认知无线电台（共10篇）
认知无线电台 篇1
摘要：认知无线电作为一种智能无线电技术,可赋予无线通信系统以电磁环境感知能力,有效解决频谱利用率和管理的问题。软件通信体系结构(简称SCA)已被软件无线电论坛采纳为嵌入式系统的标准通信软件结构。SCA提供了一种支持通信软件和硬件可移植、可配置、可扩充和可重用的软件平台。本文首先论述了认知无线电的概念、功能,接着结合开源认知无线电的概念,提出了一种基于SCA的认知无线电台的新结构,并进行了详细的阐述。
关键词：认知无线电,软件通信体系结构,开源认知无线电
1 引言
认知无线电(CR)的提出, 为从根本上解决日益增长的无线通信需求与有限的无线频谱资源之间的矛盾开辟了一条行之有效的解决途径, 是未来无线通信产业的发展方向。然而, 认知无线电技术从概念到应用尚面临很多挑战, 尤其是许多关键技术需要突破, 这也使其成为了近年来无线通信研究的热点。
2006年6月,韩国的研究人员Namkyu Ryu等提出了一种基于软件无线电的智能天线基站开放架构。但是它并不具有认知无线电特有的频谱空穴检测以及动态分配频谱的功能。Stuntebeck E等提出了开源认知无线电的概念。基于以上学者研究的基础,依据软件通信体系结构的规范,提出一种基于SCA的认知无线电台结构。
基于SCA 的认知无线电台结构的研究可以为新一代智能型无线电台的研制提供技术储备,研究成果的推广应用可以提高无线电台对电磁环境的适应性、增加频谱资源的利用率、减少电台之间的干扰、提高无线通信网络的网络吞吐量,以及增强不同网系无线电台之间协作通信的能力。
2 认知无线电
自1999年Joseph Mitola博士首次提出了CR的概念并系统地阐述了CR的基本原理以来,不同的机构和学者从不同的角度给出了CR的定义。其中有代表性的是FCC(美国联邦通信委员会)和Simon Haykin教授的观点。Simon Haykin从信号处理的角度出发,认为CR是一个智能无线通信系统。它能够感知外界环境,并使用人工智能技术从环境中学习,通过实时改变某些操作参数,使其内部状态适应接收到的无线信号的统计性变化。
认知无线电有2个主要特点:认知能力和重构能力。认知能力是指无线电技术能够从它的无线电环境中捕捉和感知信息,从而可以标识特定时间和空间的未使用频谱资源,并选择最适当的频谱和工作参数。重构能力使得认知无线电设备可以根据无线环境动态编程,从而允许CR设备采用不同的无线传输技术收发数据。
为了便于理解认知无线电的基本原理,有必要将CR与软件无线电(SDR)进行区分。根据电子与电气工程师协会(IEEE)的定义,一个无线电设备可以称为SDR的基本前提是:部分或者全部基带或RF 信号处理通过使用数字信号处理软件完成。SDR关注的是无线电系统信号处理的实现方式;而CR是指无线系统能够感知操作环境的变化,并据此调整系统工作参数。从这个意义上讲,CR是更高层的概念,不仅包括信号处理,还包括根据相应的任务、政策、规则和目标进行推理和规划的高层功能。
3 基于SCA的认知无线电台结构
3.1 SCA体系结构
软件通信体系结构(Software Communication Architecture,SCA)是由美国国防部(DOD)批准通过的定义JTRS的硬件、软件及安全体系结构规范的文件。SCA是一种开放的通用体系结构,它定义了一个标准的、开放的、可互操作的软件平台。通过该软件平台,底层硬件与软件相互隔离。
如图 1所示,SCA 的软件架构包括操作环境(Operation Environment,OE)层和应用层。操作环境层包括核心框架、CORBA 中间件和基于POSIX 标准的操作系统。应用层利用OE 提供的服务完成具体的通信功能。OE由一组核心框架 (Core Framework, CF) 服务,以及平台相关系统软件组成。为了满足应用程序的可移植性要求,SCA 要求操作系统通过一组标准接口提供服务。核心框架(CF)描述接口的定义、目的和操作,为软件应用开发者提供了一个底层软件和硬件的抽象。实际完成通信功能的应用程序位于SCA 软件架构的应用层。这些通信功能包括modem级的数字信号处理、链路级的协议处理、网络级的协议处理、网间路由、外部I/O访问、安全等。应用程序编程接口(API)规范是SCA应用程序功能模块间的共享接口的定义和标准化。使用API的目的是为了提高软件组件和硬设备的重用性。
3.2 基于SCA的认知无线电台结构
Stuntebeck E、 O'Shea T等提出了开源认知无线电(OSCR)概念。OSCR实现了认知无线电与一个或多个现有的基于软件通信体系结构(SCA)的无线电的结合。由于SCA没有指定一个标准API去控制软件无线电,认知引擎必须要做一定的修改,以能够与所支持的每个不同的无线电兼容。
基于SCA的认知无线电台结构如图 2所示,本图仅以控制一个SCR无线电为例来说明。该结构由四部分组成。分别是SCA无线电、OSCR无线电接口、OSCR无线电复用器、认知引擎。
(1) SCA无线电
SCA无线电包括以面向对象为基础的软件部分和可以重新配置的硬件部分,在硬件上是通过数字信号处理器(DSP)和现场可编程门阵列(FPGA)以及嵌入式芯片来实现的。软件部分被进一步抽象成应用层和中间件层。应用层的各种操作是独立于底层的硬件资源的。
物理层包括射频、模数转换器ADC和数模转换器DAC、基带信号处理模块。射频部分具备处理多模和多频带信号的功能,它能够处理宽带信号以适应多模和多频带认知无线电系统。ADC和DAC能够工作在较高的时钟频率,以适应多模和多频带认知无线电系统。基带信号处理模块负责完成基带信号处理的功能,这包括信道编码与译码、调制和解调、扩频和解扩、滤波和同步等。认知无线电信号处理模块是实现认知无线电功能的关键,它可以完成各种认知无线电算法,包括频谱的检测、用户通信内容的识别以及对识别的内容进行分析、推理、规划等。
基于认知无线电网络的设备驱动是处于应用层和真实设备之间的软件层。作为在实时操作系统内部的设备驱动。管理了底层的硬件与硬件之间的输入输出接口。
实时操作系统给应用编程接口、设备驱动和应用层提供互操作的特性,以使其达到开放性、面向对象设计、分布式的特点。另外,该实时操作系统也要支持多处理器、通用接口、存储器管理和网络功能。
应用编程接口是开放的, 各种认知无线电算法都能够在此系统上得到应用。同时,它也是可扩展的。
(2) OSCR无线电接口
OSCR无线电的接口是在一个普通的SCA无线电和OSCR结构框架之间的接口。它提供了2个功能,第一,它在OSCR API和无线电本身的控制API之间担当翻译。该基本的ORI必须能够自修正,以匹配每一个SCA无线电的控制API,该API将使用在一个OSCR系统中。第二,它在无线电和经由SCA CORBA的OSCR结构框架之间担当通信网关。为了能够与SCA无线电一致,该ORI作为一个SCA资源去实现。
(3) OSCR无线电复用器
OSCR无线电复用器允许一个认知引擎去控制无限多的软件无线电设备。这些由ORM控制的软件无线电设备通过一个XML文档进行配置。为了与遥远的SCA无线电进行通信,ORM必须有关于无线电设备所利用的CORBA命名服务和无线电所处的CORBA域名的信息。
(4) 认知引擎
认知引擎是一个相对分离的系统,它主要提供最优化控制系统的指示信息。认知引擎能够修改无线电发射设备的调制种类、信号星座大小和译码参数。当产生无线电控制信息时,认知引擎直接与ORM进行对话。它与ORM之间的通信是通过C++功能调用完成的。认知引擎
允许与每个ORM通过有线信道进行通信,在此它转换发射机的调制方案,并且如果需要就通知接收机。
4 结论
基于SCA的认知无线电结合OSCR,提供了一个基于SCA并带控制API的认知无线电,它还允许用户通过对一个认知无线电引擎和一个或更多的基于SCA的还有OSCR接口的无线电设备进行整合。这种结构具备认知无线电的功能,能够实时检测周围无线通信环境,并根据无线资源管理协议动态调整各种无线通信参数,从而提高整个通信系统的频谱利用率,提高了无线通信网络的网络吞吐量。
参考文献
[1]Namkyu Ryu,Yusuk Yun,Seungwon Choi.Smart Anten-na Base Station Open Architecture For SDR Networks[J].IEEE Wireless Communications,Jun 2006.
[2]Stuntebeck E,O'Shea T,Hecker J,Clancy TC.Architec-ture For Open-Source Cognitive Radio[Z].
[3]邱永红.基于SCA无线通信系统的安全体系结构研究[J].江苏通信技术,2004年12月,第6期,P1-P4.
[4]李彬,郭莉.一种新的基于认知无线电和开放无线电结构的终端架构[J].移动通信,2007.5,P52-P54.
[5]王保进,王志刚等.一种用于软件通信体系结构的构件模型[J].计算机工程与应用,2004.31:P25-P28.
[6]车克南等,一个全特性软件通信架构核心框架的实现[J].计算机工程,2005年4月,第8期,P87-P89.
[7]周小飞,张宏纲编著[M].认知无线电原理及应用.北京:北京邮电大学出版社,2007年3月.
[8]周贤伟主编.认知无线电[M].北京:国防工业出版社,2008年1月.
认知无线电台 篇2
下一页 1 2
无线网络已经逐渐进入寻常百姓家，很多家庭用户都通过无线路由器和无线网卡建立了自己的家庭无线网络，帮助自己摆脱网线的困扰在家中随时随地无线冲浪。在企业网络方面无线技术也逐渐渗透到中小公司，很多中小企业都通过无线路由器，AP无线接入点，无线网卡，无线中继器等设备建立了自己的企业无线网。然而在企业无线网接收信号与接收功率方面很多网络管理员却存在着认知误区，盲目的认为无线网络接收信以及接收功率偏小，从而为企业无线网添置了多余的无线设备，在一定程度上造成了企业资金的浪费。下面笔者就针对此认知误区为各位读者进行介绍，帮助我们走出误区。
一、无线信号接收好坏对企业无线网的作用：
首先使用过家庭无线网络的朋友一定都知道无线信号接收好坏程度对于家庭无线网络的使用是非常重要的，如果用无线信号建立的网络不稳定，经常掉线或者影响了正常传输速度的话，无线网络就没有任何意义了。家庭无线网络尚且如此，企业无线网对于无线信号接收的好与坏就更加重要了，毕竟网络不稳定造成企业资金打水漂的同时也严重影响了企业业务的正常开展。
由于企业无线网络的整体规模要比家庭无线网络大得多，所以对无线信号强弱的测量工作就更加重要的，通过测量每间隔一段距离，企业内部会通过无线信号中继设备来加强信号强度。因此在适当的地方放置适当数量的中继设备就成为决定企业无线网络是否能够真正做到少花钱多办事，
二、企业无线网信号接收功率偏小的认知误区：
一般来说我们从市面上购买来的无线路由器发射功率都在100MW，天线增益为2dBi。而无线穿透性能更好的设备发射功率也就是200MW，天线增益为3-5dBi。当然这些只是无线设备的发射功率，在接收方获得到的功率是多少呢？接收功率为多少才能保证企业无线网络的顺利传输和中继呢？
计算无线信号好坏的参数是dbm，比如我们常说的无线信号测量完毕为-50dbm。他是如何计算的我们不需要过多的了解，因为很多软件和测量仪器都帮我们完成了转换和运算工作。
误区一：为什么测量出来的dbm值都是负数？
首先我们需要知道的是无线信号dbm都是负数，最大是0。因此测量出来的dbm值肯定都是负数。因为dbm值只在一种情况下为0，那就是在理想状态下经过实验测量的结果，一般我们认为dbm为0是其最大值，意味着接收方把发射方发射的所有无线信号都接收到了，即无线路由器发射多少功率，接收的无线网卡就获得多少功率。当然这是在理想状态下测量的，在实际中即使将无线网卡挨着无线路由器的发射天线也不会达到dbm为0的效果。所以说测量出来的dbm值都是负数，不要盲目的认为负数就是信号不好。
误区二：dbm值越小越好
既然前面提到了dbm值都是负数，所以很多人都认为dbm值越小越好。其实这个认知是错误的。正如前面所说dbm值最大是0，而且是理想状态。那么越接近理想状态下的dbm值，越说明无线路由器发射的功率都被无线网卡接收到了。因此dbm值应该越大越好，-50dbm说明接收到的无线信号要好于-70dbm。
认知无线电台 篇3
【关键词】智能电网；认知无线电；动态频谱管理；频谱感知
随着世界人口的迅猛增长和电网负荷需求的快速增多，各类电力设备所产生的数据量也在逐年猛增，海量数据的收集传输及存储，给传统的电力通信网络带来着巨大挑战。传统电网急需转变为更智能、可靠、自动、安全的智能电网。
目前智能电网通信网络面临着传输环境复杂、电磁干扰、通信容量受限等多方面问题的困扰。在固定频谱分配政策的严格制约下，新型无线通信应用对未授权的工业、科学和医疗频段过度使用，而部分授权频谱的利用率却极低，造成了频谱资源的极大浪费。具有动态频谱管理功能的认知无线电技术凭借其感知、通信及计算能力可以为智能电网通信网络的诸多应用提供技术支持。
1、基于认知无线电技术的智能电网应用
1.1先进计量基础设施
先进计量基础设施是一个测量、收集、存储和分析用户用电信息的网络信息处理系统，大多在室内安装，以智能电表为例它可以实现测量、用户账单、付费调节、合同更换等诸多功能，指导用户调节高峰、低峰时的用电量来使电网更加均衡。而当前大多数计量表与接入点间庞大的数据传输是利用工业、科学和医疗频段进行的，受周围频谱环境的干扰与噪声影响，安全性降低、延时、丢包等情况大量发生。认知无线电技术可以通过动态频谱管理功能机会接入频谱，利用空闲的授权频段进行高效的数据传输，降低计量基础设施的部署成本。
1.2分布式发电及储蓄电能
分布式发电是指布置在用户附近进行的风力、太阳能、生物质能等小规模发电，通过提供清洁可再生、高效、可靠的电力能源来满足就近用户的电力需求，减轻电网的负担降低电力输送过程的损耗；电能储蓄设备可以调节能源结构缓解电力峰值负荷压力。认知无线电技术的动态频谱管理功能可以克服分布式发电以及储蓄电能的过程中，对电能质量、电压、频率稳定性等系统参数进行监测传输时的电磁干扰、网络冲突、噪声、障碍物阻挡等问题。
1.3架空输电线路监测
架空输电线路时常面临着雷击、冰冻、山体滑坡、鸟害、过热等隐患，危及着输电线路的安全稳定可靠运行。需要安装传感器监测架空输电线路的运行参数，由于输电线路自身分布式的特点，给传感器的数据传输带来了电磁干扰、衰落等问题。认知无线网络可以凭借其兼容不同的频谱协议的特性来动态管理频谱，改善架空输电线路监测系统的带宽及稳定性。
2、智能电网的认知无线传感网络分层结构
智能电网的认知无线传感网络的分层结构包括家域网、邻域网和广域网。不同于传统的智能电网应用架构，认知无线电技术更能支持经济、灵活、高效、可靠地通信网络架构。
（1）家域网是智能电网的最基本子网，负责为各类家用电器、多媒体设备、电能管理系统以及电表之间提供一个双向通信通道，并为需求响应、家庭电能管理、负载管理、智能电表等智能电网的应用搭造一个技术平台。这其中每个应用都有峰值需求抑制、降低成本、提高用户满意度、需求匹配等独立操作目标。（2）邻域网负责实现家域网与广域网之间的通信连接，在智能电网应用网络中，邻域网收集多个家域网的监测及服务信息，并通过广域网将其传输到控制中心的数据采集装置。将基于认知无线电的邻域网关整合为一个系统，能够将多个家域网关连接起来，根据通信需求为其分配工作频段，从而提高频谱利用率、保证QoS需求、提邻域网的网络容量。（3）广域网由多个邻域网、智能电网的变电站、分布式电网电力设施组成。借助基于认知无线电的邻域网关及认知基站，可以实现多个邻域网与广域网控制中心的双向通信，通过实时稳定的数据传输，控制中心可以通过分析判决来为多个邻域网分配可用频谱，从而解决重叠区域的共存问题，提高频谱的利用率。
3、智能电网环境下的认知无线电技術面临的挑战
认知无线电技术是实现可靠、安全、高效的智能电网通信设施建设的前提基础，能够解决传统智能电网通信网络所面临的频谱资源受限、网络扩展性差、传输速率低等问题，然在电网所处的特殊环境中其面临着许多新的挑战：
（1）频谱感知是认知用户感知频谱空穴的过程，其高能耗特性它给智能电网通信系统的大规模部署带来了困难，简化认知设备的硬件配置、缩短感知时间、利用单射频无线通信、可以降低感知复杂度从而减少耗能，使得频谱感知技术得以在智能电网中大规模应用。（2）频谱判决过程分为两步：首先描述某个频段的接收信号强度、干扰、传输功率、用户个数、安全需求等特性；再根据获得的频谱特性进行频段选择。智能电网系统的分布式特性伴随着无线电干扰、网络密度及信道特性等变化多样等问题，制约着频段特性的获取，增加频谱判决的难度。（3）频谱共享过程主要实现最佳信道的选择、时间同步、功率控制等类似媒体接入控制协议的核心功能。功率控制方法能够使大范围部署的智能电网应用设备调整信息传输功率，减少感知节点多余的能量消耗并延长网络寿命，而对于要求准确时间同步的智能电网应用，由于缺少时钟源很难保持整个网络范围内的时间同步。
4、结论
本文全面介绍了智能电网的特性以及基于认知无线电的智能电网应用，讨论了智能电网的认知无线传感网络分层结构面临的挑战。期望这本文能够激发更多学者进一步探索这个有前途的研究领域。
参考文献
[1]Zhang Y.Cognitive Machine-to-Machine Communications：Visions and Potentials for the Smart Grid[J].IEEE Network，2012，26；6-13.
[2]Ruofei M，Hsiao-Hwa Chen.Smart Grid Communication：Its Challenges and Opportunities[J].IEEE TRANSACTIONS ON SMART GRID， 2013，4；36-46.
[3]Gungor V.C.，Sahin D.Cognitive Radio Networks for Smart Grid Applications A Promising Technology to Overcome Spectrum Inefficiency[J].IEEE JOURNALS & MAGAZINES，2012，7；41-46.
[4]苗新，张恺，田世明.支撑智能电网的信息通信体系[J].电网技术.2009（17）：8-13.
基于认知无线电的电台架构研究 篇4
关键词：认知无线电,软件通信体系结构,认知引擎,战术电台
0 引言
随着信息技术的不断发展,军事、民用、商业对通信要求也在不断提高,新的通信设备和通信手段不断出现,而目前采用的主要还是基于授权的静态频带分配的方法,这就使得常用的无线频带越来越拥挤,频谱资源已经成为一种紧缺资源。而过于拥挤的通信频带,带来的就是设备通信能力的直线下降。因此,如何解决因频带拥挤带来的通信能力下降的问题,已经成为一种迫在眉睫的需求。
认知无线电技术(Cognitive Radio,CR)[1]是解决上述问题的有效方法之一,它是一种新的智能无线通信技术,通过感知周围环境的频率、时间和空间等特征,对环境、信道条件、网络协议、用户需求以及设备本身的内部情况进行推理,根据推理结果实时调整传输参数,以保证信息的可靠快速传输。
本文结合认知无线电的技术特点以及战场通信的实际需求,给出了一种基于认知无线电技术的战术电台架构,对其软硬件组成及功能做了简要分析。
1 认知无线电技术的概念及发展
上世纪90年代早期,J.Mitola提出了软件无线电(Software DefinedRadios,SDR)的概念。软件无线电的核心思想是在尽可能靠近天线的地方使用宽带A/D和D/A变换器,将尽可能多的无线电台的功能用软件定义。它的出现使通信终端大大减小对硬件的要求,可以使相同的终端在不同的通信系统中使用。在2000年的论文中,Mitola将软件无线电的概念进一步拓展,提出了认知无线电(CR)的概念。认知无线电可以感知周围电磁环境,并实时调整传输参数,使通信系统的无线电参数不仅与规则相适应,而且能与环境相匹配,以达到无论何时何地都能达到通信系统的高可靠性和频谱利用的高效性。也就是说,SDR关注的是采用软件方式实现无线电系统信号的处理;而CR强调的是无线系统能够感知操作环境的变化,并据此调整系统工作参数,实现最佳适配。从这个意义上讲,CR是更高层的概念,不仅包括信号处理,还包括根据相应的任务、政策、规则和目标进行推理和规划的高层活动。所以,认知无线电是智能化的软件无线电[2]。
此后,不同的机构和学者从不同的角度给出了CR的定义,其中比较有代表性的包括美国联邦通信委员会(FCC)和著名学者Simon Haykin教授的定义。FCC认为:“CR是能够基于对其工作环境的交互改变发射机参数的无线电”。Simon Haykin则从信号处理的角度出发,认为:“CR是一个智能无线通信系统。它能够感知外界环境,并使用人工智能技术从环境中学习,通过实时改变某些操作参数(比如传输功率、载波频率和调制技术等),使其内部状态适应接收到的无线信号的统计性变化,以达到以下目的:任何时间任何地点的高度可靠通信;对频谱资源的有效利用。”
总结上述定义,CR应该具备以下3个主要特征:
(1)感知能力。感知能力使CR能够感知其外部频谱环境信息,发现空闲的频谱资源或干扰信号,寻找合适的信道,这是CR工作的前提。
(2)推理和学习能力。推理和学习能力使CR能够根据感知到的外界电磁环境和自身的状况,同时结合过往的工作数据,得出当前的最佳通信参数的能力,这是CR工作的核心。
(2)重构能力。重构能力使得CR设备可以推理结果对设备的各种参数进行重设置的能力。可以重构的参数包括:频率、发射功率、调制和编码方式、通信协议等。
一个常见的CR设备工作流程如图1所示:
如图1所示,CR设备的工作过程一般分为以下三个阶段:
1)感知阶段:认知设备感知外界的电磁频谱环境;
2)决策阶段:根据感知到的外界电磁环境和已有的知识经验,经过详细的运算推理过程,得出最适合当前环境的通信参数;
3)重构阶段:根据决策结果对认知设备进行参数加载或配置,完成通信过程。
感知、决策、重构这三个阶段不断的循环,构成了CR设备工作的全过程。
认知无线电的概念提出以后,众多国家和国际组织都对其投入了巨大的研究精力,其中以美国和欧盟的研究最具代表性。美国的研究以认知无线电为主,欧盟则从异构网络融合入手,并正朝着认知无线网络方向发展。代表性的研究工作有:
1)2003年12月,美国联邦通信委员会(FCC)对《FCC规则第15章》公布了修正案,规定:“只要具备认知无线电功能,即使是其用途未获许可的无线终端,也能使用需要无线许可的现有无线频带”。并且将认知无线电的使用在5G频段合法化,同时FCC正在考虑是否在TV频段也将认知无线电合法化。
2)美国电气和电子工程师协会(IEEE)于2004年11月正式成立IEEE802.22工作组,这是第一个世界范围的基于认知无线电技术的空中接口标准化组织。
3)2005年3月,IEEE通信协会(ComSoc)和电磁兼容协会(EMC)共同成立了IEEE P1900标准工作组,该机构致力于推进与下一代无线通信技术和高级频谱管理技术相关的电磁兼容研究。
4)IEEE JSAC于2007年4月和2008年1月,IEEE Comm Mag于2007年5月和2008年4月,IEEE J-STPTP于2008年2月分别出版了关于认知无线电的专辑。
5)2008年2月,欧盟启动的FP7(欧盟第七框架计划)又加大了对下一代无线网络研究的力度,力图在网络融合的基础上进一步向认知无线网络发展。
2 认知无线电技术的军事意义
除了民用方面的研究,认知无线电技术还被发现有更多的军事意义。现代战争条件下战场的电磁环境日益复杂,各种电磁辐射源如雷达、通信、导航、指控、电子对抗设备等数量成倍增加,覆盖的频谱越来越宽,多种电子设备在有限的地域内密集开设,使得频谱资源异常紧张,电磁兼容问题越来越突出。认知无线电能够主动的感知战场电磁环境,并不断的学习归纳,动态的利用频谱资源,对信息进行智能化的传输,因此认知无线电技术能大大提高战场无线通信的性能和可靠性,具体体现在通信容量、频谱利用率、抗干扰能力等方面;同时,由于认知无线电设备能够主动感知战场电磁环境并对接收信号进行识别,因此可以一边进行电磁频谱侦察,一边快速释放或躲避干扰,实现传统无线通信设备所不具备的电子对抗功能[3]。
随着认知无线电技术与战场环境的结合成为未来战场通信的趋势,越来越多的国家将此作为研究的焦点,但大多处于理论探索阶段,只有美国DARPA(Defense Advance Research Products Agency,国防高级计划研究局)的XG项目研究时间最长,进展最快,最为典型。从2003年开始,XG以CR技术为核心,着眼于开发认知无线电的实际标准和动态频谱管理标准,采用软件无线电技术来实现最大限度的时域、频域和空间等信息的利用,并称其论证的频谱效率可使目前的频谱利用率提高10～20倍。其基本思想是:设备首先“感知”周围无线环境并确定频谱特征,确定基本用户的存在性并“描述”可用机会,通过对环境的理解和主动学习,遵守应用于该频谱的管理策略,设备确定一种最佳计划,实时调整传输参数比如功率、载波调制和编码等,节点间相互通信协调使用机会,定义与应用干扰限定策略,然后以不与基本用户发生冲突的方式发送信号,达到通信系统性能最优化的目的。
3 基于认知无线电的电台架构
战术电台作为战场通信的主要手段,对通信的实时性、可靠性、抗干扰能力有着更高的要求,而认知无线电的技术特点则决定了认知无线电技术必将在战术电台上得到广泛应用。因此,采用一种什么架构来设计电台,将认知无线电技术和战术电台的通信功能完美结合就变得十分重要。
由认知无线电的概念可知,认知无线电是智能化的软件无线电,具有软件无线电的所有特征。提到软件无线电,就不能不提到软件通信体系结构(SCA)[4]。SCA是实现军用软件无线电台设计的一个有效规范和指导,是美军针对下一代战术无线通信系统的研制而发布的通用规范,它对多种类型军用无线电台的软硬件体系结构进行了定义。基于SCA的战术无线电台具有通用性强、便于更新、便于维护和升级的特点,并且能够实现不同军兵种不同系列电台之问的互连、互通和互操作。目前,美军已发布了多个版本的SCA规范(最新版本是SCA 2.2.2),研制并装备了多种基于SCA的无线电台。近年来,我军一直在密切关注和跟踪SCA的研究动向,并于2004年发布实施了适合我军特点的相关国军标,用来指导我军下一代战术无线电台的研制和开发。因此,综合考虑认知无线电和SCA的特点,同时结合战术电台的使用需求,参考SCA规范,提出一个基于认知无线电的电台体系架构。如图2所示。
该体系架构中,自底向上包括硬件平台、BSP及设备驱动、嵌入式操作系统、嵌入式CORBA中间件、硬件抽象层(MHAL)、核心框架、基础服务、无线通信波形应用、频谱感知波形、认知引擎等若干部分。
硬件平台是实现通信功能和认知功能的基础,由射频模块、数字信号处理模块、主控模块等组成。
BSP、设备驱动、嵌入式操作系统、嵌入式CORBA中间件、硬件抽象层、核心框架共同构成一个通用开放的SCA软件平台。
基础服务软件为用户提供通用、组件化的共性服务,包括故障检测、资源监控、信息输入、时间服务等。
无线通信波形应用是由一组实现通信功能的波形组件构成的应用软件,一种无线通信波形应用代表一种通信功能的实现。具备认知功能的电台可以根据认知结果选择最佳的波形和参数进行通信。
频谱感知波形完成频谱感知功能所需的信号处理工作,得到的感知结果是认知引擎工作的依据。电台可以根据时间、空间、频率等实际情况运行不同侧重的频谱感知波形以获取最佳的感知结果。
认知引擎是在软件无线电平台上实现基于人工智能技术的推理与学习,实现并驱动整个认知环路,实现认知功能的核心部件。通常,认知引擎由推理机、学习机、知识库等功能模块组成。可以说,认知引擎是CR的“大脑”。
由图2所示的电台体系架构可知,基于认知无线电的电台在硬件上通常由以下模块组成:
1)实现通信功能的射频模块;
2)实现频谱感知功能的射频模块;
3)运行通信和频谱感知波形的数字信号处理模块;
4)运行认知引擎、完成对各模块运行管理的主控模块。
一个多通道的认知无线电台硬件架构如图3所示:
根据电台使用需求的不同,可对图3所示的硬件架构进行裁减,但最少必须保留一个通信通道和一个认知通道。此时,数字信号处理模块和主控模块的功能也可以在一个硬件模块上实现。一个典型的单通道认知无线电台硬件架构如图4所示。
图中的射频功能模块完成通信射频信号的处理;频谱感知模块根据需求完成对相应频段的电磁环境探测;主控及数字信号处理模块是电台的核心,运行通信波形、认知引擎,同时负责电台的控制管理。并且,按照图2所示的体系架构,在主控及数字信号处理模块上还要运行嵌入式操作系统、核心框架、中间件、硬件抽象层等基础软件以满足体系架构的要求。
4 结论
本文首先介绍了认知无线电技术的基本原理及,然后结合认知无线电技术的发展阐述了其在军事上的用途,最后参考软件通信体系结构(SCA)提出了一种基于认知无线电的电台体系架构,对其软硬件组成做了简要分析。
认知无线电技术作为一种全新的通信技术,能有效提高通信设备的通信效能及抗干扰能力;以认知无线电设备组网,能大幅提高通信网络的频谱利用率及通信容量;结合世界军事信息技术发展的特点,认知无线电技术的军事用途更是不可低估。近年来,认知无线电技术已经受到广泛和深入的研究,在不远的将来,必将对现有的通信技术造成巨大的冲击,在通信技术发展的历史上留下深远的影响。
参考文献
[1]J.Mitola,Cognitive Radio:An Integrated Agent Architecture for Software Defined Radio[D],Sweden,KTH Royal Institute of Technology,2000.
[2]杨小牛,从软件无线电到认知无线电,走向终极无线电[J],中国电子科学研究院学报,2007,1:4
[3]赵陆文、周志杰、缪志敏等,浅析认知无线电在军事通信中的应用[J],无线通信技术,2007,4:34
认知无线电台 篇5
一、引言
随着物联网技术在各领域的应用，无线通信技术的应用也越来越广，解决频谱资源的有效利用问题也变得越来越突出，尤其是无线局域网技术应用越来越成熟，宽带无线应用面临更高的要求，涉及宽带利用率及信息传输率等多方面问题处理。为了充分有效利用和管理宽带频谱资源，提出了动态频谱分配技术，用于解决频谱资源没有充分利用导致的频谱资源不足。认知无线电技术可以从时间、空间和频率等多维度对宽带频谱资源的重复利用和共享，能很好解决频谱资源不足等问题。
二、TCP拥塞控制机制原理
拥塞通常是指在一个网络中报文分组过多，导致网络的性能下降，主要表现在发生传输信息变慢等情况。拥塞的网络状态主要是持续过载，此时网络资源的固有容量不能满足使用，或者资源不够分配，导致部分用户需要等待网络资源的分配，这是产生拥塞的根本原因。当网络资源使用量较少时，单位时间内成功地传送数据的数量随着网络使用的增加而增加，两者是线性关系，而响应时间增长缓慢。当使用量达到网络固有容量时，单位时间内成功地传送数据的数量则出现缓慢增长的趋势，但响应时间却急剧增加，通常把这一个转折点称为Knee。如果网络使用量继续增加，路由器开始丢包，当网络使用量超过一定量时，单位时间内成功地传送数据的数量急剧下降，而这一点通常称为Cliff。单位时间内成功地传送数据的数量（吞吐量）和响应时间随网络使用量（负载）的变化曲线仿真结果如图1所示。从图1可以看出，网络使用量在Knee附近时网络的利用效率是最高的。为了避免出现网络拥塞或者对已经发生的拥塞做出应对处理，这就要求网络节点采取拥塞控制措施来解决。
目前拥塞控制主要采用的是TCP拥塞控制，这种拥塞控制系统主要特征是具有自适应、分布式处理功能，在一定程度上能够解决网络拥塞，做出及时、有效的响应。TCP拥塞控制算法有很多形式，有基于确认ACK的，还有基于时延RTT。都是TCP拥塞控制算法的延伸和优化，各有所长。
三、拥塞控制源算法
传统的拥塞控制算法主要是依靠TCP协议，通过协议控制信息源端流入网络的数据流，这样的拥塞控制功能基本上都是在端系统上实现的。经典的TCP拥塞控制源算法Reno、New-Reno、SACK、Vegas、Westwood等，这些算法构成了拥塞控制源算法。
1.TCP Reno和TCP NewReno
Reno在Tahoe的基础上增加了“快速恢复”算法，这种算法的优化主要是解决当传输网络处于半拥塞状态下，采用传统拥塞控制算法而出现发送通道尺寸突然变小导致信息快速传输后通道过分浪费的现象。所以算法在快速恢复阶段设计规则是，当前一次的所有信息在网络中传输结束后，才能允许下一次传输的信息进入网络。
Reno中的“快速恢复/快速重传”算法在数据拥塞传输过程中有一个比较大的问题就是遇到拥塞可能出现丢弃多个报文的情况，这样会造成部分数据信息的缺失，导致传输信息不完整。为了进一步提高TCP的性能，NewReno优化了Reno中的“快速恢复/快速重传”算法。其算法设计思路是：对于处理同一窗口中丢失的数据时，让网络连接状态一直处于快速恢复阶段，一直等到丢失数据全部恢复，源端才转换状态，停止快速恢复。如果遇到在数据传输过程中出现同一窗口丢失多个数据包的情况后，网络终端反复通过ACK通知网络源端重新发送没有恢复的数据，直到这个ACK不再发送通知为止，说明数据传输完成，故称为Partial ACK。所以NewReno算法利用Partial ACK主要解决检测同一窗口中丢失的多个数据包的问题。
2.TCP SACK
SACK算法的优化在于采用数据“发”的时候进行选择机制，“收”的时候进行确认机制，所以Reno和SACK两种优化算法最大的区别在于对于同一个窗口出现多个报文数据丢失的性能和应对的方式是不一样的。SACK算法设计思路是：在网络连接进行初次握手时，网络起始端和网络终端互相进行命令提示，确定此次连接是否使用SACK命令选项。SACK网络终端根据命令来选择丢失的数据信息再一次发送到源端，同时告知已经完成传输的数据信息，这样起始端不需要重复传输数据，只需重传丢失的数据。这样的算法思路设计可以达到在一个RTT内选择重传多个丢失的报文段，提高了TCP的性能。在数据传输丢失率处于中间且长延迟网络环境中比较适用于SACK算法。
3.TCP Vegas
TCP Vegas（以下简称Vegas）算法的创新点在于通过测量传输数据的TCP技术，其算法设计3种不同的传输机制有效得提高单位时间里传输的数据量、同时降低分组丢弃率。这3种不同的传输机制包括新的重传机制，新的拥塞避免机制和扩展的“慢起动”机制。由于Vegsa是基于回路响应延时RTT估计的，它比基于丢包探测的Reno拥塞控制性能优越，比Reno算法提高37%到71%的吞吐量。
Vegas是通过比较实际吞吐量来调整拥塞窗口大小的。
4.TCP Westwood
TCPW也是一种基于测量的TCP算法。它和Reno算法的最大区别是降低盲目性，Reno算法主要处理运算超时或者判断ACK是否重复出现，而算法的处理结果就是减半拥塞窗口。TCPW算法设计的出发点抛开中间路由器采用带宽优异估计算法，具体思路是当出现通信网络拥塞时，首先进行通信带宽大小的估计，主要用链路估算法，通过估算出的带宽智能调整启动门限值，控制窗口来匹配带宽，保证窗口的有效利用。这种控制方法称为AIAD（Additive Increase Adaptive Decrease）机制，主要用于无线网路下拥塞处理，算法性能相对较优。这种控制算法的工作特征是ACK速率的检测，通信源端通过估计目的端的通信速率，实时估算网络中能够应用的通信带宽数，当出现拥塞时，做出响应，调整可用带宽，适应拥塞窗口。具体算法如图2所示。
nlc202309082228
在设计算法过程中，有3个参数值的注意，其中，
代表网络数多少，
代表带宽估算值，
代表网络中检测的最小窗口门限值，其结果在理想情况下处理，以中间队列长度为零时得到的数值为准。
因此，TCPW是在Reno算法上的改进，集合了Reno算法的优点，避免了Reno算法的拥塞窗口过分浪费的问题，TCPW算法在出现拥塞时，能准确调整带宽窗口及窗口门限值，对传输的数据快速恢复。而且这种算法的最大优势在于不减少数据包或中途检测，充分遵循了端到端的语义。
四、仿真设计及分析
为了验证拥塞算法及其改进算法在处理无线电环境下网路拥塞的效果，设计通信网络拓扑结构如图3所示，无线电网路覆盖面在500×400米范围内，在这个覆盖面存在3个网络节点，其中发送端有2个，分别是0节点和3节点，而接收端是2节点，1节点进行信息中转，是中继端，通信速率设置为2Mbps，是节点之间信息的传输速率。在15秒的时候，1节点1向正上方以5m/s的速度匀速前行，前行150s的时间。1节点移动范围始终保持在0节点和2节点通信频率覆盖面，且保持信号始终是畅通的。
仿真实验参数设定：主要比较Reno、Newreno、Sack、Vegas和TCPW等算法在无线网络和认知无线电网络两种通信环境情况下，各种参数的性能，参数包括拥塞窗口、瞬时吞吐量、阈值和丢包率，仿真结果如图4、图5、图6、图7所示，其中Reno、Newreno、Sack、Vegas和TCPW各算法在认知无线电环境下仿真分别用R CogN、NR_CogN、S_CogN、V_CogN和W_CogN表示，拥塞窗口用CWND表示，吞吐量用Throughput表示，门限值用ssthresh表示。
从图4至图7仿真结果可以得到各种拥塞算法在认知无线电通信网络中各种参数（拥塞窗口、吞吐量）的变化趋势。得出如下结论：Reno算法及其改进算法主要用于带宽较低和有限网络，所以处理认知无线电通信网络中的带宽范围变化较大的动态情况不理想，平均拥塞窗口和吞吐量都高于Reno算法或改进算法的是TCPW算法。从图4中可以看出，在处理网络拥塞时明显性能较好的是Sack、TCPW算法，Sack算法主要采用应答选择方式，只要通信信息包非连续丢失，其处理拥塞时性能比较高，TCPW算法是通过通信网络带宽使用量来估算当前网络使用效率以此判断是否出现拥塞，而且判别出是哪一种丢包情况，即误码丢包还是拥塞丢包，其处理网络拥塞情况不明时性能更优。Vegas算法采用反馈RTT控控机制，比其它算法最大的差异在于在带宽分配过程中存在不公平现象，导致控制算法在慢启动动作重复性，网络的有效利用被降低。TCPW算法采用带宽测量方式，根据通信带宽来合理分配，可以有效利用认知网络环境下的带宽、吞吐量，同时保证系统时延降低等性能。
图6和图7仿真5种拥塞算法在认知无线电网络中的平均吞吐量和ACK变化趋势，可以得到：在平均吞吐量方面，Vegas算法处理拥塞性能最差，变化趋势没有波动，其他算法处理效果区别不大，TCPW算法采用ACK流控制拥塞窗口的动态变化，效果稍强于其它算法。原因在于在认知无线电网络中，TCPW算法调整慢启动门限值在通信过程中一直未中断，实时进行，门限值调整综合当前网络情况和历史情况智能决定，而Reno算法及其改进算法的TCP慢启动机制，慢启动时只是探测网络当前使用带宽，在不明网络状态下，把慢启动门限值设置为当前带宽窗口大小，与实时传输信息量不匹配，窗口过大导致重复传输，从而是RTO控制超时，降低了系统吞吐量。
为了进一步研究5种算法在处理网络拥塞时性能，丢包数、丢包率是另一个重要参数，5种算法丢包数、丢包率在认知无线电网络中的比较如表所示。
从表中数据可以比较得出：丢包率最小的是Vegas算法，但其在同时间内发送数据是最少的，很多带宽没有充分利用，造成网络资源浪费；其它4种算法丢包率差别不明显，Reno算法稍好于Newreno算法，Newreno算法稍好于Sack算法，TCPW算法好于Reno算法、Newreno算法和Sack算法，但其在同时间内发送数据是最多，相对而言丢包率也比较低。从各个参数比较情况综合来看，各种TCP拥塞控制算法在处理无线电认知网络中效果已经达不到想要的性能。因此从多参数分析评价，TCPW算法在处理认知无线电网络动态环境效果更理想。
五、结语
本文从TCP拥塞控制机制原理介绍出发，研究现阶段常用的5种典型的拥塞控制算法，提出针对传统无线网络环境下的TCP性能增强方案，从衡量拥塞控制机制的性能参数进行分析对比，得出可行性处理方案。由于无线网络的逐渐普及，网络结构及数据传输变得复杂且要求增高，处理过程呈现动态性、多态性，这使充分利用拥塞控制机制变得尤为重要。由于在无线电认知网络中，每一个通信节点有感知周围环境和重构能力，可以通过感知周围环境对频谱的使用情况进行实时监控，对认知无线电网络的频谱资源进行有效选择，以当前网络拥塞量的平均值作为下一次拥塞时的窗口门限值，调整变化大。在认知无线电网络环境下，比较了5种典型TCP拥塞控制算法性能，通过对丢包、平均拥塞窗口、平均吞吐量、瞬时吞吐量和ACK等参数的仿真分析，结果表明TCPW在认知无线电网络下性能最佳。
认知无线电台 篇6
过去几十年间, 随着半导体、微电子和计算机技术的迅猛发展, 个人无线通信产业发生了爆炸性的增长。从移动电话到无线局域网 (Wireless Local Area Network, WLAN) , 新兴的业务类型层出不穷 , 人们在享受无线网络所带来便捷与乐趣的同时, 日益增长的频谱需求和有限的频谱资源之间的矛盾也在急剧深化, 为了缓解这一矛盾, 研究人员提出 了一种新 的融合技 术思路———无线 认知网络 (CognitiveRadio Network) [1,2]。
无线认知网络 (CRN) 是指网络能够感知外部环境, 通过对外部环境的理解与学习, 实时调整通信网络内部配置, 智能地适应外部环境的变化。其主要目的是向用户提供最佳的端到端效能 (End to End Efficiency) 。它融合了认知无线电技术的特点, 并考虑无线环境的信道特点、无线网络的拓扑特征及无线终端的业务特性, 分辨当前网络状态, 然后根据这些状态进行规划、决策和响应, 同时网络能在自适应过程中不断学习, 并将它们用于后续决策, 实现端到端效能的优化目标[3,4]。
1 无线认知网络关键技术
目前, 无线认知网络的研究主要集中在以下几个方面:频谱感知 (spectrum sensing) 、频谱共享 (spectrum sharing) 、动态频谱接入 (dynamic spectrum access) [5]。区别于传统无线网络的信道分配, 认知网络的信道分配往往需要基于实时感知的信道状态, 因此, 频谱感知是所有工作的基础与核心。
1.1 频 谱感知
作为认知网络的主要核心技术之一的频谱感知技术, 其目的是要发现在时域、频域及空域的频谱空洞, 进而供认知用户机会式利用频谱。
频谱感知技术可以分为基于干扰的检测、主用户信号检测和协作检测, 目前的频谱感知技术主要是基于主用户发射机检测, 其频谱感知方法主要又分为匹配滤波器检测、能量检测、循环平稳特征检测三种。
1.1.1 匹配滤波器检测
如果主用户信号是确定性信号, 那么在加性高斯白噪声 (AWGN) 条件下最佳检测器就是匹配滤波器, 它可以使输出信噪比达到最大。匹配滤波器检测的优点是能快速度准确检测主用户是否存在, 但是, 此方法需事先知道授权用户的信息, 对授权用户需要专门的接收器, 必须定时和频率同步。此外, 计算量也较大, 若先验知识不准确, 则匹配滤波器的性能会大大下降。
1.1.2 循环平稳特征检测
通常, 无线通信信号都具有循环平稳性, 而噪声和干扰则不具有这种特性, 因此可以通过循环平稳特征检测法来检测主用户信号是否出现。该方法能从调制信号功率中区分出噪声能量, 可以在较低的信噪比下进行检测信号, 但其计算复杂度较高。
1.1.3 能量检测
能量检测是最简单、最为经典的信号检测方法, 也是目前研究的热点。能量检测法相对简单、易实施, 另外, 它为非相干检测, 对相位同步要求低。但是, 该方法在低信噪比情况下的检测性能较差, 易受噪声不确定性的影响, 且不能辨别主用户类型。
1.2 频 谱共享
无线认知网络的频谱共享是指次用户在不影响主用户的前提下与其共享一段频谱, 是认知无线网络的关键技术之一。其目标是有效管理对主用户的干扰, 并提高频谱的机会利用率。
频谱共享主要包括两个方面:次用户之间的频谱共享以及次用户和主用户之间的频谱共享, 可根据架构、频谱分配行为等因素可大致分为三类:
(1) 基于网络架构
基于网络架构通常可分为集中式频谱共享和分布式频谱共享。集中式频谱共享是由某个中心服务器根据全局信息计算和执行整体二级用户网络的空闲频谱分配。每个二级用户独立进行频谱感知, 然后将感知到的信息发送到中心服务器, 由中心服务器综合对这些信息分配到空闲频谱。
与集中式频谱共享不同, 分布式分配将认知终端看作是一个自治的智能体, 每个认知终端根据自己获得的频谱信息计算和决定如何使用这些空闲频谱, 分布式分配主要应用于无中心服务器的场合。
(2) 基于频谱分配行为
基于频谱分配行为又可分为协作式频谱共享和非协作式频谱共享两类。协作式频谱共享考虑到各节点间行为的相互影响, 即每个节点都会与其它节点分享自己的感知信息;而非协作式频谱共享则不考虑其它认知节点间的干扰。在实际应用中, 协作式方案要好于非协作式方案, 更接近整体性能的最优化, 在一定程度上更为公平, 同时也提高了吞吐量。
(3) 基于接入技术
现有大部分基于接入技术研究针对认知无线电商用进行的, 主要采用基于填充式共享方式, 即只针对主用户未使用频谱下进行的, 基于完全检测信息下对主用户的干扰最小。
1.3 动态接入
与传统的固定频谱分配方式不同, 动态频谱接入技术是一种动态自适应的频谱管理方式, 能更好的利用已有的低效的频谱资源来满足无线通信服务。动态频谱接入方式可分为以下三种策略模型[8]:
(1) 动态专用模式
动态专用频谱管理方式保留了现有的频谱管理策略结构, 即主用户有着对频谱资源的独占权;但它们不仅可以自由选择其所使用的技术, 还可以选择其所提供的服务。
(2) 开放共享模式
开放共享模式这种频谱管理方式得益于无线通信的发展, 该技术能够使得不同的系统共存, 而且相互之间不会产生严重的干扰, 因此, 不需要对频谱资源进行独立的授权。
(3) 多层接入模式
多层接入模式可以看作是动态专用模式和开放共享模式的一个折中, 与动态专用和开放共享模式相比, 多层接入模式更符合现有的频谱资源管理策略和无线系统。此外, 频谱正交的接入方式与频谱重叠相比去除了次用户发射功率所受的严格限制, 一定程度上提高了其信道容量和吞吐量, 而且有着更广泛的应用。
2 结束语
作为未来无线通信网络技术的引领, 无线认知网络就有广阔的研究前景与应用价值。本文对无线认知网络一些关键问题进行了总结, 从频谱感知、频谱共享和动态频谱接入几方面进行深入分析与探讨。无线认知网络将在未来的无线通信领域, 以其独特的技术优势广泛应用于军事、工业、环境、医疗等各领域。
摘要：随着信息通信技术的迅猛发展, 有限的频谱资源变得愈发紧张。为了缓解日益严重的频谱资源紧张问题, 无线认知网络技术应运而生, 成为引领未来无线通信技术方向的“大事件”。本文针对无线认知网络技术, 从概念、研究现状和目前所研究的关键技术几方面进行了探索、剖析与探讨。
关键词：无线认知网络,频谱感知,频谱共享,动态接入
参考文献
[1]王永华.杨健.无线认知传感器网络的研究[J].计算机科学, 2011 (7) :41-45.
[2]李建中.高宏.无线传感器网络的研究进展[J].计算机研究与发展, 2008, 45 (1) :1-15.
[3]王再励.认知无线网络中的协作频谱检测技术研究[D].北京邮电大学, 2011.
[4]张国伟.认知无线电网络中频谱感知技术研究[D].山东大学, 2011.
认知无线电台 篇7
随着无线通信技术的飞速发展, 出现了多种通信体制并存和各种标准层出不穷的现象, 以硬件为主的传统通信体制难于适应这种局面。针对多种无线通信标准和体制之间无法兼容的弊端, 本文的研究内容将围绕以下三个方面展开:以图着色理论和敏感图着色理论为基础, 建立频谱分配模型;应用分配模型, 分别研究基于图着色理论和基于敏感图着色理论的现有频谱分配算法, 并对其性能进行比较和分析。
1 认知无线电无线资源分配模型
无线电无线资源分配模型由硬件部分和软件部分组成。其中, 硬件部分包括用户接口模块、基带处理模块、调制解调器模块、天线部分、射频前端模块以及信息安全模块等部分组成。而软件部分又由基本软件和智能软件两部分组成。其中, 基本软件部分主要实现调制解调器功能以及基带处理功能, 而智能软件部分则使用RKRL语言, 按照无线电规则实现与周围无线网络的信息交流, 并最终采用支持用户需要的自适应学习的方式, 更好地提高通信质量。
认知无线电通过在无线域建模来扩展软件无线电的功能, 通过RKRL语言来提升通信服务的灵活性。对频谱资源的分配往往需要考虑系统的应用需求以及系统网络结构等特点, 不同的频谱分配技术按性质进行分类, 具体如下:
1) 从网络结构的角度出发, 频谱分配可以分为分布式频谱分配和中心式频谱分配。分布式频谱分配的特点是, 网络结构中没有一个类似于中心的节点, 频谱分配较为分散。而中心式频谱分配的网络中存在这样一个节点, 用来实现控制, 以实现对网络中认知用户的频谱分配。
2) 从分配方式的角度出发, 频谱分配可以分为静态频谱分配和动态频谱分配两大类。
2 无线电无线资源分配算法
最大化频谱 (信道) 利用率和频谱分配的公平性是无线频谱分配的两个主要目标, 提出的基于图着色理论的贪婪算法和基于图着色理论的公平算法是分别针对这两个目标的两种经典算法, 下面将进行详细的介绍。
2.1 贪婪算法
基于图着色理论的贪婪算法资源分配的目标为最大化系统总效用。应用第二章中的数学描述, 它的目标函数可以表示为:。该算法采取逐一分配信道的方法, 将信道分配给满足条件的认知用户, 并且在分配的过程中, 认知用户n的可用信道数的值越小, 分配的优先级越高, 从而使系统总效用达到最大。
2.2 公平算法
公平算法首先根据信道空闲矩阵L和干扰矩阵C建立一个N*N维的优先级矩阵Q, 其对角线上的元素均为0;定义SUi的可用子信道数为nci, SUi的干扰节点数为nni, 则有0≤nci≤M, 0≤nni≤N-1。对于优先级矩阵Q中的元素qij, i≠j, 且0≤i, j≤N-1, 如果SUi和SUj互不干扰, 则qij=0;否则, 如果nci>ncj, 则qij=1;如果nci
2.3 基于连接等级的按轮分配算法
基于连接等级的按轮分配算法 (Link-Degree-and-Roundbased-Algorithm, LDRA) 的目标是保证信道利用率与公平算法相差不多的条件下, 进一步提高信道分配的公平性。我们利用节点的连接等级作为分配标准来保证信道利用率, 通过采取按轮分配的方法来提高公平性。
为保证信道利用率, 本文为状况较好的节点先分配信道。节点的连接等级指的是邻居干扰节点数:节点的连接等级越低, 则其邻居干扰节点数越少, 节点的状况越好。贪婪算法就是按照节点的连接等级, 由低至高地为各子信道选择节点, 由于系统优先为干扰节点数较少的节点分配信道, 使得每个信道能分配给尽量多的节点, 从而避免了信道资源的浪费, 保证了系统的信道利用率。在LDRA算法中, 为保证信道利用率不至于太低, 系统优先为连接等级较小的节点分配信道, 如果多个节点的连接等级相等, 则随机选取其中的一个。
为进一步提高公平性, 我们提出一种按轮分配的方法:每次为某个节点分配完一个信道, 则在下一次的分配中排除该节点, 为其他节点分配信道。算法轮流对每个节点进行检测, 考虑与其他节点的干扰情况, 判断其是否存在可用信道, 并实行分配。若每个存在可用信道的节点均新分得一个信道, 则称为一轮。分配每完成一次, 更新信道空闲矩阵L, 分配每完成一轮, 判断信道空闲矩阵是否为空。若L不为空, 则进行下一轮的分配, 否则算法结束, 频谱分配完成。第一步:根据干扰矩阵C, 计算每个节点的连接等级link degree。选取连接等级最小的节点n*=argminlinkdegree (n) 作为待分配的节点, 如果存在多个这样的节点, 随机选择其中的一个, 记为节点n*。第二步:通过信道空闲矩阵L, 找到待分配节点的可用信道。若存在多个可用信道, 则选取对于待分配节点来说, 使用该子信道时, 它的邻居节点数最少的那个。如果这样的子信道不止一个, 则随机选取其中的一个, 记为子信道m。第三步:将子信道m分配给节点n*。将子信道m从节点n*及其邻居干扰节点的可用子信道列表中删除。设矩阵assigned中记录了各个节点已分配到的子信道数, 即, 分配每完成一次, 则在assigned矩阵中节点n*的相应位置加1。第四步:完全复制信道空闲矩阵LL=L, 更新LL, 将节点n*的可用子信道列表清空, 即在下一次的分配中刨除了节点n*, 为其它节点分配子信道。因此在整个算法的分配过程中, 降低了重复为一个节点分配子信道的几率。第五步:检测新的信道空闲矩阵LL是否为空。LL不为空, 说明一轮的分配还没有结束, 则返回第一步, 继续在同一轮中为节点分配信道;LL为空, 说明一轮分配结束。检测信道空闲矩阵L是否为空。L不为空, 进行下一轮的信道分配;L为空, 信道分配完成, 算法结束。
出于提高系统信道利用率方面的考虑, 可以将上述基于连接等级的按轮分配算法与基于图着色理论的贪婪算法结合起来, 形成一种新的混合算法, 称为基于轮数阈值的混合算法, 以期在公平性较好的基础上, 提高系统的信道利用率。
假设各个认知用户所使用的子信道情况已经确定, 如认知用户n使用子信道m进行通信。假设认知用户总数为N, 子信道m的信噪比为SNR (m) , 待分配的总功率为P, 噪声功率为E, 则注水的“水平面”以及分配给认知用户n的功率分别为:平均功率分配算法是最简单、计算量最小的功率分配算法, 但由于不考虑信道增益的差异, 当信道的平均SNR较低时, 吞吐量比注水算法要小得多。当信道的平均SNR较高时, 平均功率分配时的总吞吐量就能接近注水算法的结果。这种算法平均为每个认知用户分配相同的功率值。
3 无线资源分配算法仿真分析
将分析基于图着色理论的贪婪算法、公平算法在信道利用率以及信道分配的公平性方面随认知用户及可用信道数变化的情况。在仿真中, 假设SU节点随机分布在一个1 000 m×1 000 m的区域内, PU节点在相同的区域内位置固定。
我们采用每个节点被分配到的信道数衡量信道利用率, 用各个节点被分配信道数的方差表征公平性。各个节点被分配到的信道数越多, 信道利用率越高;各个节点分配到信道数的方差越小, 公平性越好, 方差为0是最理想的情况, 但一般情况下无法达到。
由图2可知, 由于贪婪算法在分配过程中, 最大化各个子信道分配的认知用户数, 使得子信道得到充分的利用, 因而其信道利用率比公平算法高。随着认知用户数量的增多, 算法的信道利用率呈下降趋势, 原因在于: (1) 频谱资源有限, 认知用户的增多使得各认知用户被分配的平均子信道数减少, 因而信道利用率降低; (2) 认知用户的增多使得其在一定范围内的分布更加密集, 从而导致仅由位置关系定义的干扰节点数增多, 受干扰条件的限制, 原来互不干扰的认知用户之间可能会发生干扰, 不能同时使用同一信道, 因而信道利用率有所降低。图2还表明, 当可用子信道数加倍时, 信道利用率也几乎加倍地增长。
算法的公平性仿真结果如图3所示。公平算法虽然在信道利用率上不及贪婪算法, 但由于公平算法优先为那些瓶颈认知用户分配子信道, 因而其分配的公平性优于贪婪算法。与信道利用率的仿真结果略有不同, 随着认知用户数量的增加, 分配的公平性趋于更优的效果, 这是由于当认知用户的数量较少时, 信道资源相对充裕, 算法优先为状况较差的认知用户分配子信道, 这时状况较好的认知用户可能分不到或分到较少的子信道, 各认知用户分得子信道的数量相差较大, 相应地, 其方差值较大, 因而信道分配的公平性较差;然而当认知用户数量增多时, 对子信道的竞争更加激烈, 各个认知用户分得子信道的数量之间不会相差太多, 因而信道分配的公平性就会变好, 随着可用子信道数量的增多, 分配的公平性有所降低, 同样是由于各个认知用户分得的子信道数差距的拉大所导致的。
4 结语
本文从提高认知无线网络的频谱利用率和提高频谱分配的公平性两个角度出发, 在总结和借鉴前人已有的研究成果的基础上, 针对认知无线电网络的频谱分配进行了深入和细致的研究, 研究基于敏感图着色理论的频谱分配算法将功率分配纳入考虑, 比较了三种简单的功率分配算法的系统吞吐量, 提出了改进的公平性算法。
参考文献
[1]Natasha Devroye Patrick Mitran Vahid Tarokh.Limits on Com-munications in a Cognitive Radio Channel[J].IEEE.2006.
[2]Weiss T.A., Jondral F..Spectrum Pooling:An Innovative Strategy for the Enhancement of Spectrum Efficiency[J].IEEE.2004.
[3]周侨.认知无线电网络中的动态信道分配技术研究[D].杭州:浙江大学, 2008.
[4]冯霞, 莫景猷.认知无线电研究综述[J].中国无线电.2008.
[5]郭彩丽, 张天魁, 曾志民, 等.认知无线电技术的国内外发展和研究现状[J].现代电信科技.2006.
[6]庾志诚.认知无线电技术的新进展[J].电信技术.2009.
认知无线电关键技术研究 篇8
1 认知无线电技术
认知无线电(CR)技术中,通常称频段的许可持有者为主用户,而CR用户为从用户。从用户可以在避免对工作频段内其他用户干扰的情况下,实现有效的通信传输。
1.1 频谱感知技术
CR中的频谱感知包含两个方面,带内检测和带外检测。从用户在工作时必须频繁地对当前工作频段和其他频段进行感知操作。对当前工作频段感知的目的是检测频段是否出现主用户。当发现主用户要占用时可以进行快速的规避,放弃对当前工作频段的占用,从而避免对主用户的干扰。对其他频段感知的目的是对周围其他频段的频谱使用状况进行测量。一方面在当前工作频段不可用时,可以及时切换到其他可用的工作频段;另一方面,可以利用新的可用频谱资源扩展工作频段,从而提高传输速率和网络的容量。同时进行频谱感知有利于频谱资源的管理,共享和交换。
频谱感知的方法主要包括基于能量和信号特征的检测。而后者由于需要工作频段内主用户信号特征的先验知识,所以大多数情况下,都采用能量检测的方法。能量检测法是一种常用的检测方法,属于信号的非相干检测,它无需知道被检测信号的任何先验知识,所以这种方法适用于各种不同的应用环境。
Urkowitz首先提出能量检测检测方法[3],能量检测器的原理框图如图1所示。
从图1中可以看出,信号首先经过带通滤波器,通过带通滤波器后使噪声信号带宽受限,这样噪声信号就具有平坦的功率谱密度。然后信号在经过平方器,再经过一个观测时间有限、周期为T的积分器,最后通过门限比较器。在门限比较器中和检测门限λ进行比较,若大于检测门限λ,则表明有主用户信号存在,此时感知用户必须迅速为主用户让开信道,以免对主用户造成干扰,感知用户继续寻找可以利用的频谱空洞;若检测的信号功率小于检测门限λ则表示无主用户工作,此时可以利用此信道。
假设系统在高斯信道非衰落的条件下,因此信道增益h是确定的。假设在H0下,得到的信号r(t)与判决门限λ进行比较,若大于判决门限,表示主用户信号存在,此时发生误判。假设在H1下,当接收信号超过判决门限时,则表示系统做出了正确判断。
分别用Pd和Pf表示检测到主用户占用的概率和错误判断报警,对Urkowitz的研究结果进行简化,可以得到通过无衰落的高斯信道检测概率和虚警概率的近似表达式[4]为
由式(1)可以看出如果Pd很低,在现实应用过程中是不允许的,因为如果Pd过低会导致检测不出主用户信号的概率很大,反之会增加对主用户的干扰。如果Pf过高,则错误警报会使认识无线电用户错过许多频谱利用的机会,导致频谱利用效率低下,造成资源浪费。所以认知无线电就要实现检测概率和虚警概率之间的权衡。
在仿真实验中,根据式(1)和式(2),在AWGN信道下单个认知无线电节点独立检测的实验仿真结果如图2和图3所示。
图2说明,能量检测法中,检测概率会随着信噪比的增大而增大,检测性能会随着信噪比的增大而得到明显改善。在同一信噪比下,判决门限的选择不仅对虚警概率有较大影响,对检测概率的影响也很大。判决门限λ越大检测概率Pd就越低,因此,判决门限的确定对检测性能有很大影响,在实际中,应该根据具体的情况合理确定感知门限λ。
由图3可以看出,在信噪比一定的情况下,随着虚警概率的增加,漏检概率在降低[5]。
1.2 频谱预测技术
随着感知技术的逐步成熟,方法也越来越多,但是有一个问题一直没有得到解决,那就是当感知频谱时,需要把频段全部感知一次,耗费大量的能量。为解决这个问题,文中提出了频谱预测技术。每次感知之前,先预测频谱空穴的位置,这样可以不必再感知占用的频谱,直接感知已预测为空穴的频谱,选出合适的频谱以便次用户的选择。
目前,国内外很多研究机构和学校都致力于频谱预测的研究。首次将频谱预测机制引入到认知无线电中的,是加利福尼亚大学的Acharya教授。他在2006年发表的文献[6]中,建立了一个对授权用户未来频谱活动情况预测的模型。该模型运用滑动窗口预测机制,对各个子频带的可用性大小进行了分析,并通过自适应滤波器设定门限值,将低于门限值的频段设定为不可靠频段,不允许认知用户接入这类频段,从而减少认知用户与授权用户之间发生冲突碰撞的概率,减少切换概率,从整体上降低对授权用户的干扰率。在随后的研究中,先后有人提出了ON-OFF、Blackman window、POMDP[7,8,9]等模型下的预测机制。
文中利用神经网络[10,11]设计了一个多层感知器预测模型。网络是由输入层、输出层和隐藏层组成。对于预测问题本文研究发现有两个隐藏层的MLP网络已经足够,第一个隐藏层有15个神经元,第二个有20个神经元,如图4所示。神经网络预测不仅可以提高频谱利用率、节省感知能量,而且不需要像其它的方法那样,每次预测一组数据之前都需要先设置参数,而只需要建立起一个模型即可,并且在输入数据准确的前提下,可以达到较高的预测准确率。
假设探测一个固定发射端的频谱状态,得到360个数据,用“1”和“0”的一个二进制序列表示,占用和空闲。
在仿真试验中,利用前300个数据作为构造神经网络的数据,最后60个作为理想的输出数据来衡量模型的性能。通过仿真,得到实际输出数据与理想值的对比图如图5所示。
仿真结果表明在输入数据准确的情况之下,神经网络能够准确的预测频谱的占用状态,误差较小,误差值的范围为。由图6可见,预测的误差很小,基本在0.000 1范围之内。在实际中,测量的数据不可能完全一致,会有些许误差。为了验证预测的准确性,改动原始数据中的几个,经过仿真发现,预测的误差会变大,改动的数据越多,误差的变化也就越大,但是基本上可以保持在0.1之内。
相对于HMM,滑动窗口等其他的方法,利用神经网络模型来进行频谱预测有着突出的优点。它不必每组数据预测前都设置众多的参数,只需要用原始数据建立一个神经网络预测模型,每次将预测的数据输入就可以得到预测的授权用户频谱的占用状态,节省了人力物力。滑动窗口机制预测时会首先设置合适的门限值,但是,一旦门限值设置的不合适,就会给后续的认知用户的接入造成麻烦,使得认知用户与授权用户的碰撞的几率加大。在这个方面,神经网络预测模型也有着得天独厚的优势,不必设置门限值,只需建立模型来预测频谱占用状态,并且可以到达较高的准确率,给认知用户的接入提供了便利。
2 结束语
认知无线电技术浅论 篇9
认知无线电是可以感知外界通信环境的智能通信系统。认知无线电系统通过学习, 不断地感知外界的环境变化, 并通过自适应的调整其自身内部的通信机理来达到对环境变化的适应。这样的自适应调整, 一方面是为了改进系统的稳定性, 另一方面是为了提高频谱资源的利用率。认知无线电可以在提高无线频谱使用效率、改善无线通信系统性能等方面发挥重要作用, 并且随着人工智能和信号处理技术的不断发展, 认知无线电将会使得无线通信系统更加智能化, 将对人类社会未来的通信发展产生不可估量的影响。
2. 认知无线电目前的研究现状
认知无线电 (Cognitive Radio) 这个术语首先是Joseph Mitola在软件无线电概念的基础上提出的。1999年Mitola在他的博士论文中描述了一个认知无线电系统, 认知无线电的目的在于提高频谱利用率。但这不仅是个技术问题, 由于要从根本上改变过去的无线电资源分配状态, 因此要想实现认知无线电, 除技术开发之外, 还必须有政府法规上的支持。总的来说, 认知无线电是一个智能的无线通信系统, 目前对它的研究主要集中在物理层和媒体访问控制 (MAC) 层。认知无线电能感知周围无线环境, 通过对环境的理解, 主动学习以实现在特定的无线操作参数上 (如功率、载波调制和编码等方案) 实时改变和调整内部状态, 适应外部无线环境的变化, 达到通信系统性能最优化的目的。认知无线电具有在不影响其他授权用户的前提下智能地利用大量空闲频谱并且随时随地提高可靠性的通信潜能。信号处理, 人工智能、软件无线电、频率捷变、功率控制等技术的迅猛发展, 为认知无线电实现上述特殊性能提供了条件。
3. 认知无线电的基本功能
一般来说认知无线电系统必须具备以下基本功能:
1) 对无线环境的场景分析, 包括空间电磁环境中干扰温度的估计和频谱空穴的检测。
2) 信道状态估计及其容量预测, 主要有信道状态信息的估计、信道容量的预测。
3) 功率控制和动态频谱管理。
4. 认知无线电语言
认知无线电通过在无线域建模来扩展软件无线电的功能, 通过无线知识描述语言 (RKRL) 来加强个人服务的灵活性。RKRL描述的内容包括了无线方式、设备、软件模块、传输、网络、用户需求和根据用户的需求而自动配置的应用方式。RKRL语言可以在软件无线电平台上实现, 这样的平台将无线节点从仅仅执行事先确定好的协议转变成无线域的智能代理, 实现了原先固定功能和通信模式的系统转变成为智能通信系统的变革。
5. 认知协议
认知协议是认知无线电的核心, 它是认知无线电具有“认知”能力的重要保证。认知无线电的一个重要特征是能对其周围的电磁环境进行自动感知, 找到所谓的“频谱空穴”。这种感知信息交换可以通过认知协议来实现, 其基本思路是:通信双方在通信空闲时自主对其周围的电磁频谱进行探测感知, 对感知到的“频谱空穴”进行统计分析, 并根据“频谱空穴”带宽、干扰电平大小等进行优先级排序, 建立实时“频谱空穴”数据库。
6. 认知循环
通信发起方要进行通信时, 首先根据事先约定的链路建立协议, 把“频谱空穴”数据库 (或其部分) 连同位置、天线特性等信息发送到被叫方;被叫方在对其周围电磁环境进行探测感知的过程中, 要对新出现的信号进行频谱分析、信号识别、参数测量、接收解调和协议分析 (这些功能都属于电子侦察范畴) , 以判定该信号是不是发给自己的链路建立信号。一旦判定是链路建立信号, 则根据所接收的对方“频谱空穴”数据库, 以及己方的“频谱空穴”数据库进行通信频率、发射电平、通信体制、调制参数的确定, 并连同己方的“频谱空穴”数据库通过回执协议发送给呼叫方;呼叫方接收到回执后, 就在回执约定的通信频率上建立通信。如果呼叫方在规定的时间内接收不到回执, 则选择新的“频谱空穴”发送链路建立呼叫信号, 直到接收到呼叫回执为止。上述过程就是基于电子侦察原理的认知无线电认知循环过程,
7. 认知无线电礼仪
认知无线电能进行有序地工作是因为它有一整套来规范行为的无线电礼仪规则, 这是一组由射频频段、空中接口、协议、空时模型以及为缓解频谱使用紧张而制订的高层协商规则所组成的规范模式。
8. 无线认知网络
随着认知无线电的发展和深入研究, Motorola及Virginia Tech等公司提出了无线认知网络的概念, 他们认为无线认知网络是一种具有认知能力的网络, 能够感知网络当前的状况, 并根据当前的状况来计划、决定并行动, 也就是说可以自我配置来响应和动态自适应操作和环境的改变。
9. 结束语
虽然认知无线电技术的发展刚刚起步, 但是, 放眼未来, 它极具潜力。认知无线电可以在提高无线频谱使用效率、改善无线通信系统性能等方面发挥重要作用, 并且随着人工智能和信号处理技术的不断发展, 认知无线电将会使无线通信系统更加智能化, 对人类社会未来的通信发展产生不可估量的影响。
参考文献
[1]田峰等.无线区域网和认知无线电技术[J].中兴通讯技术, 2006, (10) .
[2]杨小牛.从软件无线电到认知无线电, 走向终极无线电——无线通信发展展望[J].中国电子科学研究院学报, 2008, (2) .
认知无线电实验平台框架研究 篇10
自1999年“软件无线电之父”Joseph Mitola博士首次提出了认知无线电 (Cognitive Radio) 的概念并系统地阐述了CR的基本原理以来, 认知无线电相关研究的开展已有十余年。认知无线电主要具有两个特点:一是具有认知性, 即感知周围环境, 通过学习、判断作出决策, 探测频谱空洞;二是具有动态可重构性, 即系统在保持工作的情况下, 实时配置频谱资源, 调节收发机的工作参数。
目前, 大量的文献都局限在理论方面的研究, 并取得了很多研究成果, 但相应的认知无线电的系统硬件设计及开发还比较滞后。所取得的研究成果都是建立在软件仿真基础之上, 缺乏对理论方法的验证和实现, 降低了理论方法的说服力。因此, 在实际系统环境中, 利用认知无线电平台对理论进行验证是科学研究中的一个重要环节。
1 可重构的软件平台
1.1 OSSIE
OSSIE (Open Source SCA Implementation Embedded) 是一个开源的软件无线电开发包, 它是由美国弗吉尼亚理工学院开发出来的基于Linux的主要软件无线电开发包之一, 支持多种硬件平台。OSSIE开发包主要应用于软件无线电 (SDR) 和无线通信技术方面的研发和教学。基于美国NSF (National Science Foundation) 和JTRS (Joint Tactical Radio System) 的赞助支持, 该软件包的开发包包含了软件通信架构 (SCA) 的SDR的核心架构、快速开发SDR部件、信号波形出来工具、预制部件库和信号处理程序。目前, OSSIE较多地应用于美国弗吉尼亚理工学院。
1.2 GNU Radio
GNU Radio的开发起始于2001年, 是一种开源的软件无线电工具包, 也是目前学习和构建软件定义无线电系统中应用最广泛的工具包。它是一种无线电信号处理方案, 遵循GNU计划的GPL条款。由于GNU Radio是一种免费的软件开发工具包, 这就为广大软件无线电开发的爱好者提供了一个自由的平台, 利用其可重构性, 在该平台上可以实现认知无线电中的频谱检测以及对信号的各种运行和处理方案。GNU Radio的源码包内包含了通信信号处理模块, 利用源码包、通用微处理器以及较低成本的射频前端就可以实现一个认知无线电平台。这个平台目前已经广泛应用于高校科研机构和商业机构中, 用于研究和构建真实环境中的无线通信系统。
1.3 Iris
Iris是一种动态重构软件无线电架构, 由柏林圣三一学院 (Dublin, Trinity College) 研究开发的基于通用处理器的快速原型系统。Iris中的收发器编译模块使用C++编写, 可以实现一个或多个信号传输链, 利用可延伸的标记语言 (XML) 来描述信号链的结构和特点。在满足通信规则的条件下, 这些信号链具有动态重构的特性。Iris可以与任何虚拟的射频前端连接在一起进行工作。目前, Iris中研发设计了许多CR相关的系统, 包括频谱检测组件, 如能量检测单元、特征检测单元及匹配滤波器检测单元等。另外, Iris提供了与Matlab连接的接口。Iris主要应用在柏林圣三一学院的开发小组中。
2 可重构的硬件平台
2.1 USRP
USRP (Universal Software Radio Peripheral) 即通用的软件无线电外设, 是目前应用最为广泛的射频前端 (RF Front-Ends) 。一套完整的USRP硬件设备由USRP母板、子板和相应的天线构成。USRP是一个开源的硬件项目, 通过不同的射频子板来选择实验需要的频段, 其设计目的是使普通的计算机能像高带宽的软件无线电设备一样工作, 也就是说, USRP担任了无线通信系统中的数字基带和中频部分。USRP的设计构想是由主机的CPU处理相关波形, 由USRP的FPGA完成高速通用操作。
2.2 BEE
BEE (Berkeley Emulation Engine) 是由加利福尼亚大学在伯克利无线研究中心 (Berkeley Wireless Research Center, BWRC) 研发的一个硬件平台, 目前已经出了第二代BEE2, 该硬件设备包含5个Xilinx Vertex-II Pro VP70 FPGA高速信号处理器, 其中4个用来进行数字计算操作, 另一个用来控制BEE2板。在BEE2板上, 这些FPGA在一个单独的计算模块中, 它可以并行计算密集型的信号处理算法。除了专用的逻辑资源外, 每个FPGA中嵌入了一个PowerPC 405的处理器核, 以便在微处理器和可重构逻辑之间完成最小化的延迟和最大化的数据吞吐量。BBE2的一个重要特点在于它的编程环境, 其它的认知无线电平台通常使用高级编程语言, 比如微处理器使用的C或C++, 或者低级语言, 比如FPGA编程使用的硬件描述语言 (VHDL) 。这种编程方法会导致接口和具体的应用程序变得复杂化。而BEE2则使用高度统一的计算模型, 该模型是基于Mathworks、Simulink和Xilinx系统库而建的, 这样使得编程和应用更加灵活。
2.3 KUAR
KUAR (Kansas University Agile Radio) 是一个可选取的频段为5.25～5.85GHz的无执照国家信息基础设施 (UNII) 的硬件平台, 频带的可调范围是30MHz。它配有一个Xilinx Virtex II P30的FPGA, 使用嵌入式PC机进行信号处理, 在FPGA和嵌入式PC之间有4个独立的接口, 包含一个105MS/s的14位ADC。在KUAR平台上, 嵌入式PC机与FPGA可以分开运行, 并且KUAR利用改进后的GNU Radio软件包来完成信号处理。
3 可重构的软硬件平台
WARP (Wireless Open-Access Research Platform) 是一个完整的认知无线电平台, 包含软件平台和硬件平台。WARP的硬件平台与USRP较类似, 2.2版本的母板通过千兆以太网接口连接到PC电脑。母板上的信号处理部分由Xilinx Virtex-II FPGA来执行。该平台可以同时连接4个独立母板。WARP的软件平台是多层次的, 包含集成电路硬件描述语言 (VHDL) 和Matlab建模, 并且VHDL中的Xilinx Matlab扩展部分是可用的, 其中的WARP代码是开放的。表1比较了目前几种主流的认知无线电实验平台 。
4 GNU Radio/USRP的软硬件结构
由GNU Radio/USRP构成的认知无线电平台的最小开发环境由两部分组成, 该平台的结构如图1所示, 包含一台装有GNU Radio的PC计算机, 还有USRP母板及子板各一块。
4.1 GNU Radio软件结构
GNU Radio软件平台主要由两层结构组成, 如图2所示。其中, 上层操作由脚本语言Python 完成, 它主要负责组织、连接和粘合各个模块;下层操作由C++完成, 所有的信号处理模块均采用C++语言编写。具体来说, 在GNU Radio软件结构中, Python的任务就是选择合适的信源 (Source block) 、信宿 (Sink block) 和信号处理模块 (Processing block) 以及设置正确的参数, 然后将它们连接起来形成一个完整的应用程序。用户只需关注Python程序中连接的接口和相关函数的调用, 不必研究底层C++信号处理模块中执行的细节问题。另外, GNU Radio提供了创建新模块的模板, 编程者可以根据自己的需要扩展新的信号处理模块。
GNU Radio采用流图机制。其中将各种C++编写的信号处理模块称为block, 将连接各个block的python程序称为graph。GNU Radio的顶层结构是面向用户的block及其“粘合剂”graph。在block和graph构造的应用程序下面是GNU Radio的运行环境, 主要包括缓存管理、线程调度以及硬件驱动。GNU Radio中采用零拷贝循环缓存机制, 使得数据可以在block之间保持高速的流动。多线程调度主要用于信号处理流程的控制以及各种图形的显示。GNU Radio的硬件驱动包括USRP、AD卡、声卡等, 用户也可根据需要进行扩展。
GNU Radio应用程序的图形化接口是使用python来实现的, 接口能使用python的任何toolkit 来实现, 一般可使用wxPython, 它能最大化地实现跨平台应用。GNU Radio除了支持Linux外, 还被移植到Mac OS、NetBSD及Windows等操作系统上, 这也意味着GNU Radio也支持多种类型的操作系统。
4.2 USRP硬件结构
其硬件设备包含两个部分: 一块含有高速信号处理器FPGA的母板和一块或多块覆盖不同频率范围的可调换子板。每个母板上有4个子板接口, 可以支持两路并行发送或接收。子板作为RF前端, 完成射频信号和不同频带信号之间的转换。
USRP N系列是USRP第二代成熟系列的产品。其母板主要包括以下几个部分:两路100MS/s 14-bit的模数转换;两路400MS/s, 16-bit的数模转换;带可编程抽取率的数字下变频;带可编程插值率的数字上变频;千兆级以太网接口;扩展用的2Gbps的高速串口;可处理的带宽高达100 MHz;流信号可达50MHz;模块结构支持一个种类繁多的子板;辅助数模 I/O 接口支持复杂的射频控制诸如 RSSI 和 AGC;完全相干的多信道系统 (MIMO capable) ;1 MB 的板上高速 SRAM;TCXO 参考频率;内含可选的 GPS 锁定参考振荡器。
4.3 GNU Radio/USRP N200应用实例
在GNU Radio的源码包中, 常用的工具包含如下程序:uhd_fft.py是一个简单的频谱分析工具, 通过调用接口模块uhd, 可以在给定中心频率下显示当前信号的实时频谱。uhd_rx_cfile.py常用来记录采样的数据流, 通过uhd接口模块, 将采集的样本写入一个二进制文件中, 使得用户可以进行数据的离线分析。uhd_rx_nogui.py可以用来解调AM和FM信号。uhd_siggen{_gui}.py是简单的信号发生器, 能产生常见的信源, 如正/余弦波形、方波、噪声等。usrp_oscope.py可以观察波形, 是一个简单的示波器。gr_plot*.py是一个完整的应用程序, 它可以显示已保存到文件的预录制抽样信号, 并且可以绘制频谱图, 以及PSD和信号的时域表达式。
本文构建的认知无线电软件平台选用的是GNU Ra-dio_3.5.0版本的源码包, 硬件平台包括:两台PC机、两块USRP N200母板和两块WBX子板, 发送端与接收端分别配备一台PC和一块母板及子板, 其中WBX子板的频率选择范围在50MHz～2.2GHz。
发送端主要是对GNU Radio源码包中的benchmark_tx.py进行修改, 将OFDM符号写入该程序的信源模块中, 使其发送OFDM信号。运行过程中, 设置参数中心频率为900M, 发送增益为12.5dB, 在发送PC的终端输入./myofdm.py-f900M --tx-gain=12.5, 在接收PC终端上运行./uhd_fft.py程序, 可观察到发射的OFDM信号的频谱分析如图3。
5 结语
GNU Radio和USRP构建的认识无线电平台是一种开源的、低成本的系统平台, 具有广阔的应用前景。该平台的软硬件结构与其它平台相比较而言更加简单, 操作更加方便。用户可以专注于学术知识方面的研究实现, 而不必将大量精力耗费在系统的安装和部件调试上。另外, GNU Radio支持一个活泼的网络社区 (http://gnuradio.org/redmine/projects/gnuradio/wiki) , 为广大爱好者提供了交流学习的平台。
摘要：认知无线电是解决目前频谱利用率低下的关键技术, 由GNU Radio和USRP构成的认知无线电平台受到了广泛关注。首先简要介绍了几种目前已经开发的认知无线电平台, 然后重点对基于GNU Radio和USRP构成的认知无线电平台的软件及硬件架构进行了透彻分析和研究, 最后分析了与认知无线电理论相关的GNU Radio源码包中的程序, 并在USRP N200上实现了简单的应用。
关键词：认知无线电,GNU Radio,USRP,可重构性
参考文献
[1]JOSEPH MITOLAⅢ, GERALD Q.Magire, cognitive radio:making software radios more personal[J].IEEE Personal Commu-nications, 1999 (4) .
[2] JEANPHILIPPE LANG. GNU Radio Official Website[EB/OL].http://gnuradio.org/redmine/projects/gnuradio/wiki.
[3]E BLOSSOMM.How to write a Signal Processing Block[EB/OL].ht-tp://www.gnu.org/software/gnuradio/doc/howto-write-a-block.
【认知无线电台】推荐阅读：
认知无线网络09-01
认知无线电网络05-22
认知无线电检测07-29
认知无线网络架构08-06
认知无线Mesh网络11-02
企业无线网信号测量五大认知误区网络知识08-18
认知的07-15
认知中继07-16
认知焦虑07-17
电视认知07-20