認知無線電網(wǎng)絡(luò)中頻譜感知技術(shù)研究.pdf

1、近年來隨著無線通信的飛速發(fā)展，各種移動終端設(shè)備及各類應(yīng)用服務(wù)相繼涌現(xiàn)，無線用戶數(shù)量急劇上升，對無線電頻譜資源的需求也日益加劇。作為一種有限的資源，頻譜資源的使用通常由各政府機構(gòu)采用固定的頻譜分配方式進行管理。隨著多數(shù)的頻譜資源已經(jīng)分配給專門的授權(quán)用戶(主用戶)，新的無線服務(wù)越來越難以獲得可用的頻譜資源，限制了無線通信的研究及發(fā)展。然而，實際測量表明，固定的頻譜分配管理方式不僅減少了新的無線系統(tǒng)設(shè)備可用頻譜資源數(shù)量，而且導(dǎo)致了頻譜資源在時

2、域及頻域的低利用率。因此，亟需新的無線頻譜資源管理方式來提高無線頻譜資源的利用率，為日益發(fā)展的無線通信系統(tǒng)提供進一步的可用資源。
　　 由Mitola提出的認知無線電技術(shù)是一種能夠提高有限頻譜資源的利用率的非常具有應(yīng)用前景的技術(shù)，可從根本上緩解日益嚴重的頻譜資源緊張問題，滿足大信道容量和高數(shù)據(jù)傳送速率等通信技術(shù)發(fā)展的要求，被看作是無線通信中的下一個“大爆炸”，已經(jīng)成為無線通信領(lǐng)域內(nèi)的一個研究熱點，并受到越來越多的關(guān)注。認知無線電

3、是一種能通過對其周圍環(huán)境進行學(xué)習(xí)，實時調(diào)整其通信參數(shù)提供可靠的通信，并達到頻譜資源的高效利用率的智能無線通信系統(tǒng)。其基本思想是頻譜共享，所有的無線用戶被分為主用戶和次用戶兩類，次用戶可以利用主用戶未使用的頻譜資源來進行數(shù)據(jù)通信。為此，次用戶需要進行頻譜感知以判斷主用戶是否正在使用其獲得授權(quán)的頻譜資源；只有當(dāng)主用戶未使用其頻譜資源時，次用戶才可以利用這一頻譜資源進行通信，并根據(jù)頻譜感知的結(jié)果調(diào)整相應(yīng)的通信參數(shù)，達到有效的頻譜資源利用。一旦

4、主用戶出現(xiàn)，次用戶應(yīng)當(dāng)以較高概率做出正確的判斷，并立即退出當(dāng)前信道以減少對主用戶造成的干擾。因此，準(zhǔn)確高效的頻譜感知是認知無線電技術(shù)應(yīng)用的一個重要前提，頻譜感知也成為無線通信的一個非常熱點的研究領(lǐng)域。
　　 盡管學(xué)者們針對認知無線電的核心技術(shù)頻譜感知展開了大量的研究，提出了多種頻譜感知算法，如匹配濾波法、循環(huán)平穩(wěn)檢測法、能量檢測法、協(xié)作感知等。然而，一方面，現(xiàn)有的算法多針對高斯噪聲下的檢測，實際通信中，受環(huán)境及設(shè)備沖擊特性的影響

5、，次用戶端的噪聲多為非高斯噪聲，此時，這些高斯噪聲假設(shè)下的頻譜感知算法的性能將大大降低；另一方面，受衰落、陰影及噪聲不確定性等因素的影響，次用戶不僅難以獲得準(zhǔn)確的噪聲信號先驗信息，而且其所觀測到的主用戶信噪比較低，且在很大范圍內(nèi)波動；此外，為提高認知網(wǎng)絡(luò)所能達到的容量，次用戶應(yīng)當(dāng)在較短的時間內(nèi)就可達到一個很好的檢測性能。而且，協(xié)作感知也帶來了額外的感知流量開銷和能量損耗。因此，頻譜感知仍然面臨許多挑戰(zhàn)，需要大量深入的研究來解決這些問題，

6、以推動認知無線電技術(shù)的發(fā)展及應(yīng)用。
　　 本文主要針對頻譜感知面臨的上述難點展開研究。首先在前兩章中介紹了認知無線電的模型、系統(tǒng)功能、網(wǎng)絡(luò)結(jié)構(gòu)等基礎(chǔ)知識，并對頻譜感知的研究現(xiàn)狀、各種頻譜感知技術(shù)、及頻譜感知所臨的難點與挑戰(zhàn)進行了分析與討論。隨后，針對上述幾個問題，分別提出了幾種適用于不同場景、無需主用戶信號任何先驗信息的有效的頻譜感知算法，主要取得了以下幾個方面的研究成果：
　　 1)復(fù)高斯噪聲中，噪聲方差已知時的準(zhǔn)確有

7、效的基于能量的頻譜感知算法：在第三章中，對現(xiàn)有的復(fù)高斯噪聲中基于能量檢測的頻譜感知算法進行了介紹及分析，并提出了一種準(zhǔn)確、有效的基于能量的頻譜感知算法?，F(xiàn)有的能量檢測法的理論檢測性能與實際檢測性能之間存在著不可忽略的誤差，進而影響相關(guān)的頻譜感知優(yōu)化設(shè)計。為解決這一問題，提出了一種準(zhǔn)確有效的能量檢測法，并根據(jù)其檢測量在不同條件下的近似概率密度函數(shù)，推導(dǎo)出了其檢測性能的理論表達式。大量仿真驗證了所提出的能量檢測法相對于現(xiàn)有能量檢測法的優(yōu)越性

8、：首先，其理論檢測性能與實際檢測性能很好得吻合，驗證了本文所給出的檢測量的各種近似分布函數(shù)的有效性及相應(yīng)的理論檢測性能表達式的準(zhǔn)確性，為頻譜感知的優(yōu)化設(shè)計提供了基礎(chǔ)；其次，本章所提出的能量檢測法在不同的信噪比、感知時間長度及預(yù)期虛警率等條件下的實際檢測率明顯高于現(xiàn)有的能量檢測法，能夠大大減少次用戶對主用戶造成的干擾，并提高頻譜資源的利用率。
　　 2)基于樣本協(xié)方差矩陣特征值的高魯棒、盲頻譜感知算法：針對無任何噪聲先驗信息可用的

9、感知場景，我們在第四章提出了一種基于特征值的高魯棒頻譜感知算法。它無需任何主用戶信號、信道及噪聲的先驗信息，是一種盲的頻譜感知算法。次用戶先對其觀測到的信號進行歸一化處理，計算其樣本協(xié)方差矩陣的最大、最小特征值及兩者的比值，并將其作為檢測量；通過比較其與判決門限的大小來進行頻譜資源使用情況的判斷。其判決門限則是利用隨機矩陣理論中最大、最小特征值的收斂分布定理，根據(jù)系統(tǒng)要求的虛警率來設(shè)置。歸一化處理能夠去除噪聲中的脈沖成分，使得檢測量的分

10、布有利于頻譜感知的判決。大量仿真驗證了所提出的頻譜感知算法的有效性及優(yōu)越性。在非高斯噪聲下，其頻譜感知性能均大大優(yōu)于現(xiàn)有的頻譜感知算法，達到非常好的檢測率和很低的虛警率，即能夠同時提高頻譜資源的利用率和減少次用戶對主用戶造成的干擾；在高斯噪聲下，相對于現(xiàn)有的基于特征值的頻譜感知算法，其檢測率損耗僅僅約為0.5dB。
　　 3)基于少量噪聲樣本的快速、魯棒頻譜感知算法：當(dāng)存在少量可用于感知的參考噪聲樣本時，為使次用戶在較短的感知時

11、間內(nèi)就可達到較好的頻譜感知性能，我們在第五章提出了一種基于K-S檢驗的快速、魯棒頻譜感知算法。其檢測量為感知時間內(nèi)的觀測數(shù)據(jù)和先驗噪聲樣本序列兩者的經(jīng)驗累積分布函數(shù)的最大絕對差值。它無需任何主用戶信號先驗信息，只需少量的噪聲樣本序列就可在較短的感知時間內(nèi)達到很好的檢測性能。與能量檢測法相比，高斯噪聲中K-S感知算法的檢測性能受噪聲不確定性的影響甚微，能夠達到系統(tǒng)的檢測性能要求；在非高斯噪聲中，其檢測性能大大優(yōu)于能量檢測法。此外，相對于基

12、于特征值的頻譜感知算法，K-S感知算法能在較短的感知時間內(nèi)就可達到很好的檢測性能。
　　 4)基于不同先驗噪聲信息的高魯棒、序列頻譜感知算法：主用戶信噪比的取值范圍較大時，序列感知算法可以根據(jù)實際觀測到的主用戶信號信噪比做出一個快速的頻譜資源使用狀況判斷。當(dāng)信噪比較高時，次用戶只需觀測少量信號樣本就可做出正確的判斷，進而減少感知損耗。根據(jù)已知噪聲先驗信息的不同，第六章提出了兩種高魯棒的基于K-S檢驗的序列頻譜感知算法。相對于其他