王 京 于山山 劉 琚

（山東大學(xué)信息科學(xué)與工程學(xué)院，青島，266237）

引 言

隨著無線通信技術(shù)的快速發(fā)展，頻譜資源需求急劇增加，相關(guān)研究表明，授權(quán)頻段的頻譜利用率僅為15%～85%[1-4]?；诖吮尘?，認(rèn)知無線電(Cognitive radio,CR)應(yīng)運(yùn)而生[5-6]，頻譜感知是認(rèn)知無線電的核心技術(shù)，能量檢測[7-9]是頻譜感知中一種可靠的非相關(guān)信號檢測技術(shù)，具有無需先驗(yàn)信息和感知速度快等特點(diǎn)。其不足是在低信噪比情況下，易受到噪聲不確定性的影響。

目前，國內(nèi)外對于能量檢測算法已有較多研究。文獻(xiàn)[10]提出一種基于快速傅里葉變換的能量檢測算法，通過采用窗函數(shù)，保留有用頻譜信息，提高檢測概率。文獻(xiàn)[11]提出了一種協(xié)作式頻譜感知方法，利用極短時間內(nèi)信號不變的性質(zhì)，各節(jié)點(diǎn)將當(dāng)前檢測結(jié)果與前一時刻檢測結(jié)果進(jìn)行聯(lián)系，提高檢測概率。文獻(xiàn)[12]提出了一種基于噪聲不確定度的自適應(yīng)單門限能量檢測算法，根據(jù)噪聲不確定度計(jì)算自適應(yīng)閾值，提高檢測概率。文獻(xiàn)[13]提出一種雙門限信噪比加權(quán)檢測方法，根據(jù)各檢測節(jié)點(diǎn)信噪比，計(jì)算權(quán)重，由中心節(jié)點(diǎn)根據(jù)一定融合規(guī)則和權(quán)重大小進(jìn)行判決。

綜上所述，在低信噪比情況下，傳統(tǒng)雙門限及加權(quán)雙門限檢測方法門限閾值固定不變，缺乏靈活性，且感知結(jié)果未考慮與下一次的聯(lián)系，基于以上兩點(diǎn)不足，本文提出了一種自適應(yīng)雙門限協(xié)作頻譜感知算法，創(chuàng)新點(diǎn)有兩個方面：（1）在原有雙門限檢測的基礎(chǔ)上，加入信噪比加權(quán)系數(shù)，判決門限依據(jù)加權(quán)系數(shù)進(jìn)行自適應(yīng)調(diào)整；（2）利用信號在較短判決時間內(nèi)前后無較大變化的特性，將當(dāng)前判決結(jié)果與前后時刻充分聯(lián)系，提高檢測概率。

1 系統(tǒng)模型

能量檢測算法原理可表示為一個二元假設(shè)過程，輸入時域信號y(t)，經(jīng)濾波、A/D轉(zhuǎn)換后，對采樣值求模、取平方，再進(jìn)行求和得到檢測統(tǒng)計(jì)量，最后與門限值進(jìn)行比較，得到當(dāng)前頻譜是否被用戶占用，如圖1所示。

圖1 能量檢測原理圖Fig.1 Schematic diagram of energy detection

能量檢測算法根據(jù)認(rèn)知用戶收到的信號能量統(tǒng)計(jì)值建立模型，可表示為

式中：s(n)為授權(quán)用戶信號，ω(n)為信道噪聲，Y(n)為認(rèn)知節(jié)點(diǎn)接收的信號，H0表示信道空閑，H1表示信道被用戶占用，N為檢測采樣點(diǎn)數(shù)，則能量統(tǒng)計(jì)值E可表示為

雙門限能量檢測算法的基本思想是通過檢測采樣信號統(tǒng)計(jì)能量值與判決門限值比較作出判決，假設(shè)λH和λL分別為高低判決門限，其判決規(guī)則為

假設(shè)信道環(huán)境為AWGN，當(dāng)采樣點(diǎn)數(shù)較大時，能量統(tǒng)計(jì)值可近似服從式(4)所示的高斯分布[14]，即

式中：Q為標(biāo)準(zhǔn)高斯互補(bǔ)累積分布函數(shù)，虛警概率Pf為信道空閑時，判定為有用戶存在即狀態(tài)為H1的概率，檢測概率Pd為有用戶存在時，判定為有用戶存在狀態(tài)為H1的概率。

基于文獻(xiàn)[15]，信號在實(shí)際傳輸過程中，噪聲不是理想的高斯白噪聲，而是在一定范圍內(nèi)持續(xù)波動，假設(shè)噪聲的不確定度為α，取值范圍為1＜α＜∞，估計(jì)噪聲功率為，變化幅度可由不確定度來表示，則檢測的雙門限為

2 檢測算法

傳統(tǒng)的雙門限協(xié)作頻譜檢測方法是將能量值與兩個固定判決門限進(jìn)行比較，若能量大于較高的判決門限，則判決用戶存在，小于較低的判決門限，則判定用戶不存在，若處于中間閾值內(nèi)，則暫不判決。本文提出的算法有效解決了判決門限固定不變和能量統(tǒng)計(jì)值處于中間閾值時檢測效果較差的問題。

為體現(xiàn)本文算法的有效性，排除各認(rèn)知節(jié)點(diǎn)之間的差異，假設(shè)每個認(rèn)知節(jié)點(diǎn)的工作參數(shù)在一定時間內(nèi)不變且相同，在單節(jié)點(diǎn)單次檢測的情況下，算法流程如圖2所示。

(1)根據(jù)式(8，9)，通過單用戶的虛警概率及噪聲不確定度求出單用戶判決門限λL和λH，此時每個用戶的判決門限都相同。

微生物感染具有普遍性，在產(chǎn)科臨床中常遇到妊娠過程中因發(fā)生感染而就醫(yī)者。母兒間垂直感染可導(dǎo)致先天異?；蚴鼓阁w陷入危重情況。美國婦產(chǎn)科醫(yī)師協(xié)會曾于2015年6月公布《妊娠期巨細(xì)胞病毒(cytomegalovirus，CMV)、微小病毒B19、水痘帶狀皰疹病毒和弓形蟲感染的臨床實(shí)踐指南》[1]，以引起重視。本文就具有代表性的母兒間感染病原體及其如何應(yīng)對的問題予以闡述。

(2)各認(rèn)知節(jié)點(diǎn)將接收信號信噪比發(fā)至融合中心，由融合中心根據(jù)各用戶的信噪比計(jì)算出權(quán)重因子

圖2 單節(jié)點(diǎn)單次檢測流程圖Fig.2 Single node single detection flow chart

式中ωi為第i個認(rèn)知用戶的權(quán)重因子，M為認(rèn)知用戶數(shù)，SNRi為各個認(rèn)知用戶接收信號的信噪比。

(3)根據(jù)式(10)計(jì)算的權(quán)重因子，各認(rèn)知用戶通過權(quán)重因子自適應(yīng)調(diào)整自身判決門限，提高可信度，即

(4)各認(rèn)知用戶通過式(2)得到能量統(tǒng)計(jì)值E，并將收集到的能量與自身判決門限進(jìn)行比較，若高于λHi，則判定為有主用戶存在，若低于λLi，則判定為信道空閑，若處于兩個門限值之間，則將上一次的判決結(jié)果作為當(dāng)前的判決結(jié)果，若上一次也處于兩個門限值之間，則將下一次的判決結(jié)果作為當(dāng)前的判決結(jié)果。單認(rèn)知用戶檢測情況下，在一次判決期內(nèi)，給定初始虛警概率，可得

式中：Enow，Epre，Eaft分別為當(dāng)前、上一次和下一次的能量統(tǒng)計(jì)值，Pdi為各認(rèn)知節(jié)點(diǎn)的檢測概率，結(jié)合式(6)可得

同理，結(jié)合式(5)，可得每個認(rèn)知節(jié)點(diǎn)的虛警概率為

(5)各認(rèn)知節(jié)點(diǎn)將判決結(jié)果發(fā)往中心節(jié)點(diǎn)，采用“或”準(zhǔn)則判決，即當(dāng)有一個節(jié)點(diǎn)檢測到信號時就判決為有用戶存在，檢測概率為

3 仿真及性能分析

為驗(yàn)證算法的有效性，采用蒙特卡洛方法在MATLAB上進(jìn)行仿真分析，仿真次數(shù)為1000，在AWGN信道模型下，信噪比SNR取值范圍-20～10dB，噪聲方差為1，噪聲不確定度α設(shè)置為2，虛警概率Pf設(shè)置為0.05，檢測用戶數(shù)M設(shè)置為5，在不同信噪比情況下，將本文算法與傳統(tǒng)雙門限和加權(quán)雙門限檢測算法進(jìn)行比較，正確檢測概率分布情況如圖3所示。從圖3中可以看出，當(dāng)信噪比為-6dB時，本文所提算法檢測概率接近1，而傳統(tǒng)雙門限算法和加權(quán)雙門限算法需要信噪比達(dá)到2dB時，檢測概率才能接近1，當(dāng)信噪比在-11dB時，本文所提算法相較于另外兩種算法具有最大的差值，算法優(yōu)勢最明顯。加權(quán)雙門限算法根據(jù)信噪比為每個各認(rèn)知用戶分配了不同的權(quán)重因子，該算法僅根據(jù)權(quán)重因子來提高檢測結(jié)果的信任度，并沒有對判決門限進(jìn)行處理，本文所提算法使每個認(rèn)知用戶根據(jù)其信噪比大小，自適應(yīng)調(diào)整其判決門限，進(jìn)而對算法進(jìn)行了改進(jìn)。

圖4為相較于圖3，在相同虛警概率條件下，檢測用戶數(shù)改變?yōu)?0的各算法檢測性能比較，由于信號在實(shí)際傳輸過程中受多徑效應(yīng)和陰影衰落的影響，使得各認(rèn)知節(jié)點(diǎn)接收信號信噪比差異較大，采用更多認(rèn)知節(jié)點(diǎn)可有效克服環(huán)境影響，提高系統(tǒng)檢測性能。

圖5和圖6分別為在信噪比SNR=-13dB和SNR=-10dB條件下，多用戶協(xié)作檢測概率隨虛警概率變化的曲線。從圖中可得信噪比越高，檢測概率越高，在信噪比一定的條件下，檢測概率隨虛警概率的增加而增加，在同一虛警概率條件下，本文所提算法優(yōu)于傳統(tǒng)雙門限和加權(quán)雙門限檢測算法，可保證在較低虛警概率條件下得到更高的檢測概率。

圖3 檢測算法性能比較(M=5,Pf=0.05)Fig.3 Performance comparison of detection algorithms

圖4 檢測算法性能比較(M=10,Pf=0.05)Fig.4 Performance comparison of detection algorithms

圖5 檢測算法性能比較(SNR=-13dB)Fig.5 Performance comparison of detection algorithms(SNR=-13dB)

圖6 檢測算法性能比較(SNR=-10dB)Fig.6 Performance comparison of detection algorithms(SNR=-10dB)

4 結(jié)束語

本文提出一種自適應(yīng)雙門限能量檢測協(xié)作頻譜感知算法，雙門限的判決門限可根據(jù)信噪比加權(quán)系數(shù)改變，利用信號在短時間內(nèi)的不變性，將當(dāng)前感知結(jié)果與前后時刻緊密聯(lián)系起來，將各認(rèn)知節(jié)點(diǎn)的判決結(jié)果發(fā)至中心節(jié)點(diǎn)得到最終判決，通過MATLAB仿真得到不同虛警概率和不同數(shù)量認(rèn)知節(jié)點(diǎn)的情況下，檢測概率和信噪比的關(guān)系。結(jié)果表明該算法相較于傳統(tǒng)雙門限和加權(quán)雙門限檢測算法，在較低信噪比的情況下具有更高的檢測概率，可顯著提高頻譜感知性能。