[发明专利]基于迭代KM算法的跨层异构多信道频谱感知方法

说明书

本发明提供一种基于迭代KM的跨层多信道频谱感知方法，该方法异构多信道下的频谱感知可等效成如何合理的选取分配矩阵X和感知时长T_s，一是用迭代KM算法寻找在固定感知时长下的最优感知任务分配，二是使用四分法确定最优感知时长。该方法充分考虑不同认知用户对不同异构信道感知性能的差异，通过最优地确定感知时长，并进行感知任务分配，使系统有效吞吐量最大，解决了多个认知用户如何在较短的感知时隙内以合作的方式同时感知多个异构信道的问题。

技术领域

本发明涉及的是一种认知无线电频谱感知领域的异构多信道频谱感知方法，特别是一种于迭代KM算法的跨层异构多信道频谱感知方法。

背景技术

随着人们对无线通信需求的迅速增长，频谱资源紧缺的问题日益严重。传统的固定频谱分配方法已经不能满足人们对频谱日益增长的需要。认知无线电技术改变以往固定的频谱分配方式，使非授权用户可以在不影响授权用户的情况下灵活使用频谱，为解决频谱资源紧缺的问题提供了一种有效的解决方案，是未来通信发展的必然趋势。

认知无线电实现的关键和前提是有效的频谱感知技术。针对多个异构信道的频谱感知问题，在文献“邝祝芳,罗孟宇,陈志刚.认知无线网络中基于遗传算法的异构信道频谱感知策略.计算机应用与软件.2011；28(11):102-104,135”中，提出了一种基于遗传算法的频谱感知方法来解决单个认知用户如何感知多个异构信道的问题。该方法利用遗传算法最优地选择若干信道进行感知使系统总吞吐量最大化。在文献“Y.Zhao,B.Pan and H.Hu,Multi-channel coordinated spectrum sensing in cognitive radio,in Proceedingsof the 2nd International Conference on Computer Science and ElectronicsEngineering(ICCSEE 2013),(2013),Paris,France”中考虑了认知用户配备多个天线的情况。它们最优地分配多个天线去感知每个信道以获得最大吞吐量。然而，上述文献中提出的两种方法只考虑单个认知用户的感知问题。实际应用中，许多因素如阴影和接收机不确定性问题可能会导致单个认知用户感知的感知结果不可靠。合作频谱感知是解决这一问题的一种有效的解决方案。它通过将多个处于不同位置的单节点的检测结果进行收集和处理，得到频谱的占用情况，从而能够有效地解决由于信道衰落和阴影效应导致的单节点感知结果不准确的问题。然而，大多数该方面的研究均集中在多个认知用户如何在一个感知周期内感知一个信道的问题，而对多个认知用户如何同时感知多个信道研究较少。对于多个信道的感知问题，由于硬件和成本的限制，让所有认知用户有能力去感知全部信道是不现实的。此外，为了满足检测概率的要求，一个认知用户感知所有信道需要较长的时间，导致系统总吞吐量和系统效率下降。为了解决这一问题，在文献“Z.Quan,S.G.Cui,A.H.Sayed andH.V.Poor,Optimal multiband joint detection for spectrum sensing in cognitiveradio networks,IEEE Transactions on Signal Processing,vol.57,(2009),pp.1128-1140”中提出了一种并行合作感知方法。在该方法中，在一个感知周期内，每个认知用户在一个感知时隙内只感知一个信道。通过某种算法，最优地选取一部分认知用户去同时合作感知多个信道。因此，该方法的关键在于哪些认知用户如何去感知哪些信道。在文献“S.Xie,Y.Liu,Y.Zhang and R.Yu,A parallel cooperative spectrum sensing incognitive radio networks,IEEE Transactions on Vehicular Technology,vol.59,(2010),pp.4079-4092”提出了一种新的并行频谱感知方法，最优地选择参与合作频谱感知的认知用户数和停止感知的阈值。然而，该文献只讨论了带宽和空闲概率均相同的同构信道问题，不适用于不同带宽和空闲概率的异构信道。在文献“B.Shahrasbi andN.Rahnavard,Cooperative parallel spectrum sensing in cognitive radionetworks using bipartite matching,in Military communications conference,2011-MILCOM 2011,(2011)”中，提出了一种基于二分图的并行合作感知方法，将感知任务分配问题等效为求二分图的最优匹配问题。但是，在以上两种方法中，每个信道仅由单个认知用户进行感知，由于阴影效应和网络安全问题等问题，单用户的感知结果并不可靠。为了解决这个问题，文献“Z.Wang,Z.Feng and P.Zhang,An iterative Hungarian algorithmbased coordinated spectrum sensing strategy,IEEE Communications Letters,vol.15,(2011),pp.49-51”中提出一种基于迭代匈牙利算法的并行合作感知方法，通过迭代地使用匈牙利算法确定认知用户和信道之间的最优分配，以达到最高的检测概率。然而，该方法仅关注检测概率而没有考虑系统吞吐量等因素。文献“S.Fu,Y.-b.Li,F.Ye and Z.-g.Sun,Optimized Parallel Cooperative Spectrum Sensing Strategy Based onIterative Kuhn-Munkres Algorithm,Journal of Donghua University(EnglishEdition),vol.31,(2014),pp.33-38”中提出了一种并行合作感知方法，采用Kuhn Munkres(KM)迭代算法确定最优的感知任务分配矩阵，使系统收益最大化。然而，以上文献均只考虑了感知任务分配，而没有考虑感知时长的问题。