[发明专利]一种WCSN中基于时空相关性的序贯频谱感知方法有效
申请号: | 201811578670.6 | 申请日: | 2018-12-24 |
公开(公告)号: | CN109600754B | 公开(公告)日: | 2021-09-10 |
发明(设计)人: | 王天荆;王敏;李秀琴;白光伟;沈航 | 申请(专利权)人: | 南京工业大学 |
主分类号: | H04W16/14 | 分类号: | H04W16/14;H04B17/382;H04B17/391 |
代理公司: | 北京科亿知识产权代理事务所(普通合伙) 11350 | 代理人: | 汤东凤 |
地址: | 210009 江*** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明提供了一种WCSN中基于时空相关性的序贯频谱感知方法,该方法建立基于自回归模型的分组数据序贯能量检测器以快速获得单个节点的局部判决结果,然后为各节点分配基于时空相关性的权重因子以进行加权序贯协作频谱感知,并给出精确的全局判决结果。仿真结果说明:可使用更少的采样数据量获得更优的频谱检测性能,从而以能量有效的方式提高WCSN的频谱利用率和数据传输效率。 | ||
搜索关键词: | 一种 wcsn 基于 时空 相关性 频谱 感知 方法 | ||
【主权项】:
1.一种WCSN中基于时空相关性的序贯频谱感知方法,其特征在于,包括如下步骤:步骤1,GDSPRT令第i个节点CSNi(i∈{1,…,I})的接收信号xi(t)为:
式(1)中,
为主用户信号,
为平均功率,
为加性白噪声,于是,感知时间Tst内M个采样值形成的分组数据定义为:
式(2)中,M=Tst/fs为分组尺度,fs满足Nyquist采样定理,当M>20时,由中心极限定理可知yi(l)的分布表达式为:
式(3)中,
为信噪比,可以看出超采样序列Yi,k={yi(1),…,yi(k)}是i.i.d.,于是计算LLR为:
再进行频谱判决,令Pf和Pd分别为虚警概率和检测概率,定义平均测试统计数来评价GDSPRT的检测性能,ATSN在H0和H1下的表达式分别为:![]()
式(5)和(6)中,E[L(Yi,k)|H0]和E[L(Yi,k)|H1]分别为H0和H1下LLR的数学期望,
和
为门限值,若已知先验概率P(H0)和P(H1),则由Wald等式可得GDSPRT在感知时间Tst内进行序贯检测的平均采样个数为:E[NGDSPRT,i]=M·{P(H0)E[KGDSPRT,i|H0]+P(H1)E[KGDSPRT,i|H1]} (7)由于主用户状态的缓慢变化使得超采样序列Yi,k具有很强的时间相关性,则利用p阶AR过程来描述Yi,k的相关性为:yi(l)=ai,0+ai,1yi(l‑1)+…+ai,pyi(l‑p)+εi(l),l=p+1,p+2,… (8)式(8)中,
为模型误差,根据时间序列分析理论,可由最大似然估计法计算模型参数为:![]()
式(9)中,
于是yi(l)的条件数学期望和方差为:![]()
再由前面p个历史值,定义时刻k的条件概率为:
再令λ(yi(k)|yi(k‑1),…,yi(k‑p))=λi,k,则式(13)可简化为:
式(14)中,
不同于式(4),AR过程下LLR的更新表达式为:
即:Λi,k=Λi,k‑1+λi,k (16)于是有局部判决LDi,k为:
式(17)中,
和
为预设门限值,若LDi,k的判决为H0或H1,则时刻k即为停止时间;若LDi,k的判决为“继续”,则检测器接收下一个超采样yi(k+1)且由式(16)计算Λi,k+1后再次进行判决;步骤2,在第r个协作频谱检测周期,第q个节点CSNq(q∈{1,…Q})得到1‑bit的判决结果,即:
式(21)中,“1”表示当前频谱被主用户占用,“0”表示当前频谱空闲,由Sink序贯接收的第q个局部报告为zr,q=Aur,q+v,其中ur,q=2LDr,q‑1,A为信道增益,
为信道噪声,
为信道SNR,由于zr,q在A或‑A处波动,于是Sink首先对此局部报告进行粗判决,对照门限值κ>0,若zr,q>κ,则判别第q个节点的局部判决为“1”;反之,若zr,q<‑κ,判别为“0”,Sink记录第q个节点的局部判决结果,再接着进行细判决,即按照下式进行序贯融合:
若给Sink传送局部报告的CSNq‑1和CSNq之间的空间相关系数为ρq,q‑1,则定义基于空间相关性的权重因子为
来设置LLR的更新表达式为:
由式(23)可知:当CSNq‑1和CSNq具有高度空间相关性时,则
可以加快LLR的收敛速度,从而加快全局判决速度;由式(23)可知错误的局部判决结果会影响全局判决结果,于是Sink根据局部判决与全局判决的一致性为各个合作节点建立信誉度,设在第r‑s轮至第r‑1轮协作频谱感知中CSNq的局部判决向量为LVr‑1,q=(LDr‑s,q,…,LDr‑1,q),Sink的全局判决向量为GVr‑1=(GDr‑s,…,GDr‑1),定义第r轮协作频谱感知中CSNq和Sink的历史判决向量之间的时间相关系数为ρr‑1,q=1‑||LVr‑1,q‑GVr‑1||0/s,则CSNq的信誉度表示式为:
式(24)中,Rr‑1,q是第r‑1轮时CSNq的信誉度,
为门限值,示性函数
若
则Sink不考虑此轮CSNq的局部判决结果,并称它为不准确的节点,于是重新定义基于时空相关性的权重因子为:
式(25)中,τ为门限值,示性函数
于是式(23)中LLR的更新表达式可改写为:
步骤3,序贯接收到各节点的局部报告后,Sink由式(25)依次给每个合作节点分配权重因子以计算LLR进行联合判决,即:
式(27)中,
和
是门限值,PF和PD分别是全局虚警概率和检测概率,再由Sink将全局判决结果传送给所有节点,并记录参加本轮合作的节点个数。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于南京工业大学,未经南京工业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201811578670.6/,转载请声明来源钻瓜专利网。