基于加权的认知无线电检测融合技术研究毕业论文(编辑修改稿)

基于加权的认知无线电检测融合技术研究毕业论文(编辑修改稿)内容摘要：

范围内多维度进行频谱检测 ， 从而发现可使用的频段。 由于是免许可使用 ， 认知无线电必须具备迅速发现首要用户的能力 ， 在工作过程中时刻检测首要用户是否处于活动状态 ， 从而确保不对其产生干扰。 更为困难的一点是 , 由于广播电视用户多为哑终端 ， 即仅仅完成接收功能。 而作为认知无线电用户又必须能够发现他们的存在 ， 从而避免对其产生干扰 ， 这就为频谱检测提出了更为艰巨的要求。 目前有些研发人员提出通过检测接收机本振的频谱泄漏 来完成对终端的定位 ， 但是仍处于研究阶段。 分析 认知分析包括对自身性能、网络内部状态、外部相关数据 ( 包括频谱使用、策略使用等 ) 和用户自身需求等相关知识的分析。 如果说检测是信息的获取 ， 那么分析就是对相关信息的初步处理。 认知无线电设备通过所获取的频谱检测结果分析首要用户的位置、使用的频点和发射时间 ， 同时分析可用频点位置、可用带宽、信道状况、自身传输可能会对其他用户产生的影响以及 完成业务传输所需的带宽和时间。 调整 调整能力是完成传输的关键 ， 根据检测和分析的相关结果 ， 认知无线电设备通过先进 的功率控制技术、不同的编解码以及调制技术 ， 选择合适的频点和发射时机 ， 从而成功地完成传输。 这就要求认知无线电设备具备较强的性能 ， 能够在较宽的频段内实现不同传输方案之间的切换 ， 并且在突发事件发生后能够及时暂停或恢复传输 ， 确保在不干扰首要用户的情况下获取最大限度的传输能力。 推理和学习 由于当前无线频谱环境的复杂性 ， 简单的检测、推理和分析可能无法获得较好的传输性能。 如何根据无线背景环境的相关数据进行分析预测是一个非常重要的课题。 根据历史数据进行推理 ， 获得一定的参考信息 ， 在此基础上进行调整是南京邮电大学通达学院 20xx 届本科生毕业设计（论文） 7 一个较好的解决 方案。 一般来讲 ， 这种推理和学习分为三种 ： 第一种是基于简单固定规则 ， 即输入、输出可以预测 ； 第二种是基于较为复杂的模型 ， 运用一些模糊规则 ， 输出结果不可完全预测 ； 第三种是基于学习型的模型 ， 系统运行过程中能够不断调整模型及其参数 ， 从而获得较好的预测结果。 当前这一部分研究相对来讲更为滞后。 南京邮电大学通达学院 20xx 届本科生毕业设计（论文） 8 第 三 章 认知无线电的 关键 技术 认知无线电的频谱感知技术 在 CR应用中，频谱感知技术的目标是如何在保证授权用户免受有害干扰的前提下，实现对潜在频谱机会和再次出现授权用户的 准确、快速检测。 待检测的频谱可分成三种情况：黑色区域，常被高能量的局部干扰所占用；灰色区域，有部分时间被低能量干扰所占用；白色区域，只有环境噪声而没有射频干扰占用。 一般情况下，白色区域和有限度的灰色区 域 即频谱空穴 可被等待的用户所使用， 频谱空穴 指已被分配给某授权网络，但在特定时间和具体位置该网络中授权用户并没使用或没充分利用的频谱资源。 频谱检测的任务就是寻找合适的频谱 空穴 并反馈至发送端进行频谱管理和功率控制。 在 CR 系统中，频谱检测不仅对频谱 空穴 的检测起决定作用，同时也对频谱状态进行监测。 以下为几种典型的频谱 感知技术。 图 频谱机会 图 频谱感知环 南京邮电大学通达学院 20xx 届本科生毕业设计（论文） 9 基于发射机的 频谱检测技术 （ 1）匹配滤波器检测 匹配滤波器是一种使输出信噪比最大化的最佳线性滤波器，主要通过利用已知的授权用户信号的先验信息并对授权用户信号进行相干解调或者导频检测来实现。 其中基于导频检测相对简单，易于实现。 )()()(:)()(:10 nwnsnx nwnxHH  （ 21） 检验统计量为 : snsnxz xN  *)()( （ 22） H0 条件下， )(nw 高斯分布，检验统计量为高斯随机变量的线性组合，因此检验统计量 Z 同样服从高斯分布，且均值为 0，方差为。 同理， H1条件下， Z服从均值为  ， 方差为 2w 的高斯分布。 综合两种假设情况，检测统计量服从如下的高斯分布： HHwwNNZ1022 ,),( )，0(～   （ 23） 选定合适的门限值  ，检测概率和虚警概率分别为：  21)( wd QZP HP （ 24） 20)( wf QZP HP （ 25） 其中 ：  dzQz  )2ex p(21)(2 给定虚警概率 Pf， 同时定义信噪比22PSSNR ，其中 NsNPS  221 ， 可以得到相应的检测概率为： 南京邮电大学通达学院 20xx 届本科生毕业设计（论文） 10    S N RN PQPQP fwfd )()(121 （ 26） 此种方法，在低信噪比环境下，匹配滤波器检测方法的检测性能较好，某种意义上说匹配滤波器检测方法是最优检测法。 但由于信号的先验知识的条件受限，如果这些信号信息不准确，该检测方法的性能会受到很大影响，难以在实际环境中使用。 （ 2） 循环平稳特征检测 由于授权信号经过调制、编码等处理 ，为了便于接收机进行解调、解码，授权信 号中均存在一定的冗余信息，从而使它们的统计特性、均值、自相关函数都呈现循环周期性。 循环平稳特征检测算法就是通过利用谱相关函数检测信号中是否存在循环周期特征来确定授权用户是否存在（噪声没有循环周期特性）。 循环平稳特征检测 与能量检测算法不同的是，其不仅能检测是否有授权用户，还能区分授权信号的类型。 如果一个随机过程 )(tX 的均值和自相关函数都体现周期性，且周期与信号的周期相同，我们就说 )(tX 是广义循环平稳的，即满足： )()( tTt mmxx  （ 27） )2,2()2,2(   ttTtTt RRxx （ 28） 因为自相关函数具有周期特性，因此可以展开为傅里叶级数： tJXx eRttR   2)()2,2( （ 29） 其中 )(XR 是傅里叶级数的系数，由下式计算得到： dtettTR tJTT xX R     222)2,2(1)( （ 210） )}({ XR 被称为循环自相关函数， ,...)2,1,0(,  nTn 称为信号的循环频率，其 中 1n 是称为基本循环频率。 0 时， 循环自相关函数就是传统意义上的自相关函数。 如果信号具有循环遍历性，统计平均可以由时间平均来代替。 南京邮电大学通达学院 20xx 届本科生毕业设计（论文） 11 dtetxtxTR tJTTTX     222 * )2()2(1lim)( （ 211） 循环自相关函数还体现了循环平稳信号的频移相关性，令： tJetxt   )()( tJetxt   )()( 频域表示为： )2()(  fXUfU )2()(  fXUfV 则有： dtetxtxTR tJTTTX     222* )2()2(1lim)( （ 212） dtttTdtetxtxTR T TTtJT TTX    22*222* )2()2(1lim)2()2(1lim)(   （ 213） 循环自相关函数的傅里叶变换定义为谱相关函数由下式得到：   def ftJRS 2)()(  （ 214） 在二元假设模型中，应用循环平稳特征检测，很容易得到如下所示的关系式： HSHHSSHSSffHfHffFHffsnsn1*01002000,)()2()2(0,00,)()()(0,)()( （ 215） 循环平稳特征检测无需知道信号的先验信息而且能够区分噪声和主用户信号及调制类型，可以摆脱 背景噪声的影响，因此与能量检测法相比对信号有更好的检测性能。 但是 ,循环平稳特征检测的计算复杂度较高。 （ 3） 能量检测 能量检测算法又称为基于功率的检测算法，通过测量一段观测空间（频域或时域）内的接受信号总能量来判断是否有授权用户信号出现，是一种非相关的次优检测算法。 南京邮电大学通达学院 20xx 届本科生毕业设计（论文） 12 由于时域检测需要多个相对应的滤波器，灵活性差，所以能量检测多采用频域的实现方式。 它通过快速 FFT来观察相应频带上的所接受到信号的总能量，通过FFT运算，可以在不增加检测时长的前提下，提高其检测性能。 传统的信号检测方法都是基于能量检测的。 能量检 测模型如 图。 图 能量检测模型 假设主用户信号 s(n)和噪声信号 u(n)都是高斯分布的，均值及方差分别为 μ1和μ2及 σ1和 σ2。 检测时存在两种情况，一种是主用户存在，接收的信号包括主用户信号和噪声信号，另一种情况则是主用户不存在的情况，接收的信号只包含噪声信号，如下式所示： 12H : ( ) ( ) ( ) ,H : ( ) ( ) .y n s n u ny n u n （ 216） 能量检测法先对接收信号做 N点 FFT，转换到频域，然后对频域信号求模平 方，得到平均的能量计算值 T(y)，如下式所示： 211( ) ( )NnT y y nN   （ 217） 其中， y(n)为第 n个采样信号； N＝ 2TW为采样个数，当中 T、 W分别是采样的时间和带宽。 最后将得到的能量计算值与设置的门限相比较，超过判决门限，就认为该频段内有主用户的存在。 能量检测法相对简单、易实施，在许多研究中被采用，并且，它属于非相干检测，对相位同步要求不高。 但是，能量检 测法在低信噪比情况下的检测性能不佳；正确检测概率受干扰不确定性的影响较大；不适用于扩频信号、直接序列信号以及跳频信号；只能辨别主用户是否存在，无法辨别主用户的类型。 针对能量检测法受干扰影响较大的情况，考虑通过主用户发射机发送导频信号辅助认知用户的方法来提高检测的正确度。 但是它需要一个主用户愿意“帮助”认知用户的前提。 （ 4） 离散小波变换和离散小波包变换检测 离散小波变换和离散小波包变换本质上是对信号的时 —— 频域联合分析，可以克服傅立叶变换分析缺乏时域分析的不足。 离散小波变换对信号的分解过程是将某级近似空 间分解为下一级近似空间 V和细节空间 W，而对各级细节空间则不考虑进行分解的问题。 这种信号分析方法对应于频域的二进制频程划分，特别适用于具有丰富低频成分的信号。 1 1 1j j j j j jV W V W W V       （ 2。