認知無線電頻譜感知技術綜述

摘要：針對人為性的電磁頻譜資源匱乏問題，認知無線電技術有效提高了頻譜資源利用率，而作為其核心技術的頻譜感知成為研究的熱點。國內外學者相繼提出了各種頻譜感知演算法，不同方面不同程度改善了頻譜檢測性能，使其逐步適應複雜的電磁環境，提高利用率，破除人為性資源匱乏的制約。因此，綜述頻譜感知技術的發展歷程，分析低信噪比下單節點和協作頻譜感知性能，對比介紹了協作頻譜感知系統結構和信息融合原則，最後指出頻譜感知技術的發展趨勢及存在的挑戰。

正文內容：

0　引　言

隨著社會信息化進程的加快，無線網路和移動通信的業務需求量不斷增大，電磁頻譜資源需求急劇增加。然而，現有的頻譜資源及其分配模式不能滿足用頻需求，一定程度上制約了無線通信技術的發展。相關研究表明，電磁頻譜資源的利用呈現嚴重的不均衡性，公共頻段十分擁擠，而授權頻段的頻譜利用率僅為15%～85%[1]。可見，這是人為性的頻譜匱乏問題。在有限的頻譜資源條件下，提高利用率是解決資源和需求矛盾的關鍵所在。在此背景下，認知無線電技術應運而生。它是一種智能的頻譜共享技術，可以感知頻域、時域和空域等周圍無線電頻譜環境，通過對環境的理解、主動學習等措施，自動搜尋並利用已授權頻段的空閑頻譜而不影響其他授權用戶，從而實現不可再生頻譜資源的再利用[2]。

頻譜感知是認知無線電的核心技術，是保證高效分配頻譜資源的先決條件。頻譜感知是在不干擾授權用戶的前提下，實時監測可用頻段並進行相關分析，從而發現頻譜空穴[3]。頻譜感知技術必須要保證良好的檢測性能，一旦檢測概率偏低，就會對授權用戶正常的通信造成干擾，而虛警概率偏高則會導致認知用戶無法正常接入空閑頻譜，降低頻譜的利用率。經過幾十年的研究，頻譜感知技術已有很多理論成果，但不難發現，在低信噪比環境下，頻譜感知性能還有待進一步提高。

電磁環境日益惡劣，干擾增多，信噪比下降，提升低信噪比條件下的感知性能尤為重要。針對低信噪比條件，綜述前輩們的研究成果，重點對比分析檢測性能，最後指出發展趨勢和挑戰。

1　低信噪比下的頻譜感知

最初，頻譜感知演算法都是基於單節點進行的[4-8]。由於單節點無法突破物理局限，低信噪比條件下感知性能迅速衰弱，各類聯合頻譜感知演算法[9-12]相繼被提出，克服了單節點頻譜感知的物理局限。

1.1　單節點頻譜感知

單節點頻譜感知即單個用戶獨立判決，不涉及複雜的系統結構和數據融合問題，相對簡單。文獻[13-15]採用經典的能量檢測演算法，實時估計信號幅值並計算能量，通過與判決門限做比較，判決授權用戶存在與否。它的複雜度低、檢測速度快，但當信噪比低於-20 dB時，檢測概率僅為0.2，且受雜訊不確定性影響較大，難以適用於低信噪比電磁環境。文獻[16-17]採用匹配濾波檢測演算法，利用相干檢測原理，使接收的信號信噪比最大化，提高了檢測概率，但先驗知識和嚴格的相位同步條件使其實用性不高。文獻[18]提出了基於小波變換的頻譜感知演算法，將主信號與雜訊分離，模擬顯示，在信噪比低至-25 dB的環境中，漏檢概率低於0.1，表明檢測性能足夠好，但採用的是特定的2FSK信號進行模擬，說服力不強，不一定適用於低信噪比環境。文獻[19]提出了LMS演算法，當信噪比低至-25 dB時，檢測概率能達到0.8，但演算法局限於小樣本數據。為解決適用性問題，文獻[20]基於功率譜和Rayleigh熵理論，提出了功率譜最大最小值之差頻譜感知演算法。針對未知信號，當信噪比高-12 dB時，檢測概率能達到0.9以上且魯棒性高，但當信噪比低至-20 dB時，檢測概率僅為0.05。文獻[21-23]提出了基於特徵矢量的頻譜感知演算法，感知性能較ED演算法有所提高，但涉及矩陣特徵值分解運算，導致複雜度高，感知速度偏慢。文獻[24]提出了子空間投影的頻譜感知演算法，根據信號子空間和雜訊子空間投影差異，實現了快速頻譜感知，但在低至-20 dB的信噪比條件下，檢測可靠度不高。此外，學者們還提出了許多方法以適應各類場景感知性能需求。文獻[25]採用VLL-LMS演算法，提高了演算法收斂速度；文獻[26]採用基於擬合優度的頻譜檢測技術，在高採樣點、低虛警概率條件下的檢測概率較為良好；文獻[27]提出了譜分段對消演算法，克服了雜訊不確定度影響，且能使用於平坦慢衰落信道，在-12 dB信噪比條件下，檢測概率能達到0.7，但這些新演算法在-25 dB甚至更低的信噪比條件下，還不能實現快速、準確、可靠的實用性頻譜感知。

1.2　協作頻譜感知

協作頻譜感知在單節點頻譜感知基礎上發展而來，利用空間分集技術，克服單節點存在的物理弊端，提高感知性能。下面從協作頻譜感知系統結構和信息融合原則上，綜述協作頻譜感知的相關研究。

在系統結構上，學者們相繼提出了分散式協作頻譜感知、集中式協作頻譜感知和中繼式協作頻譜感知。圖1為分散式協作頻譜感知模型。感知節點沒有優先順序差異，相互組網將感知信息與周圍的感知節點交換，各個感知節點獨立判決授權用戶存在與否。文獻[28]應用分散式模型，降低了虛警概率和漏檢概率，但會導致演算法複雜度提升、計算量加大，且要求硬體處理信號能力更強。

集中式在提高感知性能的同時，通過信息融合原則降低硬體條件，圖2為集中式協作頻譜感知模型。集中式在分散式的基礎上加入信息融合中心（Fusion Center，FC），感知節點間無須相互交換感知信息，而是將判決結果發送到FC。FC根據判決原則對所有信息進行融合判決，降低了系統的硬體需求。文獻[29]對動態雙門限協作方案的優化即屬於基於集中式模型，模擬表明，總錯誤概率在-10 dB信噪比環境中低於0.1，而在常規的低信噪比環境中能滿足需求。

中繼式主要針對信道衰落和陰影問題。集中式和分散式結構一旦受到干擾，感知信息就不能正常傳輸，協作性被破壞。圖3為中繼式協作頻譜感知模型。當感知節點不能正常交換信息時，中繼式尋找其他能提供中繼服務需求的節點代替，提高了系統協作性能的可靠性，保證了各個感知節點良好的感知性能。文獻[30]提出了一種基於最佳中繼的協作頻譜感知方案，獲得了明顯的空間分集增益，提高了檢測概率，且隨著協作用戶的增多，性能提升越明顯。

基於協作模式的頻譜感知技術利用各節點的感知信息，有效提高了感知性能。如何高效融合處理各節點的感知信息，是協作頻譜感知的關鍵技術。根據融合信息的不同，融合原則可以分為決策融合和數據融合兩類。

決策融合原則。在協作感知提出階段，採用的是決策融合原則（硬判決）。單個感知節點的輸出非0即1，FC對所有0/1數據實施 Out of 準則，即假設有 個感知節點，如果有 個及以上的感知節點輸出為1，則融合中心做出全局判決，該授權頻段暫不可用；否則，該授權頻段可用。在此基礎上衍生出了OR準則、AND準則及Majority準則，基本原理類似。文獻[29]對錶決融合原則的投票門限 進行優化，基於全局錯誤概率值最小原則，使得頻譜感知性能達到最優。

2　研究方向及挑戰

在-15 dB的信噪比環境下，現有的頻譜感知演算法的性能基本滿足一般應用，但當環境的信噪比進一步降低時，感知性能將無法保證，少數演算法的檢測概率也能滿足要求，但在檢測速度、複雜度和魯棒性上需要進行折中處理。例如，在現代化戰場上，電磁環境異常複雜，動態性和強觸發性對頻譜感知的計算能力提出了更高要求，多元性的信號導致待檢測頻段信噪比很低。因此，更低信噪比下的頻譜感知問題亟待解決。

認知無線電本質是智能動態共享頻譜資源，在頻譜感知中實現智能性。提高更低信噪比下的頻譜感知性能，是未來的發展趨勢。SVM（Support Vector Machine，SVM）以其優越的學習能力和泛化性能力，在人工智慧領域應用十分廣泛。已有少數研究將SVM應用於頻譜感知，卻沒有充分挖掘其智能性。分析SVM原理可以發現，它不能保證類內離散度最小，會導致檢測準確率降低。擬將Fisher類內離散度最小思想應用到SVM中，能同時保證類間分類間隔最大且類內離散度最小。如何充分挖掘SVM的智能性和融合Fisher類內離散度最小思想，提高更低信噪比下的頻譜感知性能還有待進一步研究。

3　結　語

以上內容綜述了認知無線電頻譜感知技術相關研究的發展，重點分析和總結了低信噪比條件下各感知演算法的性能。此外，針對現有頻譜感知演算法在更低信噪比電磁環境中存在的問題，指出了未來可能的發展方向和存在的挑戰。

參考文獻：

[1] 金燕君,朱琦,鄭寶玉.認知無線電中動態雙門限協作頻譜感知性能的優化方案[J].信號處理,2015(03):319-327.

[2] 黃標,李景春.認知無線電及頻譜管理[M].北京:人民郵電出版社,2014.

[3] 周小飛,張宏綱.認知無線電原理及應用[M].北京:北京郵電大學出版社,2007.

[4] Hoven N K.On the Feasibility of Cognitive Ra-dio[D].Berkeley:University of California,2005.

[5] Wang H,Yang E H,Zhao Z,et al.Spectrum Cognitive Radio Using Goodness of Fit Testing[J].IEEE Transactions on Wireless Communications,2009,8(11):5427-5430.

[6] 葉迎暉,盧光躍.採用相關係數和擬合優度的頻譜盲檢測[J].信號處理,2016,32(11):1363-1368..

[7] 王穎喜,盧光躍.基於最大最小特徵值之差的頻譜感知技術研究[J].電子與信息學報,2010,32(11):2572-2574.

[8] Smitha K G,Vinod A P.A Multi-Resolution Faster Filter Bank for Spectrum Sensing in Military Radio Receivers[J].Very Large Scale Integration(VLSI) Systems,2012,20(07):1323-1327.

[11]盧光躍,彌寅,包志強.特徵值極限分布的改進合作頻譜感知[J].信號處理,2014,30(03):261-267.

[12]彌寅,盧光躍.基於特徵值極限分布的合作頻譜感知演算法[J].通信學報,2015,36(01):84-89.

[13]Lopez B M,Casadevall F.Improved Energy Detection Spectrum Sensing for Cognitive Radio[J].IET Communications,2012,6(08):785-796.

[14]Taruna S,Bhumika P.Simulation of Cognitive Radio Using Periodogram[J].IJERT,2013,9(02):2278-0181.

[15]Vishakha S,Manwinder S.On the Performance of Detection based Spectrum Sensing for Cognitive Radio[J].IJECT,2011,9(03):2230-7109.

[16]Gholamipour A H,Gorcin A,Celebi H,et al.Reconfigurable Filter Implementation of a Matched-filter Based Spectrum Sensor for Cognitive Radio Systems[C].International Symposium on Circuits and Systems,2011:2457-2460.

[17]Sharkasi Y F,McLernon D,Ghogho M.Robust Spectrum Sensing in the Presence of Carrier Frequency Offset and Phase Noise for Cognitive Radio[C].Wireless Telecommunications Symposium,2012:1-5.

[18]張浩曄,包志華.基於循環平穩特徵的頻譜檢測[J].通信技術,2010,43(09):41-44.

[19]王凡,盧光躍.利用LMS的頻譜感知演算法[J].信號處理,2016,32(05):543-548.

[20]趙知勁,呂曦.利用功率譜最大最小值的得頻譜感知演算法[J].信號處理,2017,33(02):152-157.

[21]Zhang P,Qiu R.Spectrum Sensing Based on Blind Learned Signal Feature[M].Mathematics,2011.

[22]Zhang P,Qiu R,Guo N.Demonstration of Spectrum Sensing with Blindly Learned Features[J].Communications Letters,2011,15(05):548-550.

[23]Hou S,Qiu R C.Spectrum Sensing for Cognitive Radio Using Kernel-based Learning[M].Computer Science,2012.

[24]孫宇,盧光躍,彌寅.子空間投影的頻譜感知演算法研究[J].信號處理,2015,31(04):483-489.

[25]LI Yan,Wang Xi-nan.A Modified VS LMS Algorithm[C].The 9th International Conference on Advanced Communication Technology,2007:615-618.

[26]盧光躍,葉迎暉,孫宇等.克服雜訊不確定度的擬合優度檢驗頻譜感知演算法[J].電訊技術,2016,56(01):26-31.

[27]齊佩漢,司江勃.基於功率譜分段對消頻譜感知演算法研究及性能分析[J].電子與信息學報,2014(04):769-774.

[28]葉迎暉,盧光躍.基於相關係數的多天線協作頻譜盲檢測[J].電視技術,2016,40(04):65-68.

[29]金燕君,朱琦,鄭寶玉.認知無線電中動態雙門限協作頻譜感知性能的優化方案[J].信號處理,2015(03):319-327.

[30]朱佳,鄭寶玉,鄒玉龍.基於最佳中繼選擇的協作頻譜感知方案研究[J].電子學報,2010,38(01):92-98.

作者：郭文祥，余志勇，逄　晨，孫亞民

單位：火箭軍工程大學，陝西 西安 710025

作者簡介：郭文祥，男，碩士，主要研究方向為認知無線電、數字信號處理；

余志勇，男，博士，教授，主要研究方向為電磁環境效應、頻譜管理；

逄　晨，女，碩士，主要研究方向為數字信號處理；

孫亞民，男，碩士，主要研究方向為電磁環境效應、數字信號處理。

本文刊登在《通信技術》2018年第2期（轉載請註明出處，否則禁止轉載）

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！