一种自适应序贯的协同频谱检测方法

摘要

本发明涉及通信技术中认知无线电领域多个次级用户协同检测频谱空洞的方法。其特征是在融合阶段基于序贯概率比检验做出判决，并能自适应地调整感知阶段所使用的采样点数。借助上述特征，这一发明能够保证所需的检测精度，同时最小化检测时间。其具体步骤为：a.所有的次级用户并行采样，并根据这些采样点得到一个感知结果。b.融合中心融合一个次级用户感知结果。c.如果已经融合的感知结果足够，则做出判决；否则返回b继续融合次级用户的感知结果。d.自适应调整采样点数，如果检测不停止则返回a进行下一次检测。

说明书

技术领域

本发明属于通信技术中认知无线电领域，涉及认知无线电网络中多个次级用户协同检测频谱空洞的方法。

背景技术

频谱是无线通信的宝贵资源。在传统的无线通信系统中，频谱分配是固定的。一旦一段频谱授权给某个用户，这个用户(授权用户，主用户)便对其具有独占性，即使自身不使用也禁止其它用户(非授权用户，次级用户)占用。此方案实现简单，有利于保证主用户的服务质量，在无线通信发展伊始就得到了广泛应用，并一直沿用至今。然而，近来的研究表明，主用户在独享授权频段的同时，却没有充分利用该频段。根据美国联邦通信委员会的调查报告，授权频段的利用率在15％到85％之间波动；很多授权频段在不同的时间段内、不同的地理区域里都未被利用，形成了大量的频谱空洞。在频谱需求日益增大的今天，合理回收利用这些频谱空洞，可以极大地缓解当前频谱资源紧张的问题。

认知无线电是一种有效利用频谱空洞的新技术。这一技术允许次级用户在主用户未使用授权频段(频谱空洞存在)的前提下使用该频段；一旦主用户重新使用授权频段(频谱空洞消失)，次级用户必须马上停止使用，以免对主用户产生干扰。为了达到这一目标，次级用户首先必须检测频谱空洞是否存在。

常用的频谱检测方法有能量检测、匹配滤波、循环特征检测等。其中，能量检测结构简单，计算量较小，而且也不需要主用户信号的先验信息，因而得到了广泛的应用。这种方法在高信噪比的场景下具有较好的检测性能。然而，在实际的应用中，由于阴影衰落的影响，信噪比通常会比较低。为了提高低信噪比条件下的检测性能，可以采用多个次级协同检测的方案。这类方案一般分两阶段进行，如图1所示：首先，在感知阶段，每个次级用户分别感知频谱空洞，输出相应感知结果；然后，在融合阶段，融合中心融合多个次级用户的感知结果并做出最终的判决，判断频谱空洞究竟是存在还是不存在。

目前，大部分协同检测方案的研究都着眼于如何设计融合准则以便尽可能地提高检测精度。同时，我们也应该注意到，检测时间也是一个非常重要的性能指标。一方面，如果检测时间过长，授权频谱的使用状况就有可能发生变化，导致检测结果失效。另一方面，如果花费较多的时间检测频谱空洞，那么能够利用频谱空洞的时间就会相应减小，系统的吞吐量难免会受到影响。总而言之，设计频谱检测方案必须综合考虑检测精度和检测时间两个性能指标。

发明内容

技术问题：本发明的目的是提供一种自适应序贯的协同检测方法来检测频谱空洞。这一方法综合考虑检测精度和检测时间两个性能指标，力求在保证所需检测精度的同时，最小化检测时间。

技术方案：如前文所述，整个协同检测过程一般分为两个阶段进行。在感知阶段，所有的次级用户同时感知频谱空洞。这里，我们以次级用户使用能量检测方法为例。假定每个用户均采集n个采样点来计算接收信号的能量，采样周期均为T，则这个阶段所用的时间(感知时间)可以表示成T_s＝nT。在融合阶段，融合中心通过一个控制信道融合不同次级用户的感知结果，并完成最终的判决。由于只有一个通信信道，融合过程必须依次进行。假定融合中心融合了m个次级用户的感知结果，融合每个次级用户感知结果所需的时间为R倍的T，则这一阶段所需的时间(融合时间)可以表示为T_f＝mRT。所以，整个检测过程所需的时间(检测时间)可以表示成T_d＝T_s+T_f＝nT+mRT。又由于检测精度通常由虚警概率P_f和漏检概率P_m来衡量，所以这一问题可以描述为

最小化T_d，约束条件：P_f≤α，P_m≤β，

其中，α和β分别为所需的虚警概率和漏检概率。

为了解决上述问题，我们首先设计了一种序贯的协同检测方法。此方法在融合阶段采用了序贯概率比检验(SPRT)，能够保证P_f≤α和P_m≤β，从而解除约束条件限制。在此基础上，我们考虑最小化检测时间T_d，并设计了一种自适应序贯的协同检测方法。除采用序贯概率比检验之外，这一方法还在感知阶段自适应地调整次级用户所用的采样点数，并使其收敛到最优值。通过采用一个最优的采样点数，该方法能够使得检测时间T_d达到最小。

(1)序贯协同检测

和其他协同检测方法一样，此方法同样分两个阶段进行。

在感知阶段，每个次级用户都采用能量检测的方法来感知频谱空洞。考虑到次级用户均使用了n个采样点，第j个次级用户的接收能量可以表示为

$v_j=\left(\begin{array}{cc}\underset{k=1}{\overset{n}{\Sigma }}{\left|n_j\left(k\right)\right|}^2& H_0\\ \underset{k=1}{\overset{n}{\Sigma }}{|n_j\left(k\right)+s_j\left(k\right)|}^2& H_1\end{array}\right),---\left(1\right)$

其中，n_j(k)和s_j(k)分别表示第j个次级用户的加性噪声和第j个次级用户的接收信号；H₀和H₁为二元假设，分别表示频谱空洞不存在和存在。

在序贯的协同检测中，每个次级用户不直接输出其接收能量，而是输出相应的对数似然比。假定v_j独立同分布，且其概率密度函数在H₀和H₁假设下分别为f₀(v_j)和f₁(v_j)，则第j个次级用户的对数似然比可计算如下

$L_j=\log \left(\frac{f_1\left(v_j\right)}{f_0\left(v_j\right)}\right).---\left(2\right)$

在融合阶段，融合中心依次融合多个次级用户的对数似然比，累积求和。

当第j个次级用户的对数似然比L_j被融合后，相应的累积对数似然比可表示为

$S_j=\underset{k=1}{\overset{j}{\Sigma }}{L}_k=S_{j-1}+L_j,$S₀＝0.                                    (3)

得到这个累积对数似然比之后，根据序贯概率比检验理论，我们可以决定究竟是停止融合做出最终的判决，或是继续融合下一个次级用户的对数似然比L_j+1，

这里的A和B代表序贯协同检测的判决门限。其中，均由α和β决定。

序贯协同检测的最大特点在于其基于序贯概率比检验做判决。在这一方法中，融合中心会不断地融合次级用户的感知结果(对数似然比)，直到其累积对数似然比超过判决门限为止。考虑到判决门限A和B都取决于α和β，因此，这种检测方法能够融合足够感知结果以保证P_f≤α和P_m≤β。另一方面，一旦超过判决门限后，融合中心就会停止融合过程。由于不需要融合多余的感知结果，相对于其他协同检测方法，这种方法需要较少的融合时间，其所需的检测时间也自然较小。

(2)自适应序贯协同检测

由于序贯协同检测能够保证P_f≤α和P_m≤β，解除了约束条件的限制，在这里，我们直接讨论最小化其检测时间的问题。需要特别指出的是，在序贯协同检测中，每次有多少个次级用户的感知结果被融合是随机的，即m是个随机变量，因而T_d也是一个随机变量。所以，我们最小化的实际上是其平均检测时间E{T_d}＝T_s+E{T_f}＝nT+E{m}RT。

一般而言，n和m之间是没有关系。增大n和增大m都能获得更高的检测精度。然而，在序贯协同检测中，n和m之间存在着制约关系。由于序贯协同检测的检测精度被限制在所需的水平上，如果感觉阶段所使用的采样点数减小(n减小)，那么融合阶段需要融合更多次级用户的感知结果(E{m}增大)。同理，如果增大n，E{m}就会相应地减小。从这个角度上看，应该存在一个最优的n值，记作n_opt，使得平均检测时间E{T_d}＝nT+E{m}RT达到最小。

在一些比较简单的场景中，我们可以推导出n_opt的闭合表达式，进而求得这个最优的采样点数。但在更多的场景中，n_opt的值难以按照上述方法得到。因此，我们设计了一种自适应序贯的协同检测方法。在任意一次检测中(以第i次检测为例)，这种方法首先按照序贯协同检测的方法完成判决，然后自适应地调整次级用户所用采样点数。自适应调整的实现形式有多种，这里，我们给出一个简单的符号算法的例子，

$n^{i+1}=n^i-\mu ·g((T_d^i-T_d^{i-1})/(n^i-n^{i-1})).---\left(5\right)$

这里的nⁱ和分别表示第i次检测中所使用的采样点数和所花费的检测时间；μ表示自适应调整的步长；g(x)是一个自定义函数，当x＞0时取1值，当x＜0时取-1值，当x＝0时随机地取1值或者-1值。

借助于上述自适应调整，自适应序贯协同检测能使其所使用的采样点数n收敛到最优值n_opt，从而实现最小化平均检测时间E{T_d}的目标。

有益效果：本发明所提出的自适应序贯的协同检测方法具有以下优点：

(1)实现简单。在传统的检测方法中，判决门限需要已知判决统计量的概率密度函数，根据一个设定的虚警(或者漏检)概率反向求解获得；而在本发明中，判决门限A和B可以直接根据所需的虚警概率和漏检概率计算得到。

(2)严格保证所需的检测精度。本发明基于序贯概率比检验做判决。直到达到所需的检测精度，融合中心才会停止融合次级用户的感知结果。

(3)大幅减少检测时间。其检测时间的减少来源于两个方面。一方面，本发明中，融合中心会在达到所需的检测精度后立即同时融合，避免了融合多余的感知结果。和其他使用相同采样点数(感知时间相同)的协同检测方法相比，本发明需要融合较少次级用户的感知结果(融合时间较小)，从而所需的检测时间也较小。另一方面，本发明自适应地调整感知阶段所使用的采样点数，并使其收敛到最优值。通过使用最优的采样点数，检测时间能够达到最小。

附图说明

图1为协同频谱空洞检测的示意图。

图2为自适应序贯频谱检测的算法流程图。

具体实施方式

本发明所提出的自适应序贯的协同检测方法具体实施步骤如下：

1)初始化。根据序贯协同检测方法完成一次检测，将其采样点数和检测时间分别记作n⁰和设定初始的采样点数n¹和自适应调整的步长μ；令S₀＝0，i＝1。

2)所有的次级用户并行进行nⁱ点采样，并根据这些采样点计算出各自接收信号的能量。其中第j个次级用户接收信号的能量计算如下：

$v_j=\left(\begin{array}{cc}\underset{k=1}{\overset{n^i}{\Sigma }}{\left|n_j\left(k\right)\right|}^2& H_0\\ \underset{k=1}{\overset{n^i}{\Sigma }}{|n_j\left(k\right)+s_j\left(k\right)|}^2& H_1\end{array}\right)j=\mathrm{1,2,3},....$

3)所有的次级用户都根据各自接收信号的能量计算出各自的对数似然比。其中第j个次级用户的对数似然比计算如下：

$L_j=\log \left(\frac{f_1\left(v_j\right)}{f_0\left(v_j\right)}\right)$j＝1，2，3，….

4)初始化计数器p＝1。

5)融合中心融合第p个次级用户的对数似然比，计算出相应的累积对数似然比

S_p＝S_p-1+L_p.

6)将S_p与判决门限A、B做比较。如果A＜S_p＜B，则p＝p+1，返回5)；

如果S_p≥B，则判定频谱空洞存在；如果S_p≤A，则判定频谱空洞不存在。

7)计算出第i次检测所花费的时间并将其代入下列公式，计算出第i+1次检测应该使用的采样点数，

$n^{i+1}=n^i-\mu ·g((T_d^i-T_d^{i-1})/(n^i-n^{i-1})).$

8)i＝i+1，返回2)进行下一次检测。