一种基于加权的分组协作感知算法

【摘要】在本文中，描述了一种新的认知无线电协作频谱感知改进算法。本文在现有的分组协作频谱感知结构的基础上，引入一个新的基于加权的分组协作算法。相较于其他的协作感知基于权重的协作在最终的判决中考虑到了根据每一组用户贡献的不同动态的分配权重因子。这样一来，不仅增强及达到更好的感知性能，且感知结果更加精确。在基于权重的协作算法中，可以不用考虑用户数目的不同，因为它对检测结果没有影响。本文通过对瑞利衰落信道使用加权分组协作进行仿真。证明了加权分组协作频谱感知可以提高能量检测概率。

【关键词】协作频谱感知；分组协作；权重因子；加权分组协作；能量检测

1.引言

在认知无线电系统中，应该确保认知用户不对首要用户造成干扰。然而，在衰落信道中，单节点频谱感知不是很可靠。当信道环境比较差时即处于深度衰弱和阴影，感知结果将大大的减弱恶化了认知用户的检测性能。为了克服这些问题，产生了认知用户之间的协作频谱感知。

在协作频谱感知中，存在的一种现象：相同的检测结果（如，首要用户存在或不存在）不同的认知节点情况不同，这种现象已吸引了大多数学者的注意。

引起此现象的主要原因可能是多径衰落，阴影遮蔽或者信道环境的不稳定性等。我们称这些情况为不确定性问题。文献[1]中的D-S理论已经解决了这些问题，但是没有解决本地感知的可靠评估。因为每个认知用户的可靠特值在整个感知过程中并没有提供。更准确的说，它仅仅考虑了信道的条件，并没有提供每个认知用户的准确的量化参数。因此我们要引进更多的参数来量化每个认知用户包含的可靠性，文献[2]采用模糊矩阵理论来解决不确定性问题且它的模糊决策完全是根据经验。然而基于这种方法的模式不能保证其检测性能一定由于用其他模糊方式的方法。

2.算法原理

传统的协作算法中，大部分假设判决信道（认知用户和判决中心之间）是高斯非衰落的，感知信道（认知用户和首要用户之间）服从瑞利衰落，其无线电系统感知性能可有如下表示：

上述为认知用户与融合中心之间处于高斯非衰落环境中的检测性能。

其中，和分别表示首要用户信号不出现和出现的情况，某一刻第个认知用户的平均信噪比用表示。

在传统的协作感知中，假设每一个认知用户服从携带相同平均信噪比的瑞利衰落。然而，在协作频谱感知中产生了一个关键的问题，那就是不能确切的计算每一个认知用户的检测概率。

3.加权分组协作算法

3.1 分组协作

在分组算法中相关联的，一个节点如果在所有节点在它自己的或者相邻节点一个跳跃点含有最高的检测性能，将此节点作为簇头。这种算法是是产生较小簇数目LCA2算法[3]的改进。LCA2算法选择所有节点中有最低的节点作为簇头，它既不是一个簇头也不是在1个跳跃点内已经选择的簇头。在文献[4]提出的算法，选择在相邻节点的1个跳跃点有最高自由度的节点作为簇头。这些分组算法可以解决传统协作算法的关键问题。这就意味着分组概念可以用来在每一分组中获得一个本地检测概率。因此，通过分组协作频谱感知性能将得到明显改善。

在这一部分，将分组的概念加入前一章提到的加权协作算法中来克服传统协作感知的一些问题。分组协作原理图如图1所示。

这里对分组作如下说明：

（1）认知用户接收信道的瞬间信道状态信息是有效的；

（2）在同一个分组中任何两个相邻用户之间的信道是完整的。

通过下面步骤来实现分组管理：

首先，通过同样的分布式分组算法[3-5]将所有的认知用户分成几组当认知用户有最高的瞬间接收信道增益时，选择最积极的认知用户作为簇头，在同一组中簇头和所有的认知节点相关。在簇头附近的认知用户接收广播信息，然后加入有一样簇头的相同组。

随后，协作感知进入下面步骤，每个组中的任何一个认知用户收集来自本地频谱感知的能量值，并且将其发送至该组的簇头。其收集的感知结果Gi，j和前面的检测概率Pd，j之间的关系如下所示：，其中Gi，j表示第j组中第i个认知用户的本地感知，Pd，j表示第j组的检测概率，nj表示第j组的认知用户数目。

最后，将所有簇头的信息送至数据融合中心，最初最终的判决结果为：

3.2 加权分组协作

权重因子作如下描述：考虑在接收信道（认知用户和认知用户基站之间的信道）经历了瑞利衰落。在先前的工作中，提到了一种加权协作感知根据其对权值函数的不同贡献来分配动态权值。因此，根据在最后感知中贡献来分配每一组的权重，可以描述如下：

其中，表示权重因子，j表示第j组，n代表n个感知，表示簇的数目，每次感知完，分配权重因子给第j组。

最初，分配相同的权重因子给每一组，次感知完，每一组的权重因子分配给第次的感知结果。因此，可以动态的改变基于最终贡献每一个协作簇的权重，可以描述如下：

其基于权重的分组协作感知流程图如图2所示。

相较于其他的协作感知基于权重的协作在最终的判决中考虑到了根据每一组用户贡献的不同动态的分配权重因子。这样一来，不仅增强及达到更好的感知性能，且感知结果更加精确。在基于权重的协作算法中，可以不用考虑用户数目的不同，因为它对检测结果没有影响。在前面的论述中，已经假设在同一个组中的认知用户所处的信道环境是一样的。还可以不用给去虚警概率的权重因子，因为考虑到没有信号传输和信噪比独立的情况，它对信道环境不产生影响。

4.仿真结果分析

基于以上的理论分析，我们通过MATLAB仿真来验证基于权重的分组协作算法的特性，根据文献[6]取其所处的信道环境和仿真参数如表1和2所示。仿真是基于能量检测的，将集中于分组数N的影响来评估该算法的性能。此外，认为每一组的信道衰落是不同的，其中一部分信道环境比较好，而另外一部分相对较差。当虚警概率时计算检测概率。基于瑞利衰落和高斯白噪声环境仿真，假设在此系统中将所有的认知用户分成10组且每组中有1000个认知用户。为了验证其检测性能将对照传统协作感知即没有分组和权重。

由图3的仿真结果可知，在相同的信噪比下，基于分组的协作感知的检测概率是传统的协作感知算法的两倍多，且基于权重分组的协作感知更是传统算法的五倍。可以明显看出基于权重的感知算法检测性能得到了大大的提高。

5.总结

本文在分组协作频谱感知模型中提出一种加权分组协作。通过仿真结果可知，在频谱感知中包含有加权分组的检测性能得到了一定的改善。这种在瑞利衰落信道中技术可以延伸到其它信道和不同的融合准则中。相较于其他的协作感知基于权重的协作在最终的判决中考虑到了根据每一组用户贡献的不同动态的分配权重因子。这样一来，不仅增强及达到更好的感知性能，且感知结果更加精确。在基于权重的协作算法中，可以不用考虑用户数目的不同，因为它对检测结果没有影响。同时，仿真结果予表明了加权分组协作检测性能得到了极大的改善。

参考文献

[1]Q.Peng，K.Zeng，J.Wang.A distributed spectrum sensing scheme based on credibility and evidence theory in cognitive radio context.Proc.IEEE PIMRC，2006：1-5.

[2]杨爽.认知无线电协作频谱感知技术的分析与仿真[D].武汉：华中师范大学，2011.

[3]谢鲲，孙家奇，龚闯等.无线多跳网络分簇协作路由算法[J].小型微型计算机系统，2013：210-215.

[4]刘洋.基于Ad hoc组网的移动WLAN传输性能分析[J].通信技术，2013，46（1）：79-82.

[5]刘鑫，谭学治，马琳.认知无线电多簇联合频谱感知算法[J].哈尔滨工业大学学报，2013（1）：50-54.

[6]Jookwan Lee，Youngmin Kim.Weighted-Cooperative Spectrum Sensing Scheme using Clustering in Cognitive Radio Systems，2008：786-790.

作者简介：李丽娟，硕士研究生，主要从事认知无线电频谱感知方面的研究。