基于数据融合的协作频谱感知方法研究毕业设计(编辑修改稿)

基于数据融合的协作频谱感知方法研究毕业设计(编辑修改稿)内容摘要：

通过频谱感知功能尽量快而准确地确定未被占用的频段 ， 以供 CR用户使用；同时还随时监测是否有新的授权用户需要接入该频段 ， 以使 CR用户及 时退出使用该频谱资源 ， 避免对授权用户造成干扰。 不准确或者延时的频谱感知结果会给授权用户带来有害干扰 ， 频谱感知技术作为认知无线电系统中关键技术之一 ， 是认知无线电系统能否得到推广应用的基础。 为了探测主要用户占据频谱的情况 ， 最有效的探测方式就是探测认知无线电通信范围内的主要用户信号 ， 所以已有的一些信号检测方法、频谱分析方法都可以借鉴过来作为研究内容。 图 21是根据国内外的研究情况总结的频谱感知技术的主要分类 [3]。 其中单节点频谱检测又称为本地频谱检测 ， 是指单个认知用户独立的执行频谱检测算法的检测 ， 这又分为主用户 发射机检测和 主用户 接收机检测。 协作检测是指多个认知用户相互合作执行的检测 ， 分为集中式协作检测和分布式协作检测。 频 谱 感 知 技 术单 节 点 频 谱 感 知 协 作 频 谱 感 知主 用 户 发 射 机 检 测 主 用 户 接 收 机 检 测能量检测匹 配滤 波器 检测循 环平 稳特 征检 测本 振泄 露检 测基 于干 扰温 度检 测集中式协作检测分布式协作检测 （论文） 第 8 页 共 68 页 图 21 频谱感知技术的主要分类 目前 ， 通过检测接收机信号和干扰温度来实现频谱感知的研究工作比较少 ， 大部分是通过对发射机信号的检测来判断频谱的占用情况 ， 达到频谱感知的效果。 单用户的频谱感知只有本地感知过程 ， 而合作频谱感知则包括本地感知和对本地感知结果的处理两个过程。 本地感知是指每个认知无线电用户对所观察的频带内的信号进行采样 ， 然后根据所采 用的不同检测技术对观察到的信号进行处理的过程；本地感知结果的处理则是认知无线系统采用各种算法对搜集到的各个用户的感知结果进行融合 ， 最终对频带的使用情况作出判决的过程。 对频谱感知的研究也主要集中在本地检测算法和感知结果的处理两个方面。 基于接收机检测 由于认知用户无法检测 主 用户接收机的存在 ， 认知用户机会式占用频谱会干扰其辐射范围内主用户接收机无法正常解码 ， 出现隐藏终端问题。 因此 ， FCC 和美国加州大学伯克利分校的学者分别提出了以接收机为中心的干扰温度估计和本振泄露检测方法。 基于干扰温 度的检测 通常情况下 ， 干扰是属于主用户发射机范围内的问题 ， 这意味着可以通过控制发射机的发射功率、带外辐射、发射机的位置等在一定范围内控制干扰水平。 然而 ， 由于不可预料的新干扰源的出现 ， 干扰实际上也可能发生在接收机范围内。 基于此 ， 20xx 年底 FCC推荐了一种新的量化和管理干扰源的模型 [4]， 即干扰温度(Interference Temperature)模型 ， 如图 22所示。 该模型要求发射基站有意识地控制信号发射功率 ， 使接收端接收信号功率接近其噪声电平（噪声功率统计平均值）。 当接收端工作频段内出现未知干扰信号 时 ， 不同的频点的峰值将超出原有噪声电平 ， 噪声电平相应被提高 ， 干扰温度模型不使用噪声电平作为判别门限 ， 而使用干扰温度即接收端所能容忍的新增干扰数量来判别。 换一句话说 ， 干扰温度模型是对多个射频信号能量进行积累 ，获得其最大容量的对应信号数量作为判别门限。 （论文） 第 9 页 共 68 页 图 22 干扰湿度模型 干扰温度的概念等同于噪声温度 ， 用来度量干扰功率和所占的带宽大小。 定义为 [5] , ( , )() IcIc P f BT f B kB (21) 式中 ， k是波兹曼常数 ， k = 10−23 J / K ， IT 为噪声温度 ， ( , )IcP f B 是带宽为 B ， 频点 cf 处的干扰的平均功率。 干扰温度是干扰功率的另一种表现形式。 干扰温度模型在接收机处设定干扰温度限 ， 用来表示接收机所能承受的最大干扰范围。 这种接收机端干扰温度检测模型实现的最大困难在于如何有效地测量干扰温度。 由于主接收机通常都是被动的 ， 认知用户无法知道主接收机的具体位置 ， 所以也就不能有效估计出会对邻近主接收机造成多大干扰。 而且 ， 有效的干 扰温度测量要求认知用户测量其对所有可能的主接收机造成的干扰 ， 目前还没有实际可行的方法解决这一问题 [6]。 本振泄露功率控制 当主用户的位置未知时 ， Wild 等人提出一种本振泄露功率检测 [7]的方法。 当主用户接收机工作时 ， 接收的高频信号经过本地振荡器后会产生特定频率的信号 ， 一些信号不可避免的从天线泄露出去 ， 该方法就是通过检测主用户接收机射频前端发射的本振泄露功率来发现是否有泄露信号 ， 从而判断主用户是否在工作。 （论文） 第 10 页 共 68 页 假设授权接收机分布密度为 2/Dkm ， 总信道数为 M认知无线 电干扰半径为 R， 则认知无线电用户至少可以找到一个空闲信道的概率为 111{ ( 1 ) ( 1 ) } ( 1 )2DM s r r D rrsMD sp q qsr             （ 22） 式中 2 6 2/ (10 )q R m。 该算法的检测范围比较小 ， 为了保证可靠性需要的检测时间会比较长。 而且需要在授权用户周围安置传感节点 ， 实现比较复杂。 基于发射机检测 检测频谱空穴最有效的方法就是检测在认知用户通信范围以内是否有主用户在接收数据 ， 然而在实际中认知无线电要直接测量主发射机和主接收机间的信道往往很困难。 因此 ， 通常的方法是检测当前某一频带内是否有主 发射信号存在。 发射机检测是基于微弱信号检测的原理。 一般地 ， 认知无线电发射机检测方法主要有三种：匹配滤波器检测、能量检测、周期平稳过程特性检测。 匹配滤波器检测 匹配滤波器是信号检测中的一种比较常用的方法 [8]， 因为在输出端它能够使接收信号的信噪比最大化。 在认知无线电设备中使用匹配滤波器 ， 实际上完成的是解调主用户的信号 ， 这样认知用户就必须知道主用户的物理层和 MAC层信息 ， 如调制方式、时序、脉冲波形及数据包格式等 ， 利用这些信息来实现与待测信号在时域和频域上的同步 ， 从而解调信号。 如果这些信息不准确就 会严重影响其性能 ， 而且它是一种相干检测 ， 对相位同步要求很高 ， 解调时必须通过时间同步或载波同步甚至是信道均衡来保证 ， 计算量也很大。 匹配滤波器检测方法最大的优点是可以在很短时间内完成同步来提高信号的处理增益 ， 缺点是要求认知用户掌握每一类主用户的各种信息。 这种方法适用于对主用户信息比较了解的频谱环境中 ， 例如超高频的电视频段等。 （论文） 第 11 页 共 68 页 能量检测 能量检测法是一种比较简单的信号检测方法 [9]， 属于信号的非相干检测 ， 直接对时域信号采样值求模 ， 然后平方即可得到；或利用 FFT转换到频域 ， 然后对频域信号求模的 平方也可 得到。 它无需知道检测信号的任何先验知识 ， 对信号类型也不作限制。 实际上 ， 能量检测是在一定频带范围内作能量积累 ， 如果积累的能量高于一定的门限 ， 则说明信号的存在；如果低于一定的门限 ， 则说明仅有噪声。 能量检测的出发点是信号加噪声的能量大于噪声的能量。 能量检测方法对信号没有作任何假设 ， 是一种盲检算法。 能量检测方法将输入信号首先通过一个带通滤波器 ， 然后进行平方运算 ， 通过积分器对一时间段 T 内进行积累 ， 检测框图如图 23所示。 带 宽 滤 波 器（ W )x ( t )2() 2x ( t) 20 01 ()TV dt 输 入VK0H 1 图 23 能量检测器框 图 设加性高斯白噪声（ AWGN， Additive White Gauss Noise）信道下 ， 认知用户接收信号的二元假设检测模型表示为 [9]： 01: ( ) ( ): ( ) ( ) ( )H x t n tH x t h s t n t (23) 其中 n(t)为加性高斯白噪声 ， s(t)表示主用户发射的信号 ， x(t)表示认知无线电接收到的信号 ， h是信道的增益 ， 假设 ， 0H 指在某个频段不存在主用户信号 ， 1H 指在某个频段存在主用户信号。 如果能量检测 应用在非衰落环境中 ， 及信道增益如式 (23)中所示 ， 那么检测到授权用户信号的概率和错误判定警报的概率分别为 [10] 10( / ) ( 2 , )( , / 2)( / )()d r ufrP P Y H QuP P Y Hu       (24) 其中 ， λ是信噪比 ， Γ（ •）和 Γ(• ， •)是完整和不完整 Gamma函数 ， uQ 是普通 Marcum Q函数 ， m为时间带宽积。 从上述公式可以看出 ， 一个低检测概率 dP 将会导致有很大的（论文） 第 12 页 共 68 页 概率丢失已出现的授权用户信号 ， 这就反过来增加了 对 授权用户的干扰 ；如果 fP 过高的话 ， 由于错误警报会使用频谱利用机会丢失 ， 这将会导致频谱利用率的低下。 由于这种检测方法易于实现 ， 最近的有关授权用户检测方面的研究主要集中在能量检测器上。 在文献 [11]中 ， 能量检测器考虑了多径衰落的因素。 在这种情况下 ， 由于信道衰落的原因 ， 信道增益 h是变化的 ， 检测概率 dP 便与瞬时信噪比有关了 ， 即 0 ( 2 , ) ( )uP d Q f d    （ 25） 其中 ， ()f 是在衰落情况下的信噪比的概率分布函数。 虽然能量检测法简单易行并且不需要被检测信号任何的先验知识 ， 但它固有的缺陷限制了它的使用。 首先 ， 能量检测法门限的设置非常困难。 认知无线电接收机在感知周围无线电环境时 ， 由于授权用户的存在而引起认知无线电接收机周围噪声和干扰的等级是不断变化的 ， 这就要求能量检测的判决门限也是不断变化的。 即使这样任何带内的干扰都会使判决出现错误 ， 容易将衰落的、比较微弱的信号排除在外 ， 而将幅度较大的脉冲噪声或突发干扰检测为信号。 其次 ， 能量检测法无法区分出有用信号、干扰及噪声。 因此 ， 接收机无法自适应的抵消干扰 ， 另外在信噪比很低时 ， 由于信号能量都淹没在噪声中 ， 这时能量检测法根本无法检测出信号。 最后 ， 能量检测法无法检测扩频信号 ， 如直接序列扩频和跳频扩频信号。 周期平稳特征检测 调制信号通常都经过了载波、脉冲序列、重复性扩展、调频及周期前缀等耦合处理 ，使已调信号具有了内在的周期性。 虽然数据是随机的 ， 但是这些调制后的信号的均值和自相关函数都具有周期性 ， 因而称其为周期平稳特性 [12](Cyclostationarity)。 通过分析频谱自相关函数可以检测出这些特性。 周期平稳特征 检测法最主要的优点就是它能够把噪声能量和已调信号的能量区分开来 ， 这是因为噪声是一个宽带的、静态的、没有相关性的信号 ， 而已调信号具有频谱相关性和周期性。 通常对周期平稳信号的分析是基于信号周期自相关函数和周期功率谱密度函数。 周期功率谱密度函数不同于通常意义的功率谱密度函数。 它反映的是已调信号在频域的频（论文） 第 13 页 共 68 页 率和相位之间的关系。 因此在功率谱密度函数中频率重叠频谱区域在周期功率谱密度函数中就不再重叠。 由于具有相同功率谱密度函数的不同调制方式的信号的谱相关函数不同 ， 而噪声和干扰不具有频谱相关特性 ， 因此可以用周期谱密度函数 从噪声和干扰中检测信号。 当然 ， 它比能量检测器更加复杂并且需要更长的观测时间。 频谱感知算法优缺点比较 表 31 频谱感知算法优缺点比较 感知方法 优点 缺点 匹配滤波器 精度高 ， 时间快 需要解调授权用户信号 能量检测 简单易实现不需要先验信息 时间慢 ， 精度低 周期平稳特征检测 低信噪比检测能力强 ， 可以区分噪声和信号类型 运算量大 协同检测 对授权用户进行发射机检测是由于认知无线电和授权用户之间没有信令交互 ， 无法知道授权用户的位置 ， 因而认知无线电只能对授权用户微弱的信号进行检 测。 在多数情况下 ， 认知无线电与授权用户的网络在物理上分隔开来的 ， 因此 ， 在发射机检测中 ， 认知无线电不能避免由于不知道授权用户接收机位置和信息而造成的干扰 ， 如图 24(a)所示。 而且 ， 发射机检测模式不能阻止“隐蔽终端”这个问题。 认知无线电的发射机和接收机之间可能是视距 (LineOfSight， LOS)的 ， 但是由于遮蔽等原因 ， 它或许不能检测到授权用户的发射机 ， 如图 24(b)所示。 因此 ， 在这种情况下 ， 认知无线电需要从其他的用户那里得到信息并进行准确检测 ， 也就是需。