[发明专利]一种认知无线网络中协作频谱感知门限优化方法

摘要

本发明提供一种认知无线网络中协作频谱感知门限优化方法，该方法对基于表决融合的双门限协作频谱感知中的投票门限和检测门限分别进行了优化。首先，固定双门限能量检测的检测门限值，对表决融合准则的投票门限进行优化，使得在该能量检测门限值条件下，协作频谱感知的全局错误概率最小；然后在表决融合准则的投票门限取最优值的前提下，对双门限能量检测的检测门限值进行了优化，在不同接收信噪比条件下，最优的检测门限值是动态的，所以要根据信噪比确定最优的检测门限值。该发明可以使协作频谱感知的全局错误概率在各信噪比条件下都达到最小值，从而提高了协作频谱感知的性能。

主权项

一种认知无线网络中协作频谱感知门限的优化方法，其特征在于该方法包括以下步骤：a、定义λ₀和λ₁是双门限能量检测的两个门限值，且要求门限值λ₀≤λ₁，[0,λ₀]∪[λ₁,+∞)为确定区间，(λ₀,λ₁)为不定区间，协作频谱感知的全局错误概率(Q_f+Q_m)为：$Q_f+Q_m=1+\underset{K=0}{\overset{N}{\mathrm{\Σ}}}{C}_N^K({(1-{\mathrm{\Δ}}_1)}^K{\mathrm{\Δ}}_1^{N-K}\underset{l=n}{\overset{K}{\mathrm{\Σ}}}{C}_K^l{p}_m^l{p}_d^{K-l}-{(1-{\mathrm{\Δ}}_0)}^K{\mathrm{\Δ}}_0^{N-K}\underset{l=n}{\overset{K}{\mathrm{\Σ}}}{C}_K^l{p}_a^l{p}_f^{k-l})$其中N个认知用户中有K个认知用户接收到的信号能量落入确定区间，所以具体是哪K个认知用户接收到的信号能量落在确定区间内，有种的可能情况；H₁和H₀分别表示主用户存在和不存在的情况，△₀和△₁分别表示H₀、H₁条件下次用户接收到的能量值位于不定区间的概率：${\mathrm{\Δ}}_0=P({\mathrm{\λ}}_0\<E\left(x\right)\<{\mathrm{\λ}}_1|H_0)=1-p_f-p_a=Q\left((\frac{{\mathrm{\λ}}_0}{{\mathrm{\σ}}_u^2}-1)\sqrt{\mathrm{\τ}{f}_s}\right)-Q\left((\frac{{\mathrm{\λ}}_1}{{\mathrm{\σ}}_u^2}-1)\sqrt{\mathrm{\τ}{f}_s}\right)$${\mathrm{\Δ}}_1=P({\mathrm{\λ}}_0\<E\left(x\right)\<{\mathrm{\λ}}_1|H_1)=1-p_d-p_m=Q\left((\frac{{\mathrm{\λ}}_0}{{\mathrm{\σ}}_u^2}-\mathrm{\γ}-1)\sqrt{\frac{\mathrm{\τ}{f}_s}{2\mathrm{\γ}+1}}\right)-Q\left((\frac{{\mathrm{\λ}}_1}{{\mathrm{\σ}}_u^2}-\mathrm{\γ}-1)\sqrt{\frac{\mathrm{\τ}{f}_s}{2\mathrm{\γ}+1}}\right);$p_d、p_f和p_m分别表示本地频谱感知的检测概率、虚警概率以及漏检概率：$p_d=Q\left((\frac{{\mathrm{\λ}}_1}{{\mathrm{\σ}}_u^2}-\mathrm{\γ}-1)\sqrt{\frac{\mathrm{\τ}{f}_s}{2\mathrm{\γ}+1}}\right),p_f=Q\left((\frac{{\mathrm{\λ}}_1}{{\mathrm{\σ}}_u^2}-1)\sqrt{\mathrm{\τ}{f}_s}\right),p_m=1-Q\left((\frac{{\mathrm{\λ}}_0}{{\mathrm{\σ}}_u^2}-\mathrm{\γ}-1)\sqrt{\frac{\mathrm{\τ}{f}_s}{2\mathrm{\γ}+1}}\right),$$p_a=1-Q\left((\frac{{\mathrm{\λ}}_0}{{\mathrm{\σ}}_u^2}-1)\sqrt{\mathrm{\τ}{f}_s}\right),$其中$Q\left(x\right)=\frac{1}{\sqrt{2\mathrm{\π}}}{\∫}_x^{\∞}\exp (-\frac{t^2}{2})\mathrm{dt},$γ为次用户的接收信噪比，是噪声方差，τ是次用户的感知时间，f_s为采样频率；b、对表决融合准则的投票门限n进行优化，使得协作频谱感知的全局错误概率(Q_f+Q_m)最小，故要求$\frac{\∂(Q_f+Q_m)}{\∂n}{|}_{n=n_{\mathrm{opt}}}=0,\frac{{\∂}^2(Q_f+Q_m)}{\∂n^2}{|}_{n=n_{\mathrm{opt}}}>0,$得到最优投票门限值$n_{\mathrm{opt}}=\frac{K\ln \frac{p_d}{p_f}+\ln {\left(\frac{1-{\mathrm{\Δ}}_1}{1-{\mathrm{\Δ}}_0}\right)}^K{\left(\frac{{\mathrm{\Δ}}_1}{{\mathrm{\Δ}}_0}\right)}^{N-K}}{\ln \frac{p_a{p}_d}{p_m{p}_f}},$实际应用中，投票门限n为正整数，所以表示不小于x的最小整数；c、对双门限能量检测的检测门限值λ₀、λ₁进行优化，使得协作频谱感知的全局错误概率(Q_f+Q_m)达到最小值，故令$\frac{\∂(Q_f+Q_m)}{\∂{\mathrm{\λ}}_1}{|}_{{\mathrm{\λ}}_1={\mathrm{\λ}}_{1_{\mathrm{opt}}}}=0,$可得下列方程组：当认知用户的接收信噪比γ、认知用户的个数N、接收到的信号能量落入确定区间的认知用户个数K、感知时间τ以及采样频率f_s确定时，在表决融合准则的投票门限取其最优值的前提下，即n＝n_opt，就可由上述方程组求出双门限能量检测的最优检测门限值