基于分簇的协作频谱感知算法.docVIP

基于分簇的协作频谱感知算法 　　摘 要：为提高频谱感知的检测性能，提出一种改进式分簇协作感知方法。在簇内采用最优K-N准则融合每个簇内节点的本地感知结果，在簇间采用指数加权算法融合簇头的判决信息作出最终的判决结果。理论分析和仿真验证表明，相比传统的分簇协作感知算法，改进式分簇协作感知算法可以获得更优的感知性能。 　　关键词：协作感知；分簇；最优K-N准则；指数加权 　　传统分簇协作感知方法[1]忽略了不同的感知节点在不同位置时对融合中心的贡献不同的问题。文中提出一种改进式分簇协作感知算法，在簇内采用最优K-N准则进行融合[2]，在簇间根据簇头节点接收信噪比的不同，对感知结果分配不同的权值来进一步提高最终的感知性能。 　　1 簇间感知算法的改进 　　不同簇的簇头节点接收信噪比不同，若以相同的权重融合不同感知结果，不仅不会突出高信噪比环境的感知优势，而且会加大低信噪比环境对整体感知性能的影响[3]。基于此，提出一种指数加权因子来动态调整不同感知用户对全局感知性能的贡献，降低低信噪比对用户的协作感知性能的恶劣影响，提高全局感知性能。假设N个簇头用户的信噪比分别为：SNR1，SNR2，SNR3，…，SNRN，则第i个簇头用户的权系数为： 　　（1） 　　式中E为指数的底数，N为分簇的个数，权系数故指数加权的全局虚警概率Qf、全局检测概率Qd以及全局漏检概率Qm分别为：