羅 鈞，何 慶

(貴州大學(xué)，貴州 貴陽 550025)

基于信任度兩次分簇過濾的協(xié)作感知算法

羅 鈞，何 慶

(貴州大學(xué)，貴州 貴陽 550025)

為了有效解決授權(quán)頻段在惡劣環(huán)境下利用率低的問題，根據(jù)一種新信任度系數(shù)提取用可靠性較好的采樣值參與本地單門限能量檢測(cè)，并通過新信任度系數(shù)分簇獲取可靠性較好的本地感知節(jié)點(diǎn)對(duì)本地判決結(jié)果進(jìn)行量化分類，簇頭將本地認(rèn)知節(jié)點(diǎn)量化結(jié)果、簇內(nèi)平均權(quán)重系數(shù)及個(gè)數(shù)傳至融合中心參與協(xié)作判決，給出一種新的感知算法。最后，實(shí)驗(yàn)仿真表明，該算法可以有效消除低可靠性認(rèn)知節(jié)點(diǎn)參與協(xié)同判決，有效地縮減感知過程數(shù)據(jù)傳輸開銷，提高系統(tǒng)感知性能。

認(rèn)知無線電；協(xié)同頻譜感知；過濾；可信度系數(shù)

隨著大數(shù)據(jù)傳輸時(shí)代的到來，大量信息需要通過各種頻段向外界進(jìn)行交互，現(xiàn)有可用的頻譜資源已經(jīng)很少，頻段利用率通常很低，美國聯(lián)邦通信委員會(huì)發(fā)布報(bào)告顯示，分配的頻譜資源利用率達(dá)到了15%～85%[1-3]。認(rèn)知無線網(wǎng)絡(luò)技術(shù)中頻譜感知技術(shù)為解決該問題提供了依據(jù)[4]，傳統(tǒng)頻譜感知技術(shù)有能量檢測(cè)、循環(huán)平穩(wěn)檢測(cè)、匹配濾波器檢測(cè)等[5]，但是，單純的傳統(tǒng)單認(rèn)知用戶感知技術(shù)很難達(dá)到快速準(zhǔn)確的感知，文獻(xiàn)[6-13]提出協(xié)作感知技術(shù)，可以有效解決單個(gè)認(rèn)知用戶能量檢測(cè)受外界惡意攻擊引起的感知性能差的問題。本文提出一種新的信任度加權(quán)分簇協(xié)作感知算法，該算法通過兩次過濾提出可靠的本地判決參與協(xié)作感知，同時(shí)對(duì)本地判決和權(quán)重系數(shù)量化由簇頭傳輸給融合中心參與協(xié)作判決。

1 系統(tǒng)模型

1.1 能量檢測(cè)模型

傳統(tǒng)頻譜感知模型常見的系統(tǒng)檢測(cè)模型有：能量檢測(cè)模型、匹配濾波器模型、特征值檢測(cè)模型、循環(huán)平穩(wěn)檢測(cè)模型等[7]。其中，能量檢測(cè)模型由于感知過程簡(jiǎn)單，不需要先驗(yàn)知識(shí)等特點(diǎn)被普遍采用，本文同樣采用能量檢測(cè)模型，該模型對(duì)授權(quán)用戶頻譜感知過程可以簡(jiǎn)化為二元檢測(cè)過程[11]

(1)

式中：n(i)表示高斯白噪聲；h(i)表示信噪增益；y(i)表示認(rèn)知用戶接收到的信號(hào)；x(i)為主用戶發(fā)射信號(hào)；H1,H0表示主用戶占用和沒有占用頻譜兩種狀態(tài)。

單認(rèn)知用戶能量Y檢測(cè)統(tǒng)計(jì)量服從卡方分布和非完全卡方分布[12]

(2)

當(dāng)認(rèn)知用戶在AWGN信道非衰落環(huán)境中時(shí)，信道增益h(i)是確定的，認(rèn)知用戶虛報(bào)概率和檢測(cè)概率可表示為[8]

(3)

(4)

本地認(rèn)知節(jié)點(diǎn)能量統(tǒng)計(jì)量Yi與判決門限λ比較得出本地判決結(jié)果可表示為

(5)

1.2 協(xié)作感知判決模型

常見協(xié)作感知判決模型有“and判決”、“or判決”和 “N-K 判決”。本文采用“or判決模型”，系統(tǒng)判決模型中檢測(cè)概率Pd、虛報(bào)概率Pf和漏檢概率Pm可表示為[4]

(6)

(7)

Q=1-Pd

(8)

2 新信任度加權(quán)分簇協(xié)作感知算法

在系統(tǒng)協(xié)作感知過程中通過權(quán)重系數(shù)加權(quán)協(xié)作感知[5],能夠有效量化不同可靠性認(rèn)知節(jié)點(diǎn)本地感知判決對(duì)協(xié)同感知的貢獻(xiàn)，本文通過該類算法提出一種新信任度多次過濾的協(xié)作感知算法。感知過程可分為以下幾個(gè)部分：

1)根據(jù)次級(jí)用戶到主用戶的距離將所有次級(jí)用戶分配到多個(gè)簇，每個(gè)簇選擇一個(gè)到融合中心較近的次級(jí)用戶充當(dāng)簇頭[4]，負(fù)責(zé)收集該簇其他次級(jí)用戶本地能量感知結(jié)果和SNR。

2)每個(gè)次級(jí)用戶根據(jù)每個(gè)次級(jí)用戶采樣值y與信噪比計(jì)算該次級(jí)用戶內(nèi)每個(gè)采樣值和信噪比的均值ESNR和Ey。

(9)

(10)

3) 每個(gè)次級(jí)用戶根據(jù)每次采樣值與信噪比按照一定判決準(zhǔn)則篩選可靠性較高的樣值進(jìn)行本地能量檢測(cè)Y，并匯報(bào)給簇頭。判決準(zhǔn)則可表示為：當(dāng)認(rèn)知節(jié)點(diǎn)采樣值滿足式(11)，過濾該采樣值。

(11)

式中：ay，aSNR表示兩個(gè)過濾參數(shù)初定為0.7，可根據(jù)檢測(cè)概率要求修改參數(shù)。

(12)

(13)

(14)

式中：aj表示j簇內(nèi)過濾系數(shù)初始值設(shè)定為0.3，可以根據(jù)系統(tǒng)檢測(cè)概率調(diào)整參數(shù)。

(15)

(16)

式中,N是所有認(rèn)知節(jié)點(diǎn)總個(gè)數(shù)。

6) 融合中心根據(jù)均值系數(shù)分配每簇融合權(quán)重系數(shù)Wj，采用or融合判決準(zhǔn)則進(jìn)行最終判決結(jié)果

(17)

式中:k表示簇的個(gè)數(shù)。為了縮減傳輸開銷，本簇內(nèi)權(quán)重系數(shù)用相同權(quán)重系數(shù)和本地判決結(jié)果ζj加權(quán)融合。融合判決可表示為

(18)

該過程如圖1所示。

圖1 新信任度協(xié)同判決算法流程圖

3 仿真分析

假設(shè)感知網(wǎng)絡(luò)中隨機(jī)分布30個(gè)感知節(jié)點(diǎn)、1個(gè)主用戶和1個(gè)融合中心，次用戶的采樣點(diǎn)數(shù)N=1 000，本地檢測(cè)使用單門限能量檢測(cè)，信任權(quán)值因子均設(shè)為0.3，假設(shè)噪聲功率為1，簇內(nèi)次級(jí)用戶數(shù)為3。對(duì)改進(jìn)算法和傳統(tǒng)算法的檢測(cè)概率、漏檢概率仿真分析系統(tǒng)性能。

如圖2所示，該圖表示傳統(tǒng)OR融合算法、信任度加權(quán)算法[10]和改進(jìn)算法3種算法在不同虛報(bào)概率下的漏檢概率變化曲線圖。虛報(bào)概率Pf在0到0.9之間間隔為0.1的均勻遞增，本文改進(jìn)算法較傳統(tǒng)OR融合算法漏檢概率Pm有一定降低，較信任度加權(quán)算法漏檢概率有小幅度降低，在虛報(bào)概率為0.1時(shí)，本文算法較信任度加權(quán)算法漏檢概率降低3%，較傳統(tǒng)能量檢測(cè)OR融合算法降低12%。

圖2 不同算法在不同虛報(bào)概率下的漏檢概率曲線圖

如圖3所示，該圖表示傳統(tǒng)單門限能量檢測(cè)算法、信任度加權(quán)協(xié)作感知算法、改進(jìn)算法在不同信噪比下檢測(cè)概率的變化曲線圖。假設(shè)次級(jí)用戶本地能量檢測(cè)中采樣點(diǎn)隨機(jī)分布在信噪比為-25～0。通過仿真結(jié)果曲線圖可以看出，當(dāng)信噪比小于-15 dB時(shí)，改進(jìn)算法檢測(cè)概率明顯優(yōu)于其他兩種傳統(tǒng)算法，并隨信噪比的降低表現(xiàn)越好，但是當(dāng)信噪比低于 -20 dB 時(shí)，改進(jìn)算法檢測(cè)概率不夠理想。

圖3 不同算法在不同信噪比下的檢測(cè)概率曲線圖

4 結(jié)語

本文提出一種新信任度系數(shù)過濾協(xié)作頻譜感知算法，該算法一方面采用兩次過濾可靠性差的本地判決結(jié)果，另一方面通過簇頭對(duì)本地判決結(jié)果和簇內(nèi)權(quán)重系數(shù)量化歸類傳輸給融合中心參與協(xié)作判決。通過仿真分析可以看出，本文改進(jìn)算法在保證系統(tǒng)檢測(cè)性能的同時(shí)，減少了次級(jí)用戶數(shù)和系統(tǒng)數(shù)據(jù)傳輸開銷，提高了系統(tǒng)檢測(cè)性能，并有效克服了噪聲不確定性。

[1] FCC. Spectrum policy task force report[R].[S.l.]：FCC，2002.

[2] FCC. Report of the spectrum efficiency working group[R]. [S.l.]：FCC，2002.

[3] MCHENRY M A.NSF spectrum occupancy measure-ments project summary[R]. [S.l.]：Shared Spectrum Company，2005.

[4] WANG Haitao, CHEN Hui. Research status and development trends of cognitive radio technology[C]//Proc. 5th International Conference on Wireless Communications, Networking and Mobile Computing.[S.l.]：IEEE Press，2009：1-4.

[5] 李佳俊.認(rèn)知無線電中協(xié)作頻譜感知技術(shù)研究[D].北京：北京交通大學(xué)，2012.

[6] SUN C H，ZHANG W, KHALED B L. Cluster-based cooperative spectrum sensing in cognitive radio systems sensing in cognitive radio systems[C]//Proc. IEEE ICC 2007. Glasgow：IEEE Press，2007：2511-2515.

[7] WANG Chinliang，CHEN Hanwei，CHOU Yuren. A credibility based cooperative spectrum sensing technique for cognitive radio systems[C]// Proc. 2011 IEEE 73rd Vehicular Technology Conference. Yokohama，Japan：IEEE Press，2011：1-5.

[8] SHEN Bin，HUANG Longyang，ZHAO Cheng. Weighted cooperative spectrum sensing in cognitive radio networks[C]//Proc. the 3rd international Conference on Convergence and Hybrid Information Technology. Washington DC：IEEE Computer Society，2008：1074-1079.

[9] WANG L F，WILLIAMS C, DOUFEXI A, et al.Weighted cooperative sensing for pulse radar signals[C]//Proc. IET Seminar on Wideband and Ultra Wideband Systems and Technologies: Evaluating Current Research and Development. [S.l.]：IEEE Press，2008：1-5.

[10] 孟令文，李方偉，朱江.一種基于感知信任度的加權(quán)協(xié)作感知算法[J].電視技術(shù)，2013，37(9)：107-111.

[11] GHASEMI A，SOUSA E S.Collaborative spectrum sensing for opportunistic access in fading environments[J].Proc. 2005 First IEEE International Symposium on New Frontiers in Dynamic Spectrum Access Networks. [S.l.]：IEEE Press，2005：131-136.

[12] YUE W，ZHENG B，MENG Q，et al. Robust spectrum sensing schemes for fading channels in radio network[J]. China Science Series F: Information Science，2011，54(2)：348-309.

[13] BERLEMANN L，MANGOLD S，MYILIBRAR Y. Cognitive radio and dynamic spectrum access[M]. United Kingdom：Vileyonline Library，2009.

Cooperative Sensing Algorithm of Twice Clustering Filter Based on Reliability

LUO Jun, HE Qing

(GuizhouUniversity,Guiyang550025，China)

In order to effectively solve the problem of the licensed spectrum utilization rate in the harsh environment, a cooperative sensing algorithm is provided，which pick up the better reliability sample values participation in the local single threshold energy detection based on a new trust factor and the local verdicts of the better reliability is gotten to quantify classification at cluster cognitive nodes, then quantified results, the number and the average weight coefficients are transmitted to the fusion center to participate in a collaborative decision by cluster head. The simulation results show that the algorithm can effectively eliminate the low trust cognitive nodes and effectively reduce the transmission expense of the data transmission in the perception process and enhance system perception performance.

cognitive radio; cooperative spectrum sensing; filtration; trust factor

貴州省科技廳基金項(xiàng)目(黔科合J字20122171)；貴州大學(xué)博士基金項(xiàng)目(貴大人基合字2010010)

TN925.5

A

10.16280/j.videoe.2015.19.013

2015-05-21

【本文獻(xiàn)信息】羅鈞，何慶.基于信任度兩次分簇過濾的協(xié)作感知算法[J].電視技術(shù),2015，39(19).

羅 鈞(1988— )，碩士生，主研認(rèn)知無線網(wǎng)絡(luò)；

何 慶(1983— )，博士，副教授，主要研究方向?yàn)檎J(rèn)知無線網(wǎng)絡(luò)。

責(zé)任編輯：許 盈