认知无线电关键技术研究

王明伟，苑津莎，赵建立，郭 康

(华北电力大学电力与电子工程学院，河北保定 071003)

随着无线通信需求和用户数量的不断增长，适用于无线通信的频谱资源变得日益紧张，成为制约无线通信发展的新瓶颈。因此近几年来，能够对不可再生的频谱资源实现再利用的频谱共享技术受到广泛关注。认知无线电［1－2］(Cognitive Radio，CR)作为一种更智能的频谱共享技术，能够依靠人工智能的支持，感知无线通信环境，根据一定的学习和决策算法，实时自适应地改变系统工作参数，动态地检测和有效地利用空闲频谱，理论上允许在时间、频率以及空间上进行多维的频谱复用，这将大大降低频谱和带宽限制对无线技术发展的束缚。因此这一技术已成为目前最热门的无线通信技术。

1 认知无线电技术

认知无线电(CR)技术中，通常称频段的许可持有者为主用户，而CR用户为从用户。从用户可以在避免对工作频段内其他用户干扰的情况下，实现有效的通信传输。

1.1 频谱感知技术

CR中的频谱感知包含两个方面，带内检测和带外

频谱感知的方法主要包括基于能量和信号特征的检测。而后者由于需要工作频段内主用户信号特征的先验知识，所以大多数情况下，都采用能量检测的方法。能量检测法是一种常用的检测方法，属于信号的非相干检测，它无需知道被检测信号的任何先验知识，所以这种方法适用于各种不同的应用环境。

Urkowitz首先提出能量检测检测方法［3］，能量检测器的原理框图如图1所示。

图1 能量检测原理框图

从图1中可以看出，信号首先经过带通滤波器，通过带通滤波器后使噪声信号带宽受限，这样噪声信号就具有平坦的功率谱密度。然后信号在经过平方器，再经过一个观测时间有限、周期为T的积分器，最后通过门限比较器。在门限比较器中和检测门限λ进行比较，若大于检测门限λ，则表明有主用户信号存在，此时感知用户必须迅速为主用户让开信道，以免对主用户造成干扰，感知用户继续寻找可以利用的频谱空洞;若检测的信号功率小于检测门限λ则表示无主用户工作，此时可以利用此信道。

假设系统在高斯信道非衰落的条件下，因此信道增益h是确定的。假设在H0下，得到的信号r(t)与判决门限λ进行比较，若大于判决门限，表示主用户信号存在，此时发生误判。假设在H1下，当接收信号超过判决门限时，则表示系统做出了正确判断。

分别用Pd和Pf表示检测到主用户占用的概率和错误判断报警，对Urkowitz的研究结果进行简化，可以得到通过无衰落的高斯信道检测概率和虚警概率的近似表达式［4］为

由式(1)可以看出如果Pd很低，在现实应用过程中是不允许的，因为如果Pd过低会导致检测不出主用户信号的概率很大，反之会增加对主用户的干扰。如果Pf过高，则错误警报会使认识无线电用户错过许多频谱利用的机会，导致频谱利用效率低下，造成资源浪费。所以认知无线电就要实现检测概率和虚警概率之间的权衡。

在仿真实验中，根据式(1)和式(2)，在AWGN信道下单个认知无线电节点独立检测的实验仿真结果如图2和图3所示。

图2 检测概率与信噪比和门限的变化关系

图2说明，能量检测法中，检测概率会随着信噪比的增大而增大，检测性能会随着信噪比的增大而得到明显改善。在同一信噪比下，判决门限的选择不仅对虚警概率有较大影响，对检测概率的影响也很大。判决门限λ越大检测概率Pd就越低，因此，判决门限的确定对检测性能有很大影响，在实际中，应该根据具体的情况合理确定感知门限λ。

图3 漏检概率与虚警概率的关系曲线

由图3可以看出，在信噪比一定的情况下，随着虚警概率的增加，漏检概率在降低［5］。

1.2 频谱预测技术

随着感知技术的逐步成熟，方法也越来越多，但是有一个问题一直没有得到解决，那就是当感知频谱时，需要把频段全部感知一次，耗费大量的能量。为解决这个问题，文中提出了频谱预测技术。每次感知之前，先预测频谱空穴的位置，这样可以不必再感知占用的频谱，直接感知已预测为空穴的频谱，选出合适的频谱以便次用户的选择。

目前，国内外很多研究机构和学校都致力于频谱预测的研究。首次将频谱预测机制引入到认知无线电中的，是加利福尼亚大学的Acharya教授。他在2006年发表的文献［6］中，建立了一个对授权用户未来频谱活动情况预测的模型。该模型运用滑动窗口预测机制，对各个子频带的可用性大小进行了分析，并通过自适应滤波器设定门限值，将低于门限值的频段设定为不可靠频段，不允许认知用户接入这类频段，从而减少认知用户与授权用户之间发生冲突碰撞的概率，减少切换概率，从整体上降低对授权用户的干扰率。在随后的研究中，先后有人提出了 ON－OFF、Blackman window、POMDP［7－9］等模型下的预测机制。

文中利用神经网络［10－11］设计了一个多层感知器预测模型。网络是由输入层、输出层和隐藏层组成。对于预测问题本文研究发现有两个隐藏层的MLP网络已经足够，第一个隐藏层有15个神经元，第二个有20个神经元，如图4所示。神经网络预测不仅可以提高频谱利用率、节省感知能量，而且不需要像其它的方法那样，每次预测一组数据之前都需要先设置参数，而只需要建立起一个模型即可，并且在输入数据准确的前提下，可以达到较高的预测准确率。

图4 多层感知器预测模型

假设探测一个固定发射端的频谱状态，得到360个数据，用“1”和“0”的一个二进制序列表示，占用和空闲。

在仿真试验中，利用前300个数据作为构造神经网络的数据，最后60个作为理想的输出数据来衡量模型的性能。通过仿真，得到实际输出数据与理想值的对比图如图5所示。

图5 预测值与理想值的对比

仿真结果表明在输入数据准确的情况之下，神经网络能够准确的预测频谱的占用状态，误差较小，误差值的范围为。由图6可见，预测的误差很小，基本在0.000 1范围之内。在实际中，测量的数据不可能完全一致，会有些许误差。为了验证预测的准确性，改动原始数据中的几个，经过仿真发现，预测的误差会变大，改动的数据越多，误差的变化也就越大，但是基本上可以保持在0.1之内。

图6 预测误差范围

相对于HMM，滑动窗口等其他的方法，利用神经网络模型来进行频谱预测有着突出的优点。它不必每组数据预测前都设置众多的参数，只需要用原始数据建立一个神经网络预测模型，每次将预测的数据输入就可以得到预测的授权用户频谱的占用状态，节省了人力物力。滑动窗口机制预测时会首先设置合适的门限值，但是，一旦门限值设置的不合适，就会给后续的认知用户的接入造成麻烦，使得认知用户与授权用户的碰撞的几率加大。在这个方面，神经网络预测模型也有着得天独厚的优势，不必设置门限值，只需建立模型来预测频谱占用状态，并且可以到达较高的准确率，给认知用户的接入提供了便利。

2 结束语

认知无线电的核心思想是使无线通信设备具有发现闲置频谱资源能力，并合理利用资源能力，从而根本上解决日益增长的无线通信需求与有限频谱资源之间的矛盾。将CR技术应用到WLAN，Ad hoc等热门无线通信技术中，预示着CR技术的美好前景。但要真正实现CR技术，还要继续研究频谱预测、动态频谱管理及频谱接入方式等关键问题。

［1］王军，李少谦.认知无线电:原理、技术与发展趋势［J］.中兴通讯技术，2007(5):1－4.

［2］MITOLA J.Cognitive radio:making software radios more persona1［J］.IEEE Personal Communication，1999，6(4):1 －2.

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

［4］HAYKIN S.Cognitive radio:brain － empowered wireless communications［J］.IEEE JSAC，2007，23(2):201 －220.

［5］FADEL F DIGHAM.On the energy detection of unknown signals over fading channels［J］.IEEE Transactions on Communications，2008，55(l):21 －24.

［6］ACHARYA P A，SINGH S，ZHENG H.Reliable open spectrum communications through proactive spectrum access［C］.Proc of the 1st International Workshop on Technology and Policy for Accessing Spectrum(TAPAS'06)，2006:1 －8.

［7］MARKO H，SOFUE P，AARNE M.Performance improvement with predictive channel selection for cognitive radios［C］.Proc of the 1st International Workshop on Cognitive Radio and Advanced Spectrunm Management，2008:1 － 5.

［8］STEFAN G，LANG T，BRAIN M.Interference － aware OFDMA resource allocation:a predictive approach［C］.Proc of IEEE Military Communications Conference，2008:1 －5.

［9］ZHAO Q，TONG L，SWAMI A，et al.Decentralized cognitive MAC for opportunistic spectrum access in Ad hoc networks:a POMDP framework［J］.IEEE J Select Areas Commun:Special Issue Adaptive，Spectrum Agile Cognitive Wireles Networks，2007，25(3):589 －600.

［10］飞思科技产品研发中心.神经网络理论与Matlab7实现［M］.北京:电子工业出版社，2005.

［11］高隽.人工神经网络原理及仿真实例［M］.北京:机械工业出版社，2003.