一种协同频谱感知网络次级用户选择方法、介质及设备与流程

本发明属于无线通信领域技术领域，具体涉及一种协同频谱感知网络次级用户选择方法、介质及设备。

背景技术：

多节点协同频谱感知技术(css)是利用认知无线电网络内不同地理位置的感知节点构成的空间分集，对不同次级用户的检测结果进行融合进而得出最终的判决结果。目前对协同频谱感知的研究大多集中在检测数据融合算法上，利用协同频谱感知技术大大提高了全局检测性能，解决了单节点检测性能不高，同时也解决了隐藏终端的问题。

然而，次级用户的数量和分布对现有协同频谱感知技术有很大的限制。过多的次级用户参与融合会造成过大的通信开销，消耗能源。且由于阴影效应和多径衰弱，小范围内集中大量次级用户参与融合也会导致检测效果下降。因此在实际应用中，当次级用户数量和分布在非理想状况下，目前的协同频谱感知技术很难保持较高的检测效果。

技术实现要素：

本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种协同频谱感知网络次级用户选择方法，选择参与协同频谱感知的次级用户以减少通信开销，并保持良好的检测效果。该方法的特点为高效、减少通信开销、所需成本低和检测效果好。

本发明采用以下技术方案：

一种协同频谱感知网络次级用户选择方法，包括以下步骤：

s1、处于协同频谱感知网络中的次级用户采用能量检测器的方法对接收到的信号进行检测；

s2、步骤s1完成后，利用检测的能量计算次级用户i的信噪比；

s3、根据步骤s2的计算结果，对次级用户间的相关性建模，得到递减的相关性函数；

s4、根据步骤s3的相关性函数，得到任意两个次级用户之间的关联度，设定一个阈值δ，将两个次级用户i,j间关联度大于阈值δ的设为1，代表有关联性，将两个次级用户i,j间关联度小于阈值δ的设为0，代表无关联度，得到关联关系函数的矩阵，任意两个次级用户间的关联关系函数代表其是否存在关联度；

s5、将步骤s4的关联关系函数的矩阵带入改进后的dscn算法，使用改进后的dscn算法选择参与最终融合的次级用户，完成用户选择。

具体的，步骤s1中，次级用户i接收到的功率pi为：

其中，ppu是主要用户发出的功率，di是用户i到主要用户的距离，α是路径损耗系数，β0是一个标量。

具体的，步骤s2中，次级用户i的信噪比γi为：

其中，σ是噪声功率，pi为次级用户i接收到的功率。

具体的，步骤s3中，相关性函数具体为：

crl(d)＝e^-dθ

其中，θ是一个基于环境的变量，crl(d)是距离为d的两个次级用户之间的关联度。

5.根据权利要求1所述的协同频谱感知网络次级用户选择方法，其特征在于，步骤s4中，关联矩阵为：

其中，为，crl'(i,j)代表用户i,j间的关系。

进一步的，关联关系函数具体为：

其中，di,j是次级用户i,j的距离。

具体的，步骤s5具体为：

s501、设定信噪比的阈值若次级用户的信噪比γi大于则将次级用户放进集合否则舍弃；

s502、设定阈值η1，选择一个次级用户，如果对应次级用户关联用户的数量大于η1，则令对应的次级用户为父关键用户，否则不设为关键用户；

s503、选取一个父关键用户后，建立一个簇，并将对应父关键用户所有关联的点都放入对应簇中；

s504、设定阈值η2，依次判断对应簇中的所有其他用户，如果存在某一个次级用户的关联用户的数量大于η2，则将对应次级用户设为子关键用户，否则不设为关键用户；

s505、每选取一个子关键用户后，将对应用户所有关联的用户放入簇中，并按步骤s504的方法继续判断，直到对应簇中所有的次级用户都已判断过；

s506、选取对应簇中关联用户数最多的一个用户作为参与融合的用户；

s507、继续选取不在这个簇且未访问过的用户，按步骤s503～s506选取其他参与融合的次级用户，当对应协同频谱感知网络中的所有次级用户都已经判断后，选择参与融合的次级用户向融合中心发送感知结果，进行频谱感知融合。

本发明的另一个技术方案是，一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行所述的方法中的任一方法。

本发明的另一个技术方案是，一种计算设备，包括：

一个或多个处理器、存储器及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为所述一个或多个处理器执行，所述一个或多个程序包括用于执行所述的方法中的任一方法的指令。

与现有技术相比，本发明至少具有以下有益效果：

本发明一种协同频谱感知网络次级用户选择方法，通过对次级用户到接收机的距离、损耗指数进行建模，使用了一个递减的相关函数，目的是确定各个次级用户之间的相关性大小；通过设置一个相关性的阈值，目的是确定两个次级用户之间是否有良好的相关性；通过设置关联矩阵，目的是方便融合中心存储各个次级用户之间的相关性关系；通过使用改进的dscn算法，选出有代表性的参与协同频谱感知融合的次级用户，目的是减轻阴影效应的影响，同时大幅度降低通信开销。

进一步的，无须提前知道主用户信号的先验信息，这种方法是检测任意零均值且统计独立信号的最优频谱感知方案。能量检测器通过测量接收信号强度来决定信道是否空闲。

进一步的，计算出次级用户i的信噪比，用于后续步骤的计算。

进一步的，计算任意两个次级用户间的关联度，用于步骤s4关联矩阵的计算。

进一步的，计算得到任意两个次级用户间的关联度的总的矩阵，用于改进后的dscn算法计算。

进一步的，直观判断两个次级用户间的关联度，其中1代表有相关性，0代表无相关性。

进一步的，设定阈值，排除信噪比过低的次级用户，目的是保证高检测概率和低虚警概率；根据一个次级用户所关联的用户数量选出一个符合要求的关键次级用户并设定一个簇。设定另外一个阈值，将此关键用户范围内的所有其他次级用户根据其关联用户数量进行判断，以此类推，将所有符合的用户放入这个簇中。最后在这个簇中选取一个关联用户数量最多的次级用户，作为参与融合的对象。设定一个簇的目的是将相关性较强的用户群用一个有代表性的用户表示，降低参与融合的用户数量，并减少阴影效应。选择一个卒中关联用户数量最多的次级用户作为参与融合的对象目的是为了选取最具有代表性的次级用户参与融合。

综上所述，本发明选择协同频谱感知网络中有代表性次级用户参与频谱融合，用于在保证良好的检测效果的前提下，节省各次级用户的通信开销并减轻了阴影效应的影响。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

图1为改进的dscn算法图；

图2为初始生成的随机分布的次级用户图；

图3为筛选信噪比过低的次级用户后的分布图；

图4为使用改进的dscn算法选择参与融合的次级用户分布图；

图5为总体通信网络使用/不适用此方法的检测概率对比图；

图6为总体通信网络使用/不使用此方法的虚警概率对比图；

图7为总体通信网络使用/不使用此方法的通信开销对比图。

具体实施方式

本发明一种协同频谱感知网络次级用户选择方法，包括以下步骤：

s1、次级用户采用能量检测器的方法对接收到的信号进行检测，每个用户接受到的能量为：

其中，pi是次级用户i接收到的功率，ppu是主要用户发出的功率，di是用户i到主要用户的距离，α是路径损耗系数，β0是一个标量；

s2、在次级用户检测到信号后，利用检测的能量计算用户i的信噪比；

具体为：

其中，σ是噪声功率，γi是次级用户i的信噪比；

s3、对用户间的相关性建模，得到一个递减的相关性函数；

具体为：

crl(d)＝e^-dθ

其中，θ是一个基于环境的变量，crl(d)是距离为d的两个次级用户之间的关联度；

s4、设定一个阈值δ，将两个次级用户i,j间关联度大于阈值δ的设为1，代表有关联性，将两个次级用户i,j间关联度小于阈值δ的设为0，代表无关联度，得到的关联关系函数；

具体为：

其中，crl'(i,j)代表用户i,j间的关系，di,j是次级用户i,j的距离。

通过上述函数得到关联矩阵为：

s5、使用改进后的dscn算法选择参与最终融合的次级用户。

请参阅图1，具体步骤如下：

s501、设定信噪比的阈值若次级用户的信噪比γi大于则将此用户放进集合否则舍弃；

s502、设定阈值η1，选择一个次级用户，如果该用户关联用户的数量大于η1，则令它为父关键用户，否则不设为关键用户；

s503、选取一个父关键用户后，建立一个簇，并将该父关键用户所有关联的点都放入该簇中；

s504、设定阈值η2，依次判断该簇中的所有其他用户，如果其关联用户的数量大于η2，则将其设为子关键用户，否则不设为关键用户；

s505、每选取一个子关键用户后，将该用户所有关联的用户放入簇中，并按s504的方法继续判断，直到该簇中所有的用户都已判断过；

s506、选取该簇中关联用户数最多的一个用户作为参与融合的用户；

s507、继续选取不在这个簇且未访问过的用户，按s503-s506的步骤选取其他参与融合的次级用户。

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中的描述和所示的本发明实施例的组件可以通过各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例

在100km×100km区域内随机分布的400次级用户，各个次级用户使用能量检测的方法检测主要用户的信号；

使用步骤s1计算每个次级用户所接检测到的信号能量功率；

使用步骤s2计算每个次级用户相对于主要用户的信噪比；

使用步骤s3、s4计算每两个次级用户之间的相关性并得出关联矩阵；

使用步骤s5选出参与融合的次级用户。

请参阅图2、图3和图4，为在100km×100km范围内随机生成的400个次级用户，图3为去除信噪比过低的次级用户后剩余的次级用户的分布情况，图4为使用dscn算法选择的参与协同频谱感知融合的次级用户的分布。一般情况下根据初始的次级用户数量和分布不同，最终会筛选20～40个次级用户参与最终的融合。

请参阅图5，仿真使用的融合策略为“和”策略，因为当主要用户存在的时候，它可以减少次级用户干扰的概率。仿真结果显示，在目标虚警概率在0.001～0.002的条件下，传统协同频谱感知的检测概率范围在0.1～1，使用该方法的协同频谱感知的检测概率范围在0.9～1。当次级用户数量较多的时候，使用该方法的检测概率远远高于传统的协同频谱感知的检测概率。同时两种方法的检测概率都随着参与融合的次级用户数量增多而降低，这是因为“和”规则是只有当所有都检测相同主要用户存在时，融合结果才是主要用户存在。

请参阅图6，仿真使用的融合策略为“或”策略，因为当主要用户不存在时，只要有一个次级用户感知到信道是空闲的，它就可以占用信道。仿真结果显示，在目标检测概率在0.999和0.998的条件下，传统协同频谱感知的虚警概率范围在0.08～0.1，使用该方法的协同频谱感知的检测概率范围在10^-13～10^-5，使用该方法的虚警概率远低于使用传统协同频谱感知的虚警概率。同时两种方法的虚警概率都随着参与融合的次级用户数量增多而增多，这是因为“或”规则只要一个次级用户检测到主用户存在，最终融合结果就判定为主用户存在。

请参阅图7，当初始次级用户数量从1～100变化时，使用该方法的参与融合的次级用户数量始终小于20个，相比传统方法大大节省了通信开销。

综上所述，本发明一种协同频谱感知网络次级用户选择方法，通过对次级用户到接收机的距离、损耗指数进行建模，得到一个递减的相关函数。通过设置一个相关性的阈值，建立关联关系矩阵存储各个次级用户之间的相关性关系。通过使用改进的dscn算法，选出有代表性的次级用户参与协同频谱感知融合。在保证良好的检测效果的前提下大幅节省了各个次级用户的通信开销并减轻了阴影效应的影响。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

以上内容仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明权利要求书的保护范围之内。