姚少林,張政保,許 鑫,劉廣凱

(軍械工程學(xué)院信息工程系,石家莊050003)

基于擴(kuò)散策略的分布式協(xié)作頻譜檢測*

姚少林**,張政保,許 鑫,劉廣凱

(軍械工程學(xué)院信息工程系,石家莊050003)

分布式認(rèn)知網(wǎng)絡(luò)中,認(rèn)知用戶通過與相鄰用戶交換檢測量信息,達(dá)到全網(wǎng)一致,實(shí)現(xiàn)對主用戶信號的檢測。為了提高網(wǎng)絡(luò)檢測量信息的收斂速度,提出了一種基于擴(kuò)散策略的分布式協(xié)作檢測算法。在該算法中,將最大最小特征值檢測算法的檢測量作為交換的初始信息,構(gòu)造自適應(yīng)矩陣和融合矩陣作為加權(quán)因子對認(rèn)知節(jié)點(diǎn)狀態(tài)值進(jìn)行迭代更新,實(shí)現(xiàn)全網(wǎng)認(rèn)知用戶檢測量信息一致,各認(rèn)知用戶獨(dú)自根據(jù)融合的檢測量信息,進(jìn)行最終的檢測判決,確定主用戶是否存在。仿真結(jié)果表明,該算法在網(wǎng)絡(luò)收斂速度和檢測性能上較共識策略和非合作檢測有不同程度的提升。

認(rèn)知無線電;協(xié)作頻譜感知;共識策略;擴(kuò)散策略;自適應(yīng)網(wǎng)絡(luò)

1 引 言

認(rèn)知無線電(Cognitive Radio,CR)是解決頻譜資源利用率低的重要技術(shù)。頻譜感知(Spectrum Sensing,SS)是CR的關(guān)鍵技術(shù)。協(xié)作頻譜感知(Cooperative Spectrum Sensing,CSS)能夠有效解決多徑衰落、遮蔽效應(yīng)等惡劣信道的影響,提高檢測性能[1]。目前,對CSS的研究主要分為集中式協(xié)作感知和分布式協(xié)作感知[2]。大量關(guān)于集中式網(wǎng)絡(luò)融合策略的研究成果包括硬判決合并、軟信息合并、量化信息合并[3]。隨著網(wǎng)絡(luò)規(guī)模的增大,融合中心需要處理大量數(shù)據(jù),嚴(yán)重影響認(rèn)知網(wǎng)絡(luò)的頻譜使用效率和網(wǎng)絡(luò)的可擴(kuò)展性,因此,本文對分布式協(xié)作頻譜感知方法進(jìn)行研究。

分布式協(xié)作認(rèn)知網(wǎng)絡(luò)中,認(rèn)知用戶(Secondary User,SU)需要通過與相鄰SUs進(jìn)行信息交換,實(shí)現(xiàn)檢測量信息的融合,最終達(dá)到全網(wǎng)SUs檢測量信息一致。共識策略和擴(kuò)散策略是兩種重要的分布式網(wǎng)絡(luò)信息交互策略[4]。分布式網(wǎng)絡(luò)協(xié)作感知的研究通常將各SU能量值作信息交換的初始值[5-6],同時(shí)基于平均共識策略[7-8]、信噪比加權(quán)共識策略[9-10]也得到了深入研究。

最大最小特征值檢測(Maximum-Minimum Eigenvalue,MME)算法是基于隨機(jī)矩陣?yán)碚?Random Matrix Theory,RMT)的一種經(jīng)典的主用戶(Primary User,PU)信號檢測算法,該算法能夠有效克服噪聲功率不確定性影響,提高檢測魯棒性[11]。本文引入該算法的檢測統(tǒng)計(jì)量作為分布式網(wǎng)絡(luò)中各SU信息交換的初始值。分布式網(wǎng)絡(luò)中,采用擴(kuò)散策略的網(wǎng)絡(luò)交互信息的收斂速度比共識策略更快,網(wǎng)絡(luò)達(dá)到一致收斂時(shí),各個(gè)SU檢測量的均值穩(wěn)定性和均方誤差性能更好[12]。

考慮到MME檢測算法和分布式擴(kuò)散策略的優(yōu)勢,本文結(jié)合兩種算法,將MME檢測算法的檢測量信息作為擴(kuò)散策略認(rèn)知用戶的交互信息,各個(gè)SU通過迭代實(shí)現(xiàn)檢測量信息的融合,通過擴(kuò)散策略使全網(wǎng)檢測量信息達(dá)到一致。該算法不僅能夠?qū)崿F(xiàn)PU信號的魯棒檢測,還能夠?qū)崿F(xiàn)檢測量信息的快速收斂,提高整個(gè)網(wǎng)絡(luò)的對PU信號的檢測效率。

2 系統(tǒng)模型

考慮一個(gè)由K個(gè)SU構(gòu)成的分布式認(rèn)知網(wǎng)絡(luò)(Cognitive Radio Network,CRN),它可以描述為無向圖模型G=(V,ξ),其中節(jié)點(diǎn)集合V={1,2,…,K},邊集ξ={(i,k)|i,k∈V,i≠k}為認(rèn)知節(jié)點(diǎn)在單跳通信范圍內(nèi)的無序節(jié)點(diǎn)對,鄰集Nk={l|(l,k)∈ξ}?V為節(jié)點(diǎn)k的單跳通信相鄰節(jié)點(diǎn)集,集合Nk中元素的個(gè)數(shù)Nk為節(jié)點(diǎn)k的度。

2.1 信號模型

在CRN中,假設(shè)認(rèn)知節(jié)點(diǎn)僅有一根接收天線。令x(n)為經(jīng)過未知信道的接收信號的數(shù)字采樣。認(rèn)知節(jié)點(diǎn)對某頻段信號的檢測屬于二元假設(shè)檢驗(yàn)問題,檢測模型如下:

式中,H0表示接收信號僅含噪聲,PU信號不存在,該頻段空閑;H1表示接收信號包含PU信號,該頻段被占用。其中,假設(shè)w[n]是均值為0、方差為σ2n的加性高斯白噪聲,w[n]的每次采樣獨(dú)立同分布(i.i.d),h·s[n]是接收的PU信號采樣,與噪聲不相關(guān)。

2.2 采樣數(shù)據(jù)矩陣

假設(shè)第i個(gè)感知周期內(nèi)的采樣數(shù)據(jù)用大小為L ×N的矩陣Γx,i表示,其列向量是L個(gè)連續(xù)采樣數(shù)據(jù)(數(shù)據(jù)維度),行向量是N個(gè)連續(xù)采樣數(shù)據(jù)(數(shù)據(jù)長度),矩陣采樣數(shù)據(jù)的總長度為L+N-1。采樣數(shù)據(jù)構(gòu)造的采樣矩陣結(jié)構(gòu)如下:

式中,xi滿足正態(tài)分布N(ˉx,Rx),ˉx為均值,Rx為統(tǒng)計(jì)協(xié)方差矩陣。數(shù)據(jù)長度較大時(shí),可以用采樣協(xié)方差矩陣^Rx對信號的Rx進(jìn)行近似。假設(shè)采樣信號的均值為0,則^Rx可以表示為

3 基于擴(kuò)散策略的分布式MME檢測

RMT應(yīng)用于頻譜感知以來,利用^Rx特征值極值的性質(zhì)出現(xiàn)了很多檢測算法,MME檢測算法能夠克服噪聲功率不確定性,實(shí)現(xiàn)主用戶信號的魯棒性檢測[11]。

3.1 MME檢測算法

假設(shè)λ1、λL分別為^Rx特征值分解之后的最大、最小特征值。理論上講,如果PU不存在,則λ1/λL=1;如果PU存在,則λ1/λL＞1。MME檢測算法的檢測量為

根據(jù)已有的研究成果,MME檢測算法理論虛警概率Pfa和檢測門限γ的封閉表達(dá)式為[14]式中,F1為Tracy-Widom第1分布,μ、υ為相關(guān)參數(shù),N為數(shù)據(jù)長度,L為數(shù)據(jù)維度。

本文將各認(rèn)知用戶MME檢測的檢測統(tǒng)計(jì)量T作為擴(kuò)散策略各認(rèn)知用戶信息交換的初始值xi(0) =Ti,i∈V,T值的大小反映了該節(jié)點(diǎn)接收信號信噪比的好壞。T值越大,該節(jié)點(diǎn)與PU間的信道條件越好,否則相反。

3.2 擴(kuò)散策略

定義節(jié)點(diǎn)k在n次迭代后狀態(tài)用^Tk(n)表示,假設(shè)在協(xié)作過程中網(wǎng)絡(luò)拓?fù)涔潭?節(jié)點(diǎn)k的狀態(tài)值估計(jì)通過對相鄰節(jié)點(diǎn)狀態(tài)值的線性融合實(shí)現(xiàn),所有認(rèn)知節(jié)點(diǎn)最終達(dá)到一致的收斂值T*。基于擴(kuò)散策略的信息融合算法就是通過迭代,估計(jì)出認(rèn)知節(jié)點(diǎn)一致的收斂值,使整個(gè)網(wǎng)絡(luò)的代價(jià)最小。全局代價(jià)函數(shù)可以表示為[12-15]

式中,T為最優(yōu)解時(shí)均方誤差最小。

分布式網(wǎng)絡(luò)中K個(gè)節(jié)點(diǎn)需要依賴信息協(xié)作估計(jì)出T*值,網(wǎng)絡(luò)并非全連通,節(jié)點(diǎn)只能與鄰居節(jié)點(diǎn)信息交換,沒有任何的全局信息。全局的代價(jià)函數(shù)需要用分布式行為進(jìn)行近似。

定義由非負(fù)元素cl,k組成的K×K雙隨機(jī)矩陣C。矩陣元素滿足=1,l=1,2,…,K。若l?Nk,則cl,k=0。

節(jié)點(diǎn)k的鄰居節(jié)點(diǎn)由能夠和它信息交換的節(jié)點(diǎn)構(gòu)成。權(quán)值cl,k表示鄰居節(jié)點(diǎn)l分配到k的信息。通過系數(shù)cl,{}k,全局代價(jià)函數(shù)可以表示為

根據(jù)文獻(xiàn)[14],全局代價(jià)函數(shù)可以用本地代價(jià)函數(shù)表示:

對上式求導(dǎo)得

式(14)可以通過遞歸估計(jì)節(jié)點(diǎn)k的T值,定義為^Tk(n)。利用最速下降算法,它可以分為兩部分,公式(14)的迭代解為

式(17)中,用^ψl(n+1)替換^ψl,^ψk(n+1)替換^Tk(n),可以得到

引入系數(shù)al,k,若l?Nk,則al,k=0;若l∈Nk/{k},則al,k=νkbl,k;若l=k,則ak,k=1-νk∑l∈Nk/{k}bl,k。系數(shù)al,k構(gòu)成K×K的矩陣A,可以看出對任意節(jié)點(diǎn)k,∑l∈Nkal,k=1,且矩陣A為左隨機(jī)矩陣。

擴(kuò)散算法分為自適應(yīng)過程和融合過程兩個(gè)階段。自適應(yīng)過程中,n時(shí)刻,節(jié)點(diǎn)k的中間估計(jì)值^ψk(n+1)由估計(jì)值^Tk(n)和新的狀態(tài)信息計(jì)算。系數(shù)al,k決定了節(jié)點(diǎn)間狀態(tài)值的交換過程。融合過程中,k節(jié)點(diǎn)的狀態(tài)估計(jì)值^Tk(n+1)由^ψl(n+1)線性融合得到,cl,k決定了融合策略。

擴(kuò)散策略可以總結(jié)為三個(gè)步驟。

步驟1 初始化過程

給定初值^Tk(0)=Tk(0),Tk(0)是節(jié)點(diǎn)k進(jìn)行MME檢測得到的。給定非負(fù)系數(shù)al,k,cl,k。

步驟2 節(jié)點(diǎn)k的遞歸迭代過程

步驟3 判決過程

節(jié)點(diǎn)k的狀態(tài)估計(jì)值^Tk(n)收斂到T*k。

3.3 網(wǎng)絡(luò)拓?fù)?/p>

擴(kuò)散策略通過本地節(jié)點(diǎn)狀態(tài)信息自適應(yīng)和相鄰節(jié)點(diǎn)信息線性融合過程完成全網(wǎng)信息的融合傳遞。

擴(kuò)散策略中,自適應(yīng)矩陣A和融合矩陣C的選取決定了網(wǎng)絡(luò)收斂速度和檢測性能。本文中矩陣A按照式(14)的方式得出,矩陣元素al,k表示節(jié)點(diǎn)l數(shù)據(jù)所占權(quán)重的大小由它的鄰居節(jié)點(diǎn)的個(gè)數(shù)決定,提高了自由度大的節(jié)點(diǎn)的權(quán)重,能夠加快適應(yīng)過程,通過與相鄰節(jié)點(diǎn)的信息交換估計(jì)出本地節(jié)點(diǎn)的狀態(tài)值。可以令C=A,信息融合時(shí),自由度高的節(jié)點(diǎn)有更大的融合權(quán)重。

3.4 檢測性能分析

分布式認(rèn)知無線電網(wǎng)絡(luò)中,認(rèn)知節(jié)點(diǎn)的檢測初始值按照擴(kuò)散策略或共識策略經(jīng)過有限次迭代可以達(dá)到全網(wǎng)統(tǒng)一的收斂值。因此,各個(gè)認(rèn)知節(jié)點(diǎn)獨(dú)自依據(jù)收斂值完成判決過程,各節(jié)點(diǎn)的檢測概率和虛警概率也是全局的虛警概率和檢測概率:

式中,Qfa、Qd分別為全局虛警概率、檢測概率。各個(gè)認(rèn)知節(jié)點(diǎn)的虛警概率Pfa、Pd根據(jù)下式計(jì)算:

4 仿真分析

仿真部分主要對基于擴(kuò)散策略的分布式協(xié)作檢測算法的網(wǎng)絡(luò)收斂性能和檢測性能與其他算法進(jìn)行對比實(shí)驗(yàn)。仿真采用10節(jié)點(diǎn)認(rèn)知網(wǎng)絡(luò),其拓?fù)潢P(guān)系和信噪比信息如圖1所示。仿真實(shí)驗(yàn)中,PU信號為高斯白噪聲信道下的QPSK信號,其基帶碼元速率為2 kb/s,載波信號為10 kHz,數(shù)據(jù)采樣速率為50 kHz。實(shí)驗(yàn)采用蒙特卡洛仿真的方法對所提算法進(jìn)行驗(yàn)證。

圖1 10節(jié)點(diǎn)認(rèn)知無線電網(wǎng)絡(luò)拓?fù)銯ig.1 10 nodes cognitive radio network topology

4.1 網(wǎng)絡(luò)收斂性能分析

圖2～4是PU信號存在時(shí)分別采用平均共識、加權(quán)共識、擴(kuò)散策略3種策略的收斂性能曲線。可以看出,擴(kuò)散策略的網(wǎng)絡(luò)收斂速度明顯優(yōu)于共識策略。擴(kuò)散策略12次迭代即可收斂,而平均共識策略需要40次,加權(quán)共識50次還沒完全收斂。同時(shí)可以看出,加權(quán)共識相比平均共識策略沒有收斂速度的優(yōu)勢,但其收斂值更大,后面驗(yàn)證了它在檢測性能方面的優(yōu)勢。本文也對PU信號不存在時(shí)幾種策略的收斂情況進(jìn)行了仿真,得出了相同的收斂結(jié)果。擴(kuò)散策略更適合認(rèn)知網(wǎng)絡(luò)節(jié)點(diǎn)的信息擴(kuò)散,可以有效提高網(wǎng)絡(luò)的收斂速率,提高主用戶檢測效率。

圖2 平均共識策略的網(wǎng)絡(luò)收斂性能Fig.2 Network convergence performance of the average consensus strategy

圖3 加權(quán)共識策略的網(wǎng)絡(luò)收斂性能Fig.3 Network convergence performance of the weighted consensus strategy

圖4 擴(kuò)散策略的網(wǎng)絡(luò)收斂性能Fig.4 Network convergence performance of the diffusion strategy

表1是3種策略在PU信號存在和不存在情況下進(jìn)行100次獨(dú)立仿真實(shí)驗(yàn)得到的平均收斂值?？梢钥闯?收斂值作為各認(rèn)知節(jié)點(diǎn)的檢測值,PU存在時(shí),采用擴(kuò)散策略得到的認(rèn)知用戶的收斂值大于加權(quán)共識策略和平均共識策略;PU不存在時(shí),3種策略的收斂值幾乎一致?？梢哉J(rèn)為,擴(kuò)散策略是通過提高網(wǎng)絡(luò)存在PU信號時(shí)的收斂結(jié)果來提高檢測性能的。

表1 3種協(xié)作策略的收斂值Table 1 Convergence value of the 3 cooperative strategies

4.2 檢測性能分析

圖5是非合作、平均共識、加權(quán)共識和擴(kuò)散4種策略下網(wǎng)絡(luò)節(jié)點(diǎn)協(xié)作檢測性能曲線。為了凸顯4種方法的優(yōu)劣,對圖1中各節(jié)點(diǎn)的信噪比降低10 dB,網(wǎng)絡(luò)節(jié)點(diǎn)的平均信噪比為-17.2 dB。非合作策略檢測曲線是在網(wǎng)絡(luò)中信噪比最高的節(jié)點(diǎn)-11 dB條件下的仿真結(jié)果。可以看出,3種分布式協(xié)作感知方案得到的檢測性能均優(yōu)于網(wǎng)絡(luò)中信噪比最高的節(jié)點(diǎn)。擴(kuò)散策略的檢測性能優(yōu)于平均共識和加權(quán)共識策略。在虛警概率為0.01時(shí),4種策略的檢測概率分別為0.824、0.959、0.98、0.993。需要注意的是,由于拓?fù)浣Y(jié)構(gòu)特定,實(shí)驗(yàn)得到的檢測概率只能定性說明檢測性能好壞,不能定量反映檢測性能差距大小。在信噪比環(huán)境更好時(shí),幾種檢測方案的檢測性能差異不會太大。

圖5 4種策略的檢測性能比較Fig.5 Detection performance comparison among 4 strategies

表2是固定虛警概率時(shí)幾種策略的檢測門限值和平均檢測概率。本實(shí)驗(yàn)數(shù)據(jù)是在Pfa=0.01時(shí)進(jìn)行100次獨(dú)立仿真實(shí)驗(yàn)得到,用于分析理論門限和實(shí)際門限的關(guān)系以及幾種策略的檢測性能。根據(jù)公式(8)可以得出Pfa=0.01時(shí),理論的檢測門限為1.644 8。從實(shí)驗(yàn)結(jié)果可以看出,采用擴(kuò)散策略和加權(quán)共識策略的認(rèn)知網(wǎng)絡(luò)中認(rèn)知用戶的檢測門限明顯低于非合作策略和平均共識策略。從收斂值的方差可以看出,采用不同策略的收斂值波動范圍從小到大依次是加權(quán)共識策略、擴(kuò)散策略、平均共識策略、非合作策略,這說明單認(rèn)知用戶檢測易受到環(huán)境影響,而采用協(xié)作的方式可以提高檢測的魯棒性,而采用擴(kuò)散策略的認(rèn)知網(wǎng)絡(luò)魯棒性較好。認(rèn)知用戶的檢測性能從高到低依次是擴(kuò)散策略、加權(quán)共識策略、平均共識策略、非合作策略。從認(rèn)知用戶的檢測性能上看,采用擴(kuò)散策略的網(wǎng)絡(luò)檢測性能最好。

表2 4種策略的檢測性能指標(biāo)Table 2 Detection performance index of 4 strategies

需要注意,認(rèn)知用戶的檢測性能與網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)、各認(rèn)知用戶的信噪比環(huán)境以及相鄰節(jié)點(diǎn)的通信信道環(huán)境有關(guān),認(rèn)知節(jié)點(diǎn)協(xié)作環(huán)境的變化直接影響檢測性能。擴(kuò)散機(jī)制可以很好解決環(huán)境變化帶來的影響,自適應(yīng)矩陣和融合矩陣可以隨時(shí)根據(jù)節(jié)點(diǎn)自身環(huán)境進(jìn)行調(diào)整,不需要知道整個(gè)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)信息,相鄰節(jié)點(diǎn)間偶爾的通信鏈路失效也不會影響整個(gè)網(wǎng)絡(luò)的正常運(yùn)行。

5 結(jié)束語

本文研究了認(rèn)知網(wǎng)絡(luò)多用戶分布式協(xié)作頻譜檢測問題,將MME檢測算法和擴(kuò)散策略相結(jié)合,提出一種基于擴(kuò)散策略的分布式協(xié)作頻譜檢測算法,并從認(rèn)知網(wǎng)絡(luò)檢測量信息的收斂速度和檢測性能兩個(gè)方面進(jìn)行仿真驗(yàn)證。仿真結(jié)果表明,采用擴(kuò)散策略的認(rèn)知網(wǎng)絡(luò)的檢測量信息的收斂速度遠(yuǎn)快于共識策略。在檢測性能上,采用擴(kuò)散策略的網(wǎng)絡(luò)明顯好于其他傳統(tǒng)共識策略和非合作策略。下一步將對認(rèn)知網(wǎng)絡(luò)各認(rèn)知用戶實(shí)時(shí)檢測量信息融合算法進(jìn)行研究。

[1] ZENG Y H,LIANG Y C,HOANG A T,et al.A review onspectrum sensing for cognitive radio:challenges and solutions[J].EURASIP Journal on Advances in Signal Processing,2010(2010):1-15.

[2] WU Q H,DING G R,WANG J L,et al.Consensus-based decentralized clustering for cooperative spectrum sensing in cognitive radio networks[J].Chinese Science Bulletin, 2012,57(28-29):3677-3683.

[3] MA J,ZHAO G,LI Y.Soft combination and detection for cooperative spectrum sensing in cognitive radio networks [J].IEEE Transactions on Wireless Communication, 2008,7(11):4502-4507.

[4] TU S Y,SAYED A H.Diffusionstrategies outperform consensus strategies for distributed estimation over adaptive networks[J].IEEE Transactions on Signal Processing, 2012,60(12):6217-6234.

[5] 王曉侃,盧光躍,包志強(qiáng),等.一種新的分布式協(xié)作能量檢測算法[J].電訊技術(shù),2012,52(9):1480-1485. WANG Xiaokan,LU Guangyue,BAO Zhiqiang,et al.A new distributed cooperative energy detection algorithm [J].Telecommunication Engineering,2012,52(9):1480 -1485.(in Chinese)

[6] ANAM R,WALEED E,AHMED S S,et al.Consensusbased distributive cooperative spectrum sensing for mobile Ad Hoc cognitive radio networks[J].International Journal of Distributed Sensor Networks,2013,14(2):135-143.

[7] LI Z Q,YU F R,HUANG M Y.A distributed consensusbased cooperative spectrum sensing scheme in cognitive radios[J].IEEE Transactions on Vehicular Technology, 2010,59(1):383-393

[8] ZHANG W L,WANG Z,GUO L,et al.Distributed cooperative spectrum sensing based on weighted average consensus[C]//Proceedings of 2011 Global Telecommunications Conference.Houston,TX,USA:IEEE,2011:1-6.

[9] 吳玉林,錢慧,李娜萍,等.基于分布式估計(jì)擴(kuò)散機(jī)制的協(xié)作頻譜感知方法[J].計(jì)算機(jī)仿真,2013,30(5): 199-202. WU Yulin,QIAN Hui,LI Naping,et al.Diffusion strategy for cooperative spectrum sensing based on distributed estimation[J].Computer Simulation,2013,30(5):199-202.(in Chinese)

[10] PEDRO A F,ALFONSO C,GEORGIOS B G.Distributed clustering using wireless sensor networks[J].IEEE Transactions on Signal Processing,2011,5(4):707-724.

[11] ZENG Y,LIANG Y C.Eigenvalue-based spectrum sensing algorithms for cognitive radio[J].IEEE Transactions on Communications,2009,57(6):1784-1793.

[12] EJAZ W,HASSAN N U,KIM H S.Distributed cooperative spectrum sensing in cognitive radio for Ad Hoc networks[J].Computer Communications,2013,36(12): 1341-1349.

[13] RIBEIRO F C,CAMPOS M L,WERNER S.Distributed cooperative spectrum sensing with adaptive combining [C]//Proceedings of the IEEE International Conference on Acoustics,Speech and Signal Processing.Kyoto: IEEE,2012:3557-3560.

[14] AINOMAE A,TRUMP T,BENGTSSON M.Distributed diffusion LMS based energy detection[C]//Proceedings of 2014 6th International Congress on Ultra Modern Telecommunications and Control Systems and Workshops. St.Petersburg:IEEE,2014:176-183.

[15] CHEN J S,SAYED A H.Diffusion Adaptation strategies for distributed optimization and learning over Networks [J].IEEE Transactions on Signal Processing,2012,60 (8):4289-4304.

YAO Shaolin was born in Luoyang,Henan Province,in 1992.He received the B.S.degree from Ordnance Engineering College in 2013.He is now a graduate student.His research concerns cognitive radio technology.

Email:yaoshaolin72@gmail.com

張政保(1965—),男,河北石家莊人,2005年于軍械工程學(xué)院獲博士學(xué)位,現(xiàn)為教授、碩士生導(dǎo)師,主要研究領(lǐng)域?yàn)檎J(rèn)知無線電、信息安全技術(shù);

ZHANG Zhengbao was born in Shijiazhuang,Hebei Province,in 1965.He received the Ph.D.degree from Ordnance Engineering College in 2005.He is now a professor and also the instructor of graduate students.His research concerns cognitive radio technology and information security technology.

Email:zhengbaozhang@163.com

許 鑫(1963—),男,河北石家莊人,1996年于空軍指揮學(xué)院獲學(xué)士學(xué)位,現(xiàn)為軍械工程學(xué)院高級工程師,主要研究方向?yàn)橥ㄐ趴垢蓴_技術(shù);

XU Xin was born in Shijiazhuang,Hebei Province,in 1963. He received the B.S.degree from Air Force Command Academy in 1996.He is now a senior engineer.His research concerns communication anti-jamming technology.

Email:xuxin_paper@sina.com

劉廣凱(1990—),男,河北石家莊人,2013年于軍械工程學(xué)院獲學(xué)士學(xué)位,現(xiàn)為碩士研究生,主要研究方向?yàn)闉橥ㄐ趴垢蓴_技術(shù)。

LIU Guangkai was born in Shijiazhuang,Hebei Province,in 1990.He received the B.S.degree from Ordnance Engineering College in 2013.He is now a graduate student.His research concerns communication anti-jamming technology.

Email:dreamer_gk@163.com

Distributed Cooperative Spectrum Detection Based on Diffusion Strategy

YAO Shaolin,ZHANG Zhengbao,XU Xin,LIU Guangkai
(Department of Information Engineering,Ordnance Engineering College,Shijiazhuang 050003,China)

In distributed cognitive radio networks(CRN),the secondary users(SUs)achieve the information consensus of the whole network through exchanging the test statistic information with neighbors.For improving the convergence speed of the test statistic information over the network,a distributed cooperative spectrum detection algorithm based on diffusion strategy is proposed.The test statistic of the Maximum-Minimum Eigenvalue(MME)algorithm is regarded as the initial exchanging information.Adaptive and combination matrix,as the weighted factor,are introduced to update the state information of cognitive nodes to obtain the same convergence value,which is regarded as the information to make the final decision to determine whether the primary user(PU)exists.Simulation results show that the algorithm can improve the converging speed and detection performance of the network compared with the consensus strategy and the non-cooperative strategy.

cognitive radio;cooperative spectrum sensing;consensus strategy;diffusion strategy;adaptive network

date:2015-03-17;Revised date:2015-07-10

**通訊作者:yaoshaolin72@gmail.com Corresponding author:yaoshaolin72@gmail.com

TN911

A

1001-893X(2015)12-1401-06

姚少林(1992—),男,河南洛陽人,2013年于軍械工程學(xué)院獲學(xué)士學(xué)位,現(xiàn)為碩士研究生,主要研究方向?yàn)檎J(rèn)知無線電技術(shù);

10.3969/j.issn.1001-893x.2015.12.016

姚少林,張政保,許鑫,等.基于擴(kuò)散策略的分布式協(xié)作頻譜檢測[J].電訊技術(shù),2015,55(12):1401-1406.[YAO Shaolin,ZHANG Zhengbao,XU Xin,et al.Distributed Cooperative Spectrum Detection Based on Diffusion Strategy[J].Telecommunication Engineering,2015, 55(12):1401-1406.]

2015-03-17;

2015-07-10