态,H1表示授权用户PU1频谱处于占用状态;
(3-2)构建联合频谱感知的全局错误检测概率Pe,建立关于门限的能量检测优化
函数γ*,并以能量检测优化函数γ*取得最小值时对应的门限值作为能量检测的最优门限
值γopt;其中,联合频谱感知的全局错误检测概率定义为Pe:
Pe=PH0Pf+PH1Pm,PH1=1-PH0;]]>Pf=Q(γ-σn22Mσn4),Pd=Q(γ-(1+SNR‾)σn22M(2SNR‾+1)σn4),Pm=1-Pd;Q(z)=∫z∞12πe-12x2dx;]]>其中,为授权用户PU1处于空闲状态H0的概率,为授权用户PU1处于占用状态

\tH1的概率;Pf为全局虚警概率,Pd为全局检测概率,Pm为全局漏检概率;为M个
认知用户的平均信噪比,Q(z)表示正态高斯互补积分函数;其中,SNRi为认知用户CRi自身的信噪比;
关于门限的能量检测优化函数γ*定义为:
γ*=argminγPe=PH0·Q(γ-σn22Mσn4)+PH1·Q(γ-(1+SNR)σn22M(2SNR+1)σn4);]]>能量检测的最优门限值γopt为:
γopt=γ|∂Pe∂γ=0=σn22+σn214+SNR2+4SNR+2M·SNRln(PH0PH12SNR+1);]]>(3-3)频谱感知融合中心FC根据各认知用户获取的能量统计值yi,k,获取联合能
量统计值Y;其中,认知用户CRi的能量统计值yi,k以及联合能量统计值Y的计算公式如
下:
yi,k=Σn=1N|xi(n+kN)|2;Y=1MΣi=1Myi,k=1MNΣi=1MΣn=1N|xi(n+kN)|2;]]>其中,i表示第i个认知用户CRi的编号,i=1,2,…,M,N表示所接收信号xi(n)的采样
个数,yi,k表示所接收信号的能量统计值;
(3-4)根据所得能量检测的最优门限值γopt,构建针对所接收信号的自适应能量检
测模型,并获取各认知用户的检测概率和虚警概率;其中,所接收信号的自适应能量检
测模型如下:
Yi,k′>γoptH1Yi,k′<γoptH0;]]>其中,Y′i,k计算公式如下:
Yi,k′=cmY,ci=ηi,kΣt=1Mηt,k;]]>E[Yi,k′]=Nσi2H0[N+ηi,k]σi2H1,ηi,k=|hi,k|2σi2Σn=0N-1|sm(n+kN)|2;]]>Pf,i=Q(γopt-E[Yi,k′]H0Var[Yi,k′]H0),Pd,i=Q(γopt-E[Yi,k′]H1Var[Yi,k′]H1),Q(z)=∫z∞12πe-12x2dx;]]>Var[Yi,k′]=2Nσi4H02[N+2ηi,k]σi4H1;]]>其中,Pf,i表示认知用户C...

【专利技术属性】
技术研发人员:郑紫微秦闯
申请(专利权)人:宁波大学
类型:发明
国别省市:浙江;33

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1