胡 峰，鄭紫微，金 濤

(寧波大學通信技術研究所，浙江寧波315211)

1 概述

無線通信技術的快速發(fā)展導致頻譜資源變得日益緊張，頻譜利用率不高的問題制約著無線通信的發(fā)展。認知無線電技術［1-2］一經(jīng)提出就受到廣泛關注，它能感知周圍環(huán)境并從周圍環(huán)境中獲取信息，尋找頻譜空穴［3］并通過動態(tài)頻譜接入，打破現(xiàn)有的靜態(tài)頻譜管理體制，實現(xiàn)對頻譜資源的二次利用，從而提高頻譜利用率。頻譜感知［4-5］是認知無線電的關鍵技術之一。然而，由于實際場景中受到多徑衰落、陰影效應和接收機不確定性等問題的影響，僅靠單用戶的檢測結果并不能保證檢測結果的可靠性和準確性。為改善該情況，文獻［6］提出協(xié)作頻譜檢測，綜合多個認知用戶的檢測結果以協(xié)作的方式來提高頻譜感知的整體檢測性能。

目前一些文獻提出的協(xié)作頻譜感知方案［7-8］均假設各認知用戶(Cognitive User，CR)處于靜止狀態(tài)，沒有考慮到認知用戶在協(xié)同感知期間的移動，這種情況不適合實際的認知環(huán)境。在實際認知環(huán)境中，認知用戶可能會處于移動狀態(tài)，認知用戶的移動性會對用戶間的協(xié)作檢測產(chǎn)生影響［9］。針對上述問題，本文基于“與”(AND)和“或”(OR)融合準則，分析比較移動CR用戶和靜止CR用戶處于不同速度時的協(xié)作檢測性能。

2 系統(tǒng)模型

2．1 能量檢測模型

頻譜檢測方法包括能量檢測、循環(huán)特征檢測、匹配濾波器檢測等方法。能量檢測是頻譜檢測最基本的方法［10］。能量檢測實現(xiàn)簡單、算法復雜度低，無需知道信號的先驗知識，所以被廣泛使用。判決方法是先設定一個門限，通過能量檢測器與設定的門限相比較，若超過判決門限，則認為該頻段內(nèi)有主用戶(Primary User，PU)存在。假定接收信號的表達式為:

其中，s(t)是被檢測的信號;w(t)是加性高斯噪聲，由式(1)可知，當信號為0，該頻段內(nèi)PU不存在。能量檢測器可以寫為:

其中，n是抽樣序列向量維數(shù)。

由圖1可知，接收到的主信號y(t)首先經(jīng)過帶通濾波器，過濾掉噪聲后，再經(jīng)過平方運算，并在觀測時間T內(nèi)進行積分，最終得到信號的能量統(tǒng)計值Y［11-12］。將Y與預先設定的門限λE進行比較，若大于門限值λE，則表示PU存在。若小于門限值λE，則表示PU不存在，信道空閑，上述判斷通過以下假設檢驗來實現(xiàn):

傳統(tǒng)頻譜感知通常采用二元假設模型:

其中，H0表示頻段空閑，可以被認知用戶使用;H1表示頻段被占用，認知用戶不可以使用該頻段。

圖1 能量檢測算法實現(xiàn)流程

性能檢測可以通過2個概率來衡量:檢測概率PD和虛警概率PFA。PD是指在檢測頻段內(nèi)出現(xiàn)PU被正確檢測到的概率。

其中，PFA是指在檢測頻段內(nèi)LU沒有出現(xiàn)，能量檢測器認為PU存在的概率。

Y服從一個自由度為2u的χ2分布:

其中，γ為信噪比;u=TW，W是用戶感興趣的頻帶帶寬。Y的概率分布函數(shù)為:

從式(8)可以看出，一旦LU擁有較低的檢測概率PD，將會無法準確地檢測到PU信號，這樣就會增加對LU的干擾。如果PFA過高，則會因為錯誤警報使頻譜利用率降低。

在AWGN信道下檢測概率PD和虛警概率PFA分別為:

其中，λE是門限值;γ為信噪比(Signal to Noise Ratio，SNR);Γ(x)與 Γ(x，y)分別為完整和不完整的Gamma函數(shù);Q(x)為廣義Marcum函數(shù)。

2．2 CR移動時的協(xié)作感知

頻譜檢測在實際場景中的性能通常被多徑衰落、陰影效應和接收機的不確定性問題所制約，所以，對于單個認知用戶的本地頻譜檢測還存在諸多限制，為減少這些問題的影響，提出協(xié)同頻譜檢測理論，也稱為協(xié)作頻譜感知，通過利用空間分集來有效提高性能。目前一些文獻提出的協(xié)作頻譜感知方案［13-15］，均假設各CR用戶處于靜止狀態(tài)中，沒有考慮到認知用戶在協(xié)同感知期間的移動，而實際認知環(huán)境中，CR用戶可能會處于動態(tài)狀態(tài)中，而認知用戶的移動性可能會對檢測性能以及協(xié)作產(chǎn)生影響。

集中式頻譜檢測方法是將每個CR用戶獲得檢測數(shù)據(jù)直接傳送到融合中心，由融合中心經(jīng)過處理后得出結論。該方法具有數(shù)據(jù)全面、信息無丟失、最終判決結論置信度高等優(yōu)點，所以本文在集中式頻譜檢測方法的基礎上綜合考慮CR用戶的移動性，提出一種CR移動狀態(tài)下的協(xié)作檢測模型，如圖2所示。

圖2 CR移動狀態(tài)下的協(xié)作檢測模型

如圖2所示，PU為信號發(fā)射機，數(shù)據(jù)融合中心(Fusion Center，F(xiàn)C)匯集所有接收到的本地感知信息，決策PU是否存在，并且將感知結果分發(fā)到協(xié)作的CR用戶。假設CR1靜止，CRn以速度Vn(n=2，3，…，7)勻速向圖示方向(CR用戶向PU靠近)作直線移動，同時假設CR1與CRn之間的距離大于一個數(shù)值以克服CR用戶間因距離太近所產(chǎn)生的陰影相關性。由于認知覆蓋網(wǎng)絡區(qū)域內(nèi)不同地點無線電傳播特性不同，從而CR用戶接收PU的信號衰落因子a也會不同，第 i個 CR用戶的 SNR由以下公式給出:

其中，P是PU發(fā)送功率;Pi是CR用戶接收功率;di是第i個CR用戶與PU的距離;ai是第i個CR用戶所經(jīng)歷的路徑衰落因子;NO是噪聲功率。

協(xié)作具體過程為:首先數(shù)據(jù)融合中心(FC)選擇一個頻段并且控制協(xié)作CR用戶各自進行本地感知;其次所有CR用戶通過控制信道上傳它們的感知數(shù)據(jù);最后FC匯集所有接收到的本地感知信息，決策PU是否存在，并且將感知結果分發(fā)到協(xié)作CR用戶。

當CR用戶二進制的本地檢測結果上報給FC時，運用線性融合規(guī)則來獲取協(xié)作決策是很方便的。本文主要采用“與”和“或”準則。令ui為CR用戶i的本地決策，u為 FC做出的協(xié)作決策，ui，u∈{0，1}，“1”，“0”分別表示 PU 的存在狀態(tài)(H1)和不存在狀態(tài)(H0)。

AND準則指對任意i，如果ui都為1，F(xiàn)C就判決u=1。此時的檢測概率和虛警概率分別為:

OR準則是對任意i，只要有ui為1，F(xiàn)C就判決u=1。此時的檢測概率和虛警概率分別為:

3 仿真結果與分析

仿真過程:假設現(xiàn)在認知網(wǎng)絡中有7個CR用戶，其中，CR1為靜止狀態(tài)，其余6個CRn用戶以不同速度Vn(n=2，3，…，7)作勻速直線運動，且各CR用戶與數(shù)據(jù)融合中心之間的傳輸信道是理想的，每個CR用戶均采用能量檢測方法獲得一個本地檢測結果。

基于上述假設，設定 CRn(n=2，3，…，7)用戶的速度對應為:v2=10 m/s，v3=15 m/s，v4=20 m/s，v5=25 m/s，v6=30 m/s，v7=35 m/s。

為使數(shù)據(jù)抽樣值足夠大，對CRn用戶運動的時間取離散值，時間間隔為0．1 s，每個離散值點對應一個數(shù)據(jù)抽樣值。

圖3是移動CR用戶與靜止CR用戶基于AND融合準則的協(xié)作性能的ROC比較?？梢钥闯?，在虛警概率一定的情況下，移動速度v=10 m/s的CR用戶與靜止CR用戶協(xié)作的檢測概率最大，移動速度v=35 m/s的CR用戶與靜止CR用戶協(xié)作的檢測概率最小;移動CR用戶速度增大時，與靜止CR用戶的協(xié)作檢測性能逐漸降低。

圖3 基于AND融合準則的協(xié)作性能比較

圖4是移動CR用戶與靜止CR用戶基于OR融合準則的協(xié)作性能的ROC比較。可以看出，當移動CR用戶速度增大時，它與靜止CR用戶基于OR融合準則的協(xié)作檢測性能也是逐漸降低。

圖4 基于OR融合準則的協(xié)作性能比較

根據(jù)圖3、圖4，可以得出:不論是基于And融合準則還是基于OR融合準則，移動CR用戶與靜止CR用戶的協(xié)作檢測性能均隨著移動CR用戶的速度逐漸增大而逐漸降低。

4 結束語

在基于認知無線電協(xié)作感知的基礎上，考慮到實際情況中CR用戶的移動性，提出一種動態(tài)的協(xié)作檢測模型，分析比較移動CR用戶處于不同速度時與靜態(tài)CR用戶的協(xié)作檢測性能。仿真結果表明，移動CR用戶與靜止CR用戶基于線性準則進行協(xié)作檢測時，移動CR用戶速度變化狀態(tài)會對協(xié)作檢測性能產(chǎn)生影響。移動CR用戶移動速度變大，協(xié)作檢測性能下降，因此，為提升協(xié)作檢測的整體性能，應優(yōu)先考慮使用移動較慢的CR用戶進行協(xié)作檢測。下一步工作將對CR用戶處于勻速或變速時，移動CR用戶與靜止CR用戶之間如何協(xié)作及其協(xié)作性能與速度之間的關系進行研究。

［1］ 丁漢青．認知無線電頻譜感知技術研究［D］．西安:西安電子科技大學，2011．

［2］ Sungsoo P．Cognitive Radio Networks with Energy Harvesting［J］．IEEE Transactions on Wireless Communications，2013，12(3):1386-1397．

［3］ 王紅軍，畢光國．一種新型的認知無線電頻譜空穴自適應檢測算法［J］．電子與信息學報，2010，32(10):2458-2462．

［4］ Chang K，Bouchra S．Spectrum Sensing Optimization for Dynamic Primary User Signal［J］．IEEE Transactions on Communications，2012，60(12):3632-3640．

［5］ Huang Xinlin，Wang Gang，Hu Fei，et al．Multitask Spectrum Sensing in Cognitive Radio Networks via Spatiotemporal Data Mining［J］．IEEE Transactions on Vehicular Technology，2013，62(2):809-823．

［6］ Hu Hang，LiNing，Xu Youyun，etal．Efficient Cooperative Spectrum Sensing with Minimum Sensing Error Probability in Heterogeneous Cognitive Radio Networks［C］//Proceedings of2012 International ConferenceonWirelessCommunications＆Signal Processing．Washington D．C．，USA:IEEE Press，2012:1-6．

［7］ Chen Wenbin，Yang Chikai，Huang Yuanhao．Energy Saving Cooperative Spectrum Sensing Processor for Cognitive Radio System［J］．IEEE Transactions on Regular Papers，2011，58(4):711-723．

［8］ Singh A，Bhatnagar M R，Mallik R K，et al．Cooperative Spectrum Sensing in Multiple Antenna Based Cognitive Radio Network Using an Improved Energy Detector［J］．IEEE Communications Letters，2012，16(1):64-67．

［9］ Kalamkar S S，Banerjee A．Improved Double Threshold Energy Detection for Cooperative Spectrum Sensing in Cognitive Radio［J］．Defence Science Journal，2013，63(1):34-40．

［10］ 溫志剛．認知無線電頻譜檢測理論與實踐［D］．北京:北京郵電大學，2011．

［11］ 卞 荔，朱 琦．基于數(shù)據(jù)融合的協(xié)作頻譜感知算法［J］．南京郵電大學學報:自然科學版，2009，29(2):73-78．

［12］ 楊明極，吳 瓊，石佳慶，等．信噪比比較的協(xié)作頻譜感知算法［J］．哈爾濱理工大學學報，2013，18(2):105-108．

［13］ Deng R，Chen J，Yue C，etal．Energy-efficient Cooperative Spectrum Sensing by Optimal Scheduling in Sensor-aided CognitiveRadio Networks［J］．IEEE Transactions on Vehicular Technology，2012，61(2):716-725．

［14］ 陳守坤，李 莉，王 沛，等．基于閾值選擇信噪比的協(xié)作頻譜檢測［J］．通信技術，2011，44(3):4-6．

［15］ 鄭 軼，謝顯中，楊黎麗．基于SNR比較的認知無線電協(xié)作頻譜檢測［J］．電視技術，2009，49(8):13-17．