文摘
multiantenna技术的广泛研究,波束形成(BF)将扮演重要的角色在未来通信系统由于其高传输增益和令人满意的方向性。如果我们能检测到非合作梁,具有重要意义反侦察、multiantenna发射器波束跟踪和频谱感知。探讨了无线传感器网络(网络),用于检测未知的非合作信号。为了感知信号的存在没有信息之前,我们首先推导出基于传感器的探测概率接收信号强度(RSS)。然后,基于强大的光束信号的方向性,提出一种改进的”k排名”融合算法通过共同开发能源检测(ED)信息和位置信息的传感器。最后,梁检测的性能不同的融合算法是模拟相比,我们发现我们的算法显示更好的探测概率和较低的错误概率。仿真结果验证了该算法的正确性和有效性。
1。介绍
1.1。背景和动机
第六代(6克)的移动通信系统提出了更高的要求,系统容量,传输速度和安全(1- - - - - -4]。波束形成技术使用空间增益来满足增加系统容量的需求已成为一个主要趋势,有限的精力关注一个特定的方向传输(5,6]。近年来被广泛研究的不同的技术:毫米波(mmWave) [6- - - - - -8),大规模的多输入多输出(MIMO) [9),非正交的多路访问(诺)10,11),卫星通信(12),车载通信(13),设备间网络(D2D) (14,15)等。
毫米波通信被认为是一个有前途的5 g网络技术。30 - 300 GHz的频率是一个新的移动通信领域,它提供了一个更大的带宽和获得进一步的好处通过多元素天线阵列的波束形成和空间复用(7]。大规模分布式天线是一种新的技术挑战性的系统,和它的主要特点是大量的通信基站天线与用户通过波束形成技术(9]。通过使用64 qam信号,巨大的米姆毫米波收发器基于波束形成可以达到一个稳定的5.3 Gb / s吞吐量为单个用户在快速变化的环境中(16]。在车辆通信中,波束形成技术是结合毫米波支持大规模汽车传感(13]。在雷达应用,大型广播数组用于波束形成获得增强雷达性能(17]。作者还研究了这些数组的应用程序从能源和成本效益的角度促进新应用程序(9,18]。除了上面的应用程序中,波束形成常用于检测、定向通信(19- - - - - -21),智能天线表面(22),和隐蔽通信23]。
然而,大多数研究的重点是结合毫米波的波束形成,大规模的分布式天线,和其他技术来提高传输容量,减少干扰。出于这个事实,如果我们可以检测multiantenna光束信号通过网络将带来以下好处,首先,它可以更好地服务multiantenna主用户的频谱感知的二级用户在认知无线电(24]。然后,通过检测未知的光束信号,我们可以保护重要目标不被发现。同时,检测光束信号,获得尽可能多的信息是非常重要的对于multiantenna波束跟踪(15,25]。
1.2。相关工作
无线传感器网络使用大量的微型传感器进行实时监控计算节点通过自组织网络协作、感知和采集各种环境或信息检测信号(26]。近年来,随着无线通信技术的快速发展和电子设备技术的发展和广泛应用的低成本、低功耗、多功能的无线传感器已成为可能。网络被用于战场监控、环境感知、搜索和救援(26,27)等。
波束形成,也称为空间过滤,是一种信号处理技术,显示潜力大大提高用户的吞吐量,提高光谱和能源效率,提高移动网络的容量在mmWave频带大规模天线阵列(6,28]。许多学者进行了波束形成技术的研究和应用。例如,张(29日]介绍了波束形成技术的进步和优势。徐et al。30.)提出了波束形成方案提高陆地蜂窝网络的无线信息传输和卫星网络。快速波束对准算法是追究mmWave通信(31日]。刘(32)波束形成技术应用于认知无线电合作频谱检测更好的检测性能。作者研究了波束形成的应用程序之间共享的毫米波频段卫星和高级平台网络,如何更好地设计梁下不完整的信道状态信息(12]。作者研究了资源分配设计细胞大规模物联网(物联网)基于诺玛和协调最初有害cochannel干涉质量通过空间波束形成(10,33]。Yu et al。34]研究了定向天线阵列的影响分析毫米波网络覆盖。
从上面可以看出,multiantenna未来会有更多用于通信、和波束形成技术将在以后的交流中扮演着重要的角色。然而,这些研究结果都是关于如何提高沟通的能力和速度通过波束形成技术。同时,作者认为分布式检测问题,也就是说,传感器传输其本地决定通过一个完全了解无线信道(35]。分布式事件检测的问题在拜占庭攻击被认为是在36]。检测融合的理论性能分析基于条件的依赖和独立的地方决策是派生(37]。网络的分布式检测多个接收天线衰落通道下研究[38]。然而,很少有研究对如何感知一个波束形成的信号。依照事实非合作信号特点,传感器不工作没有梁覆盖率和缺乏先验信息。不同于先前的研究检测全向信号(39- - - - - -41),很难检测狭窄和定向光束通过单一传感器前面的检测方法,我们提出一个基于网络的非合作光束信号检测方案。
1.3。贡献
总结了本文的主要贡献如下:(我)我们构建一个未知的非合作信号感知场景中检测光束信号缺乏先验知识通过部署大量的传感器网络。(2)基于通用ED框架,我们得到给定虚警概率下的探测概率表达式,提出“k排名”融合算法通过共同利用教育信息和位置信息的传感器。(3)来验证该算法的检测性能在梁的场景,我们提供了一些仿真结果证明了该算法的有效性。此外,我们讨论不同参数对检测性能的影响。
本文的其余部分组织如下。节2,给出了系统模型和能量探测概率推导基于传感器接收到的信号强度。节3,我们简要介绍了融合规则。我们提出一种改进的”k基于距离的排名”算法选择部分4。仿真结果和分析提供了部分5。最后,我们总结论文部分6。
1.4。符号
为了方便起见,我们用小写和大写粗体字母代表向量和矩阵,分别。所使用的关键符号总结如表1。
2。系统模型
我们考虑一个系统网络模型,用于感知束非合作信号,如图1。假设一个未知multiantenna发射机(配备米天线)传送一个平面静态束信号通过波束形成技术。无线传感器网络是由N均匀分布的传感器,J传感器覆盖范围内的光束信号。传感器通常是一个微型的嵌入式系统,它有能力感知物理环境数据和过程数据,但其处理能力、存储能力和通信能力相对有限。我们假设融合中心(FC)知道传感器的位置信息通过交换信息。
接收到的信号强度我- - - - - -th传感器可以表现为以下梁信号传播模型: 在哪里指的是结合波束形成增益之间的联系我th传感器和未知multiantenna发射机,是未知multi-antenna发射机的发射功率, 功率衰减系数,c是光速,之间的距离吗我th传感器和未知multiantenna发射机。
根据信号是否在波束覆盖,接收到的信号 在哪里 由辐射源发出的信号和信号方差是什么 , 和 的信道矩阵束源(米天线)传感器在光束,光束,而不是分别;光束信号被表示为 在哪里 是光束偏移向量和满足 和u是编码信号。
一个二进制假设的模型我th传感器建模为 在哪里 , 样品的数量,信道矩阵,假定传输信号通过加性高斯白噪声(AWGN)信道,所以呢 。
束非合作信号,能量检测算法(42)可以方便地检测到没有先验信息。比较传感器的接收信号的能量价值在一段预设阈值来判断是否存在目标信号(43]。当采集信号样本的数量在每个采样周期足够大,根据中心极限定理,测试数据大约是正态分布。信号能量的值的分布我th传感器采样周期T表示为 在哪里收到的信号强度吗我传感器,由公式(1),噪声功率。
然后,检测概率和虚警概率可以表示为 在哪里 是广义Marcum问函数。
在给定的恒虚警概率 ,能量检测阈值可以获得的
因此,检测概率可以表示为
3所示。无线传感器网络的融合规则
无线传感器网络的融合规则也被称为多传感器数据融合技术,优化和合并多个传感器获取的遥感数据更准确、完整的预测或判断比单一传感器数据。主要有两种信号处理方法在无线传感器网络中。
首先,所有信号被传输到中央处理器进行处理。必须没有信号延迟或信号传输过程中延迟容忍。因为要处理大量的信息,带宽需求相对较高。第二信号处理方法是分布式信号处理,即信号的预处理可以在传感器完成,只有传感器需要的决策结果提交给融合中心的融合。通过这种方式,它需要最少的数据通信和传输带宽的要求也最低。此外,因为俱乐部的结果来自多个节点的最优合成初步判断,它几乎没有依赖单一传感器和FC的处理成本非常低。系统具有较强的抗干扰能力和优秀的数据处理的灵活性。
由于数据结果融合是一个融合技术为特定的决策问题,它通常是用来直接获取当前问题的决策结果,所以融合算法的性能将直接影响最终的检测性能。如图2,能量检测的传感器提交量化判断结果融合中心,只关心信号是否存在,那么在这里讨论的是一种二进制0或1。融合中心接收感知结果的示意图如图所示3。
融合规则可以分为”和“融合”或“融合,以及“k排名”融合。
”和“融合:当所有传感器信号的判决结果存在,融合中心的最终判决是,信号存在。只要一个传感器确定信号不存在,融合中心的最终结果是,信号不存在。合作感知算法的优势的基础上”和“融合准则,最后假警报概率很低比单一传感器感知,但是价格是减少探测概率。
”或“融合:只要一个传感器信号存在法官,可以认为信号存在。只有当所有的传感器确定信号不存在,融合中心终于可以确定信号不存在。合作感知算法基于”或“融合准则比单一传感器传感探测概率更高,因为在这个方法可以考虑,只要有信号存在一个传感器来确定主用户的存在,和判断条件相对宽松。但其缺点也很明显,即假警报的概率会很高。
”k排名”融合:融合中心设置一个阈值决定k至少,如果有k传感器的N融合中心的传感器,可以确定信号的存在。否则,融合中心将确定信号不存在。可以看出,与其他两个融合规则相比,“k排名”融合有更好的应用程序空间。
4所示。提出了“K基于距离的排名”算法的选择
在融合中心接收来自传感器的信息,这将使一个融合决定根据一些标准。”k排名”融合规则融合决策是基于每个传感器感知结果发送的,也就是说,至少当k传感器的N传感器检测信号的存在,信号判断存在。根据“k排名”融合规则,全球探测概率和全球虚惊概率的最终判决结果可以表示为
当k= 1,k=N,“k排名”融合规则转化为”或“融合规则和”和“融合规则。根据m·施瓦茨的研究(44),最优k的N传感器大约是 。此外,有一个投票权的算法k=N/ 2更常用。
为了描述检测传感器网络的性能更好,我们引入的误差概率来表示系统的感知性能。概率误差主要由两部分组成:一个是概率,这意味着有一个信号但结果判定为缺席。的概率是其他的意思是没有信号的,但结果是被认为是一个信号。它是专门为表达
根据理解的”k排名”算法在光束信号感知场景中,我们发现只有传感器内部和周围的波束覆盖最有助于网络的检测性能,在梁内传感器不覆盖或远离梁传感区域贡献有限。如果我们直接申请”k排名”融合算法检测决策基于所有传感器(N),它肯定会影响检测性能。因此,针对光束信号的传感特性,“k排名”融合算法提出了基于距离的选择,以找到最优 。
我们假设的位置信息每个传感器以交换信息融合中心,和任意两个传感器之间的距离(我th传感器和jth传感器)
我们构建一个邻居节点通过图书馆找到的最近的邻居节点我th传感器;表示为
我们构建一个传感节点的库我th传感器大于检测阈值;表示为
因为光束的方向信号很明显,为了确定传感器检测信号集中在光束信号,而不是分散随机分布,我们比较之间的最小距离传感器的传感节点库和最小的距离传感器距离库 。信息应该满足的距离
主要步骤总结如下:第一,计算每个传感器的邻近点形成最近的图书馆 。第二,发现传感器感知的结果 ,并将传感器与邻国库一起到传感节点库 。最后,使用这是传感器的数量 ,而不是原始的N为“k排名”融合。因此,k的融合
中所示的特定算法的算法1。
5。仿真结果
本节提供仿真结果束信号的感知对检测算法的性能进行评估。仿真参数(45)设置如表所示2。
数据4和5检查非合作光束的光束模式信息(0°−180°)。线性阵列(米= 8天线)形成一个光束信号指向45°方向,光束偏移向量= (0.593 + 0.805,0.282 - 0.959我−0.934 + 0.357我,0.850 + 0.527我0.850 - 0.527我,−0.934 - -0.357我−0.734 + 0.679我,0.985 + 0.173我]。波束形成技术执行信号处理权重,结合信号通过multiantenna数组元素。通过设计不同的权重因素的多通道信号通过多个天线和执行信号处理,有效输出源信号的改善,可以有效地减少用户之间的干扰和抑制噪声的影响,获得所需的信号,从而提高系统性能。从图可以看出4梁的最大增益是18 dBi的信号。在图5,它可以更直观的看到波束的主瓣方向45°和波束旁瓣之间的空间分布和主瓣可以显示更具体,更有利于我们理解梁信号。为了方便起见,我们在这里只显示0 - 180°。自束源没有任何先验信息的传感器网络,很难探测光束信号。随着天线数的增加,梁将成为一个更窄的定向信号,这将带来巨大的挑战,我们的梁传感算法。
仿真场景图所示6;我们部署一个1212制服传感器网络检测覆盖范围,每个传感器的传感范围设置为5米,并部署一个未知信号源60米提前离传感器网络。可以看出传感器覆盖范围的大小不仅取决于传感器的数量也感应传感器本身的范围。此外,由于能量有限的传感器,传感范围非常有限。
数据7和8的平面和三维原理图是传感器网络的信号接收强度,分别。由于传感器网络缺乏先验信息非合作信号,它只能检测并根据接收信号的强度。为方便演示,信号接收强度的图不是转换成数据库表单(70−dbm∼−38 dbm)。从图可以看出7在传感器网络中,当检测到光束信号,信号接收传感器在一定区域的强度会增加,并与衰落信号强度将逐渐降低。三维柱状图在图8清楚显示接收到的信号强度的特点时,传感器网络定向光束信号衰落。另一方面,可以看出,由于传感器噪声的影响,很可能会影响全球探测概率。
图9显示了不同信噪比下检测性能的能量检测(−20 dB∼5 dB)和样本的数量(64、512、2048)我th传感器。从图9,我们可以获得的检测性能我th传感器信噪比的增加而增加。原因是,当信噪比的增加,梁的信号强度也会增加,噪声相对较小,所以传感器可以更好的区分信号的梁,和探测概率也增加了。它还可以看到,当增加,检测的性能我th传感器将会增强,它仍然可以保持高检测低信噪比下性能(dB∼10−−5 dB))。信噪比是常数时,传感器的采样点越多,检测概率越高。这是因为增加采样点的数量可以提高检测信号的观测数据和观测数据的增加会使传感器的判断更准确,提高探测概率。仿真结果符合公式(8)。在实际环境中,由于信道衰落,传感器接近梁辐射源有更好的信道条件。因此,我们可以提高检测的性能我th传感器通过改善渠道质量和增加样本的数量。
图10显示了检测性能的能量检测在不同 。随着虚惊概率的增加,探测概率低于−5 dB将会增加。根据公式(7),当假警报概率增加,决定阈值降低,同时探测概率会增加。仿真结果也验证了理论推导的正确性。
图11块不同的融合算法对检测性能的影响。它描述了检测性能的变化当单个传感器的探测概率增加的值不同k。1,根据算法仿真结果= 64时N= 144。可以看出的性能”和“融合规则和”或“规则算法融合算法的两个极端。整个探测概率增加时,单一传感器探测概率较高。改进算法的检测性能是改善施瓦茨算法通过选择 。在投票权算法中,当单个传感器的探测概率大于0.5时,该算法的检测性能更好。
为了集成检测概率和虚警概率和更好地评估网络的性能检测,数字12说明了在不同误差概率k值根据公式(10)当 。它可以指出,该算法误差概率较低。投票权的算法,探测概率小于0.5时,该算法的误差概率较高。因为根据图11,该算法的检测概率相对较低。探测概率大于0.5时,算法的误差概率明显低于投票权算法。因为在我们的算法,大量低检测概率的传感器,不受束减少,使整个网络的决策更合理。
6。结论
在本文中,我们主要是构造一个光束信号基于无线传感器网络的传感方案。根据梁的特征信息,首先,我们推导出给定虚警概率下的探测概率表达式。第二,我们改进了”k排名”融合规则和选择基于位置信息的传感器。最后,我们提供了一些仿真结果和算法的有效性。通过仿真分析,我们发现了一些有趣的发现在能源检测,如通过提高信噪比和增加样本的数量将会提高整体检测性能。通过与不同的融合算法相比,我们的算法显示更好的探测概率和较低的错误概率。
缩写
| 男朋友: | 波束形成 |
| 网络: | 无线传感器网络 |
| 物联网: | 物联网 |
| 诺玛: | 非正交的多路访问 |
| D2D: | 设备间网络 |
| mmWave: | 毫米波 |
| RSS: | 接收信号强度 |
| 6 g: | 第六代 |
| 5 g: | 的第五代 |
| QAM: | 正交调幅 |
| 米姆: | 多输入多输出 |
| 舰队指挥官: | 融合中心 |
| 摘要: | 加性高斯白噪声 |
| 艾德: | 能量检测 |
| 信噪比: | 信号噪声比。 |
数据可用性
没有数据被用来支持本研究。
的利益冲突
作者宣称他们没有关于这篇文章的出版的利益冲突。
确认
这项工作得到了中国国家重点研发项目在资助2018 yfb1801103,中国国家自然科学基金(号。61871398,61931011,62001517),自然科学基金杰出青年学者江苏省(没有。BK20190030)和设备(没有先进的研究领域的基础。61403120304)。