一种认知无线电并行合作频谱感知方法

摘要

一种认知无线电并行合作频谱感知方法，该方法首先根据定义的感知开销和传输收益，计算系统效益矩阵，运用Kuhn-Munkres算法，为每一个认知用户分配一个子信道进行感知，如果存在剩余的认知用户，则计算系统效益增量矩阵，然后迭代使用Kuhn-Munkres算法最优地为子信道继续分配认知用户与之前分配的认知用户一同对子信道进行合作感知。该并行合作频谱感知方法充分考虑感知开销、系统效益以及不同认知用户对不同子信道感知性能的差异，克服了现有并行合作频谱感知方法仅考虑检测准确性和需要较多用户进行感知的不足，能够最优的确定感知策略，有效的提高系统效益，减少参加合作感知的认知用户数。

主权项

一种认知无线电并行合作频谱感知方法，包括下列系统模型：在一个由一个融合中心和N个认知用户构成的集中式认知无线电网络中，感知对象为M个子信道；定义感知开销为认知用户因频谱感知任务所减少传输的数据量，设R_crⁿ为认知用户n的传输速率，其中n＝1，2，...，N，则认知用户n的感知开销Oⁿ为Oⁿ＝R_crⁿT_s      (1)其中，T_s为感知时隙；定义传输收益为子信道用于认知用户传输时单位时间内所能传输的平均有效数据量，子信道用于认知用户传输时分为两种情况：第一种情况是信道空闲且被认知用户正确感知时，第二种情况是信道被主用户占用，但被认知用户错误感知而误认为是空闲时，对于第二种情况，可以看成是对传输收益的惩罚函数，设R_ch^m为子信道m的传输速率，P_{d_ch}＝[P_{d_ch}^m]_M为各子信道的检测概率矢量，P_{f_ch}＝[P_{f_ch}^m]_M为各子信道的虚警概率矢量，其中P_{d_ch}^m和P_{f_ch}^m分别为认知网络对子信道m的检测概率和虚警概率，信道m＝1，2，...，M，则信道m的传输收益G^m为G^m＝R_ch^mT_rP_on[1‑P_{f_ch}^m]‑R_ch^m(1‑P_on)[1‑P_{d_ch}^m]T_rδ      (2)其中：T_r为传输时隙，P_on为子信道空闲的概率，δ为惩罚因子；设X＝[x^mn]_M×N为分配矩阵，当认知用户n被分配感知子信道m时，x^mn＝1，否则x^mn＝0；则分配X时的总系统效益U_all(X)可以定义为总传输收益和总感知开销之差$U_{\mathrm{all}}\left(X\right)=\underset{m=1}{\overset{M}{\Sigma }}{G}^m-\underset{x^{\mathrm{mn}}=1}{\Sigma }{O}^n---\left(3\right)$根据以上描述的系统模型，并行合作频谱感知的感知策略可以等效成如下分配问题：$\begin{array}{cc}\underset{x}{\max }& U_{\mathrm{all}}\left(X\right);\end{array}$$s.t.\underset{m=1}{\overset{M}{\Sigma }}{x}^{\mathrm{mn}}=1,n=\mathrm{1,2},...,N;$                                   (4)$\beta \le \underset{n=1}{\overset{N}{\Sigma }}{x}^{\mathrm{mn}}\le N_{\mathrm{co}\_\max },m=\mathrm{1,2},...,M;$x^mn∈{0，1}.其中，β表示是否能在一个感知时隙内检测完所有子信道，如果N≥M，即认知用户数大于子信道数，则能够在一个感知时隙内检测完所有子信道，令β＝1，否则，置β＝0，N为认知用户数，N_{co_max}为每个子信道允许的最大的参加合作感知的认知用户数；多个认知用户共同感知一个子信道时使用OR准则；上述的并行合作频谱感知方法是按照如下步骤得到的：步骤1初始化认知用户数N，子信道数M，系统所允许的最大虚警概率Q_fa，系统要求的检测概率P_{d_ch}^req，各认知用户感知的虚警概率p_f，传输时隙T_r，感知时隙T_s，惩罚因子δ，认知用户传输速率R_crⁿ，n＝1，2，...，N，子信道传输速率R_ch^m，m＝1，2，...，M，子信道空闲的概率P_on，检测概率矩阵P_d＝[P_d^mn]_M×N，其中P_d^mn为认知用户n感知子信道m的检测概率，置分配矩阵X＝0，当前迭代最优分配矩阵X₀＝0，各子信道的检测概率矢量P_{d_ch}＝0以及各子信道的虚警概率矢量P_{f_ch}＝0，利用以下公式计算每个子信道允许的最大的参加合作感知的认知用户数N_{co_max}；步骤2根据以下公式，计算信道m分配给认知用户n感知时所能获得的传输收益G^mn、感知开销Oⁿ以及系统效益U^mn，其中m＝1，2，...，M，n＝1，2，...，N；执行KM算法得到当前迭代最优分配矩阵X₀＝[X₀^mn]_M×N使总系统效益U_all最大，其中如果子信道m分配给认知用户n感知，则X₀^mn＝1，否则为0，更新X＝X₀；G^mn＝R_ch^mT_rP_on[1‑p_f]‑R_ch^m(1‑P_on)[1‑P_d^mn]T_rδ     (6)Oⁿ＝R_crⁿT_s       (1)U^mn＝G^mn‑Oⁿ       (7)步骤3根据以下公式计算分配X下的总系统效益U_all(X)；根据当前迭代最优分配矩阵X₀，对于X₀^mn＝1的指派，置P_{d_ch}^m＝P_d^mn，P_{f_ch}^m＝p_f；如果N≤M，则算法终止，得到最优分配矩阵X；$U_{\mathrm{all}}\left(X\right)=\underset{x^{\mathrm{mn}}=1}{\Sigma }{U}^{\mathrm{mn}}---\left(8\right)$步骤4对于每一个未分配子信道的认知用户，以及每一个分配认知用户数小于N_{co_max}的子信道，根据以下公式计算检测概率增量ΔP_{d_ch}^mn、虚警概率增量ΔP_{f_ch}^m、传输收益的增量ΔG^mn、感知开销的增量ΔOⁿ以及系统效益的增量ΔU^mn；ΔP_{d_ch}^mn＝1‑[1‑P_{d_ch}^m][1‑P_d^mn]‑P_{d_ch}^m      (9)ΔP_{f_ch}^m＝1‑[1‑P_{f_ch}^m][1‑p_f]‑p_{f_ch}^m     (10)ΔG^mn＝R_ch^m(1‑P_on)ΔP_{d_ch}^mnT_r‑R_ch^mT_rP_onΔP_{f_ch}^m      (11)ΔOⁿ＝R_crⁿT_s       (12)ΔU^mn＝ΔG^mn‑ΔOⁿ        (13)步骤5在所有未分配子信道的认知用户和分配认知用户数小于N_{co_max}的子信道中，执行KM算法，得到使系统效益总增量最大的当前迭代最优分配X₀；对于任意X₀^mn＝1的分配，如果ΔU^mn＝0，或者P_{d_ch}^m≥P_{d_ch}^req且ΔU^mn≤0，则置X₀^mn＝0；步骤6根据以下公式，更新P_{d_ch}^m，P_{f_ch}^m，X以及U_all；P_{d_ch}^m＝P_{d_ch}^m+ΔP_{d_ch}^mn       (14)P_{f_ch}^m＝P_{f_ch}^m+ΔP_{f_ch}^m       (15)X＝X+X₀         (16)U_all＝U_all+ΔU_all         (17)步骤7当以下两个终止条件满足其一时，迭代终止，得到分配矩阵X；一是所有的认知用户都被分配了子信道进行感知或每一个子信道都被分配了N_{co_max}个认知用户进行感知；二是，所有子信道m＝1，2，...，M均满足P_{d_ch}^m≥P_{d_ch}^req，且对于所有m＝1，2，...，M，n＝1，2，...，N，都有ΔU^mn≤0，否则，跳到步骤4继续执行迭代。