基于集中式协作频谱感知的数据融合技术研究基于集中式协作频谱感知的数据融合技术研究
针对单节点频谱感知中存在的隐蔽终端和多径衰落问题,协作频谱感知应运而生。协作频谱感知有集中式和分
布式之分。主要研究了集中式频谱感知中的数据融合技术,通过MATLAB进行建模仿真。仿真结果表明,集中
式协作感知模型下软判决比硬判决更好地改善了检测性能,而软判决准则中C-V准则在高信噪比下检测性能最
好,EGC准则在低信噪比下检测性能最好。
摘 摘 要要: 针对单节点频谱感知中存在的隐蔽终端和多径衰落问题,
关键词 关键词: 协作频谱感知;数据融合;集中式;MATLAB
0 引言引言
协作频谱感知算法是指在同一无线频谱环境中对多个认知用户的感知结果进行合并的一项技术,它能克服单节点检测中出
现的隐藏终端等问题,能提高系统的感知性能,增强低信噪比环境下频谱感知的鲁棒性[1]。
协作频谱感知主要分为集中式频谱感知和分布式频谱感知,它们都是对各个认知用户结果进行合并处理的一种方式。集中
式频谱感知是指各个认知用户首先独立地进行频谱感知,然后各个认知用户将自己感知到的结果发送到数据融合中心,数据融
合中心再根据一定的融合方法对结果进行融合处理,从而得到最终的检测结果,判断出是否有频谱空洞存在;而分布式频谱感
知是通过各个认知用户直接传递和共享感知信息来共同判定频谱的使用情况[2]。本文主要研究基于集中式频谱感知方式的数
据融合技术。
1 集中式协作频谱感知原理集中式协作频谱感知原理
集中式频谱感知过程主要分为感知和决策两个方面,首先各个认知用户通过一定的感知方法对主用户信号进行感知,得到
各自的感知结果;其次各个认知用户将各自的感知结果传送到数据融合中心进行融合,进而做出决策得到最终的判决结果。
集中式协作检测数据融合模型如图1所示。假设有n个认知用户参与协作频谱检测,每个认知用户根据独立的频谱感知方
法得到本地判决结果ui,假设传输过程没有噪声,n个认知用户将各自的判决结果传送到数据融合中心,数据融合中心按照一
定的融合准则对ui进行合并处理得到最终的判决结果u0[3]。
2 常用数据融合方式常用数据融合方式
根据各个认知用户传递给数据融合中心感知信息类型的不同,数据融合的方法可以分为软判决方式和硬判决方式[4]。
2.1 硬判决硬判决
硬判决是指各个认知用户将代表主用户是否存在的“0”或“1”信息传送给数据融合中心,数据融合中心根据系统要求选取合
适的融合准则进行合并。AND准则、OR准则以及K-N准则是目前最常用的硬判决准则。
AND准则的基本思想是,当所有的认知用户都判定信号存在时才最终判定有信号存在,数据融合中心采用逻辑“与”的方式
对每个认知用户的判决结果进行合并做出决策。假设有N个认知用户,各个认知用户独立同分布。AND准则是以降低检验概率
来减小系统整体虚警概率的。
OR准则的基本思想可理解为当且仅当有一个认知用户判定信号存在就最终判定有信号存在,数据融合中心采用逻
辑“或”的方式对各个认知用户的判决结果进行合并做出决策。OR准则是以增大虚警概率概率为代价来增大检验概率的。
K-N准则的基本思想是,在所有N个认知用户中有至少有K个认知用户判定结果为信号存在时,数据融合中心的最终判决
结果才为有信号存在。OR准则是指n=1时的情况,此时全局漏检概率最低;AND准则是指n=N的情况,此时全局漏检概率最
高。但是OR准则是通过增大全局虚警概率来降低全局漏检概率的,而AND准则是通过增大漏检概率来降低虚警概率的,所以
需要找到一个最优的合作用户数使虚警概率和漏检概率达到一个平衡。
2.2 软判决软判决
软判决是指各个认知用户将检验统计量或者感知到的原始数据发送给数据融合中心,数据融合中心选择适当的融合准则做
出最后判决。似然比算法和等增益算法是最常用的软判决合作频谱感知算法[5]。
2.2.1 Chair-Varshney准则似然比算法
Chair-Varshney(C-V)准则是基于对数似然比的准则,是在似然比检测的基础上提出的,各个认知用户基于能量检测模