【word】 认知无线电中基于自相关矩阵的协作盲感知

【word】 认知无线电中基于自相关矩阵的协作盲感知 认知无线电中基于自相关矩阵的协作盲感 知 第l6卷第1期 2011年2月 电路与系统 JOURNALOFCIRCUITSANDSYSTEMS Vo1.16No.1 文章编号:1007-0249(20111O1.0012.08 认知无线电中基于自相关矩阵的协作盲感知 焦传海,王可人,冯辉 (合肥电子工程学院304实验室,安徽合肥230037) 摘要t为了克服传统的认知无线电频谱感知算法存在的不足,提出了,种基于自相关矩阵的协作式盲频谱感知方 法,以提高频谱感知能力.该 方法 快递客服问题件处理详细方法山木方法pdf计算方法pdf华与华方法下载八字理论方法下载 从样本自相关矩阵中提取检测统计量,采用双门限混合判决方法得到本地检测结果. 认知基站将本地检测信息分成两类,并对软判决信息实施可靠性融合,最后给出全局判决结果.该方法是一种盲感知 方法,不需要知道主用户信号的先验知识和噪声方差信息.理论分析和仿真结果表明,该方法可以有效提高频谱感知 能力,且计算复杂度较低. 关键词t认知无线电;频谱感知;自相关矩阵;协作:盲感知 中圈分类号tTN92文献标识码tA 1引言 认知无线电(CognitiveRadio,CR)具有电磁环境感知和智能参数重置等能力,近几年来得到了 广泛关注和快速发展,被预言会成为未来最热门的无线电技术[】].认知无线电理论与技术的研究和应 用,必将给未来移动通信和军事通信的发展带来巨大机遇. 频谱感知是认知无线电技术的基础和核心,近年来,对频谱感知技术的研究也越来越多[2’3】.经典 的感知方法包括匹配滤波检测,循环谱检测和能量检测等,这些方法各有其优缺点和适用范围. 能量检测(EnergyDetection,ED),是最常用的一种检测方法,不需要知道主用户信号任何信息, 属于非相干检测,具有复杂性低,计算和实现简单等优点,但需要知道噪声方差信息,不适于低信噪 比情况,需克服噪声不确定性问 题 快递公司问题件快递公司问题件货款处理关于圆的周长面积重点题型关于解方程组的题及答案关于南海问题 .另外,能量检测对独立同分布(i.i.d)的信号样本检测效果较好, 但对相关信号的检测效果不是最优的.而在实际应用中,认知用户接收端的信号样本往往是相关的, 原因包括:(1)发射信号本身是相关的;(2)信号过采样;(3)传输信道的多径效应. 为提高频谱感知能力,一方面,人们开始研究协作式频谱感知方法~6】,基本上都是针对能量检测 的,将多个认知用户的检测信息进行融合判决,以减小无线信道的阴影,衰落和时变特性对频谱检测 的影响.传统的中心式协作频谱感知 方案 气瓶 现场处置方案 .pdf气瓶 现场处置方案 .doc见习基地管理方案.doc关于群访事件的化解方案建筑工地扬尘治理专项方案下载 没有考虑本地检测结果的可靠性,受CR用户本地感知的偶 然性影响较大,文献【7]【8]提出了基于可靠性与D.S证据理论的协作频谱感知方案,但需要较多的先验 信息.另一方面,研究人员考虑将其他理论应用于频谱感知,Cardoso等人在文献[9]中提出了一种基 于大维随机矩阵理论(RMT)的频谱感知算法,利用M.P律给出了大样本情况下的频谱检测方法,但 不适用于小样本情况.新加坡电信研究院的YonghongZeng等人也提出了一类基于RMT的频谱感知 算法,包括协方差绝对值法(CAV)[1.】和最大最小特征值法(MME)l】等,这类算法考虑了实际应 用中采样数有限的问题,但仅研究了单个CR用户的情况.王磊等人I12J在此基础上研究了一种基于RMT 的协作最大最小特征值频谱感知算法,多个CR基站通过有线高速传输的方式来实现信息共享. 在分析了上述频谱感知算法的基础上,本文提出了一种基于自相关矩阵的协作式盲感知 (Cooperativeblindsensingbasedonautocorrelationmatrix)方法,简称CBAM方法.首先,各个CR 用户利用自相关矩阵对接收信号进行本地混合判决检测,该检测是一种盲检测,既不需要主用户信号 任何先验知识,也不需要噪声方差信息,同时考虑了本地检测可靠性问题.然后,各CR用户将本地 收稿日期t2010—04—06修订日期:2010-08—23 基金项目:解放军电乇工程学院博士创新基金资助 第1期焦传海等:认知无线电中基于自相关矩阵的协作盲感知13 判决结果通过控制信道传送至CR基站,CR基站依据一定的融合规则进行全局判决,充分利用了多个 CR用户的检测信息进行共享协作以提高频谱感知的性能. 论文 政研论文下载论文大学下载论文大学下载关于长拳的论文浙大论文封面下载 其余部分安排如下:第2节给出了信号模型,并构建了检测统计量;第3节详细阐述了CBAM 方法;第4节对算法性能进行了理论分析,并讨论了判决门限的确定;第5节通过计算机仿真分析了 CBAM方法的性能,并指出了几点改进建议;最后,总结全文. 2系统模型 2.1系统结构与信号模型 假设一个CR网络系统,由?个CR用户和1个CR基站构成,系统中包括分离的数据信道和控 制信道.对一个主用户信号进行检测,采用协作式频谱感知时,可将 CR网络看作一个信息融合系统, 每个CR用户通过控制信道将本地检测信息发送给融合中心,融合中心依据这些信息进行综合判决. 假设本文感兴趣的频段中心频率为. ,带宽为,对接收信号以采样频率(B)进行采样, 则第i个CR用户在时刻的接收信号模型可表示为 ,c= {?:;,H.c 式(1)中,和两个假设分别对应主用户信号不存在和主用户信号存在的情况.其中,1iN, rli()为高斯噪声,方差为2,Xi()表示经过无线信道(包括路径损耗,多径衰落和时延等)后的主 用户信号.不失一般性,假定t(“)和()相互独立,且均为实信号. 2.2检测统计量的构建 对第i个CR用户,考虑个连续样本,称为平滑因子【l,构成如下向量: E(n)=()Yi(一1)…Yi(一L+1)r(2) Xf()=f()Xi(一1)…t(一三+1)r(3) 野f()=f()rk(一1)…r/i(一三+1)T(4) 构建信号及噪声的统计自相关矩阵如下: R=E[Yi(n)Y()J(5) R鼍=()()J(6) = E()叩()J(7) 其中,表示共轭转置,J,表示三阶的单位阵.信号与噪声之间是统计独立的,由此可得 RY=RXi+oIL’,8 若信号样本之间是相关的,则R置为非对角阵,理论上,当信号Xi()存在时,矩阵的非对角元 素不全为零;若信号t(“)不存在,则Rx, = 0,矩阵R的非对角元素全为零,但实际情况并非如此. 为此,不能简单地依据”矩阵R的非对角元素是否全为零”来判决主用户信号的存在与否. 实际应用中,可供利用的采样是有限的.假设接收信号在检测周期内是随机平稳过程,可以用时 问自相关近似代替统计白相关,定义 (,)=—?()(-z),,=0,1,…,L一1(9)r上m=O 其中,为有限的样本数,则R可近似用表示为[1o] R= 专(0)(1)…(三-1) (1)(0)…(三一2) (三一1)(三一2)…(0) (10) 14电路与系统第16卷 是对称阵,记Oegp行第q列的元素为. 对角元素平方和的大小来确定信号的有无.据此, = ??()P=lq=l : ?(rpq)p=1 :互 ;2 3CBAM方法 3.1总体方案 (11) (12) (13) 由上述分析可知,可以通过比较所有元素平方和与 可构建如下检测统计量: 硬判决信息噩_..籀 :信一道 乎匾H_-. cR用户本地盲检测 图1CBAM方法总体方案框图 CBAM方法可分为本地盲检测和融合判决两大部分,图1给出了 CBAM方法的总体方案设计框 图.首先,各CR用户对接收信号y.(f),Y2(f),…,YN(f)进行采样,计算自相关矩阵并提取检测统计 量,经本地混合判决得到本地判决信息”,”:,…,,将其通过控制信道送至CR基站,然后,CR 基站对接收到的信息分类,对软判决信息进行可靠性融合,最终,融合判决给出全局判决. 3.2本地盲检测 在进行本地检测时,如果采用硬判决,可能会受外部条件或信号特性和噪声特性的影响,使得判 决结果的偶然性增大;如果采用软判决,即将检测统计量直接发送给CR基站,则会导致通信开销较 大.式(14)给出了基于自相关矩阵的本地硬判决方法(记为BAMH方法)对应的判决准则,其中 为本地硬判决门限. 10,J,= I1,Jf>,Hlf2,(15) l1,Ji>2,H1 其中,为第i个CR用户的本地判决输出结果.当本地检测采用软判决时,实际上是考虑了本地检 测的可靠性.值得一提的是,当==时,混合判决即退化为硬判决;当=1,=+?时,混合 判决即转化为软判决. 3I3融合判决 设在CR基站接收到的N个本地判决结果(i=1,2,…,N)中,硬判决信息有K个,记为 :,,…,],软判决信息有N-K个,记为=,:,…,aNK.cR基站首先对进行可靠性融 合,融合规则为 rN—K ,风(16) 【1,g/sg,H 其中,厂为可靠性融合的判决门限. CR基站利用和,,进行最终融合判决,经典的融合准则包括AND准则,OR准则和K秩准则, 前两个准则都是K秩准则的特例,一般情况下,AND准则的漏检概率大,OR准则的虚警概率高.这 第1期焦传海等:认知无线电中基于自相关矩阵的协作盲感知 里,因为和经可靠性融合之后的均是比较可靠的检测结果,所以可采用OR准则以最大化全局检 测概率,CR基站的最终融合判决准则为 (17) 3.4算法步骤 (1)各CR用户对接收信号Y(f)进行过采样; (2)设定平滑因子三和本地判决门限兄,22; (3)计算时间自相关(,),并构成近似自相关矩阵; (4)计算检测统计量,和Ji; (5)将和,,进行比较,输出本地判决结果; (6)CR基站接收本地检测信息,并将其分类为(软判决信息)和(硬判决信息); (7)设定判决门限厂,对髓进行可靠性融合得到7; (8)联合和,依据OR准则进行融合判决,输出全局判决结果. 该算法既不需要主用户发射信号的先验信息也不需要噪声方差信息,是一种盲检测算法,且适用 于有限样本的情况,同时,在利用多个CR用户检测信息进行协作检测时,算法还考虑了本地检测的 可靠性问题.另外,和MME算法【ll,比,该算法计算较简单,不需要计算协方差矩阵的特征值并 估计特征值的分布和进行特征值排序. 4性能分析和门限确定 4.1性能分析 假设检测统计量在和H.情况下的分布分别为f(J,lH.)和-厂(l),则对应的累积分布 函数 excel方差函数excelsd函数已知函数     2 f x m x mx m      2 1 4 2拉格朗日函数pdf函数公式下载 (CDF)可分别表示为 ()=f(f) 0 ()=If(Ji.H.) 定义第i个CR用户的本地检测的四种概率:检测概率 率-』. . = P{J>lH1)=1一() , = P{4<I}=() , = 尸{>I}=1一() Pc, = P{<l}=() 今 (18) (19) 虚警概率尸,漏检概率, 和认知概 (20) (21) (22) (23) (P{Ji>厂,?,i=K1.-,NI”K1}()={?>厂,?t,?,=+,…,}【f=+l = ???J._厂(.+.1)/(+『.)…f(J.vI)dJ+dJ+:…dJ(24),v ?Ji>F, (PJ>MJ:,i=K小?,NI”.}()={?>厂,?:,=+1,…,o}【f=+lf = ???』f(J川』?.)/(+:I)…f(J『.)dJ…dJ(25) ?Ji>F, ? G 16电路与系统第16卷 这样,司以将CR基站采用OR融合准则得到的全局检测概率和全局虚警概率表示为 = P.=I[H1}=P{max(Jl,,…,)>) +?P{??<,J小一J?1)P{?>厂,可用样本数噪声方差,信噪比SNR等因 素有关,还和主用户信号的特性有关.通常,可以通过多次实验仿真,近似得到检测统计量J的分布. 4.2门限确定 由于没有任何先验信息,很难直接确定和,可以依据硬判决门限来近 似选取.硬判决门限 的选取应该使本地检测概率尽量大而本地虚警概率尽量小.通常,根据虚警概率来选取,即在”恒 虚警”的情况下确定判决门限. 不妨设定硬判决时的本地虚警概率为Po,若设定在融合中心进行OR准则融合的全局虚警概率为 Q0,则有 =l-(1一Qo)l/(28) 根据冠的对称性,可将式(11),(12)写为 :? (0)+2?(三一,)(,)(29) ::?(0)(30) 由文献【10]可推知,在假设情况下,即主用户信号不存在时,有下列式子成立 =4(31) 瞩)=4(32) ((丢+4O+48”)0.8(33) 通常,很大时,依据中心极限定理,近似服从高斯分布,即:,?(4,(+4O+参)]. 这样,可以得到 第1期焦传海等:认知无线电中基于自相关矩阵的协作盲感知17 =P> H1卜P{-)) {)(?)(36) 其中,=(+)/2,为修正量,可根据需要进行调整. 在实际应用中,判决门限的选取还跟应用场景和信道传播条件等有 关,应按具体要求来确定门限. 5仿真结果及分析 假设在加性高斯白噪声(AWGN)环境下,待检测的主用户信号为一 窄带信号,中心频率 = 200MHz,带宽为B=5MHz,采样频率=12MHz. 设定虚警概率=0.001,取平滑因子L=10,样本数 M:40000,CR用户数N=6,由(28),(35)式可得 = I.0537,不妨选取=1.015和=1.075,则=1.045, 取=0.005,则厂=(6一K)×1.05,K事先无法确定. 作为对比,同时对能量检测的性能也进行了仿真,能 量检测法门限阳可参照文献[14]进行设定 = [H)(37) 需要知道噪声方差,由于噪声不确定的影响,噪声方差 的估计值可表示为 = (3838);po;) 噪声不确定性可表示为 b=max{10log10(39) 其中,p?[10圳t,/.,lOb/.1. 在AWGN环境下,进行多次仿真实验,并对结果求平 均.图3给出了不同检测方案下平均检测概率随信噪比 SNR的变化情况,其中,ED.1dB表示噪声不确定性为ldB 情况下的单节点能量检测方案,ED表示没有噪声不确定 性的单节点能量检测方案,BAMH为基于自相关矩阵的单 节点硬判决方法,ED—OR表示没有噪声不确定性的OR准 则协作式能量检测方案,CBAM为本文所述方案.由图3 可以看出:(1)对于单节点检测,BAMH的性能较ED和 信噪~SNR(dB) 图3不同方案的检测性能比较 虚警概率PF 图4两种方案的ROC曲线 ED—ldB有明显优势,尤其是在低SNR情况下,表明BAMH可以克服低信噪比和噪声不确定性的影响, 0OO0OO 糌鏖嚣 18电路与系统第16卷 于信号样本的相关性较弱,CBAM算法性能将可能不如理想半滑于 L 状态下的协作式能量检测.但实际上,一是很难对噪声方差图6平滑因子对检测性能的影响 信息精确估计,二是待检测的信号往往是相关的,所以,CBAM方法还是具有较大应用潜力的. (2)在CBAM方案中,对各CR用户的本地检测结果,CR基站是同等对待的.而实际应用中, 由于所处环境不同和自身性能差异,各个认知用户的本地检测判决结果的可信程度也是不同的,认知 基站可以给各认知用户的检测结果分配不同的权重,再依据线性加权准则进行全局判决. (3)所提算法的不足之处在于不能区分不同类型的信号,可考虑将其与其他方法结合起来,对信 号进行分布感知或联合感知. 6结束语 频谱检测技术是认知无线电的关键技术之一,论文在分析了现有频谱感知算法面临的问题的基础 上,提出了一种基于自相关矩阵的协作式盲频谱感知方法,该方法不需要知道主用户信号的先验知识 和噪声方差信息,克服了能量检测方法的不足,同时考虑了实际应用中样本数有限的问题和本地判决 信息可靠性问题,充分利用了多个CR用户的检测信息进行共享协作 以提高频谱感知的性能.对于相 关信号,该方法检测性能较好,且计算复杂度较低. 参考文献. [1]SHaykin.Cognitiveradio:brain-empoweredwirelesscommunications[J】.IEEEJSAC,2005,23(2):201_220 [2】SHaykin,JThomson,HReed.Spectrumsensingforcognitiveradio[J】 _ProceedingsoftheIEEE,2009,97(5):849—877. [3]TYOcek,HArslan.Asurveyofspectrumsensingalgorithmsforcognitiveradioapplications【J].IEEECommunicationsSurveys&Tutorials, 2009,11(1):116?130. [4】 MGandetto,CRegazzoni.Spectrumsensing:adistributedapproachforcognitiveterminals[J].IEEEJournalonSelectedAreasin Communications,2007,25(3):546?557. [5】 J.Unnikrishnan,V_Veeravalli.Cooperativesensingforprimarydetectionincognitiveradio[J].IEEEJournalonSelectedAreasinSignal Processing,2008,2(1):18-27. [6】 YChen,QZhao,ASwamiDistributedspectrumsensingandaccessincognitiveradionetworkswithenergyconstraint[IEEETransactions onSignalProcessing,2009,57(2):783—797. 第1期焦传海等:认知无线电中基于自相关矩阵的协作盲感知19 【7] [8] 【9] [10] 【11] [12] 【13】 【l4] PENGQi.hang,ZENGKun,WANGJun.Adistributedspectrumsensingschemebasedoncredibilityandevidencetheoryincognitiveradio [A].Quebec:IEEEPIMRC[C】.2006. 郑学强,王金龙,陈娟.基于证据理论的协同频谱感知算法[J].解放军 理工大学(自然科学版),2008,9(6):629-632. LSCardoso,MDebbah,PBianchi.Cooperativespectrumsensingusingrandommatrixtheory[A].ISWPC[C].Sautorini,2008—05.334_338. YZeng,YCLiang.Spectrumsensingalgorithmforcognitiveradiobasedonst atisticalcovariances[J].IEEETransactionsonVehicular Technology,2009,58(4):1804—1815. YZeng,YCLiang.Eigenvalue—basedspectrumsensingalgorithmsforcognitiveradio[J】.IEEETransactionsonCommunications,2009, 57(6):1784-1793. 王磊,郑宝玉,李雷.基于随机矩阵理论的协作频谱感知[J].电子与信 息,2009,31(8):1925?1929. XZheng,JWang,QWu,eta1.Anovelcooperativespectrumsensingalgorithmincognitiveradiosystems[J].Journalofcommunications andnetworks,2009,11(2):1I5-121. zYe,GMemik,JGrosspietsch.Energydetectionusingestimatednoisevarianceforspectrumsensingincognitiveradionetworks[A].IEEE WirelessCommunicationsandNetworkingConference 【C].LasVegas,USA:WCNC2008,2008?04.71卜716. 作者简介t焦传海(1983一),男,博士生,研究方向 博士生导师,研究领域:无线通信,现代信号处理等; 信信号处理. :通信信号处理,认知无线电等;壬可人(1957.),男,教授, 冯辉(1978一),男,博士,讲师,研究领域:通信对抗,通 Cooperativeblindsensingbasedonautocorrelationmatrixincognitiveradios JIAOChuan-hai,WANGKe-ren,FENGHui (Laboratory304ofHefeiElectronicEngineeringInstitute,Hefei230037,China) Abstract:Toovercomethedisadvantagesofthetraditionalspectrumsensingalgorithmsincognitiveradio(CR),aschemeof cooperativeblindspectrumsensingbasedonautocorrelationmatrixisproposedinordertoimprovethespectrumsensing performance.Theteststatisticisextractedfromtheautocorrelationmatrix,calculatedusingalimitednumberofsignal samples.Abi-thresholdmixeddecisionapproachisutilizedforlocalspectrumsensing.Thecognitivebasestation(CBS) categorizesthelocaldetectionresultsintotwogroupsandmakesacredibilityfusionbasedonthesoftdecisions.Finally,the globaldecisionismadeintheCBS.Theproposedmethodisblindinthesensethatitdoesnotrequireaprioriknowledgeof thesignalorofthenoisepower.Theoreticalanalysisandsimulationresultsshowthattheproposedmethodcanenhancethe spectrumsensingcapabilitywithlowcomputationalcomplexity. Keywords:cognitiveradio;spectrumsensing;autocorrelationmatrix;cooperative;blindsensing (续第11页)(frompage11) Projectivesynchr0nizati0ncontrolforsimplifiedLorenzchaoticsystems SUNKe.hui一,QIUShui—sheng (1.SouthChinaUniversityofTechnology,SchoolofElectronicandInformationEngineering,Guangzhou510641,China; 2.CentralSouthUniversity,SchoolofPhysicsScienceandTechnology ,Changsha410083,China) Abstract:TothesimplifiedLorenzchaoticsystemproposedrecently,thesynchronizationissueoftwosimplifiedLorenz chaoticsystemswithdifferentinitialconditionsisinvestigatedbyapplyingprojectivesynchronizationandgeneralized functionprojectivesynchronizationapproachrespectively.BasedonRouth—HurwitzstabilitycriterionandLyapunovstability principle,twosynchronizationtheoremsarededuced,andtherangeofcontrolparametersisdetermined. Therelations betweenthesynchronizationperformanceswiththecontrolparametersarediscussed.DynamicsimulationresultsonSimulink showthatitiseffectivefortheprojectivesynchronizationmethods. Keywords:Chaos;simplifiedLorenzsystem;projectivesynchronizati0n;chaoscontrol