基于ds證據(jù)理論的認知無線網(wǎng)絡協(xié)作頻譜感知方法
【技術領域】
[0001] 本發(fā)明涉及無線通信領域，尤其涉及一種基于DS證據(jù)理論的認知無線網(wǎng)絡協(xié)作 頻譜感知方法。
【背景技術】
[0002] 近年來，隨著無線通信的迅速發(fā)展，面對頻譜資源高度緊缺這一嚴峻現(xiàn)狀，認知無 線電（CR，Cognitive Radio)技術能夠跟蹤頻譜變化，并根據(jù)無線環(huán)境自適應調(diào)整其工作參 數(shù)，有效地提高頻譜利用率。而基于CR構建認知無線網(wǎng)絡（CRN，CR Net work)是CR邁向 實際應用的重要一步，認知無線電采用機會方式動態(tài)接入授權用戶暫時空閑的頻譜資源實 施通信任務，可靠感知空閑頻譜是實現(xiàn)認知無線電的前提。頻譜感知的主要功能是辨識當 前可用于傳輸數(shù)據(jù)的信道，不僅要求認知終端具有寬帶寬的處理單元實時、快速完成空時 寬帶頻譜分析，而且還要求認知終端能及時將獲得的頻譜檢測信息上傳至認知基站或接入 點，由認知基站或接入點配置的決策單元進行多源信息融合，以獲得高可靠的頻譜感知性 能。
[0003] 在認知無線網(wǎng)絡中，特別是異構多認知無線電共存環(huán)境中，授權用戶與認知用戶、 異構認知用戶之間通常處于非合作狀態(tài)，加之認知用戶的移動性、空間差異性、隱藏終端異 常檢測以及操作行為的時變性、不確定性等，加劇了認知用戶對信道感知的不確定性，而這 種不確定性會導致決策單元最終判決錯誤。DS證據(jù)理論是一種不精確推導理論，能在比 貝葉斯概率更弱的條件下表達"不確定"和"不知道"事件，為不確定信息處理提供了一種 有效方法。基于DS證據(jù)理論的協(xié)作頻譜感知算法將多個協(xié)作節(jié)點的檢測信源信息作為證 據(jù)，建立相應的信任函數(shù)，并在同一識別框架下將各證據(jù)體合并為一個新的證據(jù)體，能合理 區(qū)分"不知道"與"不確定"信息區(qū)，將"不確定"因素用信任函數(shù)表征?；诰嚯x分簇的協(xié) 作頻譜感知算法依據(jù)認知節(jié)點的地理位置信息，選擇最靠近主用戶的認知節(jié)點參與信息融 合，但感知性能取決于對認知節(jié)點地理位置的準確估計，難以適用環(huán)境動態(tài)變化，且需要額 外配置位置感知單元。線性融合算法能避免似然比檢測融合的高復雜度，協(xié)作節(jié)點依據(jù)本 地檢測獨立判決，再將判決結果發(fā)送至決策單元執(zhí)行信息融合；加權信息融合算法基于各 協(xié)作節(jié)點的檢測概率和虛警概率分配權重，將加權判決結果之和作為檢測統(tǒng)計量，但需已 知各協(xié)作節(jié)點的本地檢測概率和虛警概率以及主用戶存在性的先驗概率。數(shù)據(jù)預濾波算 法能剔除異常的能量檢測結果，利用協(xié)作節(jié)點的可信因子作為加權系數(shù)對檢測結果加權融 合，但對協(xié)作節(jié)點可信因子的估計需要已知先驗信息，且運算復雜度很高。非相干能量分解 算法通過并行檢測和識別主用戶和認知用戶，能避免相互干擾，但實現(xiàn)復雜度也很高。

【發(fā)明內(nèi)容】

[0004] 有鑒于此，本發(fā)明提供一種基于DS證據(jù)理論的認知無線網(wǎng)絡協(xié)作頻譜感知方法， 以解決上述問題。
[0005] 本發(fā)明提供的基于DS證據(jù)理論的認知無線網(wǎng)絡協(xié)作頻譜感知方法，包括
[0006] 為頻譜檢測設置協(xié)作節(jié)點的判決門限，所述門限值包括上限閾值和下限閾值，對 協(xié)作節(jié)點執(zhí)行本地頻譜檢測和判決，將檢測統(tǒng)計量與門限值對比，
[0007] 若檢測統(tǒng)計量大于上限閾值，判決信道狀態(tài)為占用；
[0008] 若檢測統(tǒng)計量小于下限閾值，判決信道狀態(tài)為空閑；
[0009] 若檢測統(tǒng)計量處于上限閾值和下限閾值之間，獲取協(xié)作節(jié)點的可信度并做最終判 決。
[0010] 進一步，所述獲取協(xié)作節(jié)點的可信度并做最終判決，具體包括
[0011] a.構建協(xié)作節(jié)點本地頻譜檢測的信任函數(shù)；
[0012] b.利用協(xié)作節(jié)點證據(jù)矢量之間的距離獲取可信度；
[0013] c.根據(jù)可信度生成權重對信任函數(shù)進行加權融合，并做最終判決。
[0014] 進一步，所述步驟a中的信任函數(shù)包括
[0015] 氏表示信道占用，H。表示信道空閑，Ω表示HjPH。任一為真，協(xié)作節(jié)點i對H ^Hq 及Ω的信任函數(shù)分別為：
分別是HJPH。下檢測統(tǒng) 計量的均值和方差，Y1S接收信噪比。
[0020] 進一步，所述步驟b包括，
[0021] bl.根據(jù)協(xié)作節(jié)點的頻譜檢測和判決結果處理高沖突數(shù)據(jù)，并定義協(xié)作節(jié)點的證 據(jù)矢量；
[0022] b2.計算協(xié)作節(jié)點證據(jù)矢量之間的距離；
[0023] b3.通過協(xié)作節(jié)點證據(jù)矢量之間的距離，獲取協(xié)作節(jié)點的可信度。
[0024] 進一步，所述步驟b3包括通過協(xié)作節(jié)點i與協(xié)作節(jié)點j證據(jù)矢量之間的距離，獲 取協(xié)作節(jié)點i與協(xié)作節(jié)點j之間的相似度以及所有協(xié)作節(jié)點對協(xié)作節(jié)點i的支持度，進而 獲取協(xié)作節(jié)點i的可信度。
[0025] 進一步，所述步驟c包括
[0026] cl.將可信度作為每個協(xié)作節(jié)點的權重對各協(xié)作節(jié)點的信任函數(shù)進行加權求和；
[0027] c2.將所述進行加權求和的各協(xié)作節(jié)點的信任函數(shù)作為新的信任函數(shù)，并根據(jù)所 述新的信任函數(shù)獲取融合信任函數(shù)；
[0028] c3.對所述融合信任函數(shù)做最終判決。
[0029] 進一步，對所述信任函數(shù)，在以氏和H。為坐標軸構成的平面上正交分解m i ( Ω )，獲 取信任函數(shù)的投影。
[0030] 進一步，預設協(xié)作節(jié)點的虛警概率，并通過能量檢測算法獲取所述上限閾值和下 限閾值。
[0031] 本發(fā)明的有益效果：本發(fā)明采用雙門限對各協(xié)作節(jié)點執(zhí)行本地頻譜檢測和判決， 并采用投影近似法壓縮信任函數(shù)，減少了發(fā)送到?jīng)Q策單元的數(shù)據(jù)量，降低了控制信道開銷； 本發(fā)明利用不同證據(jù)矢量之間的距離估計可信度，基于可信度生成權重對各協(xié)作節(jié)點信任 函數(shù)加權融合，降低了由于協(xié)作節(jié)點故障、虛假本地檢測結果或隱藏終端給出的異常監(jiān)測 結果，減少了高度沖突數(shù)據(jù)對信息融合判決造成的影響。
【附圖說明】
[0032] 下面結合附圖和實施例對本發(fā)明作進一步描述：
[0033] 圖1是本發(fā)明的原理示意圖。
【具體實施方式】
[0034] 下面結合附圖和實施例對本發(fā)明作進一步描述：圖1是本發(fā)明的原理示意圖。
[0035] 如圖1所示，本實施例中的基于DS證據(jù)理論的認知無線網(wǎng)絡協(xié)作頻譜感知方法， 其特征在于：包括為頻譜檢測設置協(xié)作節(jié)點的判決門限，所述門限值包括上限閾值和下限 閾值，對協(xié)作節(jié)點執(zhí)行本地頻譜檢測和判決，將檢測統(tǒng)計量與門限值對比，
[0036] 若檢測統(tǒng)計量大于上限閾值，判決信道狀態(tài)為占用；
[0037] 若檢測統(tǒng)計量小于下限閾值，判決信道狀態(tài)為空閑；
[0038] 若檢測統(tǒng)計量處于上限閾值和下限閾值之間，獲取協(xié)作節(jié)點的可信度并做最終判 決。
[0039] 在本實施例中，頻譜感知用二元假設檢驗藐視，即對某授權信道，H1表示占用，H。 表示空閑，當主用戶發(fā)射信號后，認知終端對所有協(xié)作節(jié)點采用雙門限能量檢測法執(zhí)行本 地頻譜檢測和判決，獲得判決結果x(i)，i = 1，···，Ν，本實施例中設置協(xié)作節(jié)點數(shù)N= 10， 判決結果為x(i)，i = 1，…，10,根據(jù)通信需求和環(huán)境，預定協(xié)作節(jié)點i的虛警概率以(.中')）， 依據(jù)能量檢測算法虛警概率與判決門限之間的關系
[0043] 設置上限閾值λ iH= C 2 · λ ;，設置下限閾值λ a= C i · λ i，
[0044] 其中C1, C2是通過實測獲得的經(jīng)驗系數(shù)，C'KC2，在本實施例中，上限閾值λ ιΗ = 2 A1，下限閾值λ