基于信任度两次分簇过滤的协作感知算法

罗 钧，何 庆

(贵州大学，贵州 贵阳 550025)

基于信任度两次分簇过滤的协作感知算法

罗 钧，何 庆

(贵州大学，贵州 贵阳 550025)

为了有效解决授权频段在恶劣环境下利用率低的问题，根据一种新信任度系数提取用可靠性较好的采样值参与本地单门限能量检测，并通过新信任度系数分簇获取可靠性较好的本地感知节点对本地判决结果进行量化分类，簇头将本地认知节点量化结果、簇内平均权重系数及个数传至融合中心参与协作判决，给出一种新的感知算法。最后，实验仿真表明，该算法可以有效消除低可靠性认知节点参与协同判决，有效地缩减感知过程数据传输开销，提高系统感知性能。

认知无线电；协同频谱感知；过滤；可信度系数

随着大数据传输时代的到来，大量信息需要通过各种频段向外界进行交互，现有可用的频谱资源已经很少，频段利用率通常很低，美国联邦通信委员会发布报告显示，分配的频谱资源利用率达到了15%～85%[1-3]。认知无线网络技术中频谱感知技术为解决该问题提供了依据[4]，传统频谱感知技术有能量检测、循环平稳检测、匹配滤波器检测等[5]，但是，单纯的传统单认知用户感知技术很难达到快速准确的感知，文献[6-13]提出协作感知技术，可以有效解决单个认知用户能量检测受外界恶意攻击引起的感知性能差的问题。本文提出一种新的信任度加权分簇协作感知算法，该算法通过两次过滤提出可靠的本地判决参与协作感知，同时对本地判决和权重系数量化由簇头传输给融合中心参与协作判决。

1 系统模型

1.1 能量检测模型

传统频谱感知模型常见的系统检测模型有：能量检测模型、匹配滤波器模型、特征值检测模型、循环平稳检测模型等[7]。其中，能量检测模型由于感知过程简单，不需要先验知识等特点被普遍采用，本文同样采用能量检测模型，该模型对授权用户频谱感知过程可以简化为二元检测过程[11]

(1)

式中：n(i)表示高斯白噪声；h(i)表示信噪增益；y(i)表示认知用户接收到的信号；x(i)为主用户发射信号；H1,H0表示主用户占用和没有占用频谱两种状态。

单认知用户能量Y检测统计量服从卡方分布和非完全卡方分布[12]

(2)

当认知用户在AWGN信道非衰落环境中时，信道增益h(i)是确定的，认知用户虚报概率和检测概率可表示为[8]

(3)

(4)

本地认知节点能量统计量Yi与判决门限λ比较得出本地判决结果可表示为

(5)

1.2 协作感知判决模型

常见协作感知判决模型有“and判决”、“or判决”和 “N-K 判决”。本文采用“or判决模型”，系统判决模型中检测概率Pd、虚报概率Pf和漏检概率Pm可表示为[4]

(6)

(7)

Q=1-Pd

(8)

2 新信任度加权分簇协作感知算法

在系统协作感知过程中通过权重系数加权协作感知[5],能够有效量化不同可靠性认知节点本地感知判决对协同感知的贡献，本文通过该类算法提出一种新信任度多次过滤的协作感知算法。感知过程可分为以下几个部分：

1)根据次级用户到主用户的距离将所有次级用户分配到多个簇，每个簇选择一个到融合中心较近的次级用户充当簇头[4]，负责收集该簇其他次级用户本地能量感知结果和SNR。

2)每个次级用户根据每个次级用户采样值y与信噪比计算该次级用户内每个采样值和信噪比的均值ESNR和Ey。

(9)

(10)

3) 每个次级用户根据每次采样值与信噪比按照一定判决准则筛选可靠性较高的样值进行本地能量检测Y，并汇报给簇头。判决准则可表示为：当认知节点采样值满足式(11)，过滤该采样值。

(11)

式中：ay，aSNR表示两个过滤参数初定为0.7，可根据检测概率要求修改参数。

(12)

(13)

(14)

式中：aj表示j簇内过滤系数初始值设定为0.3，可以根据系统检测概率调整参数。

(15)

(16)

式中,N是所有认知节点总个数。

6) 融合中心根据均值系数分配每簇融合权重系数Wj，采用or融合判决准则进行最终判决结果

(17)

式中:k表示簇的个数。为了缩减传输开销，本簇内权重系数用相同权重系数和本地判决结果ζj加权融合。融合判决可表示为

(18)

该过程如图1所示。

图1 新信任度协同判决算法流程图

3 仿真分析

假设感知网络中随机分布30个感知节点、1个主用户和1个融合中心，次用户的采样点数N=1 000，本地检测使用单门限能量检测，信任权值因子均设为0.3，假设噪声功率为1，簇内次级用户数为3。对改进算法和传统算法的检测概率、漏检概率仿真分析系统性能。

如图2所示，该图表示传统OR融合算法、信任度加权算法[10]和改进算法3种算法在不同虚报概率下的漏检概率变化曲线图。虚报概率Pf在0到0.9之间间隔为0.1的均匀递增，本文改进算法较传统OR融合算法漏检概率Pm有一定降低，较信任度加权算法漏检概率有小幅度降低，在虚报概率为0.1时，本文算法较信任度加权算法漏检概率降低3%，较传统能量检测OR融合算法降低12%。

图2 不同算法在不同虚报概率下的漏检概率曲线图

如图3所示，该图表示传统单门限能量检测算法、信任度加权协作感知算法、改进算法在不同信噪比下检测概率的变化曲线图。假设次级用户本地能量检测中采样点随机分布在信噪比为-25～0。通过仿真结果曲线图可以看出，当信噪比小于-15 dB时，改进算法检测概率明显优于其他两种传统算法，并随信噪比的降低表现越好，但是当信噪比低于 -20 dB 时，改进算法检测概率不够理想。

图3 不同算法在不同信噪比下的检测概率曲线图

4 结语

本文提出一种新信任度系数过滤协作频谱感知算法，该算法一方面采用两次过滤可靠性差的本地判决结果，另一方面通过簇头对本地判决结果和簇内权重系数量化归类传输给融合中心参与协作判决。通过仿真分析可以看出，本文改进算法在保证系统检测性能的同时，减少了次级用户数和系统数据传输开销，提高了系统检测性能，并有效克服了噪声不确定性。

[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.认知无线电中协作频谱感知技术研究[D].北京：北京交通大学，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，李方伟，朱江.一种基于感知信任度的加权协作感知算法[J].电视技术，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

贵州省科技厅基金项目(黔科合J字20122171)；贵州大学博士基金项目(贵大人基合字2010010)

TN925.5

A

10.16280/j.videoe.2015.19.013

2015-05-21

【本文献信息】罗钧，何庆.基于信任度两次分簇过滤的协作感知算法[J].电视技术,2015，39(19).

罗 钧(1988— )，硕士生，主研认知无线网络；

何 庆(1983— )，博士，副教授，主要研究方向为认知无线网络。

责任编辑：许 盈