噪声功率不确定有界条件下的动态双门限协作频谱感知方法

《Electronics》：A Dynamic Dual-Threshold Cooperative Spectrum Sensing Method Under Noise Power Uncertainty

　　

能量检测因其所需主信号先验信息少而被广泛用于协作频谱感知(CSS)，但其性能对节点相关噪声功率及信噪比(SNR)敏感。研究人员提出了一种有界噪声功率不确定下的动态双门限方法。对于每个感知节点，在空闲与占用假设下对本地能量统计量建模，并在乘法区间内的每个容许噪声功率值处评估贝叶斯最优单侧门限。下门限与上门限定为这些候选门限的最小值与最大值。区间外的观测作为1比特硬判决传输，而不确定区域内的观测经归一化、均匀量化后，在融合中心通过等增益融合(EGF)进行合并。在匹配全局虚警概率下的受控仿真表明，校准良好的固定双门限基准在其设计点附近具有竞争力，而随着不确定度水平增加，节点特定的动态自适应变得有利。不确定区域报告概率随不确定界增大而上升，使鲁棒性–报告权衡显性化。结果支持了在中度或较大噪声功率不确定下的动态门限自适应，并阐明了其关联的通信开销。

该研究发表于《Electronics》。研究背景方面，复杂电磁环境下可靠频谱占用信息是抗干扰通信、动态频谱接入与自适应频谱资源分配的前提。按接收机数量，频谱感知可分单节点与多节点协作实现，协作频谱感知(CSS)因结合空间分离节点观测，比单节点感知更能抗深度衰落、阴影与局部干扰。匹配滤波与循环平稳特征检测在有主信号详先验时可强区分，能量检测计算复杂度低且无需调制格式与波形结构知识，具实用吸引力，但其主要局限是对噪声功率不确定敏感：噪声功率低估致门限过低虚警增，高估致门限过高漏检增。虽有混合特征能量检测与自适应噪声功率估计研究缓解此问题，但或需额外信号结构或依赖辅助估计器可靠性。双门限感知在下门限与上门限间引入不确定区域，区域外观测转本地硬判决，区域内观测送融合中心进一步处理，信噪比加权、Dempster–Shafer证据融合与分段报告策略可改进不确定观测利用，但许多现有方案仍对所有节点用相同或离线固定门限，难用于大或复杂电磁环境，因感知节点经历不同衰落、干扰、多径与噪声条件，固定门限对部分节点过高、部分过低。故研究人员开展此项研究，聚焦从完整有界本地噪声功率范围构建节点特定门限区间并量化关联感知–报告权衡。

主要关键技术方法方面，研究人员采用集中式CSS架构，每感知周期节点从保护间隔、验证空闲子带或独立可用纯噪声观测取参考噪声样本估计本地噪声功率，将dB不确定界转为线性乘性不确定因子得容许本地噪声功率区间；对该区间每候选噪声功率，用成本加权贝叶斯风险导出的贝叶斯最优单侧门限候选集与极限判决规则，取下界与上界构动态双门限包络；本地能量轴分三区，低于下限发空闲硬报告、高于上限发占用硬报告、区内能量归一化后经q比特均匀中点量化发不确定区域报告；融合中心用等增益融合(EGF)或独立报告擦除下按接收集归一化融合，依全局门限做决策；阈值每感知周期更新一次，不确定性区间用N_grid均匀间隔候选噪声功率值评估，数值实验用MATLAB R2023b进行。

研究结果部分保留小标题说明如下。

1. 协作频谱感知框架：研究人员阐述CSS含集中式、分布式与中继辅助拓扑，选集中式因强调快速感知与动态门限自适应，报告阶段用正交数字资源建模，主感知曲线假定报告正确接收；每感知周期内节点用能量检测测电磁环境，节点i比能量统计量与本地双门限，低于下限发空闲硬报告、高于上限发占用硬报告、区内归一化量化后传，融合中心平均接收报告做全局频谱决策并广播，门限对每感知周期用当前本地决策前信息更新；问题表述指出单门限近门限观测易受噪声功率波动劣化，双门限减此风险，全节点同固定门限简但自适应不足，广域传感网节点SNR因位置、干扰分布、信道衰落与多径传播差异大，故门限应节点特定并随本地电磁环境变，问题是从有界噪声功率区间构节点特定上下门限并通过不确定区域概率与期望载荷量化报告负担。

2. 动态双门限设计：含能量统计与概率模型，设CSS网有K个感知节点，节点i每感知窗采N个实值基带样，二元观测模型为H₀表空闲目标频带、H₁表占用目标频带，噪声为零均值高斯变量方差σ²_n,i，h_i为一感知窗信道系数，s_k,i为待检测信号，归一化本地能量统计量按式(3)定义，平均接收信号功率与线性信噪比(SNR)按式(4)，N大时中心极限定理给出本地能量统计量在高斯近似下H₀与H₁的式(5)(6)，用标准正态累积分布函数Φ与概率密度函数φ及Φ^c=1?Φ，单门限γ_i下虚警与检测概率按式(7)，漏检概率按式(8)。贝叶斯单门限基准中，设先验概率π₀、π₁，成本C₀₀、C₁₀、C₀₁、C₁₁，单门限检测器成本加权贝叶斯风险按式(9)，对γ_i微分得式(10)，置零消去高斯密度公因子并取自然对数得式(11)，化为二次形式式(12)含系数式(13)(14)；因H₀与H₁下条件方差一般不同，风险非负实线上非全局凸，故收集所有非负实驻点与两极限判决规则入候选集式(15)，零门限近乎恒判H₁风险π₀C₁₀+π₁C₁₁，门限趋无穷恒判H₀风险π₀C₀₀+π₁C₀₁，最小可达单门限风险按式(16)；若有有限候选达此最小记为γ^*(σ²_n,i)，否则用对应极限判决规则，此处贝叶斯最优指指定容许噪声功率下单侧门限，双门限包络非宣称完整协作网全局最优。周期参数更新与噪声功率不确定中，感知周期t初节点i从N_ref参考噪声样本按式(17)估计本地噪声功率，节点特定设计信号功率P_s,i^design独立于当前决策获，噪声功率不确定界Δ_dB时乘性不确定因子按式(18)，容许本地噪声功率区间按式(19)，每候选噪声功率σ²_n,i∈[σ²_n,i,min,σ^{2_n,i,max]用线性SNR按式(20)。动态双门限包络中，每容许σ2_n,i用式(9)风险评贝叶斯最优单侧门限γ*(σ2_n,i)，考虑所有非负驻点与两极限规则，动态上下门限定义为完整不确定区间上候选门限包络式(22)，不确定区域概率与报告需求分别按式(23)(24)评估。}

3. 本地报告与融合中心决策：有限比特三区报告中，本地能量轴分三区，低于下限按式(25)发空闲硬报告；对u∈[0,1]，q比特均匀中点量化器定义后，不确定区域内能量值按式(26)归一化报告；高于上限按式(27)发占用硬报告；受控数值实验用q=4比特，增q减量化误但增传比特数，不改式(22)门限定义。等增益融合与报告负载中，融中心收K_recv个成功本地报告用等增益统计量式(28)，选全局门限γ_global满足需工作点，决策规则式(29)；若报告独立擦除，用接收集R_t按式(30)用接收集大小归一化，防仅因报告缺失致融合统计量确定降，但接收集小减协作分集增益，若K_recv=0则该周期不发全局感知决策，观测相关失效需联合感知–报告模型；硬报告用b_hard比特、不确定报告用b_unc比特，节点i期望载荷按式(31)，示例4比特不确定值加1比特报告类型字段时b_hard=1、b_unc=5，按式(32)。算法步骤与复杂度中，步骤1为感知周期初每节点从参考噪声样本估噪声功率并独立获设计信号功率；步骤2将dB不确定界转为式(19)线性区间；步骤3在容许区间评贝叶斯最优候选门限并用式(22)包络定本地门限对；步骤4按式(25)–(27)发空闲硬报告、q比特不确定区域报告或占用硬报告；步骤5融中心评式(28)或独立擦除下式(30)并应用式(29)全局决策；本地能量统计需O(N)操作每节点，不确定区间评N_grid候选噪声功率值时门限更新需O(N_grid)次单门限基准评估，融合阶需O(K)，受控实验用N_grid=200均匀间隔候选噪声功率值，门限对每感知周期更新一次，快于此更新率的环境或致参数信息陈旧不在验证内。

4. 仿真结果与讨论：含不同SNR条件下ROC性能，图2示多SNR下接收者操作特征曲线，有效SNR增时给定虚警概率下检测器达更高检测概率，低SNR时条件能量分布重叠更强同虚警约束下检测概率更低。检测概率比较中，图3比所提法与文献[9]单门限检测器、文献[12]双门限硬合并法检测概率，表1设置下所提曲线在大部分检SNR范围高于两参考曲线，此SNR扫描仅在所述信道与报告假设下解释，匹配受控比较标准化随机样本、全局虚警概率与基线校准在4.4节提供。虚警概率比较中，图4比对应虚警概率，表1设置下动态门限曲线三绘法中最低，此观察具设置特定性，4.4节分开检动态自适应相对校准良好固定双门限规则效应。受控不确定敏感与竞争比较中，为隔离有界噪声功率不确定，受控实验用K=6节点、N=1024实值样每感知窗、每假设下每网络实现10000蒙特卡洛试验、12独立网络实现，跨节点长期信号与噪声功率对数正态扩散分别为4 dB与2 dB（dB尺度标准差），噪声功率重标使每网络实现节点SNR算术均恰为?12 dB，估计噪声功率生为σ?²_n,i=σ²_n,i·10^ε_i/10，ε_i～Uniform(?Δ_dB,Δ_dB) in dB，先验与成本π₀=π₁=0.5、C₀₀=C₁₁=0、C₁₀=1、C₀₁=λ≥1，门限包络在完整容许区间[σ²_n,i,min,σ²_n,i,max]用N_grid=200均匀间隔候选噪声功率值评估，所有数值仿真用MATLAB R2023b；所有比较法用相同节点实现、能量样本与噪声估计误差样本，噪声归一化固定双门限基准用归一化对(0.7801, 1.5269)在SNR=?12 dB与Δ_dB=1.5 dB设计一次、按每节点本地噪声估计缩放并固定跨不确定扫描，目标全局虚警概率P_f=0.20，有限节点融合统计量离散时在选门限质量点用随机化，图5比检测概率与不确定区域报告概率，表2总结受控设置；图5a示三法随不确定界增大均劣化，固定双门限基准在Δ_dB=0.5 dB与Δ_dB=1.0 dB近其校准工作区最优，节点特定法约从Δ_dB=1.5 dB起更优，所提法在整个测试范围高于自适应单门限基准，图5误差条示95% Student-t置信区间，五不确定点上置信区间半宽所提法0.0033–0.0084、固定双门限基准0.0051–0.0074、自适应单门限基准0.0037–0.0081；图5b示P_u从约0.322增至0.809，表明对噪声功率失配更大容忍伴更高报告需求，此受控实验仅变噪声功率估计误差，图5不含独立报告擦除，虽式(30)允接收集融合但接收集缩减排协作分集增益，设计信号功率参考偏差、结构化或非高斯干扰、相关阴影、观测相关报告丢失与快于一感知周期环境变化未分别评估。

总结讨论部分与研究结论翻译：研究人员在结论中指出，本文提出了有界噪声功率不确定下协作能量检测的动态双门限框架，对每容许噪声功率评估贝叶斯最优单侧门限，上下门限定义为这些候选门限包络；均匀有限比特中点量化器与等增益融合(EGF)合并1比特硬报告与不确定区域观测，同时用P_u与期望载荷表征报告需求；受控结果表明校准良好固定双门限规则在其设计点附近仍有竞争力，而节点特定动态自适应在中度或较大不确定下变有利，P_u增加使鲁棒性–报告权衡显性化；独立报告擦除可通过接收集归一化处理，但随着可用报告减少会降低协作分限增益；未来工作应检验设计信号功率参考偏差、结构化或非高斯干扰、相关阴影、观测相关报告失效、更快时变与空中实现。

要不要我帮你把这篇论文解读里的关键公式和算法步骤整理成更简洁的要点笔记，方便你快速回顾核心内容？