王海艷，楊春雨，郭 敏

(1.吉林省軍區(qū)通信站，長(zhǎng)春130011;2.吉林大學(xué)通信工程學(xué)院，長(zhǎng)春130012)

0 引 言

作為認(rèn)知無(wú)線電通信的關(guān)鍵技術(shù)之一，頻譜檢測(cè)技術(shù)［1-7］被廣泛應(yīng)用于無(wú)線局域網(wǎng)絡(luò)(WLAN:Wireless Local Area Networks)、無(wú)線區(qū)域網(wǎng)絡(luò)(WRAN:Wireless Regional Area Network)、超寬帶無(wú)線電(UWB:Ultra Wideband)、無(wú)線網(wǎng)格網(wǎng)絡(luò)(Mesh)以及多入多出(MIMO:Multiple-Input Multiple-Output)系統(tǒng)等多種技術(shù)。在頻譜檢測(cè)系統(tǒng)中，可靠檢測(cè)概率需達(dá)到90%［8］以上，但由于陰影、衰落以及噪聲的不確定性等因素的影響，單節(jié)點(diǎn)檢測(cè)具有很大的局限性，而協(xié)作頻譜檢測(cè)不但能降低對(duì)認(rèn)知設(shè)備的要求，而且減弱了多徑衰落對(duì)接收信號(hào)的影響，因此更能滿足頻譜檢測(cè)要求的可靠性和有效性。目前，協(xié)作頻譜檢測(cè)系統(tǒng)面臨各種技術(shù)難題，如隱藏終端問題、檢測(cè)時(shí)延問題、能量閾值的設(shè)置和惡意節(jié)點(diǎn)的檢測(cè)等，這些問題與系統(tǒng)的檢測(cè)性能密切相關(guān)。筆者選擇隱藏終端問題作為相關(guān)研究的切入點(diǎn)進(jìn)行研究。

由于傳輸信道中存在很多不利于無(wú)線信號(hào)傳輸?shù)囊蛩?，例如，高大建筑物、山脈和樹林等，因此，無(wú)線信號(hào)在傳輸過程中時(shí)常會(huì)經(jīng)歷不同程度的衰減，甚至產(chǎn)生畸變。當(dāng)檢測(cè)環(huán)境中存在嚴(yán)重衰落或陰影效應(yīng)時(shí)，某些認(rèn)知用戶會(huì)接收到較弱信號(hào)或接收不到信號(hào)，很容易做出主用戶信號(hào)不存在的判決并接入相應(yīng)頻段，從而對(duì)主用戶造成有害干擾，這就是隱藏終端問題。可見，隱藏終端問題嚴(yán)重影響頻譜檢測(cè)系統(tǒng)的可靠性，其相關(guān)研究具有重要意義。

1 數(shù)據(jù)篩選算法

筆者提出一種數(shù)據(jù)篩選算法以實(shí)現(xiàn)從眾多檢測(cè)數(shù)據(jù)中選擇出少數(shù)可信度較高的認(rèn)知用戶代替所有認(rèn)知用戶參與協(xié)作檢測(cè)。由于UWB技術(shù)已經(jīng)可以實(shí)現(xiàn)認(rèn)知用戶的高分辨率定位，因此，假設(shè):認(rèn)知用戶與主用戶之間的距離值Di(i為認(rèn)知用戶的編號(hào))為已知，認(rèn)知用戶數(shù)目足夠多(≥10)且認(rèn)知用戶之間可以進(jìn)行雙向通信，認(rèn)知用戶均勻分布在主用戶附近。

在不存在嚴(yán)重干擾的無(wú)線信道中，認(rèn)知用戶i接收信號(hào)的衰落幅度與Di之間存在正相關(guān)關(guān)系，而且，當(dāng)存在嚴(yán)重的隱藏終端問題時(shí)，認(rèn)知用戶的接收能量較小，為此，筆者提出圖1所示的數(shù)據(jù)篩選算法。圖1中，Dmax、Dmin、Emax和Emin分別表示所有認(rèn)知用戶對(duì)應(yīng)的距離值與能量值的最大值和最小值。圖1中的大矩形區(qū)域被(Dmax+Dmin)/2和(Emax+Emin)/2等分為 A、B、C、D 4個(gè)小矩形區(qū)域，其中，A區(qū)域表示距離較近且檢測(cè)能量較大的認(rèn)知用戶集合，該區(qū)域在某種程度上可視為主用戶信號(hào)在較為理想的信道中正常傳輸?shù)那闆r;B區(qū)域表示距離較遠(yuǎn)且檢測(cè)能量較小的認(rèn)知用戶集合，具體包括信道條件一般的認(rèn)知用戶以及存在隱藏終端問題的認(rèn)知用戶;C區(qū)域表示距離較近但檢測(cè)能量較小的認(rèn)知用戶集合，該區(qū)域?qū)?yīng)距離較近但存在嚴(yán)重隱藏終端問題的認(rèn)知用戶;D區(qū)域表示距離較遠(yuǎn)但檢測(cè)能量較大的認(rèn)知用戶集合，該區(qū)域?qū)?yīng)認(rèn)知用戶存在的可能性幾乎為零。顯然，A區(qū)域?qū)?yīng)認(rèn)知用戶的檢測(cè)信息更能如實(shí)反映主用戶信號(hào)的存在狀態(tài)且不受隱藏終端問題的影響，因此，選用A區(qū)域?qū)?yīng)的認(rèn)知用戶作為最佳信息集合參與判決融合。

圖1 數(shù)據(jù)篩選算法示意圖Fig.1 The schematic diagram of data screening algorithm

2 協(xié)作頻譜檢測(cè)系統(tǒng)

基于數(shù)據(jù)篩選算法的協(xié)作頻譜檢測(cè)系統(tǒng)流程圖如圖2所示。首先，主用戶信號(hào)通過疊加有高斯噪聲的無(wú)線衰落信道到達(dá)認(rèn)知用戶;并對(duì)每個(gè)認(rèn)知用戶的接收信號(hào)依次進(jìn)行模數(shù)轉(zhuǎn)換、平方求和，得到對(duì)應(yīng)的能量值Ei;根據(jù)Di和Ei間的關(guān)系，對(duì)所有認(rèn)知用戶進(jìn)行數(shù)據(jù)篩選生成最佳信息集合并傳送至信息融合中心;最后，信息融合中心通過權(quán)值合并的方式對(duì)篩選后的信息進(jìn)行融合判決。筆者將對(duì)系統(tǒng)中的重要環(huán)節(jié)進(jìn)行詳細(xì)描述。

圖2 基于數(shù)據(jù)篩選算法的協(xié)作頻譜檢測(cè)系統(tǒng)框圖Fig.2 The diagram of cooperative spectrum detection system based on data screening algorithm

2.1 二元檢測(cè)模型及能量值計(jì)算

在圖2中，總數(shù)為M的認(rèn)知用戶(Ci(i=1，2，…，M)表示第i個(gè)認(rèn)知用戶)同時(shí)檢測(cè)主用戶信號(hào)的存在狀態(tài)，H0表示主用戶信號(hào)未出現(xiàn)在相應(yīng)頻段，H1表示主用戶信號(hào)出現(xiàn)在相應(yīng)頻段。主用戶信號(hào)的存在與否，與該頻段被占用與否是相互對(duì)應(yīng)的，因此，二元檢測(cè)模型將頻譜檢測(cè)問題轉(zhuǎn)換為信號(hào)處理問題，即頻譜檢測(cè)過程中只需判斷接收信號(hào)中是否存在主用戶信號(hào)。第k個(gè)時(shí)段的二元檢測(cè)模型可以表示為

其中xi(k)為第i個(gè)認(rèn)知用戶的接收信號(hào)，k=1，2，…，N表示采樣點(diǎn)數(shù)，由時(shí)間帶寬乘積確定，s(k)為主用戶信號(hào)，vi(k)為均值為零的加性高斯白噪聲，即，方差向量記作表示主用戶信號(hào)在傳輸過程中受到的噪聲影響。不失一般性，假設(shè){vi(k)}與s(k)相互獨(dú)立，且各認(rèn)知用戶接收信號(hào)的信噪比相互獨(dú)立。信道增益hi表示主用戶信號(hào)的衰減系數(shù)，且每個(gè)檢測(cè)周期內(nèi)hi值保持不變。

第i個(gè)認(rèn)知用戶接收信號(hào)的能量值為

2.2 權(quán)值合并及融合判決

在圖2中，μi(i=1，2，…，L，L為數(shù)據(jù)篩選后剩余節(jié)點(diǎn)的數(shù)量)表示數(shù)據(jù)篩選后剩余節(jié)點(diǎn)的能量值，根據(jù)中心極限定理可知，當(dāng)樣本點(diǎn)個(gè)數(shù)N足夠大(實(shí)際取值大于等于10)時(shí)，檢測(cè)統(tǒng)計(jì)量{μi}近似服從正態(tài)分布，即 μi～N［Eμi，Var(μi)］，均值 Eμi和方差 Var(μi)的表達(dá)式分別為

其中ηi為第i個(gè)認(rèn)知用戶的本地信噪比，Es為每個(gè)檢測(cè)周期內(nèi)N個(gè)樣本序列的能量值。

為實(shí)現(xiàn)多個(gè)認(rèn)知用戶的協(xié)作檢測(cè)，需要將檢測(cè)統(tǒng)計(jì)量{μi}通過疊加有信道噪聲{ni}的控制信道傳送到融合中心，融合中心的接收信號(hào)為

在融合中心處，{yi}與權(quán)值變量w的乘積即為檢測(cè)系統(tǒng)的全局統(tǒng)計(jì)變量

其中w為最優(yōu)權(quán)值向量，表達(dá)式為

記pf為恒虛警概率準(zhǔn)則下的虛警概率，則判決閾值γc和協(xié)作頻譜檢測(cè)方案的檢測(cè)概率Pd分別為

其中

其中δ為第i個(gè)認(rèn)知用戶對(duì)應(yīng)的信道噪聲的方差，g為信道增益幅度平方矩陣的轉(zhuǎn)置

3 實(shí)驗(yàn)結(jié)果與分析

基于線性加權(quán)的3種頻譜檢測(cè)算法的性能比較曲線如圖3所示。由圖3可知，最優(yōu)權(quán)值合并算法［9，10］的檢測(cè)概率相對(duì)基于信噪比(SNR:Signal to Noise Ratio)比較算法有顯著提高，這是因?yàn)樽顑?yōu)權(quán)值合并算法采用的權(quán)值向量(又稱最優(yōu)權(quán)值向量)更能如實(shí)反映各認(rèn)知用戶的可信度。筆者所提算法成功地將最優(yōu)權(quán)值合并算法及數(shù)據(jù)篩選算法融合到同一個(gè)頻譜檢測(cè)系統(tǒng)中，檢測(cè)概率相對(duì)最優(yōu)權(quán)值合并算法又有了很大提升。

數(shù)據(jù)篩選技術(shù)對(duì)檢測(cè)性能的影響如表1所示。表1為圖3提供了理論支持:改進(jìn)算法提高了融合信息的質(zhì)量，系統(tǒng)檢測(cè)概率理應(yīng)有所提高。

隨著UWB定位技術(shù)的不斷發(fā)展，當(dāng)定位技術(shù)發(fā)展較為成熟時(shí)，檢測(cè)時(shí)延的總體變化趨勢(shì)是縮短的，系統(tǒng)的實(shí)時(shí)性也會(huì)得到改善。

理論分析與實(shí)驗(yàn)仿真結(jié)果表明，筆者所提算法的檢測(cè)概率相對(duì)最優(yōu)權(quán)值合并算法以及基于信噪比比較算法均有顯著提升，而且所提算法在實(shí)時(shí)性方面還有很大發(fā)展空間。此外，UWB定位技術(shù)與CR頻譜檢測(cè)技術(shù)的結(jié)合應(yīng)用有助于精簡(jiǎn)感知信息，提高判決信息質(zhì)量，從而改善UWB-CR系統(tǒng)的頻譜檢測(cè)性能。因此，數(shù)據(jù)篩選算法在促進(jìn)UWB系統(tǒng)和CR系統(tǒng)的相互融合方面具有重要意義。

圖3 基于線性加權(quán)的算法檢測(cè)性能比較曲線Fig.3 The contrast curves of detection performance based on linear weighting algorithm

表1 UWB定位技術(shù)和數(shù)據(jù)篩選算法對(duì)檢測(cè)系統(tǒng)的影響Tab.1 The influence of UWB positioning technology and data screening algorithm to detection system

4 結(jié)語(yǔ)

筆者將數(shù)據(jù)篩選算法融入到線性權(quán)值合并算法中，并提出了對(duì)應(yīng)的協(xié)作頻譜檢測(cè)系統(tǒng)框圖。針對(duì)所提算法，筆者進(jìn)行了與兩種傳統(tǒng)的線性合并算法的對(duì)比分析，仿真結(jié)果表明，筆者所提算法明顯提高了系統(tǒng)的檢測(cè)概率，而且隨著定位技術(shù)的不斷發(fā)展，頻譜檢測(cè)系統(tǒng)的實(shí)時(shí)性也會(huì)得以改善。

［1］馬志垚，陳巍，曹志剛.認(rèn)知無(wú)線電網(wǎng)絡(luò)中基于檢測(cè)概率的主用戶定位算法［J］.北京郵電大學(xué)學(xué)報(bào)，2009，32(2):14-19.MA Zhiyao.CHEN Wei，CAO Zhigang.Analysis on Detection Probability Based Primary User Localization Algorithm in Cognitive Radio Networks［J］.Journal of Beijing University of Posts and Telecommunications，2009，32(2):14-19.

［2］HAYKIN S.Cognitive Radio:Brain-Empowered Wireless Communications［J］.IEEE JSAC，2005，23(2):201-220.

［3］LIANG Z，F(xiàn)ENG S，ZHAO D，et al.Delay Performance Analysis for Supporting Real-Time Traffic in a Cognitive Radio Sensor Network ［J］.IEEE Transactions on Wireless Communications，2011，10(1):325-335.

［4］CHRISTOPHER CLEMENT J，KISHORE V KRISHNAN.Cognitive Radio:Spectrum Sensing Problems in Signal Processing［J］.International Journal of Computer Applications，2012，40(16):37-40.

［5］LI Q，LI Z.A Novel Sequential Spectrum Sensing Method in Cognitive Radio Using Suprathreshold Stochastic Resonance［J］.IEEE Transactions on Vehicular Technology，2014，63(4):1717-1725.

［6］LIN Youen，LIU Kunhsing，HSIEH HUNGYUN.On Using Interference-Aware Spectrum Sensing for Dynamic Spectrum Accessin Cognitive Radio Networks［J］.IEEE Transactions on Mobile Computing，2013，12(3):461-474.

［7］TREEUMNUK，POPESCU D C.Enhanced Spectrum Utilisation in Dynamic Cognitive Radios with Adaptive Sensing［J］.Signal Processing，IET，2014，8(4):339-346.

［8］FCC.Spectrum Policy Task Force Report［R］.Washington:Report of the Spectrum Efficiency Working Group，2002.

［9］鄭軼，謝顯中，楊黎麗.基于SNR比較的認(rèn)知無(wú)線電協(xié)作頻譜檢測(cè)技術(shù)［J］.電訊技術(shù)，2009，49(8):13-16.ZHENG Yi，XIE Xianzhong，YANG Lili.Cooperative Spectrum Sensing Based on SNR Comparison for Cognitive Radio［J］.Telecommunication Engineering，2009，49(8):13-16.

［10］ZHI Quan，CUI Shuguang，ALI H SAYED.Optimal Linear Cooperation for Spectrum Sensing in Cognitive Radio Networks［J］.IEEE Journal of Selected Topics in Signal Processing，2008，2(1):28-40.