基于多信道同步协作频谱感知的宽带认知网络通信方法

技术领域

本发明公开了一种基于多信道同步协作频谱感知的宽带认知网络通信方法， 涉及无线电通信技术领域。

背景技术

现代无线通信系统中频谱资源的统筹分配是由无线电管理机构确定的，目前 采用的是基于静态(固定)频带分配的原则与方案，近年来通信界广泛认识到， 固定频带分配是当前频谱资源稀缺的主要原因之一。目前，在低于3GHz的频谱 分配和使用上，频谱资源的竞争十分激烈，而在高于3GHz的频谱使用上却表现 出明显不同情况，即从时域和空域的双重角度来看，仍然有许多未被充分利用的 空闲频段。实际上，大多数频谱资源的利用率都很低，据美国联邦通信委员会测 定，已经分配的频谱资源中，约有70％以上未被充分利用。显然，这些未被充分 利用的空闲频谱可以有效缓解频谱资源的短缺，因此迫切需要利用这些空闲频谱 的新技术，认知无线电应运而生。认知无线电是一种能够提高无线频谱资源利用 率的智能通信技术，它通过使用主用户特定时间和空域内未使用的空闲频谱，自 适应地调整传输参数，实现频谱资源的最大化利用。如图1所示，宽带认知网络 基于认知无线电技术，能够同时使用较宽频带中主用户未使用的多空闲子信道进 行通信。

认知无线电通过频谱感知技术发现空闲频谱，为了避免对主用户产生干扰， 认知无线电需要准确地检测主用户是否存在。能量检测法被广泛地应用于认知无 线电的频谱感知中，通过在观测时间内积累主用户信号的能量来获得对主用户的 判决。能量检测法不需要主用户的先验信息，但是隐终端问题会降低能量检测法 的性能。隐终端问题是目前认知无线电频谱感知面临的最大挑战，隐终端使得认 知无线电无法接收到足够大的主用户信号能量，因此对主用户的检测性能会显著 降低，如果错误地判断主用户不存在，认知无线电会错误接入频谱并对主用户造 成严重干扰。为了解决隐终端问题，认知网络的多个子信道信号被设计协作频谱 感知主用户，协作频谱感知通过融合多个协作节点序号不同感知路径的感知信息 产生协作分集增益，能够有效地克服隐终端问题，并提高频谱感知的性能。

然而，目前的协作频谱感知中，每个协作节点序号在感知时间内只能感知一 个信道，由于只能获得一个信道的检测结果，认知网络在传输时间内只能利用该 条唯一信道进行通信，从而极大地降低了认知网络的频谱接入。

发明内容

本发明所要解决的技术问题是：解决当前认知网络协作频谱感知，每个子信 道信号在感知时间内只能感知一个信道，导致传输时间内只能利用该条唯一信道 进行通信，从而极大地降低认知网络频谱接入的缺陷。

本发明为解决上述技术问题采用以下技术方案：

基于多信道同步协作频谱感知的宽带认知网络通信方法，将认知网络的帧结 构设定为由感知时隙、协作时隙和传输时隙组成，其中，

所述感知时隙包括复数个感知子时隙和每个感知子时隙对应的子信道序号；

所述协作时隙包括复数个协作子时隙和每个协作子时隙对应的协作节点序 号序号；

每个子信道信号在感知子时隙内同步检测多个子信道上的主用户，在协作子 时隙内交互各自的感知信息；

通过融合所有协作节点序号的感知信息并进行能量检测，最终判断主用户是 否存在于频谱中；

在传输时隙，认知网络在检测到主用户不存在的所有子信道上传输信息。

作为本发明的进一步优选方案，在一个N节点组成的认知网络中，所述通 过融合所有协作节点序号的感知信息并进行能量检测，判断主用户是否存在于频 谱中的具体步骤包括：

步骤一、将主用户的整个宽频带划分为L个子信道，测量主用户信号的最 高频率f_s，感知主用户所需的最小采样点数M，每个子信道l上的噪声方差以及每个子信道l上的每个节点n对主用户的接收信噪比γ_n,l，其中，l＝1,2,…,L， n＝1,2…,N，设定检测门限λ_l为噪声的最大功率；

步骤二、将认知网络帧结构中每个子信道信号的感知时隙分成τ个长度为δ 的感知子时隙，将认知网络帧结构的协作时隙分成k个长度为δ的协作子时隙；

确定每个感知子时隙和协作子时隙的长度：

建立关于感知子时隙数τ，协作子时隙数k和L个子信道各自所需的感知子 时隙数集合{q₁,q₂,...,q_L}的联合优化问题，利用联合优化算法求解最优的τ，k 和{q₁,q₂,...,q_L}；

步骤三、计算每个节点在所有子信道上的平均信噪比：

选择最大的前k个节点参与协作频谱感知，此处，n＝1,2,…,k；

步骤四、将集合{q₁,q₂,...,q_L}的各元素按照由小到大顺序对子信道排序，计 算每个元素q₁的值：q₁＝g_lk+u_l，其中，g_l和u_l是整数，0≤u_l＜k，l＝1,2,…,L， 按照顺序为每个子信道依次分配感知子时隙；

步骤五、每个协作节点序号在分配好的感知子时隙内感知相应子信道上的主 用户，采用能量检测法计算每个子信道上接收信号的能量统计值；

步骤六、每个协作节点序号在协作时隙对应分配的协作子时隙内，通过事先 选定的一个子信道向其它协作节点序号发送感知信息帧，所述感知信息帧包括每 个感知子时隙的能量统计值和相应的感知子信道序号；

步骤七、每个协作节点序号根据所有的感知信息帧，对每个子信道在所有感 知子时隙的能量统计值再次进行统计平均获得全局能量统计值，并采用能量检测 法通过将全局能量统计值与检测门限λ_l作比较，对每个子信道上是否存在主用户 进行最终判决。

作为本发明的进一步优选方案，所述步骤四中，为每个子信道依次分配感知 子时隙具体方法为：

对于每个子信道l，首先为每个协作节点序号分配g_l个感知子时隙感知子信 道l，然后选择子信道l上γ_n,l最大的前u_l个协作节点序号，为每个节点额外再分 配一个感知子时隙感知子信道l；

如果分配过程中，某个节点已经分配完所有τ个感知子时隙，则该节点不再 进行下个子信道感知子时隙的分配。

作为本发明的进一步优选方案，所述步骤二中，关于感知子时隙数τ、协作 节点序号数k和L个子信道各自所需的感知子时隙数集合{q₁,q₂,...,q_L}的联合优 化问题表示为：

$\underset{\tau ,\{q_1,...,q_L\},k}{\max }R(\tau ,\{q_1,...,q_L\},k)=\frac{T-(\tau +k)\delta }{T}\underset{l=1}{\overset{L}{\Sigma }}(1-P_{H,l})(1-P_{f,l}(\tau ,q_1,k))$

约束P_d,l(τ,q₁,k)≥β，l＝1,2,...,L

q_l≥1,l＝1,2,...,L

$\underset{l=1}{\overset{L}{\Sigma }}{q}_l=\mathrm{k\tau }$

1≤k≤N

其中，函数R(τ,{q₁,...,q_L},k)是认知网络的频谱接入概率，T是每个帧的时长， P_H,l是子信道l上主用户实际出现的概率，β为检测概率下限，为小于等于 T/δ的最大整数；

函数P_f,l(τ,q₁,k)和P_d,l(τ,q₁,k)分别是k个协作用户采用能量检测法协作检测子 信道l上主用户的虚警概率和检测概率，分别表示为：

$P_{f,l}(\tau ,q_1,k)=Q\left((\frac{{\lambda }_l}{{\sigma }_l^2}-1)\sqrt{q_l{\mathrm{k\delta f}}_s}\right);$

$P_{d,l}(\tau ,q_1,k)=Q\left((\frac{{\lambda }_l}{{\sigma }_l^2(1+{\tilde{\gamma }}_l)}-1)\sqrt{q_l{\mathrm{k\delta f}}_s}\right);$

式中，函数$Q\left(x\right)=\frac{1}{\sqrt{2\pi }}{\int }_x^{+\infty }\exp ({-y}^2/2)\mathrm{dy},$为k个协作节点序号在子信道l上接收 信噪比的均值；

求解所述优化问题的联合优化方法，具体步骤包括：

(1)定义函数U(m)为τ+k＝m时上述优化问题目标函数R(τ,{q₁,...,q_L},k)的 最大值；

(2)初始化m＝0和U(m)＝0；

(3)设定m＝m+1，从1,2,…,N中逐一搜索k值使得k×(m-k)取得最大值， 相应的设定τ＝m-k；

(4)对于给定的m值和步骤(3)求得的τ和k，采用{q₁,...,q_L}优化算法求解 相应最优的{q₁,...,q_L}，利用已经求得的τ，k和{q₁,...,q_L}求取目标函数值，并设 定U(m)＝R(τ,{q₁,...,q_L},k)；

(5)重复步骤(3)和步骤(4)，直至满足U(m)-U(m-1)≤0和中的任 何一个条件；

(6)令m＝m-1，对应m的τ、k和{q₁,...,q_L}即为上述优化问题的最优解。

作为本发明的进一步优选方案，所述联合优化方法的步骤(4)中，具体求解 方法包括：

(401)初始化q_l＝1(l＝1,2,…,L)；

(402)对于所有的子信道l＝1,2,…,L，计算Δ_l(q_l)＝G_l(q_l+1)-G_l(q_l)；

式中，$G_l\left(q_l\right)=(1-P_{H,l})(1-Q(Q^{-1}\left(\beta \right)(1+{\tilde{\gamma }}_l)+{\tilde{\gamma }}_l\sqrt{q_l{\mathrm{k\delta f}}_s})),$函数Q^-1( )是 的反函数，选择使得Δ_l(q_l)最大的对应的子信道序号 l^*；

(403)设定q_l*＝q_l*+1；

(404)重复步骤(402)和步骤(403)直至满足

作为本发明的进一步优选方案，步骤七中，所述能量检测方法的具体实现步 骤包括：

(701)接收主用户频谱中的信号，并对接收信号采样，采样频率为信号最 高频率的二倍以上；

(702)将信号采样点的幅度值平方，获得采样点的能量值；

(703)对所有采样点的能量值统计平均，获得能量统计值。

(704)将能量统计值和检测门限作比较，检测门限选取为频谱中噪声最大 时的噪声功率；

如果能量统计值大于检测门限，判定主用户存在于频谱中，否则判定主用户 不存在于频谱中。

本发明采用以上技术方案与现有技术相比，具有以下技术效果：提供了一种 通过同步感知和利用多条子信道，显著提高认知网络频谱接入的基于多信道同步 协作频谱感知的宽带认知网络通信方法。

附图说明

图1宽带认知网络频谱利用示意；

图2认知网络帧结构；

图3具体实施方式一的帧结构子时隙划分结构；

图4感知信息帧结构；

图5能量检测法结构；

图6具体实施方式二的帧结构子时隙划分结构。

具体实施方式

下面详细描述本发明的实施方式，所述实施方式的示例在附图中示出， 其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似 功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本 发明，而不能解释为对本发明的限制。

下面结合附图对本发明的技术方案做进一步的详细说明：

具体实施方式一

如图2所示，本发明认知网络的帧结构由感知时隙、协作时隙和传输时隙组 成，感知时隙又分为若干个感知子时隙，协作时隙又分为若干个协作子时隙。每 个子信道信号在感知时隙的多个感知子时隙内同步检测多个子信道上的主用户， 在协作时隙相应分配的协作子时隙内交互各自的感知信息，通过融合所有节点的 感知信息并采用能量检测法最终判决主用户是否存在于频谱中。如果最终判决主 用户不存在，认知网络在传输时隙接入主用户频谱并通信，否则认知网络不接入 频谱并等待下一帧重新检测主用户。

本发明基于多信道同步协作频谱感知的宽带认知网络通信方法，在一个N 节点组成的认知网络中，由以下步骤实现：

1、将主用户的整个宽频带划分为L个子信道，测量主用户信号的最高频率 f_s(相应的最小采样频率为2f_s)，感知主用户所需的最小采样点数M，子信道l (l＝1,2,…,L)上的噪声方差(也是噪声的平均功率)以及每个子信道l上每 个节点n(n＝1,2…,N)对主用户的接收信噪比γ_n,l，确定检测门限λ_l为子信道上噪 声的最大功率。

2、确定每个感知和协作子时隙的长度建立关于感知子时隙数τ，协 作节点序号数(协作子时隙数)k和L个子信道各自所需的感知子时隙数集合 {q₁,q₂,...,q_L}的联合优化问题，并利用联合优化算法求解最优的τ，k和 {q₁,q₂,...,q_L}。

3、计算每个节点在所有子信道上的平均信噪比选择最大 的前k个节点n＝1,2,…,k参与协作频谱感知。

4、如图3所示，将认知网络帧结构中每个子信道信号的感知时隙分成τ个 长度为δ的感知子时隙，将认知网络帧结构的协作时隙分成k个长度为δ的协作 子时隙。

5、将{q₁,q₂,...,q_L}的各元素按照由小到大顺序对子信道排序，计算每个元 素q₁(l＝1,2,…,L)模k的值，即q₁＝g_lk+u_l(g_l和u_l是整数，且0≤u_l＜k)，按照 顺序为每个子信道依次分配感知子时隙。对于每个子信道l，首先为每个协作节 点序号分配g_l个感知子时隙感知子信道l，然后选择子信道l上h_n,l最大的前u_l个 协作节点序号，为每个节点额外再分配一个感知子时隙感知子信道l。如果分配 过程中，某个节点已经分配完所有τ个感知子时隙，则该节点不再进行下个子信 道感知子时隙的分配。

6、每个协作节点序号在分配好的感知子时隙内感知相应子信道上的主用户， 采用能量检测法计算每个子信道上接收信号的能量统计值。

7、每个协作节点序号在协作时隙对应分配的协作子时隙内，通过事先选定 的一个子信道向其它协作节点序号发送感知信息帧，如图4所示，感知信息帧包 括每个感知子时隙的能量统计值和相应的感知子信道序号。

8、每个协作节点序号根据所有的感知信息帧，对每个子信道在所有感知子 时隙的能量统计值再次进行统计平均获得全局能量统计值，并采用能量检测法通 过将全局能量统计值与检测门限λ_l作比较，对每个子信道上是否存在主用户进行 最终判决。

9、在传输时隙，认知网络在检测到主用户不存在的所有子信道上传输信息。

基于多信道同步协作频谱感知的宽带认知网络通信方法的步骤(2)中，关于 感知时隙数τ，协作节点序号数k和L个子信道各自所需的感知子时隙数集合 {q₁,q₂,...,q_L}的联合优化问题表示如下：

$\underset{\tau ,\{q_1,...,q_L\},k}{\max }R(\tau ,\{q_1,...,q_L\},k)=\frac{T-(\tau +k)\delta }{T}\underset{l=1}{\overset{L}{\Sigma }}(1-P_{H,l})(1-P_{f,l}(\tau ,q_1,k))$

约束P_d,l(τ,q₁,k)≥β，l＝1,2,...,L

q_l≥1,l＝1,2,...,L

$\underset{l=1}{\overset{L}{\Sigma }}{q}_l=\mathrm{k\tau }$

1≤k≤N

式中，函数R(τ,{q₁,...,q_L},k)是认知网络频谱接入概率，T是帧时长，P_H,l是 子信道l上主用户实际出现的概率，β为检测概率下限，为小于等于T/δ的 最大整数；函数P_f,l(τ,q₁,k)和P_d,l(τ,q₁,k)分别是k个协作用户采用能量检测法协作 检测子信道l上主用户的虚警概率和检测概率，分别表示为：

$P_{f,l}(\tau ,q_1,k)=Q\left((\frac{{\lambda }_l}{{\sigma }_l^2}-1)\sqrt{q_l{\mathrm{k\delta f}}_s}\right);$

$P_{d,l}(\tau ,q_1,k)=Q\left((\frac{{\lambda }_l}{{\sigma }_l^2(1+{\tilde{\gamma }}_l)}-1)\sqrt{q_l{\mathrm{k\delta f}}_s}\right);$

式中，函数：$Q\left(x\right)=\frac{1}{\sqrt{2\pi }}{\int }_x^{+\infty }\exp ({-y}^2/2)\mathrm{dy},$为k个协作节点序号在子信道 l上接收信噪比的均值。

求解上述优化问题的联合优化方法，由以下步骤实现：

(1)定义函数U(m)为τ+k＝m时上述优化问题目标函数R(τ,{q₁,...,q_L},k)的 最大值。

(2)初始化m＝0和U(m)＝0。

(3)设定m＝m+1，从1,2,…,N中逐一搜索k值使得k×(m-k)取得最大值， 相应的设定τ＝m-k。

(4)对于给定的m值和步骤(3)求得的τ和k，采用{q₁,...,q_L}优化算法求解 相应最优的{q₁,...,q_L}，利用已经求得的τ，k和{q₁,...,q_L}求取目标函数值，并设 定U(m)＝R(τ,{q₁,...,q_L},k)。

(5)重复步骤(3)和步骤(4)，直至满足U(m)-U(m-1)≤0和中的任 何一个条件。

(6)设定m＝m-1，对应m的τ，k和{q₁,...,q_L}即为上述优化问题的最优解。

上述联合优化方法的步骤(4)中，对于给定的m值和步骤(3)求得的τ和k， {q₁,...,q_L}优化算法由以下步骤实现：

(401)初始化q_l＝1(l＝1,2,…,L)。

(402)对于所有的子信道l＝1,2,…,L，计算Δ_l(q_l)＝G_l(q_l+1)-G_l(q_l)，式中 $G_l\left(q_l\right)=(1-P_{H,l})(1-Q(Q^{-1}\left(\beta \right)(1+{\tilde{\gamma }}_l)+{\tilde{\gamma }}_l\sqrt{q_l{\mathrm{k\delta f}}_s})),$函数Q^-1( )是 的反函数，选择使得Δ_l(q_l)最大的对应的子信道序号 l^*。

(403)设定q_l*＝q_l*+1；

(404)重复步骤(2)和步骤(3)直至满足

基于多信道同步协作频谱感知的宽带认知网络通信方法的步骤(6)和步骤(8) 中，能量检测方法如图5所示，由以下步骤实现：

(601)接收主用户频谱中的信号，并对接收信号采样，采样频率为信号最 高频率的二倍以上。

(602)将信号采样点的幅度值平方，获得采样点的能量值。

(603)对所有采样点的能量值统计平均，即累加求和再求均值，获得能量 统计值。

(604)将能量统计值和检测门限作比较，检测门限选取为频谱中噪声最大 时的噪声功率；如果能量统计值大于检测门限，判定主用户存在于频谱中，否则 判定主用户不存在于频谱中。

具体实施方式二

下面给出一个简化方法：

1)将主用户的整个宽频带划分为L个子信道，测量每个子信道信号n (n＝1,2,…,N)在子信道l(l＝1,2,…,L)上接收信号的信噪比γ_n,l，主用户信号的最高 频率f_s和感知主用户所需的最小采样点数M，以及子信道l上的噪声方差(也是 噪声的平均功率)确定检测门限λ_l为子信道上噪声的最大功率。

2)计算每个子信道信号n的平均接收信噪比按照从大到小 顺序对子信道信号排序，从1至N逐一搜索k，查找k使得函数：

$f\left(k\right)=\left(\begin{array}{c}\left(\frac{1}{k}\underset{n=1}{\overset{k}{\Sigma }}{\bar{\gamma }}_n\right)/\left(\frac{1}{N-k}\underset{n=k+1}{\overset{N}{\Sigma }}{\bar{\gamma }}_n\right),k=\mathrm{1,2},...,N-1\\ 1,k=N\end{array}\right);$

取得最大值，选择信噪比最大的前k个节点参与协作频谱感知。

3)如图6所示，每个子信道信号帧结构的感知时隙划分为L个长度不同的 感知子时隙，帧结构的协作时隙划分为k个长度相同的协作子时隙。根据P_d,l≥β， 节点n对子信道l的感知子时隙的长度为：

${\tau }_{n,l}={\left(Q^{-1}\left(\beta \right)\right)}^2/\left({\mathrm{kf}}_s{(\frac{{\lambda }_l}{{\sigma }_l^2(1+{\gamma }_{n,l})}-1)}^2\right);$

每个协作子时隙的长度为

4)每个协作节点序号在分配好的感知子时隙内感知相应的子信道，采用能 量检测法计算每个子信道上接收信号的能量统计值。

5)每个协作节点序号在协作时隙对应分配的协作子时隙内向其它协作节点 序号发送感知信息帧，感知信息帧包括每个感知子时隙的能量统计值和相应的感 知子信道序号。

6)每个协作节点序号对每个子信道在所有感知子时隙的能量统计值再次进 行统计平均，并采用能量检测法对每个子信道上是否存在主用户进行最终判决。

7)在传输时隙，认知网络在检测到主用户不存在的所有子信道上传输信息。

上面结合附图对本发明的实施方式作了详细说明，但是本发明并不限于上述 实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明 宗旨的前提下做出各种变化。以上所述，仅是本发明的较佳实施例而已，并非对 本发明作任何形式上的限制，虽然本发明已以较佳实施例揭露如上，然而并非用 以限定本发明，任何熟悉本专业的技术人员，在不脱离本发明技术方案范围内， 当可利用上述揭示的技术内容做出些许更动或修饰为等同变化的等效实施例，但 凡是未脱离本发明技术方案内容，依据本发明的技术实质，在本发明的精神和原 则之内，对以上实施例所作的任何简单的修改、等同替换与改进等，均仍属于本 发明技术方案的保护范围之内。