一种WCSN中基于时空相关性的序贯频谱感知方法技术

本发明专利技术提供了一种WCSN中基于时空相关性的序贯频谱感知方法，该方法建立基于自回归模型的分组数据序贯能量检测器以快速获得单个节点的局部判决结果，然后为各节点分配基于时空相关性的权重因子以进行加权序贯协作频谱感知，并给出精确的全局判决结果。仿真结果说明：可使用更少的采样数据量获得更优的频谱检测性能，从而以能量有效的方式提高WCSN的频谱利用率和数据传输效率。

【技术实现步骤摘要】
一种WCSN中基于时空相关性的序贯频谱感知方法
本专利技术涉及一种WCSN中的序贯频谱感知方法，尤其是一种WCSN中基于时空相关性的序贯频谱感知方法。
技术介绍
“万物互联”的物联网随着5G技术的发展已深入到每个城市、每个社区、每个行业，而作为物联网基础设施的无线传感器网络(WirelessSensorNetwork,WSN)已广泛应用于公共安全、环境监测、医疗救治、智能社区等领域。WSN由大量具有感知、计算和无线通信能力的智能传感器节点组成，这些节点通过协作地感知、收集和处理环境信息来完成各种应用任务。现行的通信协议要求WSN使用未授权的ISM(industrial,scientificandmedical)频段传输数据，但此频段也被RFID、Bluetooth、Wi-Fi、ZigBee等无线设备共享。随着各种无线设备的急剧增加，ISM频段越来越拥挤，无法为WSN提供高质量的通信信道，因此无线频谱资源的稀缺限制了WSN在人口密集城市的大规模铺设，从而影响了物联网的快速发展。认知无线电技术(Cognitiveradio,CR)通过次用户(SecondUser,SU)动态接入主用户(P本文档来自技高网...

【技术保护点】
1.一种WCSN中基于时空相关性的序贯频谱感知方法，其特征在于，包括如下步骤：步骤1，GDSPRT令第i个节点CSNi(i∈{1，…,I})的接收信号xi(t)为：

【技术特征摘要】
1.一种WCSN中基于时空相关性的序贯频谱感知方法，其特征在于，包括如下步骤：步骤1，GDSPRT令第i个节点CSNi(i∈{1，…,I})的接收信号xi(t)为：式(1)中，为主用户信号，为平均功率，为加性白噪声，于是，感知时间Tst内M个采样值形成的分组数据定义为:式(2)中，M＝Tst/fs为分组尺度，fs满足Nyquist采样定理，当M＞20时，由中心极限定理可知yi(l)的分布表达式为：式(3)中，为信噪比，可以看出超采样序列Yi,k＝{yi(1),…,yi(k)}是i.i.d.，于是计算LLR为：再进行频谱判决，令Pf和Pd分别为虚警概率和检测概率，定义平均测试统计数来评价GDSPRT的检测性能，ATSN在H0和H1下的表达式分别为：式(5)和(6)中，E[L(Yi,k)|H0]和E[L(Yi,k)|H1]分别为H0和H1下LLR的数学期望，和为门限值，若已知先验概率P(H0)和P(H1),则由Wald等式可得GDSPRT在感知时间Tst内进行序贯检测的平均采样个数为：E[NGDSPRT,i]＝M·{P(H0)E[KGDSPRT,i|H0]+P(H1)E[KGDSPRT,i|H1]}(7)由于主用户状态的缓慢变化使得超采样序列Yi,k具有很强的时间相关性，则利用p阶AR过程来描述Yi,k的相关性为：yi(l)＝ai,0+ai,1yi(l-1)+…+ai,pyi(l-p)+εi(l),l＝p+1,p+2,…(8)式(8)中，为模型误差，根据时间序列分析理论，可由最大似然估计法计算模型参数为：式(9)中，于是yi(l)的条件数学期望和方差为：再由前面p个历史值，定义时刻k的条件概率为：再令λ(yi(k)|yi(k-1),…,yi(k-p))＝λi,k，则式(13)可简化为：式(14)中，不同于式(4)，AR过程下LLR的更新表达式为：即：Λi,k＝Λi,k-1+λi,k(16)于是有局部判决LDi,k为:式(17)中，和为预设门限值，若LDi,k的判决为H0或H1，则时刻k即为停止时间；若LDi,k的判决为“继续”，则检测器接收下一个超采样yi(k+1)且由式(16)计算Λi,k+1后再次进行判决；步骤2，在第r个协作频谱检测周期，第q个节点CSNq(q∈{1,…Q})得到1-bit的判决结果，即：式(21)中，“1”表示当前频谱被主用户占用，“0”表示当前频谱空闲，由Sink序贯接收的第q个局部报告为zr,q＝Aur,q+v，其中ur,q＝2LDr,q-1,A为信道增益，为信道噪声，为信道SNR，由于zr,q在A或-A处波动，于是Sink首先对此局部报告进行粗判决，对照门限值κ＞0，若zr,q＞κ，则...

【专利技术属性】
技术研发人员：王天荆，王敏，李秀琴，白光伟，沈航，
申请(专利权)人：南京工业大学，
类型：发明
国别省市：江苏,32