认知无线电的频谱感知技术研究

认知无线电的频谱感知技术研究内容摘要：

性能进行评价；文献[29]通过估计不受噪声影响的主用户信号的精确功率提出了一种可替代的能量检测法以改善检测性能；文献[30, 31]分析了各种衰落环境下能量检测法的检测性能；文献[32, 33]分析了噪声功率不确定下的频谱检测并研究了最坏情况下的性能。 特征检测方面，文献[34, 35]等对循环平稳特征检测做了许多基础研究；文献[36]提出利用循环频率域剖面图检测信号有无，再通过隐含马尔可夫模型进一步辨识信号类型；文献[37]提出了用 3243。 准则结合谱相关分析对循环谱消噪处理，便于低信噪比下实现检测；文献[38]对无线区域网及麦克风信号在信噪比较高时使用峰值检测，否则直接在轮廓图上寻找特定图样以检测信号；文献[39]基于循环相关滤波联合循环相关谱双重抑制噪声，计算复杂度有限增加而抗噪性能更强；文献[40]设计了一种基于符号函数的非参数循环相关估计器，在高斯及非高斯环境下均有效，且后者的性能好于一般的循环平稳特征检测；文献[41]将主用户信号延时作为先验信息，寻找循环自相关中的最佳延时来检测信号；文献[42]提出了基于似然比准则的多循环频率点特征检测法，考虑循环自相关函数的多峰值点以提高检测性能。 此外，出现了一些新的方法，文献[43]假定认知用户用 OFDM 传输，根据保护间隔及循环前缀共同实现感知，将其性能与仅利用保护间隔感知进行了比较；文献[44]提出了一种利用接收信号的熵值判断主用户信号是否存在的方法；文献[45]提出了利用接收信号协方差矩阵的特征值进行检测；文献[46]提出了基于接收信号过采样或采用多接收天线的盲感知算法，无需先验信息区分统计量从而实现检测；文献[47]提出了采用 AIC 和 MDL 准则确定空闲信道数、再确定具体信道的方法；文献[48]提出了宽带多步频谱检测法，分粗细检测两步执行，使用基于小波变换[49]的多分辨率检测[50]以相当宽的频谱分辨率检测全频段，粗略判断候选频段后用时间特征技术[51]进一步扫描；文献[52]提出了一种可变间隔的频谱检测机制，利用主用户状态分布统计信息，引入控制因子使认知用户适时改变检测间隔。 有时认知用户还需对多认知网络共存的区域内其它用户进行必要检测，文献[53]提出了一种对认知用户所传输的 OFDM 信号在频域上人为构造“循环平稳标识”的方法，继而实现认知用户间的相互检测、区分及组网；文献[54]提出了在子载波上构造多个“循环平稳标识”以改善该方法在多径衰落环境下的感知性能。 6杭州电子科技大学硕士学位论文上述这些算法研究了单认知用户时的情况，而多认知用户合作检测也成为了研究热点。 文献[5, 55, 56]对合作感知做了相关理论研究；文献[57]分析了机会接入的合作用户在衰落环境下的感知性能；文献[58]提出了基于相邻节点感知信息交换的分布式合作来提高感知效率；文献[59]将两种软联合与传统硬联合比较，提出了一种软化的硬联合机制实现检测性能与计算复杂度间的折中；文献[60]根据渐近随机矩阵理论提出了不同信道下新的合作感知机制；文献[61]提出了一种基于认知用户可信度的合作检测，结果表明性能有较大改善并可消除感知失败；文献[62]在中心节点先验信息未知条件下提出了基于证据理论的合作检测；文献[63]提出了一种加权算法改善衰落中的感知性能，在此基础上文献[64]引入传感网络节点分簇机制，研究了基于簇状认知网络的改进算法。 算法优化方面，文献[65]针对本地检测统计量的线性联合分析了两种优化方案来控制联合权重；文献[66]研究了一种基于最优融合准则的自适应合作感知方案，可达到理想性能而无需先验信息；文献[67]将虚警概率与漏检概率和的最小化作为合作感知性能指标，得到了一定条件下最优融合准则、检测门限及认知用户数。 此外认知用户间以中继方式也可实现合作感知，文献[68, 69]研究了两个用户的情形，分析了某一认知用户作为中继的协作检测法，可降低检测时间并提升检测灵敏度；文献[70]研究了多用户的情形，距授权用户较近的认知用户可作为中继来协助较远的用户实现感知。 本文主要工作及内容安排本文后续章节将基于空闲频谱检测技术对认知无线电的频谱感知进行算法研究以及算法的仿真验证。 本文主要围绕授权用户发射源检测展开，提出并研究了多个用于实现认知无线电频谱感知的算法及其改进，在这些算法中有本地单个认知用户处执行的感知算法，也有多个认知用户参与构成认知网络执行的合作感知算法。 本文共分为六章，各章节的内容安排如下：第一章介绍了认知无线电的研究背景和意义、几种主流的认知无线电定义、研究现状及其领域内的研究重点，然后对认知无线电频谱感知技术的研究意义及发展现状进行了较为详细地讨论。 第二章介绍和讨论了认知无线电频谱感知方法，并对各自的优缺点作了说明。 介绍了基于本地频谱感知的授权用户发射源检测，对匹配滤波检测、能量检测及循环平稳特征检测三种方法进行了分析；对两种授权用户接收端检测法作了简要的介绍；最后具体讨论了合作频谱检测及其必要性。 第三章第一部分，基于韦尔奇周期图法将接收到的信号数据分成若干片段后作变换处理，提出了一种用于认知无线电的能量检测频域算法。 对信号频域数据进一步平滑，利用滑动窗函数机制处理后获得谱窗能量，从而提出了一种改进的增强算法；最后仿真分析了授权用户为 BPSK 信号时算法的感知性能。 第二部分，研究了一种基于循环平稳强度测量的谱相关特征检测算法。 对 BPSK 调制信号的循环相关谱作了仿真，分析了检测统计量及时域平滑估计7杭州电子科技大学硕士学位论文方法；提出了多循环频率点加权联合检测的改进算法以提高可靠程度；算法仿真得到了单检测点的性能及不同加权联合策略下的 ROC 曲线。 结果表明上述算法适用于较低信噪比环境，且改进后的感知性能均有改善。 第四章研究了一种基于协方差估计的认知无线电频谱感知算法。 利用认知用户接收到的信号中授权用户信号及噪声的连续采样数据来构造协方差估计矩阵，从中获得统计量继而构造了检测统计量。 详细阐述了算法实现过程，理论推导了授权用户信号不存在/存在情况下的检测统计量及性能指标；仿真分析了授权用户为 QPSK 信号时算法的感知性能，并考虑了授权用户信号存在干扰信号的情况。 结果表明此方法在低信噪比的环境下具有较好的感知性能，操作可行性较高且计算复杂度较低。 第五章基于接收信号时延信息提出了一种多路认知无线电确认的合作检测算法。 介绍了多源信息融合的主要拓扑结构及用于合作检测网络的判决融合策略；描述了算法的实现，各认知用户分别对不同时延累积后的信号数据片段进行本地检测，以等权重方式对检测信息作不同准则下的判决融合；将两种加权更新改进方案应用于判决融合过程，根据认知用户对整体性能贡献多少，赋予不同的动态权值参与合作；最后仿真分析了网络内认知节点处于较为相近或不相近的信噪比环境，硬、软判决融合准则下的合作频谱感知性能。 结果表明该算法可靠有效，且改进后认知无线电的整体感知性能有所提高。 第六章对全文进行了总结，并提出了未来研究工作的方向。 8杭州电子科技大学硕士学位论文第 2 章认知无线电频谱感知技术基本知识认知无线电可灵敏感知周围环境变化，利用各种频谱感知算法，探测在认知无线电通信范围内的授权用户信号是否存在。 一般来说，在认知无线电系统中可将主要的频谱感知技术划分为如图 所示的情况[13]。 本章将对认知无线电频谱感知的基本方法进行介绍，重点讨论单个认知用户执行本地频谱感知中使用的授权用户发射源检测、多个认知用户共同参与的合作频谱检测，并给出它们在技术实现上的优缺点。 认知无线电频谱感知授权用户发射源检测合作频谱检测授权用户接收端检测匹配滤波检测能量检测循环平稳特征检测本振泄漏检测基于干扰温度的检测图 认知无线电中主要频谱感知技术的分类 发射源检测发射源检测是一种非合作的本地检测方法。 认知无线电应该具有识别被使用的和未被使用的频段检测能力，授权用户发射源检测正是认知用户通过分析侦听到的信号中是否存在授权用户发射机发出的微弱信号来判断发射机的工作状态，继而判断感兴趣的频段处于占用状态还是空闲状态。 该检测法的基本二元假设模型可以表示成以下形式：n(t ),hx(t ) + n(t ),H 0H1()其中， y(t ) 是认知用户接收到的实际信号，x(t ) 是授权用户发射信号，n(t ) 是加性高斯白噪声（AWGN）， h 为信道的增益。 H 0 是频段未被占用的假设，说明目前在该确定频段上没有授权用户，出现频谱空穴； H1 则是频段已被占用的假设，此时判定在该频段上存在授权用户，不能被认知用户机会使用。 在式()给出的二元假设检测模型下，频谱感知需解决的频谱空穴检测问题转变成加性噪声背景下的信号检测与估计问题，用于判断认知用户接收到的信号中是否存在授权用户信号。 可将信号处理技术中的匹配滤波检测（Matched Filter Detection）、能量检测（EnergyDetection）及循环平稳特征检测（Cyclostationary Feature Detection）用于发射源检测[6]，以实现频谱感知。 9y(t ) = 杭州电子科技大学硕士学位论文 匹配滤波检测匹配滤波器是指输出信噪比最大的最佳线性滤波器，这种滤波器在数字通信信号的检测中常常具有比较重要的意义[71]。 如果滤波器的输出端可以获得最大信噪比，就能很好地判断有用信号的出现，从而能够提高系统的检测性能。 在认知无线电系统中，当认知用户接收机知道授权用户信号的一系列先验信息比如调制类型、脉冲整形及帧格式等，那么此时匹配滤波检测就是一种最佳的检测方法[8]。 根据匹配滤波理论知道，只有在其滤波器的传输函数为 H ( f ) = KX * ( f )e− j 2240。 fT 时才可以获得最大的输出信噪比，对其反变换后能够得到该滤波器的冲激响应 h(t ) = Kx* (T − t)。 匹配滤波检测算法的原理框图如图 所示，认知用户接收到的离散采样信号经过匹配滤波后产生的检测统计量 Y 可以表示成：Y = ∑ y(n)h( N − n) = ∑ y(n)Kx* (n) = ∑ y(n) x 39。 (n)N N N其中， x 39。 (n) 是连续信号 x 39。 (t ) = h(T − t) 的离散采样值， N 是采样点数。 ()y(t)A/D转换⊗N个抽样求和Y判决H0或H1h(Nn)λ图 匹配滤波检测法的原理框图将得到的检测统计量 Y 和预先设定的检测门限值 235。 进行比较，当 Y 235。 时判定在感兴趣的频段上存在授权用户，反之则判定授权用户信号不存在，出现频谱空穴可供机会使用。 假定在上述两种假设情况下， x 39。 (n) 是满足高斯分布的，而检测统计量 Y 是高斯随机变量的线性组合，因此它服从如下的高斯分布：Y ∼  2利用匹配滤波检测时的虚警概率 Pf 和检测概率 Pd 可分别近似表示成： 235。 2 235。 − 229。 2()()()其中，229。 = ∑ y 2 (n) 是认知无线电接收到信号的能量，243。 2 是加性高斯白噪声的方差，Q(⋅) 函数N∞t12240。 − x 2 /210 N (0, 229。 243。 2 ) H 0 N (229。 , 229。 243。 ) H1Pf = P(Y 235。 | H 0 ) = Q   229。 243。 Pd = P(Y 235。 | H1 ) = Q   229。 243。 定义为 Q(t) = ∫e dx。 为满足检测性能参数，需要最小抽样个数 N 的理论值为：杭州电子科技大学硕士学位论文N =[Q −1 (P ) − Q −1 (Pf )]2SNR()采用匹配滤波检测时，短时间就可获得较高的处理增益，但匹配滤波器必须要有效地对授权用户信号进行解调，也就是说它需要事先有授权用户信号的先验信息。 这些信息可预先储存在认知无线电的内存中，但对解调来说认知无线电必须通过时间及载频同步甚至信道同步来获取和授权用户信号的相关性，要是这些信息不正确，性能会受到很大影响。 此外该方法对不同的授权用户类型需要专门的接收机工作，使得认知用户接收处的计算量很大。 能量检测若认知无线电接收机不能收集到授权用户信号足够的相关信息，上述基于匹配滤波的检测就不是最优的[6]，在大多数情况下通常不能满足具备信号先验信息及严格意义上的同步要求，因此可考虑使用能量检测器。 为测量接收到信号的能量，需要将输入信号先通过一个带宽为W 的带通滤波器，取出感兴趣的频段，作平方运算后在一定观测时间段 T 内进行积分累积，得到检测统计量 Y 并将其与预先设定的检测门。