基于认知用户移动性的协作频谱感知研究

胡 峰，郑紫微，金 涛

(宁波大学通信技术研究所，浙江宁波315211)

1 概述

无线通信技术的快速发展导致频谱资源变得日益紧张，频谱利用率不高的问题制约着无线通信的发展。认知无线电技术［1-2］一经提出就受到广泛关注，它能感知周围环境并从周围环境中获取信息，寻找频谱空穴［3］并通过动态频谱接入，打破现有的静态频谱管理体制，实现对频谱资源的二次利用，从而提高频谱利用率。频谱感知［4-5］是认知无线电的关键技术之一。然而，由于实际场景中受到多径衰落、阴影效应和接收机不确定性等问题的影响，仅靠单用户的检测结果并不能保证检测结果的可靠性和准确性。为改善该情况，文献［6］提出协作频谱检测，综合多个认知用户的检测结果以协作的方式来提高频谱感知的整体检测性能。

目前一些文献提出的协作频谱感知方案［7-8］均假设各认知用户(Cognitive User，CR)处于静止状态，没有考虑到认知用户在协同感知期间的移动，这种情况不适合实际的认知环境。在实际认知环境中，认知用户可能会处于移动状态，认知用户的移动性会对用户间的协作检测产生影响［9］。针对上述问题，本文基于“与”(AND)和“或”(OR)融合准则，分析比较移动CR用户和静止CR用户处于不同速度时的协作检测性能。

2 系统模型

2．1 能量检测模型

频谱检测方法包括能量检测、循环特征检测、匹配滤波器检测等方法。能量检测是频谱检测最基本的方法［10］。能量检测实现简单、算法复杂度低，无需知道信号的先验知识，所以被广泛使用。判决方法是先设定一个门限，通过能量检测器与设定的门限相比较，若超过判决门限，则认为该频段内有主用户(Primary User，PU)存在。假定接收信号的表达式为:

其中，s(t)是被检测的信号;w(t)是加性高斯噪声，由式(1)可知，当信号为0，该频段内PU不存在。能量检测器可以写为:

其中，n是抽样序列向量维数。

由图1可知，接收到的主信号y(t)首先经过带通滤波器，过滤掉噪声后，再经过平方运算，并在观测时间T内进行积分，最终得到信号的能量统计值Y［11-12］。将Y与预先设定的门限λE进行比较，若大于门限值λE，则表示PU存在。若小于门限值λE，则表示PU不存在，信道空闲，上述判断通过以下假设检验来实现:

传统频谱感知通常采用二元假设模型:

其中，H0表示频段空闲，可以被认知用户使用;H1表示频段被占用，认知用户不可以使用该频段。

图1 能量检测算法实现流程

性能检测可以通过2个概率来衡量:检测概率PD和虚警概率PFA。PD是指在检测频段内出现PU被正确检测到的概率。

其中，PFA是指在检测频段内LU没有出现，能量检测器认为PU存在的概率。

Y服从一个自由度为2u的χ2分布:

其中，γ为信噪比;u=TW，W是用户感兴趣的频带带宽。Y的概率分布函数为:

从式(8)可以看出，一旦LU拥有较低的检测概率PD，将会无法准确地检测到PU信号，这样就会增加对LU的干扰。如果PFA过高，则会因为错误警报使频谱利用率降低。

在AWGN信道下检测概率PD和虚警概率PFA分别为:

其中，λE是门限值;γ为信噪比(Signal to Noise Ratio，SNR);Γ(x)与 Γ(x，y)分别为完整和不完整的Gamma函数;Q(x)为广义Marcum函数。

2．2 CR移动时的协作感知

频谱检测在实际场景中的性能通常被多径衰落、阴影效应和接收机的不确定性问题所制约，所以，对于单个认知用户的本地频谱检测还存在诸多限制，为减少这些问题的影响，提出协同频谱检测理论，也称为协作频谱感知，通过利用空间分集来有效提高性能。目前一些文献提出的协作频谱感知方案［13-15］，均假设各CR用户处于静止状态中，没有考虑到认知用户在协同感知期间的移动，而实际认知环境中，CR用户可能会处于动态状态中，而认知用户的移动性可能会对检测性能以及协作产生影响。

集中式频谱检测方法是将每个CR用户获得检测数据直接传送到融合中心，由融合中心经过处理后得出结论。该方法具有数据全面、信息无丢失、最终判决结论置信度高等优点，所以本文在集中式频谱检测方法的基础上综合考虑CR用户的移动性，提出一种CR移动状态下的协作检测模型，如图2所示。

图2 CR移动状态下的协作检测模型

如图2所示，PU为信号发射机，数据融合中心(Fusion Center，FC)汇集所有接收到的本地感知信息，决策PU是否存在，并且将感知结果分发到协作的CR用户。假设CR1静止，CRn以速度Vn(n=2，3，…，7)匀速向图示方向(CR用户向PU靠近)作直线移动，同时假设CR1与CRn之间的距离大于一个数值以克服CR用户间因距离太近所产生的阴影相关性。由于认知覆盖网络区域内不同地点无线电传播特性不同，从而CR用户接收PU的信号衰落因子a也会不同，第 i个 CR用户的 SNR由以下公式给出:

其中，P是PU发送功率;Pi是CR用户接收功率;di是第i个CR用户与PU的距离;ai是第i个CR用户所经历的路径衰落因子;NO是噪声功率。

协作具体过程为:首先数据融合中心(FC)选择一个频段并且控制协作CR用户各自进行本地感知;其次所有CR用户通过控制信道上传它们的感知数据;最后FC汇集所有接收到的本地感知信息，决策PU是否存在，并且将感知结果分发到协作CR用户。

当CR用户二进制的本地检测结果上报给FC时，运用线性融合规则来获取协作决策是很方便的。本文主要采用“与”和“或”准则。令ui为CR用户i的本地决策，u为 FC做出的协作决策，ui，u∈{0，1}，“1”，“0”分别表示 PU 的存在状态(H1)和不存在状态(H0)。

AND准则指对任意i，如果ui都为1，FC就判决u=1。此时的检测概率和虚警概率分别为:

OR准则是对任意i，只要有ui为1，FC就判决u=1。此时的检测概率和虚警概率分别为:

3 仿真结果与分析

仿真过程:假设现在认知网络中有7个CR用户，其中，CR1为静止状态，其余6个CRn用户以不同速度Vn(n=2，3，…，7)作匀速直线运动，且各CR用户与数据融合中心之间的传输信道是理想的，每个CR用户均采用能量检测方法获得一个本地检测结果。

基于上述假设，设定 CRn(n=2，3，…，7)用户的速度对应为:v2=10 m/s，v3=15 m/s，v4=20 m/s，v5=25 m/s，v6=30 m/s，v7=35 m/s。

为使数据抽样值足够大，对CRn用户运动的时间取离散值，时间间隔为0．1 s，每个离散值点对应一个数据抽样值。

图3是移动CR用户与静止CR用户基于AND融合准则的协作性能的ROC比较。可以看出，在虚警概率一定的情况下，移动速度v=10 m/s的CR用户与静止CR用户协作的检测概率最大，移动速度v=35 m/s的CR用户与静止CR用户协作的检测概率最小;移动CR用户速度增大时，与静止CR用户的协作检测性能逐渐降低。

图3 基于AND融合准则的协作性能比较

图4是移动CR用户与静止CR用户基于OR融合准则的协作性能的ROC比较。可以看出，当移动CR用户速度增大时，它与静止CR用户基于OR融合准则的协作检测性能也是逐渐降低。

图4 基于OR融合准则的协作性能比较

根据图3、图4，可以得出:不论是基于And融合准则还是基于OR融合准则，移动CR用户与静止CR用户的协作检测性能均随着移动CR用户的速度逐渐增大而逐渐降低。

4 结束语

在基于认知无线电协作感知的基础上，考虑到实际情况中CR用户的移动性，提出一种动态的协作检测模型，分析比较移动CR用户处于不同速度时与静态CR用户的协作检测性能。仿真结果表明，移动CR用户与静止CR用户基于线性准则进行协作检测时，移动CR用户速度变化状态会对协作检测性能产生影响。移动CR用户移动速度变大，协作检测性能下降，因此，为提升协作检测的整体性能，应优先考虑使用移动较慢的CR用户进行协作检测。下一步工作将对CR用户处于匀速或变速时，移动CR用户与静止CR用户之间如何协作及其协作性能与速度之间的关系进行研究。

［1］ 丁汉青．认知无线电频谱感知技术研究［D］．西安:西安电子科技大学，2011．

［2］ Sungsoo P．Cognitive Radio Networks with Energy Harvesting［J］．IEEE Transactions on Wireless Communications，2013，12(3):1386-1397．

［3］ 王红军，毕光国．一种新型的认知无线电频谱空穴自适应检测算法［J］．电子与信息学报，2010，32(10):2458-2462．

［4］ Chang K，Bouchra S．Spectrum Sensing Optimization for Dynamic Primary User Signal［J］．IEEE Transactions on Communications，2012，60(12):3632-3640．

［5］ Huang Xinlin，Wang Gang，Hu Fei，et al．Multitask Spectrum Sensing in Cognitive Radio Networks via Spatiotemporal Data Mining［J］．IEEE Transactions on Vehicular Technology，2013，62(2):809-823．

［6］ Hu Hang，LiNing，Xu Youyun，etal．Efficient Cooperative Spectrum Sensing with Minimum Sensing Error Probability in Heterogeneous Cognitive Radio Networks［C］//Proceedings of2012 International ConferenceonWirelessCommunications＆Signal Processing．Washington D．C．，USA:IEEE Press，2012:1-6．

［7］ Chen Wenbin，Yang Chikai，Huang Yuanhao．Energy Saving Cooperative Spectrum Sensing Processor for Cognitive Radio System［J］．IEEE Transactions on Regular Papers，2011，58(4):711-723．

［8］ Singh A，Bhatnagar M R，Mallik R K，et al．Cooperative Spectrum Sensing in Multiple Antenna Based Cognitive Radio Network Using an Improved Energy Detector［J］．IEEE Communications Letters，2012，16(1):64-67．

［9］ Kalamkar S S，Banerjee A．Improved Double Threshold Energy Detection for Cooperative Spectrum Sensing in Cognitive Radio［J］．Defence Science Journal，2013，63(1):34-40．

［10］ 温志刚．认知无线电频谱检测理论与实践［D］．北京:北京邮电大学，2011．

［11］ 卞 荔，朱 琦．基于数据融合的协作频谱感知算法［J］．南京邮电大学学报:自然科学版，2009，29(2):73-78．

［12］ 杨明极，吴 琼，石佳庆，等．信噪比比较的协作频谱感知算法［J］．哈尔滨理工大学学报，2013，18(2):105-108．

［13］ Deng R，Chen J，Yue C，etal．Energy-efficient Cooperative Spectrum Sensing by Optimal Scheduling in Sensor-aided CognitiveRadio Networks［J］．IEEE Transactions on Vehicular Technology，2012，61(2):716-725．

［14］ 陈守坤，李 莉，王 沛，等．基于阈值选择信噪比的协作频谱检测［J］．通信技术，2011，44(3):4-6．

［15］ 郑 轶，谢显中，杨黎丽．基于SNR比较的认知无线电协作频谱检测［J］．电视技术，2009，49(8):13-17．