论文部分内容阅读
【摘要】在授权用户（PUs）和未授权二级用户（SUs）共享频谱检测中。为解决这个问题需要应用协作检测。但是SUs的数量是很大的，这就导致一般接收它们报告的检测结果也需要占用大量的带宽。在本文中，我们提出了一种改进的按频谱划分的分簇检测算法，通过位置信息审查减少发送给簇头的平均开销。
【关键词】认知无线电；分簇协作；位置信息
1.介绍
随着快速发展的无线通信技术，频谱资源不足的问题凸现出来，传统的静态的划分频谱资源的方法已经不适合当先需要，对于无线通信的发展无线电频谱已成为一种稀缺资源。但是通过FFC对频谱利用率的研究报告显示大部分授权频谱并未充分使用[1]。为了达到上述目的而产生的一种技术，它不但能认知外部无线电环境并能从以前的经验中学习，从而能动态地接入未被使用的频谱，并且不影响已授权用户的正常使用。频谱检测作为实现上述功能的关键技术之一显得格外重要，要求认知用户能在一段频带上快速准确地检测出频谱空穴来动态地接人未被使用的频谱，从而提高频谱的利用率。为了不影响主用户的正常通信从而要求认知无线电能在低信噪比下快速准确地检测出主用户信号，这时，结合能量检测利用位置信息协作频谱检测就成为一种新的途径。
2.SUs的位置信息利用研究
一个典型的CR网络如图1，这些SUs随机分布并和PU的距离不同，由于多径衰落，阴影和多徑对SUs的影响是计算它们不同的位置，得到不同的SNRs，协作检测有助于一个较差位置的SU用较低的SNR，定位出一个信道的占用/空闲。
在传统的协作检测中，每一个SU将检测整个频谱，通过融合中心收集信息[2-3]。误检概率Pd与SU的位置有关，因此，一些距离较远和在阴影中的用户也许会引起很严重的虚警和漏检的发生。随后所有的信息被收集发送到一个融合中心，从位置较差的SU发出的错误检测值将会降低整个协作检测的表现[4-5]。如图1的情景，SU3是距离主用户PU较近的点，因此SU3受到的阴影衰落和多径衰落的影响更小，因此，它相对其他CR用户拥有较高的SNR，而SU4距离主用户最远，同时，由于衰落和阴影它的SNR也要低于其他SU。
由图1中各SU的表现特征划分，SU4由于它的低SNR表现出很高的误检概率，概率表现最好的SU3拥有较高的SNR，如果坚持用OR规则判决4个SUs，判决结果将很差[6]。协作检测的权值是通过比较SU的不同位置得出，su3位置较好获得较高的SNR将获得较多的权值，较差位置获得低SNR的用户获得权值较少。
在所有基于权值利用OR的协作检测模型中，所有的SUs都要发送报告给融合中心，因此使用较多的带宽来发送报告，这启发我们发现一种检测选择性模型，通过对各个用户的位置信息的考虑来降低发送报告到融合中心的平均检测开销。
3.使用位置信息优化基于协作检测的频谱分簇
3.1 基于位置的分簇协作检测
从图1我们能观察到使用能量检测的SU3的检测表现要优于其他SUs，通过位置特征的优势得到较少的衰落。其他的SUs证明只有对协作检测的权值很小的提升。如图1像它们的权值（例如：SU4）与SU3相比也比较少，因为SU4较差的位置，尽管分配给他们的权值较少，但是他们仍然要检测和报告信息给簇头，因此要使用更多的带宽为了协作检测在带宽的束缚下的有效性，信息的选择使用是有要求的。
一个基于在簇中各个SUs的位置信息算法被建立起来。目的是减少检测的比特数，这种算法通过每个簇的簇头表现出来，例如：在图2中的cluster1 cluster2和cluster3。
具体步骤：
1）比较所有SUs的SNR值，并在SUs中选出最大SNR。
2）找到△=MAXSNR-每一个SNR，主要是△是一个1*n阶的矩阵和n是一个簇中SU的数量。
3）如果一个簇中每个SU的△<接收范围，则使用这些SUs的协作检测，否则丢弃这些SUs。
可接受范围的值通过经验得出，如图3中的例子为△=2db，通过目前的基于位置的协作检测算法，SUs的“△”值>2db将不被频谱检测所认可。目前的算法，这些SUs的“△”将大于接收范围，落入“no decision”的标准中，这些SUs将不参加发送报告给融合中心。因此，减少了频谱开销。
假设SUs划分到L个簇中，有Ni个SUs在第1th个簇中，ni，avg表示在第1th个簇中从SUs到簇头的检测比特的平均数，Tn表示n个SU参与频谱检测判决的事件，T（N1-n）表示在第1th个簇中有（Ni-n）个SU没有报告给簇头的事件。
P{Tn}=
且P{}=
表示在每个1th个簇中第个SU检测到的能量，则ni，avg经计算得：
ni，avg=PP+PP
ni，avg=
PP
和分别为第1th个簇中假设分别在和条件下落入“no decision”的概率，两个门限和用来测试能量检测的可靠性。如果检测到的能量低于门限或者超过（分别表示决定主用户存在的双门限）“no decision”表示由于可靠性不足不能加入协作检测的第1th簇的SU。
基于位置的检测表现特性表明协作检测的权值在使用位置的算法后提升了它的表现，通过移除来自SU4（位置最差的SU）的判决，这种算法与4个SUs的算法相比较也是可以接受的。
3.2 理想的簇尺寸和簇成员数量
通过第1章的分析，SUs的位置分簇能使协作检测的性能得到提升，通过收集各种先验信息和拓展信息，最后发送到簇头，再根据位置权值送到融合中心进行本地判决，下面我们要讨论两个重要但是未解决的问题：
3.2.1 簇尺寸
我们划分一个簇的最大半径，在簇中平均RSS的不超过两个SUs的位置，（R-）和（R+），这里的R是和簇中心的距离，Rc是簇的半径。使用多项式能量路径损耗模型[6]平均RSS在SUs在距离给出（是的传输能量，是路径损耗指数）最大簇尺寸决定为公式10log10dB，得出公式=R，。 如果一个簇的有效半径（例如R=150.3 km）为5.76km，使用=3的Hata模型[7]。
3.2.2 簇成员数量
=和=代表误检概率，在我们的模型中将K个SUs划分到L个簇内，N代表每个簇中最大的成员数，但是最优的N和L是由K决定的，是由检测表现和时间决定的，有K个SUs给出误检概率的门限为和，经计算N和L为：
N=L=
它也表示出随着n的增加误检概率会降低。
根据图3仿真结果得出基于位置的分簇算法可以提高检测概率，同时有效降低检测时间和报告开销。
4.结论
在本文中我们的目的是利用位置信息划分簇进行协助检测，基于频谱分割成簇能有效的降低每个用户扫描整个频段所用的检测时间，找到适合的簇尺寸和簇成员数量。基于位置的算法可以获得有比较性的检测结果，与常见的协作检测相比较，利用位置信息排除所有检测用户中的较差用户，达到降低了检测时间的目的。
参考文献
[1]Docket ET.Federal Communications Commission[R].Spectrum Policy Task Force Report，2002.
[2]赵知劲，郑仕链，尚俊娜.认知无线电技术[M].北京：科学出版社，2008.
[3]M.Mishra ，A.Sahai，and R.Brodersen，"Cooperative sensing among cognitive radios"，in Proc.IEEE International Conference on Communications，Istanbul，June 2006.
[4]Z.Quan，S.Cui，A.H.Sayed，and V.H.Poor，Wideband spectrum sensing in cognitive radio networks，in IEEE International Conferenceon Communications，Beijing，China，May 2008.
[5]A.Ghasemi and E.S.Sousa，"Collaborative spectrum sensing for opportunistic access in fading environments，in IEEE International Symposium on Dynamic Spectrum Access Networks，Nov 2005.
[6]周贤伟，王建萍，王春江.认知无线电[M].北京：国防工业出版社，2008.
[7]E.Sofer，WRAN Channel Modeling，IEEE 802.22-05/ 0055r0，July2005.
作者簡介：
张峻源（1984—），男，甘肃白银人，兰州交通大学在读研究生，主要研究方向：认知无线电。
张彦旭（1984—），男，河北晋州人，大学本科，现供职于中国铁路通信信号股份有限公司广州工程分公司，主要研究方向：GSM-R无线网络通信。
【关键词】认知无线电；分簇协作；位置信息
1.介绍
随着快速发展的无线通信技术，频谱资源不足的问题凸现出来，传统的静态的划分频谱资源的方法已经不适合当先需要，对于无线通信的发展无线电频谱已成为一种稀缺资源。但是通过FFC对频谱利用率的研究报告显示大部分授权频谱并未充分使用[1]。为了达到上述目的而产生的一种技术，它不但能认知外部无线电环境并能从以前的经验中学习，从而能动态地接入未被使用的频谱，并且不影响已授权用户的正常使用。频谱检测作为实现上述功能的关键技术之一显得格外重要，要求认知用户能在一段频带上快速准确地检测出频谱空穴来动态地接人未被使用的频谱，从而提高频谱的利用率。为了不影响主用户的正常通信从而要求认知无线电能在低信噪比下快速准确地检测出主用户信号，这时，结合能量检测利用位置信息协作频谱检测就成为一种新的途径。
2.SUs的位置信息利用研究
一个典型的CR网络如图1，这些SUs随机分布并和PU的距离不同，由于多径衰落，阴影和多徑对SUs的影响是计算它们不同的位置，得到不同的SNRs，协作检测有助于一个较差位置的SU用较低的SNR，定位出一个信道的占用/空闲。
在传统的协作检测中，每一个SU将检测整个频谱，通过融合中心收集信息[2-3]。误检概率Pd与SU的位置有关，因此，一些距离较远和在阴影中的用户也许会引起很严重的虚警和漏检的发生。随后所有的信息被收集发送到一个融合中心，从位置较差的SU发出的错误检测值将会降低整个协作检测的表现[4-5]。如图1的情景，SU3是距离主用户PU较近的点，因此SU3受到的阴影衰落和多径衰落的影响更小，因此，它相对其他CR用户拥有较高的SNR，而SU4距离主用户最远，同时，由于衰落和阴影它的SNR也要低于其他SU。
由图1中各SU的表现特征划分，SU4由于它的低SNR表现出很高的误检概率，概率表现最好的SU3拥有较高的SNR，如果坚持用OR规则判决4个SUs，判决结果将很差[6]。协作检测的权值是通过比较SU的不同位置得出，su3位置较好获得较高的SNR将获得较多的权值，较差位置获得低SNR的用户获得权值较少。
在所有基于权值利用OR的协作检测模型中，所有的SUs都要发送报告给融合中心，因此使用较多的带宽来发送报告，这启发我们发现一种检测选择性模型，通过对各个用户的位置信息的考虑来降低发送报告到融合中心的平均检测开销。
3.使用位置信息优化基于协作检测的频谱分簇
3.1 基于位置的分簇协作检测
从图1我们能观察到使用能量检测的SU3的检测表现要优于其他SUs，通过位置特征的优势得到较少的衰落。其他的SUs证明只有对协作检测的权值很小的提升。如图1像它们的权值（例如：SU4）与SU3相比也比较少，因为SU4较差的位置，尽管分配给他们的权值较少，但是他们仍然要检测和报告信息给簇头，因此要使用更多的带宽为了协作检测在带宽的束缚下的有效性，信息的选择使用是有要求的。
一个基于在簇中各个SUs的位置信息算法被建立起来。目的是减少检测的比特数，这种算法通过每个簇的簇头表现出来，例如：在图2中的cluster1 cluster2和cluster3。
具体步骤：
1）比较所有SUs的SNR值，并在SUs中选出最大SNR。
2）找到△=MAXSNR-每一个SNR，主要是△是一个1*n阶的矩阵和n是一个簇中SU的数量。
3）如果一个簇中每个SU的△<接收范围，则使用这些SUs的协作检测，否则丢弃这些SUs。
可接受范围的值通过经验得出，如图3中的例子为△=2db，通过目前的基于位置的协作检测算法，SUs的“△”值>2db将不被频谱检测所认可。目前的算法，这些SUs的“△”将大于接收范围，落入“no decision”的标准中，这些SUs将不参加发送报告给融合中心。因此，减少了频谱开销。
假设SUs划分到L个簇中，有Ni个SUs在第1th个簇中，ni，avg表示在第1th个簇中从SUs到簇头的检测比特的平均数，Tn表示n个SU参与频谱检测判决的事件，T（N1-n）表示在第1th个簇中有（Ni-n）个SU没有报告给簇头的事件。
P{Tn}=
且P{}=
表示在每个1th个簇中第个SU检测到的能量，则ni，avg经计算得：
ni，avg=PP+PP
ni，avg=
PP
和分别为第1th个簇中假设分别在和条件下落入“no decision”的概率，两个门限和用来测试能量检测的可靠性。如果检测到的能量低于门限或者超过（分别表示决定主用户存在的双门限）“no decision”表示由于可靠性不足不能加入协作检测的第1th簇的SU。
基于位置的检测表现特性表明协作检测的权值在使用位置的算法后提升了它的表现，通过移除来自SU4（位置最差的SU）的判决，这种算法与4个SUs的算法相比较也是可以接受的。
3.2 理想的簇尺寸和簇成员数量
通过第1章的分析，SUs的位置分簇能使协作检测的性能得到提升，通过收集各种先验信息和拓展信息，最后发送到簇头，再根据位置权值送到融合中心进行本地判决，下面我们要讨论两个重要但是未解决的问题：
3.2.1 簇尺寸
我们划分一个簇的最大半径，在簇中平均RSS的不超过两个SUs的位置，（R-）和（R+），这里的R是和簇中心的距离，Rc是簇的半径。使用多项式能量路径损耗模型[6]平均RSS在SUs在距离给出（是的传输能量，是路径损耗指数）最大簇尺寸决定为公式10log10dB，得出公式=R，。 如果一个簇的有效半径（例如R=150.3 km）为5.76km，使用=3的Hata模型[7]。
3.2.2 簇成员数量
=和=代表误检概率，在我们的模型中将K个SUs划分到L个簇内，N代表每个簇中最大的成员数，但是最优的N和L是由K决定的，是由检测表现和时间决定的，有K个SUs给出误检概率的门限为和，经计算N和L为：
N=L=
它也表示出随着n的增加误检概率会降低。
根据图3仿真结果得出基于位置的分簇算法可以提高检测概率，同时有效降低检测时间和报告开销。
4.结论
在本文中我们的目的是利用位置信息划分簇进行协助检测，基于频谱分割成簇能有效的降低每个用户扫描整个频段所用的检测时间，找到适合的簇尺寸和簇成员数量。基于位置的算法可以获得有比较性的检测结果，与常见的协作检测相比较，利用位置信息排除所有检测用户中的较差用户，达到降低了检测时间的目的。
参考文献
[1]Docket ET.Federal Communications Commission[R].Spectrum Policy Task Force Report，2002.
[2]赵知劲，郑仕链，尚俊娜.认知无线电技术[M].北京：科学出版社，2008.
[3]M.Mishra ，A.Sahai，and R.Brodersen，"Cooperative sensing among cognitive radios"，in Proc.IEEE International Conference on Communications，Istanbul，June 2006.
[4]Z.Quan，S.Cui，A.H.Sayed，and V.H.Poor，Wideband spectrum sensing in cognitive radio networks，in IEEE International Conferenceon Communications，Beijing，China，May 2008.
[5]A.Ghasemi and E.S.Sousa，"Collaborative spectrum sensing for opportunistic access in fading environments，in IEEE International Symposium on Dynamic Spectrum Access Networks，Nov 2005.
[6]周贤伟，王建萍，王春江.认知无线电[M].北京：国防工业出版社，2008.
[7]E.Sofer，WRAN Channel Modeling，IEEE 802.22-05/ 0055r0，July2005.
作者簡介：
张峻源（1984—），男，甘肃白银人，兰州交通大学在读研究生，主要研究方向：认知无线电。
张彦旭（1984—），男，河北晋州人，大学本科，现供职于中国铁路通信信号股份有限公司广州工程分公司，主要研究方向：GSM-R无线网络通信。