智能车联物联网混合协同频谱感知系统的制作方法

本发明涉及通信技术领域，尤其涉及一种智能车联物联网混合协同频谱感知系统。

背景技术：

车联物联网是以车内网、车际网和车载移动互联网为基础，在车与车或者车与人之间，按照预先约定的协议进行数据通信和信息交换的系统网络。随着各式无线通信设备不断在车辆中的安装，这些多数目的车辆组成了一个复杂繁忙的车联无线通信网络。

在车联无线通信网络中，无线通信设备工作时需要占用大量的频段，以实现车辆与外界设备的信息交互。但是，在繁忙无线通信网络中，真正能够令车辆上通信设备随时占用的空闲通信频段极为稀少，通信频谱资源紧缺问题正成为严重制约车联物联网顺畅通信的关键问题。如何有效地利用现有紧缺的频谱资源，以实现车联物联网的正常通信需求，正成为当前车联网领域亟需解决的关键。在此背景下，基于认知无线电(Cognitive Radio,CR)技术的智能车联物联网系统应运而生，车联物联网中对频谱情况具有认知功能的车辆也被称之为认知车辆。

认知车辆的认知过程为，首先假定认证车辆处于静止装置，认知车辆对周围通信环境中的已授权频谱资源持续感知(或者检测)；然后在保证授权用户优先占用该段频谱的条件下，认知车辆自适应地调整自设收发设备至空闲频谱上通信。当认知车辆感知到授权用户信号出现时，认知车辆则快速腾出该频段以供授权用户使用，进而避免干扰授权用户在此频段上的正常通信，从而提高了车联无线通信网络中的频谱资源利用率。

但是，在实时环境中，车联物流网中的认知车辆并非始终处于静止不动状态，这就要求车联物联网系统在对频谱进行感知时要考虑认知车辆运动状态对频谱感知结果的影响。因此，如何设计一种新型的车联物联网系统，以对频谱进行有效、准确地检测成为车联物联网系统研究中的又一课题。

技术实现要素：

本发明所要解决的技术问题是针对上述现有技术提供一种能够准确、有效地对频谱进行检测的智能车联物联网混合协同频谱感知系统。

本发明解决上述技术问题所采用的技术方案为：智能车联物联网混合协同频谱感知系统，其特征在于，包括授权用户、N个智能车辆、频谱感知融合中心、中继控制节点以及分布于路边的K个中继节点；

所述各智能车辆上均设置有第一中央处理模块以及分别连接第一中央处理模块的第一通信模块、第一北斗定位模块、频谱感知模块、车辆行驶速度检测模块、车辆行驶角度检测模块、运动时间检测模块和第一存储模块；第一存储模块分别连接第一北斗定位模块、频谱感知模块、车辆行驶速度检测模块、车辆行驶角度检测模块、第一通信模块和运动时间检测模块；

第一北斗定位模块，用以获得智能车辆的当前位置数据，并保存至第一存储模块；频谱感知模块，一方面用以检测授权用户频谱的占用情况，获得关于该授权用户频谱的检测概率和虚警概率，另一方面用以检测该智能车辆自身的信噪比，并分别发送自身信噪比以及关于授权用户频谱的检测概率和虚警概率给第一存储模块存储；车辆行驶速度检测模块，用以实时检测当前智能车辆的即时速度值，并保存到第一存储模块；车辆行驶角度检测模块，用以实时检测当前车辆行驶方向偏离该智能车辆初始位置至授权用户位置连线的角度，并以该角度作为车辆即时速度的方向角度值保存到第一存储模块；运动时间检测模块，用以实时检测智能车辆的累积运动时间，并保存至第一存储模块；第一通信模块，用以实现智能车辆分别与各中继节点的通信连接；第一存储模块，用以存储所对应智能车辆的实时位置数据、频谱感知模块的信噪比数据、车辆的即时速度值以及车辆即时速度的方向角度值；

所述各中继节点均包括第二中央处理模块以及分别连接第二中央处理模块的第二通信模块、第二北斗定位模块、检测中继节点自身信噪比的信噪比检测模块、检测中继节点功耗的节点功耗检测模块以及第二存储模块，第二存储模块分别连接第二通信模块、第二北斗定位模块、信噪比检测模块和节点功耗检测模块；

所述中继控制节点，用以接收各中继节点转发的各数据，并选择出具有最佳中继性能的最佳中继节点；所述中继控制节点分别与频谱感知融合中心、各中继节点建立通信连接，中继控制节点接收频谱感知融合中心所发送来的位置数据；

所述频谱感知融合中心包括第三中央处理模块以及分别连接第三中央处理模块的第三通信模块、第三北斗定位模块、用以融合各检测结果的频谱感知融合计算模块以及第三存储模块；第三存储模块分别连接第三通信模块、第三北斗定位模块和频谱感知融合计算模块；所述频谱感知融合中心通过第三通信模块、第二通信模块分别与各中继节点建立通信连接，并发送频谱感知融合中心的位置数据给各中继节点；

所述频谱感知融合计算模块，用以根据最佳中继节点所转发的各数据，计算、获取该混合协同频谱感知系统的最终混合协同检测概率；其中，获取该混合协同频谱感知系统的最终混合协同检测概率的过程依次包括如下步骤1至步骤11：

步骤1，N个智能车辆获取、保存自身初始位置到授权用户位置的距离值，并同时实时获取、保存自身的信噪比、即时速度值、即时速度的方向角度值，并分别对授权用户的频谱占用情况进行能量检测，然后将包括检测概率和虚警概率的检测结果进行保存；其中：

即时速度的方向角度值为智能车辆前进方向偏离该智能车辆初始位置至授权用户位置连线的偏离角度，第i个智能车辆标记为CR_i，i＝1,2,…,N，N≥3，智能车辆CR_i自身的信噪比记为SNR_i，智能车辆CR_i的即时速度值标记为v_i，智能车辆CR_i的即时速度的方向角度值标记为θ_i；授权用户标记为PU；智能车辆CR_i自身初始位置到授权用户PU位置的距离值标记为d_i；

步骤2，K个中继节点分别获取自身的信噪比，并将自身的信噪比发送给中继控制节点，由中继控制节点计算得到具有最佳中继性能的最佳中继节点；中继控制节点标记为Relay_Control，频谱感知融合中心标记为FC，最佳中继节点的获取过程包括如下步骤2-1至步骤2-4：

步骤2-1，K个中继节点分别获取自身的信噪比，并由中继控制节点计算各中继节点的信噪比衡量指数；其中：

为第k个中继节点Relay_k的信噪比衡量指数，为第k个中继节点Relay_k的信噪比，K≥2；

步骤2-2，K个中继节点分别获取自身的功耗值，并由中继控制节点计算各中继节点的功耗衡量指数；其中：

为第k个中继节点Relay_k的功耗衡量指数，E_k为第k个中继节点Relay_k的功耗值；

步骤2-3，K个中继节点分别获取自身位置至中继控制节点距离以及自身位置至频谱感知融合中心的距离，并由中继控制节点计算各中继节点的中继效益衡量指数；其中：

其中，为第k个中继节点Relay_k的中继效益衡量指数，D_k1为第k个中继节点Relay_k至中继控制节点Relay_Control的距离值，D_k2为第k个中继节点Relay_k至频谱感知融合中心FC的距离值，max(D_k1,D_k2)表示距离D_k1和距离D_k2中的最大值，min(D_k1,D_k2)表示距离D_k1和距离D_k2中的最小值；

步骤2-4，根据各中继节点的信噪比衡量指数、功耗衡量指数以及中继效益衡量指数，由中继控制节点计算各中继节点的综合性能衡量指数，得到最大性能衡量指数，并以该最大性能衡量指数所对应的中继节点作为最佳中继节点；其中，各中继节点的综合性能衡量指数计算公式如下：

其中，χ_k为第k个中继节点Relay_k的综合性能衡量指数，χ_opt为最大综合性能衡量指数，K为所有中继节点的总个数；

步骤3，N个智能车辆将各自的信噪比和检测概率分别发送给最佳中继节点，并由最佳中继节点将接收的各智能车辆的信噪比和检测概率转发给频谱感知融合中心；

步骤4，频谱感知融合中心根据最佳中继节点所转发来的N个智能车辆所对应的信噪比和检测概率，计算各智能车辆对应的信噪比在所有N个智能车辆信噪比阵列中的权值ω_i以及各智能车辆对应的检测效益指数δ_i；其中，智能车辆CR_i所对应信噪比的权值ω_i以及检测效益指数δ_i分别计算如下：

P_d,i表示智能车辆CR_i所发送的检测概率；

步骤5，频谱感知融合中心根据预设协同智能车辆筛选阈值以及各智能车辆对应信噪比的权值情况，筛选出参与协同检测的主协同智能车辆阵列以及辅助协同智能车辆阵列：

当智能车辆所对应信噪比的权值大于预设协同智能车辆筛选阈值ω₀时，则选择该智能车辆参与协同检测，并置入主协同智能车辆阵列S₁中；否则，则将该智能车辆作为参与协同检测的辅助协同智能车辆，并置入辅助协同智能车辆阵列S₂中；

其中，在主协同智能车辆阵列S₁中，设定作为参与协同检测的智能车辆的总数目为N₁；在辅助协同智能车辆阵列S₂中，设定作为参与协同检测的辅助协同智能车辆的总数目为N₂，且N₁+N₂＝N；

步骤6，在主协同智能车辆阵列S₁中，预设M个按照升序排列的分簇阈值λ_j，频谱感知融合中心根据主协同智能车辆阵列S₁中各协同智能车辆发送来的信噪比分别与各分簇阈值作判断比较，以得到M₁个独立的含有协同智能车辆的分簇；其中，j＝1,2,…,M且λ₁<λ₂<…<λ_M；分簇标记为C_l，l＝1,2,…,M₁，1≤M₁≤M；其中，频谱感知融合中心对各协同智能车辆的分簇过程包括如下步骤6-1和步骤6-2：

步骤6-1，根据M个分簇阈值，设定M+1个分簇区间段分别为(-∞,λ₁]、(λ₁,λ₂]、…、(λ_M-1,λ_M]和(λ_M,∞)；其中，位于第一分簇内的协同智能车辆对应的信噪比处于(-∞,λ₁]区间段内，位于第二分簇内的协同智能车辆对应的信噪比处于(λ₁,λ₂]区间段内，依认知类推，位于第M分簇内的协同智能车辆对应的信噪比处于(λ_M-1,λ_M]区间段内，位于第M+1分簇内的协同智能车辆对应的信噪比处于(λ_M,∞)区间段内；

步骤6-2，频谱感知融合中心分别将主协同智能车辆阵列S₁中各协同智能车辆对应的信噪比与M+1个分簇区间段进行比较，以判决各协同智能车辆所处的分簇区间段：

当协同智能车辆的信噪比处于分簇区间段(-∞,λ₁]时，则不准该协同智能车辆参与协同检测；当协同智能车辆的信噪比处于分簇区间段或者(λ_M,∞)时，则将该协同智能车辆置入主协同智能车辆阵列S₁中；

步骤7，在含有协同智能车辆的M₁个分簇内，按照协同智能车辆对应信噪比从大到小的顺序，选择各分簇内具有最大信噪比的协同智能车辆作为该分簇的簇首智能车辆，并选择各分簇内具有最小信噪比的协同智能车辆作为该分簇的簇内感知融合中心，从而得到M₁个簇首智能车辆以及对应的M₁个簇内感知融合中心；其中，M₁≤M+1；

步骤8，针对M₁个分簇，依次得到各簇内的簇内协同检测概率和簇内协同虚警概率，并由各簇分别发送对应的簇内协同检测概率和簇内协同虚警概率给频谱感知融合中心；各簇内频谱感知融合检测过程包括如下步骤8-1和步骤8-4：

步骤8-1，在一个分簇C_l内，协同智能车辆CR_m根据实时检测的检测时间间隔值△t_m、即时速度值v_m以及即时速度的方向角度值θ_m，得到协同智能车辆CR_m与授权用户的实时距离△d_m之间的函数关系方程；其中：

其中，△t_m表示协同智能车辆CR_m前后两次实时检测的检测时间间隔值，D_0m表示协同智能车辆CR_m初始位置至频谱感知融合中心FC的距离；M₂表示该分簇C_l内除去簇内感知融合中心后的协同智能车辆的总数目；m≤M₂；

步骤8-2，根据协同智能车辆CR_m与授权用户PU间的实时距离△d_m以及协同智能车辆CR_m的累计移动时间T_m，得到协同智能车辆CR_m在累计运动时间T_m内的平均速度值并将该平均速度值发送给该簇C_l的簇内感知融合中心；其中，协同智能车辆CR_m的平均速度值计算如下：

步骤8-3，协同智能车辆CR_m所处簇C_l的簇内感知融合中心根据簇内各协同智能车辆发送来的平均速度值，依次计算各协同智能车辆的速度对自身检测结果的削减指数κ_m；其中，协同智能车辆CR_m所对应削减指数κ_m的计算如下：

其中，M₂表示该分簇C_l内除去簇内感知融合中心后的协同智能车辆的总数目，表示该簇C_l内M₂个协同智能车辆的平均速度值中的最大值，表示该簇C_l内M₂个协同智能车辆的平均速度值中的最小值；

步骤8-4，根据所得簇C_l内各协同智能车辆对应的削减指数以及各协同智能车辆的检测结果，由该簇C_l内的簇内感知融合中心对簇内协同智能车辆的检测结果融合，以得到该簇内所有协同智能车辆的簇内协同检测概率和簇内协同检测的虚警概率；其中，簇内协同检测概率标记为Q_d,l，簇内协同虚警概率标记为Q_f,l，其中：

簇内协同检测概率簇内协同虚警概率l＝1,2,…,M₁，1≤M₁≤M；p_k表示该簇C_l内第k个协同智能车辆的检测概率；κ_k表示协同智能车辆CR_k所对应的削减指数；

步骤9，根据辅助协同智能车辆阵列S₂中的各辅助协同智能车辆所对应的检测概率，利用AND准则得到该辅助协同智能车辆阵列S₂中的辅助协同检测概率和辅助协同虚警概率，并发送辅助协同检测概率和辅助协同虚警概率给频谱感知融合中心；其中：

Q_d,S2表示辅助协同检测概率，Q_f,S2表示辅助协同虚警概率；p_q表示辅助协同智能车辆阵列S₂中的第q个辅助协同智能车辆的检测概率；

步骤10，频谱感知融合中心根据M₁个分簇对应的簇内协同智能车辆的信噪比以及辅助协同智能车辆阵列S₂内所有辅助协同智能车辆的信噪比，分别得到M₁个分簇所对应的主协同贡献系数δ_l以及辅助协同智能车辆阵列S₂的辅助协同贡献系数δ_S2；其中：

M₁个分簇各自对应的主协同贡献系数

辅助协同智能车辆阵列S₂的辅助协同贡献系数

其中，表示第l个分簇C_l内的第r个协同智能车辆CR_r的信噪比，m_l表示第l个分簇C_l内所有协同智能车辆的总数目且m_l≠M₂，N₂表示辅助协同智能车辆阵列S₂内所有辅助协同智能车辆的总数目；

步骤11，频谱感知融合中心根据各分簇所对应的主协同贡献系数δ_l以及辅助协同智能车辆阵列S₂所对应的协同贡献系数δ_S2，得到N个智能车辆的最终混合协同检测概率；其中，N个智能车辆的最终混合协同检测概率Q_D的计算公式如下：

与现有技术相比，本发明的优点在于：

首先，在车联物联网中，通过将多个具有认知功能的智能车辆进行无线通信连接，借助中继节点的中继功能，实现各智能车辆与频谱感知融合中心的连接，以形成由多智能车辆、中继节点以及频谱感知融合中心所形成的混合协同频谱感知系统，避免仅仅依靠单个智能车辆感知频谱时所带来检测性能低的不足；

其次，针对中继节点，中继控制节点通过得到各中继节点的信噪比衡量指数、功耗衡量指数以及中继效益衡量指数，获取各中继节点的综合性能衡量指数，并以最大性能衡量指数所对应的中继节点作为最佳中继节点，由最佳中继节点负责各智能车辆与频谱感知融合中心的数据交互，保证智能车辆与频谱感知融合中心之间数据交互的通信质量，进而提高频谱感知融合中心的融合检测性能，提高对频谱感知结果的协同检测的准确度；

再次，频谱感知融合中心根据各智能车辆实时检测自身的信噪比以及预设协同智能车辆筛选阈值，筛选得到主协同智能车辆阵列以及辅助协同智能车辆阵列，并对主协同智能车辆阵列中的各智能车辆分簇，以既考虑信誉指数较高的智能车辆，又不放弃信誉指数较低的智能车辆，从而把所有智能车辆检测结果充分考虑到协同频谱感知融合中，大大地提高了后续的协同频谱感知性能；

最后，充分考虑智能车辆运动时的实际状态，在计算各分簇中智能车辆基于自身速度和角度的削减指数后进行数据融合，把单个智能车辆自身运动时的速度矢量融入到所处簇的协同检测中，避免传统协同检测方法因理想化地将智能车辆假定为静止状态时而带来的不适应实际情景的不足，从而使得该车联物联网混合频谱感知系统所适应的协同频谱感知方法更具准确性和实用性。

附图说明

图1为本发明实施例中智能车联物联网混合协同频谱感知系统的结构示意图；

图2为本发明实施例中获取混合协同频谱感知系统的最终混合协同检测概率的方法流程示意图。

具体实施方式

以下结合附图实施例对本发明作进一步详细描述。

如图1所示，本实施例中的智能车联物联网混合协同频谱感知系统，包括授权用户1、N个智能车辆2、频谱感知融合中心3、中继控制节点4以及分布于路边的K个中继节点5；

各智能车辆2上均设置有第一中央处理模块21以及分别连接第一中央处理模块21的第一通信模块22、第一北斗定位模块23、频谱感知模块24、车辆行驶速度检测模块25、车辆行驶角度检测模块26、运动时间检测模块27和第一存储模块28；第一存储模块28分别连接第一北斗定位模块23、频谱感知模块24、车辆行驶速度检测模块25、车辆行驶角度检测模块26、第一通信模块22和运动时间检测模块27；由于智能车辆2中增设了频谱感知模块24，从而具有了对频谱占用情况进行检测的功能，所以，本实施例中的智能车辆具有认知功能；其中：

第一北斗定位模块23，用以获得智能车辆2的当前位置数据，并保存至第一存储模块28；

频谱感知模块24，一方面用以检测授权用户频谱的占用情况，获得关于该授权用户频谱的检测概率和虚警概率，另一方面用以检测该智能车辆2自身的信噪比，并分别发送自身信噪比以及关于授权用户频谱的检测概率和虚警概率给第一存储模块28存储；

车辆行驶速度检测模块25，用以实时检测当前智能车辆3的即时速度值，并保存到第一存储模块28；车辆行驶角度检测模块26，用以实时检测当前车辆行驶方向偏离该智能车辆2初始位置至授权用户1位置连线的角度，并以该角度作为车辆即时速度的方向角度值保存到第一存储模块28；

运动时间检测模块27，用以实时检测智能车辆2的累积运动时间，并保存至第一存储模块28；

第一通信模块22，用以实现智能车辆2分别与各中继节点5的通信连接；

第一存储模块28，用以存储所对应智能车辆的实时位置数据、频谱感知模块24的信噪比数据、车辆的即时速度值以及车辆即时速度的方向角度值；

各中继节点5均包括第二中央处理模块51以及分别连接第二中央处理模块51的第二通信模块52、第二北斗定位模块53、检测中继节点自身信噪比的信噪比检测模块54、检测中继节点功耗的节点功耗检测模块55以及第二存储模块56，第二存储模块56分别连接第二通信模块52、第二北斗定位模块53、信噪比检测模块54和节点功耗检测模块55；

中继控制节点4，用以接收各中继节点5转发的各数据，并选择出具有最佳中继性能的最佳中继节点；中继控制节点4分别与频谱感知融合中心3、各中继节点5建立通信连接，中继控制节点4接收频谱感知融合中心3所发送来的位置数据；

频谱感知融合中心3包括第三中央处理模块31以及分别连接第三中央处理模块31的第三通信模块32、第三北斗定位模块33、用以融合各检测结果的频谱感知融合计算模块34以及第三存储模块35；第三存储模块35分别连接第三通信模块32、第三北斗定位模块33和频谱感知融合计算模块34；频谱感知融合中心3通过第三通信模块32、第二通信模块52分别与各中继节点5建立通信连接，并发送频谱感知融合中心3的位置数据给各中继节点5；

频谱感知融合计算模块34，用以根据最佳中继节点所转发的各数据，计算、获取该混合协同频谱感知系统的最终混合协同检测概率；其中，参见图2所示，获取该混合协同频谱感知系统的最终混合协同检测概率的过程依次包括如下步骤1至步骤11：

步骤1，N个智能车辆获取、保存自身初始位置到授权用户位置的距离值，并同时实时获取、保存自身的信噪比、即时速度值、即时速度的方向角度值，并分别对授权用户的频谱占用情况进行能量检测，然后将包括检测概率和虚警概率的检测结果进行保存；其中：

即时速度的方向角度值为智能车辆前进方向偏离该智能车辆初始位置至授权用户位置连线的偏离角度，第i个智能车辆标记为CR_i，i＝1,2,…,N，N≥3，智能车辆CR_i自身的信噪比记为SNR_i，智能车辆CR_i的即时速度值标记为v_i，智能车辆CR_i的即时速度的方向角度值标记为θ_i；授权用户标记为PU；智能车辆CR_i自身初始位置到授权用户PU位置的距离值标记为d_i；

例如，设定智能车辆CR₁的初始位置为O，授权用户PU的位置为A，智能车辆CR₁的前进方向(也就是即时速度方向)为沿着OB方向，则智能车辆CR₁的即时速度的方向角度值θ₁为∠BOA；智能车辆CR₁自身初始位置到授权用户PU位置的距离值d₁＝OA；在现在已有的协同频谱感知方法中，认知用户均被假设为处于理想的静止状态，但是实际环境中的认知用户并非始终处于静止状态的，这些传统的协同频谱感知方法并没有考虑认知用户在实际环境中的移动情况，而本实施例中充分考虑了具有认知功能的智能车辆实际环境中的移动情况，利用智能车辆的即时速度、即时速度方向来表征智能车辆的移动情况，从而能够更加切合实际环境中的频谱感知需要，更有使用性；

步骤2，K个中继节点分别获取自身的信噪比，并将自身的信噪比发送给中继控制节点，由中继控制节点计算得到具有最佳中继性能的最佳中继节点；中继控制节点标记为Relay_Control，频谱感知融合中心标记为FC，最佳中继节点的获取过程包括如下步骤2-1至步骤2-4：

步骤2-1，K个中继节点分别获取自身的信噪比，并由中继控制节点计算各中继节点的信噪比衡量指数；其中：

为第k个中继节点Relay_k的信噪比衡量指数，为第k个中继节点Relay_k的信噪比，K≥2；

步骤2-2，K个中继节点分别获取自身的功耗值，并由中继控制节点计算各中继节点的功耗衡量指数；其中：

为第k个中继节点Relay_k的功耗衡量指数，E_k为第k个中继节点Relay_k的功耗值；

步骤2-3，K个中继节点分别获取自身位置至中继控制节点距离以及自身位置至频谱感知融合中心的距离，并由中继控制节点计算各中继节点的中继效益衡量指数；其中：

其中，为第k个中继节点Relay_k的中继效益衡量指数，D_k1为第k个中继节点Relay_k至中继控制节点Relay_Control的距离值，D_k2为第k个中继节点Relay_k至频谱感知融合中心FC的距离值，max(D_k1,D_k2)表示距离D_k1和距离D_k2中的最大值，min(D_k1,D_k2)表示距离D_k1和距离D_k2中的最小值；

步骤2-4，根据各中继节点的信噪比衡量指数、功耗衡量指数以及中继效益衡量指数，由中继控制节点计算各中继节点的综合性能衡量指数，得到最大性能衡量指数，并以该最大性能衡量指数所对应的中继节点作为最佳中继节点；其中，各中继节点的综合性能衡量指数计算公式如下：

其中，χ_k为第k个中继节点Relay_k的综合性能衡量指数，χ_opt为最大综合性能衡量指数，K为所有中继节点的总个数；其中，相对传统中继方法，本实施例中经判断各中继节点的综合性能衡量指数后所选择的最佳中继节点具有更好的中继性能，也可以保证智能车辆与频谱感知融合中心中间数据交互的通信质量，进而提高频谱感知融合中心的融合检测性能，提高对频谱感知结果的协同检测的准确度；

步骤3，N个智能车辆将各自的信噪比和检测概率分别发送给最佳中继节点，并由最佳中继节点将接收的各智能车辆的信噪比和检测概率转发给频谱感知融合中心；

步骤4，频谱感知融合中心根据最佳中继节点所转发来的N个智能车辆所对应的信噪比和检测概率，计算各智能车辆对应的信噪比在所有N个智能车辆信噪比阵列中的权值ω_i以及各智能车辆对应的检测效益指数δ_i；其中，智能车辆CR_i所对应信噪比的权值ω_i以及检测效益指数δ_i分别计算如下：

P_d,i表示智能车辆CR_i所发送的检测概率；

在智能车辆的检测效益指数的计算中，充分考虑各智能车辆信噪比在所有智能车辆信噪比集合中的权重情况，以此准确地得到筛选主协同智能车辆和辅助协同智能车辆的真实筛选参考指标，从而提高整个车联物联网混合协同系统的协同频谱感知性能；

步骤5，频谱感知融合中心根据预设协同智能车辆筛选阈值以及各智能车辆对应信噪比的权值情况，筛选出参与协同检测的主协同智能车辆阵列以及辅助协同智能车辆阵列：

当智能车辆所对应信噪比的权值大于预设协同智能车辆筛选阈值ω₀时，则选择该智能车辆参与协同检测，并置入主协同智能车辆阵列S₁中；否则，则将该智能车辆作为参与协同检测的辅助协同智能车辆，并置入辅助协同智能车辆阵列S₂中；

在主协同智能车辆阵列S₁中，设定作为参与协同检测的智能车辆的总数目为N₁；在辅助协同智能车辆阵列S₂中，设定作为参与协同检测的辅助协同智能车辆的总数目为N₂，且N₁+N₂＝N；

在现有的协同频谱感知方法中，通过设定阈值筛选出信噪比较大的认知用户参与协同，剩余的信噪比较小的认知用户则被剔除。这样虽然能够降低后续参与协同的各认知用户的协同检测计算复杂度，但是由于信噪比较小的认知用户已经被剔除掉，这样将无法充分发挥这些被剔除掉认知用户对后续整个协同检测效果的贡献情况，以致于最终得到的整个协同检测的性能大大降低；

在本实施例中，通过设定、筛选出主协同智能车辆阵列S₁和辅助协同智能车辆阵列S₂，既考虑信誉指数较高的具有认知功能的智能车辆，又不放弃信誉指数较低的智能车辆，从而把所有智能车辆检测结果充分考虑到协同频谱感知融合中，进而大大地提高了后续的协同频谱感知性能；

步骤6，在主协同智能车辆阵列S₁中，预设M个按照升序排列的分簇阈值λ_j，频谱感知融合中心根据主协同智能车辆阵列S₁中各协同智能车辆发送来的信噪比分别与各分簇阈值作判断比较，以得到M₁个独立的含有协同智能车辆的分簇；其中，j＝1,2,…,M且λ₁<λ₂<…<λ_M；分簇标记为C_l，l＝1,2,…,M₁，1≤M₁≤M；其中，频谱感知融合中心对各协同智能车辆的分簇过程包括如下步骤6-1和步骤6-2：

步骤6-1，根据M个分簇阈值，设定M+1个分簇区间段分别为(-∞,λ₁]、(λ₁,λ₂]、…、(λ_M-1,λ_M]和(λ_M,∞)；其中，位于第一分簇内的协同智能车辆对应的信噪比处于(-∞,λ₁]区间段内，位于第二分簇内的协同智能车辆对应的信噪比处于(λ₁,λ₂]区间段内，依认知类推，位于第M分簇内的协同智能车辆对应的信噪比处于(λ_M-1,λ_M]区间段内，位于第M+1分簇内的协同智能车辆对应的信噪比处于(λ_M,∞)区间段内；

例如，设定有五个分簇阈值分别是λ₁＝1dB、λ₂＝2dB、λ₃＝4dB、λ₄＝5dB和λ₅＝7dB；则第一分簇内的协同智能车辆信噪比处于(-∞,1dB]的区间段内，第二分簇内的协同智能车辆信噪比处于(1dB,2dB]的区间段内，第三分簇内的协同智能车辆信噪比处于(2dB,4dB]的区间段内，第四分簇内的协同智能车辆信噪比处于(4dB,5dB]的区间段内，第五分簇内的协同智能车辆信噪比处于(5dB,7dB]的区间段内，第六分簇内的协同智能车辆信噪比处于(7dB,∞)的区间段内；

步骤6-2，频谱感知融合中心分别将主协同智能车辆阵列S₁中各协同智能车辆对应的信噪比与M+1个分簇区间段进行比较，以判决各协同智能车辆所处的分簇区间段：

当协同智能车辆的信噪比处于分簇区间段(-∞,λ₁]时，则不准该协同智能车辆参与协同检测；当协同智能车辆的信噪比处于分簇区间段或者(λ_M,∞)时，则将该协同智能车辆置入主协同智能车辆阵列S₁中；

例如，在主协同智能车辆阵列S₁中，参照步骤6-1所列的五个分簇阈值分别是λ₁＝1dB、λ₂＝2dB、λ₃＝4dB、λ₄＝5dB和λ₅＝7dB，假如主协同智能车辆阵列S₁中的某一协同智能车辆的信噪比值为3dB，则该协同智能车辆处于(2dB,4dB]的区间段内；假如主协同智能车辆阵列S₁中的另一协同智能车辆的信噪比值为0.4dB，则该协同智能车辆处于(-∞,1dB]的区间段内，此时不准该协同智能车辆参与协同检测；假如主协同智能车辆阵列S₁中的另一协同智能车辆的信噪比值为9dB，则该协同智能车辆处于(7dB,∞)的区间段内，此时不准该协同智能车辆参与协同检测；

步骤7，在含有协同智能车辆的M₁个分簇内，按照协同智能车辆对应信噪比从大到小的顺序，选择各分簇内具有最大信噪比的协同智能车辆作为该分簇的簇首智能车辆，并选择各分簇内具有最小信噪比的协同智能车辆作为该分簇的簇内感知融合中心，从而得到M₁个簇首智能车辆以及对应的M₁个簇内感知融合中心；其中，M₁≤M+1；

例如，在含有协同智能车辆的第一个分簇(-∞,1dB]的区间段内，处于该分簇区间段(-∞,1dB]内的各协同智能车辆的信噪比分别为0.8dB、0.6dB、0.5dB和0.3dB，则该分簇内最大信噪比0.8dB所对应的协同智能车辆即为该分簇的簇首智能车辆，该分簇内最小信噪比0.3dB所对应的协同智能车辆即为该分簇的簇内感知融合中心；

步骤8，针对M₁个分簇，依次得到各簇内的簇内协同检测概率和簇内协同虚警概率，并由各簇分别发送对应的簇内协同检测概率和簇内协同虚警概率给频谱感知融合中心；各簇内频谱感知融合检测过程包括如下步骤8-1和步骤8-4：

步骤8-1，在一个分簇C_l内，协同智能车辆CR_m根据实时检测的检测时间间隔值△t_m、即时速度值v_m以及即时速度的方向角度值θ_m，得到协同智能车辆CR_m与授权用户的实时距离△d_m之间的函数关系方程；其中：

其中，△t_m表示协同智能车辆CR_m前后两次实时检测的检测时间间隔值，M₂表示该分簇C_l内除去簇内感知融合中心后的协同智能车辆的总数目；D_0m表示协同智能车辆CR_m初始位置至频谱感知融合中心FC的距离；m≤M₂；例如，协同智能车辆CR_m在第一次实时检测的时刻值为T₁，协同智能车辆在第二次实时检测的时刻值为T₂，则协同智能车辆CR_m前、后两次实时检测的检测时间间隔值△t_m＝T₂-T₁；

步骤8-2，根据协同智能车辆CR_m与授权用户PU间的实时距离△d_m以及协同智能车辆CR_m的累计移动时间T_m，得到协同智能车辆CR_m在累计运动时间T_m内的平均速度值并将该平均速度值发送给该簇C_l的簇内感知融合中心；其中，协同智能车辆CR_m的平均速度值计算如下：

步骤8-3，协同智能车辆CR_m所处簇C_l的簇内感知融合中心根据簇内各协同智能车辆发送来的平均速度值，依次计算各协同智能车辆的速度对自身检测结果的削减指数κ_m；其中，协同智能车辆CR_m所对应削减指数κ_m的计算如下：

其中，M₂表示该分簇C_l内除去簇内感知融合中心后的协同智能车辆的总数目，表示该簇C_l内M₂个协同智能车辆的平均速度值中的最大值，表示该簇C_l内M₂个协同智能车辆的平均速度值中的最小值；

本实施例中定义的削减指数κ_m既充分考虑各协同智能车辆运动时的平均速度值情况，并把单个智能车辆自身运动时的速度矢量(包括了即时速度值和即时速度的方向角度值)也融入到所处簇的协同检测中，避免传统协同检测方法中因将智能车辆假定为理想化静止状态而带来的不适应实际情景的检测需要，从而使得本实施例中的协同检测方法因考虑到智能车辆实际的运行而更具准确性和实用性；

步骤8-4，根据所得簇C_l内各协同智能车辆对应的削减指数以及各协同智能车辆的检测结果，由该簇C_l内的簇内感知融合中心对簇内协同智能车辆的检测结果融合，以得到该簇内所有协同智能车辆的簇内协同检测概率和簇内协同检测的虚警概率；其中，簇内协同检测概率标记为Q_d,l，簇内协同虚警概率标记为Q_f,l，其中：

簇内协同检测概率簇内协同虚警概率l＝1,2,…,M₁，1≤M₁≤M；p_k表示该簇C_l内第k个协同智能车辆的检测概率；κ_k表示协同智能车辆CR_k所对应的削减指数；

步骤9，根据辅助协同智能车辆阵列S₂中的各辅助协同智能车辆所对应的检测概率，利用AND准则得到该辅助协同智能车辆阵列S₂中的辅助协同检测概率和辅助协同虚警概率，并发送辅助协同检测概率和辅助协同虚警概率给频谱感知融合中心；其中：

Q_d,S2表示辅助协同检测概率，Q_f,S2表示辅助协同虚警概率；p_q表示辅助协同智能车辆阵列S₂中的第q个辅助协同智能车辆的检测概率；

步骤10，频谱感知融合中心根据M₁个分簇对应的簇内协同智能车辆的信噪比以及辅助协同智能车辆阵列S₂内所有辅助协同智能车辆的信噪比，分别得到M₁个分簇所对应的主协同贡献系数δ_l以及辅助协同智能车辆阵列S₂的辅助协同贡献系数δ_S2；其中：

M₁个分簇各自对应的主协同贡献系数

辅助协同智能车辆阵列S₂的辅助协同贡献系数

其中，表示第l个分簇C_l内的第r个协同智能车辆CR_r的信噪比，m_l表示第l个分簇C_l内所有协同智能车辆的总数目且m_l≠M₂，N₂表示辅助协同智能车辆阵列S₂内所有辅助协同智能车辆的总数目；例如，表示第3个分簇内第2个协同智能车辆对应的信噪比；SNR_q表示辅助协同智能车辆阵列S₂内第q个协同智能车辆对应的信噪比；

步骤11，频谱感知融合中心根据各分簇所对应的主协同贡献系数δ_l以及辅助协同智能车辆阵列S₂所对应的协同贡献系数δ_S2，得到N个智能车辆的最终混合协同检测概率；其中，N个智能车辆的最终混合协同检测概率Q_D的计算公式如下：