无线电频谱资源（精选9篇）
无线电频谱资源 篇1
一、无线电频谱资源的属性
(一) 自然资源的含义
“资源”这一概念来源于经济学, 是作为生产实践的自然条件和物质基础提出来的。一般来说, 广义的“资源”包括自然资源和社会资源, 而狭义的“资源”仅指自然资源。 (1) 目前学术界广为接受的观点是:自然资源是有人类发现的在自然状态中有用途和有价值的物质。 (2) 在联合国出版的文献中, 对自然资源的认识为“人在其自然环境中发现的各种成分, 只要它能以任何方式为人提供福利的都属于自然资源。从广义来说, 自然资源包括全球范围内的一切要素。”从中可知, 自然资源是一个相对的概念, 随着社会生产力水品的提高和科学技术的进步, 先前尚不知其用途的自然物质逐渐被人类发现和利用, 自然资源的种类将日渐增多, 自然资源的概念也不短深化和发展。例如:人们逐渐认为无线电频谱也属于自然资源的范围。 (3)
(二) 无线电频谱资源的含义
国内的研究者们, 对于无线电频谱资源“是什么”, 有一下几种观点:其一认定它就是无线电波, 是一种无体物, 照此解释, 无线电频谱是无线电频率, 即无线电波的总称 (4) ;其二认定它是一种权利, 是“使用无线电波的权利”, 代表观点有:频谱使用权是经行政许可获得的发射特定频率无线电波的行为权利, 属于准物权范畴, 不适于套用益物权理论。 (5) 为频谱使用权设计制度可以借鉴知识产权制度中的独占许可, 全部制度设计围绕权利进行, 其中没有物的交付、流转、占有和消耗。 (6)
由于对无线电频谱中频率起止范围的不同规定, 各国对无线电频谱资源的定义也不尽相同 (7) , 通过研究, 笔者对于无线电频谱资源, 给出以下定义:如同土地资源、海域资源和卫星轨道资源, 无线电频谱资源是一种存在于自然界, 能被人类利用, 并广泛应用于生产和生活的自然资源, 其本质是“信号通道”, 即“信道”, 是无线电波传播的媒介。特定频率的无线电波对应着特定的信号通道, 人类可利用频率范围内的无线电波所一一对应的信号通道的集合, 就是无线电频谱。进一步讲, 这种无线电波传输的媒介, 是一种特殊的空间———无线电波作为无线通信的载体携带信息, 通过无线电频谱这一媒介, 完成信息的传递。进一步说, 因为无线电波的传播特性, 无线电频谱资源是允许3k Hz-3000GHz的电磁波通过的特定空间 (无线电波通道) 的组合。
(三) 无线电频谱资源的自然资源属性
一般认为, 构成自然资源需要具备价值性、有限性、地域性、整体性等特征。无线电频谱资源均符合这些特征。 (8)
无线电频谱资源可用来进行声音和图像广播、气象预报、导航、无线通信、灾害预报、报时等业务。 (9) 由此可见, 无线电频谱资源, 对于促进信息交流、保障国家安全、维护社会稳定、搞好生产调度、丰富人民物质、文化生活都发挥着重要作用, 具有明显的社会效益和经济效益。 (10)
有限性是自然资源的本质特征。○11因为无线电波同频干扰特性, 无线电频谱资源具有很强的排他使用性。其次, 无线通信使用的频谱资源是3k Hz-3000GHz的电磁波对应的频谱通道, 因此, 无线电频谱资源的范围是有限的。自然资源的稀缺性是指有限的自然资源对人类无限需求表现出的使用竞争性, ○12无线电频谱资源同样表现出了这种竞争性。
基于上述理由, 无线电频谱资源属于一种自然资源, 并具有自身明显的特性。
二、自然资源国家所有权制度
(一) 我国自然资源国家所有权制度
自然资源兼具公共物品和私人物品的双重属性, 国家作为所有权人的意义主要在于彰显自然资源的公用性和保障经济的可持续发展。这种公共性一般通过两种途径来实现:其一, 国家向其他民事主体有偿出让自然资源;其二, 国家获得对自然资源的控制权。因此, 国家所有权还意味着一种责任和义务。国家所有权的主要目的, 是通过一定程度的国家公权干预, 直接向全民进行自然资源的公平分配, 实现自然资源的可持续利用, 获得财政收入的最大化则已退居其次。○13我国现行立法中, 自然资源分为公共自然资源和国有自然资源两类。
公共自然资源, 是指排斥成立任何形式的私人所有权, 并由全体社会共同体成员共同且平等使用的自然资源。国有自然资源, 是指国家享有排他性民事权利的自然资源。国家自然资源所有权, 是指国家对自然资源享有的排他性民事权利。加拿大著名民主派理论家克劳福德·布拉夫·麦克弗森认为, 国有财产根本就不是个人的权利, 私人对它没有直接的使用权, 国家扮演公司角色来拥有它们。“国家就完全可以被理解成拥有一种公司的权利, 这种权利排除包括自己的国民在内的其他人可以使用某物或从某物中获得收益, 正如它允许私人所有者所做的那样。”○14
公共自然资源直接服务于全体社会成员的福利, 国家只是名义上的所有人, 并不享有排他性的民事权利。对于国有自然资源, 国家享有排他性的民事权利, 甚至在法律允许的情况下, 还可以转让给私人所有。○15
(二) 无线电频谱资源国家所有权的属性
在经济学上, 公共自然资源具有极强的公共物品属性, 公共物品会产生“公地悲剧”与“反公地悲剧”。“公地”上的过度利用与“反公地”上的低效乃至无效利用, 是一个硬币的两面, 它们构成了“对称的悲剧”。无线电频谱资源被视为一种共同财产资源和无形资源, 由于无线电通信固有的技术特点, 在不进行任何人为的使用限制的情况下, 频谱资源自身是一种具有非排他性、非竞争性的公共物品。即频谱资源本身是既不可被消耗的, 又是不阻碍或限制他人使用的。由于公共物品经济属性的特殊意义, 而许多公共资源具有公共物品的属性, 所以对公共资源的配置需要有更深层次的考虑。○16
在我国其所有权归属国家所有, 国家是无线电频谱资源所有权的唯一主体, 国家对无线电频谱资源所有权行使的目的是国家利益最大化, 并最终通过财政分配体系, 对这种国有自然资源的收入实行公平分配。
三、无线电频谱资源国家所有权的行使
(一) 行政法规对于无线电频谱资源的管理现状
国家无线电管理委员会行使对中央和地方的无线电管理, 即统一领导、统一规划。政府和军队用频是内部分配制度, 商业用频是行政许可的指配方式。出于国家安全和对宣传的管控, 《无线电管理条例》第23条规定:任何单位和个人未经国家无线电管理机构或者地方无线电管理机构批准, 不得转让频率, 禁止出租或者变相出租频率。
随着频谱资源竞争的日趋激烈和多样化使用, 我国单一行政审批的配置方式阻碍了市场竞争和科技创新进步, 同时也未能充分发挥频谱资源的宝贵价值。我国在无线电频谱资源上面临着供需矛盾和低效利用的问题, 解决之道一方面需要研发新技术, 提升复用率;另一方面需要建立相关用益物权制度, 并相应修改行政法规的规定, 使行政法规规范并促进频谱资源的流转。
(二) 无线电频谱资源的行政法管理
我国现阶段对于无线电频谱资源的管理, 以行政法管理为主, 物权法仅宣示性的将其纳入到了物权体系中。行政管理的本质作用是规范无线电使用秩序, 审查申请者资格, 为无线电频谱使用者服务, 其表现是行政许可, 是国家通过行政部门行使管理权。自然资源国家所有权蕴含着宪法所有权与民法所有权。国家所有权的特殊性在于国家身份的复合性———就自然资源而言, 国家既是资源管理者, 又是资源所有者。○17无线电频谱资源国家所有权是行政管理权和物权所有权的母权。我国宪法第9条规定了一切自然资源所有权归属国家, 在我国国家所有即全民所有, 由国务院代表国家行使所有权。
行政管理权的母权是宪法所有权, 是国家的公法人格的表现, 其内容是国家对于自然资源使用秩序的规范和调整, 从而实现对资源的合理利用和经济的可持续发展, 其内容并不包含所有权的权能。即行政许可, 对于相应的行政主体而言是一项重要的行政权力;对于申请人来说, 则为其特定资格确立或权利产生的要件。○18恩格斯曾指出:“政治统治到处都是以执行某种社会职能为基础, 而且政治统治只有在执行了它的这种社会职能时才能持续下去。”○19
物权所有权的母权也是宪法所有权, 是国家的私法人格的表现。宪法所有权不能直接成为自然资源使用权的母权, 二者之间必须存在私法上的“转化器”———民法所有权。○20国有的自然资源是国民的共同财产, 是负载着全体人民公共利益的资源, 是国家专有财产。通过物权法的规定, 实现无线电频谱资源等自然资源的效益最大化, 并使资源配置达到帕累托最优状态。目前, 我国尚未建成自然资源用益物权流转的体系。
四、无线电频谱资源的物权化
国家作为所有权人, 通过用益物权制度, 通过法定方式将频谱资源所有权的部分权能让渡给公民、法人等民事主体利用。在我国无线电频谱资源的所有权只能属于国家, 但国家通常不会直接实施使用、收益等行为, 故在国家保留核心处分权的前提下, 将其使用权分离出来, 不失为合理的选择, 也更能保证频谱资源的使用效率。○21在国有自然资源的配置上, 市场机制不是万能的, 因为市场机制存在着交易成本和隐蔽的外部性, 且失于提供公用物品, 而国家利益不仅仅是经济利益, 还包括政治、军事等具有极强公共性的非经济利益。因此, “市场作为分配机制, 在范围上必须是有限的, 而且必须有选择地加以利用”。○22
因此鉴于无线电技术的发展的需要, 确有必要将无线电频谱资源使用权纳入物权法中。
(一) 无线电频谱资源的属于民法中的物
现代以来, 物的范围随着人们认识的扩展而扩展。梁慧星教授、王利明教授都认为:“能够为人力所控制并具有价值的特定空间视为物。”○23如前面所论述, 无线电频谱资源作为“人力控制并具有价值的特定空间”, 当然属于民法上的“物”。
(二) 无线电频谱资源物权化的意义
当代中国的自然资源国家所有权物权化, 核心就是确立国家对于国有自然资源的民事主体地位, 其实质是将传统民法中的私人财产所有权制度直接移植到国家身上。○24早在党的十六届三中全会上, 中央就指出要构建“界定清晰、配置合理、交易顺畅、保护严格”的产权制度。“广义产权论”也认为, 产权制度是由界定、配置、交易、保护等制度构成的体系, 缺一不可, 环环相扣, 任何一项制度的缺失或不完善, 都会影响到其他制度的有效运行。○25合理的资源配置可以激发经济活动主体的内在活力, 达到经济利益最大化的目的, 最终实现社会利益最大化。○26按照科斯定理, 只要产权是清晰的, 即便资源初始获得者不是最有效的资源使用者, 那么二级市场的自由流转也能使资源流转到最能有效利用这种资源的主体手中。○27如频谱资源, 在市场机制下, 过高的拍卖价格也会在市场上随时间的流动而得到纠正。○28
(三) 无线电频谱资源使用权
无线电频谱资源使用权是指自然人、法人、非法人组织依法占有、使用具有特定频率、波长、带宽的无线电波的信息通道, 进行特定营利性或非营利性行为的权利。
首先, 按照前面的分析, 无线电频谱资源属于“能够为人力控制并具有价值的特定空间”○29, 应当视为物权法所指的“物”。再次, 我国《物权法》第50条规定:“无线电频谱资源属于国家所有。”显然, 此规定已经确立无线电频谱资源这一新型“物”的所有权即物权, 其客体就是无线电频谱资源, 而无线电频谱资源使用权系由所有权派生而来, 故将无线电频谱资源使用权定性为物权, 是逻辑的必然。最后, 无线电频谱资源拥有物权客体的本质属性。物之所以成为物权之客体, 其本质原因不外有三:其一, 此物可满足人类某种需要;其二, 此物可被人类利用;其三, 此物具有稀缺性。具备上述三个属性的物, 必然进入物权法的调整范围, 必然成为物权之客体, 至于有形或无形、有体或无体, 无关根本。而在此物之上设定之权利即为物权。频谱资源完全具备上述条件。
五、总结
自然资源国家所有权的社会化利用是当前趋势, 无线电频谱资源物权化是解决频谱资源低效利用和供求矛盾的有效方式。物权化的核心是建立和完善无线电频谱资源资源使用权这一新型用益物权, 《物权法》第50条为该制度的建立打下了坚实基础。今后, 无线电频谱资源用益权制度的建立能充分发挥无线电频谱资源的使用和交换价值, 也有利于频谱资源的技术创新和发展。
参考文献
[1]Coase.R.H.The Federal Communications Commission[J].Journal of Law and Economics, 1952, 2 (01) .
[2]邱秋.中国自然资源国家所有权制度研究[M].北京:科学出版社, 2010.
[3][美]阿兰·兰德尔.资源经济学:从经济角度对自然资源和环境政策的探讨[M].施以正译.北京:商务印书馆, 1989.
[4]崔建远.自然资源物权法律制度研究[M].北京:法律出版社, 2012.
[5]章铮.环境与自然资源经济学[M].北京:高等教育出版社, 2008.
[6]税兵.“自然资源国家所有权双阶构造说”[J].法学研究, 2013.7.
无线电频谱资源 篇2
摘要：针对传统静态频谱分配方法导致大量频谱资源浪费问题，提出一种静态与动态相结合的认知无线电电磁频谱管理方法，该方法对授权用户采用静态的频谱分配和管理方法，结合动态频谱调度管理方法为非授权用户分配频谱，给出了系统结构和频谱管理过程，并分析了当前研究的不足，该方案兼容现有的频谱管理体系，又能实现对非授权用户的频谱动态调度管理，大大提高了频谱利用率，是一种易于实施且效益明显的改进电磁频谱管理方案，
关键词：静态；动态；电磁频谱；管理分配；认知无线电
DoI：10.15938/j.jhust.2016.04.007
中图分类号：E917
文献标志码：A
文章编号：1007-2683（2016）04-0036-04
0引言在“陆海空天电网核”全维联合作战的现代高技术信息战争中，依赖先进的电子战装备夺取到制电磁权是取得战争胜利的法宝，现代战争中，电磁频谱是信息获取和传递的最主要媒介，是信息依存的核心载体，夺取了“制电磁权”就为最终夺取制“信息权”创造了有利条件频谱资源是一种非常宝贵的稀缺资源，为了避免各种不同的通信业务之间的相互影响和干扰，目前各国采用的大都是静态频谱分配体制，由专门的无线电频谱管理部门对无线电频谱资源进行统一管理和分配，
信息化战争中，电磁频谱环境日益复杂，尤其近年随着无线通信技术不断发展，朝着智能化、宽带化和无缝化的方向演进，对频谱资源的需求越来越大，由于现代战场上装备数量和通信业务量不断增加，己方通信网的自扰也日益严重，为了提高频谱利用率，现有的技术手段多是采用时域、空域、频域、码域复用的方法，但是与日益增长的新业务和对带宽的需求增长相差甚远，另一方面，据实测数据表明3 GHz以下的频段利用率不到30%，3～4 GHz频段利用率只有0.5%，而4-5 GHz频段竟然有99.7%未被充分使用，由此可见，传统的频谱资源静态管理方式导致大量的授权频谱在不同地域和时间严重浪费，是造成当前频谱稀缺的紧张局面的重要原因，采用动态频谱接入和共享的方式提高频谱资源的利用率来替代传统的静态频谱管理体制是解决上述问题的根本途径，
由于存在巨大的经济和政治背景，且一直以来静态频谱资源分配体制发挥了重大作用，故想在短期内从根本上废除静态频谱分配和接人体制是不现实的，所以论文基于认知无线电思想提出了采用静态与动态相结合的频谱共享模型，可以很好地兼容现有静态频谱分配体制并能最大限度地保证授权用户的权益，且可以大幅提高频谱利用率，由此，论文引人认知无线电，建立一种静态与动态相结合的频谱分配体制，对军事通信中提高频谱利用率、建立可靠通信以及通信抗干扰都有重要的现实意义，
1.基于认知无线电技术的频谱管理
认知无线电（CR）是以软件无线电为扩展平台的一种新的智能无线通信技术，作为频谱动态调度管理体制的核心技术，它可以对周围的电磁环境特征进行感知，通过无线电描述语言与通信网络进行沟通，采用构建理解的方法进行学习并实时调整系统传输参数，使通信系统的无线规则与输入的无线电激励的变化相适应，使通信系统的频谱利用达到随时随地的高效性和高可靠性一系列适合无线频谱合理使用的空中接口、时空模式设置、射频带宽及相关协议称之为无线规则，系统的重构能力是认知无线电系统的重要特性，该功能的实现是基于软件无线电为平台，除此之外，信号处理和机器学习也可作为认知无线电的实现方式，
一个基本的认知无线电实现周期要经历3个过程，分别是：
1）无线电信道分析和估计：负责分析和估计无线电环境干扰温度、检测无线环境空闲频谱；
2）估计信道状态并进行预测建模：包含估计信道状态信息、对发射机可用的信道容量进行预测等；
3）频谱资源管理和发射功率控制：该部分主要完成认知无线电周期中的多址接入及控制，其中动态频谱分配由发射机来实现。
认知无线电系统其认知功能的实现依赖上述环节的顺序执行，一个完整的认知环路如图1所示。
2.动态与静态结合的认知无线电频谱
管理
2.1无线电频谱管理现状
现有的无线电频谱管理体制采用的是静态频谱分配方案，即某个频段被无线电频谱管理部门分配给某项业务、某业务部门或团体，则该频段只能由某项业务、某业务部门或团体使用，非授权用户不得使用该频段，即使该频段处于空闲状态，这样就导致一方面频谱利用率很低，另一方面许多亟待使用该频谱的用户无法使用该频谱，这种传统的静态的频谱分配机制限制了对频谱资源的有效充分利用，因此亟需进行优化改进，
在传统的无线电管理体制中，无线电频谱管理机构负责制定频率使用规则，使用者、部门或团体向其申请使用频率，无线电频谱管理机构将频率分配给无线电频谱使用者、部门或团体，该过程如图2所示，
现有的无线电频率分配包括频带划分、分配和指配3个层次，这3个层次具体为：
1）频带划分：制定频率划分表，将某个特定频带列入表中，对该频带使用指定使用条件，条件满足时可将频带分配给无线电业务使用者使用，
2）频带分配：规定频带使用区域和使用条件，将无线电频带分配给指定部门的无线电通信业务使用，
3）频道指配：制定使用条件，使用对象为无线电台，满足条件时将频道指配给某个无线电台使用，
2.2静态与动态相结合的电磁频谱管理方法
在静态的频谱分配体制中，某些频道被占用，某些未被使用，其中某些已分配的频道的利用率很低，大部分时间处于空闲状态，可以利用时分复用的思想来提高这些频道的利用率，我们将已经分配但在某时某地用户未使用的频谱称为“频谱空洞”，根据频谱被占用的时间长短，定义3种类型的频谱空洞：
1）黑洞：频带资源被授权用户的业务占据，存在较强的发射功率干扰，不能被非授权用户利用，
2）灰洞：频带资源被授权用户的业务部分占用，存在低发射功率的干扰，在某些情况下可以被非授权用户使用，但使用效果不理想，
3）白洞：频带资源未被授权用户的业务占用，仅存在背景噪声，能够被非授权用户利用，
现实中频谱空洞已经被大量的理论研究和现场实测所证实，意识到上述问题，那么如何通过时间复用的方式利用灰洞和白洞来提高频谱利用率就成为要研究的关键问题，而这恰恰是认知无线电的优势所在，
在认知无线电中，用户被分成两类：授权用户和非授权用户，通过申请获得授权频带且可以独享已分配频段的用户称为授权用户；在一定条件和规则下复用授权频段且不影响授权用户使用的称为非授权用户，而非授权用户具体又分为两类：一类用户具有认知功能，能够自主探测频谱空洞并自动调整无线电通信参数；另一类用户不具有认知功能，系统中设置了动态调度管理系统，由管理系统负责探测频谱空洞，用户向管理系统申请频谱和无线电通信参数，具有认知功能的用户极其少数，不是本文研究的重点，本文重点研究不具有认知功能的非授权用户的频谱分配和管理机制，论文针对其提出了一种频谱动态调度管理方法，
开发一套自适应管理和分配机制来充分有效地利用频谱资源是频谱动态调度管理系统的首要任务，其重点是构建无线频谱使用状况数据库，并根据频谱空洞检测和分析结果动态更新数据库，另外要实时处理非授权用户的频谱申请并应答，为申请用户从数据库中优选频道，从而在不影响授权用户的情况下充分利用频谱空洞，有效提高频谱利用率，
频谱动态调度管理系统需要考虑授权业务出现时非授权业务的实时规避，且非授权业务出现时不能影响其它用户的正常通信，因此需要设计一种动态的频谱管理和分配方法，同时专门设置频谱动态调度管理部门为非授权用户分配频谱，
因此，在现有的静态频谱管理方法的基础上，基于认知无线电的思想，需要设计一种频谱动态调度管理方法为非授权用户分配频谱，原有的静态频谱分配管理方法仍适用于授权用户，该方法本文称之为静态与动态相结合的认知无线电电磁频谱管理方法，
本文给出的静态和动态相结合的频谱管理系统的最高管理机构称为无线电频率管理部门，该系统接受授权用户和非授权用户的申请，同时按照一种自适应的策略利用频谱空洞来为非授权用户分配频谱，在本系统中，针对授权用户，频谱管理部门将频带分配给次级频管部门，再由其指配频率给授权用户，针对非授权用户，频率管理部门下属专设的频谱动态调度管理部门，由该部门为非授权用户指配频率，静态和动态相结合的频谱管理体系如图3所示。
针对非授权用户，要同时满足频谱管理的性能要求和实时性要求，本文设计了一种频谱动态调度管理系统，它由频率使用状况数据库、频谱动态调度管理中心、频谱侦测单元和被侦测的实际的无线电频谱使用环境构成，
整个频谱管理和分配过程包含了一系列管理办法或规则，实际的无线电频谱使用环境由授权用户和非授权用户构成，无线电环境的变化被频谱侦测单元周期侦测并将结果上报频谱使用状况数据库，数据库对频谱数据进行实时更新，
整个频谱动态调度管理过程如下：
1）无认知能力的非授权用户按照规定格式提出申请，申请内容包括频谱使用需求、业务类型、使用时间、使用地点等，形成申请信令提交给动态频谱调度管理中心；
2）动态频谱调度管理中心接收到申请信令后首先回复一个申请已接收应答，然后根据申请信令提供的信息按照查询规则在频谱使用状况数据库中为申请用户匹配频谱，并对符合条件的结果进行优选，构建优选频谱集合；
3）频谱动态调度管理中心再将优选频谱集自动形成分配信令发送给申请用户，申请用户收到分配信令后进行解析，获得优选频谱集合和使用条件，条件达到后即可接入；
4）在整个动态频谱调度管理过程中，频谱侦测单元在满足实时陛要求的条件下作周期性的循环侦测，获取无线环境中的频谱空洞信息，并根据侦测结果实时更新频率使用状况数据库，在侦测到授权业务出现后，立刻发送规避信令要求非授权用户退出当前频谱接入，使用次优选频谱接人；
5）非授权用户接收到规避信令后立即退出接入并使用次优选频谱接人，如果接入不成功则继续选择优选频谱集中的其它频谱接入，如果接人不成功或接入效果不理想，用户可以重新发送申请信令申请新的优选频率集，
频谱动态调度管理系统的具体构成和动态频谱管理过程如图4所示，
非授权用户申请过程和频谱动态调度管理中心分配过程完全依靠网络自动实现，一个完整的频谱动态调度管理过程体现了高度的自主性，一方面非授权用户的申请是自动的，另一方面频谱动态调度管理中心的受理过程和应答也是自动的，
在系统运行过程中，无线频谱环境时刻在发生变化，如某授权用户结束业务释放频谱出现新的频谱空洞，频谱侦测设备会立刻侦测到此频谱空洞，并据此更新频谱使用状况数据库，数据库将此频段的状态由忙碌改为空闲，
3.结论
无线电频谱资源 篇3
随着无线通信需求的快速增长, 导致适用于无线通信的频谱资源变得日益紧张, 成为制约无线通信发展的一个瓶颈。而另一方面, 已经分配给现有很多无线系统的频谱资源却在时间和空间上存在不同程度的闲置浪费。因此认知无线电技术就应运而生。1999年Joseph Mitolo博士提出了认知无线电 (Cognitive Radio, CR) 的概念, 其核心思想是CR具有学习能力, 能与周围环境交互信息, 以感知和利用在该空间的可用频谱, 并限制和降低冲突的发生。
认知无线电是一种智能无线通信系统, 它能感知周围环境, 运用“理解-构建”的方法来从周围环境中获取信息, 并通过实时改变诸如传输功率、载频、调制方式等传输参数来适应运行环境的变化, 从而达到提高频谱利用率、缓解频谱资源紧张的目的。认知无线电技术中诸如功率控制、频谱资源分配等很多问题都需要研究, 最终实现资源的最佳配置[1]。
目前普遍认为实现频谱自适应CR数据传输有2个研究方向:采用多载波技术或采用基带信号发射波形设计。在多载波传输技术中, 正交频分复用 (OFDM) 是最佳候选技术。其基本思想是将可用整个频带划分成OFDM子载波, 实际通信过程中可以利用没有被授权用户占用的子载波传输数据, 子载波的分配则通过频谱感知和判决的结果, 以分配矢量的方式实现。具体如何分配特定情况下的频谱资源, 如何实现通信系统有效性和可靠性的完美统一, 是人们研究的重要方向。
1认知无线电系统中OFDM多用户资源分配算法
Simon Haykin在文献[2]中提出了认知环的概念, 在认知环中可以看出认知无线电系统需要考虑一个新的物理量——干扰温度。干扰温度限制了频谱上功率的分配, 即限制了信道容量的上限。认知无线电系统可以根据检测到的频谱使用情况和相应频谱上的干扰温度, 在多用户中动态地分配资源, 达到充分利用频谱的目的。如何使多个认知用户充分利用检测到的频谱空洞, 就转化为如何在多个认知用户之间分配这些子载波, 以及分配这些子载波上的发射功率。
认知AP节点在收到要求进行通信的认知用户请求信息后, 首先对周围的频谱使用情况进行检测, 找到可以使用的频谱空洞, 同时要获得所有认知用户在可以使用的频谱空洞上所呈现的衰落特性, 以及整个系统功率覆盖范围内的授权用户的信息。这些是认知AP节点进行资源分配算法的依据。认知AP节点根据上述获得的信息要在下行链路中完成功率分配和子载波的指配, 认知无线电的功率分配算法要考虑对授权用户的功率干扰。在进行资源分配时, 功率受限子载波的分配功率不能超过各自的功率上限, 这要求分配算法要给每个子载波分配一个预分配功率, 以保证不干扰授权用户的正常通信。
频谱资源的分配算法有很多, 有的追求信道利用率, 有的追求公平性, 有的追求算法的简单[3,4,5]。比如分布式贪婪算法 (DGA, Distributed Greedy Algorithm) 针对每一信道, 最大化使用此信道的用户数, 达到系统总吞吐量最大。仅以吞吐量为目标的频谱分配算法往往追求高吞吐量的同时不能兼顾CR用户分配信道的公平性, 对于单个CR用户来说, 公平性直接关系到信道不充足情况下是否能够分配到信道。同样基于图着色原理, 以优化公平性为目标的部分频谱算法如下:分布式公平算法 ( (DFA, Distributed Fair Algorithm) 以平均分配信道为目标, 优先分配小信道冲突数用户, 来保证分配的公平。合作最大化最小带宽算法 (CMMB, Collaborative Max Min Bandwidth) 以最大化小流量CR用户的吞吐量, 来保证系统分配的公平性。合作最大化比例公平 (CMPF, Collaborative MaxProportional Fair) 算法则根据比较各CR用户使用某一信道的回报结果分配信道, 达到系统吞吐量上的比例公平。防止信道特性比较好的用户占用了大部分频谱空洞, 而其他用户尤其是信道特性比较差的用户不能保证正常通信。
设Rsi表示授权用户处的信干比,
undefined. (1)
其中Pi是授权用户i的发射功率, Gij是授权用户i到j的增益, 或者称为衰减因子。I (k, j) 是一个选择因子, 其具体含义为:
undefined
Pundefined为认知用户m发送的功率。如果给出SIR的最小值, 就可以计算出Pundefined的上限pn。假设系统中一共有K个认知用户共享N个子信道, AP最大发射功率为Ptotal。分配算法的目标是通过对子载波和功率的分配使得整个信道容量达到最大, 同时要兼顾比例公平原则。比例公平原则的引入可能会使得信道容量有所下降, 但是保障了每个用户都能满足一定的通信要求。
使目标函数式 (2) 最大的分配方案就是所要找的。可以看出最优值的求解很复杂, 这里给出了一种首先分配子载波再分配功率的次优值求解算法。
undefined. (2)
算法分三个步骤, 描述如下:
(1) 根据各个用户所需要的频率资源给各个用户分配信道
设Nk是分配给用户K的信道数目, N′k是用户K所需要的最小信道数目, , 其中M是每个信道可以传输的最大比特数目, Rk是用户K的数据传输速率。为了公平起见, 各个用户所需要的带宽应该与所占用的信道数目成正比, 所以用户K所需要的信道数如式 (3) 所示:
Nk=max (round (NRk/∑Rk) , N′k) . (3)
如果用户总数超过了实际总数N, 则去掉最后加上的那个用户重新计算。
(2) 给用户分配具体的信道
如果仅仅从信息传输的最大化来看, 子信道应该分给在信道上增益最大的用户, 但这样分配也有缺点, 当子信道的数目不能满足要求时候, 有些用户就分不到信道, 无法体现公平性。因此不能仅仅考虑信道利用率。定义参数Dk=Nk/N, 表示每个用户所需要的子信道数目在总的信道资源中所占的比例。在进行子信道分配的时候, 计算Dk, 首先给Dk最大的用户分配增益最大的那个子信道, 然后让Nk减1, 重新计算Dk, 进行第二轮的子信道分配, 直到所有的用户都分配到子信道。
(3) 给子信道分配比特
子信道分配比特时候, 经常遵从的原则是功率最小化, 即发送相同的比特数目, 那一种分配方案需要最小的功率就采用那一种方案。给各个信道增加一个比特看需要增加多少功率增量, 功率增量最小的就增加一个比特, 然后重复计算, 将指定的比特数目分配完毕。这种分配算法是最优的, 但是复杂度也最大, 用户和信道数目很多的时候很难实时完成分配, 因此要简化算法。设BNk是每个子信道所分配的比特数目, K表示是用户, N表示用户K所分配的子信道总数。先计算各个子信道的增益, 将各个子信道按照增益由大到小排列;给各个子信道分配一个比特, 计算功率增量, 增量最小的信道增加一个比特;将比特数目相同的子信道作为一个集合, 重新计算功率增量, 增量最小的信道增加一个比特;只要子信道分配的比特数目小于它的传输速率就重复计算功率增量, 进行比特分配, 否则该子信道比特分配结束。由于具体比较增量大小时候, 只用比较集合的第一个子信道, 从而降低了算法的复杂度。
2仿真结果
用本文提出的算法利用matlab进行仿真, 仿真采用Rayleigh信道, 子载波数128, 多径信道数3, 信道最大时延2 s, 仿真曲线如图1所示。从仿真曲线可以看出, 随着信噪比的提高, 误码率逐渐得到改善。并且本算法要优于最优比特分配算法和等比特分配算法。
3结束语
本文主要研究了利用OFDM来实现认知无线电中如何进行频谱资源分配的问题, 提出了一种频谱资源分配的算法, 并对算法的结果进行了仿真。
参考文献
[1]J.Mitola III.Cognitive Radio for Flexible Mobile Multime-dia Communications[C].Sixth International Workshop onMobile Multimedia Communications (MoMuC’99) , SanDiego, CA, 1999:3-10.
[2] Haykin S.Cognitive Radio:Brain-empowered Wireless Communications[J].IEEE Journal on Selected Areas in Communications, 2005, 23 (2) :201-220.
[3]Wang Wei, Liu Xin, List-coloring Based Channel Alloca-tion for Open-spectrum Wireless Networks[A].IEEE FallVTC 2005[C].2005:690-694.
[4] Neel J, Reed J H, Gilles H P.The Role of Game Theory in the Analysis of Software Radio Networks, SDR Forum Technical Conference, November, 2002.
以频谱资源促经济社会发展 篇4
信息消费的生产要素作用
当前全球范围内信息技术创新不断加快，信息领域新产品、新服务、新业态大量涌现，不断激发新的消费需求，成为日益活跃的消费热点。我国市场规模庞大，正处于居民消费升级和信息化、工业化、城镇化、农业现代化加快融合发展的阶段，信息消费具有良好的发展基础和巨大发展潜力。2014年上半年，浙江省信息消费总规模达到1475亿元，同比增长22.92%，比全省经济增速高出15个百分点，并呈现加快发展态势，在全省保增长、调结构、扩内需、惠民生、打造浙江经济升级版中发挥了重要作用。预计到2015年，我国信息消费规模将超过3.2万亿元，年均增长20%以上，带动相关行业新增产出超过1.2万亿元。
无线通信技术有力地拓展了信息消费的空间，无线服务成为信息服务的亮点，以无线通信为基础的信息消费形式已经成为信息消费的主力军。而无线电频谱资源在信息消费中有着显著作用，无线电频谱资源是现代人类社会和经济发展的物质基础，构成了信息化时代人类生存发展的基本要素。早在1959年，诺贝尔经济学奖得主罗纳德·科斯（Ronald Coase）就提出无线电频谱必须看作为一种生产要素，并且它的价值应在自由市场上予以确定。工信部有关研究表明，预计到2020年，我国与无线电频谱相关的产业总产值将达到7.8万亿，占到同期GDP的4.39%。有关机构通过对我国1999年至2005年的数据进行分析后测算出无线电频谱资源的投入对我国GDP增长率的贡献高达6.3%，并且可以将单纯的劳动力投入贡献从2.80%提高到3.12%，无线电频谱资源投入对经济增长的贡献率则达到4.61%。
目前，我国无线电相关产业所创造的直接经济价值约占GDP总量的3.5%。尤其是通过信息消费的不断拓展，我们更加体会到无线电频谱资源对于扩大内需拉动经济建设所潜在的重要作用。加快促进信息消费，能够有效拉动需求，催生新的经济增长点，促进消费升级、产业转型和民生改善，是一项既利当前又利长远、既稳增长又调结构的重要举措。
经信工作的基础性作用
纵观近几年的三网融合、智慧城市、物联网技术、信息基础设施、两化融合、TD-LTE技术发展等经信工作，可以发现无线电频谱在其中都承担着基础性作用。
物联网技术的发展离不开无线电频谱：与无线电技术密切相关的物联网技术被称为信息产业的第三次浪潮，已成为世界新一轮经济和科技发展的战略制高点之一，发展物联网对于促进经济发展和社会进步具有重要的现实意义，因此一些国家将该产业的发展上升到国家战略的高度。物联网也被我国“十二五”规划列为七大战略性新兴产业之一，是引领中国经济华丽转身的主要力量。而物联网战略实施离不开无线电频谱资源，物联网的核心技术中的感知识别主要依靠射频识别、无线定位、无线传感等技术，这些技术都有赖于无线电频谱资源的传输支撑。
4G技术的发展离不开无线电频谱：我国是公众移动通信大国，拥有世界上最多的公众移动通信用户和最大的公众移动通信市场，这几年移动互联网技术不断发展，其最基础的信息传输媒介就是无线电频谱。无线电频谱资源为公众移动通信的发展提供了不可或缺的资源基础，更是创造了巨大的产业价值和社会效益。值得一提的是我国无线电管理部门从3G时代的TD-SCDMA到4G时代的TD-LTE，始终大力支持我国主导的TD技术，为其分配优质的频谱资源。
智慧城市建设离不开无线电频谱：当前的智慧城市建设正在全国快速开展，其中的通信、感知等技术都需依靠无线电频谱的传输。智能电网、智能交通、智能水务、智慧国土、智慧物流等工程无不需要无线电频谱作为传输载体。包括正在大力推进的高铁事业，同样需要无线电管理部门为其提供优质的无线电频谱资源，重新指配用于高铁GSM-R通信系统的使用频率。此外，在一些地区推进机场建设中，无线电管理部门进行电磁环境的监测，提供优质无线电频谱资源的各项工作，都能够推动当前经济建设的有力发展。
无线电管理的转型升级
当前，无线电管理工作的社会知晓度不高，在推动经济与社会发展中话语权不多，甚至有人形容无线电管理部门是个“三无”单位：无线、无声、无权。因此，无线电管理工作转型升级是当务之急。
事实上随着信息化的不断推进，社会各行业、各领域对频谱资源的需求将越来越多，新一代移动通信、无线城市、物联网、数字广播、三网融合等新一代信息技术和战略性新兴产业的发展，对无线电频谱资源的需求将大幅提升。无线电管理部门只有在服务经济社会大局，助推无线产业发展中方能展示自己、证明自己，体现无线电管理工作的价值。
因此，无线电管理部门应当认真研究无线电技术融入产业发展的新思路，积极探索为无线产业提供服务的新方法，创新理念、找准定位，突出主业、融合发展，把握信息时代新特点，提高无线电管理水平，更好地为信息化发展服务，为经济社会发展服务。
认知无线电的频谱分配技术研究 篇5
随着无线应用的不断拓展,频谱资源的缺乏成为无线应用研究过程中不得不面临的问题,最近的研究[1]表明,频谱资源的不足主要是由于当前对频谱资源的利用不合理造成。现有不同无线通信系统分配频谱的方法主要是基于固定分配方式,即某一无线频谱块分配给某一特定的无线接入网络,然后再把这个无线频谱块分为若干个频谱子块,这些频谱块大小固定,分配给具有资格的不同运营商,这种固定分配方式虽然对于频谱管理非常简单,但是存在频谱利用率低的缺点,大多数通信网络在设计之初都是基于该网络可能最大的传输流量进行考虑,但是实际情况却是,通信网络并非全天满负荷运行,频谱资源在不同位置不同时间段的利用有所不同,这种静态的频谱分配方式造成了频谱资源的浪费。为了解决上述问题,基本思路就是尽量提高现有的频谱利用率。于是认知无线电的概念应运而生。
认知无线电是一种用于提高无线电通信频谱利用率的智能技术。具有认知功能的无线通信设备可以感知周围的环境,再利用已经分配给授权用户,但在某一特定的时刻和环境下并没有被占用的频带,即动态再利用“频谱空穴”:并能够根据输入激励的变化实时地调整某传输参数,在有限信号空间中以最优的方式有效地传送信息,以事先无论何时何地都能保证通信的高可靠性和无线频谱利用的高效性[2]。相对原有的固定分配方式,认知无线电需要更加成熟完善的频谱管理机制来管理可用频谱,避免对授权用户的干扰。在避免干扰与提高频谱利用率的同时,也对频谱分配研究提出了更高的要求。
2 频谱分配模型
在每个检测周期,认知无线电网络中各小区通过频谱检测获得可用频谱,但是检测得到的可用频谱不能直接分配给小区内用户使用,而需要首先将检测到的可用频谱在认知小区间进行分配,以避免相邻小区使用相同频谱而造成干扰。
本文所提的多小区频谱分配算法将根据各小区内需求在小区间分配频谱。本文使用可用矩阵、频谱质量矩阵、小区需求矩阵等矩阵来表示频谱分配中的有关参量,假设分配周期相对于频谱环境变化时间很短,因此在分配周期内各个矩阵将保持不变,有关的矩阵具体定义如下:
(1)可用矩阵K={kn,m|kn,m∈{0,1}}N×M,N为用户数(下标从0到N-1),M为总频带数(下标从0到M-1),kn,m=1表示频带m对于用于n可用的,kn,m=0表示不可用。
(2)质量矩阵Z={zn,m}N×M,zn,m表征用户n使用频带m所带来的质量权重,如频谱利用率等。
(3)干扰矩阵G={gn,k,m|gn,k,m∈{0,1}}N×K×M,其中gm={gn,j,m∈{0,1}}N×M表示频谱m对应的干扰矩阵,gn,j,m=1表示小区n和小区j在同时使用m会产生干扰,对角线元素Cn,j,m=1-ln,m,又可用频谱矩阵K决定。
无干扰频谱分配矩阵A={an,m|an,m∈{0,1}}N×M,an,m=1表示频谱m被分配给小区n。A需要满足无干扰条件:
由于认知无线电网络由各个认知小区构成,小区内由认知基站作为接入点提供无线接入,各小区覆盖范围和网络拓扑相对固定,因此认识无线电网络中多小区频谱分配适合图论着色模型。在图论着色模型中,小区间频谱分配问题可以抽象成图G=(V,E,L)对顶点的着色问题,其中:V是图G的顶点集合,代表各认知小区;E是图G的边集合,由干扰矩阵集合C决定,L表示各个顶点处的可选颜色集合,即各个小区处的可用频谱。
3 基于图论着色模型的分配算法
文献[3]中根据图论着色模型提出了在开放式频谱接入的无线网络中基于list着色的频谱分配算法,其目标是在现有的干扰约束条件下得到最大的频段分配数。这个问题可用下面的数学公式准确表达:
ai,j是在满足所有约束条件下得到的可行分配矩阵A中的元素。
该文献采用了分布式的网络结构,并基于效益和公平性考虑提出了两种算法:分布式greedy算法和分布式公平算法。
1.分布式greedy算法
分布式greedy算法的基本原理是:对每一个频段的分配,允许使用该频段的所有节点按其度数从低到高排列,优先把该频段分配给度数低的节点。当一个想通度数存在时,则利用节点的已分配频段的数量用来打破这个平局。已分配到的信道少的节点有高的优先级。如果已经分配的信道数仍然相同,则随即选择。
2.分布式公平算法
由于greedy算法会导致分配的不公平性,因此提出了公平性算。公平性算法主要分下面三步。
(1)根据如下原则建立,图中边的方向是从高频段度数的顶点指向低频段度数的顶点,即低的频段度数的顶点为边的收端;若频段度数相同,则边从高连接度数的顶点,即指向低连接度数的顶点;如果连接度数也相同,则边从随机数高的顶点指向随机低的顶点;
(2)分配原则是:选取所有邻接顶点的关联频段列表中出现次数最好的频段。
(3)在源节点产生一个重置标志发给每个邻接顶点。如果某顶点从自己的上游顶点收到重置标志。直到所有顶点收到重置标志,系统重启,带着还剩余的频段返回到步骤1。如果顶点没有可用信道,它将推出操作。当所有顶点均没有可用频段时,算法流程结束。
4 结束语
认知无线电系统通过快速感知周围的频谱使用情况,使用授权用户未使用的的空闲频谱,从而提高频谱利用率。为了保证不对授权用户造成干扰,要求对频谱的检测信息必须可靠。分布式greedy算法和分布式公平算法,分布式greedy算法的目标是实现系统信道的最大化利用率,greedy算法每次处理一个频段,并将这个频段分配给度数最少的节点。而分布式公平分配算法则主要从分配的公平性来考虑。我们相信,随着科技发展和CR技术成熟,在不久的未来,认知无线电将有效地服务于人们的生活。
摘要：认知无线电是一种用于提高无线电通信频谱利用率的新的智能技术。论文首先简述了认知无线电的背景和概念;然后针对认知无线电分配频谱的功能,使用图论着色模型,详细地对比分布式greedy算法和分布式公平算法。
关键词：认知无线电,分布式greedy算法,分布式公平算法
参考文献
[1]Federal Communications Commission.Spectrum Policy Task Force Report.20070714
[2]Haykin S.Cognitive radio:brain empowered.wireless.IEEE Journal on Selected.Areas in Communication,February2005
OFDM中认知无线电频谱检测 篇6
下一代移动通信的链路层调制方式主要采用OFDM形式，因此认知无线电与OFDM系统之间的频谱共享已是必然趋势。OFDM的多载波调制技术以及自适应型功率分配给认知无线电更带来了巨大的灵活性。本文采用能量检测法，将认知无线电频谱空穴检测与OFDM相结合，提出了一种多载波检测方法。
1 认知无线电信号检测方法
1.1 匹配滤波器检测法
匹配滤波器是信号检测中的一种比较常用的方法，它能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授权用户的信号，这样认知无线电用户就要知道授权用户的物理层和媒体控制层的信息：调制方式、时序、脉冲形状、封装格式等，利用这些信息来实现与待检测信号在时域和频域上的同步，从而解调信号[3]。这些信息可以被存放在认知无线电的存储器中。匹配滤波器的设计准则是使输出SNR在某一时刻达到最大，这是对任何信号进行检测的优化算法。匹配滤波器冲激响应h(t)表示为：
其中,K为常数，S(f)为信号S(t)的频谱,S*(f)为S(f)的共轭函数。具体检测方法如图1所示。
匹配滤波器的设计需要授权信号的先验信息，如调制类型、脉冲成型、分组格式等，这类信息可预先存储在认知无线电设备的存储器中。解调比较麻烦，必须与授权信号进行同步和定时，甚至可能需要进行均衡。不过大部分授权信号具有导引序列、同步码或扩频码，以达到与原信号保持一致的目的。如，电视信号中具有声音和视频载波的窄带导引信号;CDMA系统具有专门的扩频码用以同步;OFDM分组具有辨别不同分组的导引信号。
1.2 能量检测法
能量检测法是一种非相干的检测手段，与频谱分析非常相似，也是通过判决来实现的。该方法依据感知器在信号有无两种假设情况下按接收信号功率大小的不同对信号进行检测。这种方法是一种对未知参数的确定性信号及其存在性检测的有效方法。由于能量检测对信号类型不作限制，因此不需要授权信号的先验信息。能量检测的主要思想是：将授权信号S(t)的功率在一个时间段(N个采样点)内取平均：
接着与预设门限进行比较，判定该频段是否存在授权信号。整个检测如图2所示。
能量检测法在技术上已经比较成熟，应用起来可靠性较高。但是，能量探测器的门限比较容易受到噪声功率变化的影响。为了解决这个问题，人们提出利用授权用户发射机的导频音(Pilot Tone)来提高认知无线电能量探测器的准确性。另外，即使能够适应性地设定门限位，带内干扰的出现也会扰乱能量探测器，能量探测的另外一个缺点是它只能探测到有信号出现，而不能区分信号的类型，即它不能区分已调制信号、噪声及干扰。因此，能量探测器容易被不明信号误导而产生误判决，不适合极弱信号，例如扩频信号的检测。
2 认知OFDM系统检测
在认知OFDM传输系统里，频谱感知可以采用类似上述能量检测的方法，以很低的复杂度完成对各子载波状态的判断。感知器接收连续d个OFDM符号周期的信号，并得到这d个符号在频域的N点FFT结果。因为各子载波之间的状态相互独立，所以可以分别针对各个子载波上的感知信号，判断某个子载波上是否存在授权用户信号[4]。下面讨论判断的方法和标准。由于有d个符号周期的检测时间，每个子载波都可以得到d个复数测量值，即2d个实数测量值。当信道处于空闲即无授权信号时，感知器得到的仅仅是信道中的噪声信号，假设此时系统服从H0假设;而当授权用户处于活跃状态，感知器接收到的是噪声与授权用户叠加的信号，此时系统服从H1假设[5]：
其中,R2d为感知器接收到的2d维信号向量，各分量为ri i∈(1,2,…，2d);N2d是噪声向量，服从均值为零、方差为σ2的高斯分布;S2d是授权用户信号向量，假设各分量是独立同分布的，各分量均值为ms，方差为σS2。这里定义信号的能量Y为感知器接收到的2d个分量的平方和。
根据能量检测法，将信号能量Y作为高斯观察变量并与门限值γ比较：
由此可见，能量感知只需求取对应子载波的实数测量值的平方和，并与一门限值比较。当该测量值超过门限时，认为存在授权用户信号，否则认为不存在授权用户信号[6]。由于2d个测量值是与独立无关的高斯变量，故它们的平方和Y服从χ2分布。在纯高斯白噪声的情况下，由于均量为零，Y服从中心分布;当授权用户出现时，感知信号是噪声与一确定信号的叠加，均值非零，因此服从非中心χ2分布：
因此在两种假设下检验统计量Y的概率密度函数分别是：
其中，Γ(x)为Gamma函数，Id-1(x)为d-1阶的贝塞尔函数。λ=2dmS2为χ2分布非中心参量。
设虚警概率PFA为将可用(不存在授权用户信号)信道错误判为不可用的概率，则它是检验统计量Y在H0假设下超过所设定门限值的概率。
设检测概率PD为将不可用(存在授权用户信号)信道正确判为不可用的概率，则它是检验统计量Y在H1假设下超过所设定门限值的概率。
SNR为认知OFDM系统信噪比，且对应的误检概率PMD=1-PD，为将不可用信道误判为可用信道的概率：
系统总的错误检测概率为误检概率与虚警概率之和：
3 感知时间优化
频谱感知的灵敏度和准确性随着检测时间的增加而增加，有利于数据的正确传输，但检测时间的增加将直接导致有效数据传输时间的减少和传输效率的降低[7]。因此，在频谱感知时间与有效数据传输时间之间，存在一个最优的分配方案。下面，讨论求取使信道效率达到最大的感知时间长度的方法。这里认为感知器将不可用信道判为可用的部分会由于授权用户干扰不能正确传输数据。则信道效率可以表示为：
其中,L为频谱感知和有效数据传输阶段OFDM符号数之和，为固定值;d为上节讨论的频谱感知所使用的符号周期数。注意到PFA是d的函数，故该优化问题为：
可以通过遍历d来求得最佳的d*和最高频谱效率η*。
4 仿真结果
图3、图4给出了在信噪比为10dB情况下的仿真结果。可以看出，在相同感知符号周期的情况下，随着门限γ的增加，误检概率逐渐增加而虚警概率逐渐减小，因此好的门限选择应在误检概率(PMD)和虚警概率(PFA)间取一个折衷，换句话说，应使系统总的误检概率Pe=PFA+PMD达到最小。图5给出了总的误检概率Pe随门限γ和感知符号数d的变化曲线。可以看出，适当地选取门限γ可以使Pe达到最小(当d=3时，γ选择15)，并且随着感知符号数d的增加Pe的最小值急剧减小。这说明增加感知符号数可以有效地提高认知OFDM系统的检测概率。感知符号数的增加会带来感知时间的相对增加，信道传输时间会减少，从而降低认知OFDM的信道效率，因此需要利用式(13)来确定最佳的感知符号数d，使检测概率与信道效率间也产生个折衷。
认知无线电对于OFDM系统的检测是针对每个子载波进行的，通过感知的OFDM符号FFT结果，利用能量检测法来判断频谱空穴。本方法通过设定适当的门限可以使总的误检概率达到最小，经过感知时间的优化，在保证误检概率的前提下，可以使信道传输效率达到最大。
摘要：简述了认知无线电的背景和概念,介绍了认知无线电常用的两种检测方法:匹配滤波器法和能量检测法。针对认知无线电和OFDM系统的特性提出了认知OFDM系统授权用户检测方法,该方法是基于OFDM的能量检测法。仿真表明通过选择适当的判决门限可以使系统总的误检概率最小,并通过感知时间优化,可以有效地提高认知OFDM系统的信道传输效率。
关键词：认知无线电,OFDM,匹配滤波器法,能量检测法,感知时间
参考文献
[1]MITOLA J.Cognitive radio:Making software radios morepersonal.IEEE Personal Communication,Aug,1999,6(4):13-18.
[2]HAYKIN S.Cognitive radio:brain empowered wireless communications.IEEE Journal on Selected Areas in Comm-unications.February2005,23(2):201-220.
[3]GANESAN G,LI Y G.Agility improvement through cooperative diversity in cognitive radio.Proc.IEEE GLOBECOM′05,IEEE,2005,28(2):2505-2509.
[4]CHANG R W.Synthesis of band-Limited orthogonal signals for multichannel data transmission,Bell Syst,Tech.J.1966,45(12):1775-1796.
[5]KOLODZY P J.Interference temperature:a metric for dynamic spectrum utilization.International Journal of Network Management.2006,16:103-113.
[6]JANG J,LEE K B.Transmit power adaptation for mul-tiuser OFDM system,IEEE Journal on Selected Areas in Communications,2003,21(2):171-178.
认知无线电合作频谱感知算法研究 篇7
近年来合作频谱感知得到了广泛而深入的研究。本文主要研究内容从4个方面进行。
第一,硬判决合作感知算法[1,2]这样可以有效地解决单用户隐藏终端问题; 但是该方法容易受到信道衰落的影响。文献[3 - 7]利用加权的思想,为各个认知用户的检测结果附加权重,这样就能够有效地避免信道环境对最终结果的影响。
第二,基于RMT随机矩阵理论,该类算法最具代表性的3种频谱感知算法,分别是MED算法[8]、基于最大与最小特征值之比[9,10]和MMED算法[11],这些算法不同之处就在于检测统计量的构造不同,MED算法克服了门限固定的缺点,但是受到噪声不确定性的影响。基于最大最小特征值之比的算法有效地克服了噪声不确定性的影响,门限总是固定不变的。MMED算法克服了上述2种算法的缺点,不仅具有感知性能更好以及对噪声不敏感等优点,而且在认知用户较少、样本较小的情况下,也可以获得较好的检测性能。
第三,使用D-S融合规则来对各自感知节点的感知信息进行融合,如文献[12]和文献[13]的算法,改进多节点算法合并规则中未考虑单节点感知可信度或需要知道单节点的先验信息的缺点。
第四,基于模糊理论如文献 [14],多天线的合作频谱感知算法如文献[15],频谱感知算法中的节能问题如文献[16 - 18]。
1 信息融合算法
1. 1 硬判决融合算法
硬判决算法是信息融合算法中最简单、最基础的算法。最典型的 硬判决融 合方法就 是“与”、“或”、“K of N”算法。硬判决算法解决了单用户频谱感知中的隐藏终端及灵敏度过高的问题。然而此方法只能适合信道条件好的环境中。
1. 2 线性加权算法
常见的线性加权的方法主要是: 均值加权和信噪比加权。
1. 2. 1 基于均值加权算法
均值加权算法类似于“K of N”原则算法,当有N个认知用户参与合作时,加权因子wi= 1 / N,i = 1,2,3,. . . ,N。认知用户将检测到的信息传送到融合中心,融合中心根据所传信息进行加权并作出最终判决,与“K of N”算法不同之处在于,均值加权中,认知用户传递的是检测到的全部信息,而不是判决结果。因此这样就能够使得融合中心能够做出更准确的判决。
1. 2. 2 基于信噪比加权算法
实际的通信环境中,各个认知用户所处的地理环境不同,主用户的信号经过衰落并且混合着噪声到达各认知用户的接收端,由于无线环境的复杂及人为噪声的影响,认知用户介绍到的信号的信噪比是不同的,利用各认知用户的信噪比构造其加权因子,就是信噪比加权的合作感知算法。
首先,各个认知用户的权重因子由下式所确定:
式中,γi是第i个认知用户的信噪比,是N个用户总的信噪比,则wi为第i个用户的权重。然后,将权重分配给相应的用户,生成新的检验统计量,在融合中心处将检验统计量与门限进行比较,作出主用户是否存在的判决。
1. 3 基于信任度加权算法
此算法首先定义一个模糊型指数信任度函数bij( 表示第i个用户被第j个用户信任的程度) ,对两认知用户间的信任度进行量化处理,并通过信任度矩阵度量各认知用户测得的数据的综合信任度,以合理分配测得数据在融合工程中所占权重本文将信任度函数bij定义为满足模糊性的指数函数形式,即设:
式中,γi,γj分别表示第i个用户和第j个用户的信噪比,用上述式子表示即充分利用了模糊理论中隶属度函数范围确定的优点,又避免了数据之间相互信任程度的绝对化,更符合实际环境,便于具体实施,从而使结果更加准确。权重因子表示为:
由上式可知,权值计算的基本单位是信号的指数形式,其值随着自变量的增大而逐渐减小,即随着信任度的减小而逐渐减小,与漏检概率随着信噪比的减小而逐渐减小的特性相类似,具有很好的拟合性。
1. 4 基于信噪比选择加权合作算法
合作频谱感知过程中伴随着巨大的系统资源的消耗,若限制参与合作的认知用户数目,就能够减小系统资源的消耗。设置信噪比门限,使信噪比大于门限的认知用户参与合作,小于门限的用户不参与合作。该算法首 先要找出 最大的信 噪比,然后设置目标信噪比,其中,η是信噪比门限,将第i个认知用户的信噪比与目标信噪比进行对比,当时,则参与融合,对于则不参与合作,从整体上减小了资源的消耗,这个也是频谱感知未来研究的方向之一。硬判决融合规则性能比较如图1所示。
图1参数设置为: 7个认知用户参与合作,采样点数为1 000,单个认知用户的虚警概率为0. 1。从图1中可以看出,“与”规则在信噪比小于 - 6 d B时检测概率小于99. 9% ,容易对授权用户产生干扰; 而“或”规则在授权用户不存在时也有一半概率判定授权用户存在,造成大量空闲频段的浪费; “K of N”算法既满足虚警概率的要求,在 - 9 d B时检测概率为99. 9% ,满足要求,性能优于前两者。
图2参数设置为: 认知用户接收到的信号信道环境相同,即认知用户的信噪比是相同的,认知用户数N = 12,单用户采用能量检测算法且虚警概率为Pf= 0. 1,抽样数为1 000; 从图2中明显看出均值加权性能明显优于“K of N”算法,这是因为“K of N”算法中融合中心仅得到了认知用户的二元判决信息,而在均值加权算法中融合中心得到了认知用户检测到的全部信息。
图3认知用户数目N = 7,采样点数为600。从图3可以看出,在不同的信噪比的条件下,采用信噪比加权的融合算法比采用均值加权的融合算法,检测性能好。
从图4可以看出,基于信任度加权算法的漏检概率明显低于其余2种算法,因为漏检概率与检测概率之和等于1,因此漏检概率越小说明检测概率越大,系统的检测性能越好。图5的参数设置为: 认知用户数为10,其余条件不变。从图5中可以看出选择信噪比加权算法的检测性能与信噪比加权的算法性能基本相同,同时2个的性能优于均值加权算法。信噪比加权有10个认知用户参与合作,信噪比选择只有7个认知用户参与合作,因此后者将节省大约30% 的系统能量。因此,信噪比选择合作算法既能够节省资源,检测性能也没有下降。
2 非线性合作感知算法研究
所列举的非线性合作频谱感知算法主要针对接收信号协方差矩阵特性,将其特征值最为判决门限的合作频谱感知算法,不同的算法对应不同的判决门限。
2. 1 最大特征值检测理论( MED)
MED算法利用随机矩阵理论中有关随机矩阵最大特征值概率分布特性理论,获得了采样协方差的最大特征值的概率分布函数。
概率密度分布函数的表达式极为复杂,没有一个紧凑的表达式,其一阶累积Tracy-Widom分布函数表示为:
式中,q( u) 是下面微分方程的解:
根据该分布函数求出判决门限随虚警概率变化的表达式,该算法克服了判决门限不固定的缺点。但是,MED算法同样存在当认知节点数和采样次数较小时,感知性能恶化的缺点; 由于该分布函数只是近似表达式,当采样数较小时理论门限与统计门限误差较大,这会影响MED算法的确切性和可靠性。其中,MED算法的检验统计量为:
式中,K为认知用户个数,N为采样次数,由式子可以看出MED算法的判决门限与噪声功率有关,因此会受到噪声不确定性的影响。
2. 2 最大最小特征值检测算法( MME)
该算法采用RMT理论对多个认知用户接收信号的采样协方差矩阵特征值分布特性进行分析,利用RMT中的极限渐进谱理论求出该协方差矩阵的最大和最小特征值的极限值,并将这2个极限的比值作为频谱检测的判决门限。基于极限理论可以得到如下表达式:
检验统计量为:
若时,则判断主用户信号存在,否则判定不存在。
该算法无需任何主用户发射机信号的先验知识,而且克服了MED算法判决门限受噪声不确定性的影响。但是,由于该方法采用最大特征值和最小特征值的极限最为判决门限,造成不同感知情况下的判决门限始终不变,使其无法根据当前实际情况实时改变判决门限,这势必会大大影响系统的感知性能及其可靠性。
2. 3 MMED 检测算法
针对上述基于RMT理论的频谱感知算法的缺点,如参考文献[11]提出了一种新的合作感知算法( Maximum-Minimum Eigenvalue Detection,MMED) 该算法对多认知用户采样协方差矩阵的最小特征值的概率分布特性进行研究,并获得了比采样协方差矩阵最大特征值概率分布更精确的最小特征值概率密度函数。根据该最小特征值的概率密度函数求得更精确的判决门限。最小特征值的概率密度函数服从二阶Tracy-Widom概率分布:
检验统计量为:
MMED算法的检验统计量只与采样次数N和认知用户数K以及二阶Tracy-Widom分布函数的反函数有关,与噪声无关。
最小特征值分布函数比最大特征值分布函数更加精确,因而使得MMED算法在认知节点较少、采样样本较小的情况下,亦能获得较好的感知性能。MMED算法无需主用户的任何先验知识及噪声功率等信息,并且其算法的复杂度几乎与MED算法和最大最小特征值之比算法相同。与基于最大特征值的频谱感知算法相比,MMED算法不仅具有感知性能更好以及对噪声不敏感等优点,而且在认知用户较少、样本较小的情况下,也可以获得较好的检测性能。
图6参数设置为: 认知用户数为20,采样点数为3 000,MED-0d B和MED-3d B分别表示MED算法在噪声不确定性值为0 d B和3 d B时的检测性能。从仿真曲线可以看出MMED算法和最大与最小特征值比值的算法的ROC曲线不随噪声的波动而发生变化,而MED算法的检测性能对噪声比较敏感。当没有噪声波动时MED算法的漏检概率最低,其检测性能也最优,但当存在噪声波动且虚警概率增加到约0. 55% 时,MMED算法的性能最好。
图7参数设置为: 认知用户数为20,虚警概率为0. 05,其他参数保持不变。从仿真结果可以看出随着采样数的增加,3种算法的检测概率均有所增加,而且噪声对MMED算法和最大最小特征值之比算法的检测性能基本没有影响。当噪声不确定性为0 d B时,MED算法的检测性能最优,当噪声确定性为3 d B时,MED算法的检测性能最差,而且随着采样点数的增加,其检测性能增加不明显。
3 基于 D-S 理论的合作感知算法研究
D-S证据理论作为一种不确定的推理算法,是Dempster于1967年最初提出的[19],后由它的学生Shafer对证据理论做出了进一步的研究,经过多年的发展已经可以形成由不知道引起的不确定性的较完整的理论体系。
在认知无线电系统中,由于信道的随机性,造成了认知节点对主用户信息感知的不确定性,使用DS融合规则来对各自感知节点的感知信息进行融合,如文献[20]提出的算法,改进了单节点算法中需要先验信息的缺点,该算法分为2个步骤进行判决,一是感知节点处的本地感知,二是中心控制融合节点的综合判决。融合中心采用D-S融合规则对各节点的感知信息进行融合,并根据一定的决策规则作出是否存在主用户信号的最终判决。D-S证据融合规则为:
式中,反映了各个证据之间的冲突程度,系数1 /( 1 - K) 称为归一化因子。本算法的本地检测的结果对于假设H 0和H12种不同证据的支持程度即基本信任度分配函数设为mi( H0)和mi( H1) 及感知节点对整个感知结果不确定信任度函数mi( T) ,其中,mi( H0) + mi( H1) + mi( T) =1。融合中心收到来自各个节点的感知结果{ mi( H0) 、mi( H1) 、mi( T) } 之后根据式( 11) 得到感知的综合信任度{ m( H0) 、m( H1) 、m( T) } ,根据决策规则:
图8参数设置为: 3个认知用户,信噪比分别为: - 10 d B、- 12 d B、- 14 d B。从图8可以看出在不同信噪比条件下,采用D-S理论进行合并比其他2种合并在检测性能上均有大幅度提高。由上面2种情况可以得出结论,基于D-S证据理论的协作频谱感知算法与原有的频谱感知算法相比,其感知性能有了很大的提高。基于D-S理论的协作频谱感知不需要知道各个感知节点的信噪比、虚警概率,只需知道各个认知节点的感知结果就可以计算本次感知的信任度,融合中心传输结果时,只需要传送2个变量,节省开销。因此,D-S理论的频谱感知算法具有很高的利用价值。
4 基于模糊理论的合作频谱感知算法
实际感知应用中,由于参与协作的感知的认知用户会受到一些不利因素的影响,如信道衰落、噪声不确定性及相邻节点阴影相关性等,导致融合中心最终结果的不确定性会很大,因此采用简单的融合方式不能充分反映用户的所有观测信息。而在实际环境中,针对D-S证据理论方法的缺点,文献[11]是基于模糊理论的合作频谱感知算法。模糊积分是可测函数关于模糊测度的积分,在融合中心采用模糊积分,本地检测算法采用能量算法,得到每个认知用户的检测统计量Yi,根据检测统计量构造可测函数fi( H0) 和fi( H1) ,其中,fi( H0) 表示第i个认知用户根据检验统计量得到本地检测结果为H0的隶属度,同时fi( H1) 表示第i个认知用户根据检验统计量得到本地检测结果为H1的隶属度。由于检验统计量服从高斯分布,则选择正态形隶属函数进行可能性计算,其中a为调整因子。
模糊积分的可测函数表达式为:
式中,a为调整因子取值为9,检验统计量Yi的出现率为99.7%,也就是表示几乎所有的Yi都能够分配到合理的隶属度,u0和u1,σ20和σ21分别为均值与方差。
对基于模糊积分的协作频谱感知算法所需的模糊测度多分类器数据融合的方法求解模糊测度。混淆矩阵和模糊测度表达式为:
各个认知用户将各自本地检测为有无主用户信号的隶属度传输到融合中心,融合中心将其与求得的模糊测度进行模糊积分处理,得到最终隶属度值,然后根据隶属度最大原则判决机制作出最终判决。
模糊积分表达式为:
式中,( c) ∫( . ) fdμ是对( . ) 的模糊积分,μ是模糊测度值,X是给定的集合,x是集合内的元素,f是定义在X上的可测函数值。
图9为不同信噪比下检测性能比较。
图9参数设置为: 在AWGN信道下,参与协作的认知用户本地感知用能量检测算法,取采样点数为300,主用户信号服从高斯分布,噪声也服从告诉分布。由图9可以看出,各融合方式的检测概率都随着信噪比的增加而增加,同时,在低信噪比的情况下,基于模糊积分协作频谱感知算法的检测概率相较于其他的检测算法都是最优的。但是当信噪比高于某一值后,各频谱感知算法的检测概率几乎都趋于1。可见,本方法可以有效地提高低信噪比情况下的检测概率,可以将此方法应用于低信噪比环境下的合作频谱感知中。
图10参数设置为: 设信噪比均为 - 10 d B,由图可以看出,在相同信噪比条件下,基于模糊积分融合算法的检测概率高于“AND”和“OR”融合算法。由上述仿真结果可以得出,基于模糊积分的融合算法比硬判决的融合算法的性能好。
5 合作频谱感知算法未来研究方向及展望
上述的合作感知算法如AND和OR的融合策略的感知算法。这些关于频谱感知都是基于单输入单输入的情况。未来的移动通信必然会引入多天线技术,甚至可能在用户终端内置天线来获得更高的数据速率和更好的通信性能,这是移动通信发展的必然趋势。对多天线感知无线电的研究也不仅仅局限于提高检测性能,而是将重点放在提高感知网络的容量和吞吐量上。
无线电频谱监管新政箭在弦上 篇8
然而, 由于无线电频谱资源的不可再生性, 监管机构需要在规划频谱资源时权衡各方利弊, 这也给我国无线电频谱监管机构提出了新的难题。
呼声四起
“目前的TD-LTE的工作频段相对偏高, 中国移动呼吁国际电联可以将更多的低频段频谱资源释放出来用于TD-LTE。”5月17日, 中国移动集团公司技术部总经理周建明在上海举办的“通信让生活更美好——TD国际化发展高峰论坛”上表示。
据悉, 中国移动目前在上海世博会建设的TD-LTE试验网使用了2.3GHz频段, 但工信部为TD-LTE划分的频段是2.6GHz。过高的频段在无线通信中存在穿透性较差、覆盖面较小等缺点, 需要运营商建设更多的基站来完善网络部署。
6月2日, 在“第二届CDMA全球世界论坛”上, 上海电信副总经理马明告诉记者:“上海电信已经在世博园区和周边道路建成了国内最大的LTE实验网, 呼吁监管部门尽早明确LTE的技术标准和频谱划分。”此外, 中国联通技术部标准处顾霞也曾指出, 由于缺乏相应的频段支持, 中国联通一直难以进行室外环境下较大规模的LTE测试。
而对于LTE主要工作频段2.6GHz的分配, 尽管三大运营商一直通过各种途径来争取更多的频段支持, 但是国家无线电管理委员会一直没有明确方案, 对于已经收到的各方面针对2.6GHz多达11份的分配方案, 也全部处于“被留”的状态。
“白区”之争
“如果政府想扶持LTE, 最好的办法就是把700MHz频段拿出一部分给LTE, 这是关键。”中国科学院声学研究所研究员侯自强认为。
所谓的700MHz频段, 即今天的UHF电视频段, 也被形象地称之为“白区”资源。据悉, 2015年以后广电同意将其拿出一部分, 用于未来的移动通信。
早在2007年8月, 在由全球七大移动通信运营商发起的组织NGMN发布的《下一代网络频谱需求白皮书》中, 就呼吁ITU为移动通信业务开放更多频谱。其中, 建议在470MHz到806MHz频段, 分配给移动通信至少120MHz的带宽。
对此, 工信部电信研究院传输部总工程师董晓鲁解释道:“频率越低, 传递范围越广, 因此, 广电所拥有的‘白区’对移动业务来说却是稀缺的频率资源。”
中国移动研究院副院长王晓云同样认为:“目前, TD-LTE没有1GHz以下的优质的频谱资源, 中国移动和全球各国的运营商、设备商都讨论过, 建议国际电联能够将700MHz等优质低频段释放给TD-LTE。”
但在我国, 目前电信和广播电视频率的管理仍处于分割状态, 因此, 切入到无线市场的广电势力能否真正发挥“鲶鱼效应”, 并不仅仅取决于技术和市场本身, 还取决于监管政策如何制定。而随着三网融合政策的进一步落实, 各方对于融合的频谱监管政策的呼声也越来越大。
监管新政
“2G的频率划分就很不平衡, 中国联通获得的最少, 3G的频率截止到目前也只划分了一部分。”国家无线电频谱管理研究所高级顾问何廷润告诉记者, “而对于LTE频率目前还没有正式划分, 我们提供给运营商的只是实验频率。”
对于如何更好地对频谱资源进行监管, 何廷润认为:“一方面, 运营商要合理利用现有资源, 对2G频谱进行进一步的清理, 另一方面, 监管机构要适时制定新政策, 对频谱资源划分中存在的问题给予解决。”
而对于未来频谱资源的分配问题, 何廷润提出了自己的看法:“首先, 为了保证资源有效利用, 防止占有而不使用的情况出现, 应采取新的收费方式, 例如按照运营商利润率, 向其收取合理的频谱占用费;其次, 改变频谱资源利用方式, 可采用动态频谱分配方式, 动态地检测出空闲的频带, 充分利用频率资源。”他还表示, “目前, 我国相关部门已经在考虑相关政策的制定, 此外, 国外普遍存在的频谱拍卖模式也不失为一种可供我们参考的划分模式。”
总之, 在未来频谱划分的问题上, 我国监管机构应不失时机的制定相应的监管新政策, 从而促进TD-LTE更好地发展。
LINK
印度拍卖频谱案例
频谱拍卖主要指以公开竞价形式, 根据满足基本要求的申请者提出为获取该频谱资源而支付的金额高低, 来确定频段花落谁家。在拍卖中, 出价的高低是决定性因素。
印度3G频谱牌照拍卖始于2010年4月9日, 总计有9家运营商参加了此次拍卖, 包括巴帝电信 (Bharti Airtel) 、信实电信 (Reliance Co m m u nications) 、沃达丰爱莎 (Vodafone Essa r) 、Idea Cellula r、塔塔电信 (Tata Teleservices) 、Aircel、Etisalat、S Tel和Videocon Telecommunications。其中7家运营商获得了3G频谱, 但没有一家获得全部22个电信服务区域的频谱。
无线电频谱资源 篇9
认知无线电(Cognitive Radio,CR)是在软件无线电(SDR)基础上提出的概念。文献[1]定义:CR是无线终端利用与其周围无线环境下交互所获得的信号知识,然后自动调整传输参数的无线电通信技术。频谱检测是认知无线电需要解决的首要问题,作为检测方法之一的TDMA系统,正交传输的合作机制在文献[2]和文献[3]中提出,文献[2]介绍了两用户在单跳网络互相接力信息的方法可获得低损耗概率。根据AF合作协议[2],当接力用户不经任何处理地传输从发射机获得的信号,则可获得全分集。在此,考虑了认知网络中两个和多个认知用户通过合作检测主用户的情况,通过仿真分析表明,认知用户的合作感知方法比非合作情况下,得到的检测概率更高,并能有效提高检测主用户的灵敏度,降低对主用户的干扰以及检测时间。
1 合作检测机制
1.1 系统模型
设发射信号x和接受信号y的表达式为y=fx+w。式中:f为衰落系数;w为加性高斯噪声(0均值,单位方差)。信道特征为瑞利衰落,信道中不同认知用户相互独立并考虑它们工作在固定的TDMA模型。假设一个主用户开始使用频带,两个次用户需尽快为主用户让出频带资源,但如果其中一个次用户此时处于解码边界(如图1所示),则从主用户接收到的信号非常微弱,以至于次用户U1需要花费较长的时间才能检测到P,而次用户之间的合作可降低接收信号微弱的次用户的检测时间。
次用户U1和U2在连续时隙传输如图2所示。它们遵循AF(Amplify-and-Forward)协议。在时隙T1,U1传输,U2监听;在时隙T2,U2中继了前一个时隙的信息。在时隙T1,U2从U1接收到的信号表达式为:
式中: hpi表示主次用户之间即时信道增益;h12表示次用户之间即时信道增益;
式中:G12=E{|h12|2}表示U1和U2之间的信道增益;Pi=E{|hpi|2}表示Ui从主用户的接收功率。
1.2 能量检测模型
能量检测的概率统计模型为T(Y)=|Y|2。用Fi(t)表示在假设Hi(i=0,1)的前提下,随机变量T的积累概率密度函数(CDF)。有两种情况:
(1) H0的情况:
(2) H1的情况:
F1(t)=φ(t;P1+1,P2+1)。
定义:
式中:t,a,b均为正数。故给定了虚警概率α,需要找到门限值λ,则:
由于式(3)中的φ是随t严格递减的,故λ可以被惟一确定。相似地,有U2合作时,U1的检测概率表示为:
图3仿真了有合作和无合作情况下的能量检测曲线。其中:P1=1,P2=2.7。可见,当虚警概率α一定时,合作可得到更高的检测概率。在合作模型中,接力终端调整传输功率不考虑U2的位置,U1和U2之间的信道增益为常量。
2 两用户认知网络的灵敏度
在非合作网络中,U1检测到主用户存在时,检测时间τn可表示为一个几何随机变量,即:Pr{τn=k}=(1-P(1)n)k-1P
两用户独立检测主用户时的整体概率为:PCn=P
图4绘制了当P1=0 dB,α=0.1时整体检测概率的情况。由图可知,认知节点间的合作明显提高了整体的检测概率。两用户腾出频带的时间可以表示为
合作机制中总的平均检测时间为
在非合作机制中,假设U1在没有U2帮助的情况下即检测出主用户的存在,则U1在未通知U2的情况下即腾出频带;或者U1和U2都检测到主用户的存在,这种情况是一种次用户在无合作情况下始终进行检测主用户的特殊合作网络。这样,腾出频带的时间可表示为:
渐进灵敏度增益可表示为:
图5给出两用户在不对称网络中,当P2→∞时,非合作机制和合作机制的灵敏度增益下降速率对比。
在此,用log10P2衡量认知网络的不对称性。图6是两用户在不对称网络中,以P2为自变量的灵敏度增益μc(2)的函数曲线。随着认知网络中两用户的对称性变差,灵敏度增益会不断增加。由图6可知,α=0.1时,检测时间可获得将近35%的降低。这说明当其中一个次用户远离主用户而另一个非常靠近主用户时,也可以通过合作,保证较快速地检测到主用户的存在。
3 多个用户认知网络的灵敏度
当次用户数量为2n时,总带宽为B,平均等分为n个子频带,每个子频带的带宽为Δn=B/n,且有2个次用户工作在此频带,遵循上一节所提到的合作协议。当U1使用整个带宽B时,U1接收的单个功率可以表示为P1′=P1/n,噪声功率也是之前的1/n。则φ(λn;1/n,1/n)=α,λn=λ/n,λ由式(4)给出。故有U2合作的U1的检测概率可表示为:
子频带中认知用户通过合作机制检测主用户的检测概率和通过非合作机制的检测概率分别为:
用Pk和P′k分别表示第k个子频带中在合作和非合作机制下检测到主用户的检测概率,这两种情况下检测到主用户所花费的平均时隙数分别表示为:
定义灵敏度增益为:
检测时间总和可表示为:
定义其灵敏度增益为:
亦可以证明:
图7描绘了固定数量的多用户合作节点的检测概率性能。由图7可知,当虚警函数α取得较小时,可以通过节点合作获得较高的检测概率,以降低对主用户的干扰。
图8描绘了多用户、多载波合作机制下,不同虚警函数α的灵敏度增益μn/C(n)。灵敏度增益随着ln n的增大而提高,且当α很小时,ln(1-α)⧋-α;当n较大时,灵敏度增益曲线近似于μn/C(n)⧋ln n/α。
4 结 语
讨论了认知用户的合作机制在提高认知网络下检测灵敏度的优势。首先构建了认知网络中简单的两用户合作协议和非合作协议下的检测系统模型,然后对多个认知用户合作于认知网络中的情况进行了分析比较,对不同概率参数以及不同合作节点的检测性能进行了仿真研究。分析结果表明;当虚警概率α很小时,采用认知用户的合作感知方法可得到高检测概率,且可比非合作情况获得将近35%检测时间的降低,有效提高检测主用户的灵敏度。
参考文献
[1] FCC.Notice of Proposed Rule Making and Order[R].ET Docket No.02-222,2003.
[2] Laneman J N,Tse D N C.Cooperative Diversity in Wireless Networks:Efficient Protocols and Outage Behavior[J].IEEE Trans.Inform.Theory,2004,50:3 062-3 068.
[3] Laneman J N,Wornell G M.Distributed Space-time Coded Protocols for Exploiting Cooperative Diversity in Wireless Networks[J].IEEE,Trans.on Inform.Theory,2003,49:2 415-2 425.
[4]Cabric D,Mishara S M,Brodersen R W.Implementation Is-sues in Spectrum Sensing for Cognitive Radios[A].Proc.38th Asilomar Conference on Signals,Systems and Com-puters[C].2004:772-776.
[5] Ghsemi A,Sousa E S.Collaborative Spectrum Sensing for Opportunistic Assess in a Fading Environment[A].In:Proc.IEEE DYSPAN 2005[C].2005:131-136.
[6]Hammerstrom I,Kuhn M,Wittneben A.Copperative Diver-sity by Relay Phase Rotations in Block Fading Environment.Fifth IEEE Workshop on Signal Process.Advances in Wire-less Communication,2004.
[7] Ghurumuruhan Guanesan,Li Ye.Agility Improvenment through Cooperative Diversity in Cognitive Radio[A].IEEE GLOBECOM[C].2005:2 505-2 509.
[8]Nicholas Laneman J,David N C Tse,Gregory W Wornell.Copperative Diversity in Wireless Networks:Efficient Proto-cols and Outage Behavior[J].IEEE Trans.on Inform.Theory,2004,50:3 062-3 080.
[9] FCC 03-289 [S].