基于认知功能和传感器节点分离的CRSN频谱感知方法技术

技术编号:15517756 阅读:229 留言:0更新日期:2017-06-04 08:14
本发明专利技术涉及一种认知无线传感器网络中基于认知功能和传感器节点分离的频谱感知方法,属于无线传感器网络技术领域。该方法将网络中的认知功能和传感器节点分离,传感器节点只负责源感知,而认知功能则搬移至CRSN中的其他专用节点,称为认知节点,由认知节点负责频谱感知,运用连续离散二进制混合粒子群算法,在选择感知节点的同时来调节感知节点的发射功率,使得频谱感知在满足给定感知性能的前提下,最小化能量消耗。本发明专利技术提供的一种认知无线传感器网络中基于认知功能和传感器节点分离的频谱感知方法,解决了认知功能带来的额外能耗和处理要求与传感器节点有限资源的矛盾,解决了CRSN高成本实现与其低成本实现要求的矛盾。

【技术实现步骤摘要】
基于认知功能和传感器节点分离的CRSN频谱感知方法
本专利技术属于无线传感器网络领域,涉及一种基于认知功能和传感器节点分离的CRSN频谱感知方法。
技术介绍
现有的WSN大都工作在无需授权的工业、科学、医学频段(IndustrialScientificMedical,ISM)。这些公用频段正随着各种新的无线通信技术的兴起(如Wifi、蓝牙、Wimax、Zigbee等)而变得日益拥挤,导致工作于ISM频段的各种无线设备之间的干扰日趋严重。例如有研究表明在同时工作时,IEEE802.11网络会明显降低802.15.4/Zigbee网络的性能,因而工作在ISM频段的异构无线通信系统共存问题已成为WSN继续发展的瓶颈。根据美国联邦通信委员会(FederalCommunicationsCommission,FCC)的一份报告,基于现有频谱管理政策,绝大部分已经分配的频谱无论是在时间上还是空间上都利用不足,仅在15%至85%之间。鉴于认知无线电(CognitiveRadio,CR)能够通过利用动态频谱分配技术极大地提高频谱利用率,一些研究人员在WSN中引入CR技术,即在每个传感器上都装载一个具有认知功能的设备,伺机利用暂未使用的频谱段,以缓解WSN频谱极度紧张的局面以及解决多个异构无线通信系统(WSN)共存导致的相互干扰问题。这种在传感器节点上装载CR设备的WSN称为认知无线传感器网络(CognitiveRadioSensorNetwork,CRSN)。在无线传感器网络中采用认知无线电技术,使传感器网络节点可以实时感知周围环境中的频谱信息,获取可用频谱资源,在通信过程中能够动态选择未被占用的频谱资源来完成通信过程。这样,不仅能缓解公用频段的拥挤状况,并且可提高网络对空闲频谱的利用率,增加节点可选的工作带宽;由于节点可以动态地去选择空闲信道工作,减少了节点因竞争信道而带来的等待和冲突,因此可以提高网络的吞吐量并缩短网络的通信时延。与传统WSN相比,CRSN在动态频谱接入、并发数据的伺机信道使用、适应性地降低能耗、多个异构WSN的重叠部署、不同频谱管理政策下工作方面拥有巨大的优势,具有重大应用价值和远大的发展前景,也被认为是下一代WSN。然而,在CRSN中的传感器节点额外增加了频谱感知、频谱切换等功能,极大消耗了传感器节点本已受限的能量和处理能力;另外,无线认知传感器节点处理能力有限,常常需要多个传感器节点进行协作频谱感知然后通过协调器融合判决,他们之间感知信息的相互交流也导致了大量的能耗。这些由认知功能带来的额外的能耗和处理要求与传感器节点固有的资源约束产生了巨大的矛盾,极大地增加了功率高效的认知传感器节点的设计难度,将极大地缩短了CRSN生存时间,阻碍CRSN发展与应用。CR接收机的灵敏度远高于普通传感器节点所用的接收机,在每一个传感器节点上都装载一个CR接收机,因而极大地增加了认知传感器节点的生产成本,这与CRSN低成本实现的要求相矛盾的。为了解决这一矛盾,我们将认知功能与传感器节点分离,传感器节点不再承担频谱感知功能,只负责源感知,而认知功能则搬移至CRSN中的其他专用节点,有这些专用节点负责频谱感知。这种认知功能与传感器节点分离的WSN称之为基于认知功能和传感器节点分离的CRSN(SeparatecognitivefunctionandsensorbasedCRSN,S-CRSN)。现有的认知无线传感器网络中的高能效协作频谱感知技术有很多,通过选择参与协作感知的节点,在满足给定约束目标的前提下,减少感知过程中的能量消耗,从而提高能量效率。但是现有技术都忽略或者简化了控制信道的干扰因素,来简化模型,选择有代表性的节点或者在较好感知位置上的节点来参与感知。为了简化感知模型,他们或是假设所有感知节点的传输功率相同,或是假设所有感知节点具有相同的放大增益以满足接收端的接收灵敏度,这就意味着他们假设所有的感知节点在他们整个生命周期中都具有一个固定不变的发射功率,而这是与实际情况相违背的。实际上,不同感知节点的性能和参数可能差别巨大,而且节点处在不同的地址位置,这也影响了感知结果的传输范围。并且,随着时间的推迟,以电池供电的传感器节点的发射功率必然会随着电池电量的减少而相应的减弱,所以以往的感知模型都无法精确的表述协作频谱感知的现实状况。且现有的研究都是基于CRSN的网络模型,通过优化参与感知节点数目、感知时长、节点选择等方法,使得协作频谱感知在达到约束目标的条件下能量消耗达到最小化。但是现有的CRSN频谱感知算法研究的前提是所有的传感器节点都具有认知功能。一方面所有的CRSN节点都进行频谱感知,频谱切换等功能,极大消耗了传感器节点本已受限的能量和处理能力,而CRSN传感器节点处理能力有限,常常需要多个传感器节点进行协作频谱感知然后通过协调器融合判决(认知传感器节点与协调器交互过程繁琐:节点触发—网络协调器控制—节点感知—协调器融合信息判断、分配—节点接受信道、发送数据),他们之间感知信息的相互交流也导致了大量的能耗。另一方面,CR接收机的灵敏度远高于普通传感器节点所用的接收机,因而其生产成本也高于普通接收机,在每个传感器节点上都装载一个CR接收机,显而易见极大地增加了认知传感器节点的生产成本,进而增加了低成本认知传感器节点的设计难度。
技术实现思路
有鉴于此,本专利技术的目的在于提供一种基于认知功能和传感器节点分离的CRSN的频谱感知方法,用于解决认知功能带来的额外能耗和处理要求与传感器节点有限资源的矛盾、以及CRSN高成本实现与低成本实现要求的矛盾。一种基于认知功能和传感器节点分离的CRSN频谱感知方法,将选择适合的认知节点和降低认知节点的发射功率两方面问题建模成一个混合离散和连续变量的优化问题,并用连续离散二进制混合粒子群算法进行优化,具体步骤如下:1)使用能量检测法进行本地频谱检测;2)计算检测得到的能量值;3)计算认知节点的初始化检测概率和虚警概率;4)融合中心通过收到的认知节点的感知结果和对应信道的误码率计算得到真正的认知节点的检测概率和虚警概率为:5)假设有任意一个本地感知结果表明观察信道被主用户占用,那么融合中心的结果就是主用户占用该信道,计算融合中心的检测概率和虚警概率;6)计算协作频谱感知的总能量消耗;7)在假设控制信道的信噪比符合自由空间衰落模型的条件下,计算各个认知节点的新的检测概率和虚警概率;8)给定约束条件为最大虚警概率和最小检测概率,同时满足频谱感知能量消耗最小化,将优化问题进行公式表达;9)利用连续离散二进制混合粒子群算法进行优化。进一步的,所述使用能量检测法进行本地频谱检测具体包括:假设τs表示认知节点的频谱检测时间长度,fs表示检测采样频率,τsfs为每个检测周期的采样数量,第i个认知节点依靠它的采样信号能量值Xi[k](k=1,2,3Lτsfs)来给出感知结果;H0表示主用户没有占用信道,用H1表示主用户占用了信道;H0:Xi[k]=ui[k](1)H1:Xi[k]=si[k]+ui[k](2)其中ui[k]是方差为σu2、均值为0的高斯随机噪声;si[k]为主用户信号,假设它是一个均值为0方差为σsi2的随机过程。进一步的,计算检测得到的能量值为:它在主用户不占用检测信道的情况本文档来自技高网
...
基于认知功能和传感器节点分离的CRSN频谱感知方法

【技术保护点】
一种基于认知功能和传感器节点分离的CRSN频谱感知方法,其特征在于:将选择适合的认知节点和降低认知节点的发射功率两方面问题建模成一个混合离散和连续变量的优化问题,并用连续离散二进制混合粒子群算法进行优化,具体步骤如下:1)使用能量检测法进行本地频谱检测;2)计算检测得到的能量值;3)计算认知节点的初始化检测概率和虚警概率;4)融合中心通过收到的认知节点的感知结果和对应信道的误码率计算得到真正的认知节点的检测概率和虚警概率为:5)假设有任意一个本地感知结果表明观察信道被主用户占用,那么融合中心的结果就是主用户占用该信道,计算融合中心的检测概率和虚警概率;6)计算协作频谱感知的总能量消耗;7)在假设控制信道的信噪比符合自由空间衰落模型的条件下,计算各个认知节点的新的检测概率和虚警概率;8)给定约束条件为最大虚警概率和最小检测概率,同时满足频谱感知能量消耗最小化,将优化问题进行公式表达;9)利用连续离散二进制混合粒子群算法进行优化。

【技术特征摘要】
1.一种基于认知功能和传感器节点分离的CRSN频谱感知方法,其特征在于:将选择适合的认知节点和降低认知节点的发射功率两方面问题建模成一个混合离散和连续变量的优化问题,并用连续离散二进制混合粒子群算法进行优化,具体步骤如下:1)使用能量检测法进行本地频谱检测;2)计算检测得到的能量值;3)计算认知节点的初始化检测概率和虚警概率;4)融合中心通过收到的认知节点的感知结果和对应信道的误码率计算得到真正的认知节点的检测概率和虚警概率为:5)假设有任意一个本地感知结果表明观察信道被主用户占用,那么融合中心的结果就是主用户占用该信道,计算融合中心的检测概率和虚警概率;6)计算协作频谱感知的总能量消耗;7)在假设控制信道的信噪比符合自由空间衰落模型的条件下,计算各个认知节点的新的检测概率和虚警概率;8)给定约束条件为最大虚警概率和最小检测概率,同时满足频谱感知能量消耗最小化,将优化问题进行公式表达;9)利用连续离散二进制混合粒子群算法进行优化。2.根据权利要求1所述的基于认知功能和传感器节点分离的CRSN频谱感知方法,其特征在于:所述使用能量检测法进行本地频谱检测具体包括:假设τs表示认知节点的频谱检测时间长度,fs表示检测采样频率,τsfs为每个检测周期的采样数量,第i个认知节点依靠它的采样信号能量值Xi[k](k=1,2,3Lτsfs)来给出感知结果;H0表示主用户没有占用信道,用H1表示主用户占用了信道;H0:Xi[k]=ui[k](1)H1:Xi[k]=si[k]+ui[k](2)其中ui[k]是方差为σu2、均值为0的高斯随机噪声;si[k]为主用户信号,假设它是一个均值为0方差为σsi2的随机过程。3.根据权利要求2所述的基于认知功能和传感器节点分离的CRSN频谱感知方法,其特征在于:计算检测得到的能量值为:它在主用户不占用检测信道的情况下服从一个自由度为2τsfs的卡方分布;在主用户占用观察信道的情况下服从一个自由度为2τsfs,非中心参数为2γi的非中心卡方分布:其中γi是认知节点i检测到的主用户的信噪比。4.根据权利要求3所述的基于认知功能和传感器节点分离的CRSN频谱感知方法,其特征在于,计算认知节点的初始化检测概率和虚警概率方法为:根据中心极限定理,当2τsfs足够大时,Ei可以看成是近似高斯分布,对于一个给定的门限值λ,则第i个认知节点的初始化检测概率和虚警概率分别如下:其中Q(x)是正常高斯分布的累积分布函数的补函数。5.根据权利要求4所述的基于认知功能和传感器节点分离的CRSN频谱感知方法,其特征在于,融合中心通过收到的认知节点的感知结果和对应信道的误码率计算得到真正的认知节点的检测概率和虚警概率为:其中ρi表示第i个认知节点上报给融合中心时信号的信噪比,控制信道的误码率6.根据权利要求5所述的基于认知功能和传感器节点分离的CRSN频谱感知方法,其特征在于,融合中心的检测概率和虚警概率为:

【专利技术属性】
技术研发人员:裴二荣白丽丽
申请(专利权)人:重庆邮电大学
类型:发明
国别省市:重庆,50

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