本發(fā)明涉及通信技術(shù)領(lǐng)域，尤其涉及一種智能車聯(lián)物聯(lián)網(wǎng)混合協(xié)同頻譜感知系統(tǒng)。

背景技術(shù)：

車聯(lián)物聯(lián)網(wǎng)是以車內(nèi)網(wǎng)、車際網(wǎng)和車載移動互聯(lián)網(wǎng)為基礎(chǔ)，在車與車或者車與人之間，按照預(yù)先約定的協(xié)議進(jìn)行數(shù)據(jù)通信和信息交換的系統(tǒng)網(wǎng)絡(luò)。隨著各式無線通信設(shè)備不斷在車輛中的安裝，這些多數(shù)目的車輛組成了一個復(fù)雜繁忙的車聯(lián)無線通信網(wǎng)絡(luò)。

在車聯(lián)無線通信網(wǎng)絡(luò)中，無線通信設(shè)備工作時需要占用大量的頻段，以實(shí)現(xiàn)車輛與外界設(shè)備的信息交互。但是，在繁忙無線通信網(wǎng)絡(luò)中，真正能夠令車輛上通信設(shè)備隨時占用的空閑通信頻段極為稀少，通信頻譜資源緊缺問題正成為嚴(yán)重制約車聯(lián)物聯(lián)網(wǎng)順暢通信的關(guān)鍵問題。如何有效地利用現(xiàn)有緊缺的頻譜資源，以實(shí)現(xiàn)車聯(lián)物聯(lián)網(wǎng)的正常通信需求，正成為當(dāng)前車聯(lián)網(wǎng)領(lǐng)域亟需解決的關(guān)鍵。在此背景下，基于認(rèn)知無線電(Cognitive Radio,CR)技術(shù)的智能車聯(lián)物聯(lián)網(wǎng)系統(tǒng)應(yīng)運(yùn)而生，車聯(lián)物聯(lián)網(wǎng)中對頻譜情況具有認(rèn)知功能的車輛也被稱之為認(rèn)知車輛。

認(rèn)知車輛的認(rèn)知過程為，首先假定認(rèn)證車輛處于靜止裝置，認(rèn)知車輛對周圍通信環(huán)境中的已授權(quán)頻譜資源持續(xù)感知(或者檢測)；然后在保證授權(quán)用戶優(yōu)先占用該段頻譜的條件下，認(rèn)知車輛自適應(yīng)地調(diào)整自設(shè)收發(fā)設(shè)備至空閑頻譜上通信。當(dāng)認(rèn)知車輛感知到授權(quán)用戶信號出現(xiàn)時，認(rèn)知車輛則快速騰出該頻段以供授權(quán)用戶使用，進(jìn)而避免干擾授權(quán)用戶在此頻段上的正常通信，從而提高了車聯(lián)無線通信網(wǎng)絡(luò)中的頻譜資源利用率。

但是，在實(shí)時環(huán)境中，車聯(lián)物流網(wǎng)中的認(rèn)知車輛并非始終處于靜止不動狀態(tài)，這就要求車聯(lián)物聯(lián)網(wǎng)系統(tǒng)在對頻譜進(jìn)行感知時要考慮認(rèn)知車輛運(yùn)動狀態(tài)對頻譜感知結(jié)果的影響。因此，如何設(shè)計一種新型的車聯(lián)物聯(lián)網(wǎng)系統(tǒng)，以對頻譜進(jìn)行有效、準(zhǔn)確地檢測成為車聯(lián)物聯(lián)網(wǎng)系統(tǒng)研究中的又一課題。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明所要解決的技術(shù)問題是針對上述現(xiàn)有技術(shù)提供一種能夠準(zhǔn)確、有效地對頻譜進(jìn)行檢測的智能車聯(lián)物聯(lián)網(wǎng)混合協(xié)同頻譜感知系統(tǒng)。

本發(fā)明解決上述技術(shù)問題所采用的技術(shù)方案為：智能車聯(lián)物聯(lián)網(wǎng)混合協(xié)同頻譜感知系統(tǒng)，其特征在于，包括授權(quán)用戶、N個智能車輛、頻譜感知融合中心、中繼控制節(jié)點(diǎn)以及分布于路邊的K個中繼節(jié)點(diǎn)；

所述各智能車輛上均設(shè)置有第一中央處理模塊以及分別連接第一中央處理模塊的第一通信模塊、第一北斗定位模塊、頻譜感知模塊、車輛行駛速度檢測模塊、車輛行駛角度檢測模塊、運(yùn)動時間檢測模塊和第一存儲模塊；第一存儲模塊分別連接第一北斗定位模塊、頻譜感知模塊、車輛行駛速度檢測模塊、車輛行駛角度檢測模塊、第一通信模塊和運(yùn)動時間檢測模塊；

第一北斗定位模塊，用以獲得智能車輛的當(dāng)前位置數(shù)據(jù)，并保存至第一存儲模塊；頻譜感知模塊，一方面用以檢測授權(quán)用戶頻譜的占用情況，獲得關(guān)于該授權(quán)用戶頻譜的檢測概率和虛警概率，另一方面用以檢測該智能車輛自身的信噪比，并分別發(fā)送自身信噪比以及關(guān)于授權(quán)用戶頻譜的檢測概率和虛警概率給第一存儲模塊存儲；車輛行駛速度檢測模塊，用以實(shí)時檢測當(dāng)前智能車輛的即時速度值，并保存到第一存儲模塊；車輛行駛角度檢測模塊，用以實(shí)時檢測當(dāng)前車輛行駛方向偏離該智能車輛初始位置至授權(quán)用戶位置連線的角度，并以該角度作為車輛即時速度的方向角度值保存到第一存儲模塊；運(yùn)動時間檢測模塊，用以實(shí)時檢測智能車輛的累積運(yùn)動時間，并保存至第一存儲模塊；第一通信模塊，用以實(shí)現(xiàn)智能車輛分別與各中繼節(jié)點(diǎn)的通信連接；第一存儲模塊，用以存儲所對應(yīng)智能車輛的實(shí)時位置數(shù)據(jù)、頻譜感知模塊的信噪比數(shù)據(jù)、車輛的即時速度值以及車輛即時速度的方向角度值；

所述各中繼節(jié)點(diǎn)均包括第二中央處理模塊以及分別連接第二中央處理模塊的第二通信模塊、第二北斗定位模塊、檢測中繼節(jié)點(diǎn)自身信噪比的信噪比檢測模塊、檢測中繼節(jié)點(diǎn)功耗的節(jié)點(diǎn)功耗檢測模塊以及第二存儲模塊，第二存儲模塊分別連接第二通信模塊、第二北斗定位模塊、信噪比檢測模塊和節(jié)點(diǎn)功耗檢測模塊；

所述中繼控制節(jié)點(diǎn)，用以接收各中繼節(jié)點(diǎn)轉(zhuǎn)發(fā)的各數(shù)據(jù)，并選擇出具有最佳中繼性能的最佳中繼節(jié)點(diǎn)；所述中繼控制節(jié)點(diǎn)分別與頻譜感知融合中心、各中繼節(jié)點(diǎn)建立通信連接，中繼控制節(jié)點(diǎn)接收頻譜感知融合中心所發(fā)送來的位置數(shù)據(jù)；

所述頻譜感知融合中心包括第三中央處理模塊以及分別連接第三中央處理模塊的第三通信模塊、第三北斗定位模塊、用以融合各檢測結(jié)果的頻譜感知融合計算模塊以及第三存儲模塊；第三存儲模塊分別連接第三通信模塊、第三北斗定位模塊和頻譜感知融合計算模塊；所述頻譜感知融合中心通過第三通信模塊、第二通信模塊分別與各中繼節(jié)點(diǎn)建立通信連接，并發(fā)送頻譜感知融合中心的位置數(shù)據(jù)給各中繼節(jié)點(diǎn)；

所述頻譜感知融合計算模塊，用以根據(jù)最佳中繼節(jié)點(diǎn)所轉(zhuǎn)發(fā)的各數(shù)據(jù)，計算、獲取該混合協(xié)同頻譜感知系統(tǒng)的最終混合協(xié)同檢測概率；其中，獲取該混合協(xié)同頻譜感知系統(tǒng)的最終混合協(xié)同檢測概率的過程依次包括如下步驟1至步驟11：

步驟1，N個智能車輛獲取、保存自身初始位置到授權(quán)用戶位置的距離值，并同時實(shí)時獲取、保存自身的信噪比、即時速度值、即時速度的方向角度值，并分別對授權(quán)用戶的頻譜占用情況進(jìn)行能量檢測，然后將包括檢測概率和虛警概率的檢測結(jié)果進(jìn)行保存；其中：

即時速度的方向角度值為智能車輛前進(jìn)方向偏離該智能車輛初始位置至授權(quán)用戶位置連線的偏離角度，第i個智能車輛標(biāo)記為CR_i，i＝1,2,…,N，N≥3，智能車輛CR_i自身的信噪比記為SNR_i，智能車輛CR_i的即時速度值標(biāo)記為v_i，智能車輛CR_i的即時速度的方向角度值標(biāo)記為θ_i；授權(quán)用戶標(biāo)記為PU；智能車輛CR_i自身初始位置到授權(quán)用戶PU位置的距離值標(biāo)記為d_i；

步驟2，K個中繼節(jié)點(diǎn)分別獲取自身的信噪比，并將自身的信噪比發(fā)送給中繼控制節(jié)點(diǎn)，由中繼控制節(jié)點(diǎn)計算得到具有最佳中繼性能的最佳中繼節(jié)點(diǎn)；中繼控制節(jié)點(diǎn)標(biāo)記為Relay_Control，頻譜感知融合中心標(biāo)記為FC，最佳中繼節(jié)點(diǎn)的獲取過程包括如下步驟2-1至步驟2-4：

步驟2-1，K個中繼節(jié)點(diǎn)分別獲取自身的信噪比，并由中繼控制節(jié)點(diǎn)計算各中繼節(jié)點(diǎn)的信噪比衡量指數(shù)；其中：

為第k個中繼節(jié)點(diǎn)Relay_k的信噪比衡量指數(shù)，為第k個中繼節(jié)點(diǎn)Relay_k的信噪比，K≥2；

步驟2-2，K個中繼節(jié)點(diǎn)分別獲取自身的功耗值，并由中繼控制節(jié)點(diǎn)計算各中繼節(jié)點(diǎn)的功耗衡量指數(shù)；其中：

為第k個中繼節(jié)點(diǎn)Relay_k的功耗衡量指數(shù)，E_k為第k個中繼節(jié)點(diǎn)Relay_k的功耗值；

步驟2-3，K個中繼節(jié)點(diǎn)分別獲取自身位置至中繼控制節(jié)點(diǎn)距離以及自身位置至頻譜感知融合中心的距離，并由中繼控制節(jié)點(diǎn)計算各中繼節(jié)點(diǎn)的中繼效益衡量指數(shù)；其中：

其中，為第k個中繼節(jié)點(diǎn)Relay_k的中繼效益衡量指數(shù)，D_k1為第k個中繼節(jié)點(diǎn)Relay_k至中繼控制節(jié)點(diǎn)Relay_Control的距離值，D_k2為第k個中繼節(jié)點(diǎn)Relay_k至頻譜感知融合中心FC的距離值，max(D_k1,D_k2)表示距離D_k1和距離D_k2中的最大值，min(D_k1,D_k2)表示距離D_k1和距離D_k2中的最小值；

步驟2-4，根據(jù)各中繼節(jié)點(diǎn)的信噪比衡量指數(shù)、功耗衡量指數(shù)以及中繼效益衡量指數(shù)，由中繼控制節(jié)點(diǎn)計算各中繼節(jié)點(diǎn)的綜合性能衡量指數(shù)，得到最大性能衡量指數(shù)，并以該最大性能衡量指數(shù)所對應(yīng)的中繼節(jié)點(diǎn)作為最佳中繼節(jié)點(diǎn)；其中，各中繼節(jié)點(diǎn)的綜合性能衡量指數(shù)計算公式如下：

其中，χ_k為第k個中繼節(jié)點(diǎn)Relay_k的綜合性能衡量指數(shù)，χ_opt為最大綜合性能衡量指數(shù)，K為所有中繼節(jié)點(diǎn)的總個數(shù)；

步驟3，N個智能車輛將各自的信噪比和檢測概率分別發(fā)送給最佳中繼節(jié)點(diǎn)，并由最佳中繼節(jié)點(diǎn)將接收的各智能車輛的信噪比和檢測概率轉(zhuǎn)發(fā)給頻譜感知融合中心；

步驟4，頻譜感知融合中心根據(jù)最佳中繼節(jié)點(diǎn)所轉(zhuǎn)發(fā)來的N個智能車輛所對應(yīng)的信噪比和檢測概率，計算各智能車輛對應(yīng)的信噪比在所有N個智能車輛信噪比陣列中的權(quán)值ω_i以及各智能車輛對應(yīng)的檢測效益指數(shù)δ_i；其中，智能車輛CR_i所對應(yīng)信噪比的權(quán)值ω_i以及檢測效益指數(shù)δ_i分別計算如下：

P_d,i表示智能車輛CR_i所發(fā)送的檢測概率；

步驟5，頻譜感知融合中心根據(jù)預(yù)設(shè)協(xié)同智能車輛篩選閾值以及各智能車輛對應(yīng)信噪比的權(quán)值情況，篩選出參與協(xié)同檢測的主協(xié)同智能車輛陣列以及輔助協(xié)同智能車輛陣列：

當(dāng)智能車輛所對應(yīng)信噪比的權(quán)值大于預(yù)設(shè)協(xié)同智能車輛篩選閾值ω₀時，則選擇該智能車輛參與協(xié)同檢測，并置入主協(xié)同智能車輛陣列S₁中；否則，則將該智能車輛作為參與協(xié)同檢測的輔助協(xié)同智能車輛，并置入輔助協(xié)同智能車輛陣列S₂中；

其中，在主協(xié)同智能車輛陣列S₁中，設(shè)定作為參與協(xié)同檢測的智能車輛的總數(shù)目為N₁；在輔助協(xié)同智能車輛陣列S₂中，設(shè)定作為參與協(xié)同檢測的輔助協(xié)同智能車輛的總數(shù)目為N₂，且N₁+N₂＝N；

步驟6，在主協(xié)同智能車輛陣列S₁中，預(yù)設(shè)M個按照升序排列的分簇閾值λ_j，頻譜感知融合中心根據(jù)主協(xié)同智能車輛陣列S₁中各協(xié)同智能車輛發(fā)送來的信噪比分別與各分簇閾值作判斷比較，以得到M₁個獨(dú)立的含有協(xié)同智能車輛的分簇；其中，j＝1,2,…,M且λ₁<λ₂<…<λ_M；分簇標(biāo)記為C_l，l＝1,2,…,M₁，1≤M₁≤M；其中，頻譜感知融合中心對各協(xié)同智能車輛的分簇過程包括如下步驟6-1和步驟6-2：

步驟6-1，根據(jù)M個分簇閾值，設(shè)定M+1個分簇區(qū)間段分別為(-∞,λ₁]、(λ₁,λ₂]、…、(λ_M-1,λ_M]和(λ_M,∞)；其中，位于第一分簇內(nèi)的協(xié)同智能車輛對應(yīng)的信噪比處于(-∞,λ₁]區(qū)間段內(nèi)，位于第二分簇內(nèi)的協(xié)同智能車輛對應(yīng)的信噪比處于(λ₁,λ₂]區(qū)間段內(nèi)，依認(rèn)知類推，位于第M分簇內(nèi)的協(xié)同智能車輛對應(yīng)的信噪比處于(λ_M-1,λ_M]區(qū)間段內(nèi)，位于第M+1分簇內(nèi)的協(xié)同智能車輛對應(yīng)的信噪比處于(λ_M,∞)區(qū)間段內(nèi)；

步驟6-2，頻譜感知融合中心分別將主協(xié)同智能車輛陣列S₁中各協(xié)同智能車輛對應(yīng)的信噪比與M+1個分簇區(qū)間段進(jìn)行比較，以判決各協(xié)同智能車輛所處的分簇區(qū)間段：

當(dāng)協(xié)同智能車輛的信噪比處于分簇區(qū)間段(-∞,λ₁]時，則不準(zhǔn)該協(xié)同智能車輛參與協(xié)同檢測；當(dāng)協(xié)同智能車輛的信噪比處于分簇區(qū)間段或者(λ_M,∞)時，則將該協(xié)同智能車輛置入主協(xié)同智能車輛陣列S₁中；

步驟7，在含有協(xié)同智能車輛的M₁個分簇內(nèi)，按照協(xié)同智能車輛對應(yīng)信噪比從大到小的順序，選擇各分簇內(nèi)具有最大信噪比的協(xié)同智能車輛作為該分簇的簇首智能車輛，并選擇各分簇內(nèi)具有最小信噪比的協(xié)同智能車輛作為該分簇的簇內(nèi)感知融合中心，從而得到M₁個簇首智能車輛以及對應(yīng)的M₁個簇內(nèi)感知融合中心；其中，M₁≤M+1；

步驟8，針對M₁個分簇，依次得到各簇內(nèi)的簇內(nèi)協(xié)同檢測概率和簇內(nèi)協(xié)同虛警概率，并由各簇分別發(fā)送對應(yīng)的簇內(nèi)協(xié)同檢測概率和簇內(nèi)協(xié)同虛警概率給頻譜感知融合中心；各簇內(nèi)頻譜感知融合檢測過程包括如下步驟8-1和步驟8-4：

步驟8-1，在一個分簇C_l內(nèi)，協(xié)同智能車輛CR_m根據(jù)實(shí)時檢測的檢測時間間隔值△t_m、即時速度值v_m以及即時速度的方向角度值θ_m，得到協(xié)同智能車輛CR_m與授權(quán)用戶的實(shí)時距離△d_m之間的函數(shù)關(guān)系方程；其中：

其中，△t_m表示協(xié)同智能車輛CR_m前后兩次實(shí)時檢測的檢測時間間隔值，D_0m表示協(xié)同智能車輛CR_m初始位置至頻譜感知融合中心FC的距離；M₂表示該分簇C_l內(nèi)除去簇內(nèi)感知融合中心后的協(xié)同智能車輛的總數(shù)目；m≤M₂；

步驟8-2，根據(jù)協(xié)同智能車輛CR_m與授權(quán)用戶PU間的實(shí)時距離△d_m以及協(xié)同智能車輛CR_m的累計移動時間T_m，得到協(xié)同智能車輛CR_m在累計運(yùn)動時間T_m內(nèi)的平均速度值并將該平均速度值發(fā)送給該簇C_l的簇內(nèi)感知融合中心；其中，協(xié)同智能車輛CR_m的平均速度值計算如下：

步驟8-3，協(xié)同智能車輛CR_m所處簇C_l的簇內(nèi)感知融合中心根據(jù)簇內(nèi)各協(xié)同智能車輛發(fā)送來的平均速度值，依次計算各協(xié)同智能車輛的速度對自身檢測結(jié)果的削減指數(shù)κ_m；其中，協(xié)同智能車輛CR_m所對應(yīng)削減指數(shù)κ_m的計算如下：

其中，M₂表示該分簇C_l內(nèi)除去簇內(nèi)感知融合中心后的協(xié)同智能車輛的總數(shù)目，表示該簇C_l內(nèi)M₂個協(xié)同智能車輛的平均速度值中的最大值，表示該簇C_l內(nèi)M₂個協(xié)同智能車輛的平均速度值中的最小值；

步驟8-4，根據(jù)所得簇C_l內(nèi)各協(xié)同智能車輛對應(yīng)的削減指數(shù)以及各協(xié)同智能車輛的檢測結(jié)果，由該簇C_l內(nèi)的簇內(nèi)感知融合中心對簇內(nèi)協(xié)同智能車輛的檢測結(jié)果融合，以得到該簇內(nèi)所有協(xié)同智能車輛的簇內(nèi)協(xié)同檢測概率和簇內(nèi)協(xié)同檢測的虛警概率；其中，簇內(nèi)協(xié)同檢測概率標(biāo)記為Q_d,l，簇內(nèi)協(xié)同虛警概率標(biāo)記為Q_f,l，其中：

簇內(nèi)協(xié)同檢測概率簇內(nèi)協(xié)同虛警概率l＝1,2,…,M₁，1≤M₁≤M；p_k表示該簇C_l內(nèi)第k個協(xié)同智能車輛的檢測概率；κ_k表示協(xié)同智能車輛CR_k所對應(yīng)的削減指數(shù)；

步驟9，根據(jù)輔助協(xié)同智能車輛陣列S₂中的各輔助協(xié)同智能車輛所對應(yīng)的檢測概率，利用AND準(zhǔn)則得到該輔助協(xié)同智能車輛陣列S₂中的輔助協(xié)同檢測概率和輔助協(xié)同虛警概率，并發(fā)送輔助協(xié)同檢測概率和輔助協(xié)同虛警概率給頻譜感知融合中心；其中：

Q_d,S2表示輔助協(xié)同檢測概率，Q_f,S2表示輔助協(xié)同虛警概率；p_q表示輔助協(xié)同智能車輛陣列S₂中的第q個輔助協(xié)同智能車輛的檢測概率；

步驟10，頻譜感知融合中心根據(jù)M₁個分簇對應(yīng)的簇內(nèi)協(xié)同智能車輛的信噪比以及輔助協(xié)同智能車輛陣列S₂內(nèi)所有輔助協(xié)同智能車輛的信噪比，分別得到M₁個分簇所對應(yīng)的主協(xié)同貢獻(xiàn)系數(shù)δ_l以及輔助協(xié)同智能車輛陣列S₂的輔助協(xié)同貢獻(xiàn)系數(shù)δ_S2；其中：

M₁個分簇各自對應(yīng)的主協(xié)同貢獻(xiàn)系數(shù)

輔助協(xié)同智能車輛陣列S₂的輔助協(xié)同貢獻(xiàn)系數(shù)

其中，表示第l個分簇C_l內(nèi)的第r個協(xié)同智能車輛CR_r的信噪比，m_l表示第l個分簇C_l內(nèi)所有協(xié)同智能車輛的總數(shù)目且m_l≠M(fèi)₂，N₂表示輔助協(xié)同智能車輛陣列S₂內(nèi)所有輔助協(xié)同智能車輛的總數(shù)目；

步驟11，頻譜感知融合中心根據(jù)各分簇所對應(yīng)的主協(xié)同貢獻(xiàn)系數(shù)δ_l以及輔助協(xié)同智能車輛陣列S₂所對應(yīng)的協(xié)同貢獻(xiàn)系數(shù)δ_S2，得到N個智能車輛的最終混合協(xié)同檢測概率；其中，N個智能車輛的最終混合協(xié)同檢測概率Q_D的計算公式如下：

與現(xiàn)有技術(shù)相比，本發(fā)明的優(yōu)點(diǎn)在于：

首先，在車聯(lián)物聯(lián)網(wǎng)中，通過將多個具有認(rèn)知功能的智能車輛進(jìn)行無線通信連接，借助中繼節(jié)點(diǎn)的中繼功能，實(shí)現(xiàn)各智能車輛與頻譜感知融合中心的連接，以形成由多智能車輛、中繼節(jié)點(diǎn)以及頻譜感知融合中心所形成的混合協(xié)同頻譜感知系統(tǒng)，避免僅僅依靠單個智能車輛感知頻譜時所帶來檢測性能低的不足；

其次，針對中繼節(jié)點(diǎn)，中繼控制節(jié)點(diǎn)通過得到各中繼節(jié)點(diǎn)的信噪比衡量指數(shù)、功耗衡量指數(shù)以及中繼效益衡量指數(shù)，獲取各中繼節(jié)點(diǎn)的綜合性能衡量指數(shù)，并以最大性能衡量指數(shù)所對應(yīng)的中繼節(jié)點(diǎn)作為最佳中繼節(jié)點(diǎn)，由最佳中繼節(jié)點(diǎn)負(fù)責(zé)各智能車輛與頻譜感知融合中心的數(shù)據(jù)交互，保證智能車輛與頻譜感知融合中心之間數(shù)據(jù)交互的通信質(zhì)量，進(jìn)而提高頻譜感知融合中心的融合檢測性能，提高對頻譜感知結(jié)果的協(xié)同檢測的準(zhǔn)確度；

再次，頻譜感知融合中心根據(jù)各智能車輛實(shí)時檢測自身的信噪比以及預(yù)設(shè)協(xié)同智能車輛篩選閾值，篩選得到主協(xié)同智能車輛陣列以及輔助協(xié)同智能車輛陣列，并對主協(xié)同智能車輛陣列中的各智能車輛分簇，以既考慮信譽(yù)指數(shù)較高的智能車輛，又不放棄信譽(yù)指數(shù)較低的智能車輛，從而把所有智能車輛檢測結(jié)果充分考慮到協(xié)同頻譜感知融合中，大大地提高了后續(xù)的協(xié)同頻譜感知性能；

最后，充分考慮智能車輛運(yùn)動時的實(shí)際狀態(tài)，在計算各分簇中智能車輛基于自身速度和角度的削減指數(shù)后進(jìn)行數(shù)據(jù)融合，把單個智能車輛自身運(yùn)動時的速度矢量融入到所處簇的協(xié)同檢測中，避免傳統(tǒng)協(xié)同檢測方法因理想化地將智能車輛假定為靜止?fàn)顟B(tài)時而帶來的不適應(yīng)實(shí)際情景的不足，從而使得該車聯(lián)物聯(lián)網(wǎng)混合頻譜感知系統(tǒng)所適應(yīng)的協(xié)同頻譜感知方法更具準(zhǔn)確性和實(shí)用性。

附圖說明

圖1為本發(fā)明實(shí)施例中智能車聯(lián)物聯(lián)網(wǎng)混合協(xié)同頻譜感知系統(tǒng)的結(jié)構(gòu)示意圖；

圖2為本發(fā)明實(shí)施例中獲取混合協(xié)同頻譜感知系統(tǒng)的最終混合協(xié)同檢測概率的方法流程示意圖。

具體實(shí)施方式

以下結(jié)合附圖實(shí)施例對本發(fā)明作進(jìn)一步詳細(xì)描述。

如圖1所示，本實(shí)施例中的智能車聯(lián)物聯(lián)網(wǎng)混合協(xié)同頻譜感知系統(tǒng)，包括授權(quán)用戶1、N個智能車輛2、頻譜感知融合中心3、中繼控制節(jié)點(diǎn)4以及分布于路邊的K個中繼節(jié)點(diǎn)5；

各智能車輛2上均設(shè)置有第一中央處理模塊21以及分別連接第一中央處理模塊21的第一通信模塊22、第一北斗定位模塊23、頻譜感知模塊24、車輛行駛速度檢測模塊25、車輛行駛角度檢測模塊26、運(yùn)動時間檢測模塊27和第一存儲模塊28；第一存儲模塊28分別連接第一北斗定位模塊23、頻譜感知模塊24、車輛行駛速度檢測模塊25、車輛行駛角度檢測模塊26、第一通信模塊22和運(yùn)動時間檢測模塊27；由于智能車輛2中增設(shè)了頻譜感知模塊24，從而具有了對頻譜占用情況進(jìn)行檢測的功能，所以，本實(shí)施例中的智能車輛具有認(rèn)知功能；其中：

第一北斗定位模塊23，用以獲得智能車輛2的當(dāng)前位置數(shù)據(jù)，并保存至第一存儲模塊28；

頻譜感知模塊24，一方面用以檢測授權(quán)用戶頻譜的占用情況，獲得關(guān)于該授權(quán)用戶頻譜的檢測概率和虛警概率，另一方面用以檢測該智能車輛2自身的信噪比，并分別發(fā)送自身信噪比以及關(guān)于授權(quán)用戶頻譜的檢測概率和虛警概率給第一存儲模塊28存儲；

車輛行駛速度檢測模塊25，用以實(shí)時檢測當(dāng)前智能車輛3的即時速度值，并保存到第一存儲模塊28；車輛行駛角度檢測模塊26，用以實(shí)時檢測當(dāng)前車輛行駛方向偏離該智能車輛2初始位置至授權(quán)用戶1位置連線的角度，并以該角度作為車輛即時速度的方向角度值保存到第一存儲模塊28；

運(yùn)動時間檢測模塊27，用以實(shí)時檢測智能車輛2的累積運(yùn)動時間，并保存至第一存儲模塊28；

第一通信模塊22，用以實(shí)現(xiàn)智能車輛2分別與各中繼節(jié)點(diǎn)5的通信連接；

第一存儲模塊28，用以存儲所對應(yīng)智能車輛的實(shí)時位置數(shù)據(jù)、頻譜感知模塊24的信噪比數(shù)據(jù)、車輛的即時速度值以及車輛即時速度的方向角度值；

各中繼節(jié)點(diǎn)5均包括第二中央處理模塊51以及分別連接第二中央處理模塊51的第二通信模塊52、第二北斗定位模塊53、檢測中繼節(jié)點(diǎn)自身信噪比的信噪比檢測模塊54、檢測中繼節(jié)點(diǎn)功耗的節(jié)點(diǎn)功耗檢測模塊55以及第二存儲模塊56，第二存儲模塊56分別連接第二通信模塊52、第二北斗定位模塊53、信噪比檢測模塊54和節(jié)點(diǎn)功耗檢測模塊55；

中繼控制節(jié)點(diǎn)4，用以接收各中繼節(jié)點(diǎn)5轉(zhuǎn)發(fā)的各數(shù)據(jù)，并選擇出具有最佳中繼性能的最佳中繼節(jié)點(diǎn)；中繼控制節(jié)點(diǎn)4分別與頻譜感知融合中心3、各中繼節(jié)點(diǎn)5建立通信連接，中繼控制節(jié)點(diǎn)4接收頻譜感知融合中心3所發(fā)送來的位置數(shù)據(jù)；

頻譜感知融合中心3包括第三中央處理模塊31以及分別連接第三中央處理模塊31的第三通信模塊32、第三北斗定位模塊33、用以融合各檢測結(jié)果的頻譜感知融合計算模塊34以及第三存儲模塊35；第三存儲模塊35分別連接第三通信模塊32、第三北斗定位模塊33和頻譜感知融合計算模塊34；頻譜感知融合中心3通過第三通信模塊32、第二通信模塊52分別與各中繼節(jié)點(diǎn)5建立通信連接，并發(fā)送頻譜感知融合中心3的位置數(shù)據(jù)給各中繼節(jié)點(diǎn)5；

頻譜感知融合計算模塊34，用以根據(jù)最佳中繼節(jié)點(diǎn)所轉(zhuǎn)發(fā)的各數(shù)據(jù)，計算、獲取該混合協(xié)同頻譜感知系統(tǒng)的最終混合協(xié)同檢測概率；其中，參見圖2所示，獲取該混合協(xié)同頻譜感知系統(tǒng)的最終混合協(xié)同檢測概率的過程依次包括如下步驟1至步驟11：

步驟1，N個智能車輛獲取、保存自身初始位置到授權(quán)用戶位置的距離值，并同時實(shí)時獲取、保存自身的信噪比、即時速度值、即時速度的方向角度值，并分別對授權(quán)用戶的頻譜占用情況進(jìn)行能量檢測，然后將包括檢測概率和虛警概率的檢測結(jié)果進(jìn)行保存；其中：

即時速度的方向角度值為智能車輛前進(jìn)方向偏離該智能車輛初始位置至授權(quán)用戶位置連線的偏離角度，第i個智能車輛標(biāo)記為CR_i，i＝1,2,…,N，N≥3，智能車輛CR_i自身的信噪比記為SNR_i，智能車輛CR_i的即時速度值標(biāo)記為v_i，智能車輛CR_i的即時速度的方向角度值標(biāo)記為θ_i；授權(quán)用戶標(biāo)記為PU；智能車輛CR_i自身初始位置到授權(quán)用戶PU位置的距離值標(biāo)記為d_i；

例如，設(shè)定智能車輛CR₁的初始位置為O，授權(quán)用戶PU的位置為A，智能車輛CR₁的前進(jìn)方向(也就是即時速度方向)為沿著OB方向，則智能車輛CR₁的即時速度的方向角度值θ₁為∠BOA；智能車輛CR₁自身初始位置到授權(quán)用戶PU位置的距離值d₁＝OA；在現(xiàn)在已有的協(xié)同頻譜感知方法中，認(rèn)知用戶均被假設(shè)為處于理想的靜止?fàn)顟B(tài)，但是實(shí)際環(huán)境中的認(rèn)知用戶并非始終處于靜止?fàn)顟B(tài)的，這些傳統(tǒng)的協(xié)同頻譜感知方法并沒有考慮認(rèn)知用戶在實(shí)際環(huán)境中的移動情況，而本實(shí)施例中充分考慮了具有認(rèn)知功能的智能車輛實(shí)際環(huán)境中的移動情況，利用智能車輛的即時速度、即時速度方向來表征智能車輛的移動情況，從而能夠更加切合實(shí)際環(huán)境中的頻譜感知需要，更有使用性；

步驟2，K個中繼節(jié)點(diǎn)分別獲取自身的信噪比，并將自身的信噪比發(fā)送給中繼控制節(jié)點(diǎn)，由中繼控制節(jié)點(diǎn)計算得到具有最佳中繼性能的最佳中繼節(jié)點(diǎn)；中繼控制節(jié)點(diǎn)標(biāo)記為Relay_Control，頻譜感知融合中心標(biāo)記為FC，最佳中繼節(jié)點(diǎn)的獲取過程包括如下步驟2-1至步驟2-4：

步驟2-1，K個中繼節(jié)點(diǎn)分別獲取自身的信噪比，并由中繼控制節(jié)點(diǎn)計算各中繼節(jié)點(diǎn)的信噪比衡量指數(shù)；其中：

為第k個中繼節(jié)點(diǎn)Relay_k的信噪比衡量指數(shù)，為第k個中繼節(jié)點(diǎn)Relay_k的信噪比，K≥2；

步驟2-2，K個中繼節(jié)點(diǎn)分別獲取自身的功耗值，并由中繼控制節(jié)點(diǎn)計算各中繼節(jié)點(diǎn)的功耗衡量指數(shù)；其中：

為第k個中繼節(jié)點(diǎn)Relay_k的功耗衡量指數(shù)，E_k為第k個中繼節(jié)點(diǎn)Relay_k的功耗值；

步驟2-3，K個中繼節(jié)點(diǎn)分別獲取自身位置至中繼控制節(jié)點(diǎn)距離以及自身位置至頻譜感知融合中心的距離，并由中繼控制節(jié)點(diǎn)計算各中繼節(jié)點(diǎn)的中繼效益衡量指數(shù)；其中：

其中，為第k個中繼節(jié)點(diǎn)Relay_k的中繼效益衡量指數(shù)，D_k1為第k個中繼節(jié)點(diǎn)Relay_k至中繼控制節(jié)點(diǎn)Relay_Control的距離值，D_k2為第k個中繼節(jié)點(diǎn)Relay_k至頻譜感知融合中心FC的距離值，max(D_k1,D_k2)表示距離D_k1和距離D_k2中的最大值，min(D_k1,D_k2)表示距離D_k1和距離D_k2中的最小值；

步驟2-4，根據(jù)各中繼節(jié)點(diǎn)的信噪比衡量指數(shù)、功耗衡量指數(shù)以及中繼效益衡量指數(shù)，由中繼控制節(jié)點(diǎn)計算各中繼節(jié)點(diǎn)的綜合性能衡量指數(shù)，得到最大性能衡量指數(shù)，并以該最大性能衡量指數(shù)所對應(yīng)的中繼節(jié)點(diǎn)作為最佳中繼節(jié)點(diǎn)；其中，各中繼節(jié)點(diǎn)的綜合性能衡量指數(shù)計算公式如下：

其中，χ_k為第k個中繼節(jié)點(diǎn)Relay_k的綜合性能衡量指數(shù)，χ_opt為最大綜合性能衡量指數(shù)，K為所有中繼節(jié)點(diǎn)的總個數(shù)；其中，相對傳統(tǒng)中繼方法，本實(shí)施例中經(jīng)判斷各中繼節(jié)點(diǎn)的綜合性能衡量指數(shù)后所選擇的最佳中繼節(jié)點(diǎn)具有更好的中繼性能，也可以保證智能車輛與頻譜感知融合中心中間數(shù)據(jù)交互的通信質(zhì)量，進(jìn)而提高頻譜感知融合中心的融合檢測性能，提高對頻譜感知結(jié)果的協(xié)同檢測的準(zhǔn)確度；

步驟3，N個智能車輛將各自的信噪比和檢測概率分別發(fā)送給最佳中繼節(jié)點(diǎn)，并由最佳中繼節(jié)點(diǎn)將接收的各智能車輛的信噪比和檢測概率轉(zhuǎn)發(fā)給頻譜感知融合中心；

步驟4，頻譜感知融合中心根據(jù)最佳中繼節(jié)點(diǎn)所轉(zhuǎn)發(fā)來的N個智能車輛所對應(yīng)的信噪比和檢測概率，計算各智能車輛對應(yīng)的信噪比在所有N個智能車輛信噪比陣列中的權(quán)值ω_i以及各智能車輛對應(yīng)的檢測效益指數(shù)δ_i；其中，智能車輛CR_i所對應(yīng)信噪比的權(quán)值ω_i以及檢測效益指數(shù)δ_i分別計算如下：

P_d,i表示智能車輛CR_i所發(fā)送的檢測概率；

在智能車輛的檢測效益指數(shù)的計算中，充分考慮各智能車輛信噪比在所有智能車輛信噪比集合中的權(quán)重情況，以此準(zhǔn)確地得到篩選主協(xié)同智能車輛和輔助協(xié)同智能車輛的真實(shí)篩選參考指標(biāo)，從而提高整個車聯(lián)物聯(lián)網(wǎng)混合協(xié)同系統(tǒng)的協(xié)同頻譜感知性能；

步驟5，頻譜感知融合中心根據(jù)預(yù)設(shè)協(xié)同智能車輛篩選閾值以及各智能車輛對應(yīng)信噪比的權(quán)值情況，篩選出參與協(xié)同檢測的主協(xié)同智能車輛陣列以及輔助協(xié)同智能車輛陣列：

當(dāng)智能車輛所對應(yīng)信噪比的權(quán)值大于預(yù)設(shè)協(xié)同智能車輛篩選閾值ω₀時，則選擇該智能車輛參與協(xié)同檢測，并置入主協(xié)同智能車輛陣列S₁中；否則，則將該智能車輛作為參與協(xié)同檢測的輔助協(xié)同智能車輛，并置入輔助協(xié)同智能車輛陣列S₂中；

在主協(xié)同智能車輛陣列S₁中，設(shè)定作為參與協(xié)同檢測的智能車輛的總數(shù)目為N₁；在輔助協(xié)同智能車輛陣列S₂中，設(shè)定作為參與協(xié)同檢測的輔助協(xié)同智能車輛的總數(shù)目為N₂，且N₁+N₂＝N；

在現(xiàn)有的協(xié)同頻譜感知方法中，通過設(shè)定閾值篩選出信噪比較大的認(rèn)知用戶參與協(xié)同，剩余的信噪比較小的認(rèn)知用戶則被剔除。這樣雖然能夠降低后續(xù)參與協(xié)同的各認(rèn)知用戶的協(xié)同檢測計算復(fù)雜度，但是由于信噪比較小的認(rèn)知用戶已經(jīng)被剔除掉，這樣將無法充分發(fā)揮這些被剔除掉認(rèn)知用戶對后續(xù)整個協(xié)同檢測效果的貢獻(xiàn)情況，以致于最終得到的整個協(xié)同檢測的性能大大降低；

在本實(shí)施例中，通過設(shè)定、篩選出主協(xié)同智能車輛陣列S₁和輔助協(xié)同智能車輛陣列S₂，既考慮信譽(yù)指數(shù)較高的具有認(rèn)知功能的智能車輛，又不放棄信譽(yù)指數(shù)較低的智能車輛，從而把所有智能車輛檢測結(jié)果充分考慮到協(xié)同頻譜感知融合中，進(jìn)而大大地提高了后續(xù)的協(xié)同頻譜感知性能；

步驟6，在主協(xié)同智能車輛陣列S₁中，預(yù)設(shè)M個按照升序排列的分簇閾值λ_j，頻譜感知融合中心根據(jù)主協(xié)同智能車輛陣列S₁中各協(xié)同智能車輛發(fā)送來的信噪比分別與各分簇閾值作判斷比較，以得到M₁個獨(dú)立的含有協(xié)同智能車輛的分簇；其中，j＝1,2,…,M且λ₁<λ₂<…<λ_M；分簇標(biāo)記為C_l，l＝1,2,…,M₁，1≤M₁≤M；其中，頻譜感知融合中心對各協(xié)同智能車輛的分簇過程包括如下步驟6-1和步驟6-2：

步驟6-1，根據(jù)M個分簇閾值，設(shè)定M+1個分簇區(qū)間段分別為(-∞,λ₁]、(λ₁,λ₂]、…、(λ_M-1,λ_M]和(λ_M,∞)；其中，位于第一分簇內(nèi)的協(xié)同智能車輛對應(yīng)的信噪比處于(-∞,λ₁]區(qū)間段內(nèi)，位于第二分簇內(nèi)的協(xié)同智能車輛對應(yīng)的信噪比處于(λ₁,λ₂]區(qū)間段內(nèi)，依認(rèn)知類推，位于第M分簇內(nèi)的協(xié)同智能車輛對應(yīng)的信噪比處于(λ_M-1,λ_M]區(qū)間段內(nèi)，位于第M+1分簇內(nèi)的協(xié)同智能車輛對應(yīng)的信噪比處于(λ_M,∞)區(qū)間段內(nèi)；

例如，設(shè)定有五個分簇閾值分別是λ₁＝1dB、λ₂＝2dB、λ₃＝4dB、λ₄＝5dB和λ₅＝7dB；則第一分簇內(nèi)的協(xié)同智能車輛信噪比處于(-∞,1dB]的區(qū)間段內(nèi)，第二分簇內(nèi)的協(xié)同智能車輛信噪比處于(1dB,2dB]的區(qū)間段內(nèi)，第三分簇內(nèi)的協(xié)同智能車輛信噪比處于(2dB,4dB]的區(qū)間段內(nèi)，第四分簇內(nèi)的協(xié)同智能車輛信噪比處于(4dB,5dB]的區(qū)間段內(nèi)，第五分簇內(nèi)的協(xié)同智能車輛信噪比處于(5dB,7dB]的區(qū)間段內(nèi)，第六分簇內(nèi)的協(xié)同智能車輛信噪比處于(7dB,∞)的區(qū)間段內(nèi)；

步驟6-2，頻譜感知融合中心分別將主協(xié)同智能車輛陣列S₁中各協(xié)同智能車輛對應(yīng)的信噪比與M+1個分簇區(qū)間段進(jìn)行比較，以判決各協(xié)同智能車輛所處的分簇區(qū)間段：

當(dāng)協(xié)同智能車輛的信噪比處于分簇區(qū)間段(-∞,λ₁]時，則不準(zhǔn)該協(xié)同智能車輛參與協(xié)同檢測；當(dāng)協(xié)同智能車輛的信噪比處于分簇區(qū)間段或者(λ_M,∞)時，則將該協(xié)同智能車輛置入主協(xié)同智能車輛陣列S₁中；

例如，在主協(xié)同智能車輛陣列S₁中，參照步驟6-1所列的五個分簇閾值分別是λ₁＝1dB、λ₂＝2dB、λ₃＝4dB、λ₄＝5dB和λ₅＝7dB，假如主協(xié)同智能車輛陣列S₁中的某一協(xié)同智能車輛的信噪比值為3dB，則該協(xié)同智能車輛處于(2dB,4dB]的區(qū)間段內(nèi)；假如主協(xié)同智能車輛陣列S₁中的另一協(xié)同智能車輛的信噪比值為0.4dB，則該協(xié)同智能車輛處于(-∞,1dB]的區(qū)間段內(nèi)，此時不準(zhǔn)該協(xié)同智能車輛參與協(xié)同檢測；假如主協(xié)同智能車輛陣列S₁中的另一協(xié)同智能車輛的信噪比值為9dB，則該協(xié)同智能車輛處于(7dB,∞)的區(qū)間段內(nèi)，此時不準(zhǔn)該協(xié)同智能車輛參與協(xié)同檢測；

步驟7，在含有協(xié)同智能車輛的M₁個分簇內(nèi)，按照協(xié)同智能車輛對應(yīng)信噪比從大到小的順序，選擇各分簇內(nèi)具有最大信噪比的協(xié)同智能車輛作為該分簇的簇首智能車輛，并選擇各分簇內(nèi)具有最小信噪比的協(xié)同智能車輛作為該分簇的簇內(nèi)感知融合中心，從而得到M₁個簇首智能車輛以及對應(yīng)的M₁個簇內(nèi)感知融合中心；其中，M₁≤M+1；

例如，在含有協(xié)同智能車輛的第一個分簇(-∞,1dB]的區(qū)間段內(nèi)，處于該分簇區(qū)間段(-∞,1dB]內(nèi)的各協(xié)同智能車輛的信噪比分別為0.8dB、0.6dB、0.5dB和0.3dB，則該分簇內(nèi)最大信噪比0.8dB所對應(yīng)的協(xié)同智能車輛即為該分簇的簇首智能車輛，該分簇內(nèi)最小信噪比0.3dB所對應(yīng)的協(xié)同智能車輛即為該分簇的簇內(nèi)感知融合中心；

步驟8，針對M₁個分簇，依次得到各簇內(nèi)的簇內(nèi)協(xié)同檢測概率和簇內(nèi)協(xié)同虛警概率，并由各簇分別發(fā)送對應(yīng)的簇內(nèi)協(xié)同檢測概率和簇內(nèi)協(xié)同虛警概率給頻譜感知融合中心；各簇內(nèi)頻譜感知融合檢測過程包括如下步驟8-1和步驟8-4：

步驟8-1，在一個分簇C_l內(nèi)，協(xié)同智能車輛CR_m根據(jù)實(shí)時檢測的檢測時間間隔值△t_m、即時速度值v_m以及即時速度的方向角度值θ_m，得到協(xié)同智能車輛CR_m與授權(quán)用戶的實(shí)時距離△d_m之間的函數(shù)關(guān)系方程；其中：

其中，△t_m表示協(xié)同智能車輛CR_m前后兩次實(shí)時檢測的檢測時間間隔值，M₂表示該分簇C_l內(nèi)除去簇內(nèi)感知融合中心后的協(xié)同智能車輛的總數(shù)目；D_0m表示協(xié)同智能車輛CR_m初始位置至頻譜感知融合中心FC的距離；m≤M₂；例如，協(xié)同智能車輛CR_m在第一次實(shí)時檢測的時刻值為T₁，協(xié)同智能車輛在第二次實(shí)時檢測的時刻值為T₂，則協(xié)同智能車輛CR_m前、后兩次實(shí)時檢測的檢測時間間隔值△t_m＝T₂-T₁；

步驟8-2，根據(jù)協(xié)同智能車輛CR_m與授權(quán)用戶PU間的實(shí)時距離△d_m以及協(xié)同智能車輛CR_m的累計移動時間T_m，得到協(xié)同智能車輛CR_m在累計運(yùn)動時間T_m內(nèi)的平均速度值并將該平均速度值發(fā)送給該簇C_l的簇內(nèi)感知融合中心；其中，協(xié)同智能車輛CR_m的平均速度值計算如下：

步驟8-3，協(xié)同智能車輛CR_m所處簇C_l的簇內(nèi)感知融合中心根據(jù)簇內(nèi)各協(xié)同智能車輛發(fā)送來的平均速度值，依次計算各協(xié)同智能車輛的速度對自身檢測結(jié)果的削減指數(shù)κ_m；其中，協(xié)同智能車輛CR_m所對應(yīng)削減指數(shù)κ_m的計算如下：

其中，M₂表示該分簇C_l內(nèi)除去簇內(nèi)感知融合中心后的協(xié)同智能車輛的總數(shù)目，表示該簇C_l內(nèi)M₂個協(xié)同智能車輛的平均速度值中的最大值，表示該簇C_l內(nèi)M₂個協(xié)同智能車輛的平均速度值中的最小值；

本實(shí)施例中定義的削減指數(shù)κ_m既充分考慮各協(xié)同智能車輛運(yùn)動時的平均速度值情況，并把單個智能車輛自身運(yùn)動時的速度矢量(包括了即時速度值和即時速度的方向角度值)也融入到所處簇的協(xié)同檢測中，避免傳統(tǒng)協(xié)同檢測方法中因?qū)⒅悄苘囕v假定為理想化靜止?fàn)顟B(tài)而帶來的不適應(yīng)實(shí)際情景的檢測需要，從而使得本實(shí)施例中的協(xié)同檢測方法因考慮到智能車輛實(shí)際的運(yùn)行而更具準(zhǔn)確性和實(shí)用性；

步驟8-4，根據(jù)所得簇C_l內(nèi)各協(xié)同智能車輛對應(yīng)的削減指數(shù)以及各協(xié)同智能車輛的檢測結(jié)果，由該簇C_l內(nèi)的簇內(nèi)感知融合中心對簇內(nèi)協(xié)同智能車輛的檢測結(jié)果融合，以得到該簇內(nèi)所有協(xié)同智能車輛的簇內(nèi)協(xié)同檢測概率和簇內(nèi)協(xié)同檢測的虛警概率；其中，簇內(nèi)協(xié)同檢測概率標(biāo)記為Q_d,l，簇內(nèi)協(xié)同虛警概率標(biāo)記為Q_f,l，其中：

簇內(nèi)協(xié)同檢測概率簇內(nèi)協(xié)同虛警概率l＝1,2,…,M₁，1≤M₁≤M；p_k表示該簇C_l內(nèi)第k個協(xié)同智能車輛的檢測概率；κ_k表示協(xié)同智能車輛CR_k所對應(yīng)的削減指數(shù)；

步驟9，根據(jù)輔助協(xié)同智能車輛陣列S₂中的各輔助協(xié)同智能車輛所對應(yīng)的檢測概率，利用AND準(zhǔn)則得到該輔助協(xié)同智能車輛陣列S₂中的輔助協(xié)同檢測概率和輔助協(xié)同虛警概率，并發(fā)送輔助協(xié)同檢測概率和輔助協(xié)同虛警概率給頻譜感知融合中心；其中：

Q_d,S2表示輔助協(xié)同檢測概率，Q_f,S2表示輔助協(xié)同虛警概率；p_q表示輔助協(xié)同智能車輛陣列S₂中的第q個輔助協(xié)同智能車輛的檢測概率；

步驟10，頻譜感知融合中心根據(jù)M₁個分簇對應(yīng)的簇內(nèi)協(xié)同智能車輛的信噪比以及輔助協(xié)同智能車輛陣列S₂內(nèi)所有輔助協(xié)同智能車輛的信噪比，分別得到M₁個分簇所對應(yīng)的主協(xié)同貢獻(xiàn)系數(shù)δ_l以及輔助協(xié)同智能車輛陣列S₂的輔助協(xié)同貢獻(xiàn)系數(shù)δ_S2；其中：

M₁個分簇各自對應(yīng)的主協(xié)同貢獻(xiàn)系數(shù)

輔助協(xié)同智能車輛陣列S₂的輔助協(xié)同貢獻(xiàn)系數(shù)

其中，表示第l個分簇C_l內(nèi)的第r個協(xié)同智能車輛CR_r的信噪比，m_l表示第l個分簇C_l內(nèi)所有協(xié)同智能車輛的總數(shù)目且m_l≠M(fèi)₂，N₂表示輔助協(xié)同智能車輛陣列S₂內(nèi)所有輔助協(xié)同智能車輛的總數(shù)目；例如，表示第3個分簇內(nèi)第2個協(xié)同智能車輛對應(yīng)的信噪比；SNR_q表示輔助協(xié)同智能車輛陣列S₂內(nèi)第q個協(xié)同智能車輛對應(yīng)的信噪比；

步驟11，頻譜感知融合中心根據(jù)各分簇所對應(yīng)的主協(xié)同貢獻(xiàn)系數(shù)δ_l以及輔助協(xié)同智能車輛陣列S₂所對應(yīng)的協(xié)同貢獻(xiàn)系數(shù)δ_S2，得到N個智能車輛的最終混合協(xié)同檢測概率；其中，N個智能車輛的最終混合協(xié)同檢測概率Q_D的計算公式如下：