一种基于能量特征几何对称性的有无源协作频谱感知方法

1.本发明属于无线通信技术领域，特别是认知无线电网络中的协作频谱感知方法。


背景技术：

2.电磁频谱属于战略性自然资源，作为电磁空间的重要资源，其不仅是无线信息传输的重要媒介，而且是现代战争中的核心作战要素，是决定战争胜负的重要战略资源。随着装备信息化、网络化的快速发展，战场电磁环境日益复杂，环境中雷达、通信、电子对抗等多种电子设备分布密集、敌我双方电磁对抗激烈，电磁频谱资源面临以下严峻的挑战：(1)高频率带宽资源的开发进程缓慢，未分配的带宽资源十分有限。(2)受静态频谱分配策略的约束，已授权的频谱只能被授权用户所使用，频谱利用率低。(3)电磁环境和辐射源的日益复杂，干扰现象越来越多，需要实时精准感知和掌控战场电磁环境和频谱态势。在战场电磁环境中引入认知无线电技术，将极大地提高频谱利用效率，对缓解目前频谱资源稀缺的现状具有重要意义。在认知无线电中，频谱感知是实现动态频谱接入的关键前提，其目的是让次级用户重新使用已许可给主用户的频谱。对此，要求认知用户准确检测主用户信号的存在来识别授权频带的占用状态。
3.国内外许多研究机构开展了频谱感知方法研究，包括局部频谱感知和协作频谱感知两类。局部频谱感知主要是单个认知用户利用接收到的信号对主用户对当前频谱的占用状态进行确认。在实际场景中，深度衰落和遮蔽等将导致隐藏终端问题，该类技术在此场景的感知精度较低。协作感知技术利用多个认知用户和融合中心协作(有无源协作)监督主用户频谱的占用状态。该类技术利用了认知用户之间的空间多样性，具有较高的感知精度和可靠性，可以有效地解决隐藏的终端问题，因此更具吸引力。沙特国王科技大学提出了一种基于等增益合并的协作感知算法，该算法首先计算每个认知用户处的接收信号能量，然后将认知用户的能量向量反馈到融合中心，最后由融合中心对每个认知用户处的能量进行等权相加，并进行决策(d.hamza,s.aissa,and g.aniba,equal gain combining for cooperative spectrum sensing in cognitive radio networks,ieee trans.wireless commun.,vol.13,no.8,pp.4334-4345,aug.2014.)。在假设主用户信号为高斯信号，且在每个认知用户处的信噪比已知条件下，宁波大学利用np准则提出了一种基于能量的软融合算法，该算法严重依赖于认知用户处的瞬时信噪比信息，在实际场景难以实现(j.tong,m.jin,q.guo and y.li,cooperative spectrum sensing:a blind and soft fusion detector,ieee trans.wireless commun.,vol.17,no.4,pp.2726
–
2737,apr.2018.)。以上两种协作频谱感知算法均将认知用户处的能量反馈到融合中心，需要较高带宽和功率损耗。因此，研究一种实现复杂度低且不依赖于信号、信道和信噪比等先验信息的协作感知方法具有重要的价值。


技术实现要素：

4.为了解决上述问题，本发明提供一种基于能量特征几何对称性的有无源协作频谱
感知方法，首先建立适用于大小尺度衰落同时存在的协作感知模型，然后分别利用每个认知用户处的接收信号确定能量均值，其次将能量均值反馈到融合中心，基于能量特征的几何对称性构建检测统计量，最后将检测统计量与门限进行比较判决，判断主用户信号是否存在，进而推断出授权给主用户频段的占用状态。
5.本发明技术方案如下：
6.一种基于能量特征几何对称性的有无源协作频谱感知方法，包括以下步骤：
7.步骤1：建立适用于大小尺度衰落同时存在的协作感知模型；
8.该感知模型的应用场景为：一个主用户、n个认知用户和一个融合中心；第n个认知用户在时刻k接收到的信号表示为rn(k)；
[0009][0010]
其中，h1表示主用户信号存在，h0表示主用户信号不存在；sn(k)表示第n个认知用户在时刻k接收到的主用户信号，wn(k)是加性复高斯噪声；gn表示主用户与第n个认知用户之间的大尺度衰落，hn(k)表示主用户与第n个认知用户之间的小尺度衰落。
[0011]
对于主用户与第n个认知用户之间的大尺度衰落gn，服从对数-正态分布，
[0012][0013]
其中，f
gn
(x)表示主用户与第n个认知用户之间的大尺度衰落信道分布，μ和σ2分别表示ln x的均值和方差；
[0014]
主用户与第n个认知用户之间的小尺度衰落信道hn(k)表示为：
[0015]hn
(k)＝aexp(j2πθ)
[0016]
其中，θ表示小尺度衰落信道hn(k)的相位，服从[0,1)的均匀分布，幅度a服从nakagami-m分布fa(x)，表示为
[0017][0018]
其中，m和ω分别表示nakagami-m信道参数和平均功率，γ(
·
)为gamma函数；
[0019]
步骤2：计算每一个认知用户接收信号能量均值；
[0020]
在k个采样点中，第n个认知用户处的接收信号平均能量en表示为，
[0021][0022]
其中，|
·
|表示绝对值操作符；
[0023]
计算每个认知用户接收信号平均能量的期望，
[0024][0025]
其中e(
·
)表示取期望操作；
[0026]
步骤3：构建检测统计量；
[0027]
当接收信号中不含有主用户信号时，接收信号能量在几何空间中呈现对称特性，利用该特性设计检测统计量，表示为：
[0028][0029]
步骤4：检测判决；
[0030]
利用以上设计的检测统计量，进行检测判决，
[0031][0032]
其中γ2为判决门限，将检测统计量t与判决门限γ2进行比较，当检测统计量大于门限时，则判断主用户信号存在，否则判断为主用户信号不存在。
[0033]
本发明提出了一种基于能量特征几何对称性的有无源协作频谱感知方法，该方法利用认知用户处接收信号能量在几何空间的对称性设计检测统计量，不依赖于信号、信道和每个认知用户的瞬时信噪比等先验信息，且避免了认知用户向融合中心传输能量信息带来的带宽和功率损耗，实现复杂度低。以检测概率为性能评价指标，相比于技术背景中提到的感知方法，该发明具有更高的检测概率，能够有效解决隐藏终端问题。
附图说明
[0034]
图1为基于能量特征几何对称性的有无源协作频谱感知方法处理流程图；
[0035]
图2为协作频谱感知场景图；
[0036]
图3为三个认知用户接收信号能量散点图，图3(a)为h0下三个认知用户接收信号能量散点图；图3(b)为h1下三个认知用户接收信号能量散点图；
[0037]
图4为检测概率随信噪比(snr)变化曲线图；
[0038]
图5为检测概率随隐藏终端个数变化曲线图。
具体实施方式
[0039]
下面结合附图和具体实施方法对本发明做进一步详细说明。
[0040]
一种基于能量特征几何对称性的有无源协作频谱感知方法包括以下步骤：
[0041]
步骤1：建立适用于大小尺度衰落同时存在的协作感知模型
[0042]
如图2所示，该协作感知网络包含一个主用户，n个认知用户和一个融合中心。主用户发送信号s，第n个认知用户在时刻k接收到的信号表示为
[0043][0044]
其中，sn(k)表示第n个认知用户在时刻k接收到的主用户信号，wn(k)是加性复高斯噪声，hn为主用户与第n个认知用户之间的小尺度衰落信道，表示为
[0045]hn
(k)＝aexp(j2πθ)
[0046]
小尺度衰落的相位θ服从[0,1)的均匀分布，幅值a服从nakagami-m分布，
[0047][0048]
其中，m和ω分别表示nakagami-m信道参数和平均功率，γ(
·
)为gamma函数。
[0049]gn
为主用户与第n个认知用户之间的大尺度衰落信道，统计建模为对数-正态分布，
[0050][0051]
其中μ和σ2分别表示ln x的均值和方差。
[0052]
步骤2：计算每一个认知用户接收信号能量均值
[0053]
对每个认知用户的接收信号进行采样，得到k个采样点，第n个认知用户处的接收信号平均能量表示为，
[0054][0055]
每个认知用户接收信号的能量均值(期望)表示为
[0056]
以三个认知用户为例，在主用户信号存在与不存在两种情况下，接收信号能量向量的散点图如图3所示，可以看出，当接收信号中只有噪声而无主用户信号时，三维能量向量散点图呈现类似球形的几何对称特性，而当主用户信号存在时，能量向量散点图分布呈放射状，无规律。
[0057]
步骤3：构建检测统计量
[0058]
基于步骤2的分析结果，利用球面方程表征能量向量的几何对称特性，进而设计检测统计量，表示为
[0059][0060]
利用每个认知用户处的噪声满足独立同分布特性，检测统计量可以进一步表示为
[0061][0062]
步骤4：检测判决
[0063]
利用以上设计的检测统计量，构建检测器，
[0064][0065]
其中，γ2为决策门限。根据虚警概率p
fa
大小，执行100/p
fa
次实验，计算得到无目标情况的检测统计量并进行降序排列，取第100个检测统计量作为判决门限。将检测统计量与判决门限进行比较，当检测统计量大于门限时，则我们判断主用户信号存在，即主用户正在使用当前授权频段进行通信，否则判断为主用户信号不存在，即当前频段处于空闲状态，认知用户可以使用当前频段进行通信。
[0066]
实施例：
[0067]
参数设置：认知用户数为15，每个认知用户在一个感知时隙内采样点数为100，主用户发送信号为高斯信号，小尺度衰落信道服从参数和平均信道增益为的nakagami-m分布，大尺度衰落信道服从均值为，方差为的对数正态分布。信噪比snr为-22db到-6db,虚警概率为0.01。
[0068]
对比方法：已有方法1是利用似然比检测准则设计的基于能量的最优组合协作感知算法；已有方法2是基于所有认知用户的能量均值和方差设计的感知方法。
[0069]
实施例一：
[0070]
假设。图4为已有技术和本发明的检测概率随snr变化情况。如图4所示，本发明比已有技术2具有更高的检测概率，虽然落后于已有技术1，但本发明不依赖于每个认知用户处的瞬时信噪比。
[0071]
实施例二：
[0072]
针对认知用户中存在隐藏终端问题，图5展示了已有技术和本发明的检测概率随隐藏终端数变化情况，其中隐藏终端数由零逐渐增加至15个。结果表明，随着隐藏终端数增加，已有技术和本发明的检测概率均下降，但是本发明具有较高的检测概率。
[0073]
仿真结果表明：在不存在隐藏终端场景，本发明的感知性能比已有方法1差，但是已有方法1依赖于每个认知用户处的瞬时平均信噪比，这在实际应用中是难以获得的。与之相比，本发明不依赖该先验信息，并且本发明在多隐藏终端场景比已有方法1具有更好的感知性能。
[0074]
由仿真结果可知，针对大小尺度衰落同时存在的感知场景，本发明提供的基于能量向量几何对称性的协作感知方法不仅能够有效感知主用户信号，而且在隐藏终端场景具有更稳健的性能，验证了本发明的正确性和有效性。