能量檢測法在ISM 2.4GHz頻段通信系統共存中的應用*

黃婷婷 ，何明華 ，魯云飛 ，許海濤

（1.福州大學 電氣工程與自動化學院，福建 福州 350108；2.福州大學 物理與信息工程學院，福建 福州 350108）

ISM 2.4 GHz頻段是世界各國免授權的公用頻段，各種通信設備都可以在此頻段上通信，如日常工作中的無線局域網，醫(yī)療中的無線個域網與無線軀域網，工業(yè)上的無線傳感網絡以及方興未艾的物聯網和智能家居等無線網絡。然而這么多不同的通信設備工作在同一頻段上，必然會產生相互間的干擾，對無線通信的安全性、可靠性和實用性帶來了極大的挑戰(zhàn)。因此，研究不同通信系統之間的共存性是一個至關重要的問題。認知無線電的工作理念是將不同通信系統間的通信采取頻譜感知、動態(tài)分配頻段等技術，通過檢測與避讓的方式形成一個協調、統一、有序和不相互干擾的通信系統。這種工作理念能夠處理ISM 2.4 GHz頻段目前通信雜亂無章的狀態(tài)，將認知無線電的技術應用到ISM 2.4 GHz頻段是未來的發(fā)展方向[1]。

1 認知無線電

認知無線電最重要、最基礎的技術是頻譜感知技術[2]。目前，學術界常用的技術有匹配濾波器檢測法、循環(huán)頻譜檢測法和能量檢測法三種。由于匹配濾波器需要嚴格的先驗信息作為匹配濾波器的參數設置，因此無法適應ISM 2.4 GHz頻段眾多信號類型。循環(huán)頻譜檢測法不易受到不確定噪聲功率的影響，所以在噪聲環(huán)境中，相對于其他兩種檢測方法，循環(huán)頻譜檢測法有更強的魯棒性，但是循環(huán)頻譜檢測法計算復雜，需要長時間的數據訓練，不符合ISM 2.4 GHz快速通信的原則。折中考慮算法的復雜性和抗噪聲能力，本文采用能量檢測法進行頻譜感知，并提出了一種改進的能量檢測方法，以滿足對于復雜的噪聲信號有強魯棒性的要求。

2 能量檢測法

能量檢測法是一種比較簡單的信號非相干檢測方法。在復雜的ISM信號環(huán)境下，相對于要求準確先驗信息的匹配濾波器檢測法和需要足夠長時間檢測的循環(huán)檢測法，能量檢測法是最佳的檢測方法[3]。雖然能量檢測法簡單，不需要任何的先驗信息，但其仍存在固有的缺陷：能量門限的設置，門限設置大了，很可能將衰落的、比較微弱的信號忽略，而將幅度較大的脈沖噪聲或突發(fā)干擾檢測為信號；門限設置小了，則無法有效排除干擾信號。本文提出了一種輸出平均判決量，該平均判決量對噪聲信號的相關性小，體現了其抗噪聲的性能，經過MATLAB仿真驗證顯示，該方法對信號噪聲具有較好的魯棒性。

對于ISM 2.4 GHz頻段而言，如果接收到的該頻段的信號經過濾波器濾波后只含有噪聲，那么就可以認為這個頻段未被占用；反之，則認為信號中包含著有用信號。

在任一時刻t，假定進行頻譜感知的接收機接收到的信號可能是下面的兩種情況[4-6]：

（1）H0：y（t）只含有噪聲信號，即：

（2）H1：y（t）含有噪聲信號和有效信號，即：

其中，n（t）表示理想高斯白噪，H0表示信道中只存在噪聲信號，不存在有效用戶，H1表示信道被有效用戶使用。圖1為能量檢測原理圖。

圖1 能量檢測原理圖

然而，僅依靠某一時間點接收到的信號來判決有效信號是否存在是不準確的，存在很大的偶然性。因此在實際中，頻譜檢測一般是通過對一定時間內接收到的信號是否呈現出某種檢測統計量，并依據該檢測統計量做出有效信號是否存在的判決。根據檢測量的不同，檢測方法分為時域檢測和頻域檢測兩種，本文采用頻域檢測方法。

由圖1可得出：

當 T＞g，有效信號存在；當 T

3 改進的能量檢測法

針對ISM 2.4 GHz頻段的頻譜多噪聲特性，為了使盲檢測過程對噪聲信號具有更強的魯棒性，本文提出的改進能量檢測法采用了一種新的判決量，即平均判決量。

假設在一個時隙中收到T幀基帶信號，每幀的采樣點數為 N，將 Xt（n）定義為第 t幀的信號，其中，n=0，1，…N-1，t=0，1，…，T-1。

使用窗函數將信號進行長度截?。?/p>

將加窗過的信號進行快速傅里葉變換，并將時域信號轉化為頻域信號：

由于函數的頻譜是對稱的，因此只需要取一半的長度即 N/2+1算出其功率譜密度 pt（k），即：

其中，k=0，1，…，N/2，t=0，1，…T-1。

對pt（k）在T幀信號值取平均值：

在每個采信點對N/2+1長度的信號再一次取平均值，得到：

為了減少噪聲信號對有效信號的影響，將兩個平均值相除，這樣，第一次平均值中的噪聲和第二次平均值中的噪聲在一定程度上得到了衰減，這將大大減小噪聲對于有效信號的相關性。輸出的統計量r（k）作為判決量，即：

假設H0表示信道中只存在噪聲信號，不存在有效用戶；H1表示信道被有效用戶使用。則有：

r（k）＞g，有效信號存在 H0

r（k）

取r（k）作為判決的輸入量，根據中心極限定理， 近似認為r（k）服從正態(tài)分布。改進后的能量檢測法原理圖如圖2所示。

圖2 改進后的能量檢測法原理圖

在N·T個采樣點中，將T幀信號值的平均值與N/2+1長度的信號的比值作為統計量，從而避免了由于信號噪聲量估計不準確而使門限設置錯誤，最終導致整個能量檢測過程無法正確進行的情況出現[8-9]。

根據Neyman-Pearson定理，定義虛警概率Pfa為當有效信號不存在時檢驗統計被判定為H0的概率；檢測概率Pd為當有效信號確實存在時檢驗統計被判定為H1的概率。頻譜感知的目標就是在使虛警概率Pfa足夠小的條件下，盡可能地使檢測概率Pd增大。在實際應用中，通常先固定某一個虛警概率 Pfa，來比較對應的檢測概率Pd的大小，從而判斷某種頻譜感知方法的性能。

4 仿真結果分析

參 數 取 值 為 ：SNR=-20 dB，T=200 s，N=256，pf=0.001。 圖 3（a）所示是能量檢測 ROC 圖，圖 3（b）為改進型能量檢測ROC圖，從圖中可以看出，相對于一般的能量檢測方案，改進型能量檢測方法能夠較接近理論值，誤差較小，在一定程度上達到優(yōu)化的目的。圖4分別表示門限值和r（k）＞g的信號分布情況。圖中可以清晰地表示出大于門限值的信號，而小于門限值的信號則被當成是噪聲信號處理，說明不存在噪聲干擾，可以實現安全通信。

能量檢測方法依據信號有無的假設情況下，根據接收信號功率大小的不同對信號進行檢測。由于能量檢測對信號類型沒有限制，因此不需要信號的任何先驗信息，是一種對未知參數的確定性信號的存在性進行檢測的有效方法[10]。

本文根據能量檢測法的一般原理提出了一種改進型能量檢測方法，該方法通過改變輸出判決量達到減少噪聲干擾的目的，MATLAB仿真實驗表明，該方法對于ISM 2.4 GHz頻段復雜的噪聲信號具有強的魯棒性，很大程度上優(yōu)化了能量檢測方法，提高了檢測的準確性。

[1]MITOLA J， MAGUIRE G Q.Cognitive radio： making software radios more personal[J].IEEE Personal Communcations， 1999，6（4）：13-18.

[2]CABRIC D， MISHRA S M， WILLKOMM D， et al.A cognitive radio approach for usage of virtual unlicensed spectrum[C].Proceedings of 14th IST Mobile and Wireless Communications Summit，2005.

[3]Zeng Yonghong， Liang Yingchang， HOANG A T， et al.A review on spectrum sensing for cognitive radio：challenges and solutions[C].EURASIP Journal on Advances in Signal Processing， 2010：2.

[4]URKOWITZ H.Energy detection of unknown deterministic signals[J].Proceeding of the IEEE， 1967，55（4）：523-531.

[5]HAYKIN S， THOMSON D， REED J H.Spectrum sensing for cognitive radio[J].Proceedings of the IEEE， 2009，97（5）：849-877.

[6]YUCEK T，ARSLAN H.A survey of spectrum sensing algorithms for cognitive radio applications [J]. IEEE Communications Surveys&Tutorials， 2009，11（1）：116-130.

[7]CABRIC D， TKACHENKO A， BRODERSEN R W.Experimental study of spectrum sensing based on energy detection and network cooperation[C].Proceedings of the First International Workshop on Technology and Policy for Accessing Spectrum，2006.

[8]CHEN Z， GUO N， QIU R.Demonstration of real-time spectrum sensing for cognitive radio[J].IEEE Communications Letters， 2010（14）：915-917.

[9]SUTTON P D， LOTZE J， NOLAN K E， et al.Cyclostationary signature detection in multipath rayleigh fading environments[C].2nd International Conference on Cognitive Radio Oriented Wireless Networks and Communications，2007：408-413.

[10]朱剛.超寬帶（UWB）原理與干擾[M].北京：清華大學出版社；北京交通大學出版社，2009.