[發(fā)明專利]基于認(rèn)知功能和傳感器節(jié)點(diǎn)分離的CRSN頻譜感知方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201611221181.6
• 申請(qǐng)日: 2016-12-26
• 公開(kāi)（公告）號(hào): CN106788818B
• 公開(kāi)（公告）日: 2020-05-08
• 發(fā)明（設(shè)計(jì)）人: 裴二榮;白麗麗
• 申請(qǐng)（專利權(quán)）人: 重慶郵電大學(xué)
• 主分類號(hào): H04B17/382
• 分類號(hào): H04B17/382;H04W84/18
• 代理公司: 北京同恒源知識(shí)產(chǎn)權(quán)代理有限公司 11275
• 代理人: 廖曦

1.一種基于認(rèn)知功能和傳感器節(jié)點(diǎn)分離的CRSN頻譜感知方法，其特征在于：將選擇適合的認(rèn)知節(jié)點(diǎn)和降低認(rèn)知節(jié)點(diǎn)的發(fā)射功率兩方面問(wèn)題建模成一個(gè)混合離散和連續(xù)變量的優(yōu)化問(wèn)題，并用連續(xù)離散二進(jìn)制混合粒子群算法進(jìn)行優(yōu)化，具體步驟如下：

1)使用能量檢測(cè)法進(jìn)行本地頻譜檢測(cè)；

2)計(jì)算檢測(cè)得到的能量值；

3)計(jì)算認(rèn)知節(jié)點(diǎn)的初始化檢測(cè)概率和虛警概率；

4)融合中心通過(guò)收到的認(rèn)知節(jié)點(diǎn)的感知結(jié)果和對(duì)應(yīng)信道的誤碼率計(jì)算得到真正的認(rèn)知節(jié)點(diǎn)的檢測(cè)概率和虛警概率為：

5)假設(shè)有任意一個(gè)本地感知結(jié)果表明觀察信道被主用戶占用，那么融合中心的結(jié)果就是主用戶占用該信道，計(jì)算融合中心的檢測(cè)概率和虛警概率；

6)計(jì)算協(xié)作頻譜感知的總能量消耗；

7)在假設(shè)控制信道的信噪比符合自由空間衰落模型的條件下，計(jì)算各個(gè)認(rèn)知節(jié)點(diǎn)的新的檢測(cè)概率和虛警概率；

8)給定約束條件為最大虛警概率和最小檢測(cè)概率，同時(shí)滿足頻譜感知能量消耗最小化，將優(yōu)化問(wèn)題進(jìn)行公式表達(dá)；

9)利用連續(xù)離散二進(jìn)制混合粒子群算法進(jìn)行優(yōu)化；

所述使用能量檢測(cè)法進(jìn)行本地頻譜檢測(cè)具體包括：

假設(shè)τ_s表示認(rèn)知節(jié)點(diǎn)的頻譜檢測(cè)時(shí)間長(zhǎng)度，f_s表示檢測(cè)采樣頻率，τ_sf_s為每個(gè)檢測(cè)周期的采樣數(shù)量，第i個(gè)認(rèn)知節(jié)點(diǎn)依靠它的采樣信號(hào)能量值X_i[k]，k＝1,2,3…τ_sf_s來(lái)給出感知結(jié)果；H₀表示主用戶沒(méi)有占用信道，用H₁表示主用戶占用了信道；

H₀:X_i[k]＝u_i[k] (1)

H₁:X_i[k]＝s_i[k]+u_i[k] (2)

其中u_i[k]是方差為σ_u²、均值為0的高斯隨機(jī)噪聲；s_i[k]為主用戶信號(hào)，假設(shè)它是一個(gè)均值為0方差為σ_si²的隨機(jī)過(guò)程；

計(jì)算檢測(cè)得到的能量值為：

它在主用戶不占用檢測(cè)信道的情況下服從一個(gè)自由度為2τ_sf_s的卡方分布；在主用戶占用觀察信道的情況下服從一個(gè)自由度為2τ_sf_s，非中心參數(shù)為2γ_i的非中心卡方分布：

其中γ_i是認(rèn)知節(jié)點(diǎn)i檢測(cè)到的主用戶的信噪比；

計(jì)算認(rèn)知節(jié)點(diǎn)的初始化檢測(cè)概率和虛警概率方法為：

根據(jù)中心極限定理，當(dāng)2τ_sf_s足夠大時(shí)，E_i看成是近似高斯分布，對(duì)于一個(gè)給定的門(mén)限值λ，則第i個(gè)認(rèn)知節(jié)點(diǎn)的初始化檢測(cè)概率和虛警概率分別如下：

其中Q(x)是正常高斯分布的累積分布函數(shù)的補(bǔ)函數(shù)；

融合中心通過(guò)收到的認(rèn)知節(jié)點(diǎn)的感知結(jié)果和對(duì)應(yīng)信道的誤碼率計(jì)算得到真正的認(rèn)知節(jié)點(diǎn)的檢測(cè)概率和虛警概率為：

其中ρ_i表示第i個(gè)認(rèn)知節(jié)點(diǎn)上報(bào)給融合中心時(shí)信號(hào)的信噪比，控制信道的誤碼率

融合中心的檢測(cè)概率和虛警概率為：

其中θ＝{1，0}表示認(rèn)知節(jié)點(diǎn)i是否參與感知，1代表參與，0代表不參與，N是認(rèn)知節(jié)點(diǎn)的總個(gè)數(shù)；

計(jì)算協(xié)作頻譜感知的總能量消耗：

C_ti表示傳送感知結(jié)果的能量消耗，C_si表示觀察信道部分的能量消耗；因?yàn)楦鱾€(gè)認(rèn)知節(jié)點(diǎn)的相似性，所以假設(shè)所有認(rèn)知節(jié)點(diǎn)的C_si是相同的，是一個(gè)常量；但是每個(gè)認(rèn)知節(jié)點(diǎn)的C_ti是各不相同的；

在假設(shè)控制信道的信噪比符合自由空間衰落模型的條件下，d_if表示第i個(gè)認(rèn)知節(jié)點(diǎn)到融合中心的距離,那么第i個(gè)認(rèn)知節(jié)點(diǎn)的控制信道的誤碼率為：

將(12)帶入公式(7)、(8)計(jì)算各個(gè)認(rèn)知節(jié)點(diǎn)的新的檢測(cè)概率和虛警概率為：

給定約束條件為最大虛警概率α和最小檢測(cè)概率β，同時(shí)滿足頻譜感知能量消耗最小化，優(yōu)化問(wèn)題用下式表示：

利用連續(xù)離散二進(jìn)制混合粒子群算法進(jìn)行優(yōu)化，該算法將一個(gè)離散二進(jìn)制變量的粒子群和一個(gè)連續(xù)變量的粒子群在一起運(yùn)算，并引入懲罰函數(shù)來(lái)建立一個(gè)新的優(yōu)化目標(biāo)，具體方法為：

假設(shè)這個(gè)粒子群包含了n個(gè)粒子，粒子移動(dòng)的過(guò)程就是對(duì)解空間的搜索過(guò)程，粒子維數(shù)用Q表示，每個(gè)粒子的所在位置為：x_i＝(x_i1,x_i2,…,x_iQ),i＝1,2,…n，每個(gè)粒子的速度為v_i＝(v_i1,v_i2,…,v_iQ),i＝1,2,…n，粒子群算法的速度和位置的迭代更新公式：

其中w是保持原來(lái)速度的慣性系數(shù)，c₁是粒子跟蹤自己歷史最優(yōu)值的權(quán)重系數(shù)，它表示粒子對(duì)自身搜索歷史的認(rèn)識(shí)，叫“自身認(rèn)知”，c₂是粒子跟蹤群體最優(yōu)值的權(quán)重系數(shù)，它表示該粒子對(duì)整個(gè)群體搜索歷史的認(rèn)識(shí)，所以叫做“群體知識(shí)”；ξ和η是[0,1]區(qū)間內(nèi)均勻分布的隨機(jī)數(shù)，保證了粒子向局部和全局最優(yōu)靠近的同時(shí)，有一定的隨機(jī)性，能夠在局部最優(yōu)和全局最優(yōu)解的周?chē)鷮ふ腋鼉?yōu)的解；r是速度約束因子，通過(guò)它調(diào)節(jié)粒子速度對(duì)原有位置的影響；

引入懲罰函數(shù)為：

minD＝C_T+R*max((α-P_d)，0)+S*max((P_f-β)，0) (18)

其中R和S是懲罰因子，合適的設(shè)置它們的值，能夠免去懲罰，使原來(lái)的優(yōu)化目標(biāo)C_T和新的優(yōu)化目標(biāo)D相同；

具體步驟包括：

1)初始化離散二進(jìn)制變量粒子群和連續(xù)變量粒子群；

2)根據(jù)目標(biāo)函數(shù)計(jì)算各自適應(yīng)值；

3)根據(jù)公式(16)(17)更新離散二進(jìn)制粒子群和連續(xù)變量粒子群的速度和位置；

4)根據(jù)最新位置計(jì)算全局優(yōu)化值；

5)判定迭代次數(shù)是否達(dá)到上限，若沒(méi)有達(dá)到上限則返回步驟2)，反之結(jié)束算法。