认知无线电验证平台场景设计2008-11-14赵琳陈翼翼目录一、系统结构图 (3)二、系统基本背景介绍 (3)三、缩略语说明 (4)四、场景案例设计 (4)1.CR001：全频段内不存在PU时，SU接入核心网 (4)2.CR002：全频段内不存在PU时，SU间进行网内通信 (5)3.CR003：仅某几个子信道存在PU时，SU接入核心网 (5)4.CR004：仅某几个子信道存在PU时，SU间进行网内通信 (6)5.CR005：全频段内存在PU时，SU不能进行通信 (7)6.CR006：全频段内不存在PU时，某SU伪装成PU占用某几个子信道 (7)7.CR007：全频段内不存在PU时，某SU伪装成PU占用全频段 (8)8.CR008：仅某几个子信道存在PU时，系统未检出，但SUBS执行的信道分配策略不会对通信造成干扰 (9)9.CR009：仅某几个子信道存在PU时，系统未检出，且SUBS执行的信道分配策略会对通信造成干扰 (10)10.CR010：SU占用某几个信道时，PU强行接入 (11)11.CR011：SU占用某几个信道时，PU退避接入 (11)12.CR012：比较不同检测方法 (12)13.CR013：比较不同合并算法 (13)五、附录 (14)1.利用峰均功率比的增强型能量检测法 (14)2.合并算法介绍 (15)2.1结果合并模型的背景介绍 (15)2.2不同的结果合并模型 (15)2.3模型比较及优缺点分析 (17)一、系统结构图图1 系统结构图二、系统基本背景介绍1.该系统内存在2个主要用户（PU）。

PU编号为PU0~PU1。

2.该系统内存在1个次级用户基站（SUBS），3个次级用户（SU）。

SU编号为SU0~SU2，都具有感知功能，并且均可采用不同的频谱检测方法进行检测。

3.在广播电视频段54~862MHz上选取20MHz。

设定该系统工作在这20MHz的频段内。

将整个频段划分为40个500KHz的子信道（SCH），编号为0~39。

4.采用集中式的结构，1个SUBS管理所有的SU。

SUBS具有绝对管理权，即SUBS控制SU的频谱检测、接入空闲频段等一切操作。

5.SUBS维持一个子信道可用性分类的可见表格。

这个功能表中，将子信道按可用状态分类，比如被占用（如正在传输PU信号）、可用（可被SU用户占用）、禁止使用（不能被使用）等。

6.BS接入核心网（CN）。

SU可以通过SUBS接入CN进行网间通信。

网间通信包括语音、图像、视频等业务。

7.SU之间可以通过SUBS的中转实现网内通信，但SU之间不能直接进行通信。

网内通信包括语音、图像、视频等业务。

8.存在一个静默期，划分为检测期和上报期。

在检测期内，SUBS控制SU进行频谱检测；在上报期内，SU向SUBS上报检测结果。

[猜想]9.基本场景中，SU采用能量检测法进行频谱检测。

SUBS采用K秩准则进行结果合并。

有关不同检测算法、合并算法的比较均在扩展场景中进行。

三、缩略语说明四、场景案例设计1.CR001：全频段内不存在PU时，SU接入核心网2.CR002：全频段内不存在PU时，SU间进行网内通信3.CR003：仅某几个子信道存在PU时，SU接入核心网4.CR004：仅某几个子信道存在PU时，SU间进行网内通信5.CR005：全频段内存在PU时，SU不能进行通信6.CR006：全频段内不存在PU时，某SU伪装成PU占用某几个子信道7.CR007：全频段内不存在PU时，某SU伪装成PU占用全频段8.CR008：仅某几个子信道存在PU时，系统未检出，但SUBS执行的信道分配策略不会对通信造成干扰9.CR009：仅某几个子信道存在PU时，系统未检出，且SUBS执行的信道分配策略会对通信造成干扰10.C R010：SU占用某几个信道时，PU强行接入11.C R011：SU占用某几个信道时，PU退避接入12.C R012：比较不同检测方法13.C R013：比较不同合并算法五、附录1.利用峰均功率比的增强型能量检测法基本的能量检测法最明显的缺点就是只能判定是否存在PU，不能区别不同PU的类型。

增强型能量检测法可以区别带内PU的类别。

将常规的能量检测法作为中间步骤，用以有效检测是否存在PU。

接着利用增强型能量检测算法将噪声和不同的PU分类。

结构如下：图2 增强型能量检测结构图总体流程：首先进行基本能量检测。

如果估计能量小于阈值，则声明PU不存在，开始准备进入下一个检测周期。

如果估计能量大于阈值，则利用增强型能量检测算法来区别不同的PU。

增强型能量检测依据：噪声和不同PU在带内具有不同的峰均功率比值。

增强型能量检测算法流程如下：图3 增强型能量检测算法流程图2. 合并算法介绍2.1结果合并模型的背景介绍将频谱检测结果看做是一个二元假设检验问题：0H ：不存在PU ，1H ：存在PU 。

两个假设先验概率分别为00)(P H P =、11)(P H P =。

假设有n 个检测器（SU ）。

每个检测器的观测结果为i y 且是独立的，条件概率为)|(j i H y p 。

每个检测器进行本地检测、判决，利用判决规则)(j i y g 做出决策：⎩⎨⎧+-=•H H u i 10,1,1 本地检测器的虚警概率I F P ，误检概率I M P 。

本地检测判决结束后，每个SU 将检测结果i u 传递给SUBS ，即Data Fusion Center 。

Data Fusion Center 根据每个SU 的i u 做出判决，判决函数：),,(21n u u u f u =示意图如下：图4 SUBS 合并结果示意图2.2不同的结果合并模型AND 模型：⎩⎨⎧++-=1,1,1均为当且仅当所有i u otherwiseuOR 模型：⎩⎨⎧+--=otherwise u u i ,11,1均为当且仅当所有K OUT OF N 模型：⎩⎨⎧+=+-=1,1,1i u K SU n otherwiseu 个中至少有个Optimal Data Fusion 模型：由于：⎩⎨⎧-<-->-0001110011,)()|()()|(,)()|()()|(H then •H P H u P H P H u P if H then •H P H u P H P H u P if因此：⎪⎪⎩⎪⎪⎨⎧->-->-0100111001,)|()|(,)|()|(H then P P H u P H u P if H then P P H u P H u P if利用Bayes 公式展开，可得：)|()|()()|()()|(),(),()|()|(010*******u H P u H P u P u H P u P u H P H u P H u P P H u P P H u P ===所以有：⎪⎪⎩⎪⎪⎨⎧-<-->-001101,1)|()|(,1)|()|(H then u H P u H P if H then u H P u H P if ====》》》⎪⎪⎩⎪⎪⎨⎧-<-->-001101,0])|()|(log[,0])|()|(log[H then u H P u H P if H then u H P u H P if给出定理：∑∑-+-+-+=S F M S F M ii i i P P P P P P u H P u H P 1log1log log ])|()|(log[0101 其中+S 表示所有判决1+=i u 的SU ，-S 表示所有判决1-=i u 的SU 。

证明： ∏∏-+-=⋅+===S i S i H u P H u P u P Pu P u H P u H P )|1()|1()()(),()|(11111 ∏∏-+⋅-=S M S M i i P P u P P )1()(1同理有： ∏∏-+-=⋅+===S i S i H u P H u P u P Pu P u H P u H P )|1()|1()()(),()|(00000∏∏-+-⋅=S F S F i i P P u P P )1()(0证毕。

由此给出Optimal Data Fusion 模型：⎪⎩⎪⎨⎧>++-==∑=]0[,1,1),,(1021n i i i n u a a if otherwise u u u f u 每个SU 的合并权数如下：010log P P a =；]1[1log +=-=i F M i u P P a i i ；]1[1log -=-=i M F i u P P a i i 。

示意图如下：图5 Optimal Data Fusion 合并算法示意图2.3模型比较及优缺点分析1. AND 、OR 模型最简单，但精确度较低。

二者侧重点也有所不同。

AND 模型侧重保护SU ，OR 模型侧重保护PU 。

2. K OUT OF N 模型精确度稍高，但K 的设定存在一定主观性。

3. Optimal Data Fusion 模型精确度高，但算法较复杂，且需知道假设的先验概率，SU 传递给BS 的信息除包含自己的判决结果外，还需传递自己的虚警概率和误检概率。