專利名稱：一種基于審查的最優(yōu)量化協(xié)作頻譜感知方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種特別用于認(rèn)知無(wú)線電系統(tǒng)中基于多節(jié)點(diǎn)協(xié)作的頻譜感知實(shí)現(xiàn)方 法，屬于通信技術(shù)領(lǐng)域。
背景技術(shù)：
眾所周知，在很多國(guó)家無(wú)線電頻譜的使用是受到控制的，他們通過(guò)政府授權(quán)的方 法把有限的頻段分配給許可的通信系統(tǒng)單獨(dú)使用，正是由于采用了這種靜態(tài)的頻譜資源分 配方式，使得無(wú)線電頻譜的利用率不高。近年來(lái)由于通信技術(shù)的飛速發(fā)展，越來(lái)越多的無(wú)線 設(shè)備被廣泛使用，從而導(dǎo)致頻譜的競(jìng)爭(zhēng)不斷升溫，尤其是3GHz以下頻段的爭(zhēng)奪已達(dá)到了近 白日化的程度。但根據(jù)美國(guó)聯(lián)邦通信委員會(huì)(FCC)的研究顯示有執(zhí)照頻段的頻譜利用率僅 為15%到35%，因此急需一種新的政策和技術(shù)來(lái)解決這種日益突出的頻譜擁塞的問(wèn)題。為 解決這個(gè)問(wèn)題，認(rèn)知無(wú)線電概念應(yīng)運(yùn)而生。認(rèn)知無(wú)線電的基本思想是無(wú)執(zhí)照用戶(即次用戶)在不影響有執(zhí)照用戶(即主用 戶)通信的情況下可以使用其頻段。例如FCC在考慮了電視頻段的利用率很低的情況下， 提出了開(kāi)放電視頻段給次用戶使用的思想。在這個(gè)新的頻譜使用方法中，主用戶可以和次 用戶共享頻譜，因此提高了頻譜利用率。認(rèn)知無(wú)線電的兩個(gè)主要目標(biāo)是(1)保證無(wú)論何時(shí) 何地的高可靠通信(2)無(wú)線電頻譜的高效利用。認(rèn)知無(wú)線電的基本出發(fā)點(diǎn)是為了提高頻譜利用率，具有認(rèn)知功能的無(wú)線通信設(shè)備 可以按照某種“伺機(jī)”的方式工作在主用戶的頻段內(nèi)，當(dāng)然，這一定要建立在主用戶的頻段 沒(méi)有用或者只有很少的通信業(yè)務(wù)在活動(dòng)的情況下。這種在空域、時(shí)域和頻域中出現(xiàn)可以被 利用的頻譜資源被稱為“頻譜空穴”。認(rèn)知無(wú)線電的核心思想就是使無(wú)線通信設(shè)備具有發(fā)現(xiàn) “頻譜空穴”并合理利用的能力，因此對(duì)頻譜空穴的發(fā)現(xiàn)——即頻譜感知技術(shù)是認(rèn)知無(wú)線電 系統(tǒng)中的關(guān)鍵技術(shù)?，F(xiàn)實(shí)的無(wú)線環(huán)境又是復(fù)雜多變的，必然會(huì)對(duì)單節(jié)點(diǎn)頻譜感知的準(zhǔn)確性帶來(lái)很大的 影響，為了克服無(wú)線通信中的隱節(jié)點(diǎn)、深衰落和陰影效應(yīng)等對(duì)頻譜感知帶來(lái)的影響，可以采 用協(xié)作檢測(cè)的方法，即多個(gè)認(rèn)知無(wú)線電次用戶互相合作，共同來(lái)對(duì)主用戶信號(hào)進(jìn)行檢測(cè)。由 于隱節(jié)點(diǎn)的問(wèn)題是次用戶位于主用戶的陰影中而產(chǎn)生的，而當(dāng)多個(gè)次用戶相互協(xié)作時(shí)，所 有的次用戶都位于主用戶陰影中的概率就極小了，同樣的所有的次用戶到主用戶都處于深 衰落的概率也是極小的，因此協(xié)作檢測(cè)可以有效地解決隱節(jié)點(diǎn)和深衰落的問(wèn)題。另外依靠 信號(hào)的多路檢測(cè)可以實(shí)現(xiàn)分集，從而在低SNR時(shí)也可以有很好感知性能。
發(fā)明內(nèi)容
技術(shù)問(wèn)題協(xié)作檢測(cè)可以有效地解決隱節(jié)點(diǎn)和深衰落的問(wèn)題，本發(fā)明的目的是提 供一種基于審查的最優(yōu)量化協(xié)作頻譜感知方法，該方法將審查機(jī)制與本地最優(yōu)量化相結(jié)合 來(lái)實(shí)現(xiàn)協(xié)作頻譜感知，融合中心采用最大后驗(yàn)概率融合準(zhǔn)則，采用“審查”機(jī)制后可以減少 發(fā)往融合中心的平均感知比特?cái)?shù)，從而有效地節(jié)約了傳輸帶寬。
技術(shù)方案本方法的實(shí)現(xiàn)分為本地節(jié)點(diǎn)感知和中心進(jìn)行融合，本地節(jié)點(diǎn)首先對(duì)信 號(hào)的能量進(jìn)行檢測(cè)，將“審查”的方法與本地最優(yōu)量化相結(jié)合，對(duì)能量檢測(cè)值進(jìn)行量化，融合 中心采用最大后驗(yàn)概率融合準(zhǔn)則，對(duì)接受到的量化數(shù)據(jù)進(jìn)行融合，以給出對(duì)主用戶是否存 在的判斷。在認(rèn)知無(wú)線電系統(tǒng)中，當(dāng)主用戶空閑時(shí)次用戶可以使用主用戶的頻譜，然而當(dāng) 主用戶需要占用頻段時(shí)，次用戶要及時(shí)讓出頻譜以避免對(duì)主用戶的干擾，即頻譜感知 (Spectrum Sensing)技術(shù)不僅用于頻譜空穴的探索和判定，它還用于在認(rèn)知無(wú)線電通信過(guò) 程中對(duì)頻譜狀態(tài)的實(shí)時(shí)監(jiān)測(cè)，因此執(zhí)行準(zhǔn)確可靠的頻譜感知成為認(rèn)知無(wú)線電系統(tǒng)一個(gè)極為 重要的功能。為了克服無(wú)線通信中的隱節(jié)點(diǎn)題、深衰落和陰影效應(yīng)等對(duì)認(rèn)知無(wú)線電帶來(lái)的影 響，可以采用協(xié)作檢測(cè)的方法，即多個(gè)認(rèn)知無(wú)線電次用戶互相合作，共同來(lái)對(duì)主用戶信號(hào)進(jìn) 行檢測(cè)。如圖1所示，在協(xié)作感知中，每一個(gè)次用戶獨(dú)立執(zhí)行頻譜感知，隨后把得到的本地 頻譜感知的信息傳送給融合中心，融合中心選用某一合適的數(shù)據(jù)融合技術(shù)做出最終的頻譜 感知決策，其中每一個(gè)次用戶的獨(dú)立的頻譜感知采用能量檢測(cè)的方法。在帶寬受限時(shí)，如果每一個(gè)認(rèn)知用戶都傳送它的感知信息，那么當(dāng)網(wǎng)絡(luò)中有大量 的認(rèn)知用戶存在時(shí)，就需要占用大量的通信帶寬來(lái)進(jìn)行本地決策報(bào)告，這將有違認(rèn)知無(wú)線 電系統(tǒng)提高頻譜利用率的初衷，因此我們采用一種“審查”的策略來(lái)有效地節(jié)約帶寬?；趯彶榈淖顑?yōu)量化協(xié)作頻譜感知方法將審查機(jī)制與本地最優(yōu)量化相結(jié)合來(lái)實(shí) 現(xiàn)協(xié)作頻譜感知，該方法包括以下步驟a.本地感知節(jié)點(diǎn)計(jì)算檢測(cè)統(tǒng)計(jì)量將接收到的信號(hào)通過(guò)一個(gè)帶寬為W的帶通濾波 器，取出所需要頻段的信號(hào)，然后通過(guò)一個(gè)平方律檢測(cè)器完成平方運(yùn)算，之后通過(guò)積分器在 某一時(shí)間段T內(nèi)進(jìn)行積分，最后得到檢測(cè)統(tǒng)計(jì)量X ；b.基于審查機(jī)制對(duì)統(tǒng)計(jì)量X進(jìn)行量化X為實(shí)空間，它被分割為q+1個(gè)不相互重疊 的區(qū)間Ay其中i = 1，2，. . .，q+1, q+1是量化級(jí)，由于多了一個(gè)不發(fā)送比特的區(qū)間，所以 量化級(jí)數(shù)為2n+l，n為量化的比特?cái)?shù)，除了不發(fā)送區(qū)間外，分別給其它各個(gè)區(qū)間A ,分配一個(gè)
量化器輸出值 c.最優(yōu)量化分割值的求取定義標(biāo)準(zhǔn)偏差為= L，其中Ei
和&分別是主用戶存在Hi和主用戶不存在氏的期望，Q為量化器輸出，％是氏的方 差，這個(gè)標(biāo)準(zhǔn)偏差反映的是&和氏的統(tǒng)計(jì)距離，對(duì)于實(shí)空間的分割域可以得到
，在H0和Hi狀態(tài)下，這些概率是已知的，并分別用pQ⑴和Pl⑴
9+1
來(lái)表示，那么標(biāo)準(zhǔn)偏差為= ^-^-，對(duì)于觀測(cè)空間已知的分割區(qū)
間Ay為了最大化上式，Wi取為 ,=,，而與之對(duì)應(yīng)的標(biāo)準(zhǔn)偏差為D(A) =!(、)-!，其
中
則最優(yōu)的分隔方法為尋找區(qū)域A,以及與之相對(duì)應(yīng)的Wi，使得標(biāo)準(zhǔn)偏差取最大值。令檢測(cè)統(tǒng)計(jì)量在氏情況下的分布函數(shù)為FJX)，在已知信噪比的&情況下的分
布函數(shù)為&⑴，則=
，則最優(yōu)的量化區(qū)間為使得i ( △)最大化的A i
的取值，這樣可以獲得最優(yōu)量化分割值Ci ；d.融合中心基于改進(jìn)的最大后驗(yàn)概率融合準(zhǔn)則對(duì)接收到的量化數(shù)據(jù)進(jìn)行融合，最 終給出是否有主用戶存在的判決令數(shù)字1到q表示融合中心接收到各個(gè)認(rèn)知用戶發(fā)送來(lái) 的量化信息，對(duì)于不發(fā)送的感知用戶，融合中心認(rèn)為它的狀態(tài)為空(①)，那么本地的決策信 息可以表示為
不發(fā)送的感知用戶其中j表示第j個(gè)本地感知用戶，j = 1，2，. . .，N，N為本地感知用戶數(shù)，①為空 狀態(tài)。最大后驗(yàn)概率準(zhǔn)則是根據(jù)已有的數(shù)據(jù)，選擇最有可能產(chǎn)生該數(shù)據(jù)的假設(shè)，在多個(gè)傳感 器目標(biāo)檢測(cè)中就是取兩個(gè)概率中較大者所對(duì)應(yīng)的假設(shè)。本地的決策信息有1，2，. . .，q，①， 其中①表示狀態(tài)為空，感知用戶落入不發(fā)送區(qū)間，不參與本次中心融合，又各本地感知節(jié) 點(diǎn)彼此相互獨(dú)立同分布，則融合中心的檢測(cè)概率可以由各本地決策概率的乘積得到，同理， 融合中心的虛警概率也可以由各本地決策概率乘積得到，即 其中Qk是所有滿足Uj = k的感知節(jié)點(diǎn)的集合，即落入量化區(qū)間Uj = k的集合，Q。 是所有滿足Uj= O的感知節(jié)點(diǎn)的集合，即落入不發(fā)送區(qū)間的集合，且滿足(^(^ —(^Q。 =N ；P(Ul, u2，. . .，是主用戶存在情況下的所有感知節(jié)點(diǎn)的聯(lián)合概率，P(Ul, u2，...， un|H0)是主用戶不存在情況下的所有感知節(jié)點(diǎn)的聯(lián)合概率，POijZklHi)是主用戶存在時(shí)落 入量化區(qū)間屮=k的概率，P(Uj =小塊)是主用戶存在時(shí)落入量化區(qū)間= O的概率， P(uj = k|H0)是主用戶不存在時(shí)落入量化區(qū)間= k的概率，P(Uj =小H0)是主用戶不存 在時(shí)落入量化區(qū)間~ = O的概率，融合中心可以通過(guò)統(tǒng)計(jì)各個(gè)感知節(jié)點(diǎn)發(fā)送來(lái)的落入不 同量化區(qū)間或者落入不發(fā)送區(qū)間的判決信息得到Qi，Q2，.. ，QfQ ，并通過(guò)循環(huán)迭代的方法 得到各種量化區(qū)間的概率，POg是主用戶存在的先驗(yàn)概率，P(H0)是主用戶不存在的先驗(yàn) 概率。對(duì)于這種具有量化和審查相結(jié)合的方法，基于最大后驗(yàn)概率融合準(zhǔn)則，主用戶是否存
在的判決準(zhǔn)則可以轉(zhuǎn)化為比較w 1 2和^(的大小若前者大于后者，主用
戶存在的概率大于主用戶不存在的概率，則判為主用戶存在；若前者小于后者，主用戶不存 在的概率大于主用戶存在的概率，則判為主用戶不存在。有益效果協(xié)作頻譜感知可以有效地解決認(rèn)知無(wú)線電系統(tǒng)頻譜感知技術(shù)中的隱節(jié) 點(diǎn)和深衰落的問(wèn)題，在協(xié)作頻譜感知系統(tǒng)中，當(dāng)協(xié)作的認(rèn)知無(wú)線電用戶較多時(shí)，它們向融合 中心匯報(bào)的感知信息就會(huì)占用大量的帶寬，并且還會(huì)消耗認(rèn)知終端更多的能量，本發(fā)明將 審查機(jī)制與本地最優(yōu)量化相結(jié)合來(lái)實(shí)現(xiàn)協(xié)作頻譜感知，融合中心采用改進(jìn)的最大后驗(yàn)概率融合準(zhǔn)則，以此來(lái)減少發(fā)往融合中心的平均感知比特?cái)?shù)，從而有效地節(jié)約了傳輸帶寬。
圖1基于數(shù)據(jù)融合的協(xié)作頻譜感知的系統(tǒng)模型。圖2基于“審查”的協(xié)作頻譜感知系統(tǒng)模型。圖 3 lb it 量化。圖 42bit 量化。圖5 “審查”與lbit量化相結(jié)合。圖6 “審查”與2bit量化相結(jié)合。
具體實(shí)施例方式圖2為1比特量化的方法，N個(gè)認(rèn)知無(wú)線電(CR)感知終端分別對(duì)主用戶的未知信 號(hào)進(jìn)行能量檢測(cè)，并把能量檢測(cè)值Ei(i = 1,2...N)與預(yù)先設(shè)定的兩個(gè)門限外和約進(jìn)行比 較。若第i個(gè)感知終端觀察計(jì)算得到的Ei值落入了不判決區(qū)[外仍]時(shí)，則此終端認(rèn)為此時(shí) 接收到的關(guān)于主用戶存在與否的信息是不可靠，那么相應(yīng)地第i個(gè)感知終端將不對(duì)融合中 心傳送任何判決結(jié)果。只有當(dāng)Ei值落入預(yù)先設(shè)定的判為氏的可靠區(qū)和判為&的可靠區(qū)時(shí)， 本地頻譜感知的判決結(jié)果Ui才分別傳送0或1，因此判決結(jié)果Ui傳送與否具有隨機(jī)性。當(dāng)本地為多比特傳輸感知信息時(shí)，則采用最優(yōu)量化的方法。為了檢測(cè)附加了噪聲 的已知的弱信號(hào)，本地最優(yōu)量化檢測(cè)器由一個(gè)本地最優(yōu)的非線性部分和門限部分所組成。 當(dāng)本地感知節(jié)點(diǎn)采用能量檢測(cè)的算法，已知SNR時(shí)可以用卡方分布函數(shù)來(lái)獲得觀測(cè)信號(hào)的 概率密度函數(shù)，而且當(dāng)采樣點(diǎn)數(shù)較大時(shí)，這種分布近似為正態(tài)分布函數(shù)。 定義標(biāo)準(zhǔn)偏差為
，其中E1和E。分別是Hi和H。的期望，V0是Hq的方差，這個(gè)標(biāo)準(zhǔn)偏差反映的是氏和Hq的統(tǒng)計(jì)距離，在已知SNR和q的情 況下，我們尋找區(qū)域A,以及與之相對(duì)應(yīng)的Wi(l ^ i ^ q)，使得這種情況下可以使標(biāo)準(zhǔn)偏
差取得最大值。令A(yù)i = [Ci，ci+1) , i = 1，2，...，q，其中Ci為量化門限，且量化的所有區(qū)間的總 和要包含整個(gè)實(shí)數(shù)區(qū)間RN，那么我們可以認(rèn)為第一個(gè)量化區(qū)間Ai左邊界是趨于負(fù)無(wú)窮的， 即Cl =-⑴，最后一個(gè)量化區(qū)間A q的右邊界是趨于正無(wú)窮的，即Cq+1 = +⑴，因此我們?cè)谶M(jìn) 行量化處理求取量化線時(shí)可以不考慮Cl和cq+1這兩條量化線。lbit量化(q = 21 = 2)和 2bit量化(q = 22 = 4)的區(qū)間分隔情況分別如圖3和圖4所示?！皩彶椤迸c量化相結(jié)合的 方法與一般的量化方法不同之處在于多增加了一個(gè)“審查”區(qū)間，即不發(fā)送區(qū)間，因此lbit 量化和2bit量化結(jié)合“審查”方法的區(qū)間分隔情況分別如圖5和圖6所示。融合中心采用改進(jìn)的最大后驗(yàn)概率融合準(zhǔn)則，通過(guò)統(tǒng)計(jì)各個(gè)感知節(jié)點(diǎn)的發(fā)送來(lái)的 落入不同量化區(qū)間或者落入不發(fā)送區(qū)間的判決信息得到Q” Q2，...，Qq，Q ，其中Qk是所有 滿足= k的感知節(jié)點(diǎn)的個(gè)數(shù)，即落入量化區(qū)間Ui = k的個(gè)數(shù)，是所有滿足Ui =①的 感知節(jié)點(diǎn)的個(gè)數(shù)，即落入不發(fā)送區(qū)間的個(gè)數(shù)，且滿足(^(^…—(^(^ = N，并通過(guò)循環(huán)迭代 的方法得到各種量化區(qū)間的概率P，最終得到主用戶存在與否的判決氏或氏。本地感知節(jié)點(diǎn)的結(jié)構(gòu)如圖7所示，本地感知節(jié)點(diǎn)中既包含了檢測(cè)器，也包含了帶“審查”區(qū)間的量化器，它將量化后的數(shù)據(jù)&發(fā)往融合中心，然后融合中心利用改進(jìn)的最大 后驗(yàn)概率融合準(zhǔn)則來(lái)處理這些接收到的量化數(shù)據(jù)，最終作出是否有主用戶存在的判決。認(rèn)知無(wú)線電的頻譜感知的檢測(cè)問(wèn)題可描述為在兩個(gè)假設(shè)量氏和&之間的檢測(cè)。氏 意味著只有噪聲存在，&代表即有信號(hào)也噪聲存在。定義氏和&兩個(gè)假設(shè)的分布函數(shù)分布 為F0 (x)和(x)，它們相應(yīng)的概率密度函數(shù)為p0 (x)和Pl (x)。量化器Q(X)是一個(gè)系統(tǒng)，它把隨機(jī)矢量X轉(zhuǎn)化為離散的隨機(jī)變量Y (標(biāo)量)，這一 轉(zhuǎn)化是確定性，即實(shí)空間『被分割為q個(gè)不相互重疊的區(qū)間Adi = 1，2，...，q)，可如下 表不A,A =0且滿足Z 其中q是量化級(jí)，滿足q = 2n，n為量化的比特?cái)?shù)，又分別給每一個(gè)區(qū)間A ,分配一 個(gè)量化器輸出值&，即Y = 且僅當(dāng) XG Api = l，2，...，q (2)也就是說(shuō)量化器Q(0完全可以由q的個(gè)數(shù)，以及與之相對(duì)應(yīng)的Ai區(qū)間和^值 所決定，即通過(guò)尋找觀測(cè)空間的分割值來(lái)實(shí)現(xiàn)量化器。 本地最優(yōu)量化的檢測(cè)針對(duì)信噪比較小的情況是一個(gè)很有用的方法，為了檢測(cè)附加 了噪聲的已知的弱信號(hào)，本地最優(yōu)量化檢測(cè)器由一個(gè)本地最優(yōu)的非線性部分和門限部分所 組成，研究顯示最優(yōu)量化方法的瓶頸是在SNR未知時(shí)無(wú)法獲得檢測(cè)信號(hào)的概率密度函數(shù)。 但是當(dāng)本地感知節(jié)點(diǎn)采用能量檢測(cè)的算法，已知SNR時(shí)可以用卡方分布函數(shù)來(lái)獲得觀測(cè)信 號(hào)的概率密度函數(shù)，而且當(dāng)采樣點(diǎn)數(shù)較大時(shí)，這種分布近似為正態(tài)分布函數(shù)。因此我們就可 以設(shè)計(jì)一個(gè)在已知SNR下的最優(yōu)的量化方法。為了得到最優(yōu)量化的方法，采用標(biāo)準(zhǔn)偏差，它可以定義為 其中Ei和Eq分別是&和Hq的期望，Vq是Hq的方差。這個(gè)標(biāo)準(zhǔn)偏差反映的是氏和 H0的統(tǒng)計(jì)距離，使用這一標(biāo)準(zhǔn)偏差，檢測(cè)的最優(yōu)量化可以如下描述在已知SNR和q的情況 下，尋找區(qū)域Ai以及與之相對(duì)應(yīng)的Wi(l ^ i ^ q)，使得這種情況下可以讓標(biāo)準(zhǔn)偏差取得 最大值。
對(duì)于任何的『的分割域△，或固定q值的分割域A,，可以得到 在氏和氏狀態(tài)下，這些概率是已知的，并分別用Ptl(i)和pji)來(lái)表示。那么標(biāo)準(zhǔn) 偏差可以表示為 對(duì)于觀測(cè)空間已知的分割區(qū)間A，為了得到最大化的(5)式，&可以取為 而與之對(duì)應(yīng)的D為D=I-1(7)
其中 那么最優(yōu)的分隔方法可以表示為 又由于檢驗(yàn)統(tǒng)計(jì)量在氏下的分布函數(shù)為F^X)，在已知SNR的氏的情況下的分布 函數(shù)為FJX)，那么最優(yōu)的量化區(qū)間可以表示為 可見(jiàn)求解非線性方程(10)就可以獲得最優(yōu)量化的參數(shù)Ci的值，其它參數(shù)就可以 通過(guò)Ci進(jìn)一步地求出。這種最優(yōu)的分割方法是由似然比量化方法獲得，它是由最優(yōu)的檢測(cè)系統(tǒng)(似然比 接收機(jī))的量化輸出演繹而來(lái)的，也就是說(shuō)對(duì)『進(jìn)行q個(gè)區(qū)域的A i分割是由似然比的標(biāo) 量量化得到的，有最大標(biāo)準(zhǔn)偏差的系統(tǒng)即有最小化的似然比的距離。“審查”的方法是存在不發(fā)送的觀測(cè)區(qū)間，即本地感知節(jié)點(diǎn)并不向融合中心進(jìn)行匯 報(bào)，在這里由于融合中心采用最大后驗(yàn)概率融合準(zhǔn)則，那么這種不匯報(bào)的狀態(tài)，融合中心是 可以感知到并記錄的，因此融合中心可以充分利用這種狀態(tài)來(lái)提高自己的判決準(zhǔn)確度。由于Ai = [Ci，ci+1) , i = 1,2,..., q，而且量化的所有區(qū)間的總和要包含整個(gè)實(shí) 數(shù)區(qū)間RN，那么我們可以認(rèn)為第一個(gè)量化區(qū)間A i左邊界是趨于負(fù)無(wú)窮的，即Cl =-⑴，最 后一個(gè)量化區(qū)間A q的右邊界是趨于正無(wú)窮的，即Cq+1 = +⑴，因此我們?cè)谶M(jìn)行量化處理求 取量化線時(shí)可以不考慮Cl和cq+1這兩個(gè)量化線。因此lbit量化(q = 21 = 2)和2bit量 化(q = 22 = 4)的區(qū)間分隔情況分別如圖3和圖4所示。現(xiàn)在考慮加入“審查”的方法 (censoring scheme)之后，增加了一個(gè)不發(fā)送的區(qū)間，因此lbit量化和2bit量化結(jié)合檢查 的方法的區(qū)間分隔情況分別如圖5和圖6所示。這種“審查”與量化相結(jié)合的方法與一般量化方法不同的地方在于多增加了一個(gè) 檢查區(qū)間，即不發(fā)送區(qū)間，因此量化處理過(guò)程Q( )可以表示為 那么相應(yīng)最優(yōu)量化時(shí)所需的標(biāo)準(zhǔn)偏差可以表示為 為了得到最大化的(12)式，Wi的取值為 那么與之對(duì)應(yīng)的D為
其中火=H5)
那么最優(yōu)的分隔方法可以表示為 也可進(jìn)一步地表示為
(17)可見(jiàn)求解方程(17)就可以得到檢查與本地最優(yōu)量化相結(jié)合的方法的最優(yōu)參數(shù)Ci 的值。融合中心利用最大后驗(yàn)概率融合準(zhǔn)則來(lái)處理這些接收到的量化數(shù)據(jù)，最終作出是 否有主用戶存在的判決。我們先考慮沒(méi)有檢查的傳統(tǒng)量化的方法，即不存在不發(fā)送感知報(bào)告的認(rèn)知無(wú)線電 用戶的情況。為了使問(wèn)題表述更加方便，我們使用數(shù)字1到q來(lái)表示融合中心接收到各個(gè) 認(rèn)知用戶發(fā)送來(lái)的量化后的信息，那么本地的決策信息可以表示為 其中i表示第i個(gè)本地感知用戶，i = 1,2,.. .，N，且假設(shè)發(fā)送報(bào)告信息的控制信 道為理想信道，即融合中心可以準(zhǔn)確無(wú)誤地接收到感知用戶發(fā)送來(lái)的報(bào)告信息。
采用最大后驗(yàn)概率融合準(zhǔn)則，它表示為
由于不同的本地感知節(jié)點(diǎn)的決策是相互獨(dú)立的，利用這一性能可以得到 所以可以得到 其中Qk是所有滿足Ui = k的感知節(jié)點(diǎn)的個(gè)數(shù)，即落入量化區(qū)間= k的個(gè)數(shù)。且 滿足Qi+Qf.+Q, = N。因此對(duì)于這種具有量化器的本地感知節(jié)點(diǎn)的最大后驗(yàn)概率融合準(zhǔn)則 可以轉(zhuǎn)化為 即融合中心可以通過(guò)統(tǒng)計(jì)各個(gè)感知節(jié)點(diǎn)的發(fā)送來(lái)的落入不同量化區(qū)間的判決信 息得到Q” Q” ...，Qq，并通過(guò)循環(huán)迭代的方法得到各種量化區(qū)間的概率P，從而得到式(23) 中的左半式，并與右半式進(jìn)行比較，最終得到主用戶存在與否的判決氏或氏。再進(jìn)一步說(shuō)明“審查”和量化相結(jié)合的方法，即存在不發(fā)送感知報(bào)告的認(rèn)知無(wú)線電 用戶的情況。同樣為了使問(wèn)題表述更加方便，我們使用數(shù)字1到q來(lái)表示融合中心接收到 各個(gè)認(rèn)知用戶發(fā)送來(lái)的量化后的信息，對(duì)于不發(fā)送的感知用戶融合中心認(rèn)為它的狀態(tài)為空 (①)。那么本地的決策信息可以表示為
=0),不發(fā)送的感知用戶其中i表示第i個(gè)本地感知用戶，i = 1,2,.. .，N，而且我們假設(shè)發(fā)送報(bào)告信息的 控制信道為理想信道，即融合中心可以準(zhǔn)確無(wú)誤地接收到感知用戶發(fā)送來(lái)的報(bào)告信息。因此可以得到 = 所以可以得到
(27)其中Qk是所有滿足Ui = k的感知節(jié)點(diǎn)的個(gè)數(shù)，即落入量化區(qū)間= k的個(gè)數(shù)，Q。 是所有滿足W = O的感知節(jié)點(diǎn)的個(gè)數(shù)，即落入不發(fā)送區(qū)間的個(gè)數(shù)。且滿足
。因此對(duì)于這種具有量化和檢測(cè)相結(jié)合的方法的本地感知節(jié)點(diǎn)的最大后驗(yàn)概率融合準(zhǔn) 則可以轉(zhuǎn)化為 即融合中心可以通過(guò)統(tǒng)計(jì)各個(gè)感知節(jié)點(diǎn)的發(fā)送來(lái)的落入不同量化區(qū)間或者落入 不發(fā)送區(qū)間的判決信息得到Q”Q2，...，QyQ。，并通過(guò)循環(huán)迭代的方法得到各種量化區(qū)間的 概率P，從而得到式(6.32)中的左半式，并與右半式進(jìn)行比較，最終得到主用戶存在與否的 判決&或H。。
權(quán)利要求
一種基于審查的最優(yōu)量化協(xié)作頻譜感知方法，其特征在于該方法將審查機(jī)制與本地最優(yōu)量化相結(jié)合來(lái)實(shí)現(xiàn)協(xié)作頻譜感知，該方法包括以下步驟a.本地感知節(jié)點(diǎn)計(jì)算檢測(cè)統(tǒng)計(jì)量將接收到的信號(hào)通過(guò)一個(gè)帶寬為W的帶通濾波器，取出所需要頻段的信號(hào)，然后通過(guò)一個(gè)平方律檢測(cè)器完成平方運(yùn)算，之后通過(guò)積分器在某一時(shí)間段T內(nèi)進(jìn)行積分，最后得到檢測(cè)統(tǒng)計(jì)量X；b.基于審查機(jī)制對(duì)統(tǒng)計(jì)量X進(jìn)行量化X為實(shí)空間，它被分割為q+1個(gè)不相互重疊的區(qū)間Δi，其中i＝1，2，...，q+1，q+1是量化級(jí)，由于多了一個(gè)不發(fā)送比特的區(qū)間，所以量化級(jí)數(shù)為2n+1，n為量化的比特?cái)?shù)，除了不發(fā)送區(qū)間外，分別給其它各個(gè)區(qū)間Δi分配一個(gè)量化器輸出值wi；c.最優(yōu)量化分割值的求取定義標(biāo)準(zhǔn)偏差為其中E1和E0分別是主用戶存在H1和主用戶不存在H0的期望，Q為量化器輸出，V0是H0的方差，這個(gè)標(biāo)準(zhǔn)偏差反映的是H1和H0的統(tǒng)計(jì)距離，對(duì)于實(shí)空間的分割域Δi，可以得到在H0和H1狀態(tài)下，這些概率是已知的，并分別用p0(i)和p1(i)來(lái)表示，那么標(biāo)準(zhǔn)偏差為對(duì)于觀測(cè)空間已知的分割區(qū)間Δi，為了最大化上式，wi取為而與之對(duì)應(yīng)的標(biāo)準(zhǔn)偏差為D(Δ)＝i(Δ)-1，其中則最優(yōu)的分隔方法為尋找區(qū)域Δi以及與之相對(duì)應(yīng)的wi，使得標(biāo)準(zhǔn)偏差取最大值。令檢測(cè)統(tǒng)計(jì)量在H0情況下的分布函數(shù)為F0(X)，在已知信噪比的H1情況下的分布函數(shù)為F1(X)，則則最優(yōu)的量化區(qū)間為使得i(Δ)最大化的Δi的取值，這樣可以獲得最優(yōu)量化分割值ci；d.融合中心基于改進(jìn)的最大后驗(yàn)概率融合準(zhǔn)則對(duì)接收到的量化數(shù)據(jù)進(jìn)行融合，最終給出是否有主用戶存在的判決令數(shù)字1到q表示融合中心接收到各個(gè)認(rèn)知用戶發(fā)送來(lái)的量化信息，對(duì)于不發(fā)送的感知用戶，融合中心認(rèn)為它的狀態(tài)為空(Φ)，那么本地的決策信息可以表示為其中j表示第j個(gè)本地感知用戶，j＝1，2，...，N，N為本地感知用戶數(shù)，Φ為空狀態(tài)。最大后驗(yàn)概率準(zhǔn)則是根據(jù)已有的數(shù)據(jù)，選擇最有可能產(chǎn)生該數(shù)據(jù)的假設(shè)，在多個(gè)傳感器目標(biāo)檢測(cè)中就是取兩個(gè)概率中較大者所對(duì)應(yīng)的假設(shè)。本地的決策信息有1，2，...，q，Φ，其中Φ表示狀態(tài)為空，感知用戶落入不發(fā)送區(qū)間，不參與本次中心融合，又各本地感知節(jié)點(diǎn)彼此相互獨(dú)立同分布，則融合中心的檢測(cè)概率可以由各本地決策概率的乘積得到，同理，融合中心的虛警概率也可以由各本地決策概率乘積得到，即 <mrow><mi>P</mi><mrow> <mo>(</mo> <msub><mi>u</mi><mn>1</mn> </msub> <mo>,</mo> <msub><mi>u</mi><mn>2</mn> </msub> <mo>,</mo> <mo>.</mo> <mo>.</mo> <mo>.</mo> <mo>,</mo> <msub><mi>u</mi><mi>N</mi> </msub> <mo>|</mo> <msub><mi>H</mi><mn>1</mn> </msub> <mo>)</mo></mrow><mo>=</mo><munder> <mi>Π</mi> <msub><mi>Q</mi><mi>k</mi> </msub></munder><munderover> <mi>Π</mi> <mrow><mi>k</mi><mo>=</mo><mn>1</mn> </mrow> <mi>q</mi></munderover><mi>P</mi><mrow> <mo>(</mo> <msub><mi>u</mi><mi>j</mi> </msub> <mo>=</mo> <mi>k</mi> <mo>|</mo> <msub><mi>H</mi><mn>1</mn> </msub> <mo>)</mo></mrow><mo>·</mo><munder> <mi>Π</mi> <msub><mi>Q</mi><mi>Φ</mi> </msub></munder><mi>P</mi><mrow> <mo>(</mo> <msub><mi>u</mi><mi>j</mi> </msub> <mo>=</mo> <mi>Φ</mi> <mo>|</mo> <msub><mi>H</mi><mn>1</mn> </msub> <mo>)</mo></mrow> </mrow> <mrow><mi>P</mi><mrow> <mo>(</mo> <msub><mi>u</mi><mn>1</mn> </msub> <mo>,</mo> <msub><mi>u</mi><mn>2</mn> </msub> <mo>,</mo> <mo>.</mo> <mo>.</mo> <mo>.</mo> <mo>,</mo> <msub><mi>u</mi><mi>N</mi> </msub> <mo>|</mo> <msub><mi>H</mi><mn>0</mn> </msub> <mo>)</mo></mrow><mo>=</mo><munder> <mi>Π</mi> <msub><mi>Q</mi><mi>k</mi> </msub></munder><munderover> <mi>Π</mi> <mrow><mi>k</mi><mo>=</mo><mn>1</mn> </mrow> <mi>q</mi></munderover><mi>P</mi><mrow> <mo>(</mo> <msub><mi>u</mi><mi>j</mi> </msub> <mo>=</mo> <mi>k</mi> <mo>|</mo> <msub><mi>H</mi><mn>0</mn> </msub> <mo>)</mo></mrow><mo>·</mo><munder> <mi>Π</mi> <msub><mi>Q</mi><mi>Φ</mi> </msub></munder><mi>P</mi><mrow> <mo>(</mo> <msub><mi>u</mi><mi>j</mi> </msub> <mo>=</mo> <mi>Φ</mi> <mo>|</mo> <msub><mi>H</mi><mn>0</mn> </msub> <mo>)</mo></mrow> </mrow>其中Qk是所有滿足uj＝k的感知節(jié)點(diǎn)的集合，即落入量化區(qū)間uj＝k的集合，QΦ是所有滿足uj＝Φ的感知節(jié)點(diǎn)的集合，即落入不發(fā)送區(qū)間的集合，且滿足Q1+Q2+…+Qq+QΦ＝N；P(u1，u2，...，uN|H1)是主用戶存在情況下的所有感知節(jié)點(diǎn)的聯(lián)合概率，P(u1，u2，...，uN|H0)是主用戶不存在情況下的所有感知節(jié)點(diǎn)的聯(lián)合概率，P(uj＝k|H1)是主用戶存在時(shí)落入量化區(qū)間uj＝k的概率，P(uj＝φ|H1)是主用戶存在時(shí)落入量化區(qū)間uj＝Φ的概率，P(uj＝k|H0)是主用戶不存在時(shí)落入量化區(qū)間uj＝k的概率，P(uj＝φ|H0)是主用戶不存在時(shí)落入量化區(qū)間uj＝Φ的概率，融合中心可以通過(guò)統(tǒng)計(jì)各個(gè)感知節(jié)點(diǎn)發(fā)送來(lái)的落入不同量化區(qū)間或者落入不發(fā)送區(qū)間的判決信息得到Q1，Q2，...，Qq，QΦ，并通過(guò)循環(huán)迭代的方法得到各種量化區(qū)間的概率，P(H1)是主用戶存在的先驗(yàn)概率，P(H0)是主用戶不存在的先驗(yàn)概率。對(duì)于這種具有量化和審查相結(jié)合的方法，基于最大后驗(yàn)概率融合準(zhǔn)則，主用戶是否存在的判決準(zhǔn)則可以轉(zhuǎn)化為比較和的大小若前者大于后者，主用戶存在的概率大于主用戶不存在的概率，則判為主用戶存在；若前者小于后者，主用戶不存在的概率大于主用戶存在的概率，則判為主用戶不存在。FSA00000129486300011.tif,FSA00000129486300012.tif,FSA00000129486300013.tif,FSA00000129486300014.tif,FSA00000129486300015.tif,FSA00000129486300016.tif,FSA00000129486300021.tif,FSA00000129486300024.tif,FSA00000129486300025.tif
全文摘要
一種基于審查的最優(yōu)量化協(xié)作頻譜感知方法，是一種特別用于認(rèn)知無(wú)線電系統(tǒng)中基于多節(jié)點(diǎn)協(xié)作的頻譜感知實(shí)現(xiàn)方法。該方法將審查機(jī)制與本地最優(yōu)量化相結(jié)合來(lái)實(shí)現(xiàn)協(xié)作頻譜感知，融合中心應(yīng)采用的是最大后驗(yàn)概率融合準(zhǔn)則，以此來(lái)減少發(fā)往融合中心的平均感知比特?cái)?shù)，從而有效地節(jié)約了傳輸帶寬。首先由本地感知節(jié)點(diǎn)計(jì)算檢測(cè)統(tǒng)計(jì)量，基于最優(yōu)量化求取分割值，然后基于審查機(jī)制對(duì)統(tǒng)計(jì)量X進(jìn)行量化，中間有一個(gè)不發(fā)送比特的區(qū)間，除了不發(fā)送區(qū)間外，分別給其它各個(gè)區(qū)間分配一個(gè)量化器輸出值，最后融合中心基于最大后驗(yàn)概率融合準(zhǔn)則對(duì)接收到的量化數(shù)據(jù)進(jìn)行融合，最終給出是否有主用戶存在的判決。
文檔編號(hào)H04B17/00GK101854217SQ20101018253
公開(kāi)日2010年10月6日 申請(qǐng)日期2010年5月25日 優(yōu)先權(quán)日2010年5月25日
發(fā)明者卞荔, 朱琦, 趙夙, 龔曉潔 申請(qǐng)人:南京郵電大學(xué)