低信噪比下认知无线电的频谱感知技术精.docx
《低信噪比下认知无线电的频谱感知技术精.docx》由会员分享,可在线阅读,更多相关《低信噪比下认知无线电的频谱感知技术精.docx(69页珍藏版)》请在冰豆网上搜索。
低信噪比下认知无线电的频谱感知技术精
中山大学
硕士学位论文
低信噪比下认知无线电的频谱感知技术
姓名:
张思敏
申请学位级别:
硕士
专业:
通信与信息系统
指导教师:
戴宪华
20100606
摘要
低信噪比下认知无线电的频谱感知技术
专业:
通信与信息系统
硕士生:
张思敏
指导教师:
戴宪华教授
摘要
随着社会的发展,人们对无线通信提出了越来越高的要求。
频谱资源有限而且利用率不高的问题已经成为制约无线通信技术发展的瓶颈之一。
认知无线电是一种智能的频谱共享技术,能够实现频谱资源的再次利用,因此,受到了越来越多的关注。
频谱感知是认知无线电的关键技术之一,认知用户对周围频谱空洞快速且准确的检测,是使主用户免受干扰的重要环节。
为了提高检测的可靠性,人们提出了合作频谱感知技术,即多个认知用户同时去检测目标频段。
本文首先介绍频谱感知技术的国内外研究现状和认知无线电的基本原理;接着介绍单节点频谱感知的主要方法,重点分析了能量检测在各种衰落信道下的检测性能并进行仿真;最后介绍合作频谱感知的硬合并和软合并方案。
围绕如何提高低信噪比下的检测性能这个问题,本文提出了以下两种方法:
第一,基于高阶统计量的频谱感知算法
高阶统计量能够有效地抑制高斯噪声,因此,本文利用双谱进行检测。
仿真结果表明,在低信噪比下,与能量检测相比,有一定的优势。
第二,基于支持向量机(SVM)的合作频谱感知算法
这种方法基于机器学习,这也是认知无线电的主要特征之一,而且它不需要关于噪声的先验信息就能获得良好的检测性能。
具体方法是利用有限的历史数据来建立一个判决函数。
当接收到新的数据时,利用已经建立的判决函数就能快速地做出判决。
仿真结果表明,在低信噪比下,这种方法在性能上比传统的方法有较大的提升,而且十分逼近最优的检测性能。
当历史数据的信噪比与新接收到的主用户信号的信噪比相差lOdB时,仍能保持较好的检测性能。
NI
摘要
关键词:
认知无线电,频谱感知,高阶统计量,支持向量机,能量检测IV
WORNS
ABSTRACT
SpectrumSensingforCognitiveRadioNetwor
inLow
Major:
CommunicationandInformationSystemName:
SiminZhang。
Supervisor:
Prof.XianhuaDai
ABSTRACT
Withthedevelopmentofsociety,peoplehavemadeahigherdemandonwirelesscommunications.However,thelimitedspectrumresourcesandthelowspectrumutilizationefficiencyconstrainedthedevelopmentofwirelesscommunications.Giventhatcognitiveradioisconsideredtoheanintelligentspectrumsharingtechnologytoreusethespectrumresources,ithasattractedmoreandmoreattentions。
Spectrumsensing,oneofthekeytechnologiesofcognitiveradio,needstomakeafastandaccuratedetectionofspectrumboletoavoidtheinterferencetoprimaryusers.Inordertoimprovethereliabilityofdetection,cooperativespectrumsensingamongsecondaryusershasbeenproposed.
Firstly,thispaperintroducestheresearchstatusofspectrumsensingandthebasicprinciplesofcognitiveradio.Secondly,aftertraditionalspectrumsensingmethodsarediscussed,theperformanceofEnergyDetectioninfadingenvironmentsisanalyzedindetailandsimulatedbyMatlab.Finally,thispapershowsthehardinformation-combiningmethodsandsoftinformation-combiningmethodsofcooperativespectrumsens堍.
FocusonhowtoimprovetheperformanceofspectrumsensinginlowSNtLthispaperpresentsthefollowingmethods:
1,Higher-order-statistics—basedSpectrumSensingAlgorkhmHigher-orderstatisticsCaneffectivelysuppressGaussiannoise,sothispaperusesBispectrumDetection.SimulationresultsshowthattheproposedmethodCanachievebetterperformancethanEnergyDetectioninlowSNR.
2,Support—vector-machine—basedCooperativeSpectrumSensingAlgorithmV
ABSTRACT
Ourproposedmethodisbasedonmachinelearning,whichisoneofthemainfeaturesofcognitiveradioanditCanperformeffectivelywithoutpriorinformationofnoise.Morespecifically,weuse
ofindividualsecondary
decisionuserslimitedpreviousdataincludingthelocalteststatisticsandtheircorrespondingdecisionresultstobuildusersafunction.Whenthenewtest-statisticsofsecondarycome,adecisionCanbemadequicklyaccordingtothisfunction.SimulationresultsshowthattheperformanceofOurproposedmethodisbetterthantraditionalmethodsinlowSNRandveryclosetooptimaldetectionperformance.EvenwhenthedifferenceofSNRbetweenthepreviousdataandthenewcomingdataisabout10dB,Ourproposedmethodstillmaintainsrelativelygoodperformance.
KeyWords:
CognitiveRadio,SpectrumSensing,Higher-order
Detection+Statistics,SupportVectorMachine(SVM),Energy
VI
论文原刨性声明
论文原创性声明
本人郑重声明:
所呈交的学位论文,是本人在导师的指导下,独立进行研究工作所取得的成果。
除文中已经注明引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写过的作品成果。
对本文的研究做出重要贡献的个人和集体,均已在文中以明确方式标明。
本人完全意识到本声明的法律结果由本人承担。
学位论文作者签名:
涨恩镦日期:
2口fD年6月6日
第一章引言
第一章引言
认知无线电采用伺机的方式共享和利用频谱,能够有效地解决目前频谱资源有限和利用率不高的问题。
频谱感知是认知无线电的关键技术之一。
本文的主要内容是低信噪比下认知无线电的频谱感知技术。
本章主要介绍了研究背景,频谱感知技术的国内外研究现状,论文的创新点,主要内容及结构安排。
1.1研究背景
从单一的语音通信到多媒体通信的转变要求更高的传输速率,但是当前频谱资源的利用已经越来越紧张。
第一,频谱资源是有限的。
无线通信是通过电磁波来携带有用信息的,国际电联(ITU)把300GHz以下的电磁频谱定义为无线电磁波的频谱,300GHz以上的电磁频谱的使用还在研究中。
实际上,受电波传播特性、技术和设备等方面的限制,目前可使用的较高频段只在几十GHz[11。
第二,频谱资源的利用率不高。
目前,为了避免通信之间的干扰,频谱采用固定分配的原则,由国家统一分配和管理,很多国家已经差不多将本国可用的频谱资源分配完毕【l】。
频谱资源分为授权频段和非授权频段。
得到授权频段的团体或个人称为授权用户或主用户,他们能够长期独占该频段的使用权。
没有分配到授权频段的团体或个人称为非授权用户或认知用户,一般采用竞争方式接入非授权频段。
事实上,授权频段和非授权频段的使用存在不平衡性。
一方面,授权频段占了绝大部分的频谱资源,但是主用户并不会在任何时间都使用该频段,造成不少授权频段处于空闲状态,称为“频谱空洞";另一方面,非授权频段只占很少一部分的频谱资源,但是认知用户却非常多,业务量拥挤。
美国联邦通信委员会(FCC)的研究报告指出,一些频带在大多数时间没有被占用;其他的一些频带只是偶尔被使用;剩下频带的使用非常紧张【2】。
认知无线电(CognitiveRadio,CR)是一种采用伺机的方式共享和利用频谱的技术,能够有效地提高频谱的利用率。
因此,受到了越来越多的关注。
中山大学硕士学位论文:
低信噪比下认知无线电的频谱感知技术
关于认知无线电的定义有四种观点:
第一,以Mitola为首的瑞典皇家科学院。
他们认为认知无线电是软件无线电的扩展,它采用基于模式的推理方式,通过无线电知识描述语言与网络进行智能的交流。
第二,以著名学者SimonHaykin为代表【3】。
他们认为认知无线电能够感知外界环境的变化并从环境中学习,通过实时地改变传输参数来实现对频谱资源的再次利用。
第三,以Rieser为首的维吉尼亚技术中心【4】。
他们认为认知无线电不一定需要以软件无线电为依托,可以采用基于遗传算法的生物启发式模型,对传统的无线电系统进行建模,使灾难性的通信系统可快速部署【5】。
第四,以FCC为代表。
FCC认为,认知无线电能通过动态的频谱共享来提高频谱的利用率,即授权用户具有较高的优先权接入授权频谱,认知用户在不对授权用户造成干扰的情况下采用机会式接入该频谱【61。
相对于前面三种关于认知无线电的定义,FCC的定义更为业界所认同。
随着认知无线电的发展,IEEE,ITU,软件无线电论坛等标准化组织和行业联盟接受了该技术并制定了一系列的标准,国内外的一些研究机构和大学也开展了相关研究,进一步促进认知无线电的发展。
1)2002年12月,FCC指出认知无线电设备应该具有识别频谱空洞的能力。
2)2003年,美国国防部高等研究计划署成立XG(next
工作组,开发认知无线电的动态频谱管理标准。
GenerationProgram)
3)2003年11月,FCC提出干扰温度的概念【7】o
4)2003年12月,FCC正式成立认知无线电工作组。
5)2004年5月,FCC认为认知无线电最适合在6MHz的电视广播频段中应用。
6)2004年10月,IEEE正式成立IEEE802.22工作组,使认知无线电的空中接口标准化【引。
7)2005年lO月,正式批准了关于引入认知无线电技术,使用认知无线电设备的法规。
1.2频谱感知技术的国内外研究现状
频谱感知是认知无线电的关键技术之一。
认知用户能够灵敏地感知外界环境2
中山大学硕士学位论文:
低信噪比下认知无线电的频谱感知技术
较大的提升,而且十分逼近最优的检测性能。
当历史数据的信噪比与新接收到的主用户信号的信噪比相差lOdB时,仍能保持较好的检测性能。
在一定的检测概率和虚报概率下,该方法所需的检测时间和合作的认知用户数都比传统方法少。
1.4论文的主要内容和结构安排
本文主要研究了低信噪比下认知无线电的频谱感知技术。
总结了认知无线电中频谱感知技术的国内外研究现状,重点介绍了能量检测,分析其在各种衰落信道下的检测性能并进行仿真。
围绕如何提高低信噪比下的检测性能这个问题,提出了基于高阶统计量的频谱感知算法和基于支持向量机(SVM)的合作频谱感知算法。
本论文一共分为五个章节,具体的结构安排如下:
・第一章绪论
介绍了认知无线电中频谱感知技术的研究背景,国内外的研究现状,论文的创新点,主要内容及结构安排。
・第二章认知无线电
介绍了Mitola的认知圈,认知无线电的物理层结构和关键技术。
●第三章基于高阶统计量的频谱感知算法
介绍了单节点的频谱感知算法并以能量检测为重点分析其在各种衰落信道下的检测性能。
根据高阶统计量能够有效地抑制高斯噪声的特点,提出了基于高阶统计量的频谱感知算法。
・第四章基于支持向量机的合作频谱感知算法
重点介绍了合作频谱感知技术的硬合并方案和软合并方案。
围绕如何提高低信噪比下的检测性能这个问题,提出了一种基于支持向量机(SVM)的合作频谱感知算法。
●第五章全文工作总结
总结本文所做的工作,并对今后的研究提出进一步的展望。
6
第二章认知无线电
2.2认知无线电的物理层结构
认知无线电能够根据外界环境的变化来调整发射机参数,实现对频谱资源的有效利用和可靠通信,它具有两个主要特征【27】:
1)认知能力:
认知无线电通过与外界环境的实时交互来识别特定时间和地点的“频谱空洞",允许认知用户占用暂时没有被使用的授权频段,避免对主用户造成干扰。
2)可重构性:
认知无线电能够在不修改硬件而且不中断工作的情况下,调整发射机的参数。
图2.3认知无线电的收发机物理结构
为了具备这些能力,认知无线电具有一种新型的射频收发机结构如图2.3所示【251。
它主要由射频前端(RFFront-End)单元和基带处理(BasebandProcess证培)单元组成。
射频前端单元对信号进行放大,混频和模数转换,而基带处理单元进行调制/解调和编码/译码。
认知无线电收发机的每一部件都可以根据实时变化的外界环境,通过控制总线进行重构。
认知无线电收发机最新颖的特征是射频前端能够在很宽的频带内同时进行感知,这个功能主要与自适应滤波器,宽带天线和功率放大器等硬件相关。
认知无线电收发机接收到的信号来自工作在不同功率水平,带宽和地点的发射机,因此,射频前端应该具有在很大的动态频谱范围内检测微弱信号的能力。
射频前端结构如图2.4所示【281,各部分的功能如下【25】:
1)宽带天线(WidebandAntenna):
接收来自不同功率水平,带宽和地点的发射机信号。
9
中山大学硕士学位论文:
低信噪比下认知无线电的频谱感知技术
2)射频滤波器(RFFilter):
通过对接收到的射频信号进行带通滤波来选择所需要的频带。
3)低噪放大器(LowNoiseAmplifier):
对信号进行放大同时降低噪声。
4)混频-器(Mixer):
把接收到的信号与本地产生的射频进行混频并且转换成中频或者基带频率。
5)信道选择滤波器(Charmel
佰追o^-1一~.蚺-SelectionFilter):
选择所需的信道并拒绝相邻的
6)自动增益控带lJ(Automatic
出功率。
GainContr01):
在大带宽范围内稳定放大器的输
乃模数转换器(Analog.to.DigitalConverter):
将模拟信号转换为数字信号。
8)电压转换振荡器(Voltage.ControlledOscillator,VCD):
产生一个给定电压的特定频率的信号与接收到的信号进行混合。
9)锁相环(PhascLockedLoop,PLL):
保证信号能够锁在某一特定频率里。
Wideband
Antenna
ChanneI
RFFilterMixerSelectiONFilterAnalog-to-DigitalConverter
丫L
图2.4认知无线电的宽带射频前端结构
2.3认知无线电的关键技术
认知无线电的关键技术有频谱感知,频谱分析,频谱决策,频谱共享和频谱移动性管理等口91。
1)频谱感知
认知无线电能够灵敏地感知外界环境的变化并识别“频谱空洞"。
频谱感知
lO
第二章认知无线电
主要有两方面工作:
一是判断目标频段是否处于空闲状态,能否被认知用户使用;二是周期性地检测外界环境的变化,一旦主用户重新使用该频段,认知用户要在第一时间检测到它,并在规定时间内退出,避免对主用户造成干扰。
2)频谱分析
可利用的“频谱空洞”有不同的频谱特征,因此,需要对“频谱空洞”的特征,如干扰,路径损失,无线链路错误,链路层延迟,占用时间等参数进行定义,分析和测量,以供用户使用。
3)频谱决策
根据当前的传输要求和频谱空洞的特征,选择最合适的频段来进行传输。
目前频谱决策有基于公平性和通信成本的准则【301,基于信道跳跃协议的准则㈨和基于特定频段上频谱切换数量的准则等【321。
4)频谱共享
频谱共享的重点是动态频谱分配和功率控制。
・动态频谱分配。
目前动态频谱分配的研究主要是基于频谱池的策略。
频谱池的主要思想是将一部分授权频谱合并成一个公共的频谱池,再将整个频谱池划分成若干个子信道,信道是频谱分配的基本单位,以最大化信道利用率为主要目标同时满足干扰的最小化和接入的公平性来实现动态的频谱分配。
主要的分配算法有基于标签机制的动态频谱分配算法【331,基于设备的动态频谱分配算法【34】和基于对策论的动态频谱分配算法㈣等。
・功率控制。
认知用户必须控制自身的发射功率,避免对主用户的通信造成干扰。
5)频谱移动性管理
当认知用户检测到通信质量更好的可用信道或者主用户活动时,认知用户需要切换到另一个信道上进行通信。
频谱移动性管理的目标就是保证平稳快速的频谱切换,使系统性能的下降最小化口71。
2.4本章小结
中山大学硕士学位论文:
低信噪比下认知无线电的频谱感知技术
本章主要介绍认知无线电的基本原理。
首先,介绍Mitola的认知圈和三个基本的认知任务;接着,基于认知无线电的认知能力和可重构性的两个主要特征,介绍认知无线电的物理层结构,并重点介绍其射频前端结构。
最后,对认知无线电的频谱感知,频谱分析,频谱决策,频谱共享和频谱移动性管理等关键技术进行简单介绍,为后面章节中的频谱感知技术的研究奠定了理论基础。
12
第三章基于高阶统计量的频谱感知算法
第三章基于高阶统计量的频谱感知算法
本章的主要内容是基于高阶统计量的频谱感知算法。
首先介绍单节点频谱感知算法。
能量检测作为最常用的频谱感知方法,本章重点分析了其在各种衰落信道下的检测性能并进行性能仿真。
实验表明,受多径衰落和阴影效应的影响,能量检测的性能有所下降。
根据高阶统计量能够有效地抑制高斯噪声的特点,提出了基于高阶统计量的频谱感知算法。
具体方法是利用双谱进行检测,实验表明,在低信噪比下,与能量检测相比,检测性能良好。
3.1单节点频谱感知算法
3.1.1感知模型
当主用户存在时,认知用户接收到的信号为
日:
y(k)=凰(七)+V(七)
当主用户不存在时,认知用户接收到的信号为(3-1)
风:
y(J|})=v(k)(3—2)
其中,s(k)是主用户信号,v(k)是加性的高斯白噪声,h为信道幅度增益,假设在一个检测区间(DetectionInterval),h是常数。
认知用户可以工作在授权频段或者非授权频段。
在非授权频段,所有用户具有相同级别的使用权。
在授权频段,主用户对该频段的使用具有较高的优先权。
检测周期的示意图如图3.1所示【361。
首先,认知用户寻找“频谱空洞”,假设认知用户检测目标频段的时间为乙硎衄,必须满足瓦砌钳≤乙。
当检测到一个“频谱空洞"后,认知用户调整发射功率,载波频率等传输参数,开始传输数据。
接着认知用户周期性地检测主用户是否再次出现,当主用户再次出现时,认知用户马上退出,开始寻找其他的“频谱空洞",直到找到新的“频谱空洞",再重新开始传输数据。
noissimsnartlennahC
中山大学硕士学位论文:
低信噪比下认知无线电的频谱感知技术
-P
r1r
ImC。
hma姗nne孵l
T00nitorDatlmonitoringfChannelsearchDataChannelmonitoringtransmission・●———_—-——●卜●●———-———————-●..・●————————————--■卜Td如T。
e跗出
图3.1检测周期示意图
通常用检测概率最,虚报概率弓,漏检概率己等指标来衡量系统的检测性能,其中,己=1一只‘371。
・检测概率£:
当主用户存在时,检测器判定主用户存在的概率。
・虚报概率0:
当主用户不存在时,检测器判定主用户存在的概率。
・漏检概率己:
当主用户存在时,检测器判定主用户不存在的概率。
下面将重点介绍能量检测,匹配滤波器检测和循环平稳特征检测等三种基于发射机检测的单节点频谱感知算法。
3.1.2能量检测
能量检测是最常用的频谱感知方法,具体方法如图3.2所示【3引。
先将接收到的信号通过一个低通滤波器,除掉带外噪声和邻近信号,然后经过模数转换器,平方器,对Ⅳ个采样值求和取平均后,得到检测统计量x,最后将其与预先设定的门限值A比较。
当x>A时,判定主用户存在;否则,判定主用户不存在。
y斗亘卜臣’虹丑{习1三声幽训I
Thresholddevice丸
图3-2能量检测框图
在理想的AWGN信道下,认知用户接收到的信号为
小叫≈∥篆
14仔3,
第三章基于高阶统计量的频谱感知算法
假议主用尸信号s(J|})是一个独立与I列分布的随机过程,均僵为0,方差为E[1s(尼)12]=《2;噪声V(七)是一个高斯,独立与同分布的随机过程,均值为0,方差为E[IV(七)12]=《2;主用户信号J(七)与噪声V(七)相互独立。
那么,在接收端,认知用户接收到的主用户信号的信噪比为),:
≤。
仃;
设感知时间f内的采样点数为N(N不能大于fZ,为了简便,假设Ⅳ=f,,其中,Z是采样频率),那么检测统计量为
x=掬m)12
1,假设风(3.4)
在假设1-Io下,对于复数情况,检测统计量的概率密度函数‰(z)服从自由度为2N的卡方分布;对于实数情况,Po(x)服从自由度为N的卡方分布,那么虚报概率为【39】
ef=Pr(x>AI%)=J[:
。
po(x)ax(3-5)
由中心极限定理(cLT)得:
当N很大时,po(X)近似为一个均值地=仃;,方差仃。
2=专[ElV(Jj})14一仃;]的正态分布∞】。
那么,虚报概率为
弓=Q(等)
其中,Q(・)是标准高斯的互补分布函数,i.e.,仔6,
∞,=去fexp㈠产
对于方差仃;的讨论,细分为以下两种情况‘391:
仔7,
1)当V(后)是实数的高斯噪声时,ElV(七)14=3仃,4,所以%2=丙2仃:
;
2)当1,(后)是循环对称的复数高斯(CircularlySymmetricComplexGaussian,CSCG)蜊,EIV(后)14=2仃,4,所以%2=万1仃;。
15
中山大学硕士学位论文:
低信噪比下认知无线电的频谱感知技术
X,J于情况1),虚报概翠为
Ⅷ陆-阍
对于给定的虚报概率,门限值为p8,
~;(尽_1(州
2,假设qp9,
在假设q下,检测统计量x的概率密度函数为A(x),那么检测概率为‘391
只=Pr(x>ZlH0=』:
。
A@)dx(3-10)