一种基于双门限能量检测的协作频谱感知方法.pdf

本发明公开了一种基于双门限能量检测的协作频谱感知方法，将感知用户感知的数据在本地先进行双门限的本地判决，大于大者，判定为频段非空闲，发送Presence到数据中心；小于小者，判定为频段空闲,发送Absence到数据中心；位于二者中间时，将统计量及信噪比将被打包送至数据中心。数据中心存储接收到的统计量及信噪比，若数据中心接收到任何一个Presence，则直接判决指定频段非空闲；若没有接收到任何一个Presence，则读取各感知用户的统计量及信噪比，采用最大比合并准则求得各统计量的加权系数,进而求得合并后的统计量，并对其做单门限协作频谱感知。本发明可检测不同频段是否空闲，并使之适用于不同噪声环境下，动态设置软判决门限，提高了系统的检测性能。

权利要求书1.   一种基于双门限能量检测的协作频谱感知方法，其特征在于，包含以下步骤： 步骤1），感知用户感知数据； 步骤2），将感知数据的统计量分别与预设的第一门限阈值、第二门限阈值比较，所述第一门限阈值大于第二门限阈值； 步骤3），如果感知数据的统计量大于预设的第一门限阈值，判定该频段非空闲，感知用户发送Presence到数据中心； 步骤4），如果感知数据的统计量小于预设的第二门限阈值，判定该频段空闲, 感知用户发送Absence到数据中心； 步骤5），如果感知数据的统计量小于等于预设的第一门限阈值且大于等于预设的第二门限阈值，则将感知数据的统计量及信噪比将被打包发送至数据中心； 步骤6），数据中心将存储接收到的各感知用户的统计量及信噪比； 步骤7），若数据中心接收到任何一个Presence，则直接判决指定频段非空闲； 步骤8），若数据中心没有接收到任何一个Presence； 步骤8.1），读取感知用户的统计量及信噪比； 步骤8.2），采用最大比合并准则，根据各感知用户的信噪比求得其对应统计量的加权系数，进而计算出合并后的统计量； 步骤8.3），根据感知用户的噪声不确定度和信噪比、计算出基于最小误差概率准则下的最优门限； 步骤8.4），若合并后的统计量大于最优门限，则数据中心判定该频段非空闲，否则判定该频段空闲。 2.   根据权利要求1所述的基于双门限能量检测的协作频谱感知方法，其特征在于，所有感知用户和数据中心均处在一个局域网内，感知用户根据数据中心的IP地址及端口号创建TCP/IP的套接字以实现信息传输。 3.   根据权利要求1所述的基于双门限能量检测的协作频谱感知方法，其特征在于，步骤6）中数据中心通过将接收到的各感知用户的统计量及信噪比写入txt文件中实现对各感知用户的统计量及信噪比的存储。 4.   根据权利要求3所述的基于双门限能量检测的协作频谱感知方法，其特征在于，步骤8.1）中采用正则表达式对txt文件中的数据进行匹配读取。 5.   根据权利要求4所述的基于双门限能量检测的协作频谱感知方法，其特征在于, 步骤8.1）中采用Python中正则表达式模块re的search操作对txt文件中的数据进行匹配读取。

说明书一种基于双门限能量检测的协作频谱感知方法
技术领域
本发明涉及软件无线电信息传输技术领域，尤其涉及一种基于双门限能量检测的协作频 谱感知方法。
背景技术
移动通信技术的发展为生活带来方便的同时，多种通信体制并存、各种标准层出不穷对 实现地域的漫游以及通信系统的兼容和继承造成了困难，以硬件为主的传统通信体制难于适 应这种局面，这些新标准由于射频载波频率和调制方式不同而限制了各种设备的互通和兼容， 造成了资金浪费和重复投入，这就需要一种多模式的移动终端来同时兼容现有和未来的多种 通信制式。软件无线电(SDR)的思想能够从根本上解决这些问题。软件无线电的基本思想是 以一个通用、标准、模块化的硬件平台为依托，通过软件编程来实现无线电台的各种功能， 从基于硬件、面向用途的电台设计方法中解放出来。功能的软件化实现势必要求减少功能单 一、灵活性差的硬件电路，尤其是减少模拟环节，把数字化处理(A/D和D/A变换)尽量靠 近天线。软件无线电强调体系结构的开放性和全面可编程性，通过软件的更新改变硬件的配 置结构，实现新的功能。软件无线电采用标准的、高性能的开放式总线结构，以利于硬件模 块的不断升级和扩展。
发明内容
本发明所要解决的技术问题是针对背景技术中所涉及的缺陷，提供一种基于双门限能量 检测的协作频谱感知方法，将传统的通信在通用硬件平台USRP N200上通过软件编程来实现， 可检测不同频段是否空闲，还可根据不同的通信环境设置频谱感知双门限判决中的判决门限。
本发明为解决上述技术问题采用以下技术方案:
一种基于双门限能量检测的协作频谱感知方法，包含以下步骤：
步骤1)，感知用户感知数据；
步骤2)，将感知数据的统计量分别与预设的第一门限阈值、第二门限阈值比较，所述第 一门限阈值大于第二门限阈值；
步骤3)，如果感知数据的统计量大于预设的第一门限阈值，判定该频段非空闲，感知用 户发送Presence到数据中心；
步骤4)，如果感知数据的统计量小于预设的第二门限阈值，判定该频段空闲,感知用户 发送Absence到数据中心；
步骤5)，如果感知数据的统计量小于等于预设的第一门限阈值且大于等于预设的第二门 限阈值，则将感知数据的统计量及信噪比将被打包发送至数据中心；
步骤6)，数据中心将存储接收到的各感知用户的统计量及信噪比；
步骤7)，若数据中心接收到任何一个Presence，则直接判决指定频段非空闲；
步骤8)，若数据中心没有接收到任何一个Presence；
步骤8.1)，读取感知用户的统计量及信噪比；
步骤8.2)，采用最大比合并准则，根据各感知用户的信噪比求得其对应统计量的加权系 数，进而计算出合并后的统计量；
步骤8.3)，根据感知用户的噪声不确定度和信噪比、计算出基于最小误差概率准则下的 最优门限；
步骤8.4)，若合并后的统计量大于最优门限，则数据中心判定该频段非空闲，否则判定 该频段空闲。
作为本发明一种基于双门限能量检测的协作频谱感知方法进一步的优化方案，所有感知 用户和数据中心均处在一个局域网内，感知用户根据数据中心的IP地址及端口号创建TCP/IP 的套接字以实现信息传输。
作为本发明一种基于双门限能量检测的协作频谱感知方法进一步的优化方案，步骤6) 中数据中心通过将接收到的各感知用户的统计量及信噪比写入txt文件中实现对各感知用户 的统计量及信噪比的存储。
作为本发明一种基于双门限能量检测的协作频谱感知方法进一步的优化方案，步骤8.1) 中采用正则表达式对txt文件中的数据进行匹配读取。
作为本发明一种基于双门限能量检测的协作频谱感知方法进一步的优化方案，步骤8.1) 中采用Python中正则表达式模块re的search操作对txt文件中的数据进行匹配读取。
本发明采用以上技术方案与现有技术相比，具有以下技术效果：
1.对传统的双门限能量检测的协作频谱感知算法中的软判决部分进行改进，采用最大比 合并准则，性能接近最优；
2.软判决门限采用基于最小误差概率准则下的最优门限，有效的提高了系统的检测性 能。
附图说明
图1是本地双门限判决示意图；
图2是改进算法与原有算法在感知用户数N＝6时的理论系统性能曲线；
图3是改进算法在不同感知用户数时的理论系统性能曲线；
图4是改进算法与原有算法在USRP上的系统性能曲线；
图5是USRP终端检测指定频段能量流程图；
图6是双门限判决频谱感知流程图。
具体实施方式
下面结合附图对本发明的技术方案做进一步的详细说明：
本发明公开了一种基于双门限能量检测的协作频谱感知方法，包含以下步骤：
步骤1)，感知用户感知数据；
步骤2)，将感知数据的统计量分别与预设的第一门限阈值、第二门限阈值比较，所述第 一门限阈值大于第二门限阈值；
步骤3)，如果感知数据的统计量大于预设的第一门限阈值，判定该频段非空闲，感知用 户发送Presence到数据中心；
步骤4)，如果感知数据的统计量小于预设的第二门限阈值，判定该频段空闲,感知用户 发送Absence到数据中心；
步骤5)，如果感知数据的统计量小于等于预设的第一门限阈值且大于等于预设的第二门 限阈值，则将感知数据的统计量及信噪比将被打包发送至数据中心；
步骤6)，数据中心将存储接收到的各感知用户的统计量及信噪比；
步骤7)，若数据中心接收到任何一个Presence，则直接判决指定频段非空闲；
步骤8)，若数据中心没有接收到任何一个Presence；
步骤8.1)，读取各个感知用户的统计量及信噪比；
步骤8.2)，采用最大比合并准则，根据各感知用户的信噪比求得其对应统计量的加权系 数，进而计算出合并后的统计量；
步骤8.3)，根据感知用户的噪声不确定度和信噪比、计算出基于最小误差概率准则下的 最优门限；
步骤8.4)，若统计量的加权系数大于最优门限，则数据中心判定该频段非空闲，否则判 定该频段空闲。
下面举例说明,采用Ubuntu12.04，GNU Radio版本为3.6.3，UHD版本为003.005.002。 检测频段为408M-411M，感知用户数N＝6。
1本地检测及判决
GNU Radio各版本均有源码usrp_spectrum_sense.py可实现对一定频段的频谱进行基本 能量检测。具体过程为：USRP终端接收信号，将数据流转换为向量，然后对数据进行布莱克 曼加窗处理，经FFT运算后对运算结果求取幅度平方，将所有的幅度平方进行加和平均求得 能量平均。流程如附图1所示。
本发明中终端执行usrp_spectrum_sense.py 408M-411M，循环测量环境噪声，将得到的 能量平均值作为环境噪声功率。由于USRP在刚运行的一小段时间内会因为各种干扰而产生不 可预测的影响，因此，将前10次循环舍弃，从第11次循环开始到第10010次循环结束共计 10000次循环，得到一组长度为10000的环境噪声功率，将其中的最大值和最小值作为实际 噪声的上下界。
GNU Radio各版本均有benchmark_tx.py，利用该脚本发送中心频率为410M带宽为20M 的GMSK调制波形充当主用户信号，在不同位置的6台USRP重复之前测量环境噪声时的操作， 测得主用户信号存在时的6组长度为10000的环境噪声功率与主用户信号功率之和。
本发明在原有的usrp_spectrum_sense.py上进行改进，感知用户在基本能量检测后进行 本地判决。即根据之前测量的各用户所处环境的信噪比设定本地判决的双门限，因在程序中 加入了parser.add_option，分别设定”-T”和”-t”分别为双门限的可选项，在终端运行 程序时可随时通过这两个可选项设定本地判决双门限。如图1所示，本地判决频段非空闲时， 发送”Presence”，空闲时发送Absence。能量检测的结果处于双门限中间时，将该感知用 户的能量检测结果(energy)及信噪比(SNR)发送给数据中心。
2感知结果的传输实现
因数据中心和各感知用户均处在同一局域网下，可将数据中心视为服务器，各感知用户 视为客户端。本发明中采用socket网络编程实现感知结果的传输。在原程序中导入Python 中的socket模块，为保证传输的可靠性，采用面向连接的套接字，创建一个TCP/IP的套接 字，即socket(socket.AF_INET,socket.SOCK_STREAM)。本发明中的数据中心IP地址为 192.168.1.103。合法的端口号范围为0～65535，其中，小于1024的端口号为系统保留端口。 在此采用的端口号为5900。
在感知用户处通过socket对象的connect操作，感知用户根据IP地址和端口号与数据 中心进行连接。将本地判决的判决结果通过struct模块的pack操作进行打包，发送给数据 中心。
在数据中心处，先根据socket对象的bind操作绑定IP地址和端口号，进而通过listen 操作进行监听。一旦连接到来，数据中心通过struct模块的unpack操作分离接收到的数据 中的信息，以供数据中心进行下一步判决。
3判决实现
数据中心对接收到的数据进行分离，恢复出判决信息。
若恢复出的判决信息为Presence，数据中心可以直接判决该频段非空闲，并终止数据中 心和各感知用户的连接。
若恢复出的判决信息既不是Presence也不是Absence，则进行 open(‘Judgement.txt’,’a+’)操作，即以追加模式打开Judgement.txt文件，通过write (’energy＝’+energy+’\t’+’SNR＝’+SNR+’\n’)操作将接收到的统计量及信噪比写入 txt文件中。
当恢复出的所有判决信息中均无”Presence”时，数据中心进行软判决。本发明采用最 大比合并准则，根据需要进行软判决的感知用户的信噪比确定其统计量的加权系数。软判决 的门限采用基于最小误差概率准则下的最优门限：
λ opt = 1 σ 1 2 - σ 0 2 [ σ 1 2 μ 0 - σ 0 2 μ 1 + σ 0 σ 1 × ( μ 1 - μ 0 ) 2 + 2 ( σ 1 2 - σ 0 2 ) ( ln P 0 ln P 1 + ln σ 1 ln σ 0 ) ] ]]>
本发明中采用正则表达式对txt文件中的数据进行匹配读取，即采用Python中正则表达 式模块re的search操作：re.search(r’energy＝(.*)\tSNR＝(.*)\n$’,lines)。将各统计 量进行最大比合并，与最优门限进行对比。若合并后的统计量大于最优门限，则数据中心判 定该频段非空闲，否则判定该频段空闲。
本发明检测概率Pd，虚警概率Pf为：
P d = 1 - Π i = 1 N ( 1 - P d , i ) + Σ k = 1 N C N k Π t = 1 k P m , t P ( X c > λ opt , λ 1 ≤ X i ≤ λ 2 | H 1 ) ]]>
P f = 1 - Π i = 1 N ( 1 - P f , i ) + Σ k = 1 N C N k Π t = 1 k P n , t P ( X c > λ opt , λ 1 ≤ X i ≤ λ 2 | H 0 ) ]]>
对本发明方案所提算法进行蒙特卡罗仿真，仿真次数为10000。设主用户信号为窄带信 号，采样点数M＝1000，感知用户数N＝6。频段空闲和非空闲的概率分别为P0＝P1＝0.5。 (cooperative spectrum sensing algorithm based double-threshold energy  detection,CSBDE)表示原有算法，(improved cooperative spectrum sensing algorithm  based double-threshold energy detection,ICSBDE)表示本发明所示的改进算法。
当噪声不确定度为2时，如图2所示，ICSBDE算法的理论系统性能要优于CSBDE算法。 例如，当虚警概率Pf＝4×10-4时，ICSBDE算法的检测概率为60.9％，CSBDE算法的检测概率 为58.2％，ICSBDE算法比CSBDE算法检测概率高出2.7％。
当噪声不确定度为2时，如图3所示，ICSBDE算法的理论系统性能随感知用户数N的增 加而有所提升。但随着用户数N的增加，系统的复杂度会上升。
本发明实际采用的采样点数为4096，频段空闲和非空闲的概率均为0.5，USRP天线增益 为19。实际噪声功率最大值为-30.71dB，最小值为-38.86dB，平均值为0.00016849。信噪比 分别为：0.468,0.479,0.644,0.589,0.735,0.746，平均信噪比为0.61。
在此不考虑感知时间及控制信道，将实际测得的数据运用ICSBDE算法和CSBDE算法进行 处理分析，效果如图4所示。ICSBDE算法在实际USRP应用中的系统性能要优于CSBDE算法， 例如当虚警概率Pf＝0.121时，ICSBDE算法的检测概率为33.1％，CSBDE算法的检测概率为 32.9％，ICSBDE算法的检测概率比CSBDE算法高出0.2％。