认知无线电的相关资料-认知无线电网络频谱检测研究.pdf

发布时间：2022-05-29 发布人：admin 分类：说明书资料大小：0.71M 资料格式：pdf 举报版权申诉

weixin_39841856-11532157-4744300845377434760.pdf-第1页.png

第1页 / 共13页

weixin_39841856-11532157-4744300845377434760.pdf-第2页.png

第2页 / 共13页

weixin_39841856-11532157-4744300845377434760.pdf-第3页.png

第3页 / 共13页

weixin_39841856-11532157-4744300845377434760.pdf-第4页.png

第4页 / 共13页

weixin_39841856-11532157-4744300845377434760.pdf-第5页.png

第5页 / 共13页

weixin_39841856-11532157-4744300845377434760.pdf-第6页.png

第6页 / 共13页

weixin_39841856-11532157-4744300845377434760.pdf-第7页.png

第7页 / 共13页

weixin_39841856-11532157-4744300845377434760.pdf-第8页.png

第8页 / 共13页

文本预览

第26卷第2期 2008年3月吉林大学学报(信息科学版) Journal of Jilin University(Information Science Edition) V01．26 No．2 Mar．2008 文章编号：1671-5896(2008)02-0126．10 认知无线电网络频谱检测研究张宇，冯春燕，郭彩丽，曾志民 (北京邮电大学通信网络综合技术研究所，北京100876) 摘要：为解决认知无线电中空闲频谱的识别问题，综述了近期世界范围内的频谱检测方法。分析了基于信道衰落、噪声特性等因素对频谱检测性能的影响，指出了物理层检测、MAC(Media Access Contr01)层自适应检测以及多用户合作检测的关键技术问题及其分析处理方法，并对检测性能进行了定性和定量的分析和探讨。关键词：认知无线电网络；频谱检测；MAC层自适应检测；合作检测中图分类号：TN915．Ol 文献标识码：A Research of Spectrum Sensing in Cognitive Radio Network ZHANG Yu，FENG Chun—yan，GUO Cai-li，ZENG Zhi—min (Institute of Telecommunication Network Technology，Beijing University of Posts and Telecommunications，Beijing 100876，China) Abstract：In order to solve the problem of spectrum recognization in cognitive radio，the spectrum sensing meth- ods of recent years are described．Local spectrum sensing schemes in cognitive radio network were introduced． The impact of spectrum sensing under shadowing／fading environments and noise uncertainty，and adaptive MAC (Media Access Contr01)-layer sensing algorithm was analyzed with emphasis．The effect of the selection of data fusion and decision algorithms，shadowing correlation，the presence of distrusted users on detection performance of cooperative spectrum sensing was also discussed． Key words：cognitive radio network；spectrum sensing；(media access contr01)(MAC)一layer adaptive sens· ing；cooperative spectrum sensing 引言认知无线电(CR：Cognitive Radio)作为一种革命性智能频谱共享技术，可显著提高频谱的使用率，近两年受到了人们的广泛关注¨qj。在认知无线电网络(CRN：Cognitive Radio Network)中，称具有认知功能的非授权用户为CR用户。它能自动感知所处的频谱环境，智能地学习并实时调整编码、信道协议及带宽等传输参数，实现对已分配给授权用户但未被占用频谱空穴的接入。如何采用频谱检测技术准确地识别频谱空穴、检测授权用户出现，是组建实际CRN网络首要解决的问题。在CRN中，频谱检测的本质是CR用户对接收信号进行检测，以判断某信道是否存在授权用户，这里的信道是指广义信道，可代表时隙、频率、码字等。它与信号解调不同，不需要复原原来的信号波形，只需判断授权用户信号的有无。在CRN中，授权用户信号类型和信道传播特性的多样性、以及授权用户所能承受干扰级别的不同，对频谱检测的性能要求更高，加大了频谱检测的技术复杂度。笔者给出了基于信道衰落、噪声特性等因素的频谱检测模型，对物理层检测、MAC(Media Access Contr01)层自适应检测算法、多用户合作检测中需要解决的关键问题及分析处理方法进行了探讨，并对频谱检测性收稿13期：2007-05-29 基金项目：国家自然科学基金资助项目(60772110) 作者简介：张宇(1982一)，男，辽宁盘锦人，北京邮电大学硕士研究生，主要从事移动通信、认知无线电相关技术研究，(Tel)86-lo一 62283425(E-mail)Aegeanl2@鲫aiL com；冯春燕(1963一)，女，太原人，北京邮电大学教授，博士生导师，主要从事移动通信相关技术研究，(Tel)86—10-62282206(E-mail)eyfeng@bupt．edu．∞。万方数据

第2期张宇，等：认知无线电网络频谱检测研究 127 能进行了定量和定性的分析和评估。 1 CRN频谱检测模型动态源路由(DSR：Dynamic Source Routing)协议，是一种典型的按需路由协议，它使用源路由算法，数据分组头部携带了到达目的节点的完整路由。协议运作包括两个部分：路由发现(Route Discov- ery)和路由维护(Route Maintenance)o 1．1路由缓存策略设加性高斯白噪声AWGN(Additive White Gauss Noise)信道下，CR用户接收信号的二元假设检验模型H1表示为 Ho：Y[k]=W[k]， k=1，…，K Hl：Y[k]=X[k]+W[k]， J}=1，…，K … 其中，W[k]一N(O，盯2)，H。，H。分别表示在特定信道授权用户信号不存在和存在的两种假设，Y[k]表示 CR用户接收到的信号序列，x[k]表示授权用户发送信号序列，K为抽样点数。采用数理统计方法，根据Y[k]构造相应检验统计量F(1，)。依据r(y)及判决规则 Hl： r(y)>A；Ho： r(1，)A； (3) 由于WRAN中多种用户并存，如果检测发生错误，不仅CR用户自身受影响，可能对网络中的其他用户都会发生影响，这是与以往的网络不同之处，因此需要灵活地根据网络要求设置门限达到虚警概率与检测概率的要求。文献[6]讨论了以贝叶斯准则为依据设置判决门限 Ho：P(Z l Ho)精；no．器等<精㈩显然，上述奈曼一皮尔逊准则实际上是贝叶斯准则在P(H，)(co。一C。。)=1，P(H。)(C。。一Coo)=A 时的特例。贝叶斯准则的派生有多种，如极大极小化准则、最大后验概率准则、最小总错误概率准则等，每种准则都可在一定的网络环境下用于判决门限的制定。 1．2节点移动对TCP的影响节点移动对TCP(Transmission Control Protoc01)的影响可以是直接的也可以是间接的。前者指当源节点选中这条路由时，该路由是有效的，但在包传送过程中断开，导致路由失效；后者指源节点从路由缓存器中选出这条路由时，该路由已经过时，间接地影响到TCP的性能。 2基于本地的频谱检测技术基于本地的频谱检测是指单个CR用户本地独立检测授权用户信号，分为物理层检测和MAC层检测。 2．1物理层检测 2．1．1 3种基本的检测方法．匹配滤波器检测、能量检测和循环平稳特征检测是3种基本的物理层检测方法【7曲】，适用于不同的应用环境。匹配滤波器检测的结构简单，可以达到很高的检测概率，但需要授权用户信号为确知信号，万方数据

128 吉林大学学报(信息科学版) 第26卷从而限制了这种检测方式的应用，然而也可用在授权用户信号中有一部分是已知波形的情况，例如前导码，导频码，训练序列等都可用于匹配滤波器检测m1。能量检测实现相对比较简单，只需测量频域或时域上一段观测空间内接收信号的总能量判决是否有授权用户出现，是目前应用最广的一种频谱检测方法，但不适于低信噪比SNR(Signal to Noise Ratio，公式中用y表示)情况。表1为匹配滤波器检测和能量检测的抽样复杂度比较，其中Q为补误差函数。表1 匹配滤波器检测与能量检测的抽样复杂度比较 Tab．1 Comparison of sample complexity between match filter detection and energy detection 由表1可见，为达到相同的检测性能，当SNR较大时，两种检测方法的复杂度接近；SNR较小时，能量检测所需抽样复杂度迅速增加”j。由于授权用户信号统计特性一般具有周期性，可看作循环平稳随机过程，适于采用循环平稳特征检测。该检测方法通过引入循环频率a，不同信号的谱相关函数￡∽在“频率厂，循环频率a，幅值S：∽” 三维空间上具有不同的特征¨1，12]。特征的检测是通过对S：∽分析实现的《∽2舰牌划一们寺Fr(t／+trf2)F；(f／一af2)dt 1，A以1 其中一+T／2 Fr(t，秽)=I一耽x(u)e-j2,trt“du (5) (6) 对于不同的授权用户信号，其s：∽会在不同的a与厂处出现峰值；而对于噪声，因其不具有循环平稳特性，仅在a=0频率处出现峰值。根据三维空间中峰值位置的不同可用来检测授权用户信号。这种检测方法，可以不需要了解授权用户信号的先验知识，在低SNR的情况下体现很好的检测性能。但其实现需要进行两次Fourier变换，运算复杂度较高。 2．1．2 多精度检测方法文献[13]提出了一种多精度的检测方式，CR用户通过粗糙检测和精细检测两步得到频谱是否用信息，系统结构如图1，图2所示。小波发生 Clock 图1 粗糙检测系统框图 1 Fig．1 Coarse detection system 图2精细检测系统框图 Fig．2 Fine detection system 在粗糙检测方式中，采用的是小波分析方法，由于小波变换可在频域对信号频谱做多种分辨率的分析，所以对授权用户进行频谱检测时可在信号的频域特征处进行高分辨率变换，从而提高检测概率；而在其他处则做低分辨率变换，节省检测器的运算时间。精细检测方式是在粗糙检测后，若粗糙检测没有检测到授权用户信号，则需精细检测进一步确定。这里采用寻找相关性的方法，由于无线信号一般都具有导频，前导码，循环前缀等特征¨0|，而噪声则往往没有这些特性，所以可利用这些特征做相关性检万方数据

第2期张宇，等：认知无线电网络频谱检测研究 129 测。如果一个信号与其延时后的信号存在很强的相关性，则认为授权用户信号存在。通过两步检测，这种多精度检测方式与单一检测相比，可获得更高的检测概率。 2．1．3孤立点检测方法借助数据挖掘中的概念，可将孤立点检测用于频谱检测中n4卅61，其目的是依据某一准则将射频前端采样得到的样点区分为两类：一类是仅由噪声影响产生；另一类是包含信号分量的样点。如果区分成功，则认为授权用户存在，反之则不存在。以最大距离准则为例，判决式为 ^ r(k+1)>瓦∑Y(i) i=l (7) 式(7)中，y为原始采样序列按照升序排列得到的新序列，死为终检尺度因子，由费舍尔累积分布函数的反函数给出定义式疋=FINv(Pf，2M，2Mk)／k (8) 其中，M=B·T为时域带宽积。如果存在0最；Hl：～爿：(2y) Pd=P{r(】，)>A I Hl}_Q。(历，厕 Pf_尸I r(r)>A IHo}=等铲 (11) (12) 其中，Q。为Marcum函数，厂(·)和厂(·，·)为完全和不完全的，函数。在实际的无线环境中，g，孝并不确定，这时SNR和判决门限的统计特性变化很大，检测性能的分析和评估会更加复杂。 1)信道衰落影响。当信号经历阴影或多径衰落时，式(9)中g随着信道的衰落而变化，这时SNR转化为一个连续的随机变量，检测性能可用平均检测概率P。衡量¨引 Pd=J Q。(以y，领城(戈)dx J^ (13) 信号经历不同的衰落，SNR服从不同的分布。如若信号经历阴影衰落时，SNR服从对数正态分布；若信号经历Rayleigh多径衰落后，SNR服从指数分布等。各种衰落情况下SNR的分布和平均检测概率如表2所示¨91，其中7表示平均SNR。万方数据

130 吉林大学学报(信息科学版) 第26卷表2 各种信道衰落类型下信噪比y分布与平均检测概率Pd比较 Tab．2 Relationship of Pd and y based several fading channels 2)噪声的影响。当实际的噪声只是服从近似高斯分布，存在一定不确定性时，式(9)中f表示实际噪声统计特性波动范围，满足实际噪声方差仃：∈[or：，扣：]，其中盯：表示基准噪声的方差。设s表示授权用户信号功率，采用能量检测时存在两种情况，一种是 or：+5 埘= n+3 (14) L l斗，表示矿：过强，即实际噪声过大，使cR用户错判为授权用户存在，即出现虚警情况。另一种为表示矿：太弱，以至于实际噪声低于估计的噪声门限，使cR用户检测不到信号，即出现漏检情况。可见，由于噪声不确定性的存在，在低SNR情况下能量检测失效。为达到要求的检测概率，实际盯：+S=17"： (15) SNR应至少大于一门限ym。。holdⅢJ，由式(14)，(15)得 (亭一1)(苹等)≤')，thre删≤f一1 、二一g-7 (16) 当式(9)中g，孝都是变量，即信道衰落、噪声的不确定性等因素同时存在时，对检测性能影响的分析会更复杂，还有待研究。实际CR网络中，噪声除了存在不确定性之外，还会随着时间和用户位置的不同而不断变化。对于能量检测，若能实时估计、自适应地调整噪声门限，可更准确地估计判决门限。若采用传统的基于谱估计方法估计噪声门限运算复杂度很大，文献[21]提出了一种运算量相对较小的基于子空间分解的算法，利用信号与噪声的不相关特眭进行估计。设接收信号的自相关函数矩阵 R。(丁o) R。(r1) R。(f2) 尺。(下1) R。(r2)R。(下3) … … R。(r(以一1)) R。(丁(以一2)) R= (17) R。(下(以一1)) … 尺。(丁2) R。(r1) R。(丁o) 其中，Ti(i=0，1，2，…，M一1)代表时延。为保证估计的门限不会过小以致于低于检测精度要求，对式 (17)修正，得到带宽B中的自相关函数矩阵 R，=R／B+(KKT×NNF)I (18) 其中，J为单位阵，KKT为热噪声，J7、r。，为噪声系数。将式(15)进行奇异值分解，得到矩阵R，的特征值万方数据

第2期张宇，等：认知无线电网络频谱检测研究取最小的特征值估计噪声的门限为 A(足f)={A，…，AⅣ} 131 (19) 此外，还有相关文献[8]对A／D转换器的量化精度、检测时的信号同步等问题对检测性能的影响进行了分析。 r／。。=10 lg(min(A以)) ，(20) 2．2 MAC层检测受自身检测能力的限制，CR用户不可能实现全频段、实时地检测，这时需MAC层检测机制控制物理层执行检测，如决定检测哪些信道、何时检测等。因此MAC层检测算法对提高检测性能也很重要。 2．2．1信道检测模型针对CRN中信道利用状态的特性，要实现信道的有效检测，须建立适合的信道检测模型。通常信道i(i∈￡)有“ON”和“OFF”两种状态，分别代表信道“繁忙”和“空闲”，其中在信道处于 “OFF”状态时CR用户可以接人。“ON／OFF”状态的时长之间，“ON”与“OFF”时长之间均满足独立同分布。“ON”和“OFF”的时长一般服从?白松分布或帕累特分布，若分别用r和r两个随机变量表示，其概率密度函数分别为五i(，，)，Y>O；fx‘(戈)，石>0。这种描述信道状态的随机过程可采用时间连续的半马尔可夫链建模[2 2|。 2．2．2信道检测模型目前MAC层检测算法仍存在很多问题，如未考虑检测模式的选择，只适用于特定的授权用户网络；检测参数的设置通常是静态的，不利于提高检测效率等。因此有必要采用自适应的方式控制MAC层执行检测，以实现在最短时间内最大化地发现频谱空穴。其中，检测模式选择、检测周期以及检测时长的自适应是MAC层自适应检测算法研究需要解决的关键问题。 1)检测模式自适应选择算法。检测模式通常可分为周期检测和按需检测。周期检测是主动检测， CR用户按一定的周期检测信道，而不仅是有数据发送时才进行检测。这种方式可周期性地收集信道的状态信息，以利于估计信道状态，快速定位频谱空穴。按需检测是一种被动的检测方式，即当CR用户有数据要发送时才去检测信道。相比周期检测，按需检测减少了不必要的检测开销，但检测时间较长。文献[22]中提出了一种根据“能量效率”原则来决定检测模式的方法，即从信道状态与CR用户本身的业务考虑，选择一种模式，使整个网络使用相同的检测次数可以更迅速地检测到空闲信道。 2)检测周期砟自适应算法。在周期检测模式中，选择合适的砟，不但可以有效地检测空闲频段，避免损失一些接入机会，还可以防止过于频繁地检测，消耗不必要的能量。文献[22]提出了一种根据信道利用率的变化自适应设置检测周期算法。将损失的信道利用时间分为两种：未及时发现信道空闲的时间死oPP和cR用户占用空闲信道过程中由于需检测其它信道而损失的时间‰H。基于“信道检测” 模型，设“ON”与“OFF”的时长分布服从爱尔兰分布，则信道i的瓦oPP可表示为信道i的瓦∞H为， ‰=÷一而3+孚(斋+·) 1uo阡2虿一玩+下I瓦+1 J ‰H=(1-豇i)∑(∥箸l ￡，,ri． J21J尹l、』P 7 (21) uu (22) 其中，豇‘=u‘+吒。即，u‘为信道i的利用率，砟为用于．『信道的检测时间。则自适应检测周期算法要解决的核心问题就是如何选择一组合适的砟使得L个信道的巩卿与‰H之和最小，即巧=argrmin{∑(‰H+曩。蹭)) (23) 其中巧=(砟，…，砖)，代表各个信道的检测周期。 3)检测时长L自适应算法。检测时长乃的选择也很关键。乃过小会导致P。上升，巧加大虽然会提高P。，但会降低频谱的利用率、引起对授权用户的干扰以及增加对硬件性能的要求。万方数据

132 吉林大学学报(信息科学版) 第26卷关于乃的选择，一种思路是基于减小检测能量的目的，在较短的时间内执行快检测，并根据多次快速检测的结果判断是否有必要进行较长时间的细检测心31；另一种思路是利用授权用户频谱在时间和空间上的相关性，估计乃可能存在的偏差动态调整其大小。考虑到不同的信道具有不同的射频环境、信道利用率和所允许的检测错误概率等情况，笔者认为乃的选择可依据以上因素设定。若信道i所允许的检测错误概率 P：=Pf。(乃‘，’，)P(H。)+心(乃‘，y‘)P(H。) (24) 其中信道i的SNR为7‘。依据信道检测模型，设矿和∥分别服从参数为／．t‘，Ai的指数分布，则式(24)可表示为则信道i的检测时长为 ∥一查塑互笪!±垡垦!至笪! 一 ∥+Ai p十A Z=F‘1(P：) 伤、 P… (26) 如何选择∥，A‘，7‘，E等参数有待进一步研究。此外，MAC层自适应检测算法中检测子信道集的控制也值得关注。如何根据信道特性以及业务需求，调整CR用户检测子信道集，使之尽可能对条件较好的子信道检测，可以很大程度上提高检测性能。 3 基于合作的频谱检测技术基于本地的频谱检测只关心授权用户发送机信号。一方面使位置不确定的授权用户接收机可能受到干扰；另一方面受无线信道衰落的影响将不可避免存在隐终端问题。为有效解决这些问题，采用多个 CR用户合作检测可显著提高检测性能‘舭27l。通常采用两种方式实现频谱的合作检测。一种方式是采用分布或集中式数据融合技术，将CR用户各自独立获取的检测数据进行融合处理后完成频谱决策；另一种方式是采用空间合作分集协议，通过多路信号的分集合并实现频谱的可靠检测。 3．1合作检测的检测性能对于数据融合方式，合作检测可降低对单个CR用户检测性能的要求。设共有Ⅳ个CR用户合作检测，每个用户依据接收到的N一1个用户的决策信息判决H。或H0。若采用“OR”判决规则，合作检测时的检测概率Q。和虚警概率Q。分别为 Qd=1一(1一Pd)4 (27) Q，=1一(1一Pf)8(28) 可见，合作检测性能Q。和Q，随着用户数Ⅳ的增加而增加。若在保证Q。，Q，一定的条件下，对单个CR 用户检测性能的要求会随着Ⅳ的增大而降低。当^L斗∞，单个用户的P。将趋近于零。 3．2合作检测的关键技术基于合作的检测可有效地提高检测性能，而引入多用户合作却加大了频谱检测的技术难度和运算复杂度，主要体现在以下几个方面。 3。2．1检测数据融合和决策在合作检测中，需要采用数据融合和决策技术，将来自多个CR用户的检测数据进行综合处理，并依据适当的判决规则，做出最终决策。在CRN中，检测数据融合通常采用分布式融合方式。常规的分布式融合只将多个CR用户的局部决策信息以单比特形式传送到数据融合中心处理。但这些局部决策信息并不能充分反映所有CR用户的观测信息。事实上，每个CR用户可根据系统的传输能力传送多比特信息至融合中心，这就需要考虑除了传送单比特局部决策信息以外还需要传送哪些信息更利于最终决策。另外，CR用户通常受信道环境、与授权用户的距离以及与相邻用户相关性等因素的影响，使融合的信息具有不确定性。上述情况都使数万方数据

第2期张宇，等：认知无线电网络频谱检测研究 133 据的融合更加复杂，这时可采用基于D-s证据理论的分布式融合算法。算法的基本思路是CR用户i不仅向融合中心传送局部决策D，，还传送信度函数 ? mf=八df，7i，-) (29) 式(29)中d；表示CR用户i与授权用户的距离，■表示用户i与其位置相邻最近用户的相关系数。融合中心根据各CR用户的判决及其可信度，得到最终决策 (30) 如何自适应调整决策规则以及m；自身的获取是需要研究的难点。采用合作检测的每个CR用户为了准确获取其信度函数mi，往往需要确定自己的位置信息，如果是个固定网络，r；，di等位置信息可在网络最初建设时确定；而对一个移动的网络，其位置信息需要及时更新，文献[28]提出通过智能天 Dnllal=八Di，m￡) 线的波束成形及UWB(Ultra．Wide Band)技术对运动中的CR用户进行定位的方法，这时可判断其运动趋势，为信度函数的获取提供可靠的实时信息，使数据融合中心作出准确决策。决策规则通常分为硬决策和软决策两类啪]。软决策通过引入与决策相关的置信度测量，可依据贝叶斯、奈曼一皮尔逊等准则得到判决门限。而在硬决策中，主要依据观测数据选择单一假设进行决策，判决门限的选取成为一个关键问题。若采用能量检测，判决规则可表示为 N N H1： ∑Bi>A。；Ho： ∑Bi