蘇 杭，盧光躍

(西安郵電大學 無線網絡安全技術國家工程實驗室，陜西 西安 710121)

?

利用身份代碼加速分布式協作頻譜感知

蘇 杭，盧光躍

(西安郵電大學 無線網絡安全技術國家工程實驗室，陜西 西安 710121)

頻譜感知是認知無線電領域的關鍵技術。在協作頻譜感知中，分布式一致性加權算法檢測性能較好但收斂速度慢。該文引入身份代碼概念，用以區(qū)分各次用戶的狀態(tài)值和權值，避免節(jié)點間數據的重復融合，并提出了一種快速分布式加權協作頻譜感知算法。仿真結果表明，所提算法檢測性能與分布式一致性加權算法相當，同時收斂速度明顯提升。

認知無線電；協作頻譜感知；身份代碼；收斂速度

作為一種動態(tài)智能頻譜管理技術，認知無線電(Cognitive Radio，CR)技術成為解決頻譜資源日益匱乏、頻譜利用低效等問題的關鍵技術手段[1-2]，在主用戶(Primary User，PU)不占用其授權頻段時，允許次用戶(Secondary User，SU)動態(tài)接入該頻段是其中心思想，而當PU重新接入該授權頻段時，SU應當及時撤出，以免對PU通信造成干擾?？梢?，CR的首要工作和基本前提是頻譜感知(Spectrum Sensing，SS)，即SU能夠快速且準確感知PU信號是否存在于授權頻段內以實現頻譜動態(tài)接入和撤出。

在接收到信號后，SU既可以獨自判斷PU是否存在，也可以與其他SU合作共同完成判決，后者稱作協作頻譜感知(Cooperative Spectrum Sensing，CSS)[3]。相較于非協作頻譜感知，CSS有著獨特的優(yōu)勢。例如SU接收信號時受到深度衰落或深度陰影效應影響，其很難獨自做出準確判決，而CSS可通過SU之間感知信息的交互分享來解決這一問題[4]。現今CSS領域已經展開許多研究工作，也取得了不少研究成果，使用較多的CSS方法是基于中繼CSS、集中式CSS和仿生一致性CSS。基于中繼CSS通過節(jié)點間的強感知信道和強報告信道進行跨節(jié)點多跳通信[7-8]，該通信方式易造成額外的功率消耗，導致感知信號質量下降。集中式CSS存在一個融合中心，由融合中心收集各SU本地感知數據，并根據融合規(guī)則融合感知數據，以完成統(tǒng)一判決[5-6]。融合中心位置較為固定，且融合中心與少數偏遠的SU之間存在某些通信約束，因此該方法具有較大局限性。為此，文獻[9]提出了一致性仿生CSS(Bio-inspired Consensus-based Cooperative Spectrum Sensing，BCCSS)算法，該算法不存在融合中心，節(jié)點間采用單跳通信方式，SU與其鄰居節(jié)點交互狀態(tài)值，然后根據融合公式更新自身狀態(tài)值，重復以上過程直到所有節(jié)點狀態(tài)值達到收斂。BCCSS算法中用于最終判決的狀態(tài)值是各節(jié)點初始值等權等增益(Equal Gain Combining，EGC)融合而得，其未考慮各節(jié)點本地感知條件的差異，因此該算法的檢測性能不如集中式加權CSS算法。采用集中式加權CSS時，融合中心將依據各節(jié)點本地感知條件給定節(jié)點狀態(tài)值不同權值，然后對節(jié)點狀態(tài)值進行加權融合，以得到判決狀態(tài)值。

文獻[10]在文獻[9]所提模型基礎上，針對BCCSS算法中節(jié)點狀態(tài)值EGC融合問題，推導了節(jié)點在本地設定自身權值的計算公式，并提出分布式一致性加權CSS(Distributed Average Weighted Gain Combining，DAWGC)算法。該算法檢測性能對比BCCSS算法有大幅度提高，與集中式加權CSS算法相當。但該算法收斂速度較慢，節(jié)點網絡需經歷較多次迭代才能達到收斂，使得頻譜感知無法實時有效地進行。另外，BCCSS和DAWGC算法均需要網絡最大度這一先驗知識，具有較大局限性。

針對上述缺陷，本文引入SU身份代碼(Identity Code，IC)概念，提出了利用IC的快速分布式加權CSS(Fast Distributed Weighted cooperative spectrum sensing using Identity Code，ICFDW)算法。檢測性能方面，ICFDW算法相較于BCCSS有大幅度提高，與DAWGC算法相當；收斂速度方面，所提算法相較于DAWGC提升明顯，與BCCSS相比也有提高。此外，所提算法無需網絡最大度先驗知識。

1 系統(tǒng)模型及現有算法

通常，SS可表述為一個二元假設檢驗問題，即：H0表示PU不存在，SU可接入該頻譜；H1表示PU存在，SU不可接入該頻譜。因此，SS的數學模型[9]可描述為

(1)

式中：yi(m)是第i個次用戶SUi在觀測時刻m(m=1,2,…,M)接收到的采樣信號；wi(m)是加性高斯白噪聲；s(m)是PU發(fā)送的信號；變量hi為信道增益。

圖1 節(jié)點網絡數據融合圖

在BCCSS算法[9]中，節(jié)點根據如下融合公式更新狀態(tài)值，即

(2)

式中：Ni(k)為在第k個迭代時刻SUi鄰居節(jié)點的集合，0<ε<1/Δ,網絡最大度Δ=max{|Ni(k)|}，|·|表示集合中元素的個數。

在DAWGC算法[10]中，數據融合公式為

(3)

式中：δi表示SUi依據其本地感知條件所設定的權值，δi≥1。

由式(2)可知，BCCSS算法未考慮各節(jié)點本地感知條件的差異，因此其性能不佳，而且，BCCSS算法是采用鄰居節(jié)點狀態(tài)值與本地狀態(tài)值之差的方式來進行數據融合，該方式下SU將不斷在各鄰居節(jié)點狀態(tài)值之間調整本地狀態(tài)值，整個網絡需要進行很多次迭代運算才能達到收斂。DAWGC算法數據融合方式與BCCSS一致，且式(3)中權值δi均大于1，因此采用該算法時節(jié)點網絡需要更多次迭代方能達到收斂，收斂速度更低。若網絡中節(jié)點個數較多，整個網絡達到收斂所需的融合次數會是一個很大的數字，收斂速度遲緩。另外，根據BCCSS與DAWGC算法的融合公式(2)、(3)可見，兩種算法均需要網絡最大度先驗知識，具有較大局限性。

2 利用IC的快速分布式加權CSS算法(ICFDW)

根據上述分析可知，采用DAWGC算法進行頻譜感知時，節(jié)點網絡需要較長時間才能達到收斂，不利于頻譜感知實時有效地進行。鑒于此，本文引入身份代碼(IC)概念，使每個節(jié)點狀態(tài)值和權值都有自身獨特的“身份”標識，以避免節(jié)點間狀態(tài)值的重復融合，減少CSS數據融合階段的融合次數，從而使整個網絡能夠快速達到收斂。

2.1 ICFDW算法步驟

在感知主用戶信號前，各節(jié)點根據自身特征、本地環(huán)境等因素編譯一個獨特的IC，節(jié)點SUi的IC表示為Di。節(jié)點SUi采用ED算法得到初始值xi(0)，并由權值本地設定公式得到該初始值的權值δi。然后節(jié)點與其鄰居節(jié)點交換數據，本算法中交換的數據包括xi(0)、權值δi以及Di(如圖2所示)，其中Di，δi，xi(0)是互相綁定的，對于xi(0)與δi，Di就是它們的“身份”標識，如同班級里不同的學號和名字用來區(qū)分不同的人。

圖2 ICFDW算法數據傳輸示意圖

SU本地的存儲區(qū)域分為節(jié)點數據存儲區(qū)和融合狀態(tài)值存儲區(qū)(如表1所示)。值得注意的是，所提算法中節(jié)點間交換的數據始終是節(jié)點數據存儲區(qū)的全部節(jié)點初始值、權值和IC信息，而不是融合狀態(tài)值存儲區(qū)節(jié)點更新的本地狀態(tài)值，且屬于同一節(jié)點的初始值、權值和IC信息是綁定在一起傳送的。

表1 ICFDW算法數據本地存儲示意圖

本地節(jié)點按IC屬性將各節(jié)點數據區(qū)分并存儲在節(jié)點數據存儲區(qū)。第k次數據交換時，SUi將鄰居節(jié)點傳輸數據中的IC信息與本地存儲的IC信息進行對比，對于本地存儲區(qū)里沒有的IC，SUi將存儲該IC及其所對應的初始值和權值；對于本地已存有的IC，SUi不再重復存儲。

完成一次數據交換后，SUi根據融合公式更新自身狀態(tài)值，ICFDW算法融合公式為

(4)

式中：Ji(k)表示第k次數據交換后SUi本地存有IC所對應的節(jié)點集合。

該數據交換和存儲方式，使得各節(jié)點可以快速獲取整個網絡的數據信息。以圖3中SU1為例，第1次數據交換時，SU1得到其鄰居節(jié)點SU2的IC、初始值及權值信息；而第2次數據交換時，SU2鄰居節(jié)點SU3，SU4各自的全部信息將通過SU2傳輸至SU1。

圖3 ICFDW算法實現數據快速傳遞示意圖

ICFDW利用節(jié)點IC的唯一性將各個節(jié)點的初始狀態(tài)值和權值有序存儲記錄，然后根據融合公式更新狀態(tài)值。由融合式(4)可知，ICFDW算法更新本地狀態(tài)值時不存在狀態(tài)值迭代過程，其僅僅是對節(jié)點數據存儲區(qū)各節(jié)點數據信息做一次簡單計算。因此，只要整個網絡保持連通狀態(tài)，節(jié)點均能獲取到所有節(jié)點的數據信息，整個網絡也定然能夠收斂至最終狀態(tài)值x*。另外，由式(4)可見，ICFDW算法無需知曉網絡最大度。

(5)

(6)

其中門限Vc可根據虛警概率pf=Prob{xi(k)>Vc|H0}得到[12]。

2.2 ICFDW算法的權值設定

由文獻[10]可知，在加性高斯白噪聲信道下，SUi分布式權值設定公式為

(7)

而在瑞利信道下，SUi分布式權值設定公式為

(8)

綜上，本文提出的ICFDW算法可描述如下：

戰(zhàn)士們都被這朵生命力如此頑強的小黃花吸引住了，他們暫時忘記傷痛，忘記了死亡，一個個走過來，把栽著花的鋼盔端起來，相互傳遞著欣賞它美麗的樣子。

1)節(jié)點SUi根據自身特征、本地環(huán)境等因素編譯一個獨特的IC，表示為Di；

2)SUi對接收信號進行采樣，得到初始值xi(0)；再由式(7)或式(8)，得到本地權值δi；

3)綁定Di，xi(0)和δi，存儲于節(jié)點數據存儲區(qū)；

4)SUi與其所有鄰居用戶交換節(jié)點數據存儲區(qū)的數據信息，其中同節(jié)點信息綁定傳輸；

5)將鄰居節(jié)點傳輸數據中的IC信息與本地存儲的IC信息進行對比，對于本地存儲區(qū)里沒有的IC，SUi存儲該IC及其所對應的初始值和權值；

6)SUi根據式(4)更新本地狀態(tài)值并存儲于融合狀態(tài)值存儲區(qū)；

7)重復步驟4)～6)，直到整個網絡達到收斂；

8)根據式(6)，完成最終判決。

3 仿真分析

下面在瑞利信道下對所提算法進行仿真驗證，在分布式網絡中與BCCSS算法和DAWGC算法性能進行比較。

圖4是包含N=20個SU的網絡拓撲結構圖，其中圖4a中節(jié)點通信信道雙向穩(wěn)定，節(jié)點間每一次數據交換均能成功完成；圖4b中節(jié)點通信信道雙向動態(tài)，節(jié)點間每一次數據交換都可能因為某些問題導致失敗，例如SUi的鄰居用戶SUj在雙方交換數據前移動出了SUi的可通信范圍，之后SUj將無法與SUi交換數據，直到其重新進入SUi可通信范圍。

圖4 網絡拓撲結構圖

若無特殊說明，仿真中，各SU采樣點數M=10，通信信道平均信噪比為-5dB，圖4b各動態(tài)通信信道中交換數據失敗的概率為0.4。

圖5描述了ICFDW、BCCSS和DAWGC算法的ROC性能曲線，其中圖5a、5b分別為穩(wěn)定雙向通信信道和動態(tài)雙向通信信道下仿真所得。如圖5可見，無論是在穩(wěn)定雙向通信信道還是動態(tài)雙向通信信道下，ICFDW算法的檢測性能都大大優(yōu)于BCCSS算法，與DAWGC算法性能相當。這是因為ICFDW和DAWGC算法在融合狀態(tài)值時考慮了各節(jié)點本地感知條件，并根據感知條件的優(yōu)劣設定融合權值。例如pf=0.1時，圖5a中采用ICFDW、BCCSS和DAWGC算法得到的pd分別為0.953 1，0.952 5，0.719 3，圖5b中得到的pd分別為0.952 3，0.951 9和0.718 9。

圖5 3種算法ROC曲線

圖6給出了穩(wěn)定雙向通信信道下DAWGC和ICFDW算法中狀態(tài)值收斂的曲線，其中圖6a為DAWGC收斂曲線，圖6b為ICFDW收斂曲線。如圖6所示，采用DAWGC時所有節(jié)點狀態(tài)值收斂至1dB的偏差范圍內需要約75次融合，而采用ICFDW時僅需4次融合整個網絡就達到收斂，大大減少了融合次數，實現了快速協作頻譜感知。

圖6 穩(wěn)定雙向通信信道下的收斂速度對比

圖7給出了動態(tài)雙向通信信道下DAWGC和ICFDW算法中狀態(tài)值收斂的曲線。如圖7所示，采用DAWGC時所有節(jié)點狀態(tài)值收斂至1dB的偏差范圍內需要約90次融合，而采用ICFDW時僅需5次融合，整個網絡就達到收斂。

圖7 動態(tài)雙向通信信道下的收斂速度對比

為進一步比較所提算法、DAWGC和BCCSS算法的收斂速度，圖8給出了穩(wěn)定雙向通信信道下3種算法使整個網絡達到收斂所需的平均融合次數隨節(jié)點個數變化的比較。從圖8可見，3種算法達到收斂所需的平均融合次數均隨網絡中節(jié)點個數的增多而增加，但ICFDW算法平均融合次數增加的個數遠小于DAWGC，且小于BCCSS。在節(jié)點個數相同時，ICFDW算法所需平均融合次數也明顯小于DAWGC。例如網絡中節(jié)點個數為100時，采用ICFDW，DAWGC，BCCSS算法達到收斂所需的平均融合次數分別為6.62，1 002.59，76.33。

圖8 3種算法達到收斂所需的平均融合次數對比

4 結論

在進行分布式加權協作頻譜感知時，本文引入IC概念并利用其唯一性，提出了ICFDW算法。理論分析和仿真表明，ICFDW算法檢測性能明顯優(yōu)于BCCSS算法，與DAWGC算法相當，且無需網絡最大度這一先驗知識，重要的是，ICFDW算法收斂速度明顯快于DAWGC算法，且快過BCCSS算法。采用ICFDW算法時，節(jié)點網絡可快速達到收斂，從而實時有效地進行頻譜感知。

[1]徐晨, 趙雙領, 孔令龍. 基于循環(huán)譜對稱性的新型頻譜判決算法[J]. 電視技術, 2014, 38(15):198-202.

[2]MASONTAMT,MZYECEM,NTLATLAPAN．Spectrumdecisionincognitiveradionetworks:asurvey[J]．IEEECommunicationsSurveys&Tutorials, 2013,15(3):1088-1107.

[3]LIUX,TANX.Optimizationalgorithmofperiodicalcooperativespectrumsensingincognitiveradio[J].Internationaljournalofcommunicationsystems, 2014, 27(5):705-

720.

[4]HAGHIGHATM,SADOUGHS.M.S.Cooperativespectrumsensingforcognitiveradionetworksinthepresenceofsmartmalicioususers[J].AEU-internationaljournalofelectronicsandcommunications, 2014, 68(6):520-527.

[5]YOUC,KWONH,HEOJ.CooperativeTVspectrumsensingincognitiveradioforWi-Finetworks[J].IEEEtransactionsonconsumerelectronics, 2011, 57(1):62-67.

[6]VU-VANH,KOOI.Cooperativespectrumsensingwithcollaborativeusersusingindividualsensingcredibilityforcognitiveradionetwork[J].IEEEtransactionsonconsumerelectronics, 2011, 57(2):320-326.

[7]AKYILDIZIF,LOBF,BALAKRISHNANR.Cooperativespectrumsensingincognitiveradionetworks:asurvey[J].Physicalcommunication, 2011, 4(1):40-62.

[8]ZHANGW,LETAIEFK.Cooperativespectrumsensingwithtransmitandrelaydiversityincognitiveradionetworks[J].IEEEtransactionsonwirelesscommunications, 2008, 7(12):4761-4766.

[9]LIZQ,YU,FR,HUANGMY.Adistributedconsensus-basedcooperativespectrum-sensingschemeincognitiveradios[J].IEEEtransactionsonvehiculartechnology, 2010, 59(1):383- 393.

[10]ZHANGW,GUOY,LIUH,etal.Distributedconsensus-basedweightdesignforcooperativespectrumsensing[J].IEEEtransactionsonparallel&distributedsystems, 2015, 26(1):54-64.

[11]YUCEKT，ARSLANH．Asurveyofspectrumsensingalgorithmsforcognitiveradioapplications[J]．IEEEcommunicationssurveys&tutorials, 2009，11(1)：116-130．

[12]LIUY,ZENGC,WANGH,etal.Energydetectionthresholdoptimizationforcooperativespectrumsensing[C]//Proc. 2010 2ndInternationalConferenceonAdvancedComputerControl(ICACC). [S.l.]：IEEE, 2010:566-570.

蘇 杭(1990— )，碩士生，主研認知無線電頻譜感知技術；

盧光躍(1971— )，博士，教授，碩士生導師，主研現代移動通信信號處理。

責任編輯：薛 京

Quickening distributed cooperative spectrum sensing by using identity code

SU Hang，LU Guangyue

(NationalEngineeringLaboratoryforWirelessSecurity,Xi’anUniversityofPostsandTelecommunications,Xi’an710121,China)

Spectrum sensing is a key technology in cognitive radio. The detection performance of the distributed average weighted gain combining (DAWGC) algorithm is excellent, but low convergence rate. In this paper, the identity code is employed to differentiate that values and weight are from which secondary user respectively and avoid repetitive data fusion among secondary users, and a fast distributed weighted cooperative spectrum sensing algorithm is proposed. With comparison to DAWGC algorithm, numerical simulations show that the proposed algorithm has comparable detection performance and high convergence rate significantly.

cognitive radio;cooperative spectrum sensing; identity code;convergence rate

蘇杭，盧光躍. 利用身份代碼加速分布式協作頻譜感知[J]. 電視技術，2016,40(11)：75-80. SU H，LU G Y. Quickening distributed cooperative spectrum sensing by using identity code[J]. Video engineering，2016,40(11)：75-80.

TN92

A

10.16280/j.videoe.2016.11.016

國家自然科學基金項目(61271276；61301091)；國家“863”項目(014AA01A705)

2016-03-19