基于线性加权的频谱感知算法研究综述

包志强　郭瑞星

摘 要： 频谱感知技术通过认知用户对周围频谱资源的检测发现频谱空洞，从而可以动态地接入该频段，提高了频谱资源的利用率。多节点合作频谱感知可以解决单节点检测时可能发生漏检的缺点，因此合作频谱感知技术得到了快速的发展。研究了合作频谱感知技术中的加权算法，对每个用户分配不同的权值，然后对线性加权算法做了仿真，并通过对算法的改进，得到最终的检测结果。

关键词： 合作频谱感知； 能量检测算法； 线性加权算法； 频谱空洞

中图分类号： TN919.8?34 文献标识码： A 文章编号： 1004?373X（2015）01?0026?04

Abstract： The spectrum holes can be found with the spectrum sensing technology according to the peripheral spectrum resources detected by the cognitive users， which can dynamically access the frequency band， and improve the utilization of the spectrum resource. Multi?node cooperative spectrum sensing can overcome the shortcomings that may occur when a single node is used for detection， so cooperative spectrum sensing technology has been developed rapidly. The weighted algorithm in the cooperative spectrum sensing technology is studied in this paper， in which different weight is distributed to each user， and then the simulation is carried out for the linear weighted algorithm. The final detected results were obtained on the basis of the improvement of the algorithm.

Keywords： cooperative spectrum perception； energy detection algorithm； linear weighted algorithm； spectrum hole

0 引 言

由于无线通信技术的快速发展，频谱资源紧缺成为急需解决的问题。根据美国联邦通信委员会（Federal Communication Commission，FCC）的调查显示，授权用户中只有15%～85%使用授权频段，由此得出频谱的利用率比较低[1]。

为了解决上述问题，提出了认知无线电（Cognitive Radio，CR）技术。其核心是认知用户通过检测频谱空洞[2]，动态地接入授权的空闲频段中，当认知用户检查到主用户时，立即退出该频段，以免对授权用户造成干扰。根据美国联邦通信委员会的定义，Simon Haykin建立了认知无线电的基本认知环模型[3]，如图1所示。

本文研究了信任度加权算法与均值加权，信噪比加权，最大比合并算法在AWGN信道和Rayleigh信道下做了对比，结果表明信任度加权算法的检测性能优于另外三种算法。在实际中，当各认知用户将其检测统计量和信噪比送到融合中心，融合中心不仅要根据其信噪比计算出各自的权值，还要计算加权和然后再做最后的判决，这样融合中心的负担会加重，尤其是在认知用户较多的情况下。因此，通过改进，将权值的分配在送至融合中心之前完成，并且根据设定好的门限值，对每个认知用户分别判决，然后将判决结果送到融合中心，这样融合中心接收到的是每个用户的判决结果，再根据硬判决准则做出最后的判决，仿真结果表明改进后的检测性能较传统加权算法的检测性能得到了提高。

1 频谱感知算法简述

频谱感知算法有不同的分类标准，根据参与检测的节点的数目，可以分为单节点频谱感知[4]和多节点频谱感知[5]；根据是否需要主用户的先验信息，可分为盲感知算法和非盲感知算法；按照网络结构的不同，可以分为集中式频谱感知[5]和分布式频谱感知[6]；按照数据融合方式的不同，可以分为硬合并[7]、软合并[8]和双门限[9]。

2 信任度加权合作感知算法

2.1 信任度函数

假设第i个认知用户和第j个认知用户感知到的信噪比分别为[γi]和[γj，]如果[γi]的真实性大于[γj，]那么[γi]被[γj]信任的程度也就大[10]。

2.6 仿真结果及分析

本文用Matlab在AWGN信道和Rayleigh信道下，对四种加权算法进行了仿真。实验参数如下：自由度[u=5，]认知用户数[N=3，]信噪比分别为8 dB，9 dB，13 dB。

图3表示在AWGN信道下，四种算法的检测性能对比曲线。结果表明，信任度加权算法的检测概率大于最大比合并算法的检测概率，信噪比加权算法的检测概率大于均值加权。

图4表示在Rayleigh信道下的检测性能对比曲线，从结果可以看出，四种算法的检测概率比在AWGN信道下的检测性能都下降了，但是，信任度加权算法的检测概率仍然大于另外三种算法的检测性能。

3 算法改进及仿真

3.1 算法原理

为了减轻数据融合中心的负担，同时避免能量和信噪比在传输中的损耗，将权值的计算与分配在发送能量值信号至融合中心之前完成[2]。原理框图如图5所示。

3.2 算法仿真结果及分析

实验参数如下：自由度[u=5，]认知用户数[N=3，]信噪比分别为-3 dB，-2 dB，2 dB。

改进后，在AWGN信道下，四种算法的检测性能对比曲线如图6所示。由图6可以看出，改进后算法的性能得到了明显的提高，信任度加权算法的检测性能仍然是最高，其次是最大比合并算法，信噪比加权算法大于均值加权。如在虚警概率为0.1时，改进前最大比合并算法的检测概率约为0.5，而改进后算法的检测概率为0.8。

4 结 论

本文研究了信任度加权、信噪比加权、均值加权，最大比合并四种线性加权算法。线性加权的核心是如何获得最优的权值。因此，考虑到每个认知用户信任度不同对最后的结果的贡献也不一样，研究了指数函数的信任度函数，实验结果表明该算法不仅能够为每个认知用户分配合理的权值，其检测性能也得到提高。为了解决数据融合中心的负担和数据在传输过程中的损耗，对传统算法进行了改进，通过仿真对比比较，证明改进的算法提高了整个系统的性能。

参考文献

[1] AKYILDIZ I F， LEE W Y， VURAN M C， et al. NeXt generation/dynamic spectrum access/cognitive radio wireless networks： a survey [J]. Computer Networks， 2006， 50（13）： 2127?2159.

[2] HAYKIN S， THOMSON D J， REEd J H. Spectrum sensing for cognitive radio [J]. Proceedings of the IEEE， 2009， 97（5）： 849?877.

[3] HAYKIN S. Cognitive radio： brain?empowerd wireless communications [J].IEEE Journal on Selected Areas in Communications， 2005， 23（2）： 201?220.

[4] CABRIC D， TKACHENKO A， BRODERSEN R W. Experimental study of spectrum sensing based on energy detection and network cooperation [C]// Proceedings of The First International Workshop on Technology and Policy for Accessing Spectrum. New York， NY， USA： ACM， 2006： 111?118.

[5] PRATAS N， MARCHETTI N， PRASAD N， et al. Centralized cooperative spectrum sensing for Ad?hoc disaster relief network clusters [C]// 2010 IEEE 71st Vehicular Technology Confe?rence. [S.l.]： IEEE， 2010： 1?5.

[6] PRATAS N， MARCHETTI N， PRASAD N， et al. Adaptive counting rule for cooperative spectrum sensing under correla?ted environments [J]. Wireless Personal Communications， 2012， 64（1）： 93?106.

[7] QUAN Z， CUI S， SAYED A H. Optimal linear cooperation for spectrum sensing in cognitive radio networks [J]. IEEE Journal of Selected Topics in Signal Processing， 2008， 2（1）： 28?40.

[8] 焦竹青，熊伟丽，张林，等.基于信任度的多传感器数据融合及其应用[J].东南大学学报：自然科学版，2008，38（z1）： 253?257.

[9] 邹卫霞，丁奇，周正，等.基于特征值极限分布的双门限频谱感知算法[J].系统工程与电子技术，2012，34（3）：588?591.

[10] 杨铁军，司春丽.基于信任度加权的合作频谱感知算法[J].计算机应用研究，2012，29（8）：3124?3127.

[11] 胡富平.基于能量检测的认知无线电协作频谱检测研究[D].武汉：华中科技大学，2010.

[12] BIN SHAHID M I， KAMRUZZAMAN J. Weighted soft decision for cooperative sensing in cognitive radio networks [C]// 16th IEEE International Conference on Networks. [S.l.]： IEEE， 2008： 1?6.

[13] YUCEK T， ARSLAN H. A survey of spectrum sensing algorithms for cognitive radio applications [J]. IEEE Communications Surveys & Tutorials， 2009， 11（1）： 116?130.

[14] GHASEMI A， SOUSA E S. Opportunistic spectrum access in fading channels through collaborative sensing [J]. Journal of Communications， 2007， 2（2）： 71?82.

[15] SHEN B， HUANG L， ZHAO C， et al. Weighted cooperative spectrum sensing in cognitive radio networks [C]// Third International Conference on Convergence and Hybrid Information Technology. [S.l.]： IEEE， 2008， 1： 1074?1079.