集中辨识频谱空洞方法的比较
频谱感知技术是指认知用户通过各种信号检测和处理手段来获取无线网络中的频谱使用信息。从无线网络的功能分层角度看，频谱感知技术主要涉及物理层和链路层，其中物理层主要关注各种具体的本地检测算法，而链路层主要关注用户间的协作以及对感知机制的控制与优化。因此，目前频谱感知技术的研究大多数集中在本地感知、协作感知和感知机制优化3个方面。
1 本地感知技术
1.1 主要检测算法
本地频谱感知是指单个认知用户独立执行某种检测算法来感知频谱使用情况，其检测性能通常由虚警概率以及漏检概率进行衡量。比较典型的感知算法包括：
能量检测算法，其主要原理是在特定频段上，测量某段观测时间内接收信号的总能量，然后与某一设定门限比较来判决主信号是否存在。由于该算法复杂度较低，实施简单，同时不需要任何先验信息，因此被认为是CR系统中最通用的感知算法。
匹配滤波器检测算法，是在确知主用户信号先验信息（如调制类型，脉冲整形，帧格式）情况下的最佳检测算法。该算法的优势在于能使检测信噪比最大化，在相同性能限定下较能量检测所需的采样点个数少，因此处理时间更短。
循环平稳特征检测算法，其原理是通过分析循环自相关函数或者二维频谱相关函数的方法得到信号频谱相关统计特性，利用其呈现的周期性来区分主信号与噪声。该算法在很低的信噪比下仍具有很好的检测性能，而且针对各种信号类型独特的统计特征进行循环谱分析，可以克服恶意干扰信号，大大提高检测的性能和效率。
协方差矩阵检测算法，利用主信号的相关性建立信号样本协方差矩阵，并以计算矩阵最大、最小特征值比率的方法做出判决。文献[1]提出基于过采样接收信号或多路接收天线的盲感知算法。通过对接收信号矩阵的线性预测和奇异值分解(QR)得到信号统计值的比率来判定是否有主用户信号。
以上这些算法都是对主用户发射端信号的直接检测，基本都是从经典的信号检测理论中
移植过来的。此外，近期一些文献从主用户接收端的角度提出了本振泄露功率检测和基于干扰温度的检测。有些文献对经典算法进行了改进，如文献[2]提出了一种基于能量检测-循环特征检测结合的两级感知算法。文献[3]研究了基于频偏补偿的匹配滤波器检测、联合前向和参数匹配的能量检测、多分辨率频谱检测和基于小波变换频谱检测等。表2归纳了文献中提及较多的一些感知算法，并对其优缺点进行了比较。
单用户本地感知主要面临以下挑战：首先，对感知设备提出了较高的硬件要求，如高速高分辨率的数模转换器、高速的信号处理器、宽带射频(RF)单元、单/双链路结构等等，以达到所需的检测速度和灵敏度；其次，由于多径衰落、阴影和本地干扰等因素的影响，单用户本地频谱检测往往不能获得满意的性能。再次，如何检测基于扩频技术的主用户信号也是个难点问题。
Ghasemi将频谱感知的主要难点问题归结于3种不确定性：信道不确定性，即在阴影、衰落信道中，认知用户很难从噪声背景下区分出经历深衰落的主信号；噪声不确定性，主要是能量检测的性能会因为噪声估计的偏差受到严重影响；聚合干扰不确定性，当网络中存在多个认知用户时，单个认知用户的发射可能不会干扰主用户，但是多个用户同时发射可能会超过主用户的干扰温度门限（最大干扰的容忍程度）。
基于以上分析，下一步的主要研究方向包括：针对衰落、阴影等恶劣的信道环境，研究能量检测、循环特征检测等算法的改进或者进一步探讨更为新颖的感知算法；针对正交频分复用技术(OFDM)频谱池系统的多带检测算法；将传统的时域、频域、空域的三维信号检测进行拓展，并研究包括角度、编码等维度的多维频谱感知算法。
2 协作感知技术
为了克服本地检测的弊端，进一步提高检测性能，协作感知得到了广泛而深入的研究。通过不同次用户间的交互与协作，不仅仅能降低各认知用户的检测灵敏度需求，大幅度提高认知用户的捷变能力，还能有效缓解“隐藏终端”问题以及噪声不确定性等问题。
根据协作网络结构和协作策略选择不同，协作感知方案可分两类：
（1）集中式协作感知
这种方案中，通常有一个中心基站（或接入点）和多个参与协作的认知用户（也称认知节点），并且需要专用控制信道将各用户本地感知信息传送到中心点进行融合处理以及最终判决。
目前大部分文献研究的都是该类型的协作感知。Cabric等人于2004年开始这方面研究，指出集中式协作感知可以减小多径衰落信道的影响，改善检测性能，并分析了节点数、门限值等参数的选取以及阴影相关性对协作的影响[4]。随后，Ghasemi更加详细讨论了在独立同分布(I.I.D.)瑞利衰落信道和对数正态分布阴影信道条件下，基于能量检测和硬融合的协作感知方案的检测性能及其对频谱利用率、检测灵敏度、检测时间带宽积、噪声不确定性抵抗能力的影响。文献[5]还从聚合干扰的角度，进一步分析了协作感知对于聚合干扰分布的影响，并在给定干扰概率情况下，给出了单用户感知灵敏度和协作半径之间的权衡。
（2）分布式协作感知
分布式协作感知中，各协作节点彼此可以交互和共享感知信息，并分别对各自感兴趣的频谱做最终判决。该方案最大的好处是简化了认知网络结构，因而减小了开销成本。
2.2信息融合问题
现有的大多数协作感知方案都需要进行信息融合，其整体的检测性能除了受各节点检测性能的影响外，还与所采用的融合算法直接相关。依据交互信息的不同，融合算法可以分为数据融合和决策融合两大类。
2.2.1 数据融合算法
在数据融合算法中，各个协作节点不做出任何决策，而是将检测数据完整地或压缩处理后发送到信息融合中心，按照某种融合规则做出最终判决。典型的算法例如：最简单的等增益合并(EGC)是将各节点的检测数据等权重合并，再与设定的门限值比较做出最终判决；最大似然比合并(MRC)是通过信道估计，根据信噪比设定权重值进行合并再做出判决；选择合并(SC)则是根据情况，选择某个信噪比最大节点数据进行判决。文献[6]根据Neyman-Pearson准则，在给定虚警概率下，通过最大化检测概率得到最优的加权融合准则。相比Neyman-Pearson准则，Baysian准则以最小化错误概率为目标，更适宜于对虚警概率和漏检概率都有要求的应用环境。文献[7]系统研究了数据融合算法，通过偏转系数最大化和错误概率最小化获得最优的权重向量。
数据融合传送的是检测信息，因而要求控制信道的带宽比较宽，传送开销也比较大。对于强调频谱效率的CR系统来说，为了追求协作增益而付出巨大的协作带宽代价，显得有些得不偿失。
2.2.2 决策融合算法
各个协作节点独立地处理观测数据并做出决策，发送其决策结果至信息融合中心进行最终判决，这种算法称为决策融合算法。依据各节点决策的权重是否相同，可将其分为决策硬融合和决策软融合。
决策硬融合算法中，N个协作节点以1 bit形式传送其本地决策到信息融合中心，融合中心同等地对待各个节点决策，并根据一定的融合准则做出最终判决。最典型的硬融合准则是K/N准则[12]，即N个协作用户中至少有K个用户上报决策1（即主用户存在）时，基站最终判定信道已被占用，OR准则（K=1）与AND准则（K=N）都是K/N准则的特殊形式。不同的K值对应不同的协作增益，其最优取值应根据具体的信道条件来确定。
除了K/N准则外，文献[8]提出一种基于双门限能量检测的协作感知方法，用到了“n 比例”逻辑准则，将决策为1的节点数与决策为0的节点数之间的比值与门限进行比较做出最终判决。
决策软融合算法是根据不同信道条件下各节点检测结果的置信度不同，将检测信息进行决策加权或者其他形式的处理后再进行融合。此算法实现了检测性能和传送开销之间的折中。
2.3 有待解决的问题
(1) 协作感知的性能与协作用户数量、各用户门限值的确定及位置分布情况等因素密切
相关。因而如何选取这些协作感知参数以获得最佳的检测性能，是协作感知研究的重要内容。此外，协作感知属于媒体访问控制(MAC)层的感知技术，所以还涉及到跨层设计方面的研究。
(2) 信息融合算法会直接影响协作增益和系统开销。一方面，决策融合虽然简单容易实现，但是其协作增益非常有限，当信道不均匀或者存在恶意用户时，协作性能将急剧恶化；另一方面数据融合协作增益大，但是对控制信道的带宽需求较大。如何在协作性能和系统开销二者之间寻找合理折中是协作感知研究的热点。
(3) 恶意攻击或突发故障是协作感知中不容忽视的安全问题。为此，文献[11]提出了一种应对存在恶意或自私节点场景的协作感知安全方案，以提高网络安全性。文献[12]提出一种加权序贯检测方案(WSPRT)，采用双门限值检测，并通过一定规则动态更新每个用户的置信度权值，有效降低了恶意节点对最终判决的影响。
(4) 现在的研究大多是集中在单个感知用户网络参与协作的情形，基于网络层的多感知用户网络间的协作也可能是未来研究的一个方向。
3 感知机制的优化
Ghasemi和Hyoil Kim等人最先提出了感知机制的优化问题，主要关注感知模式的选择和感知参数的优化。CR网络下，次用户的伺机动态接入频谱过程通常可看成两种感知场景：信道搜索和信道监视。信道搜索是指次用户需要搜索各个信道，寻找可用于传输的空闲频谱。信道监视则是指次用户必须周期性地检测主用户信号，以避免对重新出现的主用户造成干扰。检测周期、检测时间和搜索时间的参数如何选取，以及采用何种感知模式和信道搜索方式，才能使感知效果最优，这都是感知机制的优化问题。
频谱感知模式通常分为被动感知和主动感知。被动感知模式下，次用户只有在需要进行数据传输时才启动感知，通常只能使用一个空闲信道进行传输，并周期性监测该信道。而主动感知模式下，不管是否有数据传输需要，次用户都周期性地检测各个信道。两种感知模式都要避免对重新出现的主用户造成干扰，因此一旦发现当前信道不可用时，需立即启动搜索，直到检测到某个空闲信道后停止搜索并开始新的传输。相比而言，主动感知方式需要检测多个子信道，能量和时间开销比被动感知方式有所增大，但它可以提高传输速率，并且减小认知用户被迫进行信道搜索而导致服务质量(QoS)降低的概率，同时还可以积累大量频谱信息，在重新进行信道搜索时优化搜索方式以提高信道切换能力。
下步的研究方向主要包括：信道占用模型可适当扩展更一般的情况；分布式协作感知机制的优化问题；基于循环平稳特征检测等方法下的感知机制优化；认知用户之间的干扰可能对感知机制优化的影响；不同的信道条件下，非固定检测周期和搜索次序的感知机制优化；综合考虑最小化主用户干扰、最大化感知性能、最优化QoS等多种优化目标；综合考虑应用层需求、物理层算法和链路层协作与控制等跨层设计优化问题。
毕业设计（论文）题目：认知无线电中频谱感知技术研究专业： 学生姓名： 班级学号： 指导教师： 指导单位： 日期：年月日至年月日
摘要 无线业务的持续增长带来频谱需求的不断增加，无线通信的发展面临着前所未有的挑战。无线电频谱资源一般是由政府统一授权分配使用，这种固定分配频谱的管理方式常常会出现频谱资源分配不均，甚至浪费的情形，这与日益严重的频谱短缺问题相互矛盾。认知无线电技术作为一种智能频谱共享技术有效的缓解了这一矛盾。它通过感知时域、频域和空域等频谱环境，自动搜寻已授权频段的空闲频谱并合理利用，达到提高现有频谱利用率的目的。频谱感知技术是决定认知无线电能否实现的关键技术之一。 本文首先介绍了认知无线电的基本概念，对认知无线电在 WRAN 系统、UWB 系统及 WLAN 系统等领域的应用分别进行了讨论。在此基础上，针对实现认知无线电的关键技术从理论上进行了探索，分析了影响认知网络正常工作的相关因素及认知网络对授权用户正常工作所形成的干扰。从理论上推导了在实现认知无线电系统所必须面对的弱信号低噪声比恶劣环境下，信号检测的相关方法和技术，并进行了数字滤波器的算法分析，指出了窗函数的选择原则。接着详细讨论了频谱检测技术中基于发射机检测的三种方法：匹配滤波器检测法、能量检测法和循环平稳特性检测法。为了检验其正确性，借助 Matlab 工具，在Matlab 平台下对能量检测和循环特性检测法进行了建模仿真，比较分析了这两种方法的检测性能。研究结果表明：在低信噪比的情况下，能量检测法检测正确率较低，检测性能远不如循环特征检测。 其次还详细的分析认知无线电的国内外研究现状及关键技术。详细阐述了频谱感知技术的研究现状和概念，并指出了目前频谱感知研究工作中受到关注的一些主要问题，围绕这些问题进行了深入研究。 关键词：感知无线电；频谱感知；匹配滤波器感知；能量感知；合作式感知；
研究初期。大量文献。判断有无信号传输。识别信号类型。 1)匹配滤波器 主用户信号已知时最佳。感知速度快。但对信号已知信息的要求高，感知单元的实现复杂度极高（需要对大量类型信号的匹配滤波）。 2)基于波形的感知 已知主用户信号的patterns（用于同步等的前导序列等等），对观测数据做相关。在稳定性和收敛速度上比基于能量检测的感知要好。 判决门限的选取。信号功率因信道传输特性和收、发信机之间的距离的不确定性而难以估计。实际中，可由特定的虚警概率给出门限，此时只需知道噪声方差。 3)基于循环平稳性的感知 信号的平稳特征由信号或信号统计量（期望、自相关等）周期性引起。利用循环相关函数（而非功率谱密度）检测信号，可将噪声与信号分离。因为噪声广义平稳无相关量，而调制信号由于循环平稳而存在谱相关。循环谱密度（CSD）函数的计算是对循环自相关函数做傅里叶变换。循环频率与信号的基本频率一致时，CSD函数输出峰值。 4)基于能量检测的感知 低运算复杂度和低实现复杂度。缺点在于：判决门限的选择困难；无法区分能量来源是信号还是噪声； 低SNR条件下性能差。噪声水平的动态估计，降秩特征值分解法。GSM时隙能量检测，需与GSM系统同步，检测时间限制在时隙间隔内。FFT之后频域能量检测。检测概率在各种信道条件下的闭式解。 5)无线电识别 识别主用户采用的传输技术。获得更多的信息，更高的精度。比如蓝牙信号的主用户位置局限在10m 之内。特征提取和归类技术。各种盲无线电识别技术。 6)其它感知方法 多窗口谱估计。最大似然PSD估计的近似，对宽带信号接近最优。计算量大。 Hough变换。 基于小波变换的估计。检测宽带信道PSD的边界。 协同感知—— 协同（合作、协作）用来应对频谱感知中噪声不确定性、衰落和阴影等问题。解决隐终端问题，降低感知时间。提出有效的信息共享算法和处理增加的复杂度是协同感知要解决的难题。控制信道可利用：1）指配频带；2）非授权频带；3）衬于底层的UWB。 共享信息可以是软判决或硬判决结果。（基于能量检测的）感知合并方式：等增益合并、选择式合并、Switch & Stay（扫描式）合并。协同算法应：协议开支小；鲁棒性强；引入延迟小。 非协同感知，优点为计算和实现简单，缺点为存在隐终端问题、多径和阴影的影响。 协同感知，优点为更高的精度（接近最优）、可解决阴影效应和隐终端问题；缺点为复杂度高、额外通信流量开支和需要控制信道。 协同感知的两种实现形式： 1)中心式感知。中心单元广播可用频谱信息或直接控制CR通信。AP。硬信息合并、软信息合并。 2)分布式感知。彼此共享信息，自己对频谱做出判决。不需要配置基础结构网络。 外部感知—— 外部感知网络将频谱感知结果广播给CR。优点：可解决隐终端问题和衰落及阴影引起的不确定性；CR无需为感知分配时间，提高频谱效率；感知网络可以是固定的（避免电池供电）。外部感知可以是连续的或周期性的。感知数据传递给中心节点进一步处理，并将频谱占用信息共享。
频谱感知技术外文翻译文献 (文档含中英文对照即英文原文和中文翻译) 译文： 一种新的协作频谱感知算法 摘要 该文提出了一种在认知无线网络控制信道带宽受限条件下基于信任度的双门限协同频谱感知算法。首先每个认知用户基于双检测门限独立进行频谱感知，但只有部分可靠的认知用户通过控制信道向认知无线网络基站发送本地感知结果。当所有的用户都不可靠时，选取信任度最高的认知用户发送本地感知结果进行判决。理论分析和仿真表明，同常规能量检测算法相比较，该算法能够在控制信道带宽受限条件下，以较少的网络开销获得更好的频谱感知性能。 关键词：认知无线电；频谱感知；信任度；双门限 1引言 随着无线通信技术的飞速发展，有限的频谱资源与不断增长的无线通信需求的矛盾越来越突出。然而根据现有的固定分配频谱资源策略，绝大多数频谱资源得不到有效利用。据FCC 的调查统计，70%的已分配频谱资源没有得到有效利用]1[。为了提高频谱资源的利用率，认知无线电技术由Joseph Mitola Ⅲ提出并得到了广泛的关注]5[]2[ 。频谱感知技术是认知无线电网络的支撑技术之一。通常它又可以分为
能量检测法、匹配滤波器法和循环平稳特征法[4]。能量检测算法因为应用简单且无需知道任何授权用户信号的先验知识成为研究热点。认知用户在接入授权频带之前，必须首先感知该频带空闲即授权用户没有工作，否则会对授权用户造成干扰。一旦授权用户重新工作，认知用户必须退避，实现在不对授权用户产生干扰的情况下对频谱资源的共享。由于实际信道中的多径和阴影效应，单个认知用户频谱感知的性能并不乐观，针对这个问题D. Cabric 等人提出了协同频谱感知算法[5]-[6]。协同频谱感知算法性能较好，但是当认知用户数量很大的时候，控制信道的带宽将不够用。文献[7]中提出了一种在控制信道带宽受限条件下的基于双检测门限的频谱感知算法，该算法能够以较小的网络开销，获得接近普通单门限频谱检测算法的性能。针对认知无线电频谱感知的需要，本文提出了认知无线电环境下一种基于信任度的双门限协同频谱感知算法。该算法中每个认知用户基于双检测门限独立进行频谱感知，但只有部分可靠的认知用户通过控制信道向认知无线网络基站发射感知报告。当所有的用户都不可靠时，选取信任度最高的认知用户发射感知报告进行判决。本文对该算法进行了性能分析并通过仿真表明，本文方法比较常规能量检测算法，在减小网络开销的同时提高了检测性能。 2系统模型 假设一个认知无线电网络有N 个认知用户和一个认知无线网络基站，如图1 所示。认知无线网络基站负责管理和联系N 个认知用户，在收到认知用户的检测报告后做出最终判决。 图1. 认知无线电网络示意图 频谱感知的实质是一个二元假设问题，即 01 (),,()()()(),n t H x t h t s t n t H ?=??+? （1）
能量检测仿真实验代码： clear all;clc; n = 5; ps = 1; SNR1 = -5; SNR2 = -8; SNR3 = -10; % Sim_Times=10000; %Monter-Carlo times % m=5; T=0.001; % 信号带宽W W=5*10^4; % 采样频率 Fs = 2*W; m = T*W; n = 2*T*W; % F0=W; % Fs=2; % Sig=sqrt(2)*sin(2*pi*F0/Fs*t); %single tone samples, Fs=2F0 % 实际信噪比 snr1 = 10.^(SNR1/10); snr2 = 10.^(SNR2/10); snr3 = 10.^(SNR3/10); pn = (1/snr1)*ps; mu0 = n*pn; sigma0 = sqrt(2*n)*pn; mu = n*(pn+ps); sigma = sqrt(2*n*(pn^2+2*pn*ps)); % [noi,x0,mu0,sigma0,m0] = cnoi( n,pn ); % sig = randn(n,1); sig = 1; % 重复次数 count = 5000; % 能量检测判决门限 lambda = [200:20:600]; lambda1 = [500:20:900]; lambda2 = [700:30:1300]; % 置信度判决参数 % tt = [-5:0.4:3]; % cc = 10.^tt; % tt1 = [-1:0.1:1]; % cc1 = 10.^tt; % cc2 = [-0.01:0.001:0.01];
认知无线电频谱感知技术现状研究 【摘要】近年来无线电技术飞速发展，无线通信得到广泛应用，随之而来的是更多的用户需求与无线电频谱资源紧张的矛盾。认知无线电可以有效地解决无线通信中频谱资源紧张的问题，为资源的高效利用提供方案。 【关键词】节点选择；频谱感知；协作频谱感知 从1999年CR这一概念被Joseph Mitola III提出至今，认知无线电技术一直为无线通信研究的热门。认知无线电技术和频谱感知技术的发展日新月异，近期开始有更多的学者开始研究复杂环境下的协作频谱感知方案。 一、认知无线电 Simon Haykin定义CR通过构建理解方法论来学习环境并且通过实时改变运行过程中的某些参数来适应环境带来的统计变化，这些参数包括载频、调制方法和发射功率等参数。总之它是一种感知周围环境的智能无线通信系统，其中核心目标包括：随时随地，高度可靠的通信和高效的频带利用率。Simon Haykin构建CR的框架是从信号处理和自适应过程的角度进行的。另外，Joseph Mitola III认为，为了提高无线电技术的灵活性，认知无线电技术使用“；无线电知识表达语言”；（Radio Knowledge Representation Language，RKRL）。这一语言将会逐步演变成由软件进行配置，符合网络或者用户要求的通信功能和参数的软件无线电。CR通过对环境的观察、自身定位、计划决策、学习、判断和执行来完成自身功能的循环。 同时，美国联邦通讯委员会发布的FCC 03-322文件，申明了CR是一种能通过和其所在的环境相互作用来改变自身发射频率的无线电技术。包括主动地与其他频带使用用户进行交流协商或者通过被动的感知与判断等方式[1]。FCC还具体对CR的使用标准和适用场合做了规定。 二、频谱感知技术 在CR中，频谱感知已经成为核心研究内容，而且频谱感知技术目前又以对主用户发射机进行检测的为主。对发射机进行检测分为单节点检测和多节点检测（又称作合作检测或者协作频谱感知）。单节点检测主流的方法又有能量检测（Energy Detection），循环平稳特性检测（Cyclostationarity）和匹配滤波器检测（Matched Filtering Detection）。 协作频谱感知，又称多节点频谱检测。由于主用户的发送信号经过不同的衰落的信道到达感知从用户（CU），因此主用户的信号伴随着一定的阴影效应或多径衰落，将多个CU的单节点检测作为可以互相协作的整体，共同对同一段频谱进行感知，多节点能量检测技术可以通过AP的信息融合技术，将这一信道的不良干扰大幅度降低。这样，在AP通过特定的融合、判决后得到对主用户LU的
https://www.doczj.com/doc/fd10832200.html,/article/11-09/422921315975560.html 频谱感知，是指认知用户通过各种信号检测和处理手段来获取无线网络中的频谱使用信息。从无线网络的功能分层角度看，频谱感知技术主要涉及物理层和链路层，其中物理层主要关注各种具体的本地检测算法，而链路层主要关注用户间的协作以及对本地感知、协作感知和感知机制优化3 个方面。因此，目前频谱感知技术的研究大多数集中在本地感知、协作感知和感知机制优化3个方面。文章正是从这3个方面对频谱感知技术的最新研究进展情况进行了总结归纳，分析了主要难点，并在此基础上讨论了下一步的研究方向。 1 本地感知技术 1.1 主要检测算法 本地频谱感知是指单个认知用户独立执行某种检测算法来感知频谱使用情况，其检测性能通常由虚警概率以及漏检概率进行衡量。比较典型的感知算法包括： 能量检测算法，其主要原理是在特定频段上，测量某段观测时间内接收信号的总能量，然后与某一设定门限比较来判决主信号是否存在。由于该算法复杂度较低，实施简单，同时不需要任何先验信息，因此被认为是CR系统中最通用的感知算法。 匹配滤波器检测算法，是在确知主用户信号先验信息(如调制类型，脉冲整形，帧格式)情况下的最佳检测算法。该算法的优势在于能使检测信噪比最大化，在相同性能限定下较能量检测所需的采样点个数少，因此处理时间更短。 循环平稳特征检测算法，其原理是通过分析循环自相关函数或者二维频谱相关函数的方法得到信号频谱相关统计特性，利用其呈现的周期性来区分主信号与噪声。该算法在很低的信噪比下仍具有很好的检测性能，而且针对各种信号类型独特的统计特征进行循环谱分析，可以克服恶意干扰信号，大大提高检测的性能和效率。 协方差矩阵检测算法，利用主信号的相关性建立信号样本协方差矩阵，并以计算矩阵最大、最小特征值比率的方法做出判决。文献[1]提出基于过采样接收信号或多路接收天线的盲感知算法。通过对接收信号矩阵的线性预测和奇异值分解(QR)得到信号统计值的比率来判定是否有主用户信号。 以上这些算法都是对主用户发射端信号的直接检测，基本都是从经典的信号检测理论中移植过来的。此外，近期一些文献从主用户接收端的角度提出了本振泄露功率检测和基于干扰温度的检测。有些文献对经典算法进行了改进，如文献[2]提出了一种基于能量检测-循环特征检测结合的两级感知算法。文献[3]研究了基于频偏补偿的匹配滤波器检测、联合前向和参数匹配的能量检测、多分辨率频谱检测和基于小波变换频谱检测等。表2归纳了文献中提及较多的一些感知算法，并对其优缺点进行了比较。
认知无线电的频谱感知技术研究 0 引言 随着无线通讯业务的增长，可利用的频带日趋紧张，频谱资源匾乏的题目日益严重。世界各国现行的频率使用政策除分配极少的ISM频段之外，大多采用许可证制度。而获得许可的用户，并非全部都是全天候占用许可频段，一些频带部分时间内并没有用户使用，另有一些偶然才被占用，即使系统频谱使用率低，仍无法将空间的频谱分配给其他系统使用，即无法实现频谱共享。怎样才能进步频谱利用率，在不同区域和不同时间段里有效地利用不同的空闲频道，成为人们非常关注的技术题目。为了解决该题目，Joseph Mito1a于1999年在软件无线电的基础上提出了认知无线电(Cognitive Radio，简称CR)的概念，要实现动态频谱接进，首先要解决的题目就是如何检测频谱空穴，避免对主用户的干扰，也就是频谱感知技术。CR用户通过频谱感知检测主用户是否存在，从而利用频谱空穴。 1 匹配滤波器检测(Matched Filtering) 匹配滤波器是一种最优的信号检测法，由于在输出端它能够使信号的信噪比达到最大。匹配滤波器最大的优点就是能够在短时间里获得高处理增益。但是使用匹配滤波器进行信号检测必须知道被检测的主用户信号的先验知识，比如调制方式、脉冲波形、数据包格式等，假如这些信息不正确就会严重影响其性能，同时匹配滤波器计算量也较大。因此它可以用来检测一些特定的信号，但是每类主用户认知无线电都要有一个专门的接收器，这就增加了系统的资源耗费量和复杂度。 2 能量检测(Energy Detector—Based Sensing) 能量检测是一种较简单的信号非相干检测方法。根据基本假设模型，在高斯加性白噪声(AWGN)信道情况下，采用能量检测法进行主用户信号检测的性能。在AWGN信道非衰落的环境中，可知信道增益h是确定的。在H1下，当接收到的信号超过判决门限进时，判定主用户信号存在。在H0下，当接收信号超过判决门限时，则会作出错误的判定。分别用Pd 和Pf，来表示检测到主用户的概率(检测概率)和错误判定警报的(虚警)概率，对H．Urkowitz 的研究结果进行简化，可以得到通过无衰落的AWGN信道检测的概率和虚警概率的近似表达式为 其中：γ是信噪；σ是一个正数；r0，r(，g)是方差；是完整和不完整Gamma函数；Qm是普遍马库姆(Marcum)函数，其定义为
摘要：频谱感知作为认知无线电的关键技术之一，允许非授权用户伺机访问未使用的授权频带资源，从而大大改善了频谱利用率，并且具有较低的部署成本和较好的兼容性。文章首先介绍了认知无线电的概念和频谱感知提出的背景；然后详细探讨了频谱感知面临的技术挑战和设计权衡，并考虑了安全性问题；最后对可能威胁频谱感知的安全问题进行了说明并给出了结论。 关键词：认知无线电；软件无线电；频谱感知；动态频谱访问；协同感知 王海涛1江瑾尧2（1.解放军理工大学通信工程学院南京210007； 2.解放军理工大学理学院南京211101） 认知无线电网络中的频谱感知技术及面临的挑战 收稿日期：2010-03-10 1前言 当前无线频谱资源日趋紧张，造成这种状况的 原因主要包括以下几个方面：一是资源本身有限；二是无线设备和应用越来越普及，消费者对无线频谱的需求越来越大；三是无线频谱资源的分配极不合理。因此， 有效搜索和利用未用的频谱是一项富有挑战的任务。频谱分配方式主要有两种[1]： 专用方式，出售或分配给具有唯一支配权的服务提供商或机构；公用方式，可以按照协商的方式共同使用频谱资源。需要指出的是，当前主要采用第一种分配方式，固定为用户分配指定的独占频带，这种分配方式非常低效和呆板，很快将会耗尽可用的频谱资源。实际上，许可频谱不论在时间和空间上都没有得到充分利 用。据Shared Spectrum 公司报导，所有可用频带的平均利用率不到10%，在某些频带，如30～300M Hz ，甚至低于2%[2]。专用分配方式和严格的管制策略是极 不合理的，人为加剧了无线资源的短缺问题。为此，管理层考虑实施新的频谱管理策略，引入了动态频谱访问（DSA ）的概念[3]，即允许非许可用户（ULU ）伺机利用许可用户（LU ）未使用的频带。 近来，FCC 已允许非许可用户访问TV 频带的频谱空洞。在此基础上， IEEE 也成立了IEEE 802.22工作组负责开发相应的空中接口和此方面的标准化工 作[1]。认知无线电（Cognitive Radio ，CR ）正是在这种背 景下产生的一种崭新的无线通信模式，最早是由 Joseph M itola 博士于1999年提出的[4]。认知无线电是在软件无线电（SR ）的基础上增加了频谱感知和智能处理能力，允许认知无线电设备通过感知无线环境，按 照伺机（Opportunistic ）方式动态利用在空域、频域和时域上出现的空闲频谱资源（称为频谱空洞，即指分配给某授权用户但在特定时间和位置该用户没有使 用的频带 ），从而提高现有频谱资源的利用率。2频谱感知技术 2.1 基本技术 认知无线电设备必须能够感知并分析特定区域的频段，找出适合通信的频谱空洞，在不影响已有通信系统的前提下进行工作，将认知无线电用户通过扫描频带以确定哪些频带可用于数据传输的过程称 为频谱感知。由此可见，频谱感知（或频谱检测）技术 是CR 应用的基础和前提[5]。CR 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：当出现主用户时可以进行快速的规避，放弃对当前工作频段的占用，从而避免对主用户形成干扰。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监测：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 20
认知无线电的频谱感知技术研究 认知无线电的频谱感知技术研究 类别：通信网络 0 引言随着无线通信业务的增长，可利用的频带日趋紧张，频谱资源匾乏的问题日益严重。世界各国现行的频率使用政策除分配极少的ISM频段之外，大多采用许可证制度。而获得许可的用户，并非全部都是全天 候占用许可频段，一些频带部分时间内并没有用户使用，另有一些偶尔才被占用，即使系统频谱使用率低，仍无法将空间的频谱分配给其他系统使用，即无法实现频谱共享。怎样才能提高频谱利用率，在不同区域和不同时间段里有效地利用不同的空闲频道，成为人们非常关注的技术问题。为了解决该问题，Joseph Mito1a于1999年在软件无线电的基础上提出了认知无线电(Cognitive Radio，简称CR)的概念，要实现动态频谱接入，首先要解决的问题就是如何检测频谱空穴，避免对主用户的干扰，也就是频谱感知技术。CR用户通过频谱感知检测主用户是否存在，从而利用频谱空穴。 1 匹配滤波器检测(Matched Filtering) 匹配滤波器是一种最优的信号检测法，因为在输出端它能够使信号的信噪比达到最大。匹配滤波器最大的优点就是能够在短时间里获得高处理增益。但是使用匹配滤波器进行信号检测必须知道被检测的主用户信号的先验知识，比如调制方式、脉冲波形、数据包格式等，如果这些信息不准确就会严重影响其性能，同时匹配滤波器计算量也较大。因此它可以用来检测一些特定的信号，但是每类主用户认知无线电都要有一个专门的接收器，这就增加了系统的资源耗费量和复杂度。 2 能量检测(Energy Detector—Based Sensing) 能量检测是一种较简单的信号非相干检测方法。根据基本假设模型，在高斯加性白噪声(AWGN)信道情况下，采用能量检测法进行主用户信号检测的性能。在AWGN信道非衰落的环境中，可知信道增益h是确定的。在H1 下，当接收到的信号超过判决门限入时，判断主用户信号存在。在H0下，当接收信号超过判决门限时，则会作出错误的判断。分别用Pd和Pf，来表示检测 到主用户的概率(检测概率)和错误判断警报的(虚警)概率，对H．Urkowitz的研究结果进行简化，可以得到通过无衰落的AWGN信道检测的概率和虚警概率的近似表达式为其中：γ是信噪；σ是一个正数；r0，r(，g)是方差；是完整和不完整Gamma函数；Qm是普遍马库姆(Marcum)函数，其定义为由 公式(1)可以看出如果Pd很低，将会导致不能检测主用户信号的概率很大，这样反过来就增加了对主用户的干扰。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。为了提高能量检测的可靠行，最近关于这方面的研究主要集中在能量检测器上。 3 静态循环特征检测静态循环特征检测是通过利用接收信号的静态循环特征来检测主用户的。静态循环特征检测除了复杂度较高外，可以克服匹配滤波器检测和能量检测的缺点。调制后的主用户信号一般会有载频、跳频序列、循环前缀等，从而使信号有内在的周期性。若信号的均值和自相关函数呈现周期性，且周期与信号的周期相同，则称其是静态循环的。我们可以通过分析信号谱相关函数中
认知无线电频谱感知技术分析 摘要：认识无线电技术做为近年来通信领域的热点研究课题，是无线通信新兴智有技术之一，它对目前频谱资源利用率较低的固定频谱分配制度问题能够有效加以解决。因此，深入探讨做为认知无线电实现频谱分配、频谱共享前提和基础的频谱感知过程，则成为整个系统环节的重中之重。 关键词：认知无线电频谱感知技术研究意义分类分析中图分类号：tn925 文献标识码：a 文章编号： 1007-9416(2012)02-0033-02 伴随着广播电视、移动通信等领域中的应用越来越广泛，无线电技术应用面不断得到扩展，这使得有限的无线电频谱资源，与社会不断增长的需求产生一定的矛盾，可以说，随着人类社会对无线电频谱资源需求的增长，其也已成为稀缺的信息社会重要资源之一。认知无线电技术正是在这种背景下产生的，它可从有效解决因固定频谱分配政策导致的频谱资源不合理分配问题，并在探索频谱空穴特性的基础上，对无线频谱资源高效利用的重要手段。因此，探讨频谱感知这一认知无线电关键技术越来越为人们所关注，对此进行进入地探究也更具重要的现实意义。 1、认知无线电频谱感知技术的研究意义 频谱感知/空闲频谱检测和动态频谱资源管理是认知无线电最核心两项技术，而频谱感知过程决定了其后续环节实施的顺利与否，
可以说，感兴趣频段的检测，成为整个系统实现与否的重要前提条件。因此，频谱感知技对于认知无线电的研究与发展作用极大。 感知无线信道的环境，对信息检测、感知过程中出现的空闲频谱，并将其看做是作用在物理层上的信号处理技术，频谱感知在认知无线电中的主要任务包含两方面的内容：一方面应检测授权用户的信号存在与否，判断频段是否可用，这个任务要求频谱检测具有较高的可靠性；另一方面，由于接入权差异的客观存在，认知用户在使用某一频段的过程中，必须时刻保持有效的监测状态，对授权用户接入或使用该频段时不接入或是及时用最快的速度退出占用，以避免干扰到授权用户的正常工作。 对认知无线电接收机而言，其工作地点即可在授权频段，也可在非授权频段。在授权频段上，授权用户比认知用户的接入权要高，认知用户在占用频段后，需进行周期性检测，以防与授权用户出现使用冲突现象，若频谱空穴已为信号所占用，则还需要去寻找新的空闲频段才能进行信号的传输，所以认知用户需要判断频谱空穴是否真实存在，这个过程包含在授权频段的检测过程中。 为了满足无线电频谱的检测要求，需要使认知无线电系统中的频谱感知执行得更加可靠和有效，以确保授权业务免受干扰，还要使不同认知用户利用授权频段来传输非授权信号更加合理。通过以上分析可知，在认知无线电应用中，频谱感知/空闲频谱检测具有着重要的基础意义，因此，探讨频谱感知技术很有其必要性，这也是
集中辨识频谱空洞方法的比较 频谱感知技术是指认知用户通过各种信号检测和处理手段来获取无线网络中的频谱使用信息。从无线网络的功能分层角度看，频谱感知技术主要涉及物理层和链路层，其中物理层主要关注各种具体的本地检测算法，而链路层主要关注用户间的协作以及对感知机制的控制与优化。因此，目前频谱感知技术的研究大多数集中在本地感知、协作感知和感知机制优化3个方面。 1 本地感知技术 1.1 主要检测算法 本地频谱感知是指单个认知用户独立执行某种检测算法来感知频谱使用情况，其检测性能通常由虚警概率以及漏检概率进行衡量。比较典型的感知算法包括： 能量检测算法，其主要原理是在特定频段上，测量某段观测时间内接收信号的总能量，然后与某一设定门限比较来判决主信号是否存在。由于该算法复杂度较低，实施简单，同时不需要任何先验信息，因此被认为是CR系统中最通用的感知算法。 匹配滤波器检测算法，是在确知主用户信号先验信息（如调制类型，脉冲整形，帧格式）情况下的最佳检测算法。该算法的优势在于能使检测信噪比最大化，在相同性能限定下较能量检测所需的采样点个数少，因此处理时间更短。 循环平稳特征检测算法，其原理是通过分析循环自相关函数或者二维频谱相关函数的方法得到信号频谱相关统计特性，利用其呈现的周期性来区分主信号与噪声。该算法在很低的信噪比下仍具有很好的检测性能，而且针对各种信号类型独特的统计特征进行循环谱分析，可以克服恶意干扰信号，大大提高检测的性能和效率。 协方差矩阵检测算法，利用主信号的相关性建立信号样本协方差矩阵，并以计算矩阵最大、最小特征值比率的方法做出判决。文献[1]提出基于过采样接收信号或多路接收天线的盲感知算法。通过对接收信号矩阵的线性预测和奇异值分解(QR)得到信号统计值的比率来判定是否有主用户信号。 以上这些算法都是对主用户发射端信号的直接检测，基本都是从经典的信号检测理论中