1.一种信息素驱动的分布式协同宽带频谱感知方法，其特征在于包括以下步骤：步骤(1)、利用滤波器组将每个节点的宽带信号分割为多个窄带信号的信道，其中宽带信号中含有PU信息；假设输入信号为x(n)，原型滤波器响应为h(n)，总的信道数为D；将x(n)通过滤波器组，得到D路信道的输出为yp(m)；

步骤(2)、用一个CU感知一个节点，对某一节点的每个信道的窄带信号采用能量检测，得到该节点每个信道的判决统计量和判决结果，具体是：设定第l个节点的第p个信道的判决统计量和判决结果分别为Tp,l和Dp,l，结合公式(2)或(3)可得第l个节点的第p个信道的信息素：所述的Tp,l,Dp,l的获取步骤具体如下：

假设xl(n)中的PU信号为s(m)、噪声为v(m)，s(m)是与v(m)独立的复高斯过程，s(m)的实部和虚部都服从均值为0，方差为 的高斯分布；v(m)也是复高斯噪声，其实部和虚部都服从均值为0，方差为 的高斯分布；

能量检测法的检测统计量如下：

yp,l(m)为第l个节点的第p个信道的输出信号，其中 为每个信道的样本数，N为总样本数，K为总节点数；G表示滤波器组的处理增益， L为原型滤波器的长度，h(l)表示信道系数；

假设H0和H1分别表示PU不存在和PU存在的情况；

在H0下，由于接收信号只有噪声信号v(m)，故yp,l(m)服从复高斯分布，其实部和虚部均服从均值为0，方差为 的高斯分布；

在H1下，由于加入了PU信号，则yp,l(m)也服从复高斯分布，其实部和虚部均服从均值为

0，方差为 的高斯分布；

根据卡方分布的定义可知：Tp,l服从自由度为 的中心卡方分布；

其中，η是服从自由度为 的中心卡方分布的随机变量，即当样本点数足够多时，根据中心极限定理可知，检测统计量Tp,l近似服从高斯分布：则可得到第l个节点的第p个信道的虚警概率为：

由式(7)可知检测门限为：

判决结果

其中，Dp,l表示第l个节点的第p个信道的判决结果，“1”表示PU存在，“-1”表示PU不存在；

步骤(3)、利用CU感知所有节点对应序号的信道两两交互感知信息，最终得到不同节点对应序号信道的最终融合判决结果：

3.1任取两个节点l、j对应序号的信道两两交互感知信息：

3.1.1假设第l个节点与第j个节点的第p个信道的相关函数分别为Rp,l(n)和Rp,j(m)，其中n表示节点l与其他节点的交互次数，m表示节点j与其他节点的交互次数，1≤n≤N-1，1≤m≤N-1，N为所有节点的个数，具体见式(10)和(11)所示：融合判决结果为Dp,l(n)和Dp,j(m)的概率分别为Pp,l(n)和Pp,j(m)，如式(12)和(13)所示：其中θ＞0，为常数；

当Pp,l(n)＞Pp,j(m)时，融合判决结果为Dp,l(n)；当Pp,j(m)＞Pp,l(n)时，融合判决结果为Dp,j(m)；

3.1.2更新信息素

当Pp,l(n)＞Pp,j(m)时，τp,l(n+1)＝τp,l(n)×(1+a×Rp,l(n)×Dp,l(n)×Dp,j(m))   (14)同时令τp,j(m+1)＝τp,l(n+1)，其中a是信息素的释放因子，用于调整信息素释放的速度；

当Pp,j(m)＞Pp,l(n)时，τp,j(m+1)＝τp,j(m)×(1+a×Rp,j(m)×Dp,j(m)×Dp,l(n))   (15)同时令τp,l(n+1)＝τp,j(m+1)，其中a是信息素的释放因子，用于调整信息素释放的速度；

3.2其他节点两两交互信息重复步骤3.1，直至所有节点完成两两交互，得到若干融合判决结果；

上述所有节点两两交互的意思是每个节点与其他节点均交互一次；

CT0p和CT1p分别表示第p个信道的所有最终融合判决结果为“-1”和“1”累加值；

当CT0p＞CT1p时，第p个信道的最终融合判决结果为PU不存在；当CT1p＞CT0p时，第p个信道的最终融合判决结果为PU存在；

同理可得其他信道的最终融合判决结果。