基于快速独立成分分析的高效合作频谱感知方法.pdfVIP

20 传 感 器 与 微 系 统 第31卷 感知以分离主次用户的混合信号。文献[5，6]分别将基于 权频带中产生 了主次用户信号的混合。单个感知节点的 全局最优特性和最大化信噪比的盲源分离算法引入频谱感 2根天线在第k个采样接收到的信号可以分别表示为 知，然而所考虑的应用场景局限于授权频段只存在主用户 r1[k]= 11s1[k]+^l2s2[k]+n1[k] 的情形，且算法的感知性能不高。本文将采用一种鲁棒的 【[k]=^21s。[k]+22s2[k]+n2[k] 快速独立成分分析 (fastICA)来分离感知过程中产生的 其中 h，(，=1，2)为从第 个源信号到第 i个接收天 混合信号。在获得对源信号估计的基础上，提出一种基于 线的信道增益，s为主用户信号。以上表达式可以用矩阵 近似负熵的判决准则以实现对主用户的可靠检测。 简洁地表示为 合作频谱感知能够利用认知用户的空间分集有效地提 = HS+Ⅳ ． (3) 高衰落信道下的感知性能。为此，本文将上述基于盲源分 单个感知节点使用盲源分离方法从观测到的混合信号 离的单节点感知算法拓展为一种加权的合作感知算法。该 中估计出源信号s以对主用户是否存在做出判决，多个 算法利用从盲源分离中估计的信道传输矩阵，按照各个次 节点在融合中心的统一调度下实现合作频谱感知。 用户的检测可靠度来实现融合中心的加权合并。为了降低 2 基于盲源分离的单节点频谱感知 合作中的感知信息传输开销和检测延时，提出一种选择合 在此，假定观测信号是源信号的线性瞬时混叠，如 作频谱感知的方法，根据次用户的感知可靠度，分布式地 自 式(3)所示。盲源分离的目标是寻找一个分离矩阵w作用 主选择感知可靠度高的节点进行融合，舍弃不可靠节点。 于观测信号x来获得对源信号s的估计y 1 系统模型 Y=WX=W(邯 +Ⅳ)． (4) 一 个实际的合作感知网络由Ⅳ个次用户和1个融合中 最常使用的盲源分离算法是ICA。该方法要求所有源 心构成，如图1所示。每个次用户在本地完成频谱感知并 信号s统计独立，最多只有一个源信号服从高斯分布且混 将感知结果发送到融合中心进行合并，最终完成对主用户 合矩阵 日列满秩 。考虑本文的研究场景，主用户与次用 存在与否的判决。 户信号处于不同的位置和无线电磁环境中，且为数字调制 ／ … 的信号，服从亚高斯的分布，因此，以上假定条件是满足的。 ICA通过寻找分离矩阵w，使得输出的估计信号 y尽可能 ／西 的相互统计独立。该目标可以通过极大化输出信号的非高 白 斯性来达到。尽管峭度是随机变量非高斯性的一个 自然度 量，然而峭度对于野值 比较敏感 ，从而导致算法的鲁棒性不 强。因此 ，采用近似负熵作为输 出信号的非高斯性的度 图1 实际的合作频谱感知系统 量 Fig 1 Practicalsystem ofcooperativespectrum sensing 考虑以下场景，若当前目标频谱检测为空闲，则次用户 J(y)={E[C(y)]一E[G()]