a survey of spectrum sensing algorithms for cognitive radio applicationsWord格式.docx
《a survey of spectrum sensing algorithms for cognitive radio applicationsWord格式.docx》由会员分享，可在线阅读，更多相关《a survey of spectrum sensing algorithms for cognitive radio applicationsWord格式.docx（29页珍藏版）》请在冰豆网上搜索。
地理位置和数据库、信标、本地认知无线电的频谱感知这三种方法都可以用来确定频谱使用的当前状态【4】，【5】，【6】。
当使用信标时，传输的信息主要包括占用的频谱，和诸如信道状况等高级特征。
本文关注认知无线电中的频谱感知技术是因为它具有更广阔的应用范围和较低的基础设施要求。
在需要时，我们也会提及一些其它的感知方法。
尽管在传统意义上频谱感知被理解为对频带容量和频带范围内能量的测量，但考虑到认知无线电时，它的内容更加宽泛，如在时间、空间、频率和编码等多重维度上获取频带使用特征；
同时它也指以包括调制方式、波形、带宽、载频在内的何种信号形式来利用频带资源。
然而，这就需要更先进的信号分析技术，并会引入额外的计算复杂度。
图1认知无线电频谱感知的不同方面
图1中显示了频谱感知技术的各个方面。
本文的目的就是研究图1中所提出的某些部分。
这些不同方面将在文章中逐个讨论。
我们首先在第二部分介绍一下多重维度的频谱感知技术。
在第三部分我们会介绍频谱感知技术所遇到的问题和挑战。
第四部分解释了主动频谱感知技术。
第五章介绍了协作感知的概念和它的不同形式。
第六章讨论了预测主用户行为的网络业务和应用模型。
最后，一些现代无线标准中的感知技术将在第七章介绍。
第二部分多重维度的频谱感知
机会的定义决定了测量和开发频谱空间的方式。
频谱机会的传统定义指“在某一地点，某段时间内，没有被主用户使用的一块频带宽度”【7】。
这一定义只研究频谱的时间、空间、和频率这三个维度。
然而，还有其它维度可以开发。
比如，码元维度在之前的文献中都没有仔细研究。
因此传统的频谱检测算法不会处理诸如扩频，调频或是跳时的信号。
这些信号就是第三部分中提到的当前频谱感知存在的主要问题之一。
如果定义了码维这个概念之后，这个问题就会迎刃而解，而且会得到新的频谱机会。
自然，这也会给检测和估计新机会带来新的挑战。
于此相同，在频谱机会研究中，角度维度也没有提及过。
我们之前假定主用户和次级用户向在整个方向上发送信号。
然而，随着最近在多天线技术上取得的诸如波束成型等技术的进步，在同一地域，多用户在同一时间可以被复用到相同的信道中。
换句话说，我们可以引进另一个新的频谱的维度。
这一新的维度提供了新的频谱机会，但是我们不仅要估计出频谱，还要估计出到达角。
请注意，这里的角度维与空间维是不同的。
在角度域中，一个主用户和一个次级用户是可以在同一时间同一地点使用同一条信道。
然而，空间维仅指将通过空间距离区分无线电波。
有了新的维度，仅仅感知频率维上的频谱使用就显得不够。
用新的维度定义的无线电空间可以定义为“一种无线电波占据的包括时间、地点、到达角、频率或者是其它的多维空间”【8】，【9】。
这个多维空间又被称为电场空间、传输多维空间、无线电频谱空间、或者如其他大多数作者，简单地称为频谱空间。
这个多维空间可以用来解释无线电环境怎样被多用户所使用【9】，【10】，【11】。
表1通过文字和一些图片总结了多维空间的不同维度和相应的测量和感知方法。
为了得到一个完整的频谱信息，每一个维度都有自己的参数需要感知。
维度
待测参数
评论
图示
频率
频域的接入机会
部分频段的使用机会。
可用频谱划分为许多窄带频道。
频谱机会在频率维上的含义是指这些频道不可能同一时间都在使用。
因此，那些没有使用的频道就是频谱机会。
时间
某一频段的时域接入机会
某段频谱在时间上的使用机会。
换句话说，任何频带都不会一直在使用，当它不使用时就是频谱机会。
地理空间
位置（维度、经度、海拔）和主用户间的距离
可能一些地方在使用某段频谱，而另一些地方则没有使用。
这利用了电波的空间损耗。
空间上可以简单地测量干扰幅度。
没有干扰就意味这该地没有主用户。
但是要注意隐藏终端造成的影响。
码域
主用户使用的扩频码、跳时、调频序列。
同步时所需的时间信息。
使用长随机码可以避免同步的工作，但是不能消除时偏造成的影响。
扩频和调频可能占据很宽的频带。
但并不意味着这段频带就不能利用。
当码域采用的码字和主用户所用的码字正交时，就可以在不干扰主用户的情况下立刻传输信息。
这码域的频谱机会要求不仅要检测某一段的使用，还要检测主用户所采用的码字和多径参数。
角度
主用户波束的方向（到达角和仰角）
主用户的位置
知道主用户的位置和角度信息就可以得到角度维的频谱机会。
如果主用户以某一特定角度传输信息，次级用户只需以其他角度传输信息就不会干扰到主用户的传输。
表1多维无线频谱空间和传输比较
为了进行频谱感知，定义一个这种n维的空间是很必要的。
频谱感知就是要检测频谱空间所有的维度，找到空闲的频谱空隙。
比如说，某一频段在这个时候可能是忙的，但是在另一个时候又可能是空闲的。
因此时间维度和频率维度同等重要。
参考资料【12】讨论了如何随机利用无线局域网中的空闲时间。
这个例子可以扩展到其它维度中去。
因此，我们提出了一种感知频谱空间各个维度的新的频谱感知算法。
第三部分挑战
在进入到频谱感知技术的细节之前，本章给出了用于认知无线网络中的频谱感知技术的相关要求。
A硬件要求
认知无线网络中的频谱感知要求高采样率、较大动态范围内高分辨率的模数转换器、多重模拟射频前端电路和高速信号处理器。
噪声方差估计技术经常用于如信道估计、软信息更新、改进切换、功率控制、和信道分配等优化接收技术中【13】。
对已调谐至接收特定频带上发射信号的接收机而言，噪声干扰预测比较容易实现。
此外，接收机能以低复杂度低功率处理器处理窄带基带信号。
但是，在认知无线网络中，终端需要在一个很宽的频带上发射和处理信号，以机会接入空闲频带。
更宽的操作频带给诸如天线、功放等射频部件提出很多额外的要求。
这些部件必须可以在宽频下运行。
而且，需要以较低功率处理大量数据的高速DSP。
感知探测可以通过两种不同的结构实现：
单链无线电和双链无线电【14】，【15】。
在单链结构中，只有特定的时间点才进行频谱感知。
由于时间的限制，感知的精度不能完全保证。
除此之外，由于有些时间点要进行频谱感知，频谱效率相应的就会降低【16】【17】。
单节点结构的一个明显的优点就是它的简单和低开销。
在双链结构中，一个无线电信道用于数据的传输与接收，另一个无线电信道用于监测频谱状况【18】【19】。
它的缺点就是较大的功率消耗和硬件费用。
需要注意的是在双链结构中，我们只需要一个天线就满足上面所说的两个信道【14】。
表2中给出了单链结构和双链结构之间的比较。
根据现有的资源和所需的数据传输率，人们可以在两者中做出选择。
单链结构
双链结构
优点
简单、开销小
频谱效率高、感知精度好
缺点
频谱效率低、感知精度差
开销大、复杂度高
表2单双链感知结构的比较
现在已经有一些可供使用的硬件和软件认知无线电平台。
诸如GNURadio【20】，UniversalSoftwareRadioPeripheral（USRP）【21】andSharedSpectrum’sXGRadio【22】等等。
由于简单易行，多数平台采用的是基于能量检测的频谱感知方法。
然而，多数现行文献中并没有给出具体的实施细节。
第二代平台中将应用更为复杂的技术。
B隐藏主用户问题
图2认知无线电系统的隐藏主用户问题图示
隐藏的主用户问题类似于在载波侦听多址接入（CSMA）中的隐藏节点问题。
这个问题可能有诸多因素引起，包括严重的多径衰落或次级用户在扫描主用户的发射时检测到的阴影效应。
图中为隐藏节点问题的一个例子。
如图2，虚线表示主用户和认知无线电的操作范围。
主用户所在的位置导致认知无线电无法检测到主用户，于是认知无线电设备对主用户造成了干扰。
为了解决隐藏用户的问题，一些文献试着引入协作感知的方法【23】【24】【25】。
我们在第五章会详细讲解协作感知技术。
C检测扩频主用户
目前商用的一些设备，主要应用了两种技术：
固定频率和扩频。
扩频技术又有两种主要的方法，调频扩频法和直接序列扩频法。
固定频率设备工作在固定频率或者频道。
基于802.11a/g的无线局域网就是一个固定频率的典型例子。
调频扩频设备在多个窄带信道上动态变化。
这个就是所谓的“跳”要按照发送端接收端都知道的序列。
直接序列扩频与跳频相似，不同之处在于它只使用一个较宽的频带来弥散能量。
使用跳频或扩频技术发射信号的主用户是很难被探测到的，尽管其实际的信号带宽要窄的多，但是信号功率被分散到一个较宽的频带范围【26】。
如果如第二章所说的调频图案是已知的并且和信号的同步非常准确，那这个问题就可以解决。
然而，设计出一种可以在码维感知的算法并不容易。
D检测时间
即使认知无线电设备的次级用户在运行，主用户也还是可以在任何时候使用自己的频带。
为了防止对主用户造成干扰，也为了防止被主用户干扰，认知无线电设备应该尽可能快的确认主用户的存在并且立即腾出相应的频带。
因此，感知方法应该在一个确定的时间段内确认主用户的存在。
这给频谱感知算法的性能提出了要求，也对认知无线电设备的设计提出了挑战。
检测参数的选择需要在计算速度和感知可靠度上做出权衡。
比如检测的频度，就是一个应该仔细斟酌的参数。
最佳值的选取决定于认知无线电本身的能力和环境中主用户的时间特性【27】。
如果已经知道主用户的状态改变很慢，检测的频度就可以低一些。
类似的一个例子就是电视信道的检测。
除非有一个新的电台开始广播或是一个电台停止广播，否则电视台的状态很少改变。
比如在IEEE802.22的草案中，检测周期定为30秒。
除了检测的频度，频道的检测时间，频道切换时间或是其它相关的时间参数也在里面有给定【28】。
另一个影响检测频度的因素就是主用户的干扰容限。
比如，当一个认知无线电在公共信道搜索接入机会时，为了减少对主用户的干扰，检测过程应该越快越好。
再进一步，如果主用户有占用信道的需求时，感知无线电应该能迅速的清空频带。
论文【29】对次级用户的检测时间的影响做了研究。
文中给出了搜索可用信道的最佳检测时间和监视正在使用的信道的时间。
这样做的目的是为了在保证主用户使用情况下最大化次级用户的平均吞吐量。
同样地，论文【16】中给出了检测时间的数学优化结果。
在给出的探测概率下信道效率可以最大化。
另一个方法在论文【30】中有所叙述，在文中OFDM中的保护间隔被一些用于感知的静默时间所代替。
因此，在感知的时候不会造成频谱带宽利用上的损失。
如果只感知部分频谱，而不是感知整个目标频谱，那么感知时间可以相应的降低。
论文【31】探讨了一种根据频带占用的估计模型得出的sweeping参数的方法。
次级用户正在使用的频道不能用于探测。
因此，次级用户必须终止数据传输才能进行频谱感知【30】。
但是，这样又降低了整个系统的频谱利用效率【27】。
为了减小该问题造成的影响，人们提出了动态跳频技术【32】。
动态跳频技术基于可利用的信道大于一个这个假设。
在工作频道工作时，系统同时在探测目标信道。
如果还有一个空闲信道，那么系统开始切换到目标信道。
接入点决定了调频的图案并且将相关信息传送给相应的站点。
E协作感知的判决融合
在多节点协作感知的情况中，在认知无线电中分享信息，并且将各种测量结果融合是一个具有挑战性的工作。
共享的信息可以是各个认知节点做出的硬判决或是软判决。
论文【33】中得出的结果显示软判决融合法在性能上优于硬判决融合法。
而另一方面，当协作的节点数很大时，硬判决的性能和软判决是相同的【35】。
基于对数相似度测试的Clair-Varshney准则是融合感知信息的最佳融合准则。
相似度测验用来对判决信息进行分类【33】，【37】【38】【39】【40】。
在论文【41】中给出了不同的融合技术的感知结果。
论文对等增益技术（equalgain-combining,EGC）、选择联合技术（selectioncombining,SC）和转换停留联合技术（switchandstaycombining,SSC）的性能在多径信道条件下的基于功率检测的性能进行了研究。
EGC技术有两个数量级的增益（twoordersofmagnitudegain）而SC和SSC只有一个数量级的增益（oneorderofmagnitudegain）。
当采用硬判决时，与算法、或算法、N分之M算法可以用来融合不同认知无线电的信息【42】。
在与算法中，所有的检测结果都是H1时，才能判定假设H1成立。
H1可以是诸如被观察频段被主用户占据之类的假设。
在或算法中，只要有一个接收到的判决是H1时，次级用户即判定H1成立。
在N分之M算法中，当N个检测结果中有大于等于M个判定H1成立时，次级用户即判定H1成立。
不同次级用户的信息融合可以应用Dempster-Shafer证据理论【43】。
结果显示Dempster-Shafer的理论有比与算法和或算法更好的性能。
论文【44】考虑了不同次级用户的频谱感知可靠度。
在接入点进行的信息融合考虑了每个认知无线电的判决结果和它们的可靠度。
这个可靠度同判决结果一同发送过去。
认知无线电的可靠度取决于信道状况和它们与授权主用户之间的距离。
为了满足一定的虚警率而必须采用的节点数在论文【45】中有相应研究。
F通信安全
在认知无线电中，一个自私或是恶意的用户可能会将空中接口伪装成为一个合法的主用户。
因此，这样它就可以误导合法主用户频谱感知。
在论文【46】中，讨论了遮掩的恶意攻击行为，它将这种行为定义为主用户伪装攻击（PUE）。
文章还研究了恶意伪装攻击对系统造成的影响。
发送者的位置可以用来识别攻击行为【46】。
但是，接下来的问题就是如何在发现攻击后做出有效的抵抗。
论文【47】中提出了基于公共密钥加密的主用户识别方法来防止次级用户伪装成主用户。
合法主用户被要求在发送密钥加密生成的传输信息的同时发送一个加密的签名。
这个签名可以用来证实主用户。
然而，这个方法只能在数字通信系统中使用。
而且，次级用户应该有同步能力并且可以解调主用户的信号。
第四部分认知无线电的频谱感知方法
现行的频谱感知文献仍然处在技术发展的初级阶段。
有很多不同的方法用来识别信号传输的存在。
在一些方法中，识别出传输的一些特征来判断信号传输以及信号的类型。
在本章，我们将介绍认知无线电中的一些常用频谱感知方法。
A基于功率检测的频谱感知
基于功率检测的方法，又称为辐射线测定和周期图法，由于其低复杂度和实施简单，是最常用的一种频谱感知方法【15】，【19】，【23】-【26】，【29】，【31】，【34】，【41】，【44】，【45】，【48】-【63】。
而且，这种方法具有通用性，因为人们不需要知道主用户信号的任何先验信息。
通过比较功率检测器的输出与噪声下限的门限，信号可以很好的检测出来【64】。
基于功率检测的频谱感知所遇到的挑战包括主用户门限的选择，还有无法区分主用户信号和噪声信号，以及在低信噪比下的糟糕表现【48】。
再者，功率检测器的频谱信号检测效率并不高。
我们假定接收信号有如下简单形式
（1）
公式中，
是待检测的信号，
是加性高斯白噪声采样，
是采样点。
注意
=0表示没有主用户在传输。
功率检测的判决量可以写成
（2）
在公式
（2）中，N表示观察矢量的长短。
通过比较判决量M和一个固定的判决门限
即可判定主用户是否占用某个频带。
这与用如下两种假设判定是相同的：
（3）
（4）
检测算法的性能可以用两个概率表示：
检测概率
和误警概率
。
表示在某一频率检测出确实存在的信号的概率。
因此，我们希望得到较大的
还可以如下表示
（5）
则表示没有信号占用频带却检测出信号的误警概率。
可以如下表示
（6）
应尽可能得小，因为它减少了信号的接入机会。
判决的固定门限
应该在
和
中做出权衡。
然而，这就需要噪声和信号功率的相关信息。
噪声功率可以估计，但是信号功率很难估计，因为信号功率与此时的传输特性还有主用户与认知无线电的距离有关。
实际中，门限的选择只考虑虚警率【65】。
因此，只要知道噪声的方差就足够选定门限了。
白噪声可以用零均值，方差为
的高斯随机变量模拟。
如，
由于衰落的存在，
的模型的建立要复杂一些。
简便起见，我们同样用一个零均值的高斯变量来模拟。
因为上述假设，判决量M服从自由度为2N的开方分布。
因此，M可以如下表示
H0
（7）
H1
对于功率检测算法，PF和PD可以用如下公式计算【41】
（8）
（9）
是判决门限，
是非完整伽马函数【66】。
为了比较不同门限值的性能，我们可以画出接收特性曲线。
通过接收特性曲线，我们可以得到不同门限值情况下某种感知方法的灵敏度（检测概率）和特异度（误警概率）。
图3中显示了不同信噪比情况下的接受特性曲线。
信噪比定义为主用户的信噪比。
如
公式
（2）中的采样数量N取15。
如数所示，门限检测的特性随着信噪比的增加有明显的改善。
图3不同信噪比情况下基于功率检测频谱感知的能量检测方法的接收特性曲线
基于能量检测的频谱感知方法的门限值的选取取决于噪声的方差。
因而，噪声功率细小的变化会造成功率估计很大的误差【67】。
为了解决这个问题，我们可以通过分离噪声和信号的子空间动态的估计噪声水平，这种分离可以采用MUSIC算法【68】。
输入信号的自方差矩阵的最小特征值即是噪声的方差。
这个估计值可以用来选择符合特定虚警率的门限值。
论文【62】提出了一种计算门限值的迭代算法。
通过迭代算法找到符合虚警率的判决门限。
论文【54】中提出了在不知道噪声图案的情况下采用基于功率的检测方法的研究。
文中提到的方法可以动态地估计噪声幅度。
因而，这种方法适用于实际中不知道噪声方差时的情况。
几篇论文中研究了在无线局域网中使用基于功率检测的感知方法探测其忙闲时段的测量结果【12】，【55】，【56】。
为了识别利用空闲时隙，论文【51】测量比较了不同GSM时隙的功率幅度。
GSM中的感知工作难点在于认知无线电要同主用户同步，而且感知时间局限于每个时隙间隔内。
论文【69】中采用了相同的方法探究机会接入未使用时隙的方法。
在论文【52】中，接收信号在FFT输出端的功率水平要同判决门限进行比较来确定是否有电视频道。
在每个电视频道中心频率附近的数据要经过FFT变换。
论文【41】讨论了基于功率检测的感知方法在多径衰落信道下的性能。
在高斯信道和各种衰落信道中得到了近似相同的检测概率公式。
论文【70】得出了基于功率检测的感知方法在瑞丽衰落信道下的平均检测概率。
该文还给出了对数正态阴影影响的数学公式。
观察得出基于功率的检测器在瑞丽衰落信道下性能下降严重。
B基于信号波形的感知方法
已知图案经常用于无线系统中的同步等。
这些图案包括前同步码（preamble）,中间同步码（midamble），按规律发送的导频图案，扩展序列等。
前端训练序列指在脉冲信号前发送的训练序列，而中间训练序列指在脉冲或是时隙中发送的训练序列。
如果信号样式已知，可以用接收信号与自己进行相关达到感知目的。
这种方法只适用于信号样式已知的情况，因此叫做基于波形的感知或是耦合感知。
在论文【48】，【58】，【63】中，研究表明基于波形的检测在可靠性和感知时间上都优于基于功率的检测。
而且，随着已知信号样式长度的增加，检测性能会更好。
使用
（1）中相同的模型，基于波形的检测方法的判决量可以写为【48】
（10）
式中的*号代表共轭转置操作。
在没有主用户的情况下，判决量可以写为
（11）
同样，在主用户存在的情况下，信号的判决量可以写为
（12）
主用户是否存在的判决可以通过比较判决量M和固定门限值
为了分析无线局域网的使用特性，论文【55】【56】探讨了IEEE802.11b【71】中信号包的前同步码。
论文【25】中的测量结果表明基于波形的感知方法只需要较少的感知时间。
但是，却易于受到同步误差的影响。
论文【63】研究了WiMAX上行包的前同步码。
C基于循环平稳的感知方法
循环平稳特征检测是一种通过检测接收信号的循环平稳特征来确定主用户的一种方法【15】，【26】，【30】，【44】，【72】-【79】。
循环平稳特征是由信号的周期性或者是由信号统计均值和自相关的周期性引起的，它们也可以被人为地产生用于频谱感知【81】-【83】。
人们使用周期相关函数代替功率谱密度来检测某一频谱内的信号。
基于循环平稳特征的频谱感知方法可以区分主用户和噪声。
这是因为噪声是独立的广义平稳，而由于信号的周期冗余，调制信号是频谱相关的循环平稳【74】。
而且循环平稳可以用来识别主用户和多种不同类型的传输【78】。
接收信号的周期
升级会员 