主用户多电平环境下的认知无线电系统联合频谱感知方法

摘要

本发明提供一种主用户多电平环境下的认知无线电系统联合频谱感知方法，包括：初始化系统参数，包括主用户各工作状态电平大小、次用户频谱感知门限个数及各个门限大小、以及次用户在一个感知时隙内接受的样本个数；各次用户分别在本地独立完成频谱感知，得出检测主用户状态的结果；各次用户分别将独立的频谱感知结果汇总到融合中心，融合中心根据收到的结果生成决策向量；融合中心根据得到的决策向量，基于多数人投票原则进行决策；主用户具有两个以上的工作电平。根据本发明，在不需要任何有关主用户先验知识的条件下，仅仅依靠各次用户独立检测结果汇总的决策向量进行决策融合，方案实施简单，性能较好，具有很强实用性。

权利要求

1.一种主用户多电平环境下的认知无线电系统联合频谱感知方法，其特征在于，包括：初始化系统参数，包括主用户各工作状态电平大小、次用户频谱感知门限个数及各个门限大小、以及次用户在一个感知时隙内接受的样本个数；

各次用户分别在本地独立完成频谱感知，得出检测主用户状态的结果；

各次用户分别将独立的频谱感知结果汇总到融合中心，融合中心根据收到的结果生成决策向量 其中di表示判决状态Hi的总次用户个数，在状态Hi下， 出现某一种分布的概率 为，式中：H0表示主用户空闲的状态，Hi，i＝1，2，...，N分别表示主用户工作在电平Pi的状态，K为次用户数量；

融合中心根据得到的决策向量，基于多数人投票原则进行决策；

所述主用户具有两个以上的工作电平。

2.如权利要求1所述的方法，其特征在于，次用户独立进行频谱感知时不要求具有主用户各电平的先验知识。

3.如权利要求1所述的方法，其特征在于，各次用户独立作出决策并且将判断结果发至融合中心。

4.如权利要求1所述的方法，其特征在于，融合中心在决策前对收到的检测结果进行汇集，得到决策向量。

5.如权利要求1所述的方法，其特征在于，融合中心在进行决策融合时依据检测结果汇集的决策向量。

6.如权利要求1所述的方法，其特征在于，融合中心的决策过程包括两个阶段，第一个阶段为判断主用户是否空闲，若不空闲则在第二阶段判断主用户的具体工作电平，并将判断结果反馈给各次用户，否则跳过第二阶段。

7.如权利要求1所述的方法，其特征在于，检测概率定义为所有主用户工作电平正确检测概率之和，或者，定义为所有主用户状态被正确检测的概率之和。

8.如权利要求1所述的方法，其特征在于，决策融合结果出错的概率随着错判电平状态与实际电平状态之间间隔状态数的增多而减小。

说明书

主用户多电平环境下的认知无线电系统联合频谱感知方法

技术领域

[0001] 本发明涉及一种在主用户多电平环境下基于多数人投票原则的认知无线电系统联合频谱感知方法，涉及多个次用户（Secondary User）在联合频谱感知时对主用户（Primary User）状态检测结果进行决策融合时的方案。

背景技术

[0002] 众所周知，无线电通信频谱是一种宝贵的自然资源，一般采用的是基于频谱授权的静态频带分配的原则，即由政府授权使用。由于通信行业的迅速发展，无线局域网(WLAN)、无线个人域网络(WPAN)等技术的出现，无线通信的需求不断增长，频谱资源贫乏的问题日益严重；另外一方面，一些通信业务(如电视广播业务等)需要通信网络提供一定的保护，使他们免受其他通信业务的干扰，频率管理部门专门分配了特定的授权频段，但是相当数量的授权频谱资源的利用率却非常低。于是就出现了这样的事实：某些部分的频谱资源相对较少但其实承载的业务量很大，而另外一些已授权的频谱资源利用率却很低。因此，可以得出这样的结论：目前的频谱资源分配方法已经不能适应日益增长的无线需求，需要一种更合理高利用率的频谱分配方法。Joseph Mitola在软件无线电的基础上提出了认知无线电的概念，为这个问题提供了解决方法。

[0003] 认知无线电的基本出发点就是：为了提高频谱利用率，在已授权频段没被使用或只有很少的通信业务在活动的情况下，具有认知功能的无线通信设备可以按照某种“伺机(Opportunistic Way)”的方式工作在已授权的频段内。这种在空域、时域和频域中出现的可以被利用的频谱资源被称为“频谱空洞”。认知无线电的核心思想就是使无线通信设备具有发现“频谱空洞”并合理利用的能力。当非授权通信用户通过“借用”的方式使用已授权的频谱资源时，必须保证他的通信不会影响到其他已授权用户的通信。要做到这一点，非授权用户必须按照一定的规则来使用所发现的“频谱空洞”。在认知无线电中，这样的规则是以某种机器可理解的形式(如XML语言)加载到通信终端上。由于这些规则可以随时根据频谱的利用情况、通信业务的负荷与分布等进行不断的调整，因此通过这些规则，频谱管理者就能以更灵活的方式来管理宝贵的频谱资源。

[0004] 认知无线电是一个智能无线通信系统，该系统能够识别外界通信环境，用建筑理解的方法来学习外界环境，并且通过实时调整特定工作参数（如发射功率，载波频率和调制方法），将系统的射频接发系统自适应地调整到某个统计状态，以达到下列两个主要目标：1.任何时间、地点通信的高可靠性；2.频谱的高效利用。

[0005] 在认知无线电中，为了合理有效地利用空闲频段进行通信，必须对无线传输场景进行分析，首要的任务就是频谱感知，查找能够用来进行认知无线电系统业务通信的频谱空洞。常用的频谱感知算法有：匹配滤波器、能量检测、周期特性检测、本地泄露检测等，其中能量检测器应用最为广泛，因为它设计简单且不需要太多关于主用户状态的先验知识。然而，在实际的频谱感知实现过程中，由于诸如信道衰落、阴影效应等作用影响，单个用户的检测结果往往会出现较大的误差，因此更多地时候往往考虑利用多个次用户实施联合频谱检测(Cooperative Spectrum Sensing)来提高对主用户状态检测的可靠性，其中在决策融合的过程中一些典型的方法有：“逻辑-与”准则，“逻辑-或”准则和“k-out-of N”准则。

[0006] 在传统的频谱感知中，一般只考虑主用户具有两个状态，即“工作在固定电平上”和“空闲”状态。然而这种假设在实际中并不经常成立，例如在如今许多标准中，主用户可以根据需要工作在预先设计的不同电平上，而且在许多关于认知无线电功率分配的研究中，主用户工作的电平也不能是一直不变的。因此我们很有必要考虑当主用户工作在多电平下的频谱感知问题。当主用户工作在多电平时，由于主用户状态的增多，单个用户独立进行频谱感知的可靠性变得更低，在进行联合频谱感知时，传统的基于两元假设的频谱感知方法不再成立并且传统的对于频谱感知的评价标准也不再适用，因此我们需要在传统联合频谱感知的思路上做出新的拓展，建立一套基于主用户多电平情况下的联合感知决策融合策略以及评价标准。

发明内容

[0007] （一）要解决的技术问题

[0008] 本发明的目的是如何提供一种在主用户多电平环境下基于多数人投票原则的认知无线电系统联合频谱感知的决策融合方法，不需要主用户的先验知识，通过各个次用户独立检测结果汇总的决策向量进行决策融合。

[0009] （二）技术方案

[0010] 为解决上述问题，本发明提供一种主用户多电平环境下的认知无线电系统联合频谱感知方法，其包括：初始化系统参数，包括主用户各工作状态电平大小、次用户频谱感知门限个数及各个门限大小、以及次用户在一个感知时隙内接受的样本个数；

[0011] 各次用户分别在本地独立完成频谱感知，得出检测主用户状态的结果；

[0012] 各次用户分别将独立的频谱感知结果汇总到融合中心，融合中心根据收到的结果生成决策向量；

[0013] 融合中心根据得到的决策向量，基于多数人投票原则进行决策。

[0014] 所述主用户具有两个以上的工作电平。

[0015] 优选地，次用户独立进行频谱感知时不要求具有主用户各电平的先验知识。

[0016] 优选地，各次用户独立作出决策并且将判断结果发至融合中心。

[0017] 优选地，融合中心在决策前对收到的检测结果进行汇集，得到决策向量。

[0018] 优选地，融合中心在进行决策融合时依据检测结果汇集的决策向量。

[0019] 优选地，融合中心的决策过程包括两个阶段，第一个阶段为判断主用户是否空闲，若不空闲则在第二阶段判断主用户的具体工作电平，并将判断结果反馈给各次用户，否则跳过第二阶段。

[0020] 优选地，检测概率定义为所有主用户工作电平正确检测概率之和，或者，定义为所有主用户状态被正确检测的概率之和；或者，自行定义。

[0021] 优选地，决策融合结果出错的概率随着错判电平状态与实际电平状态之间间隔状态数的增多而减小。

[0022] （三）有益效果

[0023] 根据本发明，在主用户多电平的情况下，不需要任何有关主用户先验知识的条件下，仅仅依靠各次用户独立检测结果汇总的决策向量进行决策融合，方案实施简单，性能较好，具有很强实用性。

附图说明

[0024] 图1为本发明一个实施例的系统配置图；

[0025] 图2为本发明一个实施例的检测概率与理论分析结果关于信噪比的关系图；

[0026] 图3为本发明一个实施例的不同情况错判概率关于信噪比的关系图；

[0027] 图4为本发明一个实施例的检测概率关于次用户人数的关系图。

具体实施方式

[0028] 下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

[0029] 为了阐述本发明的细节信息，首先图1给出的系统配置，考虑一个具有单一主用户和K个次用户的认知无线电网络，其中主用户具有多个发射电平，设为Pi,i=1...N，不失一般性有

[0030] 本发明的具体实施方式为：

[0031] 步骤一：系统初始化，包括主用户各工作状态电平大小，主用户与次用户间信道增益估计值，次用户频谱感知门限个数及各个门限大小，次用户在一个感知时隙内接受的样本个数等，定义γk为主用户到第k个次用户的瞬时信道功率增益，考虑到频谱感知的时间相对于信道变化频率而言很小且频谱感知的过程相对于主用户状态变化的时间很短，那么可以认为主用户的状态和信道增益γk在一次频谱感知过程中不发生改变。

[0032] 对于第k个次用户SU-k，设在一次检测过程中，其收到的第j个符号为：

[0033]

[0034] 其中H0表示主用户空闲的状态，Hi,i=1,2,...,N分别表示主用户工作在电平Pi的状态。Sj表示主用户发射的第j个符号，并且假设服从具有零均值和方差为1的高斯分布，即Sj～N(0,1)；nj表示系统的叠加高斯白噪声，满足 我们定义主用户工作在电平Pi的概率为Pr(Pi)，则有Pr(P0)为主用户空闲的概率， 为主用户工作的概率且显然有 已有文献证明，能量检测器利用在一个周期内接收到的M个符号的累积能量值与N+2个阈值λn,n=0,1,2,N+1比较为最优的本地检测，其中这些阈值可以有相关结论计算得出。

[0035] 步骤二：每个次用户在本地分别独立完成频谱感知，得出检测到的主用户状态的结果；具体而言，其检测过程如下：

[0036] 首先根据步骤一中参数计算出一个检测周期内接收到的累积能量值，其结果如下：

[0037]

[0038] 则y在Hi各状态下对应的概率分布函数（pdf）为：

[0039]

[0040]

[0041] 利用该结果与步骤一中所得门限进行比较，具体的判决方法如下：

[0042]

[0043] 通过独立的判决过程，每个次用户都得到了一个关于主用户状态的结果，设第k个次用户得到的结果为Dk∈{0,1,...N}，那么其对应的判决的主用户的状态即为HDk，同时也可以得到主用户处在状态Hi时，检测到状态Hj的概率为：

[0044]

[0045] 步骤三：各次用户分别将独立频谱感知结果汇总到融合中心，融合中心将收到的判决结果汇总为一个决策向量 其中di表示判决状态Hi的总次用户个数，这里显然应满足 且在状态Hi下， 出现某一种分布的概率为：

[0046]

[0047]

[0048] 以上分析与传统的“逻辑-与”、“逻辑或”或者是“N中选出k个”等方法在描述上存在本质的区别。此处应注意，为便于分析，我们假定各个次用户信道情况相同，即γ1=γ2...=γk，由此可知各用户检测器的门限也相同，可以得出上式。但在实际应用中该方法并不受用户信道情况限制。

[0049] 步骤四：融合中心根据得到的决策向量 基于多数人投票原则分两阶段进行决策。第一阶段融合中心先判决主用户是否空闲（即处于0电平状态），如果空闲则跳过第二阶段。如果主用户处于工作状态，则进入第二阶段对主用户具体的工作电平作出最终判断，最后将判决结果反馈给各次用户。

[0050] 在第一阶段的判决时，把主用户处于0电平（即主用户空闲）看作一个独立的状态，把主用户处于其他所有电平放在一起（即主用户非空闲）看作一个独立的状态，首先要在这两个状态中做出一个判决。具体的做法是将决策向量中主用户处于非0电平状态的向量值全部加起来与0电平状态的向量值比较大小，用公式描述如下：

[0051] 如果满足：

[0052]

[0053] 则判主用户空闲，反之则判主用户处于工作状态。对于两者相等的情况，可以根据具体需求设定判决方案，本发明的描述在上述等号成立时判主用户处在工作状态，但并不局限于此。

[0054] 如果第一阶段判决主用户空闲，那么可以跳过第二阶段，将判决结果直接发回给各次用户。如果第一阶段判决主用户处于工作状态，则进入第二阶段对主用户的具体状态进行判断。在第二阶段的判决中，基于多数人投票原则的判别方法可以描述为：

[0055] 如果满足：

[0056]

[0057] 那么则判定主用户在状态Hi。下面分析下基于多数人投票原则决策融合的性能，其条件检测概率Prm(Hj|Hi)可以表述为：

[0058]

[0059] 其中Sm定义为：

[0060]

[0061] 在这里需要注意的是，可能在向量D中同时有多个分量均为最大值，因为在基于多数人投票的决策融合中这些分量的地位均相等，因此这时候可以任意地选择其中一个最大值作为最终的判决结果。在本发明的描述中，我们规定选取其中最大的电平值最为决策融合的结果，但实际操作的时候可以根据具体要求而定。

[0062] 下面给出条件检测概率Prm(Hj|Hi)的具体形式和其证明过程，如下：

[0063]

[0064]

[0065] 其中dn为决策向量中的元素， 和 分别表示向上取整函数和组合数公式，参数αn和βn分别定义如下：

[0066]

[0067]

[0068] 证明：公式中求和的对象在集合Sm中已经定义过了，因此在这里重点说明如何求取各求和号的上下界，因为系数确定的次序不会影响结果，所以不失一般性，我们先确定系数dj的上下界，然后从小到大依次确定其他系数的上下界。

[0069] 为了使选取的dj为决策向量中最大的元素，那么dj的取值至少应为 因此dj的取值范围应该为从 到K。因为我们前面声明，如果存在dij两部分来考虑。

[0070] 当n

[0071]

[0072] 对于其下界，根据抽屉原理，dn的取值不能太小以免使得其他所有还没有确定的系数中必有一个取值大于dj，因此我们先假定其它所有未确定的系数都取得它们各自可以达到的最大值，然后据此来确定dn的下界。其它所有未确定的系数d（k n

[0073]

[0074]

[0075] 对于n＞j的情况，求和上界此时的最大值变为dj-1，因此上界变为：

[0076]

[0077] 对于求和的下界，此时未被确定的dkn

[0078]

[0079] 最后，分别用αn和βn表示上下界中的参数，则原公式得证。

[0080] 基于上述公式，下面给出两种计算理论条件检测概率Prm(Hj|Hi)值的具体方法：

[0081] 方法一：建表法

[0082] 其核心思想如下：对于K个次用户，N+1个电平的情况，总共会出现(N+1)K种投票分布的可能，我们预先建立好一张（总决策状态+1）×（N+3）的表，将每种状态的判决结果和对应不同状态下的概率分别计算出，该表的具体的某行如下（以3电平5个次用户为例）：

[0083]

[0084] 在计算Prm(Hj|Hi)时，只需要将表中所有判决结果为Hj的各行的 项相加即可得到对应的概率。

[0085] 更一般的情况，在各个用户信道都不同的情况下，不同用户的检测状态不能直接用决策向量汇总，那么分别考虑每一种用户投票的状态，定义次用户的决策向量其中Dk为第k个次用户发给公共接收端的决策，则应列出一个(N+1)K×（N+3）表，其中某行如下（同样以3电平5个次用户为例）：

[0086]

[0087] 同样的，在计算Prm(Hj|Hi)时，将表中所有判决结果为Hj的各行的 项相加即可得到对应的概率。注意 的计算需要考虑次用户信道的影响。

[0088] 方法二：循环迭代法

[0089] 其核心思想如下：由于在Prm(Hj|Hi)的计算公式中，后一个求和号的求和限依赖于前一个求和号求和限的选取，因此可以将整个求和式展开为一个N层的求和循环，计算步骤的大致方法如下：

[0090]

[0091]

[0092] 这里还需要注意的一点是，当考虑到主用户具有多电平的状态时，检测概率的定义会发生改变。举个例子来说，一个与传统检测概率意义相符合的定义如下：

[0093]

[0094] 当然检测概率的定义也不局限于此，例如还有一种定义为：它的含义可以理解为正确检测所有状态的概率。

[0095] 图2给出了3电平下（N=2）利用该公式所得的理论值和实际仿真值的结果对比图，从图中可见仿真值与理论值符合的很好。图3给出了在状态偏差δ为1和2时的错误检测概率仿真结果，即状态Hi分别被误判为Hi+1和Hi-1或误判为Hi+2和Hi-2，可以看出检测误差主要集中在状态偏差为1和2的情况；当SNR较大时，检测误差主要集中在状态偏差为1的情况。最后，图4给出了检测概率随着次用户人数变化的情况，其结果与直观感受相同，随着次用户人数的增多，检测概率逐步增大。

[0096] 以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和替换，这些改进和替换也应视为本发明的保护范围。