[发明专利]一种认知无线电网络频谱感知方法

摘要

本发明公开了一种基于加速食物引导粒子群优化算法的认知无线电网络频谱感知方法，在认知无线电网络中，各感知用户进行本地能量感知，各自的能量统计量通过公共信道传送到融合中心，传输的过程中会引入噪声，融合中心对接收到的统计值进行加权合并，由合并结果再进行判断。本发明首先根据噪声方差的时变特性分析了噪声不确定情况下的分布特点，根据噪声时变的影响，考虑噪声对频谱检测的最坏影响，推导得到基于噪声不确定的信道中的虚警概率和检测概率。本发明采用加速食物引导粒子群优化算法，在认知无线电多用户协作频谱感知的模型下，通过对多用户协作频谱感知中的加权系数进行优化选择，最终缩短认知无线电频谱感知的感知时间，增强检测性能。

主权项

一种基于加速食物引导粒子群优化算法的认知无线电网络频谱感知方法，其特征在于，包括以下步骤：步骤1)、主用户向各感知用户发送导频信息，各感知用户随机分布，第i个感知用户在k时刻接收到的瞬时量为xi(k)，该瞬时量包括主用户的信息以及噪声信号，设置此噪声信号方差为σ2；设定感知用户中的本地感知采用能量感知，对接收到的信号xi(k)进行N次采样，得到第i个感知用户的检测统计量为所述检测统计量通过公用信道传送到融合中心，传送的过程中会引入噪声，设置此噪声信号方差为δ2，融合中心接收到M个感知用户的检测统计量；步骤2)噪声σ2不确定环境中检测概率的表达式；具体如下：设定传送到融合中心过程中的噪声方差δ2为固定值，感知用户接收到的噪声方差σ2在预设一定范围内均匀变化，上限和下限分别为ρσ2和(1/ρ)σ2，ρ是噪声σ2不确定度的大小，转化为以dB为单位的Δ表示，Δ＝10lgρ，考虑噪声不确定度的最坏影响，即在虚警概率时，噪声方差σ2设置为噪声变化范围的最大值检测概率时，噪声方差σ2设置为噪声变化范围的最小值得到在认知无线电协作频谱感知环境中检测概率Pd的表达式：Pd=[Q-1(Pf)Σi=1M(2Nσimax4+δi2)wi2+Σi=1MNwi(ρi-1/ρi)σ2-Σi=1MNγiσimin2wiΣi=1M2N(1+2γi)σimin4wi2+δi2wi2]]]>其中，ρi为第i个感知用户的噪声不确定度，δi2表示第i个感知用户将信息通过公用信道传送到融合中心引起的噪声方差，设置噪声方差δ2为固定值δ2＝δi2(i＝1,2,3....M)，γi表示第i个感知用户接收到的信噪比，wi表示第i个感知用户的加权系数，Pf为在认知无线电协作频谱感知环境中虚警概率，Q‑1(Pf)为Q(Pf)的反函数，Q(Pf)为高斯分布的函数；此检测概率Pd的表达式作为采用加速食物引导的粒子群算法进行优化分析的目标函数；步骤3)各感知用户将独立进行感知的信息发送给融合中心；在系统中设置一个融合中心，每个感知用户将独立频谱感知的信息发送给该融合中心；步骤4)融合中心采用加速食物引导的粒子群算法对信息进行加权合并，来完成感知；具体如下：融合中心收集到各感知用户所独立进行感知的信息后，利用加速食物引导的粒子群优化算法，做出主用户是否存在的判决，即检测是否有频谱空洞存在；融合中心对接收到的检测统计量进行加权融合，即为每一个感知用户的统计量分配一个权值；所述加速食物引导的粒子群算法赋予每个粒子一个饥饿度Uj(t)，并通过设定两个饥饿阈值m1和m2来引导粒子的进化；步骤4.1)、初始化粒子群的速度位置信息，各粒子初始位置在0‑1中随机选择，同时也作为各粒子的初始最优位置，设置粒子运行速度的最大值，根据步骤2中确定的检测概率Pd的表达式作为目标函数计算每个粒子的初始适应值，找到目标函数值最好的粒子所对应的群体历史最优位置，初始化迭代次数q＝1；步骤4.2)、将每个粒子的饥饿度和设定的饥饿阈值进行比较，计算下一代粒子的速度信息，将速度信息代入粒子的位置方程，具体如下：当Uj(t)＜m1时，粒子按照如下方式进化：vj(t+1)＝bvj(t)+c1r1(pj(t)‑xj(t))xj(t+1)=xj(t)+vj(t+1)+12c1r1(pj(t)-xj(t))]]>当m1≤Uj(t)＜m2时，粒子按照如下方式进化：vj(t+1)＝bvj(t)+c1r1(pj(t)‑xj(t))+c2r2(pg(t)‑xj(t))xj(t+1)=xj(t)+vj(t+1)+12c1r1(pj(t)-xj(t))+12c2r2(pg(t)-xj(t))]]>当Uj(t)≥m2时，粒子按照如下方式进化：vj(t+1)＝bvj(t)+c2r2(pg(t)‑xj(t))xj(t+1)=xj(t)+vj(t+1)+12c1r1(pg(t)-xj(t))]]>其中，vj(t)表示第j个粒子在第t代的速度，xj(t)表述第j个粒子在第t代的位置，pj(t)为第j个粒子在第t代的最优位置，pg(t)为群体第t代的最优位置，b表示粒子对之前速度的继承系数，c1为粒子自身的行为对之后行为的影响系数，c2为群体行为对每个粒子的影响系数，r1和r2为0‑1之间分布的随机数；步骤4.3)、重新计算第q次迭代时的各个粒子的适应值，若q为1，则将第1次迭代时的各个粒子的适应值分别和步骤4.1中各个粒子初始适应值进行比较；若q不为1，则将第q次迭代时的各个粒子的适应值分别和q‑1次迭代时的各个粒子的最优适应值进行比较；选取各个粒子的最大适应值作为当前迭代次数下的各个粒子的最优适应值；步骤4.4)、判断每个粒子个体最优位置是否更新，若更新，设置该粒子为无饥饿状态，否则，提高该粒子的饥饿度，向群体最优位置方向移动；步骤4.5)、将各粒子的最优适应值进行比较，选取适应值最大的粒子，该粒子的最优位置作为群体最优位置信息；步骤4.6)、步骤4.5中得到的群体最优位置信息即为各感知用户的加权系数，将各感知用户的加权系数代入步骤2的目标函数中，即得到当前迭代次数下的检测概率最大值，完成此次频谱感知；步骤4.7)、判断迭代次数是否达到最大迭代次数，若是，终止循环；若否，则q＝q+1，返回步骤4.2。