一种基于无线移动网络的协作认知方法、装置及系统 【技术领域】
本发明涉及通信领域，特别涉及一种基于无线移动网络的协作认知方法、装置及系统。
背景技术
随着无线移动业务的发展，无线频谱已成为现代社会不可或缺的宝贵资源，研究表明，使用现有的频谱授权机制，授权用户的频谱利用率仅在15%‑85%之间。为了有效提高频谱资源的利用率，现有技术下采用认知无线电（Cognitive Radio）技术来实现频谱资源的二次利用，即在授权用户未占用其被授权的频谱资源时，令非授权用户使用该频谱资源，从而使授权用户和非授权用户共享频谱资源。例如，在基于认知无线电技术的WRAN网络内，TV频谱资源为授权频谱，则不同的非授权用户可以采用认知无线电技术，在不干扰TV广播信号前提下公平的共享TV频谱资源。
在使用认知无线电技术时，非授权用户归属的基站，往往根据非授权用户对环境的感知能力，对当前的网络状态、非授权用户及周边环境的场景信息作出相应评估，并根据评估结果为非授权用户配置相应的频谱资源，从而使频谱资源得到最充分的利用。
传统的认知无线电技术采用的是单节点环境认知方式，即根据单个非授权用户感知到的环境信息对频谱资源的使用情况作出评估。但是，在复杂易变的认知无线电环境中，单个非授权用户的环境感知能力是有限的，如，能量感知鲁棒性差，循环平稳检测需要的感知时间较长，并且获得的环境信息的数据可信度较差。
针对传统方式存在的缺陷，已提出了协作认知的技术概念，即根据多个非授权用户感知到的环境信息对频谱资源的使用情况作出评估，通过各非授权用户之间的协作降低对单个授权用户感知能力的要求，提高感知精确度和获得的环境信息的数据可信度。
目前，已经存在的协作认知技术有多种，最具代表性的三种技术分别为：
1、Ganesan G.,Ye Li.″Cooperative spectrum sensing in cognitive radio‑part I‑II:two user(multiuser)networks.″IEEE Transactions on Wireless Communications,2007,6(6):2204‑2222。
2、Chunhua Sun,Wei Zhang,et al.″Cooperative spectrum sensing for cognitive radios under bandwidth constraints.″IEEE Wireless Communications and Networking Conference,2007(WCNC 2007),Hong Kong,2007,1‑5。
3、Ghasemi,A.and E.S.Sousa.″Optimization of spectrum sensing for opportunistic spectrum access in cognitive radio networks.″IEEE Consumer Communications and Networking Conference,CCNC 2007,2007,1022‑1026。
以下将上述三种技术分别简称为Ganesan技术、Sun技术和Ghasemi技术。
采用Ganesan技术的前提是假设非授权用户为静止状态，因此在非授权用户为无线移动用户的应用场景下，Ganesan技术并不适用。
采用Sun技术的前提是假设非授权用户感知获得的环境信息足够可靠，而在非授权用户为无线移动用户的应用场景下，非授权用户的位置是动态变化的，其与授权基站之间的距离也随之变化，因此，非授权用户感知获得的环境信息的可靠性也存在着动态差异，显然，针对这一情况，Sun技术也不适用。
采用Ghasemi技术时，存在两种情况，第一种为：基于AND规则，当且仅当全部非授权用户检测到授权用户的数据时，才确定授权频谱资源已被授权用户占用；使用这种方法会严重影响授权用户的正常通信。第二种为：基于OR规则，任一非授权用户检测到授权用户的数据时，即确定授权频谱资源已被授权用户占用，使用这种方法仍为限制频谱利用率的提高。
综上所述，现有的协作认知方法均无法满足无线移动网络的需求，因此，需要提供一种新的协作认知方法，用以提高非授权用户感知到的环境信息的准确性。
【发明内容】
本发明实施例提供一种基于无线移动网络的协作认知方法、装置及系统，用以在通过非授权用户对网络环境进行感知时，提高获得的环境感知结果的准确性。
本发明实施例提供的具体技术方案如下：
一种基于无线移动网络的协作认知方法，包括：
对系统内存在的非授权用户进行两两分组，获得分组结果；
确定分组结果包含的每一组中各非授权用户的数据可信度，该数据可信度，与非授权用户和授权基站之间的距离成反比，用于调整非授权用户获取的环境信息的取值；其中，在计算数据可信度时，若系统内存在N个非授权用户且N>0，以及一组内包含非授权用户i和非授权用户j，i∈[1,N]，j∈[1,N]，则通过公式
![]()
和
![]()
来分别计算非授权用户i和非授权用户j的数据可信度
![]()
和
![]()
其中，O
i和O
j分别为非授权用户i和非授权用户j感知到的授权基站的信号发射功率，d
i和d
j分别为非授权用户i和非授权用户j与授权基站之间的距离，α为预设的路径损耗指数，ζ
i＝λ
i/β
2，ζ
j＝λ
j/β
2，λ
i和λ
j分别为预设的非授权用户i和非授权用户j的信号发射功率门限值，β为预设的常量；
根据每一组中各非授权用户的数据可信度，获得每一组基于协作认知获取的环境信息；
对每一组基于协作认知获取的环境信息进行合并，获得最终的环境感知结果。
一种通信装置，用于管辖非授权用户，包括：
第一处理单元，用于对系统内存在的非授权用户进行两两分组，获得分组结果，并确定分组结果包含的每一组中各非授权用户的数据可信度，该数据可信度，与非授权用户和授权基站之间的距离成反比，用于调整非授权用户获取的环境信息的取值；其中，在计算数据可信度时，若系统内存在N个非授权用户且N>0，以及一组内包含非授权用户i和非授权用户j，i∈[1,N]，j∈[1,N]，则通过公式
![]()
和
![]()
来分别计算非授权用户i和非授权用户j的数据可信度
![]()
和
![]()
其中，O
i和O
j分别为非授权用户i和非授权用户j感知到的授权基站的信号发射功率，d
i和d
j分别为非授权用户i和非授权用户j与授权基站之间的距离，α为预设的路径损耗指数，ζ
i＝λ
i/β
2，ζ
j＝λ
j/β
2，λ
i和λ
j分别为预设的非授权用户i和非授权用户j的信号发射功率门限值，β为预设的常量；
第二处理单元，用于根据每一组中各非授权用户的数据可信度，获得每一组基于协作认知获取的环境信息；
合并单元，用于对每一组基于协作认知获取的环境信息进行合并，获得最终的环境感知结果。
一种通信系统，包括：
非授权用户，用于基于协作认知对网络环境进行感知，并将获取的环境信息发送至非授权基站；
非授权基站，用于对系统内存在的非授权用户进行两两分组，获得分组结果，并确定分组结果包含的每一组中各非授权用户的数据可信度，以及根据每一组中各非授权用户的数据可信度，获得每一组基于协作认知获取的环境信息，并对其进行合并以获得最终的环境感知结果；其中，所述数据可信度，与非授权用户和授权基站之间的距离成反比，用于调整非授权用户获取的环境信息的取值；其中，在计算数据可信度时，若系统内存在N个非授权用户且N>0，以及一组内包含非授权用户i和非授权用户j，i∈[1,N]，j∈[1,N]，则通过公式
![]()
和
![]()
来分别计算非授权用户i和非授权用户j的数据可信度
![]()
和
![]()
其中，O
i和O
j分别为非授权用户i和非授权用户j感知到的授权基站的信号发射功率，d
i和d
j分别为非授权用户i和非授权用户j与授权基站之间的距离，α为预设的路径损耗指数，ζ
i＝λ
i/β
2，ζ
j＝λ
j/β
2，λ
i和λ
j分别为预设的非授权用户i和非授权用户j的信号发射功率门限值，β为预设的常量。
本发明实施例中，非授权基站对系统内存在的非授权用户进行两两分组，获得分组结果；再确定分组结果包含的每一组中各非授权用户的数据可信度，以及根据每一组中各非授权用户的数据可信度，获得每一组基于协作认知获取的环境信息，并对其进行合并以获得最终的环境感知结果；其中，所述数据可信度，与非授权用户和授权基站之间的距离成反比，用于调整非授权用户获取的环境信息的取值。这样，便充分考虑了非授权用户的移动性对其获取的环境信息的影响，提高了非授权用户两两组合后基于协作认知获取的环境信息的可信度，在此基础上，再将各组合获取的环境信息进行合并获得最终的环境感知结果，则进一步提升的该环境感知结果的准确性，从而有效地防止了非授权用户对授权用户造成干扰，也使得非授权基站可以对授权频谱资源的使用情况进行准确评估，进而有效地提升了频谱利用率。
【附图说明】
图1为本发明实施例中通信系统体系架构图；
图2为本发明实施例中SU基站功能结构图；
图3为本发明实施例中SU基站通过SU用户对当前网络环境进行感知流程图；
图4‑图6为基于AND规则的方法和NBS协作认知方法的性能比较示意图。
【具体实施方式】
在通过非授权用户对网络环境进行感知时，为了提高获得的环境感知结果的准确性。本发明实施例中，先对系统内存在的非授权用户进行两两分组，获得分组结果，再确定分组结果包含的每一组中各非授权用户的数据可信度，该数据可信度，与非授权用户和授权基站之间的距离成反比，用于调整非授权用户获取的环境信息的取值，接着，根据每一组中各非授权用户的数据可信度，获得每一组通过协作认知获取的环境信息，并对其进行合并，以获得最终的环境感知结果。
本发明实施例中，每一组内的两个非授权用户（以下称为SU用户）进行协作认知时，是基于纳什议价（Nash Bargaining Soulution）来确定协作认知方式的，即基于纳什议价来计算出各自的数据可信度。
例如，假设系统内存在N个SU用户且N>0，则将任意两个SU用户称为SU i和SUj，i∈[1,N]，j∈[1,N]。基于两用户纳什议价，SU i和SU j之间的协作认知方式可以表示为
![]()
其中，
![]()
和
![]()
分别为SU i和SU j的数据可信度，O
i和O
j分别为SU i和SU j感知到的授权基站（以下称为PU基站）的信号发射功率，d
i和d
j分别为SU i和SUj与PU基站之间的距离，λ
i和λ
j分别为预设的SU i和SUj的信号发射功率门限值，α为预设的路径损耗指数，β为预设的常量。分别对
![]()
和
![]()
求导可得
![]()
令λ
i/β
2＝ζ
i，λ
j/β
2＝ζ
j，则取
![]()
时，
![]()
表示为
![]()
而取
![]()
时，
![]()
表示为
![]()
另一方面，令λ
i＝λ
j＝0，则可以看出，SU用户的数据可信度
![]()
与SU用户和PU基站之间的距离d成反比。随着SU用户与PU基站之间距离的增加，SU用户感知到的PU基站的信号发射功率就越小，那么其获得的环境信息的可信程度就越低。
在实际应用中，上述方案可以应用在多种无线移动网络中，例如，无线区域网（Wireless Regional Area Network，WRAN）、无线局域网(Wireless Local Area Network，WLAN)、无线个人区域网（Wireless Personal Area Network，WPAN)、超三代移动通信网（Beyond 3G，B3G)、传感器网络（Sensor Network）和微波存取全球互通网络（Worldwide Interoperability for Microwave Acces，WIMAX)等等。
下面结合附图以WAN网络为例对本发明的优选实施方式进行详细介绍。
参阅图1所示，本发明实施例中，WRAN网络内包含SU基站、SU用户和PU基站，其中，
PU基站，用于管理授权频谱资源；
SU用户，用于对网络环境进行感知，并将获取的环境信息发送至非授权基站；
SU基站，用于对系统内存在的SU用户进行两两分组，获得分组结果，并确定分组结果包含的每一组中各SU用户的数据可信度，以及根据每一组中各SU用户的数据可信度，获得每一组基于协作认知获取的环境信息，并对其进行合并以获得最终的环境感知结果；其中，所述数据可信度，与SU用户和PU基站之间的距离成反比，用于调整SU用户获取的环境信息的取值。
参阅图2所示，本实施例中，SU基站包括第一处理单元10、第二处理单元11和合并单元12，其中，
第一处理单元10，用于对系统内存在的SU用户进行两两分组，获得分组结果，并确定分组结果包含的每一组中各SU用户的数据可信度，该数据可信度，与SU用户和PU基站之间的距离成反比，用于调整SU用户获取的环境信息的取值；
第二处理单元11，用于根据每一组中各SU用户的数据可信度，获得每一组基于协作认知获取的环境信息；
合并单元，用于对每一组基于协作认知获取的环境信息进行合并，获得最终的环境感知结果。
基于上述系统架构，参阅图3所示，本实施例中，SU基站通过SU用户之间的协作认知，对当前网络环境进行感知的详细流程如下：
步骤300：确定系统中存在的SU用户，对SU用户进行任意两两分组。
本实施例中，假设系统中存在N个SU用户且N>0，则当N为偶数时，直接对SU用户进行两两分组，每一组中的两个SU用户将建立协作认知关系；而当N为奇数时，补充第N+1个SU用户，其中，设定第N+1个SU用户获得的感知数据为零，并且不与其他SU用户建立协作认知关系。
步骤310：获得每一组中各SU用户的数据可信度
![]()
假设将任意两个SU用户称为SU i和SU j，i∈[1,N]，j∈[1,N]，则当一组包含SU i和SUj时，SU i的数据可信度表示为
![]()
而SUj的数据可信度表示为
![]()
O
i为SU i感知到的PU基站的信号发射功率，O
j为SU j感知到的PU基站的信号发射功率，d
i为SU i与PU基站之间的距离，d
j为SU j与PU基站之间的距离，这四个参数可以由SU基站测量获得，α为预设的路径损耗指数，ζ
i＝λ
i/β
2，ζ
j＝λ
j/β
2，其中，λ
i为预设的SU i的信号发射功率门限值，λ
i为预设的SU j的信号发射功率门限值，β为预设的常量。其中：
SU i和SU j的数据可信度
![]()
和
![]()
的取值，主要取决于SU i和SU j感知到的PU基站的信号发射功率O
i和O
j，以及两者与PU基站的距离d
i和d
j。以环境噪声可以忽略的特殊场景为例，此时ζ
i＝ζ
j＝0，则通过上述两个表述式可以看出，
![]()
和
![]()
分别与
![]()
和
![]()
成反比，那么假设α＝2，d
i=10Km,d
j=15Km,O
i=10Mw，O
j=10Mw时，则
![]()
![]()
显然，SU i的数据可信度远高SUj的数据可信度，那么，在后续流程中，SU基站根据
![]()
和
![]()
来调整SU i和SUj通过协作认知获取的环境信息的取值，从而使环境信息的取值可以根据SU用户与PU基站之间的距离发生动态变化，这样便充分考虑了SU用户的移动性，在很大程度上提高了获取的环境信息的准确性。步骤320：根据每一组中各SU用户的数据可信度
![]()
计算每一组对应的协作收益值。
本实施例中，较佳地，采用匈牙利（HUNGARIAN METHOD，HM）算法来计算出每一种SUi和SUj组合对应的协作收益值Ω
ij，其具体的矩阵如下：
![]()
其中：
Ω
ij＝‑Φ
ij+max(Φ
ij)，
![]()
其中，
![]()
和
![]()
分别为SU i和SUj的初始数据可信度，
![]()
和
![]()
分别为SU i和SU j在协作过程中改变的数据可信度。
步骤330：根据每一组对应的协作收益值确定针对所有SU用户的最终两两分组结果，其中，归属于同一组的两个SU用户将在彼此之间建立协作认知关系。
本实施例中，由于采用了HM算法，因此，根据该算法的特性，最终确定出的两两分组结果需要符合的条件为：包含的每一组对应的Ω
ij均为0。例如，存在四个SU用户，分别称为SU1、SU2、SU3和SU4，其中，Ω
12＝0，Ω
34＝1；而Ω
13＝0，Ω
24＝0，则最终两两分组结果为：SU1和SU3一组，而SU2和SU4一组。
另一方面，若使用HM算法之外的其他算法计算协作收益值，则也可以不使用Ω
ij均为0这一限制条件来确定分组结果，而根据实际情况设置相应的限制条件，并将每一组对应的协作收益值分别与其进行比较，再根据比较结果确定分组结果，在此不再赘述。
步骤340：确定最终两两分组结果包含的每一组中各SU用户的数据可信度
![]()
并根据其计算每一组内的两个SU用户进行协作认知时获得的虚警概率和探测概率；其中，虚警概率（False Alarm Probability）和探测概率（Detection Probability）即是两个SU用户通过协作认知获得的环境信息。
本实施例中，在WRAN环境下，为保护PU基站的正常通信，虚警概率通常应低于10%，而探测概率通常应高于90%。
下面仍以SU i和SU j为例，当两者进行协作认知时，
其获得的虚警概率为：
![]()
而获得的探测概率：
![]()
![]()
其中，σ为噪声方差，
![]()
和
![]()
分别为SU i和SU j的平均信干比，l为预设的常量，N/2为单位抽样值。
步骤350：合并每一组通过协作认知获得的虚警概率和探测概率，并将其作为最终的环境感知结果。
本实施例中，使用“AND”规则对每一组通过协作认知获取的虚警概率和探测概率进行合并，则最终获得的环境感知结果包含以下内容：
合并后的虚警概率P
f，表示为：
![]()
合并后的探测概率P
d，表示为：
![]()
通过上述实施例，便可以在获得最终的环境感知结果后，根据该环境感知结果对系统内的授权频谱资源的使用情况进行准确评估。例如，假设λ
i＝λ
j＝3，
![]()
N=8，SU i与PU基站相距30Km，则当SU j与PU基站相距10‑50Km时，SU i和SU j通过协作认知获取的探测概率大于90%，此结果可作为判断授权频谱资源是否被PU用户占用的依据。
显然，本发明实施例中，SU用户通过两两组合对网络环境进行协作认知，并且SU基站通过各组合中SU用户的数据可信度来调整其感知到的环境信息的取值，这样便充分考虑了SU用户的移动性对感知结果的影响，在很大程度上提高了感知到的环境信息的准确性。
下面利用Matlab7.01仿真工具，将本发明方法（称为NBS协作认知方法）和现有的基于AND规则的方法进行比较，通过具体数据说明本发明取得的显著技术效果。
假设两种方法实施的前提均为：参数
![]()
噪声方差σ＝1，l＝2，路径损耗指数α＝3.5，抽样值取N＝4,8，那么，比较结果如下：
参阅图4所示，使用基于AND规则的方法时，通过SU用户对网络环境进行感知后获得的数据失效率p
m（p
m＝1‑p
d），不受SU用户与PU基站之间距离的影响；而使用NBS协作认知方法时，获得的数据失效率p
m却体现了SU用户与PU基站之间距离的变化，显示出了数据可信度的作用。
参阅图5所示，在分别使用基于AND规则的方法和NBS协作认知方法获得虚警概率p
f和数据失效率p
m后，对获得的结果的性能进行比较，如图5所示，在虚警概率p
f相同的情况下，采用NBS协作认知方法获得的数据失效率p
m明显降低；反之依然，即在数据失效率p
m相同的情况下，采用NBS协作认知方法获得的虚警概率p
f亦明显降低。例如，当P
f＝0.1时，相较于基于AND规则的方法，使用NBS协作认知方法获得的数据失效率p
m降低了大约10％。
参阅图6所示，针对不同数目的SU用户，分别使用基于AND规则的方法和NBS协作认知方法获得探测概率p
d，如图6所示，以6个SU用户为例，相较于于基于AND规则的方法，使用NBS协作认知方法获得的探测概率p
d提高了19%。
从上述三个仿真举例可以看出，NBS协作认知方法以两SU用户为一组合对网络环境进行协作认知，在提高了感知数据可信度的基础上，再融合每一组获得的感知数据以获得最终的环境感知结果，因此，相较于基于AND规则的方法，使用NBS协作认知方法获得的环境感知结果的准确性得到了很大程度的提高。
基于上述实施例，在另一种情况下，SU用户之间的两两分组也可以由管理人员预先设定，在这种情况下，SU基站可以直接获取预设的两两分组结果，并通过步骤310中记载的公式计算每一组中各SU用户的数据可信度
![]()
再通过步骤340根据获得的各SU用户的数据可信度
![]()
计算每一组内的两个SU用户进行协作认知时获得的虚警概率和探测概率，接着，通过步骤350合并每一组通过协作认知获得的虚警概率和探测概率，得到最终的环境感知结果，以及根据该环境感知结果对系统内的授权频谱资源进行准确评估。使用这种方法可以达到与步骤300‑步骤350相同的技术效果，在此不再赘述。
另一方面，在上述两个实施例中，第k个SU用户的信号发射功率的门限值通常预设为λ
k，k∈[1,N]，但在实际应用中，第k个SU用户的信号发射功率的实际门限值通常按照
![]()
来衡量，这是因为，在
![]()
中兼顾了数据可信度
![]()
而由
![]()
由第k个SU用户与PU基站之间的距离d
k、该SU用户感知到的PU基站的信号发射功率O
k和路径衰耗α来决定，因此，采用
![]()
作为实际门限值充分考虑了第k个SU用户的移动性，它随着该SU用户的移动而改变，能够充分配合该SU用户当前的性能。
综上所述，本发明实施例中，SU基站对系统内存在的SU用户进行两两分组，并确定分组结果包含的每一组中各SU用户的数据可信度，以及根据该数据可信度，获得每一组基于协作认知获取的环境信息，并对其进行合并以获得最终的环境感知结果；其中，所述数据可信度，与SU用户和PU基站之间的距离成反比，用于调整SU用户获取的环境信息的取值。这样，便充分考虑了SU用户的移动性对其获取的环境信息的影响，提高了SU用户两两组合后基于协作认知获取的环境信息的可信度，在此基础上，再将各组合获取的环境信息进行合并获得最终的环境感知结果，则进一步提升的该环境感知结果的准确性，从而有效地防止了SU用户对PU用户造成干扰，也使得SU基站可以对授权频谱资源的使用情况进行准确评估，进而有效地提升了频谱利用率。
显然，本领域的技术人员可以对本发明中的实施例进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明实施例中的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明中的实施例也意图包含这些改动和变型在内。