多天线基站认知无线电网络的合作频谱感知技术研究-信号与信息处理专业论文.docxVIP

烟 烟 台 大 学 硕 士 学 位 论 文 烟 烟 台 大 学 硕 士 学 位 论 文 万方数据 万方数据 万方数据 万方数据 摘要 频谱感知技术是认知无线电的关键技术之一，高准确度的频谱感知可以更好的 防止主用户免受干扰，而多天线基站与其周围的感知用户合作可以大幅度改善频谱 感知性能。合作网络可以获得最佳的频谱感知性能，因此，本文重点研究多天线基 站且其周围分布着多个感知用户的认知无线电网络，采用多天线基站与其周围的感 知用户合作，验证这种合作方法的必要性及其可靠性。 论文的内容是研究认知无线电中的频谱感知技术，以平均功率为检测统计量给 出 AWGN 信道中检测概率和虚警概率的解析表达式，由此得出 Rayleigh 衰落信道中 平均检测概率的解析表达式，并分析了在该信道中软融合准则及其混合融合准则的 性能，得到了一系列新的结论。主要研究内容及贡献： 1. 当感知用户将其检测统计量传送到基站（融合中心）与基站中多个天线的检 测统计量合作时，我们称这种融合方法为软融合准则。本文首先分析了该融合方案 在不同感知网络中的性能，接着又与现有文献中的多个感知用户的 OR 准则合作以 及基站中的多天线等增益合作的性能进行了比较。论文仿真分析了上述三种合作的 检测性能，并将其解析表达式及蒙特卡罗仿真结果对比发现：在不同的任何无线电 网络中，软融合准则的频谱感知性能总是最优的。 2. 本文提出了一种新的融合方法，由于报告信道带宽限制，基站周围的每个感 知用户只能将其检测统计量与本地门限值比较做出的判决结果传送到基站（融合中 心），基站将其判决结果量化为软信息（量化功率）再与基站中多个天线的检测统计 量合作做出最终判决，我们称这种融合方法为混合融合准则。本文深入探索了这一 融合准则，分析了这种新的融合方法的性能，得出结论如下结论： （1）当认知无线电网络场景发生变化时，在混合融合准则中，利用纽曼皮尔逊 准则得到的最优本地门限值接近于一个固定值。 （2）在本地门限取最优值的前提下，为了验证混合融合准则的有效性，我们比 较分析混合融合准则、OR 准则合作以及等增益合并三种融合准则的频谱感知性能可 以发现： A. 当基站周围的感知用户数较少时，无论认知无线电网络的信噪比高还是低以 及基站中的天线数多还是少，三种融合准则的频谱感知性能比较，混合融合合作的 I 性能总是最优的； B. 当基站周围的感知用户数较多时，改变认知无线电网络的其他两个参数（信 噪比、基站天线数），混合融合合作的性能依然是最优的；感知用户数越多，混合融 合准则的性能优势越明显。 C．在低信噪比情境下，混合融合准则合作仍然具有较大的性能改善，信噪比越 大性能改善越明显。 （3）在最优本地门限取最优值的前提下，分析不同感知网络下基站天线数对混 合融合准则的频谱感知性能影响我们可知：基站天线数的增加可以改善混合融合准 则合作的频谱感知性能，但是比增加基站周围的感知用户数的性能改善小。 （4）在混合融合准则中，当认知无线电网络参数（信噪比、感知用户数、基站 天线数）发生变化时，首先验证了使得混合融合准则的性能取得最优的本地门限值 接近一个固定值，因此融合中心可以利用这个固定值得到不同判决结果的量化功率， 使得判决结果的量化功率不会随着认知无线电网络参数的变化而变化，从而使得混 合融合方案简单易行。接着再根据传送的各种判决结果的数量和量化功率得到所有 感知用户总的量化功率，最终与基站天线检测的总功率合作得到最终判决结果。 3. 在混合融合中，基站天线只有与利用最优本地门限值量化的功率合作才能得 到最优的混合融合合作检测性能，因此首先需要分析不同认知网络参数对最优本地 门限值的选取有何影响。最后，融合总功率需要与全局门限比较得到最终的判决结 果，所以还需进一步验证感知信道信噪比的变化对全局门限的影响。综合上述两个 结果判断混合融合准则的鲁棒性。得出如下结论： （1）认知无线电网络参数对最优本地门限值的影响： A．当基站天线数和信噪比为定值时，感知用户数不同，最优本地门限值区间大 小不同。感知用户数较少，混合融合合作的最优本地门限区间较小，改变本地门限 值可能对混合准则的性能造成很大的影响。然而，感知用户数多时，曲线比较平稳， 使得混合融合性能最优的本地门限值区间变宽，本地门限值小的改变不会对频谱感 知性能造成太大影响。但是无论感知用户数多还是少，最优本地门限的区间中值都 在 1.14 左右。 B. 当感知用户数和信噪比一定时，频谱感知网络中的基站天线数的变化对最优 本地门限的区间大小影响很小，所有区间中值也都在 1.14 附近。 C. 当感知用户数和基站天线数一定时，频谱感知网络中的信噪比越大，最优本 II 地门限值的区间范围越大，不同信噪比下的最优本地门限区间中值仍为 1.14。