无线频谱感知

无线频谱感知（通用8篇）

无线频谱感知 篇1

0 引言

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。

节能问题一直是社会热点,然而频谱感知也不例外,在未来的研究中也会将通信开销问题作为重点研究方向。文献[16 - 18]所述的算法,指出了合作感知中通信开销的问题。该算法计算每个认知用户的信任度,对于信任度小于预先设定的信任度阈值的认知用户,不发送结果到融合中心。这样就使得占用信道的用户数明显减小,从而降低系统开销,并且检测性能也不会受到影响。未来频谱感知研究将重点放在节能、快速、准确的方向上。

无线频谱感知 篇2

目前，各种遥感观测方法及设备提供了天气及气候观测的主要信息，观测人员利用这些信息进行分析，对灾害天气发出预报及告警，从而降低自然灾害风险。这些基于无线电应用的观测手段都需要相应的频谱资源，可以说，没有无线电频谱资源就没有现代化的气象观测。

利用到无线电频谱资源的各项遥感业务主要包括气象卫星、天气雷达、探空仪、雷电监测设备、风廓线雷达、地基遥感设备等。

气象业务中的无线电遥感系统

天气雷达

天气雷达在《无线电规则》的业务划分中属于无线电定位业务，用于天气预报、大气研究等领域。天气雷达对于紧急气象和水文报警有着重要作用，是面对山洪和泥石流等自然灾害的最后一道防线。

跟所有雷达一样，天气雷达也是靠发射无线电信号运行的，通过观察回波信号来工作的。与其他种类的无线电定位雷达不同，一般的无线电定位雷达要去除云、雨等天气现象的影响而探测其它物体，天气雷达则主要是观察大气中的降水及其他天气现象。而这些被测目标往往不是十分有效的反射器，因此，相对“平静”的频谱，即没有人为电子噪声和干扰的频谱，是绝对必要的。

气象工作者一方面利用天气雷达监测、定位和测量云中的含水量或降水量，另一方面利用降水或大气粒子的运动确定风速。雷达测量具体时间段的降水强度，以及接近或漂离天气雷达天线的降水或大气粒子的运动，以测量气候事件内部的循环交替。这是测量龙卷风或洪水等极端天气并提供预警的关键要素。

单一的雷达往往只能观测到一个天气过程的部分情况，难以覆盖整个过程。从而限制了雷达的运行范围。为克服这一局限性，通常在分布网络中等距部署多个雷达。这些网络每天24小时不间断运行，通常覆盖广大地区，如多个国家甚至一个大洲的部分地区，以检测和跟踪气象变化，从而实现早期天气灾害报警。

不同波段的雷达用于观测不同的目标，例如S频段（2700～2900 MHz，10厘米波长）被选用于检测热带和温带气候条件下极远距离（多达300公里）的暴雨。

C频段（5600～5650 MHz，5.4厘米波长）通常选用于温带气候，具有长距离（多达200公里）检测降雨的能力，还因使用较低功率和较小规格的天线，具有较同等空间分辨率的低频雷达成本更低的优势。

X频段（9300～9500 MHz，2.5～3.2厘米波长）天气雷达更为敏感，能够检测出更小的粒子，但由于承受更高的衰减，因而仅用于极短距离（约50公里）的天气观测。

雷达在工作中在中利用方向性波束实现降水和风速的测量。我国现有的天气雷达网中， 包含S波段雷达C波段雷达及少量的X波段雷达，这些频段作为无线电定位业务的天气雷达都与其他无线电业务共用。在不同的国家和地区，主管部门对于天气雷达的划分也略有区别，比如在C波段，一般的天气雷达多用于5600～5650MHz。

天气雷达频谱资源划分

天气雷达业务的是气象遥感观测的最主要的手段之一。长期以来，该项业务得到了主管部门的大力支持。中国气象局也已经建立了具备一定覆盖范围的天气雷达网。这一雷达网络对天气预报和灾害预警发挥了重要作用，特别是S波段雷达对于强降水的临近预报和告警起到了关键的作用。但是，我国天气雷达网络还远未最终完成，特别是西部地区雷达覆盖范围较小。因此，天气雷达仍然是未来很长时间内我国气象观测业务的主要建设内容之一。

同时，相关研究单位也正在开展毫米波雷达在气象领域应用的相关实验，未来可能需要相应的频率资源支持这些应用。

气象辅助系统

《无线电规则》气象辅助（MetAids）业务定义为用于水文、观测和研究等气象用途的无线电通信业务。在实际应用中，我国的气象辅助系统主要是探空系统，包括无线电探空仪、下投式探空仪、气象探空火箭等。目前主要开展的业务室无线电探空仪系统。

无线电探空仪主要用于测量大气温度、相对湿度、风速和风向变化。这些测量确定了天气系统的基本特性，天气预报人员可以判断短期内可能会发生的变化。它们也提供了用于长期预报的数值天气预测模型的输入参数。短期预报要求温度和相对湿度测量具有很高的垂直分辨率。例如，接近地表的云的位置需要以在垂直方向上小于100米的精度进行测量。

许多年来，气象辅助业务是高垂直分辨率大气测量的主要来源。气象辅助在现场从地表之上的位置向由接收机和数据处理系统构成的基站传送大气气象变化的测量结果。在绝大多数情况下，测量压力（或高度）、温度、相对湿度、风速和风向。也可能包括臭氧、悬浮微粒或放射物等大气成分的测量。基站的输出被传送给气象通信网络，以便与其它接收站的数据进行综合。通常气象辅助在使用后不进行回收，所以发射机和传感包的成本必须保持在最低水平。

在最常见的气象辅助系统中，气象气球可将工作的无线电探空仪带至地表以上30公里的高度。我国目前有超过100个探空站，每个探空站每天执行两次无线电探空任务。典型的无线电探空仪包括以下几个主要的部件：发射机、电池、传感器包、以及很多时候一个辅助导航（NAVAID/GPS）接收机。发射机将数据传送给接收站。无线电探空仪依赖电池获得动力。电池通常由水激活，专门为无线电探空仪的使用而生产，因为商用碱性电池不能在低达–90℃的空气温度下工作。传感器包括测量温度、压力、湿度、臭氧或电离辐射等大气状况的传感器。传感器包也将传感器数据压缩到足以传回地面站的长度。

我国目前主要采用不依赖NAVAID/GPS应用的无线电探空仪系统，该系统工作于L波段。一般称为L波段二次探空系统。它通过在气球下面悬置反射器的方法来使用雷达跟踪。

nlc202309040800

探空频谱资源划分

目前，我国气象辅助业务主要运行于L波段。L波段也是目前面临其它无线电业务竞争压力较大的频段。在刚刚结束的2012年世界无线电大会上，提出了一项“研究国际移动通信及其他地面移动宽带应用与频率相关的事宜”的决议。该决议受到相关应用部门的支持。该决议可能会对运行于L波段的气象辅助业务提出共用要求，从而限制L波段探空系统的运行和发展。

包括世界气象组织在内的广大气象领域应用部门一直强调要保护涉及气象的一切无线电频率资源。国际电联也一直强调气象作为公益性行业对人类生命财产安全提供了重要的保障作用。因此，针对L波段的气象辅助业务必须提供足够的保护。

同时，在我国气象辅助业务还受限于脚注5.379E的影响。该脚注要求：敦促主管部门不要在1 668.4～1 675 MHz 频带内实施新的气象辅助业务系统，而鼓励主管部门尽可能将气象辅助业务的操作转移到其他频带上。因此，气象工作者有必要开展充分的研究以更合理的应用无线电频谱资源。

未来，我国将会开展P波段探空系统的研究和应用。气象工作者应当积极跟进国内外的研究进展，合理有效的保护P波段及L波段的气象辅助业务频谱资源。

风廓线雷达

风廓线雷达（WPR, Wind Profiler Radar）是利用大气湍流对电磁波的散射作用对大气风场等物理量进行探测的遥感设备。配备有无线电-声探测系统（RASS—Radio Acoustic Sounding System）的风廓线雷达还可以通过电波和声波的相互作用遥感大气虚温。风廓线雷达具有无人值守、自动化程度高、连续观测且时间分辨率高、业务运行成本低等特点，因此风廓线雷达观测是加强对灾害性天气监测的能力和提高短期数值天气预报模式质量的重要手段。风廓线雷达的主要涉及三个不同的频段：边界层风廓线雷达（1270～1375MHz）、对流层风廓线雷达（400MHz附近）、平流层中间层风廓线雷达（50MHz附近）。

《无线电规则》第5条中没有特别针对风廓线雷达的划分及表述。但根据世界无线电大会97中第217号决议，可以在以下频段内实施风廓线雷达：46～68MHz、440～450MHz、470～494MHz（按照第5.291A款）、1270～1295MHz、1300～1375MHz、420～435MHz或438～440MHz频段。

我国气象部门已建成少量边界层风廓线雷达（1270～1375MHz）。而P波段对流层风廓线雷达仍未获得主管部门的正式审批。P波段对流层风廓线雷达的观测目标包含了大量的天气现象，可以为气象预报和预警提供大量数据。目前该频段的风廓线雷达依然在与相关部门进行协调。鉴于P波段风廓线雷达的重要作用，它仍将是未来发展的主要方向。而该项工作的开展也有赖于主管部门及其他在该频段开展业务的相关单位的大力支持。

雷电探测

雷电探测是一项被动的活动，主要是使用无线电接收机探测由雷电辐射的电磁波。在目前系统中，闪电的位置可通过测量闪电电磁波到达方向，或通过测量电磁波的到达时间，或通过两者共同确定。根据所要求的监测地区和系统的特定用途，用于定位雷电活动的无线电频率有所不同。

通过观测以10 kHz为中心的频率（2～15 kHz），可有效进行达数千公里的超远距离定位。我国使用更为最广泛的是另一种操作系统。它覆盖的地区较小，但更为精细。在这种情况下，在以200 kHz为中心的较高频率（所使用的宽带接收机在其1 kHz至350 kHz频率范围中间最灵敏）观测球形波，根据对云到地面或云到云闪电的侧重不同，遥感点通常间隔100公里至400公里。这也是国内目前采用的方式。

VHF闪电轨迹探测系统，通过闪电先导、回击等放电过程辐射的VHF脉冲列，对闪电的放电过程进行定位，获取闪电的放电轨迹。主要频段为：63M、110M、300M等频点。

在2012年世界无线电大会上，专门为全球雷电探测系统增加了频率划分。将8.3～11.3kHz划分给了全球雷电探测系统。

雷电探测系统会涉及到的频谱

我国已经建成了工作于200kHz频段的被动雷电观测系统。该系统目前并没有得到很好的保护，对于雷电探测系统进行保护的研究也并不充分，但由于雷击已经成为一项主要的自然灾害，因此针对雷电探测系统的保护是很有必要的。国际电联已经针对甚低频的全球雷电探测系统进行频率保护，这将有利于我国未来发展相关业务。

高频海洋雷达

在3～50MHz范围内的无线电定位划分可用于无线电雷达操作，以监控海面的浪高、潮流并跟踪大型物体。这些雷达的操作范围将不超过300公里。

自上世纪70年代以来一些国家（美国、德国、法国、澳大利亚、韩国、印度、日本、中国和英国）便一直根据《无线电规则》第4.4条在3至50MHz的频率范围成功地进行了海洋雷达的操作。实验性应用促进了雷达技术的发展，并有助于根据与其它用户之间的兼容性以及海洋测量的有效性确定适当的频谱。出于对更多数据的需求，以减轻灾害（包括海啸）后果，人们越来越关注依赖于这些系统的水上安全问题。

在2012年世界无线电大会上，为高频海洋雷达提供的划分为：4438～4488kHz、5250～5275kHz、9040～9305kHz、9305～9355kHz、13450～13550kHz、16100～16200kHz、24450～24600kHz、26200～26350kHz、39.5～39.986MHz、39.986～40MHz。除最后两个区间，其余划分均为次要业务。

我国气象系统对于高频海洋雷达的应用已有多年。但一直没有针对这种业务进行保护。日本和韩国相关机构对高频海洋雷达的研究热情很高，针对其开展的保护也很重视。随着针对高频海洋雷达研究的进行，我国也有必要更多的参与该业务的频谱应用及保护。

其它地基遥感

气象业务总是依赖于对地球的长期观测。随着技术的不断发展，有很多用于地球观测的地基遥感方法在不断涌现。其中的绝大多数都需要利用无线电频谱资源。

nlc202309040800

在介绍这些地基遥感之前，首先需要回答一个问题。在地球观测领域，卫星地球观测业务（EESS）已经运行了多年，那么是否还需要地基遥感提供地球观测数据呢？答案是肯定的。那些为了进行本地详情预测的气象学家或研究行星边际的科学家需要大气探测提供比卫星系统更高的近地垂直分辨率。提供这一信息的一个方法是使用上视无源遥感，并在地球表面安装辐射计，即地基遥感。

用于地基遥感的系统所需的频谱资源分布很广。在国际电联的科学研究组中，地基遥感仍然是一个研究的热点。

目前，已知的可用频谱区间为：50GHz和58GHz之间氧谱带中的特定信道，用于测量温度结构；21GHz和24GHz之间的信道用于提供垂直方向水汽变化的信息；30GHz范围的窗口观察用于云识别。

大量地基辐射计的部署还有利于其它大气成分（如臭氧）的无源遥感（特别是在142GHz）未来水蒸气的测量还将受益于在183GHz水汽吸收带的下翼进行的其他观测。

尽管用于温度和湿度地基遥感的信道与无源卫星遥感处于类似区域，但与卫星使用的信道不同。在一些频率，卫星遥感可与地面业务安全共用，但地基辐射计可能需要得到保护。正在运行的地基辐射计的数量还很少，但如果目前的研发取得成功，在未来可能进行大量部署。可能需要制定一种可行的共用方法，设计辐射计的部署位置，以避免来自其他业务的干扰。因此，这类问题应该是下一阶段在气象无线电业务的一个主要发展方向。

我国气象业务开展已有60余年的历史，但针对气象业务所涉及频谱资源的研究和保护还很不充分。气象领域频谱资源已经有基本明确的划分，但是这些划分都随时会受到来自各个领域的挑战，应当时刻保持对现有频段的保护并强调频谱资源对气象观测业务的重要性。现今无线通信技术迅猛发展，频率资源是各得到了日益广泛的重视。气象行业必须紧跟时代发展，提升对频谱资源重要性的认识，积极开展研究，科学合理的应用频谱资源。

气象业务有不断进步的趋势，很多新型设备都会用到新的频谱资源。发达国家的气象部门和科学部门对这些领域开展了很多研究，我国应当积极参加这类研究，为将来的业务提供必要准备，并推动新技术在气象领域的应用。

总之，频谱资源对气象系统的意义非常重大。应当加强对其重要性的认识，建立稳定的研究团队，积极开展科学研究。以科学研究为基础，合理的充分利用频谱资源，推动气象系统的进步，为社会发展提供更好的服务。

无线频谱感知 篇3

近年来,随着无线通讯技术的快速发展,各种无线应用的需求相应地迅猛增长,频谱资源紧缺的情况也随之出现。然而“频谱紧缺”只是种形象的说法,频谱的“紧缺”只是固定频谱管理政策导致频谱资源得不到充分利用。某些频段如移动通信网的频带处于超负荷工作中,而如业余无线电及电视频段等诸频段未得到充分的使用,另外,在不同的时间和空间段,频谱的利用率也有相当大的差异。认知无线(CR)电技术,作为一种开创性的频谱共享技术应运而生。它是对授权的频谱进行“二次利用”,即让无线电设备具有寻找可用信道的功能,从而提高频谱利用率。从频谱使用权来说,认知无线电用户的优先级别低于该频段上已有业务的授权用户[1]。

认知无线电的核心部分是频谱感知。一般而言,由于受到障碍物遮蔽的影响,单节点本地检测不可避免地出现隐终端现象,从而造成对授权用户接收机的潜在干扰。由于用户空间位置的差异性,所有CR用户均被相同障碍物遮挡的概率明显小于单个CR用户节点被遮挡的概率,这样可有效地克服该隐终端干扰问题。因此将各用户节点间的合作引入到CR网络中的频谱检测是十分必要的,该网络的整体检测性能通常用系统检测概率Pd、系统漏检概率以Pm及系统虚警概率Pf来表示[2]。文献[3,4,5]列出了几种合作频谱检测方法,但都是默认所有的CR用户基于同样的信噪比(SNR)和相同的检测概率,而没有考虑不同CR节点的可靠性差异。显然实际情况并非如此,不同的CR用户处在不同的外部环境中,因此将会导致各个认知用户的信噪比有所不同,从而影响不同认知节点的可靠性不同,这样将会对合作检测的融合产生很大的影响。

本文首先介绍了单节点的能量检测,然后介绍了传统的合作频谱感知算法,并指出这种算法所存在的弊端。当所有的用户都参与合作时,由于不同CR节点SNR的差异性,有的节点的SNR会非常低,这时如果仍将此节点放在融合中心合作,将拉低整体的检测性能,甚至出现合作后的检测性能低于单个节点的检测性能。鉴于此,提出了选择那些具有较高SNR的CR节点方法,称之为最优合作检测算法,在这里,如何选取这些点是问题的核心。

1 频谱感知技术

1.1 本地频谱感知

在本地频谱感知中,各个认知用户独立的感知和决策授权用户的工作状态。那么在能量检测的情况下,能量检测算法的实现流程图如图1所示。

其中y(t)的基本假设模型是:

undefined

式中,y(t)是认知用户接收到的信号,x(t)为授权用户发射的信号,n(t)为加性高斯白噪声(AWGN),h是信道增益,H0表示频段未被占用,表明了目前这一确定频段没有授权用户出现,H1表明目前这一确定频段上存在授权用户。

当认知用户在AWGN信道环境下时,信道增益h是个确定值。所以在AWGN信道下,第i个授权用户的检测概率Pd,i、虚警概率Pf,i和漏检概率Pm,i分别为:

undefined

式中,λi是能量检测的门限值;γi是信噪比(SNR);Γ(.,.)和Γ(·)分别是完整和不完整Gamma函数;Qm(·)是广义的Marcum Q函数;m为时间带宽积,即m=TW,其中T为时间,W为传输信号的带宽。

由式(2)-(3)可以看出认知用户的检测性能与信噪比直接相关,因此不同的衰落环境下得CR用户的信噪比必然不同,势必将造成检测性能的很大区别。

1.2 传统合作频谱感知

目前实现合作频谱检测主要采用分布式多用户合作检测和协作分集式合作检测,本文主要讨论分布式多用户合作检测。

传统的合作检测算法通常是假定所有CR用户均参与合作。在分布式多用户合作检测中,每个CR用户独立地进行频谱感知,如图2所示,各个CR用户将本地检测信息上报给CR基站(或称为融合中心),由CR基站进行本地检测信息的数据融合处理后作出最终的频谱决策,判定该频谱是否存在授权用户,并广播该判决结果。

本文得到基于本地能量检测中虚警概率与检测概率的对应关系表达式[3]如下:

undefined

在信息融合中心,汇总后的检测信息根据一定的决策判决规则,将对授权用户是否出现做出最终的判定。最常见的决策判决规则有OR规则、AND规则,两者都是K-out-of-N准则的特殊形式[6]。在OR规则中,只要有一个CR用户判决授权用户存在,则最终判决授权用户存在。AND规则与OR规则恰恰相反,当且仅当所有CR用户都报告授权用户出现时才最终判决授权用户出现。K-out-of-N规则是指当参与合作的N个CR用户中有K(0

OR规则:

undefined

undefined

K/N规则:

undefined

式中Pdi、Pfi分别对应于式(8)-(9),表示第i个CR用户节点独立检测概率和虚警概率。

由式(5)-(6)可看出,检测概率与认知节点接收端的SNR是密切相关的。仿真如图3所示。

由图3可看出在低SNR下CR用户的检测性能受到很大影响,出现严重的漏检或虚警。根据传统的合作检测,所有认知用户均参加合作检测。那么当所有CR用户都处在低的SNR下,来分析传统合作频谱检测的性能。假设所有用户具有相同的低SNR(-25dB),传统合作频谱检测与单节点的能量检测ROC曲线比较如图4所示。

由图4可看出在低SNR下传统的合作检测性能与单节点的能量检测差不多,都存在较大的漏检概率和虚警概率,并没有得到改善。

在实际的环境中,每个用户所处的环境有较大的差异,导致每个用户的SNR都不同,这时所有用户都参与合作的检测性能甚至会低于单个高SNR认知用户的检测性能。所以当CR用户处在恶劣的环境时,传统合作频谱检测对检测性能的提升几乎没有帮助。

2 基于最优合作的频谱感知算法

2.1 参与合作的CR用户选择

由上述的分析可看出,全部用户都参与合作的传统频谱检测算法有着很大的弊端。由图3可知,不同的SNR对次级用户检测的可靠性不同,为了提高检测性能,应该将认知用户的SNR考虑进去,所以提出在融合中心只需要选取一定数量的、具有较高接收信号信噪比的本地用户参与合作检测,即最优合作检测[7]。其核心问题是融合中心如何选择这些可靠性更高的节点。

本文认为所有的CR节点都是有SNR估计功能的,SNR估计作为无线通信中的一种通用技术,如今已经可以通过多种方法实现。所以与传统的合作频谱检测算法相比除了发送本地的判决结果外,还需要将CR节点的SNR信息发送到融合中心。

在信息融合中心,节点选择算法[8]的流程如图5所示。

这里的阈值λ是根据SNR的差预先设定的,可通过仿真找出λ的最优值。

按照图5的节点选择算法,若所有的CR节点的SNR波动幅度非常小时,这时采用传统的检测算法,所有的认知用户都参与合作;若有一个CR节点的SNR远高于其它节点时,这时仅需要单独的进行单节点的本地能量检测;若存在部分较高的SNR节点时,采用这些较高的SNR合作检测要比传统的合作检测有更高的性能。

参考图2,CR1节点离授权用户最近,而且没有遮挡物,可判断它的SNR最高,一次分别为CR2、CR3、CR4、CR5。这里设定他们的SNR分别为:-17dB、-18 dB、-21 dB、-23 dB、-25 dB。设定阈值λ=1,根据节点选择算法,本文选择了-17dB和-18dB作为最优合作的用户。仿真如图6所示。

由图6可见最优合作检测相较于其它检测算法的优越性,提高了检测的性能,降低了虚警概率。

2.2 阈值的选择

根据2.1节将选取不同的λ值,并基于AND规则下最优合作检测ROC曲线性能。其中的SNR是根据2.1节来设定,得到如图7所示的ROC曲线。

从图7可看出当λ=1时的ROC曲线最好,因而,得出在所列的λ各种值中,λ的最优值为1。

3 结束语

合作频谱感知算法是认知无线电的一项关键技术。本文介绍了本地的能量检测算法、传统的合作频谱检测算法,并根据传统的合作频谱检测算法提出了最优合作的频谱检测算法。实验验证,通过对合作用户的数量进行优化后,由于参与合作的CR用户数量很少,合作信令开销大幅降低,同时由于选取信噪比较好的CR用户参与合作,合作检测性能较之传统的合作检测有了明显的提高[9]。

另外,本文采用的节点选择算法,仍有一定的问题。当总的CR用户个数较多(N>500)时,这种算法的复杂度较高,对于融合中心判决时间更长,不利于总体的检测性能,因此基于较多用户数量的节点选择算法还需进一步的研究。

摘要：在认知无线电网络中,认知无线电用户需要准确、实时地检测到授权用户的存在以及闲置的频带。认知无线电中的合作频谱感知类比于无线传感网络中的分布式决策,即每一个传感器做出本地判决并将这些判决结果汇报给融合中心,再根据某种融合准则做出最终的判决。融合准则主要分为OR规则和AND规则。传统合作频谱感知是指所有的认知用户都参与合作。文中通过分析传统合作频谱检测的不足之处,提出只选择具有较高信噪比的认知用户参与合作。从仿真结果看出,此方法的检测性能较之传统的合作检测算法有了很大的提高。

关键词：认知无线电,传统合作频谱感知,融合准则,最优用户合作

参考文献

[1]郭彩丽,冯春燕,曾志民.认知无线电网络技术及应用[M].北京:电子工业出版社,2010:38,51-57.

[2]Ganesan G,Ye L.Cooperative Spectrum Sensing in Cognitive Ra-dio,Part I:Two User Networks[C].IEEE transactions on wirelesscommunications,Jun.2007,6:2204-2213.

[3]Peh E,Liang YC,Optimization for Cooperative Sensing in CognitiveRadio Network[C].Wireless Communications and Networking Con-ference,WCNC 2007,IEEE,2007:27-32.

[4]Ganesan G,Ye L.Cooperative spectrum sensing in cognitive radio net-works[C]//Proc.IEEE DySPAN 2005,Nov.2005:137-143.

[5]P QH,Zeng K,Wang JA.Distributed Spectrum Sensing Schemebased on Credibility and Evi2 dence Theory in Cognitive Radio Con-text[C]//Proceedings of the IEEE 17th International Symposiumon Personal,Indoor and Mobile Radio Communications.IEEE,2006:1-5.

[6]Mishra S M,Sahai A,Broderson R W.Cooperative sensing amongcognitive radios[C].Proc.IEEE International Conference on Comu-nications(ICC)2006,Istanbul,Turkey,Jun.2006:1-6

[7]Kadhim D J,Gong S M,Liu W.Optimization of Cooperation SensingSpectrum Performance[C].2009 International Conference on Com-munications and Mobile Computing,2009:78-82.

[8]Chen Y F.Analysis of secondary user selection in collaborative spec-trum sensing[C]//Communications and Networking in China,Chi-na,COM2009.Fourth International Conference.2009:1-5.

无线频谱感知 篇4

伴随着信息时代的到来,无线服务和设备,如移动通信、广播电视等的出现和广泛使用,标志着无线频谱已成为现代社会不可缺少的、堪比土地矿产的宝贵资源。

当前无线频谱资源利用有两方面问题需要解决:(1)由于对无线频谱资源需求的不断增长,导致可用频谱资源的紧缺;(2)大量已授权的无线频谱利用率低或者被闲置。动态频谱接入技术被提出以解决当前频谱利用率不高的问题。可以通过不干扰主用户而随机接入的方式提高现存的频谱利用率。而感知无线电(Cognitive Radio,CR)被认为是解决上述无线频谱低利用率实现动态频谱接入问题的最佳方案。

2 动态频谱接入的网络模型和协议模型

2.1 网络模型

考虑一段频谱,这段频谱由N个信道组成,每个信道的带宽为Bi(i=1,…,N)。这N个信道授权给某个网络,该网络中的授权用户以同步时隙的方式进行通信。授权用户占用这N个信道的统计特性是一个离散时间马尔可夫过程,该马尔可夫过程有M=2N个状态。特别的,在t时隙网络状态由[S1(t),…,SN(t)]表示,其中Si(t)∈[0(occupied),1(idle)]。假定授权业务的统计特性在T个时隙内保持不变,当N=2时系统转移图以及频谱占用的演进如图1—2所示。

考虑一个次级用户网络,该网络在上述N个信道上寻求可用的频谱机会如图2所示。在点对点(AD HOC)网络中的次级用户在不交换局部信息的前提下,独立的加入/退出网络,感知/接入频谱。在每个时隙,选择一部分信道进行感知和接入。由于受到能量以及硬件的限制,假定每个次级用户在一个时隙内只能感知不超过L1(L1≤N)个信道,接入L2(L2≤L1)个信道。

2.2 协议模型的基本结构

对于AD HOC感知无线电网络来说,没有中心控制,因此设计一个分布式MAC协议至关重要。通过这个协议,次级用户能有独立寻找频谱的机会,同时使得自己的性能达到最优。

协议的基本结构是在每个时隙的一开始,有通信需求的次级用户首先选择一组信道进行感知,基于感知结果接入一组信道。频谱感知和信道接入的决策基于过去的感知历史和频谱占用的统计特性,目标是最大化次级用户的性能,同时最大程度地避免对授权用户造成干扰。在次级用户传输之前,首先产生一个随机的后退时间,在后退时间结束后仍然没有其他次级用户占用该信道时进行传输。在每个时隙的最后,接收端对成功传输的数据进行确认。基本的时隙结构如图3所示。

图4说明了AD HOC感知无线电网络中的马尔可夫特性。在每个时隙的开始,一个次级用户选择一组信道A1(|A1|≤L1)进行感知,在马尔可夫过程的当前状态为j时,次级用户的感知结果为θj,A1∈{0,1,}|A1|,它指示感知信道是否空闲。基于感知结果,次级用户选择一组信道进行接入A2⊆A1(|A2|≤L2)。系统的受益为rj,A1,A2。每个时隙的操作序列如图5所示。

每个时隙感知信道组和接入信道组{A1,A2}选择的目标是使得系统在T个时隙(在这段时间内频谱占用的统计特性保持不变)内总的受益最大化。受能量和硬件限制,次级用户只能感知部分信道,无法了解整个网络的状态,因此这里的网络模型是一个POMOP。

3 仿真结果与分析

在这些例子中,假定感知错误可以忽略不计,并侧重于一个次级用户。图6是针对不同的频谱占用特性对最优策略影响的表现。

假定3个相互独立的信道,每个信道带宽为B=l,状态转移概率{α,β}相同。比较了3种情况:(1)信道保持原来的状态不变的概率较大(0.8),这对应于授权业务的消息长度较大和消息到达间隔时间较长的情况;(2)与(1)完全相反,消息到达时间间隔和消息长度都较短;(3)信道状态保持不变和发生转变的概率相同(0.5)。图7比较了上述3种情况下,频谱占用特性对感知MAC的影响。分析图8可知,授权业务的特性对次级用户网络的传输速率有较大影响。当授权业务的消息长度和消息到达时间间隔较大时,次级用户网络的性能最佳。随着时间的增加,第一种和第二种情况下,每个时隙的传输速率增大。这是因为随着观察量的增加,对系统的状态有更多的了解。而对于第三种情况,马尔可夫过程退化为统计独立过程。从过去的观察量没办法得到更多的系统状态信息,所以最优策略退化为随机选择策略。

(N=3,B=[3/4,1,3/2],α=[0.8,0.6,0.4],β=[0.6,0.4,0.2])

(N=3,B=1,α=0.2,β=0.8)

在图7和图8中,研究随机、最优和次优贪婪策略的性能比较。可以看出,随着时隙增加,认知用户传输速率随之增加,直到增至最大。这是因为随着观察量的增加,对系统的状态有更多的了解。图7是N=3,B=[3/4,1,3/2],α=[0.8,0.6,0.4],β=[0.6,0.4,0.2]时随机,最优和次优的期望传输速率。在图8的参数条件下,次优策略与最优策略相比,期望传输速率的下降率在3%以内。在某些特殊条件下,最优和次最优策略的性能完全一致。图8中的参数条件下就是这种情况。

从图7和图8可推断,在某些情况下次最优策略与最优策略的性能相差不大。但是最优策略的信息向量维度随信道数呈指数关系,次优策略的信息向量维度与信道数呈线性关系,随着信道数增加,最优策略计算复杂度远远大于次优策略。因而次优策略的计算复杂度下降很多,实用性更强。在应用过程中应根据实际情况在降低复杂度的次优策略和最优策略之间进行选择。至于随机检测接入的算法从实际应用来看它是一种“盲目”的算法,所以它的性能是最差的。

4 结语

感知无线电技术是一种新兴的通信技术。它是在目前日益严重的频谱匮乏条件下产生的。高效的利用频谱资源,减小系统干扰水平,提高系统容量是它的目标。目前,POMDP方法已经成为求解动态不确定环境下规划和决策问题的一个主要方法,而无线通信领域新的感知无线电技术可以通过频谱感知来实现空闲频谱的动态接入。由于仅对部分频谱进行侦听,能有效降低功耗,缓减了由于无线设备能量受限的问题。效用函数采用基于贝尔曼方程的最优策略和基于贪婪算法的次优策略,由于最优策略吞吐量性能优于次优策略但以较高的计算复杂度为代价,POMDP通过规划选择不同的执行策略,以满足计算复杂度和吞吐量的不同需求。通过对最优和次优策略的传输速率性能进行仿真分析,可知在某些参数条件下,次优策略性能和最优策略相同。

参考文献

[1]杨震,田峰,程世伦.无线区域网和认知无线电技术(1)[J].中兴通讯技术,2006(4):61-64.

[2]MITOLA J,M AQUIRE G Q J.Cognitive radio:mak-ing software radios more personal[J].IEEE Personal Com-munications,1999(4):13-18.

[3]葛哲学,陈仲生.Matlab时频分析技术及其应用[M].北京:人民邮电出版社,2006.

[4]周祥伟.感知无线电[M].北京:国防工业出版社,2008.

[5]邹飞非,杨震.一种基于认知无线电的动态频谱接入MAC方案[J].现代电子技术,2007(5):1-4.

[6]刘元,彭端,陈楚.感知无线电的关键技术和应用研究[J].通信技术,2007(40):50-52.

[7]谢显中.感知无线电技术及其应用[M].北京:电子工业出版社,2008.

无线频谱感知 篇5

感知无线电是一种具备智能感知和智能代理功能的信息传输技术,通过借鉴和运用现代软件技术原理而获得了进一步的丰富和发展,现已成为传统无线电技术的一种智能延伸。与传统的盲预先定义的协议不同,就是认知无线电技术的本质:信息资源的分配在传输过程中即能实现有效识别,并且形成最优信息传播,这是两者在设计方案上的最大区别。同时,随着该技术的日趋成熟,也已逐渐成为现代无线电研究的主要领域。

2 无线电技术的发展趋势

自1980年以来,世界各国的无线通信技术均已获得了飞速发展,而且该种势头也仍在继续。与此同时,以互联网+技术为根本导向的网络通信在信息整合和对接方面促成了无线电通信的质的飞跃,并且随着便携式微机、掌上电脑以及智能手机等的普及,也随即开辟了无线电领域发展的新纪元。因此,把无线通信、计算机和因特网三者结合起来能在提供更为便捷优质的通讯服务基础上,通过升级的接入,实现无线电资源的综合优化配置,这也将是无线通信的未来发展趋势。

与以模拟话音通讯方式为基本特色的传统第一代通信模式不同,第二代通信系统是以GSM、以及IS-95 CDMA为主要传输载体,在当今无线电通信,尤其是移动通信方面主导着整个资源市场。而在目前有限的无线电资源市场中,用户数量正急剧增加,因此,需要一种更为科学的接入方式以及无线电资源分配方式,以提高信息传输和利用效率。这种方式便是第二代无线电传输中的数字化语音,能在多址接入的情况下,将模拟信号有效转化为数字信号,并在合理分址的同时,通过科学分配资源,最大化同时接入用户数量。即使在这种情况下,人们从GSM处得到的服务也是极其有限的,14.4 Kbps的电路交换话音业务已是该系统所能配置的最大值。在GPPS和EDGE的作用下可达到的分组交换数据业务是144 Kbps和384 Kbps。IS-95提供的接入更加优质,其速率可不断地变化,当其在最快时可分别达到9.6 Kbps和14.4 Kbps。综上分析可以看出,随着人们对知识以及信息需求的增长,第二代移动通信已经无法为其提供技术发展支持。

在此背景推动下,第三代移动通信应运而生。其作用表现是能够更加方便人们的生产生活,提供更加优质快捷的服务速度,(室内可达2 Mbps、步行可达384 Kbps、车速可达144 Kbps)。而且比特速率随着开发服务对象的不同而得不同数值,对高中低端的业务也各具现实适用性,FDD、TDD两种模式在该系统中可以相互协作,联手构建更趋全面的服务。目前,IMT-2000一共有5种标准,其中3个主流标准分别是欧洲的WCDMA、北美的CDMA2000以及中国的TD-SCDMA标准[1]。

3G系统的最低传输速率是2 Mbps。当其处于快速运动的条件下,也能够实现144 Kbps的数据速率。其后研发的升级式优化技术更是可以提供高达10 Mbps左右的传输速率。即便如此,高效的传输速率以及高可信性依然是无线通信技术设定的追求目标,研究学界则始终围绕该目标研发和设计下一代系统。

根据香农信息理论,无线通信传输速率越快,无线通信系统对频谱资源的要求也将呈现递增,从而导致了可使用频谱资源的利用率将日渐落低,这成为了无线电发展的困惑与局限。另外,已被分配使用的频谱资源在时间和空间上并不能再得到完全使用。因此,研究者提出采用感知无线电(CR)技术,其主要原理就是从时间和空间的角度出发,使频谱资源能够得到尽量充分的使用。如图1所示,于是研究者即提出了一种新的研究思路,就是从发现“频谱空洞”,并合理利用所发现的“空洞”的能力作为出发点,来寻求适当的解决办法。

图2~3分别测量了无线电的动态频谱接入。在如今的科技前提下,有效地解决当前频谱利用效率低下和频谱资源有限的方法,就是动态频谱接入技术。人们发现了一个绝佳的动态频谱接入发展前景,美国国防部高等研究计划局(DARPAs)将动态频谱接入技术作为在研究下一代通信网中的智能无线电技术(也叫感知无线)中的候选技术。下一代通信网,即动态频谱接入网或感知无线网,将利用网络科技为无线通信提供更加优质的服务。而频谱感测就是利用无线通信探测用户对外界无线环境的感知,以此来确定“频谱空洞”。“频谱空洞”就是那些已被人们利用的,但在闲暇时刻未获使用或者说用户在使用但是能够检测到低功率信号的频段。在此频带上,存在着2种状态:低功率的噪声或低功率的授权用户信号,因此形成了一定的“频谱空洞”,这为感知无线电系统通信提供了潜在可能的频谱资源。待感测的频段可分为3种:黑空频谱、灰空频谱和白空频谱。

3 感知无线电中的频谱感测技术

3.1 频谱感知的基本方法

相干感测,也可称为匹配滤波器感测。匹配滤波器感测方案是最优的授权用户信号,感测方法的前提就是知道授权用户信号的结构特征,如导频、前导或同步消息等。相干感测能为人们提供性能更佳的服务,优点是可以检测到精确的频谱结果,但也存在显著劣势,不但必须检测出用户的先验知识,还必须实现多种信号的相互协作,因此投资成本将远超出预算。能量传感器,可针对感兴趣的频率测量一定观察期间接收到的信号总能量,如果能量低于某一阈值,定义空白的频谱,因而可以使用频谱感知用户通信。与相干传感相比,能量传感器需要更多的时间以达到同样效果,但是其所呈现的成本低的特点,使其成为易于实现频谱的认知无线网络传感技术。总体而言,以上2种光谱传感技术方法都有着成熟的理论基础,性能分析更趋理想。而光滑的环流特征传感器实现的复杂度较高,但是传感器性能更好。能量传感器的功能劣势就是不能从授权用户信号辨别接收功率或者说该方法的检测结果缺乏可信度。授权用户信号载频和调制类型或循环前缀,以及一些其他研究特性,比如使用信号给出了自相关函数和周期固定光谱相关性属性,即可区分信号功率和噪声功率,从而突破能量传感器的瓶颈。周期图法是使用傅里叶变换得到信号的功率谱密度,算法可以利用快速傅里叶变换,在实现上具备便捷优势。为了更好地设计量化和管理干扰,前提基础条件就是频谱感知的过程中存在诸多人为以外的因素需要考虑,比如噪音等都可以使检测结果受到一定的影响,从而降低了可信度。随即,研究再度提出干扰温度的概念,从而使频谱感知接入的机会获得显著改善。研究中,通过功率谱估计可确定干扰温度限制。只要干扰温度变动能够可控在限制范围内,感知用户的访问造成干扰,对于授权用户处于可容忍状况,用户便可以实现频谱共享,如图4所示。

综合图4和文献[2]研究可知,基于授权用户信号感测的频谱感知目的在于避开授权用户或尽量降低对授权用户的干扰,而基于干扰温度模型的频谱感知则试图与授权用户同时并存于同一个频段。

3.2 协作与数据融合频谱感知

由于缺乏有效的交流,各用户之间信息隔绝不畅;而且只有在低噪音的条件下,感知用户才能实现频谱感测。感测环境通常包括多径大尺度衰落的可视距线路和隐藏站点,但是为了获得用户的信赖,就必须提供最为精确的检测信息,因此调整用户之间的关系,推动和促进用户合作则已成为现实发展必要。针对这一情况,研究提出一种更为合理精确的频谱检测的方法,那就是协同感测。协同频谱感知就是合理分配各种信息,并对信息进行综合整理,从而大大增强频谱检测的效果。协同感测具有众多优点:可以尽量减少各种突发因素,消除多径衰落和阴影的影响,即使在大尺度阴影衰落的环境下,也可以获得较好的感测性能。频谱感知性能主要由感知范围、感测时间、感测概率、虚警概率等相互关联的技术指标来评测衡定,协同频谱感知可利用空间分集增益改善上述指标,解决单节点感知中设计固存的多径衰落、阴影衰落和隐藏终端等弊端不足,同时也可降低对单个节点感知灵敏度的要求,从而减少运行实现成本。中心式和分布式是实现频谱感知的2种基本方式。具体给出如下概述:

1)中心式感知。中心单元收集各节点的感知信息,负责识别可用频谱,并将频谱可用信息广播给各感知节点或直接控制感知节点的通信参数。

2)分布式感知。感知节点彼此之间共享感知信息,但独立判断各自的可用频谱。与中心式感知相比,分布式感知的优点是不需要基础结构网络,部署更趋灵活高效[3]。

无论中心式还是分布式感知,就协同频谱感知的研究内容而言,重点包含以下2个方面:

1)感知节点感知信息的合并处理,即考虑信息融合问题。

2)感知信息传递过程的合作,即考虑中继传输问题。

摘要：在无线电技术飞速发展的今天,通信技术以互联网为载体已促进了经济转型和快速增长。无线频谱传输的需求正在逐日的增加,因此,加大无线通信系统的研究力度是非常必要的。科学研究者想要对频谱资源进行有效规划以及利用,必须从提升核心技术的角度出发,建立并逐步发展综合通信系统的分布和共享频谱。也就是说,整个系统高效地实现频谱的最优分配是无线通信技术发展的不竭动力。因此,本文从认知无线电技术的定义入手,探讨了认知无线电技术中的频谱感知技术,有效利用频谱资源则可对未来无线电技术提供一定的有益参考。

关键词：无线电,频谱感测,感知

参考文献

[1]刘晓贞.基于合作中继的频谱感知技术研究[D].烟台:烟台大学,2010.

[2]陈星.感知无线电物理层关键技术研究[D].北京:北京邮电大学,2008.

[3]虞贵才.感知无线电系统中的频谱感测技术研究[D].北京:北京邮电大学,2010.

[4]韩维佳.认知无线电中频谱感知策略的研究[D].西安:西安电子科技大学,2012.

无线频谱感知 篇6

随着大量新的无线设备的出现,近十年来对无线频谱资源的需求有了突飞猛进的增长,使得官方的频谱管理部门不得不重新审视对无线频谱资源的利用策略。现有的频带持有者即授权用户对频带的利用率非常低[1],频谱管理部门已经开始考虑将公开授权的频带给非授权用户使用,即在不干扰授权用户使用信道的情况下,当非授权用户感知到信道空闲时,利用空闲的信道传输数据[2]。如何使非授权用户感知授权频带是否空闲的频谱感知技术,是认知网络实现的关键点。频谱感知指通过非授权用户直接感知授权频带来辨识空闲频段,并在频带空闲时传输自身数据。由于频谱感知相对低廉的结构成本以及良好的兼容性,已被包含在IEEE 802.11标准之中[3]。

多数研究频谱感知的文献,都假设每个非授权用户完全自愿进行频谱感知,然后把各自的感知结果发送到中心控制单元[4],由中心控制单元根据合适的决策规则进行决策,得到最终结果并通知各个非授权用户。然而,感知频带的空闲情况需要耗费一定的时间和能量,会减少非授权用户的数据传输时间,如果非授权用户不进行频谱感知而选择利用其他用户的感知结果,就可以提高自己的数据吞吐量。在保证检测概率的情况下,如果选择进行协同频谱感知的非授权用户的数目多,那么每个选择进行协同频谱感知的非授权用户进行频谱感知所用的时间就少,数据吞吐率(即一个周期传输的数据量)就大,反之,数据吞吐率就小[5]。如何合理地协调各个非授权用户的感知积极性,从而使每个非授权用户在得到各自满意的数据吞吐率的基础上,同时提高频带整体的利用率,是一个亟待解决的问题。

本文在已建立的频谱感知系统模型的基础上,证明了所有非授权用户共同进行协同频谱感知可以最大化每个非授权用户的数据传输速率。那么问题就转化为如何设计合理的博弈策略,使各个非授权用户都积极地选择进行协同频谱感知。本文根据理论分析结果,设计不同的策略来提高非授权用户进行协同频谱感知的积极性。仿真结果表明,本文所提出的策略可以有效地促进非授权用户进行协同频谱感知,提高信道的整体利用率。

1 频谱感知系统模型和频谱感知博弈模型

1.1 信道感知模型

非授权用户对信道的感知,分为两种情况:授权用户在使用信道和信道空闲,分别用H1和H0来表示,感知结果用r(t)来表示,则:

$r(t)=\{\begin{array}{l}hs(t)+w(t)\text{i}\text{f}{\rm H}{}_1\\ w(t),\text{i}\text{f}{\rm H}{}_0\end{array}(1)$

式中,h是信道从授权用户的发射机到非授权用户接收机之间的信道增益,假设为慢平坦衰落;s(t)是授权用户的信号,假设为独立同分布随机过程,方差为σ${}_s^2$,均值为0;w(t)是加性高斯白噪声,方差为σ${}_w^2$,均值为0; s(t)和w(t)相互独立。

利用能量检测器来感知频带的利用情况,采样次数为N次,那么用于判决的检测统计结果为:

${\rm T}(r)=\frac{1}{{\rm N}}{\displaystyle \sum _{i=1}^{{\rm N}}|}r(t)|{}^2(2)$

利用中心极限定理可以得到检测统计结果T(r)的概率密度函数,在假设H0下,${\rm T}(r)\sim {\rm N}\left(\sigma {}_w^2,\frac{1}{{\rm N}}\sigma {}_w^4\right)$;假设授权用户的信号为复相移键控(PSK)信号,在假设H1下,${\rm T}(r)\sim {\rm N}((\gamma +1)\sigma {}_w^2,\frac{1}{{\rm N}}(2\gamma +1)\sigma {}_w^4)$,其中$\gamma =\frac{|h|{}^2\sigma {}_s^2}{\sigma {}_w^2}$为信噪比[6]。

定义1PD为假设授权用户正在使用的情况下,正确检测到信道忙的概率;PF为假设信道空闲的情况下,检测到信道忙的概率。

那么误检概率PF和检测概率PD分别表示为[6]:

${\rm P}{}_F(\lambda )=\frac{1}{2}erfc\left(\left(\frac{\lambda }{\sigma {}_w^2}-1\right)\sqrt{\frac{{\rm N}}{2}}\right)(3)$

${\rm P}{}_D(\lambda )=\frac{1}{2}erfc\left(\left(\frac{\lambda }{\sigma {}_w^2}-\gamma -1\right)\sqrt{\frac{{\rm N}}{2(2\gamma +1)}}\right)(4)$

其中λ为能量检测器的阈值,erfc(·)为互补误差函数。

为了最大限度地保证授权用户的通信质量,给定目标检测概率$\overline{{\rm P}}{}_D$后,能量检测器的阈值λ可以根据下式结合式(3)求出式(5):

${\rm P}{}_F(\stackrel{-}{{\displaystyle {\rm P}{}_D}},{\rm N},\gamma )=\frac{1}{2}erfc\left(\sqrt{2\gamma +1}erf{}^{-1}(1-2\overline{{\rm P}}{}_D)+\sqrt{\frac{{\rm N}}{2}}\gamma \right)(5)$

其中erf-1(·)为误差函数erf(·)的反函数。

假设非授权用户感知频谱的采样频谱为fs(Hz),帧周期为T(s),由于感知频谱时占用帧周期时间,且频谱的状态未知,感知频谱时非授权用户不能传输数据,那么一个周期中,用于传送数据的时间为T-δ(N),其中$\delta ({\rm N})=\frac{{\rm N}}{f{}_s}$为在一个周期中进行频谱感知所用的时间。当频带空闲和授权用户占用频带两种情况下,非授权用户数据传输速率分别为:

$R{}_{{\rm H}{}_0}({\rm N})=\frac{{\rm T}-\delta ({\rm N})}{{\rm T}}(1-{\rm P}{}_F)C{}_{{\rm H}{}_0}(6)$

$R{}_{{\rm H}{}_1}({\rm N})=\frac{{\rm T}-\delta ({\rm N})}{{\rm T}}(1-{\rm P}{}_D)C{}_{{\rm H}{}_1}(7)$

其中RH0(N)和RH1(N)分别表示信道空闲和授权用户占用信道两种情况下非授权用户的数据传输速率。CH0和CH1分别代表非授权用户在假设H0和H1下的数据传输速率。若以PH0代表授权用户不占用频带的概率,则非授权用户平均数据传输速率R(N)可以表示为:

R(N)=PH0RH0(N)+(1-PHo)RH1(N) (8)

理想的情况下,要求非授权用户不能对授权用户的通信造成任何干扰,即PD=1,但是根据式(5),当PD=1时,PF也为1,由式(8)得非授权用户数据传输速率为0。因此为了尽量不干扰授权用户的通信,同时兼顾非授权用户的数据传输速率,目标检测概率$\stackrel{-}{{\displaystyle {\rm P}{}_D}}$要尽可能接近1,要求${\rm P}{}_D>\stackrel{-}{{\displaystyle {\rm P}{}_D}}$,否则非授权用户的通信要求将会被拒绝。考虑到在误检的情况下,由于受到授权用户的干扰,非授权用户的数据传输速率将会非常低,即CH1趋近于0,式(8)的第二项可以去掉,即非授权用户的数据传输速率R(N)可以近似为$\overline{R}({\rm N})$:

$\overline{R}({\rm N})\approx {\rm P}{}_{{\rm H}{}_0}\frac{{\rm T}-\delta ({\rm N})}{{\rm T}}(1-{\rm P}{}_F)C{}_{{\rm H}{}_0}(9)$

1.2 协同频谱感知博弈

考虑在彼此通信数据可达范围的一组K个非授权用户,如果把授权频带分为K个子频带,当授权用户没有进行数据传输时,每个非授权用户可以选择在K个子频带中的一个频带进行数据传输,由于各个子频带的空闲情况是一致的,那么,各个非授权用户可以相互交换自己的感知结果,从而减少每个用户的感知时间,提高数据传输速率[7]。

非授权用户集合用S={s1,…,sk}表示,每个非授权用户sk有相同的策略集合:Α={C,D},其中C代表非授权用户选择进行频谱感知,D代表非授权用户选择不进行频谱感知,通过监听其他用户的感知结果来提高自己的数据传输速率。同一个周期中选择策略C的非授权用户构成集合Sc={s1,…,sJ}。定义收益函数为非授权用户数据传输速率。

若非授权用户sj∈Sc,即选择策略C,收益函数为[5]:

$\tilde{U}{}_{C,s{}_j}={\rm P}{}_{{\rm H}{}_0}\left(1-\frac{\delta ({\rm N})}{|S{}_c|{\rm T}}\right)(1-{\rm P}{}_F^{S{}_c})C{}_{s{}_j}|S{}_c|\in [1,{\rm K}](10)$

若非授权用户si∉Sc,即选择策略D,且|Sc|≥1,收益函数为:

$\tilde{U}{}_{D,s{}_i}={\rm P}{}_{{\rm H}{}_0}(1-{\rm P}{}_F^{S{}_c})C{}_{s{}_i}|S{}_c|\in [1,{\rm K}-1](11)$

在式(10)和式(11)中,Csj和Csi为非授权用户sj和si在假设H0下的数据传输速率。

若|Sc|=0,即所有的用户都选择策略D,那么所有用户的收益函数相同,都为:

$\tilde{U}{}_{D,s{}_i}=0|S{}_c|=0(12)$

在本文中PD和PF根据多数裁定原则进行确定[8]:

PD=Pr[在集合Sc中大于一半

成员感知结果为H1|H1] (13)

PF=Pr[在集合Sc中大于一半

成员感知结果为H1|H0] (14)

其中Pr表示概率。

2 多用户协同频谱感知博弈分析

2.1 多用户协同频谱感知模型

每个非授权用户在数据传输的过程中,有两种策略可以选择:进行协同频谱感知和不进行协同频谱感知利用其他用户的感知结果。如果某一用户不进行协同频谱感知而选择利用其他用户的感知结果,那么它就可以有更多的时间来进行数据传输,从而提高自身的数据吞吐率,如果所有用户都不进行协同频谱感知,那么由于没有协同频谱感知结果从而使得每个用户的数据吞吐率都下降。如何选择策略是每个用户都面临的问题,在多用户博弈的环境中,每个用户的策略选择不仅影响自身的数据传输速率,也在一定程度上影响着其他用户的数据传输速率,这种策略的选择和相互影响构成了一个多维的博弈问题。

在多个用户进行协同频谱感知的情况下,有多少用户参与协同频谱感知可以使得每个用户的数据传输速率最大?因为频谱感知耗费一定的时间和资源,如果过多的用户参与协同频谱感知是否会使花在频谱感知上的时间过多而导致整体的数据传输速率下降,如果过少的用户参与协同频谱感知是否会使得所有用户等待的时间过长而降低每个用户的数据传输速率?下面的定理回答了这些问题。

定理 在多用户协同频谱感知博弈中,所有用户参与协同频谱感知所得到的数据传输速率最高。

证明 假设有N个用户参与协同频谱感知(N>2,N∈N+)博弈,在参与协同频谱感知博弈的用户中有K个用户选择进行协同频谱感知,即|Sc|=K,(0<K<N)。

从式(10)中可以得到参加协同频谱感知的用户总数据传输速率为:

$payoff{}_k=|S{}_c|{\rm P}{}_{{\rm H}{}_0}\left(1-\frac{\delta ({\rm N})}{|S{}_c|{\rm T}}\right)(1-{\rm P}{}_F{}^{S{}_c})C{}_{{\rm H}{}_0}$

不参加协同频谱感知用户总数据传输速率为:

payoffN-k = (N-|Sc|)PH0 (1-PFSc)CH0

所有N个用户的总数据传输速率为:

$\begin{array}{l}payoff{}_{{\rm N},{\rm K}}=payoff{}_{{\rm K}}+payoff{}_{{\rm N}-{\rm K}}\\ =\left({\rm N}-\frac{\delta ({\rm N})}{{\rm T}}\right){\rm P}{}_{{\rm H}{}_0}(1-{\rm P}{}_F{}^{S{}_c})C{}_{{\rm H}{}_0}\end{array}$

where |Sc| < N

当所有N个用户都参加协同频谱感知时,总体的数据传输速率为:

$payoff{}_{{\rm N},{\rm N}}=\left({\rm N}-\frac{\delta ({\rm N})}{{\rm T}}\right){\rm P}{}_{{\rm H}{}_0}(1-{\rm P}{}_F{}^{S{}_c{}^{{\rm T}}})C{}_{{\rm H}{}_0}$

where |ScT| = N

从式(5)和式(14)可知,当|ScT| > |Sc|时, PFScT < PFSc那么必有:

payoffN,K<payoffN,NK<N

通过以上定理可知,所有非授权用户参与协同频谱感知可以使得每个非授权用户的数据传输速率最大,下面我们通过仿真结果对所得到的结论进行检验。

仿真中假设授权用户所发射的信号为基带正交相移键控(QPSK)调制信号,采样频率为fs=1MHz,帧周期T=20ms,频带空闲的概率为PH0=0.9,检测概率为$\overline{{\rm P}}{}_D=0.96$,噪声信号为零均值循环对称复高斯(CSCG)随机过程,通常情况下,授权用户的基站和非授权用户的基站距离比较远,为低信噪比模式,信噪比设为γsj=-12dB;数据传输速率Cs1=Cs2=1,假设有N=30个非授权用户参与协同频谱感知博弈,博弈的收益为数据传输速率,收益(payoff)由收益函数式(10)-式(12)计算。假设每个博弈者选择协同频谱感知的概率x从0.01开始增加到1,在变化的过程中观察总体收益的变化。仿真结果如图1所示。

可以看出,当所有用户都选择不参加频谱感知,即x=0时,由于没有频谱感知结果,达不到授权用户对目标检测概率的要求,所有的非授权用户都不能进行数据传输,总的数据传输速率为0;随着非授权用户选择参加协同频谱感知概率的增加,总体数据传输速率也逐渐增大;当所有用户都选择进行协同频谱感知时,总数据传输速率达到最大,约为18.75个单位。实验结果很好地验证了定理关于在协同频谱感知博弈中所有用户都选择参与协同频谱感知可以最大化总体数据传输速率的结论。

2.2 多用户协同频谱感知策略分析

在每个用户的单次博弈的过程中,由收益函数式(10)-式(12)知,在有用户进行协同频谱感知的情况下,用户选择不进行协同频谱感知而得到的收益比进行协同频谱感知而得到的收益多,用户自然会选择不进行协同频谱感知而提高自身的单次博弈所得到的收益,而如果没有用户选择进行协同频谱感知,那么所有用户的收益都为零。如果使所有用户都按照最大化单次博弈收益的方式来进行策略选择,那么博弈的均衡必然停留在整体效率较低的水平,这是由于博弈者仅仅考虑了单次博弈而没有从多次博弈的总体结果上进行考虑造成的。

如何使用户能从总体上把握博弈的结果,从总体出发来选择每次的博弈策略,并且能够快速收敛到几乎所有用户都参与协同频谱感知的均衡状态,是本文着重考虑的问题。考虑到集中控制和分布式控制各自的优缺点,本文采用自由博弈和固定引导的方式来解决完全自由博弈所造成的总体数据传输速率低下的问题。一部分用户固定的进行协同频谱感知,另一部分用户根据上次进行协同频谱感知的比例来选择自身的策略,以上次进行协同频谱感知的用户比例作为此次选择进行协同频谱感知策略的概率,那么从总体来看,相比于上次博弈,每次博弈选择进行协同频谱感知的用户数量在不断增加,根据上文的定理和仿真结果,总体的数据传输速率也在增加,从而提高了频谱的利用效率。这部分固定选择进行频谱感知的用户可以是政府机构采取的集中式控制策略,而新进入的自由博弈用户,可以有自由选择的权利,从而较好地协调了用户的自由选择权与资源的合理利用之间的矛盾。

本文首先从理论上进行分析,然后以仿真结果来进行验证这一结论。

假设在协同频谱感知博弈中,有占总数比例为x的非授权用户在每次博弈中固定的选择进行协同频谱感知,其他用户把上一次博弈结果中选择进行协同频谱感知的用户所占的比例作为此次博弈自身选择进行协同频谱感知的概率,每次博弈完成后,参与协同频谱感知的非授权用户占所有非授权用户的比例用y1,y2,y3…,yn…来表示,则初始时,参与协同频谱感知的非授权用户所占的比例为y0=x,那么:

y1=y0+(1-y0)y0

y2=y0+(1-y1)y1

y3=y0+(1-y2)y2

…

yn=y0+(1-yn-1)yn-1 (n≥1)

假设x=0.05,迭代结果如图2所示。可以看出,第5次迭代结果相比于初始的0.05已经有了很大的提高,但是迭代结果第10次之后就没有了变化,这是因为迭代过程中当yn=yn-1时,达到了系统的平衡点,此时$y{}_n=\sqrt{y{}_0}=\sqrt{0.05}$。然而,方程f(yn)=-y${}_n^2$+y0的导数为f′(yn)=-2yn,在$y{}_n=\sqrt{0.05}$时f′(yn)<0,即在物理上是一个不稳定的平衡点。如何跳出此平衡点,跳出平衡点后系统会达到怎样的新平衡?考虑到在协同频谱感知博弈中,非授权用户的数目是有限的,那么系统中进行协同频谱感知的概率变化的步长是有限的,假如系统中非授权用户的数目是30个,那么概率变化的最小值为1/30,在此变化步长和0.05的初始化概率之下,即使考虑到仿真结果中计算机位数的限制所造成的计算误差,系统的迭代结果永远达不到无理数$\sqrt{0.05}$, 下面本文以实际的仿真结果来验证理论推理的过程。

仍采用2.1节中的信道参数,仿真流程如图3所示,初始化固定参与协同频谱感知的非授权用户比例为x=0.05,在非授权用户数目为30时,非授权用户的总收益即总的数据传输速率和迭代次数的关系如图4所示,非授权用户选择进行协同频谱感知的概率和迭代次数的关系如图5所示。

从仿真结果可以看出,在进行大约70次迭代后,在非授权用户数目为30,初始概率为0.05的情况下,非授权用户进行协同频谱感知的概率为1,即所有的非授权用户都进行协同频谱感知,同时用户的总收益也达到了最大值18.75,与2.1节中的证明结果相符合。

3 结 语

本文通过分析典型的协同频谱感知模型,证明了所有非授权用户都进行协同频谱感知可以最大化总体数据传输速率的结论,进而最大化每个用户的数据传输速率。同时本文通过分析单次的协同频谱感知博弈,得出非授权用户会选择不进行协同频谱感知而最大化自身在单次博弈中的收益,从而造成总体的数据传输速率大大降低,进而使每个用户的数据传输速率都维持在较低的水平。为了解决这一问题,本文通过提出相应的模型,将集中式控制和分布式控制有效地结合起来,并分析了理论结果和实际工程的差别,得到了良好的结果。本文所提出的模型可以有效地应用于非授权用户的协同频谱感知,大大提高频带的利用率,为解决频谱资源紧张的问题提供一种思路。

摘要：认知无线电技术被公认是下一代无线网络的核心架构之一,频谱感知是认知无线电实现的核心手段。通过分析现有的协同频谱感知模型,证明了在多用户进行协同频谱感知的情况下,所有用户进行协同频谱感知所得到总体信道利用率是最高的;进而设计策略促使所有的非授权用户积极进行协同频谱感知,并对所设计的策略进行仿真验证。仿真结果表明,所设计的策略可以有效地促进非授权用户进行协同频谱感知,从而提高频谱资源的整体利用率。

关键词：认知无线电,博弈论,频谱感知,信道利用率,协同策略

参考文献

[1]Force S P T.Spectrum policy task force report[R].Federal Communi-cations Commission ET Docket02,2002,135.

[2]Mitola J.Cognitive radio:An integrated agent architecture for software defined radio[D].Doctor of Technology,Royal Inst.Technol.(KTH),Stockholm,Sweden,2000:271-350.

[3]Ghasemi A,Sousa E S.Spectrum sensing in cognitive radio networks:requirements,challenges and design trade-offs[J].Communications Magazine,IEEE,2008,46(4):32-39.

[4]杨磊,殷福亮,陈喆.认知无线电动态频谱分配新算法[J].信号处理,2010,26(8):1211-1216.

[5]Wang B,Liu R,Clancy T C.Evolutionary cooperative spectrum sensing game:how to collaborate[J].IEEE Transactions on,Communications,2010,58(3):890-900.

[6]Liang Y C.Sensing-throughput tradeoff for cognitive radio networks[J].Wireless Communications IEEE on Transactions,2008,7(4):1326-1337.

[7]Mishra S M,Sahai A,Brodersen R W.Cooperative sensing among cog-nitive radios[C]//Communications IEEE International Conference on.Dec2006,Istanbul.

无线频谱感知 篇7

随着无线通信技术的飞速发展,无线频谱资源紧张的矛盾日益加剧,认知无线电技术(Cognitive Radio)[1]的出现是解决以上矛盾的有效方法之一。在认知无线电技术中次用户(Sencondary User)必须有效地检测现有频段中主用户(Primary User)的存在与否和在次用户占用此频段过程中一旦检测有主用户存在必须立刻让出此频段,改为使用其他没有检测到主用户的频段。因此频谱检测技术是认知无线电中的关键技术之一。频谱感知技术面临的主要挑战主要有以下几个因素。首先,主用户的信噪比(SNR)可能是很低的。其次,多径衰落和时间的无线信道色散使频谱感知更加困难。此外,噪声的不确定性同样对系统检测性能带来很大的影响。现有的频谱感知技术主要有:匹配滤波检测(MF)[2]、循环平稳特征[3](cyclostationary feature detection)、能量检测(ED)[4]以及合作检测[5]等。匹配滤波检测方法能使接收机的信噪比最高,是最优的检测方法。但它需要知道PU发射机信号的先验知识,这一要求在实际情况下是很难满足的。循环平稳特征感知是一种高效的检测方法,但是该方法计算复杂度较高、系统计算时间长[6],而且和能量感知算法一样受噪声功率不确定性影响,感知器存在“SNR wall”[7]现象,但能量感知在噪声确定的情况下,是一种快速有效的盲检测算法[8]。PCA感知算法无需知道主用户的先验信息,而且能够将噪声和信号区分开来,具有很好的感知性能而且不受噪声不确定影响[9],但接收端所需信号样本数量往往较大造成检测时间较长[4]。本文提出一种基于能量和协方差检验的联合频谱感知方法。该方法首先利用双门限的能量检测,若能量落在双门限两端,则直接进行判决,若能量落在双门限的混淆区域,则对信号进行PCA感知。该二次感知算法作为一种盲感知算法,弥补了单次感知算法的不足同时感知性能也得到了提高。

1系统模型

单节点对频谱空穴的检测是一个二元检测问题,检测模型为

式(1)中x(n)是检测阶段接收到的信号的样本值,s(n)是来自于主用户的样本值,w(n)是接收到的加性高斯白噪声(AWGN)且方差为σ2w。H0表示次用户(Secondary User)只接收到噪声,没有主用户(Primary User)的信号。H1表示SU接收到的信号既有来自于PU发射机的信号又有噪声信号。

2感知算法

2.1能量感知

能量检测作为目前对未知确定性信号的最有效检测算法[4],通过计算在时间带宽积内的信号能量,与预先设定的门限进行比较,得到检测结果。由式(1)的信号模型可以得到判决统计量Y。

式(2)中χ22TW和χ22TW(2γ)分别表示中心和非中心卡方分布,每个具有2TW个自由度,同时2γ是一个非中心参量,γ表示瞬时信噪比。为了简单起见,假设时间带宽积TW为整数,用m来表示。那么,检测统计量的概率密度函数(probability density funtion,PDF)为

式(3)中,Γ(.)表示完整的Gamma函数,Iv()为v阶第一类修正贝塞尔函数。

对于给定瞬时信噪比γ和判决门限值λ,在高斯白噪声(AWGN)信道下,认知用户的虚警概率Pf和检测概率Pd分别可以写为

其中Γ(·)是Gamma函数,γ是接收样本的信噪比,Qm(.,.)为广义Marcum Q函数。

能量检测通常依照给定的虚警概率Pf求得判决门限为

2.2 PCA感知

接收信号采样协方差矩阵包含了信号在信道中产生的衰落和延时的变化。PCA感知算法是利用接收信号采样协方差的最大特征向量来代表信号的特征,无需知道主用户的先验信息,而且能够将噪声和信号区分开来,并得到很好的检测性能[9]。由式(1)的感知模型中首先将接收到得信号S(n)取N个时延采样数据,这些数据组成N维的向量。

由(1)式的信号模型可以得到

信号及噪声的时延统计协方差矩阵为

因为w(n)是WGN,我们可以得到:RW=σ2wIN,IN是N×N单位矩阵。首先我将得到的进行特征值分解得到{λ1,λ2,…,λN},对应的特征向量为{φ1,φ2,…,φN},假设λ1≥λ2≥…≥λN。

由于在实际应用中,可供利用的采样值是有限的。假设接收信号在检测周期内是随机平稳过程,可以用时间自相关近似代替统计自相关。将接收到的连续样本值分为m段每段有Ns个数据,定义第m段的协方差估计值Rx,m^为Rx,m^=1Ns∑i=Ns+Ns(m-1)i=1+Ns(m-1)xix*i(15)

则可定义相似度即检测统计量为

当Ti,j>γPCA时可认为H1成立,其中γPCA为检测门限。检测门限γPCA由相应的虚警概率Pf确定。

2.3二次感知算法

由于能量算法具有以下特点:1)感知算法简单,感知时间短,在AWGN信道中SNR较高时感知节点仅需较少的样本值就可以具有较高的检测概率。2)低信噪比或扩频通信情况下,信号淹没在噪声中,能量检测急剧恶化不能有效判决主用户是否存在;3)能量检测只是计算信号的能量,不能区分信号、噪声和干扰,因此无法有效判决。

PCA检测充分利用了信道的多径,克服了认知用户接收机的过采样等不利信息,对接收信号进行延时相关运算,得出了协方差矩阵然后对矩阵进行奇异值分解得到最大特征矢量来作为主用户信号特征的方法来判断主用户信号存在与否的算法。PCA感知算法相比较循环平稳检测有较低的算法复杂度,而且在噪声不确定性情况下同样可以保持较高的检测概率。鉴于上述两种方法的特点,本文将两者结合起来,提出了一种基于双门限的能量-

该方法首先用能量检测进行初检利用公式(8)由不同的虚警概率Pf确定双门限,对能量落在门限两端的信号, 则直接判决,对于能量落在之间的信号, 采用PCA感知算法。

上述判决方法中,双门限的取值非常重要, 高门限将影响感知概率Pd, 取值越大则Pd将会变小。低门限将影响检测概率, 取值越小Pd越大, 但会增加算法的复杂度。由于频谱感知中感知速度和可靠性是衡量算法的重要标准。需要综合考虑检测概率, 算法感知时间和虚警概率, 选择合适的双门限值。

3 仿真结果及性能分析

在Matlab仿真中, 假设在加性高斯白噪声(AWGN)环境下σ${}_w^2$～(0,1), 主用户带宽为5 MHz,载波频率fc为200 MHz , 采用 BPSK调制,采样速率fs为12 MHz,虚警概率Pf=10%,由式(6)可得能量检测的判决门限。由式(5)得系统检测概率,图2给出了能量检测在不同信噪比下采样数据长度变化的检测性能图。

从图2中可以看出,能量检测算法检测性能随着信噪比的降低而降低,但随着采样点数的增加而提高,当采样点数超过一定点数时性能提升并不十分明显。但信噪比较低时,检测概率随着采样点数的提高,变化较慢。因此,无法通过增加采样点数来提高低信噪比的信号检测质量。

图3给出了能量感知算法和PCA感知算法在不同信噪比下得到的ROC曲线。其中在PCA检测中,虚警概率Pf=10%,Ns=105,N=64,作为对比能量感知采用相同条件。图中可以看出当SNR<-8 dB时PCA感知算法要明显优于能量感知算法。

在考虑噪声不确定的影响时,噪声方差的估计值可表示为$\stackrel{\Lambda }{{\displaystyle \sigma {}_w^2}}=\eta \sigma {}_w^2$噪声不确定性可表示为

η～(10-b/10,10b/10),其中$b=\max \left\{10\lg {}_{10}\eta \right\}$。 (17)

由式(6)、式(17)可得在噪声不确定情况下, 能量检测的判决门限需要通过不确定度进行修正

$\widehat{\gamma }=(Q{}^{-1}(p{}_f)\sqrt{1/{\rm N}}+1)\eta \sigma {}_w^2$ (18)

图3中ED-1 dB和PCA-1 dB 表示噪声不确定性为 1 dB情况下的能量感知算法和PCA感知算法,图中可以看出噪声不确定性对能量感知算法有比较大的影响,而对于PCA感知算法则几乎没有影响。

图4所示为AWGN 环境下,三种感知方法的性能曲线。其中SNR=-5 dB,对于虚警概率不妨设Pf.l=0.3,Pf.h=0.05,由式(18)确定混淆区域的判决门限的下限γL和上限γH。经过能量感知算法进行初检后, 当能量感知统计量γL<Y<γH时采用PCA感知方法,设虚警概率Pf=0.05, 由式(16)得到PCA感知门限γPCA, 然后通过PCA感知进行判决。本文采用多次仿真实验,并对结果求平均。图5给出了不同感知方案下感知概率随SNR的变化情况,从图中可以看出:(1)二次感知方案较传统的ED感知有了明显的改善,当SNR>-18 dB时感知概率高出15%,但在低信噪比时感知性能没有得到提高。(2)由于本方案中采用PCA感知算法所以对噪声不确定因素的影响有所改善要小些。(3)对于文中仿真所采用的窄带信号,PCA感知性能始终比能量感知好但这不是在任何情况下都成立的,当信号样本间的相关性很弱时,能量检测将占优,对于完全独立的信号,PCA 感知算法将失效。

4 结论

频谱检测技术是认知无线电的关键技术之一,论文在分析了现有频谱感知算法面临的问题的基础上,提出了一种基于能量感知和PCA感知的二次感知方法,该方法不需要知道主用户信号的先验知识和噪声方差信息,克服了单次感知方法的不足,同时考虑了实际应用中样本数有限的问题,充分利用了能量感知算法和PCA 感知算法在算法复杂度和感知性能上的优势,进行双门限下的二次感知。仿真结果表明,这种二次感知方法一方面在算法复杂度和感知性能方面得到了均衡。另一方面, 该算法是一种盲检测算法,无需知道主用户的先验信息。因此, 二次感知算法完全弥补了单次感知算法的不足, 具有较高的检测精度,是一种快速精准的盲频谱感知算法。

摘要：在认知无线电(Cognitive Radio)系统中准确快速地频谱感知是有效通信的前提。如何均衡感知性能与感知时间是频谱感知技术面临的难题之一。现有的一次检测算法在这方面各有利弊。结合能量感知和PCA(Principal Component Analysis)感知的优势提出一种二次频谱感知的算法。首先利用双门限的能量感知算法进行初检。然后使用PCA感知算法对能量感知算法中检测值落于中间混淆区域的情况进行二次判决,以实现空闲频谱快速准确的感知。最后对该感知算法和其他传统感知算法的性能进行了仿真分析。仿真结果表明二次频谱感知算法提高了认知系统的频谱感知性能同时缩短了感知时间。

关键词：认知无线电,频谱感知,能量检测(E-D),PCA二次感知

参考文献

[1] Mitola III J, Maguire Jr G. Cognitive radio: making software radios more personal. Personal Communications, IEEE,1999;6(4):13—18

[2] Sahai A,Hoven N,Tandra R.Some fundamental limits in cognitive ra-dio.Allcrton Conf on Commun,Control and Computing 2004,October 2004

[3] Gardner W A.Spectral correlation of modulated signals:Part II-digi-talmodulation.In:IEEE Transactions on Communications,1987;35(6):595—601

[4] Yucek T,Arslan H.A survey of spectrum sensing algorithms for cog-nitive radio applications.In:IEEE Communications Surveys&Tutori-als,2009;11(1);116—130

[5] Unnikrishnan J,Veeravalli V.Cooperative sensing for primary detec-tion in cognitive radio.IEEE Journal on Selected Areas in Signal Pro-cessing,2008;2(1):18—27

[6] Cabric D,Mishra M,Brodersen W.Implementation issues in spectrumsensing for cognitive radios.In:Proceedings of 36th Asilomar Confer-ence on Signals Systems and Computers,2004;1:772—776

[7] Cabric D,Tkachenko A,Brodersen R.Spectrum sensing measure-men-ts of pilot,energy,and collaborative detection.Military Communica-tions Conference,2006;MILCOM 2006:1—7

[8] Cabric D,Tkachenko A,Brodersen R.Spectrum sensing measure-men-ts of pilot energy and collaborative detection.Military CommunicationsConference,2006,MILCOM 2006.2006:1—7

[9] Zhang P, Qiu R,Guo N. Demonstration of spectrum sensing with blindly learned feature. Communications Letters, IEEE,2011

无线频谱感知 篇8

为保证不对授权用户造成干扰, 对频谱资源的使用情况进行有效的感知便成为了认知无电技术及应用的核心技术。本文提出了一种基于信任度的协同频谱感知技术, 该技术通过认知用户的本地感知结果与认知无线电网络基站最终判决结果的比较, 计算认知用户信任度, 进而协同信任度参与频谱检测。这种优先选取信任度较高的认知用户的方法, 能够得到更好的检测性能。仿真结果表明当认知用户中存在恶意节点或是故障节点时, 本文提出的技术相比较于传统的检测方法, 能够得到更好的检测性能。

1 系统模型

本文提出的系统模型, 假设一个认知无线电网络中有一个主用户、N个认知用户和一个认知无线网络基站, N个认知用户表示为R={1, …, N}, 每个认知用户独立进行频谱检测并把本地频谱判决结果或是检测数据发送给认知无线电网络基站。认知无线网络基站融合认知用户发来的本地判决从而做出最终判决。

将认知无线电频谱检测模型定义为基于二元假设的, 即

其中, H0表示只存在噪声不存在授权用户信号, H1表示存在授权主用户信号。x (t) 是认知用户接收到的信号;s (t) 是授权用户发射的信号;n (t) 是高斯白噪声;h (t) 为信道增益。

在能量检测算法中, 判决统计量服从卡方分布为:

两个重要的度量参数, 检测概率Pd和虚警概率Pf在非衰落环境中可表示为:

其中, Qm (., .) 为Marcum Q函数, Γ (., .) 为不完整Gamma函数, Γ (.) 为完整Gamma函数。

那么, 检测概率Pd和虚警概率Pf近似可表示为:

对于系统要求的虚警概率Pf, 门限值可以由 (7) 得到:

由 (6) (7) 式得到采样个数N

2 基于信任度的协同检测算法

基于可信度的协同检测算法的实现主要分两步:一是计算每个认知用户的可信度, 二是将可信度较高的认知用户协同参与到频谱检测中。在初始化阶段, 认知无线电网络基站在随机选择认知用户参与协同频谱感知检测的同时, 计算每个认知用户的可信度。在最开始阶段, 认知无线电网络基站把每个认知用户的可信度设为1。在本文提出的算法中, 我们引进了权值系数α, 来计算信任度的增长和衰减。算法具体演示如下:

(1) 每个认知用户的初始可信度设为1

(2) 假设认知用户n的可信度是Ci (n) , 对于

其中, ui是认知无线电网络基站做出的最终判决, ui (n) 是认知用户i传输给认知无线电网络基站的本地判决结果。α代表增长和衰减系数, 取值介于0到1之间。当认知无线电的本地判决结果和认知无线电网络的最终判决结果一致时, 该认知用户的可信度加上本地判决结果Ci (n) 与α的乘积, 以增加其可信度;当认知无线电的本地判决结果和认知无线电网络的最终判决结果不一致时, 该认知用户的可信度减去本地判决结果Ci (n) 与α的乘积, 以降低其可信度。

3 仿真结果及性能分析

在这一部分, 通过计算机仿真验证本文提出的方法有着更好的检测性能。在仿真中, 假设本系统中有一个认知无线电网络基站和20个认知用户用户, 经过多次仿真验证, 取值α=0.05为最优值, 在20个认知用户中存在若干恶意节点或障碍节点[12, 13]。本文提出的基于可信度的协同频谱检测算法的与传统的majority方法进行比较。从图中可以看出, 当恶意用户数目较少, M=4时, majority方法由于其本身特性, 能够得到较好的检测效果。当虚警概率Pf等于0.1时, 本文提出的方法检测概率Pd约为0.8, 而majority方法得到检测概率高于0.9。

但是当恶意用户数目增多时候, 取M=10, majority方法的检测性能大大降低, 然而本文提出的方法性能稳定。例如当虚警概率Pf等于0.2时, 本文提出的方法检测概率Pd约为0.9, 远远高出传统majority方法得到检测概率0.65。说明该算法比起传统的算法能够更稳定的识别恶意用户, 尤其是在恶意用户数目较多时候, 同等虚警概率得到更好的检测概率, 即检测性能更好。

4 结论

本文中, 我们提出了一种新的基于信任度的协同频谱检测算法, 从而能够更快的识别恶意用户, 得到更好的检测性能。我们通过将认知用户本地判决结果与认知无线电网络基站的最终判决结果做比较, 将认知用户按照可信度加以区分。仿真结果进一步验证了本文提出的算法比传统的majority方法性能稳定, 无论恶意用户数目多少, 均能得到较高的检测概率。尤其是在恶意用户数目较多时, 在同等虚警概率的前提下能够得到更高的检测概率, 有着更好的频谱检测性能。但是这种方法会增加检测复杂性、延长检测时间。所以在接下来的研究中, 我们将会进一步优化算法, 权衡检测性能和检测效率。

参考文献

[1]mitola J, Maguire G.Cognitive radio;making software radios morepersonal[J].IEEE Personal Commun, 1999, 6 (4) :13-18.