基于车辆位置和相关性的协作频谱感知算法.docxVIP

基于车辆位置和相关性的协作频谱感知算法 　　摘要：考虑路径损耗和阴影效应对认知车辆接收信号的影响，提出了一种基于车辆位置和相关性的协作感知算法。所提算法在保证感知性能的同时，尽可能选取较少的感知节点参与协作，接着提出一种介于硬判决融合和软判决融合之间的数据融合方法，参与协作的认知车辆上传2bit的本地感知信息到路侧单元进行线性加权融合判决。仿真结果表明，所提算法与现有频谱感知算法相比有了很好的改进，取得了感知性能和感知开销的折中。 　　关键词：认知车联网;频谱感知;协作节点;数据融合 　　doi：10.3969/j.issn.1006-1010.2019.11.003中图分类号：tn929.5 　　文献标志码：a文章编号：1006-1010（2019）11-0014-07 　　引用格式：齐嘉杰，胡斌杰.基于车辆位置和相关性的协作频谱感知算法[j].移动通信，2019，43（11）：14-20. 　　cooperativespectrumsensingalgorithmbasedonvehiclelocationandcorrelation 　　qijiajie，hubinjie 　　（southchinauniversityoftechnology，guangzhou510640，china） 　　[abstract]consideringtheinfluenceofpathlossandshadoweffectonthereceivedsignalofcognitivevehicles，thispaperproposesacooperativesensingalgorithmbasedonvehiclepositionandcorrelation.whileguaranteeingthesensingperformance，theproposedalgorithmselectsfewersensingnodestoparticipateinthecooperativesensing.then，adatafusionmethodbetweenharddecisionfusionandsoftdecisionfusionisproposed.cognitivevehiclesparticipatinginthecooperativesensingupload2bitlocalsensinginformationtothersusforlinearweightedfusiondecision.thesimulationresultsshowthattheproposedalgorithmoutperformstheexistingspectrumsensingalgorithms，andachievesthetradeoffbetweensensingperformanceandsensingoverhead. 　　[keywords]cr-vanets;spectrumsensing;cooperativenode;datafusion 　　0引言 　　随着人们对出行的安全性、舒适性的要求越来越高，车载自组织网络快速发展。各类车载通信业务的爆发式增长，导致了用于车载自组网通信的无线电频谱资源的匮乏[1]。认知车联网（cr-vanets，cognitiveradioenabledvehicularad-hocnetworks）将认知无线电（cr，cognitiveradio）技术引入到车载自组织网络中。在无线通信系统中，主用户对授权频段具有更高的优先权，次用户可以机会性地接入授权频段中未被主用户充分利用的部分，认知车联网中具有认知功能的车辆即为次用户，也称为认知车辆[2]。认知无线电技术可以为车载通信提供额外的频谱资源，解决频谱资源紧缺的问题。cr认知环节包括环境感知、分析、决策、频谱共享四个环节。其中，频谱感知是cr技术的首要环节，因此，认知车联网中频谱感知技术的研究至关重要，也是本文的主要研究内容。 　　现有的认知车联网频谱感知技术根据参与频谱感知的认知车辆数可分为单节点频谱感知技术与车联网协作感知技术两种。常见的单节点感知技术有能量检测、循环平稳特征检测、匹配滤波器检测等[3]。但由于单个认知车辆节点易受到噪声不确定性、多径阴影衰落和隐藏终端等的影响，检测性能下降，因此，引入了协作频谱感知。协作频谱感知的核心思想是利用多个感知节点的空间多样性来提高感知性能，多个认知用户之间相互协作共享感知信息，充分利用空间分集增益，弥补单个感知节点的不足。协作增益不但能提高感知性能，還能降低单个节点感知灵敏度要求，从而减少硬件成本。因此，