認(rèn)知無線電頻譜感知技術(shù)綜述*

郭文祥，余志勇，逄 晨，孫亞民

0 引 言

隨著社會(huì)信息化進(jìn)程的加快，無線網(wǎng)絡(luò)和移動(dòng)通信的業(yè)務(wù)需求量不斷增大，電磁頻譜資源需求急劇增加。然而，現(xiàn)有的頻譜資源及其分配模式不能滿足用頻需求，一定程度上制約了無線通信技術(shù)的發(fā)展。相關(guān)研究表明，電磁頻譜資源的利用呈現(xiàn)嚴(yán)重的不均衡性，公共頻段十分擁擠，而授權(quán)頻段的頻譜利用率僅為15%～85%[1]?？梢?，這是人為性的頻譜匱乏問題。在有限的頻譜資源條件下，提高利用率是解決資源和需求矛盾的關(guān)鍵所在。在此背景下，認(rèn)知無線電技術(shù)應(yīng)運(yùn)而生。它是一種智能的頻譜共享技術(shù)，可以感知頻域、時(shí)域和空域等周圍無線電頻譜環(huán)境，通過對(duì)環(huán)境的理解、主動(dòng)學(xué)習(xí)等措施，自動(dòng)搜尋并利用已授權(quán)頻段的空閑頻譜而不影響其他授權(quán)用戶，從而實(shí)現(xiàn)不可再生頻譜資源的再利用[2]。

頻譜感知是認(rèn)知無線電的核心技術(shù)，是保證高效分配頻譜資源的先決條件。頻譜感知是在不干擾授權(quán)用戶的前提下，實(shí)時(shí)監(jiān)測(cè)可用頻段并進(jìn)行相關(guān)分析，從而發(fā)現(xiàn)頻譜空穴[3]。頻譜感知技術(shù)必須要保證良好的檢測(cè)性能，一旦檢測(cè)概率偏低，就會(huì)對(duì)授權(quán)用戶正常的通信造成干擾，而虛警概率偏高則會(huì)導(dǎo)致認(rèn)知用戶無法正常接入空閑頻譜，降低頻譜的利用率。經(jīng)過幾十年的研究，頻譜感知技術(shù)已有很多理論成果，但不難發(fā)現(xiàn)，在低信噪比環(huán)境下，頻譜感知性能還有待進(jìn)一步提高。

電磁環(huán)境日益惡劣，干擾增多，信噪比下降，提升低信噪比條件下的感知性能尤為重要。針對(duì)低信噪比條件，綜述前輩們的研究成果，重點(diǎn)對(duì)比分析檢測(cè)性能，最后指出發(fā)展趨勢(shì)和挑戰(zhàn)。

1 低信噪比下的頻譜感知

最初，頻譜感知算法都是基于單節(jié)點(diǎn)進(jìn)行的[4-8]。由于單節(jié)點(diǎn)無法突破物理局限，低信噪比條件下感知性能迅速衰弱，各類聯(lián)合頻譜感知算法[9-12]相繼被提出，克服了單節(jié)點(diǎn)頻譜感知的物理局限。

1.1 單節(jié)點(diǎn)頻譜感知

單節(jié)點(diǎn)頻譜感知即單個(gè)用戶獨(dú)立判決，不涉及復(fù)雜的系統(tǒng)結(jié)構(gòu)和數(shù)據(jù)融合問題，相對(duì)簡(jiǎn)單。文獻(xiàn)[13-15]采用經(jīng)典的能量檢測(cè)算法，實(shí)時(shí)估計(jì)信號(hào)幅值并計(jì)算能量，通過與判決門限做比較，判決授權(quán)用戶存在與否。它的復(fù)雜度低、檢測(cè)速度快，但當(dāng)信噪比低于-20 dB時(shí)，檢測(cè)概率僅為0.2，且受噪聲不確定性影響較大，難以適用于低信噪比電磁環(huán)境。文獻(xiàn)[16-17]采用匹配濾波檢測(cè)算法，利用相干檢測(cè)原理，使接收的信號(hào)信噪比最大化，提高了檢測(cè)概率，但先驗(yàn)知識(shí)和嚴(yán)格的相位同步條件使其實(shí)用性不高。文獻(xiàn)[18]提出了基于小波變換的頻譜感知算法，將主信號(hào)與噪聲分離，仿真顯示，在信噪比低至-25 dB的環(huán)境中，漏檢概率低于0.1，表明檢測(cè)性能足夠好，但采用的是特定的2FSK信號(hào)進(jìn)行仿真，說服力不強(qiáng)，不一定適用于低信噪比環(huán)境。文獻(xiàn)[19]提出了LMS算法，當(dāng)信噪比低至-25 dB時(shí)，檢測(cè)概率能達(dá)到0.8，但算法局限于小樣本數(shù)據(jù)。為解決適用性問題，文獻(xiàn)[20]基于功率譜和Rayleigh熵理論，提出了功率譜最大最小值之差頻譜感知算法。針對(duì)未知信號(hào)，當(dāng)信噪比高-12 dB時(shí)，檢測(cè)概率能達(dá)到0.9以上且魯棒性高，但當(dāng)信噪比低至-20 dB時(shí)，檢測(cè)概率僅為0.05。文獻(xiàn)[21-23]提出了基于特征矢量的頻譜感知算法，感知性能較ED算法有所提高，但涉及矩陣特征值分解運(yùn)算，導(dǎo)致復(fù)雜度高，感知速度偏慢。文獻(xiàn)[24]提出了子空間投影的頻譜感知算法，根據(jù)信號(hào)子空間和噪聲子空間投影差異，實(shí)現(xiàn)了快速頻譜感知，但在低至-20 dB的信噪比條件下，檢測(cè)可靠度不高。此外，學(xué)者們還提出了許多方法以適應(yīng)各類場(chǎng)景感知性能需求。文獻(xiàn)[25]采用VLL-LMS算法，提高了算法收斂速度；文獻(xiàn)[26]采用基于擬合優(yōu)度的頻譜檢測(cè)技術(shù)，在高采樣點(diǎn)、低虛警概率條件下的檢測(cè)概率較為良好；文獻(xiàn)[27]提出了譜分段對(duì)消算法，克服了噪聲不確定度影響，且能使用于平坦慢衰落信道，在-12 dB信噪比條件下，檢測(cè)概率能達(dá)到0.7，但這些新算法在-25 dB甚至更低的信噪比條件下，還不能實(shí)現(xiàn)快速、準(zhǔn)確、可靠的實(shí)用性頻譜感知。

雖然單節(jié)點(diǎn)的頻譜感知算法很多，但感知性能提升無法突破物理局限瓶頸。究其原因，主要有3個(gè)。第一，由于是單節(jié)點(diǎn)，對(duì)數(shù)據(jù)的采集和處理能力有限，尤其對(duì)于高速傳輸?shù)臄?shù)據(jù)，處理速度下降很快，無法滿足實(shí)時(shí)檢測(cè)需求；第二，在復(fù)雜電磁環(huán)境下，信道的衰落、陰影效應(yīng)等不可控因素較多，一旦該節(jié)點(diǎn)受到影響，感知性能會(huì)迅速下降；第三，無法解決局部區(qū)域內(nèi)的隱蔽終端問題，即感知用戶節(jié)點(diǎn)不在授權(quán)用戶信號(hào)覆蓋范圍內(nèi)，判決結(jié)果一直是頻譜處于空閑狀態(tài)，會(huì)對(duì)授權(quán)用戶的正常通信產(chǎn)生干擾。在此背景下，協(xié)作頻譜感知被提出，有效克服了單節(jié)點(diǎn)物理局限，提高了頻譜感知性能，能更好地適用于更低的信噪比環(huán)境。

1.2 協(xié)作頻譜感知

協(xié)作頻譜感知在單節(jié)點(diǎn)頻譜感知基礎(chǔ)上發(fā)展而來，利用空間分集技術(shù)，克服單節(jié)點(diǎn)存在的物理弊端，提高感知性能。下面從協(xié)作頻譜感知系統(tǒng)結(jié)構(gòu)和信息融合原則上，綜述協(xié)作頻譜感知的相關(guān)研究。

在系統(tǒng)結(jié)構(gòu)上，學(xué)者們相繼提出了分布式協(xié)作頻譜感知、集中式協(xié)作頻譜感知和中繼式協(xié)作頻譜感知。圖1為分布式協(xié)作頻譜感知模型。感知節(jié)點(diǎn)沒有優(yōu)先級(jí)差異，相互組網(wǎng)將感知信息與周圍的感知節(jié)點(diǎn)交換，各個(gè)感知節(jié)點(diǎn)獨(dú)立判決授權(quán)用戶存在與否。文獻(xiàn)[28]應(yīng)用分布式模型，降低了虛警概率和漏檢概率，但會(huì)導(dǎo)致算法復(fù)雜度提升、計(jì)算量加大，且要求硬件處理信號(hào)能力更強(qiáng)。

圖1 分布式協(xié)作頻譜感知模型

集中式在提高感知性能的同時(shí)，通過信息融合原則降低硬件條件，圖2為集中式協(xié)作頻譜感知模型。集中式在分布式的基礎(chǔ)上加入信息融合中心（Fusion Center，F(xiàn)C），感知節(jié)點(diǎn)間無須相互交換感知信息，而是將判決結(jié)果發(fā)送到FC。FC根據(jù)判決原則對(duì)所有信息進(jìn)行融合判決，降低了系統(tǒng)的硬件需求。文獻(xiàn)[29]對(duì)動(dòng)態(tài)雙門限協(xié)作方案的優(yōu)化即屬于基于集中式模型。它的仿真結(jié)果表明，總錯(cuò)誤概率在-10 dB信噪比環(huán)境中低于0.1，而在常規(guī)的低信噪比環(huán)境中能滿足需求。

圖2 集中式協(xié)作頻譜感知模型

中繼式主要針對(duì)信道衰落和陰影問題。集中式和分布式結(jié)構(gòu)一旦受到干擾，感知信息就不能正常傳輸，協(xié)作性被破壞。圖3為中繼式協(xié)作頻譜感知模型。當(dāng)感知節(jié)點(diǎn)不能正常交換信息時(shí)，中繼式尋找其他能提供中繼服務(wù)需求的節(jié)點(diǎn)代替，提高了系統(tǒng)協(xié)作性能的可靠性，保證了各個(gè)感知節(jié)點(diǎn)良好的感知性能。文獻(xiàn)[30]提出了一種基于最佳中繼的協(xié)作頻譜感知方案，獲得了明顯的空間分集增益，提高了檢測(cè)概率，且隨著協(xié)作用戶的增多，性能提升越明顯。

圖3 中繼式協(xié)作頻譜感知模型

基于協(xié)作模式的頻譜感知技術(shù)利用各節(jié)點(diǎn)的感知信息，有效提高了感知性能。如何高效融合處理各節(jié)點(diǎn)的感知信息，是協(xié)作頻譜感知的關(guān)鍵技術(shù)。根據(jù)融合信息的不同，融合原則可以分為決策融合和數(shù)據(jù)融合兩類。

決策融合原則。在協(xié)作感知提出階段，采用的是決策融合原則（硬判決）。單個(gè)感知節(jié)點(diǎn)的輸出非0即1，F(xiàn)C對(duì)所有0/1數(shù)據(jù)實(shí)施K out of N準(zhǔn)則，即假設(shè)有N個(gè)感知節(jié)點(diǎn)，如果有K個(gè)及以上的感知節(jié)點(diǎn)輸出為1，則融合中心做出全局判決，該授權(quán)頻段暫不可用；否則，該授權(quán)頻段可用。在此基礎(chǔ)上衍生出了OR準(zhǔn)則、AND準(zhǔn)則及Majority準(zhǔn)則，基本原理類似。文獻(xiàn)[29]對(duì)表決融合原則的投票門限n進(jìn)行優(yōu)化，基于全局錯(cuò)誤概率值最小原則，使得頻譜感知性能達(dá)到最優(yōu)。

數(shù)據(jù)融合原則。在復(fù)雜電磁環(huán)境下，硬判決原則會(huì)出現(xiàn)一些不確定性問題，并不能完全反映節(jié)點(diǎn)得到的信息。于是，數(shù)據(jù)融合原則（軟判決）被提出。軟判決即感知節(jié)點(diǎn)并不對(duì)檢測(cè)到的信號(hào)直接輸出判決結(jié)果，而是將預(yù)處理數(shù)據(jù)（檢驗(yàn)統(tǒng)計(jì)量）傳送給FC或者其他感知節(jié)點(diǎn)，然后由FC對(duì)所有數(shù)據(jù)進(jìn)行處理分析并做出判決。應(yīng)用最為廣泛的3種融合方式包括等增益合并（Equal Gain Combining，EGC）、選擇合并（Selective Combining，SC）和最大比合并（Maximal Ratio Combining，MRC）。它們的基本原理都是對(duì)單個(gè)感知節(jié)點(diǎn)的數(shù)據(jù)進(jìn)行加權(quán)處理，差別在于權(quán)重不同。最新的研究則是采用量化軟判決原則，如將感知節(jié)點(diǎn)的硬判決結(jié)果轉(zhuǎn)換為對(duì)應(yīng)的概率值，并經(jīng)FC輸出判決結(jié)果。通過對(duì)比發(fā)現(xiàn)，判決更為可靠，即使在低信噪比下，判決結(jié)果也更為準(zhǔn)確。

2 研究方向及挑戰(zhàn)

在-15 dB的信噪比環(huán)境下，現(xiàn)有的頻譜感知算法的性能基本滿足一般應(yīng)用，但當(dāng)環(huán)境的信噪比進(jìn)一步降低時(shí)，感知性能將無法保證，少數(shù)算法的檢測(cè)概率也能滿足要求，但在檢測(cè)速度、復(fù)雜度和魯棒性上需要進(jìn)行折中處理。例如，在現(xiàn)代化戰(zhàn)場(chǎng)上，電磁環(huán)境異常復(fù)雜，動(dòng)態(tài)性和強(qiáng)觸發(fā)性對(duì)頻譜感知的計(jì)算能力提出了更高要求，多元性的信號(hào)導(dǎo)致待檢測(cè)頻段信噪比很低。因此，更低信噪比下的頻譜感知問題亟待解決。

認(rèn)知無線電本質(zhì)是智能動(dòng)態(tài)共享頻譜資源，在頻譜感知中實(shí)現(xiàn)智能性。提高更低信噪比下的頻譜感知性能，是未來的發(fā)展趨勢(shì)。SVM（Support Vector Machine）以其優(yōu)越的學(xué)習(xí)能力和泛化性能力，在人工智能領(lǐng)域應(yīng)用十分廣泛。已有少數(shù)研究將SVM應(yīng)用于頻譜感知，卻沒有充分挖掘其智能性。分析SVM原理可以發(fā)現(xiàn)，它不能保證類內(nèi)離散度最小，會(huì)導(dǎo)致檢測(cè)準(zhǔn)確率降低。擬將Fisher類內(nèi)離散度最小思想應(yīng)用到SVM中，能同時(shí)保證類間分類間隔最大且類內(nèi)離散度最小。如何充分挖掘SVM的智能性和融合Fisher類內(nèi)離散度最小思想，提高更低信噪比下的頻譜感知性能還有待進(jìn)一步研究。

3 結(jié) 語

以上內(nèi)容綜述了認(rèn)知無線電頻譜感知技術(shù)相關(guān)研究的發(fā)展，重點(diǎn)分析和總結(jié)了低信噪比條件下各感知算法的性能。此外，針對(duì)現(xiàn)有頻譜感知算法在更低信噪比電磁環(huán)境中存在的問題，指出了未來可能的發(fā)展方向和存在的挑戰(zhàn)。

[1] 金燕君,朱琦,鄭寶玉.認(rèn)知無線電中動(dòng)態(tài)雙門限協(xié)作頻譜感知性能的優(yōu)化方案[J].信號(hào)處理,2015(03):319-327.JIN Yan-jun,ZHU Qi,ZHENG Bao-Yu.Optimization Scheme of Dynamic Two-threshold Cooperative Spectrum Sensing in Cognitive Radio[J].Signal Processing,2015(03):319-327.

[2] 黃標(biāo),李景春.認(rèn)知無線電及頻譜管理[M].北京:人民郵電出版社,2014.HUANG Biao,LI Jing-chun.Cognitive Radio and Spectrum Management[M].Beijing:Posts&Telecom Press,2014.

[3] 周小飛,張宏綱.認(rèn)知無線電原理及應(yīng)用[M].北京:北京郵電大學(xué)出版社,2007.ZHOU Xiao-fei,ZHANG Hong-gang.Application and Principle of Congnitive Radio[M].Beijing:Beijing University of Posts and Telecommunications Press,2007.

[4] Hoven N K.On the Feasibility of Cognitive Radio[D].Berkeley:University of California,2005.

[5] Wang H,Yang E H,Zhao Z,et al.Spectrum Cognitive Radio Using Goodness of Fit Testing[J].IEEE Transactions on Wireless Communications,2009,8(11):5427-5430.

[6] 葉迎暉,盧光躍.采用相關(guān)系數(shù)和擬合優(yōu)度的頻譜盲檢測(cè)[J].信號(hào)處理,2016,32(11):1363-1368.YE Ying-hui,LU Guang-yue.Employing Correlation Coefficient and Goodness of Fit for Blind Spectrum Sensing[J].Journal of Signal Processing,2016,32(11):1363-1368.

[7] 王穎喜,盧光躍.基于最大最小特征值之差的頻譜感知技術(shù)研究[J].電子與信息學(xué)報(bào),2010,32(11):2572-2574.WANG Ying-xi,LU Guang-yue.DMM Based Spectrum Sensing Method for cognitive radio systems[J].Journal of Electric and Information,2010,32(11):2572-2574.

[8] Smitha K G,Vinod A P.A Multi-Resolution Faster Filter Bank for Spectrum Sensing in Military Radio Receivers[J].Very Large Scale Integration(VLSI)Systems,2012,20(07):1323-1327.

[11] 盧光躍,彌寅,包志強(qiáng).特征值極限分布的改進(jìn)合作頻譜感知[J].信號(hào)處理,2014,30(03):261-267.LU Guang-yue,MI Yan,BAO Zhi-qiang.Improved Cooperative Spectrum Sensing on Limiting Eigenvalue Distribution[J].Signal Processing Journal,2014,30(03):261-267.

[12] 彌寅,盧光躍.基于特征值極限分布的合作頻譜感知算法[J].通信學(xué)報(bào),2015,36(01):84-89.MI Yan,LU Guang-yue.Cooperative Spectrum Sensing on Limiting Eigenvalue Distribution[J].Journal on Communicati on,2015,36(01):84-89.

[13] Lopez B M,Casadevall F.Improved Energy Detection Spectrum Sensing for Cognitive Radio[J].IET Communicatio ns,2012,6(08):785-796.

[14] Taruna S,Bhumika P.Simulation of Cognitive Radio Using Periodogram[J].IJERT,2013,9(02):2278-0181.

[15] Vishakha S,Manwinder S.On the Performance of Detection based Spectrum Sensing for Cognitive Radio[J].IJECT,2011,9(03):2230-7109.

[16] Gholamipour A H,Gorcin A,Celebi H,et al.Reconfigurable Filter Implementation of a Matched-filter Based Spectrum Sensor for Cognitive Radio Systems[C].International Symposium on Circuits and Systems,2011:2457-2460.

[17] Sharkasi Y F,McLernon D,Ghogho M.Robust Spectrum Sensing in the Presence of Carrier Frequency Offset and Phase Noise for Cognitive Radio[C].Wireless Telecommunications Symposium,2012:1-5.

[18] 張浩曄,包志華.基于循環(huán)平穩(wěn)特征的頻譜檢測(cè)[J].通信技術(shù),2010,43(09):41-44.ZHANG Hao-ye,BAO Zhi-hua.Spectrum Sensing Based on Cyclostationary Characteristic[J].Communication Technology,2010,43(09):41-44.

[19] 王凡,盧光躍.利用LMS的頻譜感知算法[J].信號(hào)處理,2016,32(05):543-548.WANG Fan,LU Guang-yue.Spectrum Sensing method Using LMS[J].Journal of Signal Processing,2016,32(05):543-548.

[20] 趙知?jiǎng)?呂曦.利用功率譜最大最小值的得頻譜感知算法[J].信號(hào)處理,2017,33(02):152-157.ZHAO Zhi-jin,LV Xi.The Spectrum Sensing Algorithm Using the Maximum Value and Minimum Value of the Power Spectral Density[J].Journal of Signal Processing,2017,33(02):152-157.

[21] Zhang P,Qiu R.Spectrum Sensing Based on Blind Learned Signal Feature[M].Mathematics,2011.

[22] Zhang P,Qiu R,Guo N.Demonstration of Spectrum Sensing with Blindly Learned Features[J].Communications Letters,2011,15(05):548-550.

[23] Hou S,Qiu R C.Spectrum Sensing for Cognitive Radio Using Kernel-based Learning[M].Computer Science,2012.

[24] 孫宇,盧光躍,彌寅.子空間投影的頻譜感知算法研究[J].信號(hào)處理,2015,31(04):483-489.SUN Yu,LU Guang-yue,MI Yin.Research of Spectrum Sensing Method Based on Subspace Projection[J].Journal of Signal Processing,2015,31(04):483-489.

[25] LI Yan,Wang Xi-nan.A Modified VS LMS Algorithm[C].The 9th International Conference on Advanced Communication Technology,2007:615-618.

[26] 盧光躍,葉迎暉,孫宇等.克服噪聲不確定度的擬合優(yōu)度檢驗(yàn)頻譜感知算法[J].電訊技術(shù),2016,56(01):26-31.LU Guang-yue,YE Ying-hui,SUN Yu,et al.A Novel Anti-noise-uncertainty Spectrum Sensing Method Using Goodness of Fit Test[J].Telecommunication Engineering,2016,56(01):26-31.

[27] 齊佩漢,司江勃.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(04):769-774.QI Pei-han,SI Jiang-bo.Research and Performance Analysis of Spectrum Sensing Algorithm Based on the Power Spectral Density Segment Cancellation[J].Journal of Electronics &Information Technology,2014(04):769-774.

[28] 葉迎暉,盧光躍.基于相關(guān)系數(shù)的多天線協(xié)作頻譜盲檢測(cè)[J].電視技術(shù),2016,40(04):65-68.YE Ying-hui,LU Guang-yue.Cooperative Spectrum Sensing Based on Correlation Coefficient in Multiantenne Cognitive Radio[J].Video Engineering,2016,40(04):65-68.

[29] 金燕君,朱琦,鄭寶玉.認(rèn)知無線電中動(dòng)態(tài)雙門限協(xié)作頻譜感知性能的優(yōu)化方案[J].信號(hào)處理,2015(03):319-327.JIN Yan-jun,ZHU Qi,ZHENG Bao-Yu.Optimization Scheme of Dynamic Two-threshold Cooperative Spectrum Sensing in Cognitive Radio[J].Signal Processing,2015(03):319-327.

[30] 朱佳,鄭寶玉,鄒玉龍.基于最佳中繼選擇的協(xié)作頻譜感知方案研究[J].電子學(xué)報(bào),2010,38(01):92-98.ZHOU Jia,ZHEN Bao-yu,ZOU Yu-long.Cooperative Spectrum Sensing in Multi-user Cognitive Radio Networks with Best Relay Selection[J].Actaelectronica Sinica,2010,38(01):92-98.