基于分簇的协作频谱感知算法.docx

基于分簇的协作频谱感知算法摘要：为提高频谱感知的检测性能提出一种改进式分簇协作感知方法。在簇内采用最优K-N准则融合每个簇内节点的本地感知结果在簇间采用指数加权算法融合簇头的判决信息作出最终的判决结果。理论分析和仿真验证表明相比传统的分簇协作感知算法改进式分簇协作感知算法可以获得更优的感知性能。关键词：协作感知；分簇；最优K-N准则；指数加权传统分簇协作感知方法[1]忽略了不同的感知节点在不同位置时对融合中心的贡献不同的问题。文中提出一种改进式分簇协作感知算法在簇内采用最优K-N准则进行融合[2]在簇间根据簇头节点接收信噪比的不同对感知结果分配不同的权值来进一步提高最终的感知性能。1簇间感知算法的改进不同簇的簇头节点接收信噪比不同若以相同的权重融合不同感知结果不仅不会突出高信噪比环境的感知优势而且会加大低信噪比环境对整体感知性能的影响[3]。基于此提出一种指数加权因子来动态调整不同感知用户对全局感知性能的贡献降低低信噪比对用户的协作感知性能的恶劣影响提高全局感知性能。假设N个簇头用户的信噪比分别为：SNR1SNR2SNR3…SNRN则第i个簇头用户的权系数为：（1）式中E为指数的底数N为分簇的个数权系数故指数加权的全局虚警概率Qf、全局检测概率Qd以及全局漏检概率Qm分别为：（2）（3）Qm=1-Qd（4）由于虚警概率同SNR无关所以全局虚警概率同OR准则[4]下的虚警概率相同这也就意味着在相同的虚警概率下提高了高信噪比用户的检测概率对全局检测性能的影响降低了低信噪比用户的检测概率对全局检测性能的影响提高了协作频谱感知的检测性能。2改进式分簇协作感知过程假设已经通过某种方式将认知无线网络中的认知用户分成若干个簇在每个簇中选择信道条件最好的CR节点作为簇头由于每个簇中CR节点的距离都很近可以认为各CR节点间是理想信道。则改进式分簇协作感知过程可以描述为：（1）第i个簇内的j个认知节点分别单独进行本地频谱感知得到感知结果Dij并上传感知结果至簇头用户CHi；（2）第i个簇的簇头用户接收本簇内j个CR节点的本地感知信息并依据最优的K-N准则融合簇内CR节点的感知信息并作出决策Di=f（Di1Di2…Dij）；（5）（6）（3）i个簇的簇头用户CHi分别将各自的决策信息Di发送给融合中心（FC）；（4）FC根据每个簇头节点接收信噪比（SNR）的不同按照指数加权的方法确定最差信噪比用户的感知性能下降的倍数p并求得给每个簇头节点的权值？棕（i）并对Di作出最终判决D=g（D1D1…Di）。（7）（8）3仿真结果分析通过Matlab仿真平台进行仿真图1为指数加权融合同其他融合方式的ROC曲线对比在认知用户数为5Kopt=3时假设5个CR节点的接收信噪比分别为-14dB、-16dB、-19dB、-20dB、-24dB在AWGN信道环境中采样点数N=1000噪声功率。图1中最大比合并（MRC）要优于等增益合并（EGC）和OR准则而指数加权的融合方式在低虚警概率下（小于0.1）检测性能最好实验表明采用指数加权的方式为不同的接收信噪比的CR节点分配不同点的权值获得的检测性能要明显优于传统的OR准则融合方式。而且在低虚警概率下的的优势尤为明显。（1）方法1：采用OR准则融合簇内节点的感知信息和簇间节点的判决信息。（2）方法2：采用K-N准则完成簇内融合OR准则完成簇间融合。（3）方法3：采用最优K-N准则完成簇内融合OR准则完成簇间融合。（4）方法4：采用等增益合并（EGC）完成簇内融合OR准则完成簇间融合。（5）改进方法：簇内采用最优K-N准则簇间采用指数加权方法为不同接收信噪比的簇头用户分配不同的权值。如图2所示全局虚警概率相同时提出的改进式分簇协作感知算法的检测性能最优当Qf=0.1时改进方法比方法1的检测概率提高了近一倍它还优于在簇内采用软融合准则的性能而且虚警概率越低这种优势越明显。4结束语针对传统分簇式协作感知算法对认知无线环境的复杂度考虑不足以及检测性能不高的问题提出一种改进式分簇协作频谱感知算法实验表明改进算法可以提高频谱感知的全局检测概率从而提高频谱感知性能。文章只是针对理想信道下的分簇协作感知性能的分析接下来可以针对不同的衰落信道下的分簇协作感知性能做更深入的研究。参考文献[1]WenjingYueBaoyuZheng.Spectrumsensingalgorithms