基于改进型能量检测的加权协作频谱感知算法

赵小龙，赵杭生，曹龙，许金勇

1.解放军理工大学通信工程学院，南京 210007

2.南京电讯技术研究所，南京 210007

基于改进型能量检测的加权协作频谱感知算法

赵小龙1，2，赵杭生2，曹龙1，2，许金勇2

1.解放军理工大学通信工程学院，南京 210007

2.南京电讯技术研究所，南京 210007

1 引言

频谱感知技术[1]作为实现认知无线电的关键技术之一，其自认知无线电诞生以来，已经获得了广泛的研究，常用的频谱感知技术有能量检测、匹配滤波器检测和周期循环平稳特征检测[2]，其中能量检测因为运算量和复杂度比较低，且不要求信号的先验信息而受到广泛关注。

然而，单用户的频谱感知由于受衰落、阴影和隐藏终端等问题的影响，使得感知精确度降低，多个感知用户（Secondary User，SU）间的协作频谱感知通过利用空间分集的特点，可以有效地解决上述问题，显著地提高频谱感知准确度，同时有效降低单个感知用户的负担。当前，根据协作网络结构和协作策略选择不同，协作频谱感知算法通常分为三类：集中式协作频谱感知算法、分布式协作频谱感知算法和中继辅助协作频谱感知算法[3]，此外，现在的研究大多是集中在单个感知用户网络参与协作的情形，基于网络层的多感知用户网络间的协作也可能是未来研究的一个方向。

在协作频谱感知过程中，各协作用户独立地处理观测数据并作出决策后，发送其决策结果至信息融合中心进行最终判决，传统的基于硬判决的协作过程大概描述如下：各SU通过对授权频段的感知，判断主用户（Primary User，PU）是否存在，并采用1和0作为判断结果，通过控制信道传送给融合中心（Fusion Center，FC），FC通常采用and、or和majority准则进行数据融合，最后输出判断结果。传统的数据融合准则and、or和majority大多采用的是等权重进行数据融合[4-6]，然而由于各个SU所处的位置不同以及所处环境不断变化，其所受噪声影响的程度也必然存在差异，显然采用等权重进行数据融合是不合适的，为了使SU在感知过程中能够自适应环境的变化，要求在数据融合过程中，加权系数能够作出自适应的调整。文献[7]提出一种基于估计噪声的加权协作频谱感知方法，以所估计的噪声作为信任度，进行加权数据融合，可以有效提高协作性能，但是其所采用的传统能量检测方法精确度不高；文献[8]提出一种基于门限值动态调整的最优协作检测方法，利用二分法求得不同信噪比条件下的动态门限值，但是其计算的复杂度较大，且采用的数据融合准则不能很好地体现对环境的自适应性；文献[9]提出一种基于最佳数据融合准则的自适应协作频谱感知算法，在时变的环境中，通过迭代对检测概率和虚警概率进行估计，以实现对环境的自适应变化，但是其所采用的检测算法不是最佳的。

基于上述问题，本文提出一种基于改进型能量检测的自适应加权协作频谱感知算法，以改进型能量检测方法为基础，以检测概率和虚警概率的函数作为加权因子进行数据融合，表明对环境的自适应变化，最后的仿真结果表明，本文所提算法使系统的检测错误概率降低，检测性能提高。

2 系统模型

2.1 改进型能量检测算法的定义

假设一个协作频谱感知系统由N个SU组成、1个PU组成。当第i个SU对频谱空洞进行感知时，存在两种假设H0和H1，即

其中i=1,2,…,N，H0表示PU不存在，H1表示PU存在；s(t)～N(0,)，是PU信号的平均发送功率，而vi(t)～(0,)，其表示vi(t)是一个均值为0，方差为的高斯白噪声。在H1的条件下，每个SU所接收到信号的方差是+，假设每个SU所采用的是一种改进型能量检测方法[5]，则第i个SU采用以下统计量去判断PU是否出现。

从公式（2）中可以发现，当p=2时，统计量W与传统的能量检测法相一致。根据文献[10]中虚警概率和漏检概率的定义，可以最终推导出改进型能量检测法中各SU的虚警概率Pf和漏检概率Pm为：

其中Γ(a,x)是普遍马库姆函数，ϒ(a,x)是不完整的伽玛函数。

2.2 门限的自适应调整和最优数据融合准则

2.2.1 协作频谱感知过程中门限自适应调整方法

假设PU到SU链路的信噪比分别为γ1，γ2，…，γN，所对应的门限值分别为λ1，λ2，…，λN，根据式（3）和式（4）可得第i个SU的虚警概率、漏检概率和概率检测表达式分别为：

其中i=1,2,…,N，N为协作频谱感知网络中SU的数目。由此第i个SU的检测错误概率可以定义为：

P0和P1分别表示信道不被PU占据和被PU占据的概率。从式（8）中可以看出，单个SU的检测错误概率不仅与虚警概率有关，而且与漏检概率有关。虚警概率会对SU接入信道时造成影响，而漏检概率会对PU造成干扰，因此检测错误概率Qi与SU和PU均有关联，为了提高频谱检测性能，则在频谱感知过程中要求Qi能够达到最小。

假设PU占用信道和不占用信道的概率是相等的，则根据式（8）～（10）得：

从式（11）看出其是一个关于λi、p和γi的三元方程，由于指数函数的存在，其难以表示成一个λi关于γi和p的显式方程，然而文献[11]提到存在最佳的p使得检测错误概率最小，因此当固定p值时，式（11）成为一个关于λi和γi的二元方程，此时，采用二分法求出不同信噪比γi所对应的门限值λi。

2.2.2 最优数据融合准则

在协作频谱感知过程中，当各SU对PU信道感知作出独立的判决后，将进行数据融合，如何得到恰当的加权因子，是本节阐述的重点。文献[12]提出了一种最佳数据融合算法，其将数据融合中的加权因子定义为虚警概率和检测概率的函数，本文将借鉴该方法并在其基础上作改进，以下将对加权因子的求解过程进行分析，以及对数据融合的执行过程进行阐述。

首先将si(i=1,2,…,N)定义为第i个本地感知节点，s0为融合中心，则

从式（18）和式（19）得到了加权因子，并且可以看出加权因子的值依赖于概率P0，P1，PDi和PFi，如前所述，由于判决门限λi和信噪比γi相关，其可以随环境变化而自适应调整，而PDi和PFi与λi均有关，从侧面反映了加权因子wi(i=1,2,…,N)的自适应变化特性，因此采用该数据融合方式，可以有效地改善系统的频谱检测性能。

此时，以or准则为基础，则本文所提加权数据融合方法的虚警概率和检测概率分别为：

其中PF，PD分别表示数据融合后的虚警概率和检测概率，可以看出加入权值wi后，整个协作感知过程则更加贴近实际。

最佳数据融合准则结构图如图1所示。N

图1 最佳数据融合准则结构图

根据以上各节的详细阐述和分析，为形成一个整体框架，且便于理解，此处建立如图2所示的系统模型。

图2 系统模型架构图

3 仿真与结果分析

为了验证本文所提方法的有效性和可行性，本章利用Matlab软件对其进行仿真和结果分析，并与现有方法进行性能比较。

3.1 单节点频谱感知的仿真与性能分析

假设在一个认知无线电网络中，SU处的信噪比均处于不断变化中，其分布范围是γ1=-20 dB，γ2=-19 dB，…，γ41=20 dB，时间带宽积u=5，p=3。为了便于计算设P0=P1=0.5，图3和图4分别描绘了恒虚警概率（恒检测概率）条件下，检测错误概率和检测概率（虚警概率）随信噪比变化的ROC曲线。

图4 单节点虚警概率和错误概率随信噪比变化曲线

3.2 协作频谱感知的仿真和性能分析

假设认知无线电网络中有1个初级用户、41个次级用户，每个SU处的信噪比均不相同，分别为：γ1=-20 dB，γ2=-19 dB，…，γ41=20 dB，时间带宽积u=5，p=3。图5给出了协作检测概率和系统检测错误概率随协作用户数变化的ROC曲线，图中给出了协作频谱感知系统采用本文所提数据融合方法和传统的or融合方法在恒虚警概率条件下的仿真结果，并设协作系统的恒虚警概率为----Pfi=0.001。由图5可知，本文所提方法的协作检测概率高于传统or数据融合方法的协作检测概率，且在不同协作用户数的条件下本文的协作系统检测错误概率低于传统方法的系统检测错误概率，随着协作用户数的不断增加，二者趋于相同。

图5 协作频谱感知检测概率和错误概率随信噪比的变化曲线

4 结束语

单用户的频谱感知过程由于受信道衰落、阴影和隐藏终端等问题的影响，检测性能降低，此外，传统协作频谱感知方法大多数采用等权重数据融合，而未考虑环境变化的影响。本文针对单节点检测精确度不高，传统协作频谱感知过程不能自适应环境变化等问题，提出一种改进型能量检测的自适应加权协作频谱感知算法，其以最小检测错误概率为目标，导出不同信噪比下的动态门限值，并得到相应的虚警概率和检测概率，最后以虚警概率和检测概率的函数作为加权因子进行数据融合。仿真结果表明，本文所提算法使协作感知系统检测性能提高。在下一步研究中，将结合无线衰落信道环境并考虑更复杂的分布情况，以提高频谱感知的快捷性和可靠性。

[1]Digham F F，Tewfik A H.Detection of known and unknown signals over fading channels[C]//IEEE Global Communications Conference，2003.

[2]Quan Zhi，Cui Shuguang.A optimal linear cooperative for spectrum sensing in cognitive radio network[J].IEEE Journal of Selected Topics in Signal Processing，2008，2（1）.

[3]Ma J，Zhao G，Li Y.Soft combination and detection for cooperative spectrum sensing in cognitive radio networks[J].IEEE TransactionsonWirelessCommunications，2008，7（11）：4502-4507.

[4]Mishra S，Sahai A.Cooperative sensing among cognitive radios[C]//Proc of IEEE ICC 2006，2006：1658-1663.

[5]Sun C，Zhang W，Letaief K.Cooperative spectrum sensing for cognitiveradiosunderbandwidthconstraints[C]//Procof IEEE WCNC 2007，2007：1-5.

[6]Bazerque J，Giannakis G.Distributed spectrum sensing for cognitive radio networks by exploiting sparsity[J].IEEE Trans on Signal Processing，2010，58.

[7]冯文江，宋麟，蒋卫恒.基于噪声估计的加权协同频谱感知技术[J].计算机工程与应用，2011，47（9）：121-123.

[8]谢怀忠，易辉跃，胡艳军，等.基于门限动态调整的最优协作检测方法[J].计算机工程，2012，38（7）：83-86.

[9]Chen Lei，Wang Jun，Li Shaoqing.An adaptive cooperative spectrum sensing scheme based on the optimal data fusion rule[C]//IEEE ISWCS 2007，2007：582-586.

[10]Chen Y.Improved energy detector for random signals in Gaussian noise[J].IEEE Trans on Wireless Commun，2010，9（2）：558-563.

[11]Urkowitz H.Energy detection of unknown deterministic signals[J].Proc of the IEEE，1967，55（4）：523-531.

[12]Singh A，Manav R.Cooperative spectrum sensing in multiple antenna based cognitive radio network using an improved energy detector[J].IEEE Communications Letters，2012，16（1）：64-67.

ZHAO Xiaolong1，2,ZHAO Hangsheng2,CAO Long1，2,XU Jinyong2

1.Institute of Communications Engineering,PLA University of Science&Technology,Nanjing 210007,China
2.Nanjing Telecommunication Technology Institute,Nanjing 210007,China

The single-node energy detection has the drawbacks of low detection accuracy and“hidden terminal”while cooperative sensing algorithms usually use equivalent weights for data fusion instead of considering the influence to the detection performance resulting from communication environment of different nodes.In order to solve the above problems,this paper proposes an adaptive weighted cooperative spectrum sensing algorithm based on improved energy detection which improves single node energy detection and derives the relationship between Signal-to-Noise Ratio（SNR）and decision threshold under the condition of minimal error probability.This paper adopts dichotomy to get dynamic threshold values and corresponding false probability and detection probability at different SNR.It regards the function of false probability and detection probability as the weighted factor to do data fusion.The simulation results show that the proposed algorithm can achieve reliable detection performance of cooperative sensing system with low SNR.

cognitive radio;cooperative spectrum sensing;self-adaption weight;dichotomy

针对单节点能量检测法存在的“隐藏终端”和检测准确性低以及协作频谱感知算法大多采用等权重进行数据融合，未考虑不同节点所处的通信环境对检测性能的影响等问题，提出一种基于改进型能量检测的自适应加权协作频谱感知算法。该算法通过对单节点能量检测方法的改进，在单节点检测错误概率最小的条件下，导出了信噪比与判决门限的关系式，利用二分法求得不同信噪比下的动态门限值，得到相应的虚警概率和检测概率，以虚警概率和检测概率的函数作为加权因子进行数据融合。仿真结果表明，所提算法使协作感知系统在低信噪比条件下也能获得可靠的检测性能。

认知无线电；协作频谱感知；自适应加权；二分法

A

TP393

10.3778/j.issn.1002-8331.1305-0404

ZHAO Xiaolong,ZHAO Hangsheng,CAO Long,et al.Weighted cooperative spectrum sensing algorithm based on improved energy detection.Computer Engineering and Applications,2013,49（24）：61-64.

国家自然科学基金青年基金项目（No.61102092）。

赵小龙（1988—），男，硕士研究生，研究领域为认知无线电和动态频谱管理；赵杭生（1962—），男，博士，研究员，研究领域为动态频谱管理；曹龙（1988—），男，硕士，研究领域为动态频谱管理；许金勇（1976—），男，博士，工程师，研究领域为通信抗干扰和动态频谱管理。E-mail：zhaoxiaolong8@126.com

2013-05-30

2013-09-11

1002-8331（2013）24-0061-04

CNKI出版日期：2013-10-14http://www.cnki.net/kcms/detail/11.2127.TP.20131014.1655.002.html