移动场景下认知无线电频谱感知系统检测性能参量获得方法
【技术领域】
[0001] 本发明涉及信息与通信技术领域。
【背景技术】
[0002] 近年来，无线通信技术的快速发展导致人们对于无线频谱资源的需求量急剧增 加。然而，当前固定的频谱分配政策使得大部分频带并没有得到充分的利用。为了提升频 谱利用率，研究者提出了认知无线电（CR)技术。CR是在不影响主用户信号的授权频段，SP 固定分配给用户的频段，正常进行通信的前提下，让具有无线电环境感知功能的无线通信 设备动态接入主用户授权频段，从而完成频谱资源的共享。这个过程中，频谱感知是保证主 用户信号正常通信的关键技术。
[0003] 频谱感知技术有两个任务，首先需要在认知用户需要传输数据时检测到频谱空 隙，而且需要在认知用户传输数据过程中不间断地检测授权用户是否出现。对于各种频谱 感知算法的研究已经成为了无线通信技术中的研究热点。频谱感知可分为单用户频谱检测 法以及多用户协作检测法。单用户频谱检测技术就是指一个用户对被检频段单独进行频谱 检测并且做出本地的检测结果。能量检测算法是一种单节点频谱检测算法，其原理简单易 于实现且不需要知道主用户的先验信息，没有对信号作任何假设。能量检测法对任何信号 都适用，因此得到了广泛的使用。
[0004] 实际的认知系统中，单节点频谱感知算法是有较大的局限性的。隐藏终端问题和 阴影效应等问题，都会大大降低单节点检测的检测性能。就像是隐藏终端问题会导致处于 树或建筑物阴影中的用户不能检测到主用户信号是否存在，从而会对主用户的正常通信造 成严重的负面影响。而且，如果使用单节点检测法，为了能够达到系统要求的检测精度，对 检测法的准确度要求是非常高的，这通常会使感知时间大大延长。
[0005] 因此，在实际系统中，单节点检测往往是不可行的。在这样的背景下，多用户协作 检测法得到了许多科研人员的关注。多用户协作感知法可根据认知网络中是否存在独立 的融合中心分为集中式和分布式两大类。其中，集中式的协作感知就是指认知用户需要把 每次检测的结果或判决的结果上传到共同的融合中心，融合中心利用这些结果以及事先约 定的处理规则进行最终判决的检测方法。而分布式的协作感知就是指认知用户将每次检测 的结果或判决的结果进行共享，由认知用户共同做出最后判决的检测方法。目前对于前者 的研究要远远多于后者。由上文的分析可以看出，融合中心处对于数据的融合算法对协作 频谱检测法检测性能的影响是非常大的。融合中心处的数据融合算法可分为软判决和硬判 决。硬判决就是认知用户将其检测到的能量值与预设门限进行比较大小，仅上传比较的结 果（以单比特形式），融合中心根据这些单比特判决结果进行最终的判决。而软判决是各个 认知用户将本地的感知结果上传给融合中心，融合中心根据事先约定的算法对这些能量值 进行融合并与预设的门限进行大小的比较，进而得出最终的判决结果。如此可以看出，前者 的优点就是可以减少系统的开销，降低传输的数据量。但是由于这种算法只保留大小判决 结果，没有很充分地利用能量值，性能不如后者。而与此同时，后者在提升系统检测性能的 同时又消耗了大量的传输带宽。
[0006] 当前绝大多数关于认知无线电频谱感知的研究都是在认知用户保持静止的假设 上进行的，然而，认知用户的移动性是无线网络的固有属性，现有方法难以对移动场景下的 认知无线电频谱感知。
【发明内容】
[0007] 本发明是为了解决现有方法难以对移动场景下单节点感知和多节点协作感知系 统进行检测概率、漏检概率和虚警概率的问题，从而提出一种移动场景下认知无线电频谱 感知系统检测性能参量获得方法。
[0008] 移动场景下认知无线电频谱感知系统检测性能参量获得方法，
[0009] 假设移动场景下，认知用户服从随机路径点模型，认知网络中存在一个主用户和 若干个认知用户；
[0010] 该方法由以下步骤实现：
[0011] 步骤一、获得认知用户的移动速度V、移动方向0JP认知用户运动周期的起点与 主用户的距离D。；
[0012] 当前次检测时，认知用户与主用户的距离Λ d之间的函数关系为：
[0014] 其中：Λ t表示认知用户的检测间隔时间；
[0015] 步骤二、根据公式：
[0017] 获得认知用户的移动速度V的概率密度函数；其中：v_彡V彡vnax;v_为认知用 户的最小移动速度为认知用户的最大移动速度；
[0018] 根据公式：
[0020] 获得认知用户的移动方向Θ s的概率密度函数；其中：〇彡Θ 2 π ;
[0021] 根据公式：
[0023] 获得认知用户运动周期的起点与主用户的距离D。的概率密度函数；其中： 0彡D。彡a，a为圆形认知网络的半径；仏是D。的概率分布函数；
[0024] 步骤三、根据认知用户的移动速度V的概率密度函数、方向Θ s的概率密度函数和 认知用户运动周期的起点与主用户的距离D。的概率密度函数，根据公式：
[0026] 获得认知用户与主用户的距离Λ d的条件概率密度函数；
[0027] 步骤四、根据公式，
[0028] y = K/ ( Δ d)2
[0029] 获得任一移动用户实时检测到的主用户信号功率y与Λ d之间的函数关系；其中 K为常数；
[0030] 步骤五、根据步骤四获得的任一移动用户实时检测到的主用户信号功率y与Λ d 之间的函数关系以及步骤三获得的认知用户与主用户的距离Λ d的条件概率密度函数根 据公式：
[0032] 获得主用户信号功率y的条件概率密度函数；
[0033] 式中：VY(D。，y，Θ s)是（D。，y，Θ s)的函数；
[0034] 步骤六、根据步骤五中获得的主用户信号功率y的条件概率密度函数，分别求出 单节点感知系统、多节点硬判决协作感知系统和多节点软判决协作感知系统的检测概率， 漏检概率和虚警概率，并分别作为移动场景下单节点感知系统的检测性能参量和移动场景 下多节点协作感知系统的检测性能参量。
[0035] 步骤三中根据公式：
[0037] 获得认知用户与主用户的距离Λ d的条件概率密度函数中，Λ d的取值范围 由下式确定：
[0045] 其中：匕是认知用户天线增益，P t为主用户发射信号功率，G t为主用户天线增益， λ "则为主用户信号波长。
[0046] 步骤六中，根据主用户信号功率y的条件概率密度函数，求出单节点感知系统的 检测概率是采用公式：
[0048] 实现的；
[0049] 根据主用户信号功率y的条件概率密度函数，求出单节点感知系统的漏检概率G 是采用公式：
[0043] 步骤四中，K的取值范围是：
[0051] 实现的；
[0052] 根据主用户信号功率y的条件概率密度函数，求出单节点感知系统的虚警概率尽 是采用公式：
[0054] 实现的；
[0055] 其中：λ是能量检测本地预设门限，是系统中高斯白噪声的功率，M是能量检 测采样点数；
[0060] 步骤六中，根据获得的主用户信号功率y的条件概率密度函数，求出多节点硬判 决协作感知系统和多节点软判决协作感知系统的检测概率儒f是采用公式：
[0062] 实现的；
[0063] 根据获得的主用户信号功率y的条件概率密度函数，求出多节点硬判决协作感知 系统和多节点软判决协作感知系统的漏检概率dir是采用公式：
[0065] 实现的；
[0066] 根据获得的主用户信号功率y的条件概率密度函数，求出多节点硬判决协作感知 系统和多节点软判决协作感知系统的虚警概率0^.是采用公式：
[0072] 式中：yi是第i个认知用户实时接收到的主用户信号功率；AU)代表第i个移 动认知用户的本地检测概率，q是系统中的N个移动用户中有不少于k个用户判定主用户 存在情况的总数；f (yi，y2，…，yN I D。，Θ s)代表yi，y2，…，yN的条件联合概率密度函数；
[0073] 由于N个认知用户独立移动，互不干扰，则：
[0074] f (Y1, y2, ···, yN|D〇, Θ s) =f(yi|D0, Θ s) *f(