|
| 无线电认知中的物理层频谱检测算法研究 |
| 作者：本站 来源：本站整理 发布时间：2008-7-24 7:54:43 发布人：guo8130 |
 减小字体
 增大字体
|
|
摘 要：频谱检测是认知无线电网络(CRN)的关键技术之一，本文对认知无线电网络中物理
层频谱检测的算法进行了研究。首先阐述了经典检测算法的应用场景、检测性能和设备实现
复杂度，针对经典算法中的问题和不足，并提出一系列其改进型算法，最后指出可能的研究
方向。
关键词：认知无线电网络；频谱空穴；频谱检测；物理层检测
中图分类号：TN911.23
1. 引言
随着无线通信技术的飞速发展，可用频谱资源匮乏的问题日益突显，然而在静态频谱分
配政策下的授权频段并没有得到充分利用。认知无线电技术的提出有望解决这一矛盾。在认
知无线电技术中，首先需要解决的就是对授权用户进行快速、准确的频谱检测[1]。
在认知无线电网络中，频谱检测的本质是由认知用户来判断某信道中是否存在授权用
户，从而找到可以利用的频谱空穴。同时，认知用户需要通过频谱检测判断授权用户的再次
出现，并进行避让，以避免或降低对授权用户的干扰。
2. 频谱检测模型
频谱检测的目的在于发现频谱空穴。为确保不对授权用户造成有害干扰，CR 用户在利
用频谱空穴前首先要检测在其发射辐射范围内没有授权用户正在利用该频谱通信。认知用户
通过检测来自授权用户发射机的微弱信号来进行判断认知用户通信范围内是否存在授权用
户，进而确定频谱空穴[2]。认知网络需要检测到信噪比很低的授权用户信号才能够保证不干
扰授权用户的正常通信，一般要求比授权用户能够正常解码的信噪比低20～30dB[3]。
在加性高斯白噪声（AWGN,Additive White Gauss Noise)信道下，认知用户需要根据接
收到的信号判断授权用户是否存在。发射机频谱检测模型可用二元假设检验模型[4]表示为：
0
1
: [ ] [ ] 1,...,
: [ ] [ ] [ ] 1,...,
H yk wk k K
H yk xk wk k K
= =
= + =
(1)
其中0 H ， 1 H 分别表示在特定信道（这里的信道是指广义信道，可代表时隙、频率、码字等）
授权用户信号不存在和存在的两种假设， y[k]表示认知用户接收到的信号序列， x[k]表示
授权用户发送信号序列，w(k)为高斯白噪声，w(k) Ν (0,σ 2 ) ，k 为抽样序列索引，K 为抽
样点数。采用数理统计的方法，根据不同的检测算法由y[k]构造相应检测统计量T ，依据判
决规则：
1
0
H
H
T > λ
< (2)
得相应的检测结果，其中λ 为判决门限。检测性能一般由检测概率，虚警概率（ d P ， f P ）
来衡量：检测概率1 1 ( / ) d P =P H H 和虚警概率1 0 ( / ) f P =P H H 。如果d P 过低会增加对授权用
户的干扰； f P 过高会导致认知用户的损失一些接入机会，频谱利用率下降。通常用接收机
操作特性曲线ROC(Receiver Operation Characteristic)来表示d P 与f P 的关系。在认知网络中，
- 2 -
考虑到CR 用户的机会接入要保证对授权用户不造成有害干扰，性能指标d P 比f P 显得更为
重要。在IEEE802.22 草案中要求：Pf ≤0.1,Pd≥0.9 [5]。
3. 频谱检测算法
认知无线电中物理层频谱检测算法通过检测来自授权用户发射机的微弱信号来判断认
知用户通信范围内是否存在授权用户，进而确定频谱空穴（即已分配给授权用户，但未被其
占用的空闲频段）。它与信号解调的不同在于不需要复原信号波形，只需判断授权用户信号
的有无。目前的物理层频谱检测检测算法主要包括匹配滤波器检测算法、能量检测算法、循
环平稳特征检测算法三种经典检测算法
3.1 匹配滤波器检测
匹配滤波器检测作为最优的信号检测算法，通过相关处理，可以最大化接收信号的信噪
比，利用较少的检测时间获得较大的处理增益。匹配滤波器的实现主要通过对授权信号进行
解调或者导频检测实现，前者实现要求认知用户知道授权用户的物理层和MAC 层的先验信
息，如：调制方式，冲击波形和包格式，而且需要时间和载波同步，信道均衡对授权信号进
行解调，以获取相关增益。实现复杂而且灵活性差；后者实现相对简单，大部分无线通信系
统都有导频，前导码，时间同步信号和扩频码等确知信号，这使得匹配滤波器检测大大简化。
[6]
匹配滤波器的检验统计量为：
1
0
1
0
( ) [ ] [ ]
K H
k H
T Y Y k X k λ
−
=
= Σ <>
(3)
若在AWGN 信道下，Y(n)为为高斯随机变量，由大数定律，检测统计量亦可近似为高
斯变量，若设λ 为判决门限，则Pd ， Pf 可表示为：
2
Pd Q( ) γ ξ
ξσ
−
=
(4)
2
Pf Q( ) γ
ξσ
=
(5)
在信噪比远小于1 时，满足特定Pd 和Pf 检测所需要的抽样点数的为O（1/SNR）。匹
配滤波器优点在于达到相同性能指标情况下，所需要的抽样值最少，也就是所需要的检测时
间最短；缺点在于CR 不仅需要为每类授权用户准备一个专门的接收机，而且需要精确同步。
当检测接收机和授权发射机之间存在频域偏移时判决统计量改写为：
1 1
* *
0 0
[ ] [ ] ~
K K
jwn j jwn
k k
T YkXk e Aeϕ e
− −
− − −
= =
=Σ Σ
(6)
如果检测抽样数目大于或与频率偏移周期2pi/W 相当，判决统计量就会降低相关增益最
终将降为零。因此，导频检测的频率偏移限制了检测时间和可以检测到的信号。为了补偿频
率偏移的影响，对信号进行连续的模块处理是趋近于最优的处理。
1 2
*
1 0
[ ] [ ]
M K
n k
T Yk X nNc k
−
= =
= ⎡⎢ + ⎤⎥
⎣ ⎦
Σ Σ
(7)
其中Nc<<2pi/W 是每一个相关块的抽样点数，M 是检测处理块数。总的抽样点数N 为
- 3 -
M*Nc, 由于模块间的非相关性评价，必然使检测抽样劣于N～1/SNR
3.2 能量检测
能量检测算法又称为基于功率的检测算法[7]，通过测量一段观测空间（频域或时域）的
接收信号总能量来判决是否有授权用户出现[8] ，是一种非相关的次优检测。对应观测空间
的不同，能量检测算法有时域和频域两种实现方式。时域实现需要针对每一个检测频带提供
相对应的滤波器，实现灵活性差；频域实现通过FFT 变换观测相应频带上的总能量，实现
灵活，而且通过增大FFT 运算的点数，可以在不增加检测时长的前提下，一定程度上提高
检测性能。文献[9]仿真证明了在同样检测性能（ d P ， f P ）要求下，FFT 点数扩大四倍，时
域采样点数可由1/SNR2 下降为1/SNR1.5。由于频域实现的能量检测算法不需要预先知道授
权用户信号的信息，实现灵活，适合不同中心频率以及不同带宽的检测，被普遍认为是认知
网络中的首选检测方式。但能量检测算法在实际应用中也存在着诸多的缺陷，如噪声不确定
性[6,10 ]、无法区分授权用户信号和干扰等。
匹配滤波器检测所需要知道授权用户发射信号的大量先验信息，为每一类授权用户准备
一个专门的接收机，将会增加认知用户的设计复杂度，限制认知网络的应用范围。相对而言，
能量检测实现相对比较简单灵活，不需要授权用户端的先验信息，而成为频谱检测首选检测
算法。能量检测只需测量频域或时域上一段观测空间内接收信号的总能量来判决是否有授权
用户出现，但不适于低信噪比SNR (Signal to Noise Ratio)情况。能量检测的判决统计量为：
1 2
0
[ ] K
k
T Y k −
=
= Σ (8)
在信噪比远小于1 时，满足特定Pd 和Pf 检测所需要的抽样点数的为O（1/SNR2）。能
量检测处理增益与FFT 变换点数N 和检测时长/平均时长T 成比例，在窄带信号检测增加N
改善频域精确度，同时，增加平均时长T 降低噪声功率从而改善信噪比。
若在AWGN 信道下， H0 时，T(Y) 服从自由度为K 的χ 2 分布，在H1 时，T(Y) 服从自由
度为K 的非中心χ 2 分布，K 为抽样点数，γ 为信噪比。。若设λ 为判决门限，则Pd ， Pf 可表
示为[11]：
Pd=P{Y>λH1}=Qm(2snr,λ) (9)
0
{ } ( , /2)
( ) f
P PY H K
K
Γ λ
λ
Γ
= > = (10)
其中Qm 为Marcum 函数，Γ (⋅) 和Γ (⋅,⋅) 为完全和不完全的Γ 函数。
由于噪声的时变特性，能量检测算法需要不断估计噪声功率，从而确定判决门限。但是
实时噪声估计所需要的运算复杂度是巨大的。联合前向能量检测算法[12]避免了对噪声的实
时估计。该算法对N 个信道同时检测，将每个信道的能量检测的判决统计量按照升序排列
为Q(i)， i=1,2,…N，利用统计学中的孤立点判决代替传统的门限判决：
1
( 1) ()
k
k
i
Q k T Q i
=
+ > Σ （11）
其中： r (1 P , 2 , 2 ) / kT =FINV − N Nk k
FINV 为F 累积分布函数的反函数， r P 为样值得丢弃率（由f P 确定）。若式（11）成立，说
明Q(k+1)….Q(N)含有信号分量，相应的信道判决为占用。该检测算法的检测性能与理想能
- 4 -
量检测性能相当，当信噪比大于15dB 时，二者性能趋于一致。联合前向能量检测算法应用
于多信道同时检测，要求检测信道中必须存在一定数量的空闲信道，当检测信道中的空闲信
道数少于总的检测信道数目的1/8，同样信噪比下，该检测算法的d P 比理想能量检测低
10%~20%。
3.3 循环平稳特征检测
当授权用户信号经过调制后，为了便于接收解调均存在一定的频谱冗余，从而使它们的
统计特性，均值，自相关都呈现循环周期性[13]。循环平稳特征检测算法正是利用谱相关函
数检测接收信号中的循环特征来确定授权用户信号是否存在，并且可以根据不同调制方式特
有的循环频率（循环周期）来区分授权用户类型[14]。这种检测算法通过引入循环频率参数α，
对信号的谱相关函数Sαx (f)
在频率(f)-循环频率(α)-幅值( ) x Sα f
三维空间上具有的特征进行
分析[15]，可不需了解授权用户信号的先验知识，在未知噪声、强干扰环境下，该检测算法
比匹配滤波器检测，能量检测更有优势，但其实现需多次Fourier 变换，运算复杂度较高。
循环功率检测基于授权用户信号的循环周期特性。循环功率检测首先计算接收信号的谱
相关函数
( ) y Sα f
，然后结合授权用户信号的谱相关函数( ) x Sα f
，构造最优判决统计量。
2
0 0
( /2) ( /2) ( )
( ) ( )
( /2) ( /2)
x j t
y
n n
y t H f H f S f S f e df
S f S f
α
α πα
α
α α
α α
∞
−∞
+ −
=
+ − ∫
(12)
其中， H(⋅) 为信道对应的系统函数，
0
n S 为噪声的功率谱
该算法充分利用调制信号的谱相关函数相对稳定的特性，提高检测性能，缺陷在于若检
测频段存在多种授权用户需要逐一检测，而且需要已知信道的系统函数。我们认为该算法的
基本思想类似于匹配滤波器中的导频检测，导频检测确知授权信号的前提下，计算接收信号
与授权信号的相关程度。而循环功率检测算法则是频域实现这一过程，好处在于授权信号的
调制方式确定之后，其谱相关函数随之确定。由于信号特征在频域的稳定性，从而可能实现
与匹配滤波器相似性能的基础上，所需要的先验信息大大减少。同时也扩大了适用范围，不
再需要授权用户信号中必须有导频信息存在。
4. 结束语
认知无线电可以使空闲的授权频谱得到充分利用提高频谱的利用率，但前提是必须保证
这个频率上的授权用户不受干扰或低于最大可承受干扰，其中首先需要解决的关键技术就是
频谱检测技术。本文首先对比了经典物理层检测算法，并提出一系列改进算法。现有各种检
测算法各有不同的适用范围及优缺点，在实际网络中的检测可以将多种检测方式结合，实现
检测速度和检测质量的兼顾。另外多用户检测结果融合的合作检测技术也可以进一步提高检
测性能。
- 5 -
参考文献
[1] Shankar S. Spectrum agile radios: utilization and sensing architecture[C]// IEEE DySPAN 2005,
2005:160–169.
[2] Ian F. Akyildiz, Won-Yeol Lee, Mehmet C. Vuran *, Shantidev Mohanty. NeXt generation/dynamic
spectrum access/cognitive radio wireless networks: A survey[J]// Computer Networks 50, pp. 2127-. 2159, 2006.
[3] N. Hoven and A. Sahai. Power scaling for cognitive radio[C]// In Proc. of the WirelessCom 05 Symposium
on Signal Processing, 2005.
[4] Tandra R. Fundamental limits on detection in low snr [D].Berkeley: University of California, 2005.
[5] Functional Requirements for the 802.22 WRAN Standard IEEE
[6] Cabric D, Tkachenko A, Brodersen R W. Spectrum Sensing Measurements of Pilot, Energy, and
Collaborative Detection[C]// Military Communications Conference, 2006. MILCOM 2006 Oct. 2006 Page(s):1 – 7
[7] Zhao. Q, Sadler. B.M. A Survey of Dynamic Spectrum Access[J]// Signal Processing Magazine IEEE,
2007:79 - 89.
[8] Tandra R. Fundamental limits on detection in low snr [D].Berkeley: University of California, 2005.
[9] Functional Requirements for the 802.22 WRAN Standard IEEE
[10] Cabric D, Mishra S M, Brodersen R W. Implementation issues in spectrum sensing for cognitive radios[C]//
38th Asilomar Conference on Signals, Systems and Computers 2004. 2004:772–776.
[11] Tang H. Some physical layer issues of wide-band cognitive radio system[C]// IEEE DySPAN 2005,
2005:151–159
[12] Cabric D, Brodersen R W. Physical layer design issues unique to cognitive radio systems[C]// IEEE
Personal Indoor and Mobile Radio Communications (PIMRC) 2005.2005: 759- 763
[13] Cabric D, Tkachenko A, Brodersen R W. Spectrum Sensing Measurements of Pilot, Energy, and
Collaborative Detection[C]// Military Communications Conference, 2006. MILCOM 2006 Oct. 2006 Page(s):1 – 7
[14] A. Sahai and N. Hoven and R. Tandra. Some fundamental limits on cognitive radio[C]// Proc. Allerton Conf.
Communication, Control, Computing, Oct. 2004.
[15] Tandra R, Sahai A, Fundamental limits on detection in low SNR under noise uncertainty[C]// Wireless
Networks, Communications and Mobile Computing 2005 International Conference. 2005:464- 469.
Research on Improved Spectrum Sensing Algorithms of
Physical Layer in Cognitive Radio Network
LIU Zi-qi
Institute of Telecommunication Network Technology, Beijing University of Posts and
Telecommunications, Beijing (100876)
Abstract
Spectrum sensing is one of critical techniques in cognitive radio network. In this paper spectrum
sensing algorithms of physical layer are studied. Above all, the sensing performance and the
complexity of the classical spectrum sensing algorithms are described in the scenario of CRN
application. Then, a series of improved algorithms are proposed, in order to overcome the drawbacks of
the classical spectrum sensing algorithms,. Finally, some prospects on this subject are given at the end
of this paper.
Key words: cognitive radio, spectrum hole, spectrum sensing, physical layer sensing |
|
| []
[返回上一页]
[打 印]
[收 藏] |
|
|
| ∷相关文章评论∷ （评论内容只代表网友观点，与本站立场无关！） [更多评论...] |
|
|
|
|
