(一)技术领域
[0001] 本
发明涉及的是一种认知无线电频谱感知技术领域的并行合作频谱感知方法。(二)背景技术
[0002] 随着人们对无线通信需求的迅速增长，频谱资源紧缺的问题日益严重。传统的固定频谱分配方法已经不能满足人们对频谱日益增长的需要。认知无线电技术改变以往固定的频谱分配方式，使非授权用户可以在不影响授权用户的情况下灵活使用频谱，为解决频谱资源紧缺的问题提供了一种有效的解决方案，是未来通信发展的必然趋势。
[0003] 认知无线电实现的关键和前提是有效的频谱感知技术。合作频谱感知技术是目前广泛采用的频谱感知方法，它通过将多个处于不同
位置的单
节点的检测结果进行收集和处理，得到频谱的占用情况，从而能够有效地解决由于信道衰落和阴影效应导致的单节点感知结果不准确的问题。对于具有多个子信道的频谱感知，为了减少感知时间和系统开销，往往需要多个认知用户同时检测不同的子信道，达到在一个检测周期获得多个子信道占用情况的目的，即并行合作频谱感知技术。在并行频谱感知技术中，最重要的问题是确定感知方法，即哪些认知用户在何时检测哪些子信道，以达到最大的系统效益。针对该问题，Sheng Li Xie，Yi Liu，Yan Zhang，Rong Yu，″A parallel cooperative spectrum sensing in cognitive radio networks，″IEEE Transactions on Vehicular Technology，vo1.59，pp.4079-4092，2010一文提出一种并行合作频谱感知方法，该方法能够最优的选择参加频谱感知的认知用户数及判决
门限值，但没有考虑不同用户对不同子信道感知性能的差异。Behzad Shahrasbi，Nazanin Rahnavard，″Cooperative parallel spectrum sensing in cognitive radio networks using bipartite matching，″in Military communications conference，2011-MILCOM2011，2011，pp.19-24一文将并行合作频谱感知问题等效成一个二分图求最优匹配的问题，利用匈牙利
算法得到最优的频谱感知方法，但是该方法仅考虑一个子信道仅由一个用户感知的情况，由于信道衰落和阴影效应的影响，单个用户的感知结果可能并不准确。文章Wang Zaili，Feng Zhiyong，Zhang Ping，″An Iterative Hungarian Algorithm Based Coordinated Spectrum Sensing Strategy，″IEEE Communications Letters，vol.15，pp.49-51，2011和文章Zai Li Wang，Zhi Yong Feng，Di Zhang，Jian Tao Xue，Ping Zhang，″Optimized strategies for coordinated spectrum sensing in Cognitive Radio Networks，″in2011Sixth International ICST Conference on Cognitive Radio Oriented Wireless Networks and Communications(CROWNCOM)，2011，pp.96-100分另提出了使用
迭代匈牙利算法和迭代Kuhn-Munkres(KM)算法进行并行频谱感知的方法，但是这两种方法只考虑检测的准确性，而没有考虑感知开销和系统效益的问题，而且由于该方法没有完善的终止条件，导致需要较多的认知用户来进行频谱感知，这将会严重增加认知用户的
能量消耗，以及增大系统的虚警概率。(三)发明内容
[0004] 为了解决背景技术中存在的技术问题，本发明提供一种认知无线电并行合作频谱感知方法，该方法可以克服现有并行合作频谱感知方法仅考虑检测准确性和需要较多用户进行感知的不足，在充分考虑感知开销和系统效益的
基础上，最优的确定感知方法。
[0005] 本发明所采用的技术方案是：该认知无线电并行合作频谱感知方法包括下列系统模型：
[0006] 在一个由一个融合中心和N个认知用户构成的集中式认知无线
电网络中，感知对象为M个子信道；
[0007] 定义感知开销为认知用户因频谱感知任务所减少传输的数据量，设Rcrn为认知用n户n的传输速率，其中n＝1，2，...，N，则认知用户n的感知开销O 为
[0008] On＝RcrnTs (1)
[0009] 其中，Ts为感知时隙；
[0010] 定义传输收益为子信道用于认知用户传输时单位时间内所能传输的平均有效数据量，子信道用于认知用户传输时分为两种情况：第一种情况是信道空闲且被认知用户正确感知时，第二种情况是信道被主用户占用，但被认知用户错误感知而误认为是空闲时，对m于第二种情况，可以看成是对传输收益的惩罚函数，设Rch 为子信道m的传输速率，Pd_ch＝m m
[Pd_ch]M为各子信道的检测概率矢量，Pf_ch＝[Pf_ch]M为各子信道的虚警概率矢量，其中Pd_m m
ch 和Pf_th 分别为认知网络对子信道m的检测概率和虚警概率，则子信道m(m＝1，2，...，m
M)的传输收益G 为
[0011] Gm＝RchmTrPon[1-Pf_chm]-Rchm(1-Pon)[1-Pd_chm]Trδ (2)
[0012] 其中：Tr为传输时隙，Pon为子信道空闲的概率，δ为惩罚因子；
[0013] 设X＝[xmn]M×N为分配矩阵，当认知用户n被分配感知子信道m时，xmn＝1，否则mnx ＝0；则分配X时的总系统效益Uall(X)可以定义为总传输收益和总感知开销之差
[0014]
[0015] 根据以上描述的系统模型，并行合作频谱感知的感知方法可以等效成如下分配问题：
[0016]
[0017] s.t. n＝1，2，...，N；
[0018] (4)
[0019] m＝1，2，...，M；
[0020] xmn∈{0，1}.
[0021] 其中，β表示是否能在一个感知时隙内检测完所有子信道，如果N≥M，即认知用户数大于子信道数，则能够在一个感知时隙内检测完所有子信道，令β＝1，否则，置β＝0，N为认知用户数，Nco_max为每个子信道允许的最大的参加合作感知的认知用户数。多个认知用户共同感知一个子信道时使用OR准则。
[0022] 上述方案中并行合作频谱感知方法是按照如下步骤得到的：
[0023] 步骤1初始化认知用户数N，子信道数M，系统所允许的最大虚警概率Qfa，系统要求req的检测概率Pd_ch ，各认知用户感知的虚警概率pf，传输时隙Tr，感知时隙Ts，惩罚因子δ，n m
认知用户传输速率Rcr，n＝1，2，...，N，子信道传输速率Rch，m＝1，2，...，M，子信道空闲mn mn
的概率Pon，检测概率矩阵Pd＝[Pd ]M×N，其中Pd 为认知用户n感知子信道m的检测概率。
置分配矩阵X＝0，当前迭代最优分配矩阵X0＝0，各子信道的检测概率矢量Pd_ch＝0以及各子信道的虚警概率矢量Pf_ch＝0，利用以下公式计算每个子信道允许的最大的参加合作感知的认知用户数Nco_max；
[0024]
[0025] 步骤2根据以下公式，计算信道m分配给认知用户n感知时所能获得的传输收益mn n mnG 、感知开销O 以及系统效益U ，其中m＝1，2，...，M，n＝1，2，...，N；执行KM算法得到mn
当前迭代最优分配矩阵X0＝[X0 ]M×N使总系统效益Uall最大，其中如果子信道m分配给认mn
知用户n感知，则X0 ＝1，否则为0，更新X＝X0
mn m m mn
[0026] G ＝RchTrPon[1-pf]-Rch(1-Pon)[1-Pd ]Trδ (6)n n
[0027] O ＝RcrTs (1)mn mn n
[0028] U ＝G -O (7)
[0029] 步骤3根据以下公式计算分配X下的总系统效益Uall(X)；根据当前迭代最优分配mn m mn m矩阵X0，对于X0 ＝1的指派，置Pd_ch ＝Pd ，Pf_ch ＝pf；如果N≤M，则算法终止，得到分配矩阵X；
[0030]
[0031] 步骤4对于每一个未分配子信道的认知用户，以及每一个分配认知用户数小于mn mNco_max的子信道，根据以下公式计算检测概率增量ΔPd_ch 、虚警概率增量ΔPf_ch、传输收益mn n mn
的增量ΔG 、感知开销的增量ΔO 以及系统效益的增量ΔU ；
[0032] ΔPd_chmn＝1-[1-Pd_chm][1-Pdmn]-Pd_chm (9)
[0033] ΔPf_chm＝1-[1-Pf_chm][1-pf]-Pf_chm (10)
[0034] ΔGmn＝Rchm(1-Pon)ΔPd_chmnTr-RchmTrPonΔPf_chm (11)
[0035] ΔOn＝RcrnTs (12)
[0036] ΔUmn＝ΔGmn-ΔOn (13)
[0037] 步骤5在所有未分配子信道的认知用户和分配认知用户数小于Nco_max的子信道中，执行KM算法，得到使系统效益总增量 最大的当前迭代最优分配X0；对mn mn m req mn mn
于任意X0 ＝1的分配，如果ΔU ＝0，或者Pd_ch ≥Pd_ch 且ΔU ≤0，则置X0 ＝0；
m m
[0038] 步骤6根据以下公式，更新Pd_ch，Pf_ch，X以及Uall；m m mn
[0039] Pd_ch ＝Pd_ch+ΔPd_ch (14)m m m
[0040] Pf_ch ＝Pf_ch+ΔPf_ch (15)
[0041] X＝X+X0 (16)
[0042] Uall＝Uall+ΔUall (17)
[0043] 步骤7当以下两个终止条件满足其一时，迭代终止，得到分配矩阵X；一是所有的认知用户都被分配了子信道进行感知或每一个子信道都被分配了Nco_max个认知用户进行感m req知；二是，所有子信道m＝1，2，...，M均满足Pd_ch ≥Pd_ch ，且对于所有m＝1，2，...，M，mn
n＝1，2，...，N，都有ΔU ≤0。否则，跳到步骤4继续执行迭代。
[0044] 本发明所具有的有益效果是：本发明提供了一种认知无线电并行合作频谱感知方法，其优点是：能够充分考虑感知开销、系统效益以及不同认知用户对不同子信道感知性能的差异，克服现有并行合作频谱感知方法仅考虑检测准确性和需要较多用户进行感知的不足，最优的确定感知方法，提高系统效益，减少参加合作感知的认知用户的数量。(四)
附图说明
[0045] 图1为不同认知用户数时的总系统效益曲线图；
[0046] 图2为不同认知用户数时参加合作感知的认知用户数曲线图。(五)具体实施方式
[0047] 下面结合附图和具体
实施例对本发明作进一步具体说明：
[0048] 在一个由一个融合中心和N个认知用户构成的集中式认知无线电网络中，感知对象包括M个子信道。每一个子信道具有ON和OFF两种状态，分别指示当前信道空闲和被主用户占用两种情况。设子信道空闲的概率为Pon。认知用户在每一个时隙T内分为感知时隙Ts和传输时隙Tr两部分，T＝Ts+Tr。每个认知用户在一个感知时隙Ts内仅感知一个子信道，而每个子信道可由多个认知用户合作感知以提高准确性，合作时采用OR准则。由于每个用户所处的位置和性能各不相同，不同认知用户对不同子信道的感知性能也不同。本发明使用相同虚警概率pf下的检测概率来度量不同认知用户对不同子信道检测性能的不mn同。设认知用户n感知子信道m的检测概率为Pd ，其中n＝1，2，...，N，m＝1，2，...，M，mn
则检测概率矩阵定义为Pd＝[Pd ]M×N。
[0049] 由于使用OR准则，根据系统所允许的最大虚警概率Qfa和各认知用户的虚警概率pf，可以得到每个子信道允许的最大认知用户数Nco_max为
[0050]
[0051] 其中， 表示向下取整。
[0052] 在认知用户进行频谱感知时，必须停止其数据传输，定义感知开销为认知用户因n频谱感知任务所减少传输的数据量。设Rcr 为认知用户n的传输速率，则认知用户n的感n
知开销O 为
[0053] On＝Rr。nTs (1)
[0054] 定义传输收益为信道用于认知用户传输时单位时间内所能传输的平均有效数据量。信道用于认知用户传输时分为两种情况：第一种情况是信道空闲且被认知用户正确感m知，第二种情况是信道在被主用户占用，但被认知用户错误感知而误认为是空闲时。设Rchm m
为子信道m的传输速率，Pd_ch＝[Pd_ch]M为各子信道的检测概率矢量，Pf_ch＝[Pf_ch]M为各m m
子信道的虚警概率矢量，其中Pd_ch 和Pf_ch 分别为认知网络对子信道m的检测概率和虚警m m
概率。则对于第一种情况，信道m所能传输的有效信息量是RchTrPon[1-Pf_ch]。对于第二种情况，当信道被主用户占用时，由于主用户
信号的存在，不仅认知用户传输的信息可能无法被正确的接收，导致多余的能量消耗，而且还会对主用户造成干扰，这是认知无线电设计理m m
念所极
力避免的，因此，这时所传输的信息量Rch(1-Pon)[1-Pd_ch]Tr可以看成是对传输收益的惩罚函数。设δ为惩罚因子，用来衡量第二种情况时由于能量消耗和对主用户造成的干m
扰对系统的影响程度，δ越大则表示影响越大。则子信道m的传输收益G 为
[0055] Gm＝RchmTrPon[1-Pf_chm]-Rchm(1-Pon)[1-Pd_chm]Trδ (2)
[0056] 设X＝[xmn]M×N为分配矩阵，当认知用户n被分配感知子信道m时，xmn＝1，否则mnx ＝0。则分配X时的总系统效益Uall(X)可以定义为总传输收益和总感知开销之差
[0057]
[0058] 为了使总系统效益最大，必须根据传输收益和感知开销合理地选择最优的分配矩阵X。
[0059] 根据以上描述的系统模型，并行合作频谱感知的感知方法可以等效成如下分配问题：
[0060]
[0061] s.t. n＝1，2，...，N；
[0062] (4)
[0063] m＝1，2，...，M；
[0064] xmn∈{0，1}.
[0065] 其中，β表示是否能在一个感知时隙内检测完所有子信道，如果N≥M，即认知用户数大于子信道数，则能够在一个感知时隙内检测完所有子信道，置β＝1，否则，置β＝0。
[0066] 本发明使用迭代KM算法来解决上述线性分配问题。包括两个阶段：在第一阶段，使用KM算法为每一个认知用户分配一个子信道进行感知；在第二阶段，迭代使用KM算法最优的选择其他认知用户与第一阶段分配的认知用户一同对子信道进行合作感知，使系统效益达到最大。每个阶段都可以映射为一个二分图的最优匹配问题。在该二分图中，一边的N个点代表认知用户，另一边的M个点代表子信道。两边节点之间的边，表示将该子信道分配给该认知用户进行感知。这样，分配的问题就等同于求二分图最优匹配的问题。KM算法是经典的求解二分图最优匹配的方法，因此本发明使用KM算法求解每个阶段中的二分图最优匹配问题。
[0067] 在不同阶段，边上的权重定义是不一样的。
[0068] 在第一个阶段，使用KM算法为每一个认知用户分配一个子信道进行感知，使系统效益达到最大，因此定义各边的权重为该分配所能获得的系统效益。设m节点n节点之间的边mn的权重为子信道m分配给认知用户n感知时所能获得系统效益Umn，可由下式得到：
[0069] Umn＝Gmn-On， (7)
[0070] 其中，On为认知用户n感知时产生的感知开销，可由公式(1)得出，Gmn表示当子信道m分配给认知用户n感知时的所能获得的传输收益，根据公式(2)对传输收益的定义，可由下式得出
[0071] Gmn＝RchmTrPon[1-pf]-Rchm(1-Pon)[1-Pdmn]Trδ (6)
[0072] 则总系统效益uall(X)可以写成
[0073]
[0074] 通过执行KM算法，即第一次迭代之后，得到当前迭代最优分配矩阵X0＝[X0mn]M×N，mn其中，如果子信道m分配给认知用户n感知，则x0 ＝1，否则为0。置分配矩阵X＝X0。对m mn m
于子信道m，可得Pd_ch 等于Pd ，Pf_ch 等于pf。
[0075] 在第二阶段，通过重复执行KM算法来为各子信道选择进行合作感知的认知用户，使合作产生的总系统效益增量ΔUall最大，因此定义边的权重为该分配所能获得的系统效益增量。设边mn的权重为子信道m分配给认知用户n合作感知时所能获得系统效益增量mn
ΔU 。则系统效益总增量ΔUall可以由下式得出：
[0076]
[0077] 边的权重系统效益增量ΔUmn计算方法如下：
[0078] 增加新的认知用户对子信道进行合作感知后，子信道的检测概率和虚警概率都会增加，假设子信道m分配给认知用户n对其进行合作感知，则子信道m的检测概率增量ΔPd_mn mch 和虚警概率增量ΔPf_ch 可以分别表示为
[0079] ΔPd_chmn＝1-[1-Pd_chm][1-Pdmn]-Pd_chm (9)
[0080] ΔPf_chm＝1-[1-Pf_chm][1-pf]-Pf_chm (10)
[0081] 根据公式(1)和公式(6)，可得感知开销的增量ΔOn和传输收益的增量ΔGmn分别为
[0082] ΔOn＝RcrnTs (11)
[0083] ΔGmn＝Rchm(1-Pon)ΔPd_chmnTr-RchmTrPonΔPf_chm (12)
[0084] 则系统效益的增量ΔUmn可以写为
[0085] ΔUmn＝ΔGmn-ΔOn (13)
[0086] 对于每一个未分配感知子信道的认知用户n和每一个合作感知的认知用户数小mn mn于Nco_max的子信道m，计算其ΔU 。根据各边的权重ΔU ，通过KM算法，就可以得到使系统效益增量ΔUall最大的当前迭代最优分配矩阵X0。
[0087] 在利用KM算法求最优匹配时，当子信道m的检测概率Pd_chm小于系统要求的检测req mn概率Pd_ch 时，允许选择ΔU 为负数的指派，以达到系统对检测概率的要求。但是，当检测m req
概率已经达到系统检测概率的要求时，即Pd_ch ≥Pd_ch ，为了使系统效益最大化，则不允许mn m req mn
选择ΔU 为负数的指派(避免总系统效益降低)。因此，如果Pd_ch ≥Pd_ch 且ΔU ≤0，mn mn
则置相应的指派X0 ＝0，表示该指派从当前的的分配中剔除。此外，当ΔU ＝0时，该指mn mn
派X0 ＝1无法获得任何系统效益，是无意义的，也置X0 ＝0。
[0088] 最后，根据当前迭代最优分配矩阵X0，如果子信道m分配给认知用户n，即X0mn＝1，m m则Pd_ch 和Pf_ch 分别更新为
[0089] Pd_chm＝Pd_chm+ΔPd_chmn (14)
[0090] Pf_chm＝Pf_chm+ΔPf_chm (15)
[0091] 同时更新最终分配矩阵X和总系统效益Uall
[0092] X＝X+X0 (16)
[0093] Uall＝Uall+ΔUall (17)
[0094] 此时，本次迭代完成。为了使系统效益达到最大，迭代过程会继续进行，直到满足终止条件。
[0095] 当以下两个条件满足其一时，迭代终止。一是所有的认知用户都被分配了子信道进行感知或每一个子信道都被分配了Nco_max个认知用户进行感知。二是，如果所有子信道m reqm＝1，2，...，M均满足Pd_ch ≥Pd_ch ，且对于所有m＝1，2，...，M，n＝1，2，...，N，都有mn
ΔU ≤0。这样，当迭代终止时，认知用户便可以根据分配矩阵X以最优的方法对子信道进行感知。
[0096] 本发明提出的并行合作频谱感知方法详细步骤如下：
[0097] 步骤1初始化N，M，Qfa，Pd_chreq，pf，Pd，Tr，Ts，δ，Rcrn，n＝1，2，...，N，Rchm，m＝1，2，...，M，Pon。置X＝0，X0＝0，Pd_ch＝0以及Pf_ch＝0。利用公式(5)计算Nco_max。
[0098] 步骤2根据公式(1，6-7)，计算Umn，其中m＝1，2，...，M，n＝1，2，...，N。执行KM算法得到当前迭代最优分配矩阵X0，使总系统效益Uall最大。更新X＝X0。
[0099] 步骤3根据公式(8)计算Uall。根据当前迭代最优分配矩阵X0，对于X0mn＝1的指m mn m派，置Pd_ch ＝Pd ，Pf_ch ＝pf。如果N≤M，则算法终止，得到分配矩阵X。
[0100] 步骤4对于每一个未分配子信道的认知用户，以及每一个分配认知用户数小于mn m mnNco_max的子信道，根据公式(9-13)计算ΔPd_ch ，ΔPf_ch，以及ΔU 。
[0101] 步骤5在所有未分配子信道的认知用户和分配认知用户数小于Nco_max的子信道mn mn中，执行KM算法，得到使ΔUall最大的分配X0。对于任意X0 ＝1的分配，如果ΔU ＝0，m req mn mn
或者Pd_ch ≥Pd_ch 且ΔU ≤0，则置X0 ＝0。
[0102] 步骤6根据公式(14-17)，更新Pd_chm，Pf_chm，X以及Uall。
[0103] 步骤7当以下两个终止条件满足其一时，迭代终止，得到分配矩阵X。一是所有的认知用户都被分配了子信道进行感知或每一个子信道都被分配Nco_max个认知用户进行感m req知。二是，所有子信道m＝1，2，...，M均满足Pd_ch ≥Pd_ch ，且对于所有m＝1，2，...，M，mn
n＝1，2，...，N，都有ΔU ≤0。否则，跳到步骤4继续执行迭代。
[0104] 实验分析：
[0105] 本发明的并行合作频谱感知方法进行实验分析。设Pd_ave为各认知用户对各子信道的平均检测概率，即检测概率矩阵Pd的均值，σ表示各认知用户对各子信道的检测概率在其均值附近变化的范围，则各认知用户对各子信道的检测概率在Pd_ave-σ和Pd_ave+σ之间随机变化。所有实验结果均由蒙特卡洛方法得到，实验次数为1000次。各子信道传输速率m nRch 和各认知用户传输速率Rcr 均在0.1～1Mbps范围内随机变化。其他实验参数设置如表1所示：
[0106] 实验参数设置 表1
[0107]
[0108] 下面将本发明所提出的并行合作频谱感知方法与Wang Zaili提出的基于迭代匈牙利方法的合作感知方法、基于贪婪方法的合作感知方法和随机的合作感知方法进行比req较。为公平起见，对其他三种同样引入系统检测概率要求Pd_ch 。
[0109] 图1为四种方法在不同认知用户数时所能获得的总系统效益。由图1可以看出，本发明所提出的合作感知方法较其他三种方法能够获得更大的系统效益，且总系统效益随着认知用户数的增加而增加。这是由于当认知用户数增加时，本发明提出的合作感知方法能够选择检测概率更高，检测开销更少的认知用户进行频谱感知，从而增加系统效益。
[0110] 图2为四种方法在不同认知用户数时参加合作感知的认知用户数。较少的认知用户参加合作感知，不仅能够减少认知用户的能量消耗，还能保证较小的系统虚警概率。因此，参加合作感知的认知用户数是衡量方法优劣的一个重要指标。由图2可以看出，本发明所提出的合作感知方法较其他三种方法需要较少认知用户来参加合作感知。此外，本发明所提出的方法曲线在N＝15处存在折点，这是由于当N小于15时，系统检测概率还没有达req到要求的检测概率Pd_ch ，这时需要不断增加新的认知用户进行合作感知以提高系统的检req
测概率。当N大于15时，系统检测概率已经达到要求的检测概率Pd_ch ，这时随着认知用户数的增多，本发明所提出的方法具有更多的选择，能够选择检测概率更高的认知用户进行合作感知，从而降低合作感知所需的认知用户数。
[0111] 基于以上对本发明的分析讨论可知，本发明所提出的并行合作频谱感知方法，能够在充分考虑感知开销和系统效益的基础上，最优的确定感知方法，相比Wang Zaili提出的基于迭代匈牙利方法的合作感知方法、基于贪婪算法的合作感知方法和随机的合作感知方法，能够获得更大的系统效益，且需要更少的参加合作感知的认知用户数。
