浅析基于协作频谱检测的认知无线电软融合算法
开篇：润墨网以专业的文秘视角，为您筛选了一篇浅析基于协作频谱检测的认知无线电软融合算法范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
摘 要：认知无线电是解决当前频谱资源短缺的一个有发展前景的新技术，频谱感知是认知无线电的一个基本和基础功能。在恶劣的无线通信环境诸如阴影、多径等不利因素影响下，使得单用户本地频谱检测算法有很大的局限性，因此协作频谱检测应运而生。认知无线电中协作频谱检测算法包括硬合并算法和软融合算法，本文主要探讨软融合算法。
关键词：认知无线电 频谱感知 协作频谱检测 软融合算法
中图分类号：TN92 文献标识码：A 文章编号：1672-3791（2014）09（a）-0003-02
频谱检测是认知无线电中防止对授权用户干扰和通过发现可用频谱资源提高频谱利用率的关键技术，然而，由于受到内部硬件条件的限制、加上外部复杂无线衰落环境等实际因素的影响，频谱检测在实际场景中的性能，常常被多径衰落、阴影效应和接收机的不确定性问题所制约。在认知无线电实际应用中，通常要求认知无线电系统检测性能达到虚警概率小于0.1，同时漏检概率小于0.01（检测概率高于0.99），以满足高频谱利用率的同时避免对授权用户的有害干扰，因此，仅凭借单用户本地检测达到上述性能指标仍存在着巨大的局限性。考虑到实际cognitive radio network（CRN）网络中多个CR用户空间地理位置差异所产生的天然空间分集增益，可将多个本地cognitive radio（CR）用户联合起来，共享单个本地检测信息，从而共同完成对授权用户信号的检测，进而达到显著提高CR系统整体检测性能的目标[1]。
1 协作频谱感分类
1.1 集中式协作频谱检测方法
在集中式协作频谱检测方法中，一个名为汇聚中心fusion center（FC）的中心节点控制协作感知的3个步骤。首先，FC选择一个信道（或者感兴趣的特定频段）并且控制所有协作CR用户各自进行本地感知；其次，所有的CR用户通过控制信道上传它们的感知数据；最后FC汇集所有接收到的本地感知信息，决策licensed user（LU）是否存在，并且将感知结果分发到协作CR用户[2]。
1.2 分布式协作频谱检测方法
与集中式协作频谱检测方法不同的是分布式协作频谱检测方法，它并不依赖FC节点做协同决策。在这种情况下，CR用户之间通过不断重复的通信和汇聚，形成一个一致的授权用户频段空闲或占用的判决结果[2]。
1.3 中继辅助协作频谱检测方法
除了集中式协作频谱检测方法和分布式协作频谱检测方法外，还有一种称为中继辅助协作频谱检测方法。因为感知信道和报告信道都不是理想信道，CR用户在实际检测中可能会遇到比较差的感知信道和比较好的报告信道，也可能会遇到比较理想的感知信道和比较不理想的报告信道，这样，他们可以相互协作和补充，从而提高协作感知的性能。事实上，当感知结果要通过多跳才能到目的节点的时候，所有的中间节点都是中继，因此，如果集中式网络和分布式网络都是单跳协作感知，那么中继辅助结构可以认为是多跳协作感知[2]。
2 软融合算法
软融合算法是以能量检测算法为基础的，第K个认知用户的检测概率和虚警概率定义如下：
（1）
（2）
假设所有认知用户的，在加性高斯白噪声信道下，第K个认知用户的检测概率、虚警概率和漏警概率表达式如下
（3）
（4）
（5）
其中是信噪比signal to noise ratio（SNR），m=TW是时间带宽积，是广义的马坎Q-函数，分别是完全和不完全伽马函数。
在下列算法中，各符号的物理含义如下：
为协作检测概率；
为协作虚警概率。
2.1 选择式合并Selection Combining（SC）
选择式合并是指检测所有分集支路的信号，以选择其中信噪比最高的哪一个支路的信号作为合并器的输出。在选择式合并器中，加权系数只有一项为1，其余均为0，因此：
（6）
在加性高斯白噪声信道下，检测概率和虚警概率分别如下[4]：
（7）
（8）
2.2 最大比值合并Maxinal Ratio Combining（MRC）
最大比值合并是一种最佳合并方式，在这种方案中，在融合中心收到的每一个认知用户的能量先归一化加权再相加，每个用户加权系数取决于收到信号的SNR，统计检验表达式如下：
（9）
在加性高斯白噪声信道下，检测概率和虚警概率分别如下[5]：
（10）
（11）
其中， （12）
2.3 等增益合并Equal Gain Combining（EGC）
等增益合并无需对信号加权，各支路的信号是等增益相加的，等增益合并方式实现比较简单，其性能接近于最大比值合并。
等增益方案的决定是基于所有统计认知用户信息和，等增益方案的总信噪比是所有用户信噪比的和，即
（13）
其中是用户数。
在中心节点的统计决定是各个局部用户检验统计量的收集，即
（14）
在在加性高斯白噪声信道下，检测概率和虚警概率分别如下：
（15）
假定所有分集支路的SNR是一样的，则有，故
（16）
和 （17）
2.4 平方律选择Square-Law Selection（SLS）
在平方律选择合并分集方案中，融合中心只选择有最大能量的分支，即
（18）
在加性高斯白噪声信道下，检测概率和虚警概率分别如下：
（19）
（20）
2.5 平方律合并Square Law Combining（SLC）
平方律合并是最简单的线性软结合方案之一。在这种方案中，每个节点的估计能量送到融合中心并求和，能量和跟一个阈值相比较已决定主用户是否存在。决定统计量表达式如下：
（21）
在加性高斯白噪声信道下，检测概率和虚警概率分别如下[3]：
（22）
（23）
（24）
3 结论
认知无线电是一个解决当前频谱资源稀少的新技术，频谱感知是实现认知无线电功能的基础条件。判定频谱检测的主要指标有三个：检测精度、检测速度和算法的计算复杂度。
本文讨论的软融合算法和硬判决算法相比，有较高的检测精度，但有低的检测速度和高的计算复杂度。
参考文献
[1] 郭彩丽，冯春燕，曾志民，等.认知无线电网络技术及应用[M].电子工业出版社.
[2] 温志刚.认知无线电频谱检测理论与实践[M].北京邮电大学出版社.
[3] Zhengquan Li， Peng Shi， Wanpei Chen， Yan Yan， “Square Law Combining Double threshold Energy Detection in Nakagami Channel”， Internation Journal of Digital Content Technology and its Application， volume5， Number 12， December 2011.
[4] M. K. Simon and M.-S. Alouini， Digital communication over fading channels. John Wiley & Sons， Inc.， 2 ed.， Dec. 2004.
[5] Hongjian Sun， Collaborative Spectrum Sensing in Cognitive Radio Networks. A doctoral thesis of Philosophy. The University of Edinburgh. January 2011.