【導(dǎo)讀】盾已成為制約無(wú)線通信發(fā)展的主要瓶頸之一。而頻譜感知是構(gòu)建認(rèn)知無(wú)線電系統(tǒng)的前。的原理、特點(diǎn)和性能。其次還詳細(xì)的分析認(rèn)知無(wú)線電的國(guó)內(nèi)外研究現(xiàn)狀及關(guān)鍵技術(shù)。關(guān)注的一些主要問題，圍繞這些問題進(jìn)行了深入研究。驗(yàn)條件的應(yīng)用場(chǎng)景下，僅利用接收信號(hào)協(xié)方差矩陣特征值及特征向量的檢測(cè)器。仿真結(jié)果表明該算法方案能夠顯著地改善認(rèn)知無(wú)線網(wǎng)絡(luò)的協(xié)作頻

　　

【正文】 方法進(jìn)行頻譜感知就需要建立重慶郵電大學(xué)本科畢業(yè)設(shè)計(jì)（論文） 19 一個(gè)以次用戶基站為中心的骨干網(wǎng)。這勢(shì)必會(huì)大大增加系統(tǒng)的運(yùn)行成本，造成大量的硬件開銷。 二、 分布式合作感知方法 經(jīng)過以上分析可知，合作頻譜感知方法確實(shí)可以大大地提高頻譜感知性能。但是，當(dāng)參與合作感知的各個(gè)認(rèn)知用戶從屬于不同服務(wù)對(duì)象時(shí)，他們將會(huì)優(yōu)先考慮提高自己本身業(yè)務(wù)的數(shù)據(jù)容量，而對(duì)合作頻譜感知貢獻(xiàn)度降低，進(jìn)而影響到整個(gè)合作頻譜感知性能。針對(duì)這種問題，人們提出了分布式合作頻譜感知的方法。在分 布式合作感知的情形下，各認(rèn)知節(jié)點(diǎn)獨(dú)立地進(jìn)行本地判決，并相互交換各自的感知信息。由于分布式合作感知方法無(wú)需中心節(jié)點(diǎn)且硬件花銷小，因此，分布式合作感知方法要比中心式的合作感知方法更具優(yōu)勢(shì)。然而，分布式合作頻譜感知方法也有一個(gè)顯著的缺點(diǎn)，那就是算法復(fù)雜度較高，要求每個(gè)認(rèn)知節(jié)點(diǎn)有很強(qiáng)信號(hào)處理能力。另外，由于各個(gè)認(rèn)知節(jié)點(diǎn)相互間需要交換大量的感知信息，這將顯著增加整個(gè)認(rèn)知網(wǎng)絡(luò)系統(tǒng)的開銷。 一種分布式合作感知方法，該方法中各認(rèn)知用戶只共享最后的判決結(jié)果，而無(wú)需傳送大量中間結(jié)果，減輕了整個(gè)網(wǎng)絡(luò)系統(tǒng)的負(fù)載。一種分布式合作頻 譜感知的認(rèn)知無(wú)線電架構(gòu)體系，在這個(gè)架構(gòu)體系中，各認(rèn)知用戶通過共享無(wú)線電特征參數(shù)來(lái)提高整個(gè)系統(tǒng)的檢測(cè)性能。提出了一種基于進(jìn)化博弈的分布式合作頻譜感知方法，該方法將合作頻譜感知看作成一個(gè)進(jìn)化博弈問題，并解決了在無(wú)融合中心節(jié)點(diǎn)的認(rèn)知無(wú)線網(wǎng)絡(luò)中如何將多個(gè)認(rèn)知用戶進(jìn)行合作來(lái)實(shí)現(xiàn)頻譜感知功能的問題。 三、 基于外部節(jié)點(diǎn)的合作感知方法 另外一種容易被大家忽視的合作感知方法是基于認(rèn)知無(wú)線網(wǎng)絡(luò)外部感知節(jié)點(diǎn)的合作頻譜感知技術(shù)，它也是一種非常具有應(yīng)用前景的頻譜感知方法。在這種頻譜感知方法中，外部代理節(jié)點(diǎn)執(zhí)行頻譜感知功能，并由它通過 廣播的方式將頻譜占用的信息傳送給認(rèn)知無(wú)線電網(wǎng)絡(luò)。這種基于外部節(jié)點(diǎn)的頻譜感知算法解決了頻譜感知任務(wù)由認(rèn)知無(wú)線網(wǎng)絡(luò)內(nèi)部認(rèn)知用戶完成的問題，徹底解放了認(rèn)知無(wú)線電網(wǎng)絡(luò)內(nèi)部的認(rèn)知用戶，使得網(wǎng)內(nèi)的認(rèn)知用戶可專注于傳輸各種無(wú)線通信數(shù)據(jù)，而不必為頻譜感知額外增加網(wǎng)絡(luò)系統(tǒng)的開銷。由于外部感知節(jié)點(diǎn)廣泛分布于主用戶通信信號(hào)的覆蓋范圍內(nèi)，這樣就使得該方法不僅克服了隱蔽終端問題，而且還解決了因遮擋及多徑衰落引起的感知性能不確定性的問題。另外，由于外部節(jié)點(diǎn)執(zhí)行了頻譜感知功能，因此，認(rèn)知用戶無(wú)需再花大量時(shí)間去執(zhí)行頻譜感知任務(wù)，這將進(jìn)一步 提高整個(gè)認(rèn)知無(wú)線網(wǎng)絡(luò)系統(tǒng)的頻譜利用率。同時(shí)，由于外部感知節(jié)點(diǎn)無(wú)需移動(dòng)，且無(wú)需認(rèn)知無(wú)線網(wǎng)絡(luò)提供能量，因此，外部節(jié)點(diǎn)合作頻譜感知方法也大大降低了認(rèn)知無(wú)線網(wǎng)絡(luò)的功耗。 一種基于傳感網(wǎng)絡(luò)的頻譜感知架構(gòu)。該傳感網(wǎng)絡(luò)只有感知單位節(jié)點(diǎn)組成，能對(duì)頻重慶郵電大學(xué)本科畢業(yè)設(shè)計(jì)（論文） 20 譜進(jìn)行連續(xù)性或周期性感知。傳感網(wǎng)絡(luò)中的每個(gè)感知節(jié)點(diǎn)均將感知結(jié)果傳送給中心節(jié)點(diǎn) (Sink node)，中心節(jié)點(diǎn)進(jìn)一步對(duì)這些感知數(shù)據(jù)進(jìn)行處理，并與周圍的認(rèn)知用戶共享頻譜占用信息。于是，這些認(rèn)知用戶便能利用從傳感網(wǎng)絡(luò)獲得的頻譜占用信息，選擇最優(yōu)信道進(jìn)行數(shù)據(jù)傳輸。在 IEEE WRAN 標(biāo)準(zhǔn)中，這種基于外部節(jié)點(diǎn)的合作感知方法也被建議用來(lái)檢測(cè)主用戶信號(hào)。 第四節(jié) 本章小結(jié) 頻譜感知技術(shù)不僅是實(shí)現(xiàn)認(rèn)知無(wú)線電通信的一個(gè)首要環(huán)節(jié)，更是保證授權(quán)用戶通信不被干擾的重要技術(shù)之一。本章對(duì)認(rèn)知無(wú)線電的頻譜感知技術(shù)做了較詳細(xì)介紹，在單節(jié)點(diǎn)頻譜感知方面，分析比較了幾種主流的感知算法，其中深入研究了最普遍最常用的能量感知技術(shù)，它將作為后續(xù)頻譜感知研究工作的基礎(chǔ)。由于單節(jié)點(diǎn)感知的局限性，隨后介紹了合作式頻譜感知的概念及思想，對(duì)目前經(jīng)典的融合準(zhǔn)則做了深入的理論及仿真研究。最后對(duì)基于干擾溫度的頻譜 感知的概念、思想及目前的研究現(xiàn)狀做了介紹。 目前，傳統(tǒng)的頻譜感知技術(shù)主要包括能量檢測(cè) (ED)、循環(huán)平穩(wěn)特征檢測(cè) (CFD)、波形檢測(cè) (WD)以及匹配濾波檢測(cè) (MFD)等方法。其中，能量檢測(cè)是一種最常用的頻譜感知方法。能量檢測(cè)法通過將某頻段內(nèi) SU 接收到信號(hào)的能量或功率與一個(gè)預(yù)先設(shè)定的判決門限相比較，根據(jù)比較結(jié)果來(lái)判決出該頻段內(nèi)是否有主用戶存在。 ED 方法具有實(shí)現(xiàn)簡(jiǎn)單、算法復(fù)雜度低等諸多優(yōu)點(diǎn)。在無(wú)法獲得主用戶發(fā)射機(jī)信號(hào)相關(guān)信息的情況下，該方法是最優(yōu)的。其缺點(diǎn)是要預(yù)先知道噪聲功率，這在實(shí)際情況下是很難滿足的。而 且， ED 方法的判決門限與噪聲相關(guān)，當(dāng)噪聲波動(dòng)較大時(shí)， ED 算法的感知性能將急劇惡化。另外，如前所述，由于信號(hào)的衰減，也與 SU 離 PU 距離相關(guān)。因此， ED 方法的感知性能不僅對(duì)噪聲的不確定性十分敏感，而且還受 SU 與 PU 之間距離因素的嚴(yán)重影響。能量檢測(cè)適合檢測(cè)非相關(guān)信號(hào)，特別是 iid( independent and identically distributed)信號(hào)；而在檢測(cè)相關(guān)信號(hào)時(shí)，其檢測(cè)性能較差。原因是，在檢測(cè)強(qiáng)相關(guān)信號(hào)時(shí)，由于信號(hào)具有相關(guān)性，可以利用這種先驗(yàn)知識(shí)，采用其它傳統(tǒng)的檢測(cè)方法所得檢測(cè)性能要優(yōu)于 ED 方法，即此時(shí)采用能量檢測(cè)法不是最優(yōu)的。 另一種常用的感知方式為循環(huán)平穩(wěn)特征檢測(cè) (CFD)。該方法能從 SU 用戶接收信號(hào)中提取出主用戶發(fā)射機(jī)信號(hào)的循環(huán)特征，這些循環(huán)特征是由發(fā)射機(jī)信號(hào)本身的統(tǒng)計(jì)特性如：數(shù)學(xué)期望和自相關(guān)值的周期性所表現(xiàn)出來(lái)的，而這些循環(huán)特征與噪聲的統(tǒng)計(jì)特性是不相同的。因此，通過分析這些發(fā)射機(jī)信號(hào)本身所具有的循環(huán)特征就可以對(duì)主用戶發(fā)射機(jī)信號(hào)進(jìn)行檢測(cè)，對(duì)給定頻譜內(nèi)是否存在主用戶信號(hào)做出判決，從而實(shí)現(xiàn)重慶郵電大學(xué)本科畢業(yè)設(shè)計(jì)（論文） 21 頻譜感知功能。但是， CFD 方法的感知時(shí)間較長(zhǎng)，且對(duì) ADC(Analog to Digital Converter)的處理速度以及系統(tǒng)的信號(hào)處理能力均提出了較高要求，大大增加了系統(tǒng)的復(fù)雜性。另外， CFD 還需要知道主用戶發(fā)射機(jī)信號(hào)的某些先驗(yàn)知識(shí)（如周期特征等）。 當(dāng)發(fā)射機(jī)信號(hào)已知時(shí)，匹配濾波方法 (MFD)就是最優(yōu)的檢測(cè)方法， MFD 方法是一種信噪比 SNR 意義上的最優(yōu)檢測(cè)方法。與 ED、 CFD 頻譜感知方法相比， MFD 的最大優(yōu)點(diǎn)是在很短的時(shí)間內(nèi)就能達(dá)到一定的感知性能。但是， MFD 方法需要將發(fā)射機(jī)信號(hào)進(jìn)行解調(diào)后才能判斷主用戶是否存在。而且， MFD 方法必須得預(yù)先準(zhǔn)確獲 得有關(guān)主用戶發(fā)射機(jī)信號(hào)的特征信息，比如：帶寬、載波頻率、調(diào)制方式、脈寬以及幀格式等。由于 CR 要對(duì)種類如此繁多的信號(hào)進(jìn)行處理，這將大大增加 MFD 算法的計(jì)算復(fù)雜度，致使整個(gè)系統(tǒng)的功耗非常高。 對(duì)上述幾種常用的感知方法的性能進(jìn)行了比較，結(jié)果如表 11 所示。其中， ED 方法的算法復(fù)雜度最低，但其檢測(cè)精度也最差； MF 方法的感知準(zhǔn)確度最高，但是，算法復(fù)雜度卻最高。波形檢測(cè)法的復(fù)雜度相對(duì)較低，感知精度又最高。因此，相對(duì)其它幾種傳統(tǒng)感知方法而言， WD 感知方法的整體性能最優(yōu)。但是， WD 算法出色的感知性能是 來(lái)自于對(duì)確定性信號(hào)進(jìn)行自相關(guān)處理的結(jié)果。換言之， WD 算法要求完全知曉主用戶信號(hào)的所有信息，這一前提條件非常苛刻的，在實(shí)際情況下無(wú)法滿足。因此， WD 感知方法很少得到真正的應(yīng)用。 表 傳統(tǒng)的頻譜感知方法的感知精度及復(fù)雜度比較 感知算法 優(yōu)點(diǎn) 缺點(diǎn) 匹配濾波感知 檢測(cè)時(shí)間短，已知授權(quán)用戶 信號(hào)信息時(shí)檢測(cè)精度高 需要先驗(yàn)信息，需要精確同步 能量感知 實(shí)現(xiàn)簡(jiǎn)單，不需要先驗(yàn)信 息，計(jì)算量較小 受噪聲不確定性影響大，檢測(cè) 時(shí)間較長(zhǎng)，不能區(qū)分信號(hào)類型 循環(huán)平穩(wěn)感知 計(jì)算復(fù)雜度高 可以區(qū)分噪聲和信號(hào)類型，檢 測(cè)靈敏度高 通過以上分析可知，傳統(tǒng)的頻譜感知方法都有各自的優(yōu)缺點(diǎn)，如表 11 所示。為了得到良好的檢測(cè)性能，在實(shí)際應(yīng)用時(shí)通常將這些方法結(jié)合使用。總體而言，傳統(tǒng)的頻譜感知方法往往都需要主用戶信號(hào)或噪聲的某些先驗(yàn)知識(shí)，這在實(shí)際情況下是很難獲得的。除此之外，目前的頻譜感知算法還存在各種各樣的挑戰(zhàn)，比如，硬件設(shè)備無(wú)法滿足要求、隱蔽終端問題、寬帶頻譜感知問題、檢測(cè)能力問題以及合作感知算法中的數(shù)據(jù)融合問題等。因此，能否對(duì)寬帶無(wú)線頻譜進(jìn)行可靠、準(zhǔn)確、快速的感知是認(rèn)知無(wú)線電網(wǎng)絡(luò)技術(shù)能否從理論走向現(xiàn)實(shí)應(yīng)用的決定性因素之 一。同時(shí)，頻譜感知作為重慶郵電大學(xué)本科畢業(yè)設(shè)計(jì)（論文） 22 認(rèn)知無(wú)線電技術(shù)的重要研究領(lǐng)域，是 CR 技術(shù)能夠得以應(yīng)用的前提和基礎(chǔ)。因此，探討可靠性高、復(fù)雜度低的、符合實(shí)際應(yīng)用的新型頻譜感知方法是 CR 技術(shù)重要的、也是極具挑戰(zhàn)性的研究課題之一。 第三章 基于信號(hào)主分量提取合作頻譜感知 在通信過程中，主用戶與認(rèn)知用戶間是非合作的 ,因此頻譜檢測(cè)工作的實(shí)施只能靠認(rèn)知用戶截取主用戶信號(hào)來(lái)達(dá)到檢測(cè)主用戶出現(xiàn)的目的。事實(shí)上，主用戶的信號(hào)在傳輸?shù)倪^程中不可避免的要受到多徑、陰影衰落以及本地干擾等因素的影響，這樣就可能造成認(rèn)知用戶所獲取的主用戶的信號(hào)過于微弱而導(dǎo) 致判斷錯(cuò)誤，從而造成對(duì)主用戶的干擾。因此合作頻譜感知就是解決這個(gè)問題的方法之一，它是相對(duì)于單個(gè)用戶的本地頻譜檢測(cè)算法而言的。通常采用兩種方式實(shí)現(xiàn)頻譜的合作檢測(cè)，集中式和分散式。在集中式結(jié)構(gòu)中，認(rèn)知系統(tǒng)的基站作為認(rèn)知融合中心，將該區(qū)域內(nèi)認(rèn)知用戶的本地頻譜檢測(cè)結(jié)果匯總起來(lái)，并做出最終判決。而在分散式的結(jié)構(gòu)中，各個(gè)參與協(xié)作的認(rèn)知用戶間相互交流認(rèn)知信息，并做出最后判決。 針對(duì)認(rèn)知無(wú)線電系統(tǒng)，本文設(shè)計(jì)多個(gè)次級(jí)用戶合作方式下的頻譜感知算法。在認(rèn)知無(wú)線電系統(tǒng)對(duì)于已授權(quán)用戶信號(hào)不具備任何先驗(yàn)條件的應(yīng)用場(chǎng)景下，設(shè)計(jì)和實(shí)現(xiàn)僅利 用接收信號(hào)協(xié)方差矩陣特征值及特征向量的檢測(cè)器。具體地，依據(jù)接收信號(hào)信噪比最大化的設(shè)計(jì)準(zhǔn)則和約束條件，設(shè)計(jì)基于特征值和特征向量的、具有最優(yōu)檢測(cè)性能的合作頻譜感知檢測(cè)變量，即構(gòu)建基于接收信號(hào)的主分量的合作頻譜感知最優(yōu)全局檢測(cè)變量融合方案，實(shí)現(xiàn)非相關(guān)檢測(cè)方式下的最優(yōu)頻譜感知性能。以有效改善認(rèn)知用戶的頻譜感知性能。 第一節(jié) 信號(hào)模型 假設(shè)每一個(gè)認(rèn)知節(jié)點(diǎn)在每次頻譜感知時(shí)間內(nèi)的采樣次數(shù)為Ｎ，則認(rèn)知網(wǎng)絡(luò)中參與合作感知的 M 個(gè)認(rèn)知節(jié)點(diǎn)對(duì)各自的接收信號(hào)采樣得到的信號(hào)樣本構(gòu)成一個(gè)樣本矩陣? ?= x ( 0 ) (1 x ( 1 )xN ?X ） 其中， ? ?12( ) ( ( TMn x n x n x n? ????x ） ）,Χ 是一個(gè)MN? 的矩陣。認(rèn)知節(jié)點(diǎn)對(duì) PU 信號(hào)的檢測(cè)是一個(gè)二元假設(shè)檢驗(yàn)問題： 重慶郵電大學(xué)本科畢業(yè)設(shè)計(jì)（論文） 23 ? 01 0 , 1 , 2 , , 1: x ( n ) ( n ) ,: x ( n ) s ( n ) ( n ) nNHH ? ? ????? (21) 在（ 21）式中 : 0H 假設(shè)認(rèn)知節(jié)點(diǎn)接收信號(hào)中只存在噪聲； 1H 假設(shè)認(rèn)知節(jié)點(diǎn)接收信號(hào)中既存在噪聲又存在 ＰＵ 信號(hào)； ? ?12( ) ( ) ( ) ( ) TMn n n n? ? ??η 是 ＣＲ 接收端的加性高斯白噪聲矢量 ,其均值為 0 、協(xié)方差矩陣為 2I? ，其中， 2? 為噪聲功率 ,I 為 M 階單位矩陣 。 ()sn 為接收端接收到的 PU 信號(hào)，其均值為 0、協(xié)方差矩陣( ) ( )Hs n s n??? ??sRE ，其中， ??H 表示矩陣轉(zhuǎn)置， ??E 表示期望。 ()nx 的協(xié)方差矩陣也可以表示成 ( ) ( )Hx n x n??? ??xRE 。我們可以計(jì)算 (n)x 的協(xié)方差矩陣為 101 ( ) x ( )N HxnR x n nN???? ? （ 22） 第二節(jié) PCA 感知 接收信號(hào)采樣協(xié)方差矩陣包含了信號(hào)在信道中產(chǎn)生的衰落和延時(shí)的變化。 PCA 感知算法是利用接收信號(hào)采樣協(xié)方差的最大特征向量來(lái)代表信號(hào)的特征，無(wú)需知道主用戶的先驗(yàn)信息，而且能夠?qū)⒃肼暫托盘?hào)區(qū)分開來(lái)，并得到很好的檢測(cè)性能。由式 (21)的感知模型中首先將接收到得信號(hào) 可 取 N 個(gè)時(shí)延采樣數(shù)據(jù)，這些數(shù)據(jù)組成 N 維的向量。 ? ?( ) ( ) ( 1 ) ( 1 ) Tn s n s n s n N? ? ? ?S (23) ? ?( ) ( ) ( 1 ) ( 1 ) Tn x n x n x n N? ? ? ?X (24) ? ?( ) ( ) ( 1 ) ( 1 ) Tn w n w n w n N? ? ? ?W (25) 由 (21)式的信號(hào)模型可以得到 01::H X WH X S W??? (26) 信號(hào)及噪聲的時(shí)延統(tǒng)計(jì)協(xié)方差矩陣為 ? ?*X XX?RE (27) ? ?*S SS?RE (28) 重慶郵電大學(xué)本科畢業(yè)設(shè)計(jì)（論文） 24 ? ?*W WW?RE (29) X S W??R R R (210) 因?yàn)?()wn 是 WGN，我們可以得到 : 2W W N??RI ， NI 是 NN 單位矩陣。首先我將得到的 XR? 進(jìn)行特征值分解得到 ? ?12, , , N? ? ? ， 對(duì)應(yīng)的特征向量為? ?1