低信噪比情况下的认知无线电的频谱感知技术精.docx

低信噪比情况下的认知无线电的频谱感知技术精.docx

《低信噪比情况下的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《低信噪比情况下的认知无线电的频谱感知技术精.docx（74页珍藏版）》请在冰豆网上搜索。

低信噪比情况下的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：

***

申请学位级别：

硕士

专业：

通信与信息系统

指导教师：

***

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

第一章引言

的变化并识别“频谱空洞”。

“频谱空洞＂是指那些本来分配给主用户使用，但是在特定的时间和地点内并没有被主用户使用的频带ｆ５１。

主用户对授权频段的使用具有比认知用户更高的优先权，在不对主用户造成干扰的情况下认知用户可以使用该频段，当主用户开始工作时，认知用户要在规定时间内退出。

由于认知用户与主用户之间不存在信息交互，认知用户很难获得主用户的状态信息，因此，目前频谱感知技术的研究主要集中在认知用户如何检测正在工作的主用户。

广Ｍ砌ｅｄＦ’１ｌｔｅ‘Ｄｅｔｅｃｎ。

ｎ

广一ＴｒａｎｓｍｉｔｔｅｒＤｅｔｅｃｔｉｏｎ

ｌ

ｓｐｅｃｔｒｕｍＳｅｌｌｓｉｎｇｑ－ＥｎｅｒｇｙＤｅｔｅｃｔｉｏｎＩ０ＬＲｃｃｅｉｖｅｒＤｅｔｅｃｔｉｏｎｃｙｃｌｏｓｔａｔｉｏｎａｒｙＦｅａｎ耽珧眦痂ｎ

Ｌｃ。

。

∞ｒ撕ｖｅ。

ｅ钯ｃ石。

ｎ

图１－１频谱检测算法的分类

频谱感知（ＳｐｅｃｔｒｕｍＳｅｎｓｉｎｇ）ｎ－－Ｊ以分为发射机检钡，ｔＪ（ＴｒａｎｓｍｉｔｔｅｒＤｅｔｅｃｔｉｏｎ），接收机检’狈，ｌＪ（ＲｅｃｅｉｖｅｒＤｅｔｅｃｔｉｏｎ）和合作检测（ＣｏｏｐｅｒａｔｉｖｅＤｅｔｅｃｔｉｏｎ）－－类，如图１．１所示１９］。

发射机检测可以分为三类：

能量检测（Ｅｎｅ曙ｙＤｅｔｅｃｔｉｏｎ），匹配滤波器检测（ＭａｔｃｈｅｄＦｉＲｅｒＤｅｔｅｃｔｉｏｎ）和循环平稳特征检钡，ｌＪ（ＣｙｃｌｏｓｔａｔｉｏｎａｒｙＦｅａｔｕｒｅＤｅｔｅｃｔｉｏｎ）。

这些算法已经发展得相当成熟，而且各有其优缺点和适用范围。

本文的第三章将对这三种单节点的频谱感知算法进行介绍，重点研究能量检测，分析多径衰落及阴影效应对其检测性能的影响。

接收机检测是通过判断主用户的接收机是否处于工作状态来确定主用户是否正在使用该授权频谱。

接收机检测主要有两种方法：

本振泄漏功率检测和干扰温度检测。

本振泄漏功率检测是根据主用户接收机射频端是否存在本振泄漏功率来判断主用户是否正在工作。

但是，本振泄漏功率是变化的，而且认知用户接收机检测远距离的本振泄漏功率是有困难的，因此，需要在主用户接收端布置小的，低成本的传感器。

总的来说，本振泄漏功率检测的缺点是检测时间比较长，而且有效检测的距离比较短；它的优点是实际可操作性比较强。

干扰温度检测是认知用户估计主用户接收机的干扰温度，然后有意识地控制

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

自身的发射功率，使主用户接收机的干扰温度小于它所能容忍的最大限。

干扰温度指处于某一地理位置的接收机能够在目标频段上正常工作的最差环境，即可接受的射频干扰的程度。

在该频段内，任何使噪声基底上升并超出干扰温度界限的发射都被认为是有害的。

目前，干扰温度检测遇到一系列技术难题【１０】：

一方面，由于主用户的工作效率很高，认知用户以频谱共享的方式接入的有效性不高；另一方面，测量干扰温度在大多数情况下是很困难的。

认知用户在检测过程中，不可避免地受到多径衰落、阴影效应以及本地干扰等因素的影响，造成接收到的主用户信号过于微弱。

另外，对于发射机检测来说，处于主用户发射机覆盖范围之外的认知用户根本不能正常地接收主用户的信号，造成“隐藏终端”的问题。

为了解决这些问题，人们提出了合作频谱感知技术，即多个认知用户进行合作检测，利用认知用户相对于主用户地理位置的不同所构成的空间分集来提高检测性能，有效地解决“隐藏终端”的问题。

合作频谱感知技术可以分为集中式和分布式两类：

１）集中式：

认知用户的基站或某个认知用户作为数据融合中心，参与合作的各个认知用户将本地检测的结果通过一条控制信道发送到数据融合中心，中心节点根据接收到的本地检测结果，采用数据融合准则进行全局判决。

２）分布式：

参与合作的各个认知用户之间交流感知信息并做出最后的判决。

数据融合准则分为硬合并方案和软合并方案两类。

硬合并方案是指参与合作的认知用户将本地判决信息以０或者１的形式发送到数据融合中心，中心节点对所有接收到的单比特判决信息进行融合后做出全局判决【１１】。

常用的硬合并准则有‘‘ＯＲ，’准则，‘＇ＡＮＤ”准则，‘＇Ｍａｊｏｒｉｔｙ＇’准则和“Ｃｈａｉｒ－Ｖａｒｓｈｎｅｙ＇’准则等。

硬合并方案实现简单，传输开销小，但是性能一般，而且很容易受到恶意用户的攻击。

软合并方案是本地的认知用户直接将检测到的数据传送到数据融合中心，中心节点采用适当的算法对这些信息进行合并后做出判决。

在大多数情况下，软合并方案的检测性能比硬合并方案好【１２】，但是当合作的认知用户很多时，硬合并方案和软合并方案的效果相当【１３】。

文献【１４】表明一个认知网络里的所有认知用户都参与合作，并不能获得最优的检测性能，根据特定的检测概率或者虚报概率来选择具有最大信噪比的几个认知用户进行合作，才能获得最佳的检测性能。

文献

【１５】提出了一种加权的序贯检测方案（Ｗｅｉｇｈｔｅｄ

４ＳｅｑｕｅｎｔｉａｌＰｒｏｂａｂｉｌｉｔｙＲａｄｉｏＴｅｓｔ，

第一章引言

ＷＳＰＲＴ），为了避免恶意节点的破坏，它通过一定的规则自动地更新每个认知用户的置信度权值。

即使在恶意节点比较多的情况下，该方案也能获得较好的检测性能。

文献【１６】提出了一种基于Ｄ．Ｓ证据理论的合作频谱感知算法，每个认知用户将本地的判决结果及其对应的置信度系数发送到数据融合中心，中心节点根据Ｄ．Ｓ证据理论对目标频段做出全局判决。

由于软合并方案利用了大量的信息，所以检测性能较好，但是需要较大的带宽来传输信息，开销大。

因此，很多文献提出了减少开销的方法。

文献［１７】提出了一个投票机制，只有具有一定信任度的认知用户才能将本地检测信息发送到数据融合中心。

文献［１８１提出采用两个门限进行检测，落在两个门限之间的检测数据缺乏可靠性，因此不发送到数据融合中心。

文献［１９】提出采用三个门限进行检测，采用软化的两比特硬合并方法将接收到的数据转化为两比特信息并传送到数据融合中心。

另外，基于似然比检验的合作频谱感知算法例和基于线性加权的合作频谱感知算法【２１】啦３１将在第四章详细介绍。

目前关于认知无线电中的合作频谱感知技术的研究还是很有限的，如何提高检测的灵敏度和设计高效的数据融合算法是合作频谱感知技术的研究重点【２２１。

１．３论文的主要创新点

本文重点研究了认知无线电中的频谱感知技术，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。

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（ＳＶｒｖＯ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５

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

第二章认知无线电

本章主要介绍了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，以射频前端结构为重点介绍认知无线电的物理层结构。

最后，概述认知无线电的关键技术，为后面章节中频谱感知技术的研究奠定了理论基础。

２．１Ｍｉｔｏｌａ的认知圈

“认知无线电”最早是由瑞典ＪｏｓｅｐｈＭｉｔｏｌａＩＩＩ博士在１９９９年提出的。

他认为认知无线电是软件无线电（Ｓｏ，ｗａｒｅＲａｄｉｏ，ＳＲ）的扩展，它通过无线电知识描述语言（ＲａｄｉｏＫｎｏｗｌｅｄｇｅＲｅｐｒｅｓｅｎｔａｔｉｏｎＬａｎｇｕａｇｅ，ＲＫＲＩ，）来增加个人无线通信业务的灵活性，并采用基于模型的推理方式与认知网络进行交流【２４１。

图２．１Ｍｉｔｏｌａ的认知圈

Ｍｉｔｏｌａ提出了一个以通信前后环境和位置为基础，主要工作在应用层的认知７

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

圈（ＣｏｇｎｉｔｉｏｎＣｙｃｌｅ），如图２．１所示【２５】。

该认知圈描述了这样一个过程：

认知无线电受外部环境（ＯｕｔｓｉｄｅＷｏｒｌｄ）的刺激进入认知圈，利用感知的新状态（ＮｅｗＳｔａｔｅｓ）和先验知识（ＰｒｉｏｒＳｔａｔｅｓ），进行持续的观察（Ｏｂｓｅｒｖｅ），自身定位（Ｏｒｉｅｎｔ），制定计划（Ｐｌａｎ），学习（Ｌｅａｒｎ），判决（Ｄｅｃｉｄｅ）并执行（Ａｃｔ）【２６】。

学习是观察，计划和判决阶段的功能函数。

在观察阶段，认知无线电通过读取传感器的温度和测位等来推断用户的前后通信环境，根据外界刺激的优先级来进行定位。

在计划阶段，对偶然事件进行推理。

在判决阶段，从候选计划中选出最合适的方案。

在执行阶段，触动选中的程序。

在正常（Ｎｏｒｍａｌ）情况下，认知无线电会先制定计划，‘然后判决，最后执行。

在紧急（Ｕｒｇｅｎｔ）情况下，省略制定计划，进入判决来重新分配资源。

在即刻（Ｉｎ蚰ｅｄｉａｔｅ）情况下，直接执行。

ＴｒａｎｓｍｉｔｔｅｒＲｅｃｅｉｖｅｔ

图２－２基本认知豳

认知无线电的三个最基本的认知任务：

１）无线电环境分析：

估计认知网络中的干扰温度，检测“频谱空洞”；

２）信道识别：

估计信道状态信息，预测发射机信道容量；

３）功率控制和动态频谱管理。

任务１）和２）在接收机中执行，任务３）在发射机中执行，这三个认知任务通过与射频环境的交互形成了一个基本的认知圈，如图２．２所示【５１。

８

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