基于自适应检测长度的双门限能量感知算法
张学军1，2
，严金童1，田
峰3，成谢锋1，
2
ZHANGXuejun1,2,YANJintong1,TIANFeng3,CHENGXiefeng1,2
1.南京邮电大学电子科学与工程学院，南京2100232.江苏省射频集成与微组装工程实验室，南京210023
3.南京邮电大学宽带无线通信与传感网技术教育部重点实验室，南京210003
1.SchoolofElectronicScienceandEngineering,NanjingUniversityofPostsandTelecommunications,Nanjing210023,China2.JiangsuProvinceEngineeringLaboratoryofRFIntegration&Micropackage,Nanjing210023,China
3.KeyLaboratoryofBroadbandWirelessCommunicationandSensorNetworkTechnologyofMinistryofEducation,Nan-jingUniversityofPostsandTelecommunications,Nanjing210003,China
ZHANGXuejun,YANJintong,TIANFeng,etal.Dual-thresholdenergydetectionbasedonadaptivesamplingnumber.ComputerEngineeringandApplications,2017,53（7）：121-127.
Abstract:Duetonoiseuncertainty,adual-thresholdenergydetectionbasedonadaptivesamplingnumberisproposed.Thetwothresholdsaregivenaccordinglytonoiseuncertainty.Andbetweenthetwothresholds,anoveladaptivesamplingnumberalgorithmisused.Inordertoavoidtoomuchenergyconsumption,anoptimalupperboundofthesamplingnumberisgivenbytrading-offtheenergyconsumptionandthroughput.Boththeoreticalandemulationalpracticabilityandadvantageareproved.Uponcomparisonbetweentheproposedalgorithmandtraditionaldual-thresholdenergydetectionalgorithmbasedonconstantsamplingsize,eventhoughthethroughputdifferenceisverysmallwhenthedetectionproba-bilityishigh,thecorrespondingfalsealarmprobabilityanderrorprobabilityoftheproposedalgorithmislessthanthetraditionalalgorithm’s.Besides,comparisonofthetwoalgorithmsinconditionofsamesamplingnumber,itstillshowsthattheproposedalgorithmbringswithbetterdetectionperformancedespitealittlemoreenergyconsumption.Keywords:energydetection;noiseuncertainty;dual-threshold;adaptivesamplingnumber摘
要：针对认知环境中能量感知的噪声不确定性问题，提出了一种基于自适应检测长度的双门限能量感知算法。
算法首先根据噪声不确定性大小设置上下判决门限。当检测统计量位于双门限之外时直接判决，否则增加采样数并再次比较，直到得出判决结果或采样数达到上限；为了尽量减小由于采样数增加带来的系统能量开销的增加，给出了系统能量开销与吞吐量折中的最佳采样数上限。从理论上分析了算法的优越性，并进行了仿真验证，结果表明，该算法尽管增加了一定的能量开销，但是可以显著地提高系统检测性能。关键词：能量感知；噪声不确定性；双门限；自适应检测长度文献标志码：A
中图分类号：TN915.01
doi：10.3778/j.issn.1002-8331.1510-0230
1引言在不影响授权用户（又称主用户，PU）正常通信的前提随着无线通信技术的快速发展，传统的静态频谱分
下，允许非授权用户（又称认知用户，SU）机会式地接入配方式导致频谱资源日益短缺。因此，近些年认知无线授权频段，从而很大程度上提高了无线频谱利用率。频
电技术受到广泛关注。它通过采用动态频谱分配方式，
基金项目：国家自然科学基金（No.61201172，No.61170276）。
作者简介：张学军（1969—），男，博士，教授，研究领域为主要研究方向为智能信息处理、认知网络频谱感知、无线射频识别技术
等，E-mail：xjzhang@njupt.edu.cn；严金童（1989—），女，硕士研究生，研究领域为认知网络频谱感知、通信网络的性能分析等；田峰（1979—），男，博士，副教授；成谢锋（1956—），男，教授，博士生导师。
收稿日期：2015-10-26
修回日期：2016-03-15
文章编号：1002-8331（2017）07-0121-07
CNKI网络优先出版：2016-05-10,http://www.cnki.net/kcms/detail/11.2127.TP.20160510.1102.006.html
1222017，53（7）ComputerEngineeringandApplications计算机工程与应用
谱感知[1-2]作为认知无线电的关键技术之一，能够快速、2.1能量检测模型
准确地检测到空闲频段。常见的频谱感知技术有：匹配在传统能量检测中，采样数即检测长度是固定的，
滤波器检测[3]、能量检测、循环平稳检测[4~5]、特征值检取N个采样信号的能量均值，与一个预先设定的能量测[6]等。
门限比较，如果能量均值大于门限，则判决为PU占用频能量检测是最常用的频谱感知方法[7]
，它通过比较谱，SU禁止接入；否则，判决为PU未占用频谱，即频谱接收到的信号能量与预设门限来判断检测频段是否空空闲，SU可以接入频谱并进行数据传输。设λ表示预闲。能量检测具有低计算复杂度、低设备成本等优设的能量门限，则能量检测模型可以用式（2）表示：
势，但检测门限受噪声不确定性的影响严重
[8-9]
。文献
ìH0:Y≤λ
[10-12]提出了采用双门限能量检测算法，以减小噪声不í
îH（2）
1:Y>λ
确定性对能量检测性能的影响，但是算法并未讨论检测N
长度对能量感知的显著影响。文献[13]给出了检测性其中，Y=N1∑|x2
=1
i|表示N个采样信号的能量均值。
i能与能量开销折中的最小检测长度。文献[14]给出了根据中心极限定理，当N足够大时，根据中心极限定能量检测算法的最小检测长度的计算公式。但两种算理，Y近似服从高斯分布[16]。定义检测概率Pd为H1法都未涉及噪声不确定性的影响，且都基于固定的检测时正确检测到PU占用信道的概率，虚警概率Pf为H0长度，因此不能适应信道状态等环境因素的实时变化。文献[15]提出一种低信噪比下基于双检测长度的频谱时错误检测为PU占用信道的概率，即：
感知算法，虽然算法采用了自适应采样长度，但单门限PY>λ|Hæλ-d=Pr(1)=Q
ç(σs2+σn2)ö
仍然无法克服噪声不确定性的影响。
ç÷（3）
è1N(σ2s+σn2)÷
ø本文在前述算法的基础上，研究了噪声不确定性环境下的能量感知问题。基于双门限克服噪声不确定P(Y>λ|Hæ0)=Qççλ-σn2
ö
f=Pr2÷÷（4）
è1Nσnø
性的优越性和存在感知失败的固有缺点，以及检测长其中，σs2和σn2
分别为信号功率和噪声功率。Q(⋅)为马
度对检测性能影响较大等因素，提出一种基于自适应检2测长度的双门限能量感知算法（Dual-thresholdEnergy库姆函数，其表达式为Q(a)=∫∞
12a
e-
yDetectionbasedonAdaptivesamplingNumber，2πdy。在给定
ANDED）。该算法首先根据噪声不确定性大小设置上虚警概率Pf的情况下，能量门限λ和检测概率Pd可以下判决门限，当检测统计量位于双门限之外时直接判表示为：
决，否则增加采样数并再次比较，直到得出判决结果或λ=(Q-1(Pf)1N+1)σn
2
（5）采样数达到上限，为了尽量减小由于采样数增加带来的系统能量开销的增加，文中给出了系统能量开销与PæçQ-1(Pf)-Nσs2ö
d=Qç÷吞吐量折中的采样数上限。文章从理论上分析了算法èσ2ø
（6）
s+σn2÷的优越性，并进行了仿真验证，结果表明，该算法尽管由式（6）可知，随着检测长度N的增加，检测概率Pd也增加了一定的能量开销，但是可以显著地提高系统检随之增加。可见，通过增加能量检测算法的检测长度可测性能。
以提高检测性能，但是，检测长度的增加同时也会增加系统开销[13]。
2系统模型
2.2双门限能量检测
设系统带宽为W，根据奈奎斯特采样定律，最小采
受噪声不确定性的影响严重是能量检测算法的主
样频率为fs,Neq=2W，则感知周期τ内的采样数为要缺点。假设噪声最大波动，即噪声不确定度为ρdB，N=τfs,Neq。xi,i=1,2,…,N表示接收端在第i个采样
则噪声功率波动范围为：
点的采样信号，则系统检测模型可以用二元假设问题描[(110ρ10
)σ,10
ρ10
n
2
σn
2]（7）
述，即：
传统能量检测算法中，没有考虑噪声不确定性的影ì（1）
响，即假设ρ=0，则必然有|Y-λ|≥ρ。但实际上，í
H0:xi=ni
î
H1:xi=hsi+ni,i=1,2,…,Nρ≠0，
当|Y-λ|≥ρ时，检测结果不受噪声不确定性的影其中，si表示主用户信号，ni表示均值为0，方差为σn
2
响，而当|Y-λ|<ρ时，噪声不确定性的存在会使得检测的高斯白噪声信号，
h表示信道增益。假设h在整个感结果不稳定，从而无法作出判决。在双门限能量检测算
知过程中固定不变，且h=1；si为独立同分布信号。法中，将|Y-λ|<ρ表示为不可信区域H，即设定双门H0表示频谱空闲；H1表示频谱被PU占用。
限λl、
λh分别为：张学军，严金童，田峰，等：基于自适应检测长度的双门限能量感知算法2017，53（7）
123
λl=(Q-1(Pf)1N+1)σn2∙(110ρ10)（8）开始λh
=(Q-1(Pf)1N+1)σ2∙(110ρ10n)（9）n=N噪声不确定度大小ρ可由接收信号的最大与最小值之比表示。如图1所示，当Y>λh时，判决结果为Y′=1nn∑|xi|2i=1H1；
当Y<λl时，判决结果为H0；否则λl≤Y≤λh，判决为H，即检测结果不可信。可见，双门限能量检测可以Y′>λh有效避免噪声不确定性的影响，但当检测值处在不可信Y区域，则无法作出判决，这是双门限算法固有的感知失n=n+1NNY′>λl败问题。
NH0HH1n>NtYλlλhY图1双门限示意图HH0H13基于自适应检测长度的抗噪声双门限能量感结束知算法
图2ANDED算法流程图
3.1
算法描述
3.2
性能分析
在双门限检测中，当Y>λh或Y<λl时，噪声不确定
3.2.1单节点本地检测
性的存在不会影响检测性能，但λl≤Y≤λh时，噪声首先讨论单个认知用户的本地检测性能。不确定性的存在对检测性能的影响严重，以致认知用由上述分析可知，ANDED算法的检测概率为：
户无法判决主用户是否正在占用频谱。在2.1节中，已PNt
d,anded=Pr(Y>λh|H1)+
λ知增加检测长度可以提高能量检测的检测性能。因N∑[Pr(′=1
l≤Y≤λh|H1)
此，本文提出一种基于自适应检测长度的双门限能量Pr(λl≤Y′1≤λh|H1)⋯Pr(λl≤Y′m≤λh|H1)⋯感知算法。算法首先根据噪声不确定性大小设置上下Pr(λl≤Y′N+N′-1≤λh|H1)Pr(Y′N+N′>λh|H1)]（11）
判决门限，当检测统计量位于双门限之外时直接判决，其中：
否则增加采样数并再次比较，直到得出判决结果或采Y′m=N∑+mN1+m|xi=1
i|2
（12）
样数达到上限。ANDED算法的判决原理可以用式（10）描述：
Pr(λæl H0:Y<λlor{λl≤Y≤λh,Y′<λl}íïH1:Y<λhor{λl≤Y≤λh,Y′<λh}（10） Qæççλh-(σs2+σn2 )ö÷（ïè1/(N+m)(σ2s+σn2)÷13）ø îH:{λl≤Y≤λh,λl≤Y′≤λh}同理，ANDED算法的虚警概率为： N∑+N其中，Y′′= N+1N′|xi=1 i|2，N是能量检测算法的固定 Pf,anded=Pr(Y>λl|H0)+ Nt 检测长度，N+N′是ANDED算法中认知用户的实际检Y′1≤λN'∑[Pr(λ=1 l≤Y≤λh|H0)Pr(λl≤h|H0)⋯ 测长度。 Pr(λl≤Y′m≤λh|H0)⋯ 算法框图如图2所示，具体步骤为： Pr(λl≤Y′N+N′-1≤λh|H0)Pr(Y′N+N′>λh|H0)（14） 步骤1首先采用固定检测长度的双门限能量检测其中： （Dual-thresholdEnergyDetectionbasedonConstantsamplingNumber，CNDED）， n=N=τfPr(λæs，Y′=Y。l Qæççλh-σn2 ö（è 1/(N+m)σn2÷÷15）ø步骤3若检测长度未达到检测长度上限，即系统的错误概率定义为错误判断信道状态的概率， n 1242017，53（7）ComputerEngineeringandApplications计算机工程与应用 Pe,anded=Pr(H1|H0)Pr(H0)+Pr(H0|H1)Pr(H1)=因为Q函数为单调减函数且上界为1，所以： Pf,andedPr(H0)+Pr(H1){1-Pd,anded-limR~ ′1(τ) T1Q(α-γγ+1∙Tτs)}<0（24）其中，Pr(H0)=P(H0)，Pr(H1)=P(H1)分别表示PU未占用信道和占用信道的概率，且Pr(H0)+Pr(H1)=1。 τlim→0 R~ ′1(τ)=+∞ （25） 由于检测长度的增加会引起系统开销的增加，因此根据式（21）和式（22）可得： 需要尽可能地减小检测长度上限，同时需保证检测性R~′(τ)=R~ ′1(τ)-能，即最大化系统吞吐量。在能量检测中，系统开销ET1C0P(H0)(1-Pf,obj) （26） 和吞吐量R分别可以表示为： 因此： E=τCs+(T-τ)Ct=NTs(Cs-Ct)+TCt（17）limR~ ′(~ τ→Tτ)<τlim→T R′1(τ)<0（27） R=T-τ{C~0Pu(H0)+C1PmP(H1)}= τlim→0 R′(τ)=limR~ τ→0 ′1(τ)-TT-TNTs {C0Pu(H0)+C1PmP(H1)}（18）T1C0 P(H0)(1-Pf,obj )=+∞ （28） 上式中，R0=TT-τC0P(H0)Pu，R1=TT-τC1P(H1)Pm。 由公式（27）和（28）可以得出，在区间(0,τ)内，R~ (τ)是增T表示一个无线帧周期，τ表示感知时隙，T-τ表示传函数，在区间(τ,T)内，R~ (τ)是减函数，因此，在(0,T)输时隙。Ts表示采样间隔， Cs、Ct分别表示每秒的感内，即N=τ/Ts时，吞吐量取得最大值。 知开销和传输开销， C0、C1分别表示H0和H1时的信又由式（17）可以看出，随着检测长度N的增加，系道容量，根据香农定理，信道容量只与信道带宽和信噪统开销E随之增加。为了尽量减小由检测长度N增加比有关。定义H0时正确检测到信道空闲的概率为Pu，而带来的系统开销，定义以最小化系统开销为目标，最H1时错误地检测为信道空闲的概率为Pm。在双门限 小吞吐量和目标虚警概率为约束条件的优化问题，数学检测中，Pu=1-Pf-Pr(H)，Pm=1-Pd-Pr(H)，通常描述如下： Pr(H)< （29） Pm=1-Pd。式（18）改写为： R~=R~~ 约束条件 ìí R≥Rmin 0+R1=TT-τ{C0P(H0)(1-Pf)+ î Pf≤Pf,obj（30）C1P(H1)(1-Pd)} （19） 根据上述分析可知，在给定目标虚警概率的情况 根据公式（6），当给定虚警概率Pf,obj时： 下，当R=Rmin时，系统开销E最小。因此，满足该优化Pγ问题的最佳吞吐量上限Nt应为： d=Q(α-γ+1τTs)（20）Nt=其中，α=TTR-Pmin s{1-C0(1f,obj)P(H0)} （31） γ1+1Q-1(Pf,obj)，γ=σs2σn2 为认知用户接收信 由于ANDED算法的实际检测长度N+N′必定小噪比。 于检测长度上限Nt，因此ANDED算法的实际吞吐量从式（19）可以看出，吞吐量与感知时间τ有关。又N=τ/TRanded小于检测长度为Nt时的吞吐量Rmin， 同样，实际s， 所以吞吐量随N的变化关系与吞吐量随τ的的能量开销Eanded也会更小。CNDED算法与ANDED变化关系相同。为计算方便，可以讨论吞吐量随τ的变算法的实际吞吐量和能量开销表达式分别为：化关系。 将式（20）代入式（19），并对式（19）求导可得：R=T-N/fcndeds,Neq T× R~ ′(τ)=R~ ′0(τ)+R~ ′1(τ) （21）{C0Pu,andedP(H0)+C1Pm,cndedP(H1)}（32） 其中： T-R~ ′（22） Randed= (N+N′)Ts 0(τ)=-T1C0P(H0)(1-Pf,obj) T× {C0Pu,andedP(H0)+C1Pm,andedP(H1)}（33）R~′1(τ)=C1P(H1){TT-τ∙γ(γ+1)∙22πT× Es cnded=N/fs,Neq(Cs-Ct)+TCt（34）(α-γEanded=(N+N′)Ts(Cs-Ct)+TCt （35） γ+1∙Tτs)2e -2-3.2.2多节点协作检测 T1+T1Q(α-γγ+1∙Tτs)}（23） 假设协作CR系统中有1个主用户和M个认知用 张学军，严金童，田峰，等：基于自适应检测长度的双门限能量感知算法 2017，53（7）125 表1 系统参数设置 W T τ P(H1) P(H0) C0 C1 Pf,obj Rmin Ts 50Mb/s4μs1μs0.70.32bit/s1.5bit/s0.11bit/s0.002μs 户，采用基于OR融合准则的硬合并算法。M个认知测性能，本文提出的基于自适应检测长度的双门限能量用户分别对信道进行频谱检测并将各自的本地判决结检测算法相比固定检测长度的双门限能量检测算法明果“1”或“0”发送给融合中心，如果有一个认知用户检测显具有更好的检测性能。 到主用户信号，则融合中心判决为主用户存在，否则判0.7决为主用户不存在。协作感知的检测概率QCNDED d和虚警概0.6ANDED 率Qf可以表示为： 0.5QM d=1-∏P（36）0.4j=1d,jeP0.3QM f=1-∏P（37） 0.2j=1 f,j 其中，P0.1d,j和Pf,j分别表示第j个认知用户的检测概率和虚警概率。 0 0.10.20.30.40.5P0.60.70.80.91.0 d 4性能仿真及分析 图4ANDED算法和CNDED算法的错误概率 本文采用蒙特卡洛方法进行Matlab仿真，表1列 比较曲线(SNR=-5dB) 出了各个系统参数的设置值。根据奈奎斯特采样定由于检测长度的增加，必然会带来系统能量开销的律，最小采样率fs,Neq=2W，则最小奈奎斯特采样数增加。本文给出了能量开销与吞吐量折中的检测长度N=τfs,Neq=100。根据式（31），解得N上限，在保证最大化系统吞吐量的同时，尽可能地减小t=412。 4.1单节点本地检测 系统能量开销。图5所示为ANDED算法和CNDED算法的吞吐量，可以看出，当检测概率小于1时，ANDED首先对单个认知用户的本地检测性能进行仿真和 算法的吞吐量高于CNDED算法。随着检测概率的提分析，假设认知用户接收信噪比为-5dB。 高，两种算法的吞吐量差距逐渐减小，但根据图3和图图3对ANDED算法与CNDED算法的检测性能，4，相同检测概率时，ANDED算法的虚警概率和错误概即ROC（ReceiverOperatingCharacteristic）曲线进行了率更小，因此本文所提算法依然具有更好的性能。 比较。可见，本文提出的ANDED算法的检测性能明显优于CNDED算法，且当虚警概率P为0.1时，ANDED0.7f0.6CNDED算法的检测概率PANDED d比CNDED算法提高近20%。 1.0 0.50.9CNDED0.4R0.8ANDED 0.30.70.60.2dP0.50.10.40.30 0.10.20.30.40.50.2P0.60.70.80.91.0 d 0.1图5ANDED算法与CNDED算法的吞吐 0 0.10.20.30.40.5量比较（SNR=-5dB） P0.60.70.80.91.0 f 图6仿真了当CNDED算法和与ANDED算法取相图3ANDED算法与CNDED算法的ROC性能 比较（SNR=-5dB） 同的检测长度N+N′，即由检测长度的增加带来的系统开销相同时的性能。并与检测长度为N的CNDED图4所示为ANDED算法与CNDED算法的错误概算法性能进行比较，可以看出：（1）检测长度大于N时率Pe比较曲线图。可以看出，ANDED算法的错误概率的CNDED算法的性能优于检测长度为N时的CNDED明显低于CNDED算法，当检测概率Pd为0.9时，ANDED算法性能，在虚警概率为0.1时，前者的检测概率高于后算法的错误概率比CNDED算法低约12%。图3和图4者的检测概率约11%。（2）相同的检测长度时，ANDED说明，通过增加检测长度确实可以提高能量检测算法检 算法的检测性能仍然优于CNDED算法的性能，在虚警 1262017，53（7）ComputerEngineeringandApplications计算机工程与应用 概率为0.1时，ANDED算法的性能提高约5%。由此可图8给出了协作检测条件下ANDED算法与CND-以得出，尽管检测长度的增加带来一定的系统开销，但ED算法的吞吐量比较曲线，系统参数同图7。比较图5ANDED算法可以显著地提高检测性能。 和图8可以明显发现：（1）协作检测算法的吞吐量明显1.0优于单节点检测算法，比如当P0.9ANDED,N+N′d=0.9时，单节点检测0.8CNDED,N 的吞吐量已接近于0，而在协作检测中，ANDED算法和0.7CNDED,N+N′ CNDED算法的吞吐量分别为0.98和0.4；（2）协作AND-0.6d0.5ED算法的吞吐量依然高于协作CNDED算法，且相比单P0.4节点检测，协作ANDED算法的优势更显著。 0.30.21.4CNDED，M=10 0.11.2 ANDED，M=10 0 0.10.20.30.40.50.60.70.80.91.0 1.0Pf 0.8图6相同检测长度时，ANDED算法和CNDEDR0.6算法性能比较（SNR=-5dB） 0.44.2多节点协作检测 0.2首先仿真所有协作认知用户信噪比相同条件下的 0检测性能。假设协作认知用户数M=10，SNR=-5dB，0.2 0.3 0.4 0.5 0.6P0.7 0.8 0.9 1.0 d 图7给出了CNDED算法和ANDED算法的ROC曲线图。从图中可以看出：（1）在协作检测中，CNDED算法图8协作检测中ANDED与CNDED算法的吞吐量比较（SNR=-5dB） 和ANDED算法的性能均优于相应算法在单节点条件下的检测性能。比如当P实际通信环境中，由于各认知用户所处的信道环境f=0.1时，协作ANDED算法的检测概率接近于1，比单节点ANDED算法提高了不同，所以接收信号的信噪比也各不相同。因此，图96%，而协作CNDED算法的检测概率约为0.98，比单节和图10仿真比较了协作用户具有不同SNR条件下，点CNDED算法提高了27%。这是因为在相同检测算法CNDED算法和ANDED算法的检测性能和吞吐量大下，多用户协作检测的分集增益使算法的检测性能更加小。假设各协作认知用户的SNR分别为-10dB、优越。（2）在协作检测中，ANDED算法保持了其优越性，-9dB，…，-1dB。由图可知，ANDED算法相比 在相同虚警概率时，ANDED算法的检测概率明显大于CNDED算法依然具有优势。 CNDED算法的检测概率，比如当Pf=0.05时，ANDED1.00的检测概率P0.95CNDED，M=10 d比CNDED算法提高近4%。因此表明0.90ANDED，M=10 ANDED算法在协作检测中的适用性。同时也可看出这 0.85种相对于传统算法的优越性相对减弱，这是因为无线环d0.80P境下协作检测的分集增益弥补了传统算法检测性能的0.75不足，从而使协作CNDED算法的检测性能更接近于协0.70作ANDED算法。 0.650.601.0CNDED，M=100.55 0.900.10.20.30.40.5ANDED，M=10 P0.60.70.80.91.0 f 0.8图9协作检测中不同SNR时CNDED与ANDED 0.7算法的ROC性能比较（SNR=-10~-1dB） dP0.60.5此外，将图9和图10与图7和图8比较发现，协作0.4CNDED算法在各认知节点具有不同SNR条件下的0.3检测性能和吞吐量优于各SNR相同条件下的性能指0.2 标。这是由于各认知节点所处的无线环境各不相同，00.10.20.30.40.5P0.60.70.80.91.0 f 且部分协作认知用户的检测环境比较优越，比如图7 协作检测中ANDED与CNDED算法SNR大于-5dB，从而更能发挥协作检测分集增益的 的ROC性能比较（SNR=-5dB） 效果。 张学军，严金童，田 峰，等：基于自适应检测长度的双门限能量感知算法2017，53（7）127 1.41.2CNDED，M=10 delayandcomplexityforstandalonecognitiveradiospec-ANDED，M=10 trumsensingschemes[J].IETCommunications，2013，7（9）：1.0799-807. 0.8[3]KapoorS，SinghG.Non-cooperativespectrumsensing：A R0.6hybridmodelapproach[J].DevicesandCommunications，2011：1-5. 0.4[4]NariedaS，KageyamaT.Simplespectrumsensingtech-0.2 niquesbasedoncyclostationaritydetectionincognitive0 0.550.600.650.700.75radionetworks[J].ElectronicsLetters，2013，49（17）：1108-P0.800.850.900.951.00 d 1109. 图10协作检测中不同SNR时CNDED与ANDED[5]JangWM.Blindcyclostationaryspectrumsensingin 算法的吞吐量比较（SNR=-10~-1dB） cognitiveradios[J].IEEECommunicationsLetters，2014，应当注意到，虽然CNDED算法多节点协作检测的18（3）：393-396. 性能要优于单节点检测性能，但是这种优越性是以增加[6]赵春晖，马爽，成宝芝.基于特征值矩阵的循环平稳检测算 融合中心的计算负担为代价的。多节点检测所消耗的法[J].深圳大学学报：理工版，2012，29（2）：107-112.时间必然会多于单节点检测所消耗的时间。另一方面[7]StotasS，NallanathanA.Onthethroughputandspectrum 认知用户的本意是检测并争取有限的频谱资源，而多节sensingenhancementofopportunisticspectrumaccess点若要用大量的频谱来发送本地检测数据到融合中心，cognitiveradionetworks[J].IEEETransactionsonWireless将会对频谱资源造成浪费，有违高效利用频谱的初衷。 Communications，2012，11（1）：97-107. [8]刘鑫，谭学治，徐贵森.噪声不确定下认知无线电能量检测 性能的分析[J].四川大学学报：工程科学版，2012，43（6）：5结论 168-172. 提出了一种基于自适应检测长度的双门限能量感 [9]HuangG，TugnaitJK.Oncyclostationaritybasedspectrum 知算法。考虑到噪声不确定性对感知性能的影响，采用sensingunderuncertainGaussiannoise[J].IEEETransactions双门限检测，并在双门限之间采用自适应检测长度算onSignalProcessing，2013，61（5/8）：2042-2054. 法。由于检测长度的增加会带来系统能量开销的增加，[10]BagwariA，TomarGS.Two-stagedetectorswithmultiple 本文还提出了根据系统能量开销与吞吐量折中的优化energydetectorsandadaptivedoublethresholdincognitive问题，给出最佳检测长度上限。仿真结果表明，所提算radionetworks[J].AdvancedScienceandTechnology法相比于传统的CNDED算法，具有更好的检测性能，Letters，2013，30：211-216. 并且尽管两种算法的吞吐量差距随着检测概率的提高[11]张学军，鲁友，田峰，等.基于信任度的双门限协作频谱感 而减小，但是在相同的检测概率情况下，ANDED算法具知算法[J].物理学报，2014，63（7）. 有更低的虚警概率和错误概率，因此ANDED算法依然[12]张学军，严金童，田峰，等.基于差分能量检测的双门限协 具有比CNDED算法更具优势。另外，通过仿真比较相作频谱感知算法[J].仪器仪表学报，2014，35（6）：1325-同检测长度时的ANDED算法和CNDED算法的检测1330. 性能，可知，尽管以增加一定的系统开销为代价，然而[13]HuangShiwei，ChenHongbin，ZhangYan，etal.Sensing-ANDED算法可以显著地提高检测性能。此外，通过energytradeoffincognitiveradionetworkswithrelays[J].IEEESystemsJournal，2013，7（1）：68-76. 对协作检测中ANDED算法与CNDED算法的性能进[14]RuginiL，BanelliP，LeusG.Smallsamplesizeperfor-行仿真和分析比较发现，ANDED算法在协作检测中保manceoftheenergydetector[J].IEEECommunications持了其优越性，且相比于CNDED算法的性能提升更加Letters，2013，17（9）：1814-1817. 显著。 [15]高锐，李赞，齐佩汉，等.低信噪比下基于双检测长度的频 谱感知算法[J].西安电子科技大学学报，2014，41（3）：88-94.参考文献： [16]WangWeiwei，CaiJun，AlfaAS，etal.Adaptivedual-[1]王鑫，汪晋宽，刘志刚，等.基于随机森林的认知网络频谱 radiospectrumsensingschemeincognitiveradionet-感知算法[J].仪器仪表学报，2013，34（11）：2471-2477.works[J].WirelessCommunicationsandMobileComputing，[2]LiuX，EvansBG，MoessnerK.Comparisonofreliability， 2011，13（14）：1247-1262. 因篇幅问题不能全部显示，请点此查看更多更全内容