【導(dǎo)讀】及取得的研究成果。據(jù)我所知，除了文中特別加以標(biāo)注和致謝的地方。獲得電子科技大學(xué)或其它教育機(jī)構(gòu)的學(xué)位或證書而使用過的材料。說明并表示謝意。的規(guī)定，有權(quán)保留并向國(guó)家有關(guān)部門或機(jī)構(gòu)送交論文的復(fù)印件和磁盤，等復(fù)制手段保存、匯編學(xué)位論文。線網(wǎng)絡(luò)設(shè)計(jì)模式。其核心思想就是允許未授權(quán)的用戶以“伺機(jī)”的方式接入頻譜，同時(shí)避免對(duì)授權(quán)用戶造成干擾。知無(wú)線電的首要關(guān)鍵技術(shù)問題，即頻譜感知技術(shù)和干擾評(píng)估技術(shù)問題。能曲線及優(yōu)缺點(diǎn)的分析給硬件實(shí)現(xiàn)認(rèn)知無(wú)線電作了較為詳細(xì)的參考。OFDM信號(hào)的循環(huán)平穩(wěn)特性提出了一種復(fù)雜度較低的周期特性檢測(cè)算法。入SR噪聲之后，其檢測(cè)性能會(huì)得到較大幅度的提高?；癁閷?duì)系統(tǒng)的參數(shù)設(shè)計(jì)，以此來滿足系統(tǒng)對(duì)干擾限制的要求。本論文最后一部分。到的分布曲線比較吻合，證明了其正確性及可應(yīng)用性。

　　

【正文】 率，一般它在 ( , )????? 范圍取值，這里 ? 就表示為噪聲不確定度 。 2 2 2 0 1 8 1 6 1 4 1 2 1 0 8 6 4 2 0103102101100信噪比 S N R漏檢概率pmd E D 0 d BE D 0 . 5 d BE D 1 d B 圖 24 噪聲不確定度下的能量檢測(cè)性能圖 從 (23)式可以看到，實(shí)際噪聲功率 nP 是以估計(jì)噪聲功率 nP 為基準(zhǔn)上下浮動(dòng)變第二章 認(rèn)知無(wú)線電頻譜感知技術(shù)算法研究 11 化的，這將帶來較大的漏檢概率和虛警概 率。所以在實(shí)際系統(tǒng)中噪聲的不確定度將大大降低能量檢測(cè)的性能， 圖 24 表示噪聲不確定度分別為 0dB、 和 1dB時(shí)的能量檢測(cè)性能曲線 ， 從圖中可以看出， 即使噪聲不確定度很小時(shí)，其檢測(cè)性能也會(huì)下降很多。 協(xié)方差矩陣檢測(cè) 由于能量檢測(cè)存在著噪聲不確定度的問題，因此從事認(rèn)知無(wú)線電頻譜感知研究的人們不斷尋找著新的感知算法，使其完全不存在噪聲不確定度的問題。經(jīng)過努力研究， 2020 年，新加坡電信研究院的 Yonghong Zeng 基于信號(hào)協(xié)方差矩陣的特性，提出了多種感知算法 [10][13]，如協(xié)方差絕對(duì)值檢測(cè)（ Covariance Absolute Value, CAV），協(xié)方差二范數(shù)檢測(cè)（ Covariance Frobenius Norm, CFN），最大最小特征值檢測(cè)（ MaximumMinimum Eigenvalue, MME），這些算法完全解決了能量檢測(cè)中的缺陷問題，門限值不依賴于噪聲功率，且復(fù)雜度較低，因此在認(rèn)知無(wú)線電頻譜感知中有極大的應(yīng)用價(jià)值，這里僅簡(jiǎn)單介紹一下 協(xié)方差絕對(duì)值檢測(cè)算法。 A / Dx ( t )時(shí) 延 p ( p = 0 , 1 , ? , L )時(shí) 延 l ( l = 0 , 1 , ? , L )取 共 軛x ( n ) x ( n l )x ( n p )求 和取 平 均各 元 素 求和 取 平 均對(duì) 角 線 求和 取 平 均取 倒判 決1 () sTN2 () sTN()xsRN 圖 25 CAV檢測(cè)的 實(shí)現(xiàn) 框圖 協(xié)方差矩陣檢測(cè)的檢測(cè)框圖如 圖 25 所示，假設(shè)接收信號(hào)為 ()xn ，則接收信號(hào)的自相關(guān)函數(shù)可以表示為： 101( ) ( ) ( ) , 0 , 1 , .. ., 1sNmsl x m x m l l LN??? ? ? ? ?? (24) 其中， sN 為接收信號(hào)長(zhǎng)度， L 為滑動(dòng)因子。 由其信號(hào)的協(xié)方差矩陣可以表示為： ( 0) ( 1 ) ( 1 )()( 1 ) ( 2 ) ( 0)xsLRNLL??? ? ? ??????? ? ? ? ??? (25) 從協(xié)方差矩陣表達(dá)形式可以看到，當(dāng)不存在信號(hào)時(shí)，即只有噪聲，由于噪聲電子科技大學(xué)碩士學(xué)位論文 12 各個(gè)采樣點(diǎn)是不相關(guān)的，所以協(xié)方差矩陣近似為一個(gè)對(duì)角矩陣；若存在信號(hào)，由于信號(hào)一般來說是相關(guān)的，則協(xié)方差矩陣不為對(duì)角矩陣，協(xié)方差矩陣檢測(cè)的主要思想就是根據(jù)這點(diǎn)的不同來作檢測(cè)判決的。 令 111211( ) ( ) ,1( ) ( ) ,LLs n m snmLs n n snT N r NLT N r NL???????? (26) 則 CAV 的檢測(cè)統(tǒng)計(jì)量為： 12( ) / ( )ssT T N T N? (27) 由文獻(xiàn) [11]推導(dǎo)得到，當(dāng)信號(hào)不存在時(shí)，可以得到： 1 2 1 2( ) / ( ) ( ( ) ) / ( ( ) )21 ( 1 )s s s ssT T N T N E T N E T NL N?????????????????????????????????? ? ? ? (28) 并且門限值可以表示為： 121 ( 1)21 ( )sfsL NQP N??????? (29) 從 (28)(29)兩式可以看，當(dāng)信號(hào)不存在時(shí)，檢測(cè)統(tǒng)計(jì)量的值和門限值均與噪聲功率無(wú)關(guān)。即不管噪聲功率是確定的還 是變化的，對(duì)檢測(cè)統(tǒng)計(jì)量及門限值均無(wú)影響，也就是對(duì)檢測(cè)性能沒有影響。 這種基于信號(hào)協(xié)方差矩陣檢測(cè)的方案很好地解決了能量檢測(cè)中的噪聲不確定度問題，所以它是現(xiàn)有認(rèn)知無(wú)線電頻譜感知算法中一種比較好的感知方案。 周期特性檢測(cè) 周期特性檢測(cè)也是傳統(tǒng)檢測(cè)方法中比較經(jīng)典的一種，它的主要思想，顧名思義，就是利用信號(hào)的周期平穩(wěn)特性來做檢測(cè)。周期平穩(wěn)隨機(jī)信號(hào)是一種非平穩(wěn)的隨機(jī)信號(hào)，相對(duì)于平穩(wěn)信號(hào)，周期平穩(wěn)信號(hào)的二階統(tǒng)計(jì)特性（如數(shù)學(xué)期望和自相關(guān)函數(shù)等）隨著觀察時(shí)刻做周期變化，一般而言，在通信系統(tǒng)中，由于對(duì)信號(hào)進(jìn)第二章 認(rèn)知無(wú)線電頻譜感知技術(shù)算法研究 13 行調(diào)制、采樣、編碼等操 作，使得信號(hào)的統(tǒng)計(jì)特性隨時(shí)間呈周期性變化，因此通信信號(hào)皆可歸為周期平穩(wěn)信號(hào)。 循環(huán)譜是體現(xiàn)信號(hào)周期特性的一個(gè)物理量，它的定義為： ( ) ( ) ( 2 )xxS f R ex p j f d?? ? ? ? ???????? (210) 其中 ()xR?? 稱為循環(huán)自相關(guān)函數(shù)， ? 稱為循環(huán)頻率。從式 (210)可以看到，循環(huán)譜 就是 循環(huán)自相關(guān)函數(shù)的傅里葉變換 。 我們知道高斯白噪聲是一種平穩(wěn)信號(hào)，沒有周期平穩(wěn)特性，因此，當(dāng)循環(huán)頻譜不為零時(shí)，若循環(huán)譜為零，則表示信號(hào)不存在，只存在噪聲，如下面公 式 (211)所示。 ? ? ? ?0 , 0 , , 0 , x sSf Sf? ??????????=信 號(hào) 不 存 在信 號(hào) 存 在 (211) 因此周期特性檢測(cè)的主要難點(diǎn)在于如何準(zhǔn)確求得循環(huán)譜，眾多文獻(xiàn)都對(duì)這個(gè)問題作了研究 [14][16]，然而在求循環(huán)譜時(shí)，其復(fù)雜度很高，所以我們基于 OFDM 信號(hào)的周期特性，對(duì)這種信號(hào)提出二種降低復(fù)雜度的檢測(cè)方案。 OFDM 的循環(huán)譜分布情況如圖所示，傳統(tǒng)的周期特性檢測(cè)必須要計(jì)算 出整個(gè)二維平面中循環(huán)譜的值，這樣運(yùn)算量將會(huì)很大，而 OFDM 的循環(huán)譜僅集中于如 圖26 所示的陰影區(qū)域里，這樣我們就可以將原來二維的譜估計(jì)簡(jiǎn)化為一維的譜估計(jì)，即在做檢測(cè)時(shí)只需計(jì)算縱軸上的循環(huán)譜，或者某一個(gè)特定的循環(huán)頻率 k? 上的循環(huán)譜，也就是估計(jì) (0)xS? 或者 ()kxSf? 。這樣算法的復(fù)雜度會(huì)得到大大的降價(jià)。 (0)xS ?0 ()xSff 圖 26 OFDM 信號(hào)的循環(huán)譜圖 根據(jù)前面的分析，我們針對(duì) OFDM 信號(hào)的檢測(cè)問題，提出了兩種降低復(fù)雜度的周期特性檢測(cè)方案。一種即只估計(jì)縱軸上的循環(huán)譜用于檢測(cè)，其檢測(cè)統(tǒng)計(jì)量可電子科技大學(xué)碩士學(xué)位論文 14 以表示為： 1 ( , 0)ixiV S n f???? (212) 這里檢測(cè)方法是將在零頻上所有循環(huán)譜的總和作為我們的檢測(cè)統(tǒng)計(jì)量。 另一種是估計(jì)某個(gè)特定循環(huán)頻率上的循環(huán)譜用于檢測(cè)，其檢測(cè)統(tǒng)計(jì)量可以表示為： 2 ( , )fxiiV S n f? ??? ? (213) 式中 f? 表示頻率分辨率 。 其檢測(cè)框圖如 圖 27 所示，接收到信號(hào)之后，先用譜估計(jì)的方法求得某些特定位置的循環(huán)譜，然后根據(jù) (212)(213)對(duì)循環(huán)譜求和作為檢測(cè)統(tǒng)計(jì)量，最后其該統(tǒng)計(jì)量與門限值比較作最終判決。 O F D M 信 號(hào) 循 環(huán) 譜 估 計(jì)高 斯 白 噪 聲對(duì) 譜 估 計(jì) 求 和 與 門 限 比 較 判 決? 圖 27 周期特性檢測(cè)實(shí)現(xiàn)框圖 仿真結(jié)果與分析 2 2 2 0 1 8 1 6 1 4 1 2 1 0 8 6 4 2 0103102101100信噪比 S N R漏檢概率pmd E D 0 d BC A Vc y c l o 1c y c l o 2E D 0 . 5 d B 圖 28 各種單節(jié)點(diǎn)檢測(cè)算法的性能曲線圖 第二章 認(rèn)知無(wú)線電頻譜感知技術(shù)算法研究 15 本節(jié)對(duì)前面所介紹的幾種單節(jié)點(diǎn)頻譜感知算法 （包括有 0dB、 噪聲不確定度的能量檢測(cè) ED0dB、 、協(xié)方差矩陣檢測(cè) CAV、兩種改進(jìn)后的周期特性檢測(cè) cyclo cyclo2） 作仿真驗(yàn)證其感知性能。仿真中，待檢測(cè)信號(hào)為電視廣播信號(hào)，采用 8MHz 帶寬， 2K 模式的 OFDM 調(diào)制，循環(huán)前綴為 512，檢測(cè)時(shí)間為4 個(gè) OFDM 持續(xù)時(shí)間，即 ，信道選用瑞利衰落信道，虛警概率設(shè)為 。圖 28 給出上述多種感知算法的性能曲線圖，由 圖 28 可以看出能量檢測(cè)感知較好，但是一旦存在噪聲不確定時(shí)，其感知性能會(huì)大大降低；協(xié)方差矩陣檢測(cè)解決了噪聲不確定的問題，但其性能要較能量 檢測(cè)差，本文提出的基于周期特性的兩種復(fù)雜度較低的算法有很好的感知性能，因此可以比較好地應(yīng)用于認(rèn)知無(wú)線電的頻譜感知中。 總的來說，前面介紹的幾中感知算法各有優(yōu)缺點(diǎn)，能量檢測(cè)思想簡(jiǎn)單，易于實(shí)現(xiàn)，復(fù)雜度低，但是它存在噪聲不確定度這一致命缺點(diǎn)；協(xié)方差矩陣檢測(cè)能夠較好地解決噪聲不確定度的問題，且復(fù)雜度也不高，但其檢測(cè)性能仍不能達(dá)到認(rèn)知無(wú)線電對(duì)頻譜感知的要求；而周期特性檢測(cè)基于信號(hào)內(nèi)部的特性來檢測(cè)信號(hào)，沒有噪聲不確定性問題，且檢測(cè)性能最好，但是其唯一的缺點(diǎn)就是其復(fù)雜度太高。因此，針對(duì)不同的問題可以根據(jù)其優(yōu)缺點(diǎn)選用不同的 感知算法，同時(shí)，尋找更優(yōu)的感知算法依然是認(rèn)知無(wú)線電頻譜感知領(lǐng)域所研究的熱點(diǎn)。 多節(jié)點(diǎn)協(xié)同頻譜感知算法研究 頻譜感知的第二個(gè)挑戰(zhàn)就是隱藏終端問題，如 圖 29 所示，認(rèn)知用戶 CR1 被遮擋，若此時(shí)主用戶發(fā)射機(jī)正在工作，即存在主用戶信號(hào)，但由于 CR1 被障礙物遮擋，處于陰影之中，使主用戶信號(hào)到達(dá) CR1 時(shí)其 SNR 變得非常之低，該認(rèn)知用戶基本上檢測(cè)不到主用戶信號(hào)，產(chǎn)生漏檢，若此時(shí)該認(rèn)知用戶接入此頻段，勢(shì)必會(huì)對(duì)主用戶產(chǎn)生干擾。解 決隱藏終端問題的主要方法就是協(xié)同頻譜感知 ，協(xié)同感知的流程框圖如 圖 210 所示，各個(gè)本地節(jié)點(diǎn)先各自獨(dú)立作檢測(cè)，然后將檢測(cè)結(jié)果送往融合中心作全局判決，按送入融合中心的數(shù)據(jù)類型，協(xié)同感知又可以分為硬合并和軟合并兩種。若送往融合中心的數(shù)據(jù)為本地節(jié)點(diǎn)判決之后的數(shù)據(jù) 1 和 0，則稱之為硬合并；若該數(shù)據(jù)只是本地節(jié)點(diǎn)的檢測(cè)統(tǒng)計(jì)量大小，如能量檢測(cè)中的能量值，則這種合并稱為軟合并。經(jīng)過這樣多個(gè)節(jié)點(diǎn)的協(xié)同判決后將會(huì)降低因個(gè)別認(rèn)知用戶漏檢而帶來的干擾概率。 電子科技大學(xué)碩士學(xué)位論文 16 主 用 戶 發(fā) 射 機(jī)C R 1C R 2C R 3 圖 29 隱藏終端問題 信 號(hào)信 道 1融合中心01 ,HH信 道 2信 道 k本 地 節(jié) 點(diǎn) 檢 測(cè) 器 1本 地 節(jié) 點(diǎn) 檢 測(cè) 器 2本 地 節(jié) 點(diǎn) 檢 測(cè) 器 k?? ?? 圖 210 協(xié)同頻譜感知流程圖 同時(shí)多節(jié)點(diǎn)協(xié)同感知 不僅能夠解決隱藏終端問題，還能降低對(duì)單節(jié)點(diǎn)感知靈敏度的要求。多節(jié)點(diǎn)協(xié)同感知性能顯然要優(yōu)于單節(jié)點(diǎn)感知，因此要達(dá)到同樣的感知性能，協(xié)同中本地節(jié)點(diǎn)的感知靈敏度要求要低于非協(xié)同中單節(jié)點(diǎn)的感知靈敏度要求。正是由于這些優(yōu)點(diǎn)，人們對(duì)協(xié)同感知非常青睞，大量文獻(xiàn)都對(duì)協(xié)同感知作了相關(guān)研究，如 文獻(xiàn) [17][28][29]，這里我們只介紹幾種較為基礎(chǔ)的幾種協(xié)同 感知算法。 硬合并 硬合并是指在每個(gè)本地節(jié)點(diǎn)先獨(dú)立對(duì)信號(hào)存在與否作判決，若信號(hào)存在則判決為 1，若信號(hào)不存在，則判決為 0，然后將該判決結(jié)果送入融合中心作最終判決。一般常見的硬合并算法有‘與’準(zhǔn)則，‘或’準(zhǔn)則， K 秩準(zhǔn)則等等。 第二章 認(rèn)知無(wú)線電頻譜感知技術(shù)算法研究 17 “與”準(zhǔn)則 與合并準(zhǔn)則的思想是當(dāng)所有本地節(jié)點(diǎn)的判決結(jié)果為 1 時(shí)，則融合中心的判決結(jié)果才為 1，只要有一個(gè)本地節(jié)點(diǎn)沒有檢測(cè)到信號(hào)，則全局判決為信號(hào)不存在，這有點(diǎn)像二進(jìn)制運(yùn)算中的與運(yùn)算，所以稱為與合并準(zhǔn)則。假設(shè)各個(gè)本地節(jié)點(diǎn)的檢測(cè)概率為iDP，虛警概率 為iFP，則融合中心處全局的漏檢概率及虛警概率可以表示為： 111iiNMDiNFFiPPPP??????? (214) 從上式可以看到，多個(gè) 節(jié)點(diǎn)進(jìn)行協(xié)同檢測(cè)之后，其虛警概率降低了，但是其漏檢概率卻增加了，從認(rèn)知無(wú)線電的角度看，即協(xié)同之后，認(rèn)知用戶接入的機(jī)會(huì)變大了，但是給主用戶帶來干擾的概率也變大了，所以與合并準(zhǔn)則適合于一種激進(jìn)的認(rèn)知業(yè)務(wù)，即除非全部的認(rèn)知用戶都檢測(cè)到了主用戶，否則就認(rèn)為沒有主用戶信號(hào)存在，則可以接入該段頻譜。 “或”準(zhǔn)則 ‘或’合并準(zhǔn)則的思想和‘與’準(zhǔn)則思想恰恰相反，只要有一個(gè)或一個(gè)以上認(rèn)知用戶檢測(cè)到了信號(hào)，則融合中心即宣布有信號(hào)存在，判決檢測(cè)結(jié)果為 1，這也與二進(jìn)制的或運(yùn)算相似，故稱為或準(zhǔn)則。用或準(zhǔn)則合并之后，其全局的漏檢概率與 虛警概率可以表示為： ? ?1111 (1