基于功率譜對(duì)消的時(shí)域相關(guān)認(rèn)知跳頻譜檢測(cè)算法

李彤， 苗成林， 呂軍

(裝甲兵工程學(xué)院 信息工程系， 北京 100072)

基于功率譜對(duì)消的時(shí)域相關(guān)認(rèn)知跳頻譜檢測(cè)算法

李彤， 苗成林， 呂軍

(裝甲兵工程學(xué)院 信息工程系， 北京 100072)

認(rèn)知跳頻技術(shù)將認(rèn)知無(wú)線電運(yùn)用到跳頻通信中，通過(guò)檢測(cè)認(rèn)知跳頻頻譜中的“頻譜空穴”來(lái)更新跳頻點(diǎn)集，避免頻點(diǎn)碰撞，提高頻譜利用率。針對(duì)頻譜檢測(cè)中的時(shí)域相關(guān)算法因噪聲和授權(quán)信號(hào)的存在，導(dǎo)致頻譜空穴的判定門限難以確定，從而使占用信號(hào)的檢測(cè)概率較低的問(wèn)題，提出了一種基于功率譜對(duì)消的時(shí)域相關(guān)算法來(lái)檢測(cè)跳頻譜。與未經(jīng)過(guò)功率譜對(duì)消運(yùn)算的傳統(tǒng)時(shí)域相關(guān)算法相比，該算法能有效提高信號(hào)的檢測(cè)概率，具有實(shí)時(shí)性好、克服白噪聲不確定性、抑制授權(quán)信號(hào)干擾的優(yōu)點(diǎn)。理論分析與仿真結(jié)果表明，基于功率譜對(duì)消的時(shí)域相關(guān)算法優(yōu)于傳統(tǒng)時(shí)域相關(guān)算法。

通信技術(shù)； 認(rèn)知跳頻； 功率譜對(duì)消； 時(shí)域相關(guān)

Abstract: Cognitive frequency hopping technology is to apply cognitive radio to frequency hopping communication. The spectrum hole in cognitive frequency hopping spectrum can be detected effectively to avoid the collision of frequency points and improve the spectral efficiency to update the frequency hopping points. The time-domain correlation algorithm in spectrum detection technology for cognitive radio has some defects in anti-interference, universality and real-time performance due to the existence of noise and primary signals. A time-domain correlation algorithm based on power spectrum cancellation is proposed to detect the cognitive frequency hopping spectrum. The proposed algorithm can be used to improve the detection probability of signals. Moreover, it can overcome the noise uncertainty and restrain the primary signals. Theoretical analysis and computer simulation demonstrate that the time-domain correlation algorithm based on power spectrum cancellation is superior to traditional time-domain correlation algorithm.

Key words: communication technology; cognitive frequency hopping; power spectrum cancellation; time-domain correlation

0 引言

跳頻通信具有低截獲、抗干擾等特點(diǎn)，在軍事通信、網(wǎng)電空間戰(zhàn)中廣泛應(yīng)用，當(dāng)前戰(zhàn)術(shù)通信電臺(tái)多采用跳頻技術(shù)來(lái)提高通信的抗干擾能力。然而傳統(tǒng)跳頻通信是在確定、靜態(tài)的頻點(diǎn)集上進(jìn)行通信，盡管使用多套(約定的備用方案)跳頻點(diǎn)集，但由于缺少對(duì)頻譜的認(rèn)知能力，使跳頻點(diǎn)集固定，不能高效地利用頻譜資源；同時(shí)，由于軍事電磁對(duì)抗以及局部區(qū)域內(nèi)眾多的無(wú)線網(wǎng)絡(luò)，跳頻點(diǎn)碰撞概率增高，使通信誤碼率增加，造成通信質(zhì)量下降。針對(duì)以上問(wèn)題，認(rèn)知跳頻(CHF)技術(shù)被提出來(lái)[1]。CHF系統(tǒng)結(jié)構(gòu)如圖1所示。

圖1 CHF系統(tǒng)結(jié)構(gòu)Fig.1 Cognitive frequency hopping system

圖1所示的CHF系統(tǒng)與傳統(tǒng)跳頻相比，增加了認(rèn)知單元。認(rèn)知單元是CHF系統(tǒng)的核心部件，可在接收端獲取并處理信道中的頻譜信號(hào)，發(fā)現(xiàn)頻譜空穴，更新可用頻點(diǎn)集，從而降低頻點(diǎn)碰撞概率，減小瞄準(zhǔn)式干擾。軍用電臺(tái)跳頻速率較快，CHF系統(tǒng)要求頻譜檢測(cè)的時(shí)間小于跳頻序列周期，以確保進(jìn)入下一周期時(shí)能及時(shí)更新跳頻點(diǎn)集，因此需要實(shí)時(shí)性較高的頻譜檢測(cè)技術(shù)。

現(xiàn)有的認(rèn)知無(wú)線電頻譜檢測(cè)技術(shù)可以分為兩類：協(xié)作式頻譜檢測(cè)技術(shù)[2]和基于譜的檢測(cè)技術(shù)[3-7]。協(xié)作式頻譜檢測(cè)技術(shù)需要多節(jié)點(diǎn)將各自的感知信息匯總到融合中心進(jìn)行綜合處理，該方法需要額外的通信開(kāi)銷，對(duì)收發(fā)端獨(dú)立的CHF系統(tǒng)并不適用[2]?；谧V的頻譜檢測(cè)方法包括匹配濾波[3]、能量檢測(cè)[4]、延遲相乘檢測(cè)[5]、循環(huán)檢測(cè)[6]和時(shí)域相關(guān)檢測(cè)[7]等。其中：匹配濾波器檢測(cè)方法需要發(fā)射端的先驗(yàn)信息，同步要求高[3]；能量檢測(cè)方法無(wú)需先驗(yàn)信息，但是受到噪聲的影響嚴(yán)重[4]；延遲相乘檢測(cè)方法只針對(duì)特定的信號(hào)，需要獲得發(fā)射端濾波參數(shù)，普適性差[5]；循環(huán)檢測(cè)方法計(jì)算復(fù)雜度高，實(shí)時(shí)性較差[6]；時(shí)域相關(guān)檢測(cè)方法無(wú)需先驗(yàn)知識(shí)，實(shí)時(shí)性好[7]，但判決門限對(duì)噪聲的期望和方差敏感，當(dāng)存在其他頻帶內(nèi)信號(hào)時(shí)，判決規(guī)則失效。鑒于以上方法的不足，本文對(duì)時(shí)域相關(guān)算法進(jìn)行研究，以解決在CHF系統(tǒng)中授權(quán)用戶的干擾問(wèn)題，并克服噪聲的不確定性。

傳統(tǒng)時(shí)域相關(guān)算法一般通過(guò)對(duì)信號(hào)自相關(guān)函數(shù)的幅度采樣，將采樣值累加運(yùn)算得到統(tǒng)計(jì)量，依據(jù)該統(tǒng)計(jì)量的最大似然或者最小二乘法判決結(jié)果來(lái)判斷頻段內(nèi)是否有跳頻信號(hào)[7]。時(shí)域相關(guān)算法流程如圖2所示。在觀測(cè)時(shí)間0<τ

圖2 時(shí)域相關(guān)運(yùn)算流程圖Fig.2 Time-domain correlation processing

在利用功率譜對(duì)消的方法中，文獻(xiàn)[8]提出了功率譜對(duì)消的跳頻信號(hào)檢測(cè)算法，將功率譜對(duì)消的方法應(yīng)用在跳頻信號(hào)的檢測(cè)中，通過(guò)對(duì)消運(yùn)算來(lái)減小定頻信號(hào)對(duì)跳頻信號(hào)檢測(cè)的影響。文獻(xiàn)[9]提出對(duì)功率譜對(duì)消后的信號(hào)采用短時(shí)傅里葉變換來(lái)進(jìn)行時(shí)頻分析的算法，以有效提高跳頻信號(hào)的檢測(cè)概率。文獻(xiàn)[10-11]提出分段對(duì)消頻譜感知算法，將功率譜對(duì)消的方法應(yīng)用到認(rèn)知無(wú)線電的頻譜感知上，以頻帶內(nèi)一些譜線強(qiáng)度和與剩余譜線強(qiáng)度和的比值作為檢驗(yàn)統(tǒng)計(jì)量，表明功率譜對(duì)消運(yùn)算能克服噪聲的不確定性，證明了在認(rèn)知無(wú)線電系統(tǒng)中的可行性。文獻(xiàn)[12] 提出基于功率譜密度中段平均算法，以接收信號(hào)功率譜最大值與最小值之差作為檢測(cè)統(tǒng)計(jì)量，與分段對(duì)消的思想類似，應(yīng)用于認(rèn)知無(wú)線電中，具有很好的檢測(cè)性能。

本文延續(xù)功率譜對(duì)消的思想，針對(duì)CHF系統(tǒng)，使用功率譜對(duì)消的方法對(duì)傳統(tǒng)時(shí)域相關(guān)算法進(jìn)行改進(jìn)，在傳統(tǒng)時(shí)域相關(guān)算法的基礎(chǔ)上，提出了一種基于功率譜對(duì)消的時(shí)域相關(guān)(TCPC)CHF譜檢測(cè)算法(簡(jiǎn)稱TCPC算法)，利用功率譜分段對(duì)消運(yùn)算抵消跳頻頻段內(nèi)其他長(zhǎng)時(shí)信號(hào)的干擾，提出檢測(cè)門限的確定方法，能夠計(jì)算頻譜空穴的概率，判斷淹沒(méi)在干擾信號(hào)中的跳頻信號(hào)頻點(diǎn)，以克服噪聲不確定性、區(qū)分和抑制授權(quán)信號(hào)，提高檢測(cè)概率。

1 CHF系統(tǒng)模型

自組織應(yīng)急網(wǎng)絡(luò)加入到現(xiàn)有的通信網(wǎng)絡(luò)中所構(gòu)成的通信環(huán)境如圖3所示，包括授權(quán)信號(hào)、背景噪聲、網(wǎng)內(nèi)的跳頻信號(hào)和網(wǎng)間干擾。其中鄰近網(wǎng)絡(luò)采用跳速較快的跳頻傳輸，授權(quán)信號(hào)(PU)采用跳速較慢的跳頻或定頻傳輸，應(yīng)急網(wǎng)絡(luò)和鄰近網(wǎng)絡(luò)中的用戶都是認(rèn)知用戶，基站是授權(quán)用戶，基站發(fā)送的信號(hào)是授權(quán)信號(hào)，對(duì)頻譜的使用優(yōu)先級(jí)順序?yàn)槭跈?quán)信號(hào)>鄰近網(wǎng)絡(luò)>應(yīng)急網(wǎng)絡(luò)。應(yīng)急網(wǎng)絡(luò)需要感知授權(quán)用戶、鄰近網(wǎng)絡(luò)和背景噪聲信號(hào)，當(dāng)發(fā)現(xiàn)授權(quán)用戶或者鄰近網(wǎng)絡(luò)信號(hào)占據(jù)頻點(diǎn)時(shí)，及時(shí)調(diào)整跳頻配置，更新跳頻點(diǎn)集。該通信環(huán)境屬于典型的CHF系統(tǒng)。

圖3 通信環(huán)境模擬圖Fig.3 Simulated communication environment

CHF系統(tǒng)的鄰近網(wǎng)絡(luò)接收機(jī)接收到的信號(hào)x(t)模型表示為

(1)式中：H0表示接收的信號(hào)只有噪聲n(t)；H1表示接收的信號(hào)含有跳頻信號(hào)SH(t)和噪聲n(t)；H2表示接收的信號(hào)含有跳頻信號(hào)SH(t)、背景噪聲n(t)和授權(quán)信號(hào)SF(t). 噪聲類型是加性高斯白噪聲。

2 TCPC算法

2.1 TCPC算法過(guò)程

接受到的信號(hào)x(t)經(jīng)過(guò)抗混疊濾波器和模擬與數(shù)字信號(hào)轉(zhuǎn)換器轉(zhuǎn)換為數(shù)字序列x(m),共有N個(gè)數(shù)據(jù)，x(m)的功率譜為S(k). 把x(m)分成連續(xù)的L段數(shù)據(jù)，每段數(shù)據(jù)量為M，對(duì)第t數(shù)據(jù)xt(m)求快速傅里葉變換運(yùn)算，xt(m)的功率譜St(k)為

(2)

式中：a、b分別為xt(m)中含有的授權(quán)信號(hào)和跳頻信號(hào)的數(shù)量；ω為xt(m)與Xt(k)傅里葉變換之間的相位關(guān)系。

對(duì)每段數(shù)據(jù)的功率譜，在時(shí)間上求平均功率譜SA(k)為

(3)

式中：xl(n)為第l段數(shù)據(jù)，計(jì)算對(duì)消功率譜為

SS(k)=S(k)-SA(k).

(4)

在觀測(cè)時(shí)間內(nèi)，PU長(zhǎng)時(shí)間占據(jù)頻帶，而跳頻信號(hào)在跳頻圖案中跳變，假設(shè)每段數(shù)據(jù)平均含有的跳頻數(shù)為g，整段數(shù)據(jù)中跳頻數(shù)為h，則(3)式求平均功率譜時(shí)，跳頻信號(hào)的功率譜強(qiáng)度會(huì)變成原來(lái)的g/h，而PU的功率譜幅度基本不變。由此可知，通過(guò)(4)式運(yùn)算可以抵消大部分PU功率、將跳頻信號(hào)保留下來(lái)，從而可以通過(guò)保留的信號(hào)對(duì)CHF的存在性進(jìn)行檢測(cè)。

由維納- 辛欽定理可得，自相關(guān)函數(shù)與功率譜函數(shù)是一對(duì)傅里葉變換[13]，從而可得

(5)

對(duì)x(t)求其自相關(guān)函數(shù)Rx(τ)，其中τ為時(shí)延，0<τ

(6)

式中：RHH(τ)表示跳頻信號(hào)的自相關(guān)；RNN(τ)表示噪聲的自相關(guān)；RNH(τ)和RHN(τ)分別表示跳頻信號(hào)和噪聲的互相關(guān)；RNF(τ)和RFN(τ)分別表示PU和噪聲的互相關(guān)；RFF(τ)表示PU的自相關(guān)；RHF(τ)和RFH(τ)分別表示跳頻信號(hào)和PU信號(hào)的互相關(guān)。

由文獻(xiàn)[7]可知，信噪比小于1時(shí)，信號(hào)乘噪聲分量可忽略不計(jì)，因此RHN(τ)和RFN(τ)與信噪比有關(guān)，當(dāng)信噪比小于1 dB時(shí)，RHN(τ)≈0，RFN(τ)≈0.RHH(τ)與跳頻一跳駐留時(shí)間TH有關(guān)：

(7)

綜上所述，對(duì)Rx(τ)可變換為：

當(dāng)0<τ

(8)

當(dāng)TH<τ

(9)

取自相關(guān)函數(shù)兩端時(shí)間的平均值做特征值E1和E2：

(10)

將E1和E2的歸一化比值ρ作為檢測(cè)統(tǒng)計(jì)量，來(lái)判斷接受端的信號(hào)情況。

若接收端信號(hào)為H0假設(shè)，檢測(cè)統(tǒng)計(jì)量ρ0的數(shù)學(xué)表示式如下：

(11)

由(11)式可知，ρ0只與噪聲的自相關(guān)RNN(τ)有關(guān)。

若接收端信號(hào)為H1假設(shè)，檢測(cè)統(tǒng)計(jì)量ρ1的表達(dá)式為

ρ1=ρ|H1?

(12)

若接收端信號(hào)為H2假設(shè)，檢測(cè)統(tǒng)計(jì)量ρ2的表達(dá)式為

(13)

H1與H2比較，存在跳頻信號(hào)，即頻譜空穴被占據(jù)時(shí)，由于RFF(τ)分量的存在，在一跳時(shí)間TH內(nèi)具有很強(qiáng)的自相關(guān)性，使ρ1有顯著的增量。但由于PU的存在，不管是否在TH內(nèi)，特征比值都會(huì)有明顯增量，不能再用ρ1作為是否存在頻譜空穴的檢測(cè)統(tǒng)計(jì)量。使用(5)式中功率譜對(duì)消后的R′x(τ)作為(11)式中的Rx(τ)，得到最終的判決統(tǒng)計(jì)量為

(14)

比較對(duì)消后功率譜和x(t)的功率譜，通過(guò)譜線強(qiáng)度的變化來(lái)判斷授權(quán)信號(hào)對(duì)某頻點(diǎn)的占用性，對(duì)H1、H2假設(shè)進(jìn)行區(qū)分，該過(guò)程對(duì)頻譜空穴的檢測(cè)概率沒(méi)有影響。

綜合以上過(guò)程，TCPC算法流程圖如圖4所示。

圖4 TCPC算法流程圖Fig.4 Flow chart of TCPC algorithm

2.2 TCPC算法虛警概率和判決門限

(15)

式中：erf(x)是誤差函數(shù)，其表達(dá)式為

(16)

根據(jù)Neyman-Pearson準(zhǔn)則[13]可得到門限

(17)

式中：erf-1(x)是誤差函數(shù)的反函數(shù)。從(17)式可以看出，門限λ與ρ0的期望、方差和Pf有關(guān)。由于ρ0的表達(dá)式是一個(gè)確定的比值關(guān)系，該比值難以尋找確定的數(shù)學(xué)表達(dá)式，且由RNN(τ)的波形估計(jì)出該比值為恒定值，計(jì)算白噪聲的期望和方差對(duì)統(tǒng)計(jì)量ρ0的期望、方差影響的關(guān)系如圖5所示。選取觀測(cè)時(shí)間τ是跳頻駐留時(shí)間TH的5倍，通過(guò)1 000次蒙特卡洛實(shí)驗(yàn)確定噪聲方差和期望，ρ0的大小限制在±0.1范圍內(nèi)變換。從而可知門限λ對(duì)噪聲的期望和方差不敏感，可以克服噪聲不確定性。

圖5 噪聲影響ρ0統(tǒng)計(jì)量示意圖Fig.5 Influence of noise on ρ0

2.3 TCPC算法檢測(cè)概率

在CHF系統(tǒng)中，檢測(cè)概率Pd是指頻譜中檢測(cè)到信號(hào)的概率，即頻譜空穴的概率。Pd的數(shù)學(xué)表達(dá)式為Pd=P(ρ′>λ|(H1&H2)). 對(duì)消后的功率譜傅里葉變換進(jìn)行采樣，將大量的隨機(jī)采樣值代入(14)式中計(jì)算均值得到ρ′，經(jīng)過(guò)M次蒙特卡洛實(shí)驗(yàn)，統(tǒng)計(jì)ρ′>λ的數(shù)量為N，從而得到檢測(cè)概率Pd=N/M(100%).

3 TCPC算法過(guò)程仿真

仿真參數(shù)設(shè)置如下：總數(shù)據(jù)點(diǎn)數(shù)20 000點(diǎn)，CHF的頻率集為2 000 Hz、3 000 Hz、4 000 Hz、5 000 Hz、6 000 Hz、8 000 Hz.

由于PU的存在，接收的授權(quán)信號(hào)頻點(diǎn)為1 000 Hz和7 000 Hz，(11)式～(13)式中的特征值ρ0、ρ1、ρ2存在明顯增量。存在授權(quán)信號(hào)時(shí)的自相關(guān)系數(shù)如圖6所示，不存在授權(quán)信號(hào)時(shí)的自相關(guān)系數(shù)如圖7所示。由圖6可知，由于授權(quán)信號(hào)的影響，自相關(guān)函數(shù)在非原點(diǎn)處存在明顯增量，由此可以看出傳統(tǒng)時(shí)域相關(guān)算法失效。

圖6 存在授權(quán)信號(hào)時(shí)的自相關(guān)系數(shù)示意圖Fig.6 Autocorrelation coefficient with PU

圖7 不存在授權(quán)信號(hào)時(shí)的自相關(guān)系數(shù)Fig.7 Autocorrelation coefficient without PU

圖8 無(wú)頻點(diǎn)碰撞的對(duì)消功率譜Fig.8 Power spectrum cancellation without collision of frequency points

使用窗函數(shù)截取數(shù)據(jù)段，計(jì)算分段功率譜，進(jìn)而求得平均功率譜，再代入(4)式中計(jì)算對(duì)消功率譜。PU可能與跳頻信號(hào)發(fā)生頻點(diǎn)碰撞。PU與跳頻信號(hào)不存在頻點(diǎn)碰撞時(shí)的對(duì)消功率譜如圖8所示，PU為1 000 Hz、7 000 Hz的信號(hào)；PU與跳頻信號(hào)存在頻點(diǎn)碰撞時(shí)的對(duì)消功率譜如圖9所示，PU為2 000 Hz、6 000 Hz的信號(hào)。由于加窗函數(shù)截?cái)嘈盘?hào)造成的頻譜泄露以及噪聲本身的隨機(jī)性使對(duì)消功率譜在碰撞頻點(diǎn)位置有殘留能量，通過(guò)設(shè)置判決門限對(duì)頻點(diǎn)進(jìn)行識(shí)別，判定規(guī)則為將某一頻點(diǎn)處低于判定門限的頻點(diǎn)位置判定為頻譜空穴。但確定判決門限十分困難，常用的尋找極值點(diǎn)確定門限方法[13]無(wú)法準(zhǔn)確地尋找到所有頻點(diǎn)位置，因此將對(duì)消功率譜轉(zhuǎn)變?yōu)樽韵嚓P(guān)函數(shù)并在時(shí)域上進(jìn)行檢測(cè)概率的計(jì)算，從而得到頻點(diǎn)位置信息的估計(jì)。

圖9 有頻點(diǎn)碰撞的對(duì)消功率譜Fig.9 Power spectrum cancellation with collision of frequency points

由維納- 辛欽定理知，自相關(guān)函數(shù)與功率譜是一對(duì)傅里葉變換[13]，將對(duì)消功率譜代入(5)式中得到R′x(τ)，圖10所示為對(duì)消后的自相關(guān)系數(shù)，可見(jiàn)不管有無(wú)頻率碰撞，只有在時(shí)延為0附近存在大于0.5的歸一化系數(shù)，可以進(jìn)行頻譜空穴的概率計(jì)算。

圖10 對(duì)消后的自相關(guān)系數(shù)Fig.10 Autocorrelation coefficient after cancellation

4 TCPC算法性能分析

4.1 功率對(duì)消性能

圖11 窗函數(shù)影響對(duì)消運(yùn)算示意圖Fig.11 Influence of window function on cancellation

信噪比為5 dB，窗函數(shù)分別選擇漢寧窗、海明窗、矩形窗和布拉克曼窗，經(jīng)過(guò)1 000次蒙特卡洛計(jì)算，得到分組數(shù)量與功率譜對(duì)消比的關(guān)系如圖12所示。由圖12可見(jiàn)，TCPC算法中平均功率譜的計(jì)算與分組數(shù)量關(guān)系不大，而選擇矩形窗時(shí)，分組數(shù)目越多、對(duì)消運(yùn)算的性能越好，這是因?yàn)槭褂镁匦未敖財(cái)鄶?shù)據(jù)時(shí)頻譜能量泄露明顯，而其他3個(gè)窗對(duì)旁瓣能量都有一定的抑制。

圖12 分組數(shù)量影響對(duì)消運(yùn)算示意圖Fig.12 Influence of number of groups on cancellation

綜合圖11和圖12可以看出，選擇布拉克曼窗的功率對(duì)消性能優(yōu)于漢寧窗，漢寧窗優(yōu)于海明窗，矩形窗的性能最差。

4.2 檢測(cè)概率性能

在使用分段數(shù)目為10，窗函數(shù)選擇布拉克曼窗，直接數(shù)字合成方法產(chǎn)生總數(shù)據(jù)點(diǎn)數(shù)20 000點(diǎn)，調(diào)制方式為二進(jìn)制相移鍵控，虛警概率分別選取0.05、0.10、0.30的條件下，對(duì)TCPC算法與傳統(tǒng)時(shí)域相關(guān)算法(未經(jīng)過(guò)對(duì)消運(yùn)算的自相關(guān)檢測(cè)算法)進(jìn)行比較，結(jié)果如圖13所示。由圖13可見(jiàn)，在同樣的虛警概率下，特別是在較低信噪比條件下，TCPC算法具有更高的檢測(cè)概率，基于功率譜對(duì)消的時(shí)域相關(guān)算法優(yōu)于傳統(tǒng)的時(shí)域相關(guān)算法。

圖13 時(shí)域相關(guān)算法比較示意圖Fig.13 Comparison of TCPC algorithm and tranditional time-domain correlation algorithm

5 結(jié)論

本文提出了一種基于功率譜對(duì)消的時(shí)域相關(guān)算法來(lái)檢測(cè)CHF譜，克服了傳統(tǒng)時(shí)域相關(guān)算法中對(duì)噪聲敏感、受授權(quán)信號(hào)干擾較大的缺點(diǎn)，分析了分段數(shù)、窗函數(shù)類型、接收信噪比3個(gè)因素對(duì)該算法的影響，在同樣的虛警概率下，基于功率譜對(duì)消的時(shí)域相關(guān)算法比傳統(tǒng)的時(shí)域相關(guān)算法具有更高的檢測(cè)概率。表明基于功率譜對(duì)消的時(shí)域相關(guān)算法能廣泛應(yīng)用于CHF系統(tǒng)的頻譜檢測(cè)中，為應(yīng)急網(wǎng)絡(luò)接入現(xiàn)有通信環(huán)境提供了一種解決方案。

References)

[1] 仇帥, 陳西宏, 王澈. 認(rèn)知無(wú)線電在跳頻通信中的應(yīng)用研究[J]. 現(xiàn)代防御技術(shù), 2013, 41(5):64-69. QIU Shuai, CHEN Xi-hong, WANG Che. Application of cognitive radio in frequency hopping com-munication[J]. Modern Defence Technology, 2013, 41(5):64-69. (in Chinese)

[2] Wang T, Song L, Saad W, et al. Cooperative spectrum sensing in cognitive radio[J]. Frequenz, 2017, 67(3/4):93-98.

[3] Shobana S, Saravanan R, Muthaiah R. Matched filter based spectrum sensing on cognitive radio for OFDM WLANs[J]. International Journal of Engineering & Technology, 2013, 5(1):142-146.

[4] Ling X, Wu B, Wen H, et al. Adaptive threshold control for energy detection based spectrum sensing in cognitive radios[J]. IEEE Wireless Communication Letters, 2011, 1(5):1-5.

[5] 熊輝，王鷹，張穎光，等. 基于延遲相乘和能量累積的DSSS信號(hào)參數(shù)估計(jì)算法[J]. 系統(tǒng)工程與電子技術(shù), 2010, 32(10): 2227-2232. XIONG Hui，WANG Ying，ZHANG Ying-guang，et al. Parameter estimation of DSSS using delay-multiply and energy accumulation[J]. Journal of Systems Engineering and Electronics, 2010, 32(10): 2227-2232. (in Chinese)

[6] 馬彬, 方源, 謝顯中. 一種基于信號(hào)循環(huán)平穩(wěn)特征的抵御惡意模仿主用戶攻擊協(xié)作頻譜檢測(cè)算法[J]. 中國(guó)科學(xué):信息科學(xué), 2016,46(6):789-799. MA Bin, FANG Yuan, XIE Xian-zhong. Robust cooperative spectrum sensing against primary user emulation attacks based on cyclostationarity[J]. Scientia Sinica : Informationis, 2016,46(6):789-799. (in Chinese)

[7] Chung C D，Polydoros A . Parameter estimation of random FH signals using autocorrelation techniques [J]. IEEE Transactions on Communications, 1995，43(2):1097-1106.

[8] 高憲軍, 李德鑫, 李娜,等. 基于功率譜對(duì)消的跳頻信號(hào)檢測(cè)算法[J]. 吉林大學(xué)學(xué)報(bào)：信息科學(xué)版, 2008, 26(3):238-243. GAO Xian-jun, LI De-xin, LI Na, et al. Algorithm for frequency-hopping signals detection based on suppressing power spectrum[J]. Journal of Jilin University: Information Science Edition, 2008, 26(3):238-243. (in Chinese)

[9] 方志, 賈峰. 復(fù)雜電磁環(huán)境下跳頻信號(hào)檢測(cè)及拼接算法[J]. 無(wú)線電工程, 2010, 40(8):13-15. FANG Zhi, JIA Feng. Detection and mosaic algorithm of frequency-hopping signals in complicated electromagnetic environment[J]. Radio Engineering of China, 2010, 40(8):13-15. (in Chinese)

[10] 齊佩漢, 司江勃, 李贊. 新型抗噪聲不確定度譜分段對(duì)消頻譜感知算法[J]. 西安電子科技大學(xué)學(xué)報(bào):自然科學(xué)版, 2013, 40(6):19-24. QI Pei-han, SI Jiang-bo, LI Zan. Novel anti-noise uncertainty spectrum sensing algorithm based on power spectral density segment cancellation[J]. Journal of Xidian University:Natural Science, 2013, 40(6):19-24. (in Chinese)

[11] 齊佩漢, 司江勃, 李贊. 基于功率譜分段對(duì)消頻譜感知算法研究及性能分析[J]. 電子與信息學(xué)報(bào), 2014, 36(4): 769-774. QI Pei-han, SI Jiang-bo, LI Zan. Research and performance analysis of spectrum sensing algorithm based on the power spectral density segment cancellation[J]. Journal of Electronics & Information Technology, 2014, 36(4): 769-774. (in Chinese)

[12] 趙知?jiǎng)? 呂曦, 鄭仕鏈. 基于功率譜密度中段平均的頻譜感知算法[J]. 電信科學(xué), 2016, 32(7):53-60. ZHAO Zhi-jin, LYU Xi, ZHENG Shi-lian. Spectrum sensing algorithm based on average value of middle part of power spectral density[J]. Telecommunications Science, 2016, 32(7):53-60. (in Chinese)

[13] 趙樹(shù)杰, 趙建勛. 信號(hào)檢測(cè)與估計(jì)理論[M]. 北京：電子工業(yè)出版社, 2013. ZHAO Shu-jie, ZHAO Jian-xun. Signal detection and estimation theory[M]. Beijing: Publishing House of Electronics Industry, 2013. (in Chinese)

Time-domainCorrelationAlgorithmofCognitiveFrequencyHoppingBasedonPowerSpectrumCancellation

LI Tong, MIAO Cheng-lin, LYU Jun

(Department of Information Engineering, Academy of Armored Forces Engineering, Beijing 100072, China)

TN925+.92

A

1000-1093(2017)09-1754-07

10.3969/j.issn.1000-1093.2017.09.012

2017-01-11

苗成林(1990—)，男，博士研究生。E-mail: 644392162@qq.com

李彤(1964—)，男，教授，博士生導(dǎo)師。E-mail:13601187076@163.com