苏 杭，卢光跃

(西安邮电大学 无线网络安全技术国家工程实验室，陕西 西安 710121)



利用身份代码加速分布式协作频谱感知

苏 杭，卢光跃

(西安邮电大学 无线网络安全技术国家工程实验室，陕西 西安 710121)

频谱感知是认知无线电领域的关键技术。在协作频谱感知中，分布式一致性加权算法检测性能较好但收敛速度慢。该文引入身份代码概念，用以区分各次用户的状态值和权值，避免节点间数据的重复融合，并提出了一种快速分布式加权协作频谱感知算法。仿真结果表明，所提算法检测性能与分布式一致性加权算法相当，同时收敛速度明显提升。

认知无线电；协作频谱感知；身份代码；收敛速度

作为一种动态智能频谱管理技术，认知无线电(Cognitive Radio，CR)技术成为解决频谱资源日益匮乏、频谱利用低效等问题的关键技术手段[1-2]，在主用户(Primary User，PU)不占用其授权频段时，允许次用户(Secondary User，SU)动态接入该频段是其中心思想，而当PU重新接入该授权频段时，SU应当及时撤出，以免对PU通信造成干扰。可见，CR的首要工作和基本前提是频谱感知(Spectrum Sensing，SS)，即SU能够快速且准确感知PU信号是否存在于授权频段内以实现频谱动态接入和撤出。

在接收到信号后，SU既可以独自判断PU是否存在，也可以与其他SU合作共同完成判决，后者称作协作频谱感知(Cooperative Spectrum Sensing，CSS)[3]。相较于非协作频谱感知，CSS有着独特的优势。例如SU接收信号时受到深度衰落或深度阴影效应影响，其很难独自做出准确判决，而CSS可通过SU之间感知信息的交互分享来解决这一问题[4]。现今CSS领域已经展开许多研究工作，也取得了不少研究成果，使用较多的CSS方法是基于中继CSS、集中式CSS和仿生一致性CSS。基于中继CSS通过节点间的强感知信道和强报告信道进行跨节点多跳通信[7-8]，该通信方式易造成额外的功率消耗，导致感知信号质量下降。集中式CSS存在一个融合中心，由融合中心收集各SU本地感知数据，并根据融合规则融合感知数据，以完成统一判决[5-6]。融合中心位置较为固定，且融合中心与少数偏远的SU之间存在某些通信约束，因此该方法具有较大局限性。为此，文献[9]提出了一致性仿生CSS(Bio-inspired Consensus-based Cooperative Spectrum Sensing，BCCSS)算法，该算法不存在融合中心，节点间采用单跳通信方式，SU与其邻居节点交互状态值，然后根据融合公式更新自身状态值，重复以上过程直到所有节点状态值达到收敛。BCCSS算法中用于最终判决的状态值是各节点初始值等权等增益(Equal Gain Combining，EGC)融合而得，其未考虑各节点本地感知条件的差异，因此该算法的检测性能不如集中式加权CSS算法。采用集中式加权CSS时，融合中心将依据各节点本地感知条件给定节点状态值不同权值，然后对节点状态值进行加权融合，以得到判决状态值。

文献[10]在文献[9]所提模型基础上，针对BCCSS算法中节点状态值EGC融合问题，推导了节点在本地设定自身权值的计算公式，并提出分布式一致性加权CSS(Distributed Average Weighted Gain Combining，DAWGC)算法。该算法检测性能对比BCCSS算法有大幅度提高，与集中式加权CSS算法相当。但该算法收敛速度较慢，节点网络需经历较多次迭代才能达到收敛，使得频谱感知无法实时有效地进行。另外，BCCSS和DAWGC算法均需要网络最大度这一先验知识，具有较大局限性。

针对上述缺陷，本文引入SU身份代码(Identity Code，IC)概念，提出了利用IC的快速分布式加权CSS(Fast Distributed Weighted cooperative spectrum sensing using Identity Code，ICFDW)算法。检测性能方面，ICFDW算法相较于BCCSS有大幅度提高，与DAWGC算法相当；收敛速度方面，所提算法相较于DAWGC提升明显，与BCCSS相比也有提高。此外，所提算法无需网络最大度先验知识。

1 系统模型及现有算法

通常，SS可表述为一个二元假设检验问题，即：H0表示PU不存在，SU可接入该频谱；H1表示PU存在，SU不可接入该频谱。因此，SS的数学模型[9]可描述为

(1)

式中：yi(m)是第i个次用户SUi在观测时刻m(m=1,2,…,M)接收到的采样信号；wi(m)是加性高斯白噪声；s(m)是PU发送的信号；变量hi为信道增益。

图1 节点网络数据融合图

在BCCSS算法[9]中，节点根据如下融合公式更新状态值，即

(2)

式中：Ni(k)为在第k个迭代时刻SUi邻居节点的集合，0<ε<1/Δ,网络最大度Δ=max{|Ni(k)|}，|·|表示集合中元素的个数。

在DAWGC算法[10]中，数据融合公式为

(3)

式中：δi表示SUi依据其本地感知条件所设定的权值，δi≥1。

由式(2)可知，BCCSS算法未考虑各节点本地感知条件的差异，因此其性能不佳，而且，BCCSS算法是采用邻居节点状态值与本地状态值之差的方式来进行数据融合，该方式下SU将不断在各邻居节点状态值之间调整本地状态值，整个网络需要进行很多次迭代运算才能达到收敛。DAWGC算法数据融合方式与BCCSS一致，且式(3)中权值δi均大于1，因此采用该算法时节点网络需要更多次迭代方能达到收敛，收敛速度更低。若网络中节点个数较多，整个网络达到收敛所需的融合次数会是一个很大的数字，收敛速度迟缓。另外，根据BCCSS与DAWGC算法的融合公式(2)、(3)可见，两种算法均需要网络最大度先验知识，具有较大局限性。

2 利用IC的快速分布式加权CSS算法(ICFDW)

根据上述分析可知，采用DAWGC算法进行频谱感知时，节点网络需要较长时间才能达到收敛，不利于频谱感知实时有效地进行。鉴于此，本文引入身份代码(IC)概念，使每个节点状态值和权值都有自身独特的“身份”标识，以避免节点间状态值的重复融合，减少CSS数据融合阶段的融合次数，从而使整个网络能够快速达到收敛。

2.1 ICFDW算法步骤

在感知主用户信号前，各节点根据自身特征、本地环境等因素编译一个独特的IC，节点SUi的IC表示为Di。节点SUi采用ED算法得到初始值xi(0)，并由权值本地设定公式得到该初始值的权值δi。然后节点与其邻居节点交换数据，本算法中交换的数据包括xi(0)、权值δi以及Di(如图2所示)，其中Di，δi，xi(0)是互相绑定的，对于xi(0)与δi，Di就是它们的“身份”标识，如同班级里不同的学号和名字用来区分不同的人。

图2 ICFDW算法数据传输示意图

SU本地的存储区域分为节点数据存储区和融合状态值存储区(如表1所示)。值得注意的是，所提算法中节点间交换的数据始终是节点数据存储区的全部节点初始值、权值和IC信息，而不是融合状态值存储区节点更新的本地状态值，且属于同一节点的初始值、权值和IC信息是绑定在一起传送的。

表1 ICFDW算法数据本地存储示意图

本地节点按IC属性将各节点数据区分并存储在节点数据存储区。第k次数据交换时，SUi将邻居节点传输数据中的IC信息与本地存储的IC信息进行对比，对于本地存储区里没有的IC，SUi将存储该IC及其所对应的初始值和权值；对于本地已存有的IC，SUi不再重复存储。

完成一次数据交换后，SUi根据融合公式更新自身状态值，ICFDW算法融合公式为

(4)

式中：Ji(k)表示第k次数据交换后SUi本地存有IC所对应的节点集合。

该数据交换和存储方式，使得各节点可以快速获取整个网络的数据信息。以图3中SU1为例，第1次数据交换时，SU1得到其邻居节点SU2的IC、初始值及权值信息；而第2次数据交换时，SU2邻居节点SU3，SU4各自的全部信息将通过SU2传输至SU1。

图3 ICFDW算法实现数据快速传递示意图

ICFDW利用节点IC的唯一性将各个节点的初始状态值和权值有序存储记录，然后根据融合公式更新状态值。由融合式(4)可知，ICFDW算法更新本地状态值时不存在状态值迭代过程，其仅仅是对节点数据存储区各节点数据信息做一次简单计算。因此，只要整个网络保持连通状态，节点均能获取到所有节点的数据信息，整个网络也定然能够收敛至最终状态值x*。另外，由式(4)可见，ICFDW算法无需知晓网络最大度。

(5)

(6)

其中门限Vc可根据虚警概率pf=Prob{xi(k)>Vc|H0}得到[12]。

2.2 ICFDW算法的权值设定

由文献[10]可知，在加性高斯白噪声信道下，SUi分布式权值设定公式为

(7)

而在瑞利信道下，SUi分布式权值设定公式为

(8)

综上，本文提出的ICFDW算法可描述如下：

战士们都被这朵生命力如此顽强的小黄花吸引住了，他们暂时忘记伤痛，忘记了死亡，一个个走过来，把栽着花的钢盔端起来，相互传递着欣赏它美丽的样子。

1)节点SUi根据自身特征、本地环境等因素编译一个独特的IC，表示为Di；

2)SUi对接收信号进行采样，得到初始值xi(0)；再由式(7)或式(8)，得到本地权值δi；

3)绑定Di，xi(0)和δi，存储于节点数据存储区；

4)SUi与其所有邻居用户交换节点数据存储区的数据信息，其中同节点信息绑定传输；

5)将邻居节点传输数据中的IC信息与本地存储的IC信息进行对比，对于本地存储区里没有的IC，SUi存储该IC及其所对应的初始值和权值；

6)SUi根据式(4)更新本地状态值并存储于融合状态值存储区；

7)重复步骤4)～6)，直到整个网络达到收敛；

8)根据式(6)，完成最终判决。

3 仿真分析

下面在瑞利信道下对所提算法进行仿真验证，在分布式网络中与BCCSS算法和DAWGC算法性能进行比较。

图4是包含N=20个SU的网络拓扑结构图，其中图4a中节点通信信道双向稳定，节点间每一次数据交换均能成功完成；图4b中节点通信信道双向动态，节点间每一次数据交换都可能因为某些问题导致失败，例如SUi的邻居用户SUj在双方交换数据前移动出了SUi的可通信范围，之后SUj将无法与SUi交换数据，直到其重新进入SUi可通信范围。

图4 网络拓扑结构图

若无特殊说明，仿真中，各SU采样点数M=10，通信信道平均信噪比为-5dB，图4b各动态通信信道中交换数据失败的概率为0.4。

图5描述了ICFDW、BCCSS和DAWGC算法的ROC性能曲线，其中图5a、5b分别为稳定双向通信信道和动态双向通信信道下仿真所得。如图5可见，无论是在稳定双向通信信道还是动态双向通信信道下，ICFDW算法的检测性能都大大优于BCCSS算法，与DAWGC算法性能相当。这是因为ICFDW和DAWGC算法在融合状态值时考虑了各节点本地感知条件，并根据感知条件的优劣设定融合权值。例如pf=0.1时，图5a中采用ICFDW、BCCSS和DAWGC算法得到的pd分别为0.953 1，0.952 5，0.719 3，图5b中得到的pd分别为0.952 3，0.951 9和0.718 9。

图5 3种算法ROC曲线

图6给出了稳定双向通信信道下DAWGC和ICFDW算法中状态值收敛的曲线，其中图6a为DAWGC收敛曲线，图6b为ICFDW收敛曲线。如图6所示，采用DAWGC时所有节点状态值收敛至1dB的偏差范围内需要约75次融合，而采用ICFDW时仅需4次融合整个网络就达到收敛，大大减少了融合次数，实现了快速协作频谱感知。

图6 稳定双向通信信道下的收敛速度对比

图7给出了动态双向通信信道下DAWGC和ICFDW算法中状态值收敛的曲线。如图7所示，采用DAWGC时所有节点状态值收敛至1dB的偏差范围内需要约90次融合，而采用ICFDW时仅需5次融合，整个网络就达到收敛。

图7 动态双向通信信道下的收敛速度对比

为进一步比较所提算法、DAWGC和BCCSS算法的收敛速度，图8给出了稳定双向通信信道下3种算法使整个网络达到收敛所需的平均融合次数随节点个数变化的比较。从图8可见，3种算法达到收敛所需的平均融合次数均随网络中节点个数的增多而增加，但ICFDW算法平均融合次数增加的个数远小于DAWGC，且小于BCCSS。在节点个数相同时，ICFDW算法所需平均融合次数也明显小于DAWGC。例如网络中节点个数为100时，采用ICFDW，DAWGC，BCCSS算法达到收敛所需的平均融合次数分别为6.62，1 002.59，76.33。

图8 3种算法达到收敛所需的平均融合次数对比

4 结论

在进行分布式加权协作频谱感知时，本文引入IC概念并利用其唯一性，提出了ICFDW算法。理论分析和仿真表明，ICFDW算法检测性能明显优于BCCSS算法，与DAWGC算法相当，且无需网络最大度这一先验知识，重要的是，ICFDW算法收敛速度明显快于DAWGC算法，且快过BCCSS算法。采用ICFDW算法时，节点网络可快速达到收敛，从而实时有效地进行频谱感知。

[1]徐晨, 赵双领, 孔令龙. 基于循环谱对称性的新型频谱判决算法[J]. 电视技术, 2014, 38(15):198-202.

[2]MASONTAMT,MZYECEM,NTLATLAPAN．Spectrumdecisionincognitiveradionetworks:asurvey[J]．IEEECommunicationsSurveys&Tutorials, 2013,15(3):1088-1107.

[3]LIUX,TANX.Optimizationalgorithmofperiodicalcooperativespectrumsensingincognitiveradio[J].Internationaljournalofcommunicationsystems, 2014, 27(5):705-

720.

[4]HAGHIGHATM,SADOUGHS.M.S.Cooperativespectrumsensingforcognitiveradionetworksinthepresenceofsmartmalicioususers[J].AEU-internationaljournalofelectronicsandcommunications, 2014, 68(6):520-527.

[5]YOUC,KWONH,HEOJ.CooperativeTVspectrumsensingincognitiveradioforWi-Finetworks[J].IEEEtransactionsonconsumerelectronics, 2011, 57(1):62-67.

[6]VU-VANH,KOOI.Cooperativespectrumsensingwithcollaborativeusersusingindividualsensingcredibilityforcognitiveradionetwork[J].IEEEtransactionsonconsumerelectronics, 2011, 57(2):320-326.

[7]AKYILDIZIF,LOBF,BALAKRISHNANR.Cooperativespectrumsensingincognitiveradionetworks:asurvey[J].Physicalcommunication, 2011, 4(1):40-62.

[8]ZHANGW,LETAIEFK.Cooperativespectrumsensingwithtransmitandrelaydiversityincognitiveradionetworks[J].IEEEtransactionsonwirelesscommunications, 2008, 7(12):4761-4766.

[9]LIZQ,YU,FR,HUANGMY.Adistributedconsensus-basedcooperativespectrum-sensingschemeincognitiveradios[J].IEEEtransactionsonvehiculartechnology, 2010, 59(1):383- 393.

[10]ZHANGW,GUOY,LIUH,etal.Distributedconsensus-basedweightdesignforcooperativespectrumsensing[J].IEEEtransactionsonparallel&distributedsystems, 2015, 26(1):54-64.

[11]YUCEKT，ARSLANH．Asurveyofspectrumsensingalgorithmsforcognitiveradioapplications[J]．IEEEcommunicationssurveys&tutorials, 2009，11(1)：116-130．

[12]LIUY,ZENGC,WANGH,etal.Energydetectionthresholdoptimizationforcooperativespectrumsensing[C]//Proc. 2010 2ndInternationalConferenceonAdvancedComputerControl(ICACC). [S.l.]：IEEE, 2010:566-570.

苏 杭(1990— )，硕士生，主研认知无线电频谱感知技术；

卢光跃(1971— )，博士，教授，硕士生导师，主研现代移动通信信号处理。

责任编辑：薛 京

Quickening distributed cooperative spectrum sensing by using identity code

SU Hang，LU Guangyue

(NationalEngineeringLaboratoryforWirelessSecurity,Xi’anUniversityofPostsandTelecommunications,Xi’an710121,China)

Spectrum sensing is a key technology in cognitive radio. The detection performance of the distributed average weighted gain combining (DAWGC) algorithm is excellent, but low convergence rate. In this paper, the identity code is employed to differentiate that values and weight are from which secondary user respectively and avoid repetitive data fusion among secondary users, and a fast distributed weighted cooperative spectrum sensing algorithm is proposed. With comparison to DAWGC algorithm, numerical simulations show that the proposed algorithm has comparable detection performance and high convergence rate significantly.

cognitive radio;cooperative spectrum sensing; identity code;convergence rate

苏杭，卢光跃. 利用身份代码加速分布式协作频谱感知[J]. 电视技术，2016,40(11)：75-80. SU H，LU G Y. Quickening distributed cooperative spectrum sensing by using identity code[J]. Video engineering，2016,40(11)：75-80.

TN92

A

10.16280/j.videoe.2016.11.016

国家自然科学基金项目(61271276；61301091)；国家“863”项目(014AA01A705)

2016-03-19