時 穎， 孔 紅

(1.黑龍江科技大學 電子與信息工程學院，哈爾濱 150022；2.哈爾濱工業(yè)大學 電子與信息工程學院，哈爾濱 150001)

認知無線電中簇分集協(xié)作的頻譜檢測算法

時 穎1， 孔 紅2

(1.黑龍江科技大學 電子與信息工程學院，哈爾濱 150022；2.哈爾濱工業(yè)大學 電子與信息工程學院，哈爾濱 150001)

針對多用戶協(xié)作頻譜檢測中不同認知用戶接收信噪比的差異，以及控制信道干擾直接影響最終判決結果的問題，在傳統(tǒng)硬判決檢測算法的基礎上，利用分簇機制和本地用戶接收的最大信噪比對其他用戶進行輔助判決，得到一種簇分集協(xié)作頻譜檢測算法。在等虛警概率和不等虛警概率兩種條件下，對該檢測方案進行性能分析。仿真實驗表明，該算法比傳統(tǒng)硬判決算法的頻譜檢測性能有較大提高。

認知無線電； 多用戶； 協(xié)作檢測； 簇分集； 虛警概率

0 引 言

隨著無線設備智能化和軟件定義能力的不斷增強，認知無線電正成為無線通信研究中最適時和最復雜的課題之一。為了能提高無線頻譜資源的利用率，并確保二級用戶(Second User，SU)對主用戶(Primary User，PU)的正常通信不構成干擾，實現認知無線電的首要條件是SU用戶能夠準確、迅速地對某感興趣頻段上的PU用戶進行檢測[1]。但由于無線通信的特殊環(huán)境，信號傳播過程中存在多徑、陰影效應等干擾因素，因此，個別SU用戶由于特殊的地理位置可能會出現較低的檢測概率，從而加劇了對主用戶的干擾，為有效解決這些問題，協(xié)作檢測技術已經成為認知無線電的關鍵技術，得到了廣泛關注[2]。在協(xié)作頻譜檢測方案中，SU用戶需通過控制信道向基站傳送本地檢測信息，但控制信道的帶寬受限，且同樣處在無線環(huán)境中，必存在多種因素干擾。因此，若要保障本地檢測信息傳送和廣播的有效性，勢必會存在大量信息冗余。雖然傳統(tǒng)的硬判決協(xié)作檢測方案可降低對控制信道帶寬的要求，且方便實現。但因不同SU用戶處于的地理位置不同，路徑和環(huán)境的不同，則終端接收到的信噪比不同，當對某共同授權頻段進行檢測時，導致每個用戶的檢測結果的可靠度不同[3-5]。在傳統(tǒng)協(xié)作檢測方案中，不考慮SU用戶本地檢測結果的可信度，對所有檢測結果同等對待，當接收信號信噪比差值較大時，協(xié)作檢測性能可能會降低[6]。另外，SU用戶接收信道的不同，鄰近信道的相關性可對協(xié)作檢測帶來干擾[7]。因此，在傳統(tǒng)“OR”協(xié)作檢測的基礎上提出選擇分集頻譜協(xié)作檢測方案，根據本地檢測用戶接收信號的信噪比不同，對本地SU用戶進行有目的地篩選，在減小協(xié)作開銷的同時也提高了協(xié)作檢測性能[8]。針對實際通信環(huán)境中控制信道傳輸本地判決結果時會出現誤碼等干擾問題，文中將分簇思想和本地用戶接收的最大信噪比對其他用戶進行輔助判決相結合，得到一種簇分集協(xié)作頻譜檢測方案，以期提高系統(tǒng)檢測性能。

1 本地頻譜檢測模型

目前，OFDM技術因其高頻譜利用率、抗多徑干擾等優(yōu)點，已成為現代寬帶無線通信系統(tǒng)中的關鍵技術之一。因此，文中考慮被檢測主用戶采用OFDM信號形式更具有實際代表性。頻譜檢測是實現動態(tài)頻譜接入技術的前提條件，其任務是檢測判斷某感興趣頻段內主用戶是否存在，所以其檢測模型可以描述為二元假設檢驗：

H0:gi(t)=wi(t),

H1:gi(t)=si(t)+wi(t),

式中：gi(t)——第i個SU用戶ui的接收信號；

si(t)——代表主用戶的OFDM復信號。

(1)

式中:Tc、Td——循環(huán)前綴和OFDM符號的長度。

(2)

(3)

2 協(xié)作檢測方案

文中認知網絡模型是基于IEEE802.22標準，其中包括作為授權主用戶(PU)，作為數據融合中心的認知用戶基站(SBS)和作為認知節(jié)點的認知用戶(ui，i∈+)，且ui用戶在融合中心的覆蓋范圍內隨機分布，SU用戶通過聯(lián)合協(xié)作完成對授權頻段內信號的檢測，融合中心給出判決來決定是否占用該頻段。

2.1 傳統(tǒng)硬判決協(xié)作檢測方案

傳統(tǒng)硬判決協(xié)作檢測方案的檢測思路為：認知系統(tǒng)中所有SU用戶將本地檢測結果量化為1 bit信息傳送到系統(tǒng)感知基站，基站選取某硬判決算法給出最終判決結果，即“1”代表PU用戶存在，“0”代表PU用戶不存在[8]。常用的硬判決算法有：“K”秩準則、“AND”準則和“OR”準則。“K”秩準則是指，當N個SU用戶中若至少有k個SU用戶判決結果是PU用戶“存在”，則感知基站就認為PU用戶“存在”，否則，認為“不存在”。k是判斷用戶是否存在的最小門限值。當k=1時，就是“OR”準則；當k=N時，就是“AND”準則。當系統(tǒng)中各SU用戶接收信噪比都相同時，“AND”判決算法占優(yōu)勢；若信噪比不同，則“OR”判決算法更占優(yōu)勢。因為實際通信環(huán)境中存在多種干擾，比如多徑、隱終端等，致使各SU用戶在某特定頻段上的接收信號信噪比很難保持一致，所以，傳統(tǒng)硬判決協(xié)作方案中多數都是基于“OR”準則?；凇癘R”準則進行協(xié)作檢測系統(tǒng)的檢測概率Qd和虛警概率Qf可表示為[2]

在該檢測方案中，會發(fā)現兩個問題。首先，所有SU用戶向感知基站傳送檢測信息時要通過控制信道，而控制信道本身也是無線信道，所以也會存在干擾，將導致本地檢測結果在傳輸過程中產生差錯。其次，SU用戶接收信號信噪比的不同，會導致每個SU用戶的本地檢測結果可靠性不同，該協(xié)作檢測并不能提高檢測性能，甚至使得系統(tǒng)結果變差。為此，文中提出一種基于簇分集的協(xié)作頻譜檢測方案。

2.2 簇分集協(xié)作檢測方案

將分簇機制和“OR”準則相結合，同時優(yōu)化簇內SU用戶的協(xié)作檢測方式，提出簇分集協(xié)作檢測方案，其實現框圖如圖1所示。該檢測方案的核心思想是：

(1)通過協(xié)議選取簇頭節(jié)點Hk，其與周圍SU用戶組成以簇為單位的檢測單元，記為簇Ck；

(2)簇Ck內的各SU用戶獨立進行本地頻譜檢測，同時對接收信號的信噪比進行估計，并將檢測結果及信噪比估計值傳送給Hk；

(3)Hk將具有最大信噪比估計值的SU用戶本地檢測結果，與簇內其他SU用戶檢測結果進行兩兩“OR”判決，目的是改善信噪比低用戶的檢測性能；

(4)在簇頭內利用“OR”準則進行數據融合，并將判決結果傳送給感知基站，由基站進行最終的“OR”判決。

為保證該方案的可行性，還需假設認知系統(tǒng)中已知各簇頭到感知基站的控制信道狀態(tài)，且同一簇內的各SU用戶之間的傳輸信道是理想的。

圖1 簇分集協(xié)作檢測方案

Fig. 1 Diagram of cluster-based diversity collaboration detection

3 系統(tǒng)性能分析

3.1 等虛警概率條件

假設認知系統(tǒng)中共有N個SU用戶u，分成L個簇，記為Ck，k=1,2,…，L。簇Ck內的SU用戶數目為Nk，即ui，i=1,2，…,Nk，則有∑Nk=N。各ui用戶對接收信號的信噪比進行估計，其中信噪比最大的用戶記為umax，其最大信噪比記為Rmax。

首先，各ui用戶在奈曼-皮爾遜機制下獨立進行本地頻譜檢測，且各用戶等虛警概率Pf，根據式(3)求出檢測門限值為ηi：

(4)

從式(4)可直觀看出，檢測門限由Pf和M決定，在各用戶M值相等的條件下，各用戶檢測門限相等。結合式(1)和(2)，可看出相同門限下，信噪比越高，則ρi越大。但由于ρi<1，所以Pd將增大，這就是接收信噪比高的用戶檢測結果可靠性比較高的原因。

其次，利用本地用戶umax的檢測結果來改善其他相對低信噪比SU用戶的檢測結果。由以上分析可知用戶umax的檢測概率最大，記為Pd,m。將其與同一簇內其他SU用戶進行兩兩“OR”判決，共得到N-1個判決結果：

(5)

再次，將這N-1個得到改善的結果進行“OR”判決，得到Ck的簇頭判決性能：

式中：Pd,Ck,j——簇內第j個本地感知用戶的檢測概率；

Pd,Ck,m——簇內本地接收信噪比最大的um的檢測概率；

Pf,Ck,j——簇內各用戶的等虛警概率值。

(6)

3.2 不等虛警概率條件

由于虛警概率直接影響判決門限的不同，若是在簇內不等值分配虛警概率，其檢測性能將會發(fā)生變化。為方便分析，假設SU用戶總數為N，分成L個簇，分別記為Ck，k=1,2,…，L，且N=2L。則有

(7)

式中：Pd,Ck——第k個簇的總檢測概率；Pf,C——為每個簇分配等虛警概率值。

同時為了保證整體協(xié)作系統(tǒng)虛警概率值不變，分配給每個簇的整體虛警概率值相同。為了簡化分析過程，假設簇間與簇內，均采用“OR”準則檢測算法。

簇內首先要利用式(7)為每個簇分配等值的虛警概率Pf,C，而簇內的兩個用戶按式(8)來分配虛警概率值：

(8)

式(8)中Δ是兩個SU用戶虛警概率的二分之一差值。然后將式(8)代入式(4)中分別得兩個SU用戶的判決門限：

(9)

式(9)中ρi的取值見式(1)?；救诤咸幨菍⒏鱾€簇頭傳來的的判決結果進行“OR”融合，得到最終協(xié)作檢測判決結果，其總檢測概率為

Qd=1-(1-Pd,1)(1-Pd,2)。

4 仿真及結果分析

假設主用戶信號類型為OFDM，其子載波個數為64，循環(huán)前綴長度為有效符號長度的1/4，符合802.11標準。符號速率為1MHz，采樣頻率為64MHz，對1 000個OFDM符號塊進行采樣，MonteCarlo仿真次數為2 000次。

4.1 低信噪比對硬判決協(xié)作檢測的影響

假設協(xié)作SU用戶數為4，各SU用戶接收信噪比不同，分別為-12、-15、-18和-21 dB，進行傳統(tǒng)硬判決檢測，仿真結果如圖2所示。從圖2中可以看出，當接收信號信噪比相差較大時，“OR”協(xié)作檢測和“AND”協(xié)作檢測比采用最大信噪比用戶單獨檢測時性能低，沒有體現出協(xié)作檢測的優(yōu)勢。同時也驗證了，當SU用戶信噪比不同時，傳統(tǒng)“OR”比“AND”的檢測性能好些。

圖2 低信噪比對協(xié)作檢測的影響

Fig. 2 Influence analysis of low signal-noise-ratio to conventional collaboration detection

4.2 等虛警概率條件

在系統(tǒng)總虛警概率Qf一定的條件下，由式(6)計算出各SU用戶的虛警概率Pf,Ck,j，再利用式(4)計算得出的判決門限進行判決，完成頻譜檢測。圖3給出了三種不同分簇情況下的簇分集協(xié)作檢測和“OR”協(xié)作檢測的ROC曲線。仿真中協(xié)作的本地SU用戶數為9，平均信噪比為-20 dB。從圖3中可以看出，簇分集協(xié)作檢測性能優(yōu)于傳統(tǒng)“OR”協(xié)作檢測。但是分簇機制的不同，會對整個協(xié)作檢測的性能產生一定影響。

圖3 簇分集協(xié)作檢測性能比較

Fig. 3 ROC curves of cluster-based diversity collaboration detection

4.3 不等虛警概率條件

為了便于對簇分集協(xié)作檢測的性能進一步分析，考慮兩種情況：C1是按照式(5)分配給簇內SU用戶相等的虛警概率值；C2是按照式(7)和(8)分配給簇內SU用戶以不同的虛警概率值。圖4中給出這兩種情況條件下簇分集協(xié)作檢測算法的ROC曲線。仿真參數有本地SU用戶數為6，每簇內2個SU用戶，系統(tǒng)總虛警概率相同，都為Qf。由圖4可見，C2要明顯優(yōu)于C1和“OR”準則，而且其檢測性能也比Rmax單用戶的要好，充分說明了該方案可行。其原因是由于簇內兩SU用戶分配不同的虛警概率值后，改變了判決門限，使得簇內檢測性能得到提高，最后再經融合中心的“或”準則判定檢測結果。并且該方案檢測過程實現簡單，不用額外傳輸每個SU用戶的接收信號信噪比，減少了系統(tǒng)開銷。

圖5是在C2條件下，簇分集協(xié)作檢測的虛警概率與漏檢概率的曲線。本地SU用戶個數為6，每簇內2個用戶，總體平均信噪比都是-18 dB。仿真中各SU用戶的接收信噪比控制在-18 dB左右，偏差值限制在±6、±3和0 dB。從圖5仿真結果可看出，當信噪比偏離值越大時，即SU用戶的本地最大接收信噪比值越高，利用文中提出的簇分集協(xié)作檢測方案進行頻譜檢測后，得到的漏檢概率值越小，表明系統(tǒng)檢測性能越好。

圖4 不同條件下簇分集協(xié)作檢測性能

Fig. 4 Detection performance comparison of cluster-based diversity collaboration detection under different conditions

圖5 簇內信噪比差值不同的簇分集協(xié)作性能

Fig. 5 Detection performance comparison of cluster-based diversity collaboration detection under different SNR in cluster

5 結束語

文中在傳統(tǒng)硬判決檢測方案的基礎上，利用分簇機制和本地用戶接收的最大信噪比對其他用戶進行輔助判決相結合，得到一種簇分集檢測方案。在等虛警概率和不等虛警概率兩種條件下，對該檢測方案進行了性能分析。仿真實驗表明，該方案比傳統(tǒng)硬判決檢測方案的頻譜檢測性能有較大提高。同時，該方案既減少了融合的節(jié)點數，也減少了發(fā)送給融合中心的數據量，有效降低了系統(tǒng)開銷。

[1] Seshukumar K，Saravanan R，Suraj M S. Spectrum sensing review in cognitive radio[C]// ICEVENT, Tiruvanna malai, India; Ieee, 2013 1-4.

[2] 王海軍, 粟 欣, 王 京. 認知無線電中的協(xié)作頻譜檢測技術[J]. 中興通訊技術，2009，15(2): 10-14.

[3] Cichon K, Kliks A, Bogucka H. Energy-efficient cooperative spectrum sensing: a survey[J].IEEE Communications Surveys & Tutorials, 2016, 18(3): 1861-1886.

[4] Akyildiz I F，Lo B F，Balakrishnan R. Cooperative spectrum sensing in cognitive radio networks: asurvey[J]. Physical Communication, 2011, 4(1): 40-62.

[5] Xue H，Tan X Z，Guan K，et al. Cooperative spectrum sensing in cognitive radio networks: a survey[C]//National Conference on Communication and Information Technology, 2013 Shijiazhuang: 41-44.

[6] Peh E, Liang Y C. Optimization for cooperative sensing in cognitive radio networks[C]//IEEE International Conference on Wireless Wommunications and Networks, Kowloon, China: IEEE, 2007: 58(9)27-32.

[7] Ghasemi A, Sousa E S. Asymptotic performance of collaborative spectrum sensing under correlated log-normal shadowing[J]. IEEE Communications Letters, 2007, 11(1): 34-36.

[8] Chen Y P, Shi Y, Kong H. A selective diversity cooperative spectrum sensing algorithm for cognitive radios[C]//ICEEIS, Harbin:CRC Press, 2016: 123-126.

(編校 王 冬)

Cluster-based diversity cooperative spectrum detection algorithm in cognitive radio

ShiYing1，KongHong2

(1.School of Electrionics & Information Engineering, Heilongjiang University of Science & Technology, Harbin 150022, China; 2.School of Electronics & Information Engineering, Harbin Institute of Technology, Harbin 150001, China)

This paper is a response to a problem involving cooperative spectrum detection, the differences in signal-to-noise ratio

by different cognitive users and interferences in channel control have a direct effect on the final decision result. The paper building on the traditional hard decision detection algorithm derives a cluster-based diversity cooperative spectrum detection algorithm by combining cluster-based mechanism with the auxiliary judgment of other users using the local maximum value of signal-to-noise ratio; and presents an analysis of the detection performance under the conditions of equal false alarm probability and unequal alarm probability. The simulation results demonstrate that the cluster-based diversity cooperative algorithm could provide a better spectrum detection performance than the conventional hard decision detection algorithm.

cognitive radio; multiuser; cooperative detection; cluster-based diversity; false alarm probability

2017-04-03

黑龍江省教育廳科學技術研究項目(12531572)

時 穎(1980-)，女，黑龍江省雞西人，副教授，碩士，研究方向：認知無線電，E-mail：sy_hit2004@163.com。

10.3969/j.issn.2095-7262.2017.03.022

TN925

2095-7262(2017)03-0311-05

A