認(rèn)知OFDM系統(tǒng)中頻譜感知與基于感知的干擾對齊方法研究.pdf

1、頻譜資源作為不可再生資源，其稀缺性問題越來越受到關(guān)注。特別是在通信服務(wù)不斷發(fā)展以及4G技術(shù)廣泛應(yīng)用的今天，如何解決頻譜資源稀缺、提高頻譜利用率，已成為學(xué)術(shù)界的研究重點(diǎn)。傳統(tǒng)的解決方法只能在一定程度上提高頻譜利用率，卻仍然無法滿足當(dāng)今社會(huì)對頻譜資源的需求。認(rèn)知無線電（Cognitive Radio，CR）技術(shù)的出現(xiàn)為解決這一問題提供了新的方法。
　　本文以基于正交頻分復(fù)用技術(shù)（Orthogonal Frequency Divisio

2、n Multiplexing，OFDM）的認(rèn)知OFDM通信系統(tǒng)為背景，以如何快速準(zhǔn)確發(fā)現(xiàn)空閑的授權(quán)頻譜以及如何減少次用戶共享空閑頻譜時(shí)產(chǎn)生的互干擾為研究目標(biāo)，重點(diǎn)研究OFDM頻譜感知技術(shù)，并在高效頻譜感知的基礎(chǔ)上研究了干擾對齊技術(shù)，具體的研究內(nèi)容主要包括以下四個(gè)部分：
　　(1)為了解決單徑信道（高斯白噪聲信道）下簡單頻譜感知算法感知準(zhǔn)確度相對不高，而感知準(zhǔn)確度較好的最優(yōu)OFDM頻譜感知算法沒有閉式解，無法在實(shí)際中得到應(yīng)用的問題，

3、提出一種次優(yōu)的基于微分特性（Differential Characteristics，DC）的OFDM頻譜感知算法。該算法通過微分運(yùn)算，以求極值的方式化簡檢驗(yàn)統(tǒng)計(jì)量，其感知準(zhǔn)確度與最優(yōu)OFDM頻譜感知算法相比略有下降，但是明顯優(yōu)于其它感知算法。此外，DC頻譜感知算法在降低了計(jì)算復(fù)雜度的同時(shí)，從理論上得到虛警概率和漏檢概率的閉式解，比最優(yōu)OFDM頻譜感知算法更加適合于實(shí)際應(yīng)用。同時(shí)，利用基于微分特性的OFDM頻譜感知算法的核心思想，對目前

4、性能較好的利用循環(huán)前綴（Cyclic Prefix，CP）和導(dǎo)頻（Pilot Tones，PT）特性的頻譜感知算法進(jìn)行了改進(jìn)，分別提出了基于微分特性的循環(huán)前綴（Differential Characteristics-Based Cyclic Prefix，DC-CP）感知算法和基于微分特性的導(dǎo)頻（Differential Characteristics-Based Pilot Tones，DC-PT）感知算法。與原算法相比，DC-CP

5、和DC-PT感知算法在沒有增加計(jì)算復(fù)雜度的情況下都提高了感知準(zhǔn)確度。
　　(2)為解決多徑信道（多徑瑞利信道）下頻譜感知算法受傳輸延時(shí)影響嚴(yán)重的問題，本文提出一種基于窗函數(shù)的循環(huán)前綴檢測（Window Function-Based Cyclic Prefix，WF-CP）算法。利用窗函數(shù)對所有互相關(guān)值進(jìn)行累加求和，增加了CP相關(guān)性在感知過程中的作用。并且從理論和實(shí)驗(yàn)兩方面證明了WF-CP感知算法的性能與傳輸延時(shí)無關(guān)。同時(shí)，為了解決

6、多徑信道下傳統(tǒng)頻譜感知算法受載波頻率偏移（Carrier Frequency Offset，CFO）影響嚴(yán)重的問題，本文提出一種基于互相關(guān)矩陣的導(dǎo)頻檢測（Cross Correlation Matrix-Based Pilot Tones，CCM-PT）算法。該算法在頻域?qū)λ芯哂邢嗤瑢?dǎo)頻分布的數(shù)據(jù)進(jìn)行互相關(guān)運(yùn)算，利用互相關(guān)矩陣上三角元素的和作為檢驗(yàn)統(tǒng)計(jì)量，以增加少量的計(jì)算復(fù)雜度為代價(jià)，增強(qiáng)了CFO的魯棒性，獲得了更好的感知性能。

7、>　　(3)為了解決傳統(tǒng)非盲OFDM頻譜感知算法需要大量先驗(yàn)知識(shí)而盲OFDM頻譜感知計(jì)算復(fù)雜度高、感知準(zhǔn)確度低的問題，本文首次將深度學(xué)習(xí)的方法應(yīng)用于頻譜感知，提出一種基于棧式自動(dòng)編碼機(jī)（Stacked of Autoencoders，SAE）的盲OFDM頻譜感知方法。利用深度學(xué)習(xí)的結(jié)構(gòu)特點(diǎn)，自動(dòng)對接收信號(hào)分層地提取有用特征，在感知過程中不需要先驗(yàn)知識(shí)，實(shí)現(xiàn)了盲頻譜感知，并在低信噪比條件下感知準(zhǔn)確度高于非盲頻譜感知算法。同時(shí)，為了解決SA

8、E頻譜感知算法在信噪比相對較高時(shí)感知準(zhǔn)確度低于非盲的頻譜感知算法的問題，本文又提出了基于時(shí)域和頻域特征聯(lián)合SAE（Time Domain and Frequency Domain Features-Based SAE，TF-SAE）和基于數(shù)據(jù)融合的TF-SAE（Date Fusion-Based TF-SAE，DF-TF-SAE）盲頻譜感知算法，同時(shí)利用接收信號(hào)時(shí)域和頻域的特征進(jìn)行感知，以一定的感知時(shí)間和硬件消耗為代價(jià)，提高了系統(tǒng)感知結(jié)

9、果的準(zhǔn)確度。
　　(4)為了解決單一頻譜感知算法無法適應(yīng)復(fù)雜的應(yīng)用環(huán)境以及次用戶共享頻譜時(shí)產(chǎn)生互干擾的問題，以本文所提出的頻譜感知算法和干擾對齊技術(shù)為基礎(chǔ)，提出了一種基于頻譜感知的干擾對齊方法。根據(jù)信噪比估計(jì)的結(jié)果以及用戶需求選擇適當(dāng)?shù)念l譜感知算法，以達(dá)到更好的感知性能。為了保證頻譜感知結(jié)果的有效性，提出了一種基于深度學(xué)習(xí)的信噪比估計(jì)（Deep Learning-Based SNR Estimation,DL-SE）算法，實(shí)現(xiàn)了低