认知无线电频谱感知技术现状研究

张永萍 周荣政

【摘要】近年来无线电技术飞速发展，无线通信得到广泛应用，随之而来的是更多的用户需求与无线电频谱资源紧张的矛盾。认知无线电可以有效地解决无线通信中频谱资源紧张的问题，为资源的高效利用提供方案。

【关键词】节点选择；频谱感知；协作频谱感知

从1999年CR这一概念被Joseph Mitola III提出至今，认知无线电技术一直为无线通信研究的热门。认知无线电技术和频谱感知技术的发展日新月异，近期开始有更多的学者开始研究复杂环境下的协作频谱感知方案。

一、认知无线电

Simon Haykin定义CR通过构建理解方法论来学习环境并且通过实时改变运行过程中的某些参数来适应环境带来的统计变化，这些参数包括载频、调制方法和发射功率等参数。总之它是一种感知周围环境的智能无线通信系统，其中核心目标包括：随时随地，高度可靠的通信和高效的频带利用率。Simon Haykin构建CR的框架是从信号处理和自适应过程的角度进行的。另外，Joseph Mitola III认为，为了提高无线电技術的灵活性，认知无线电技术使用“；无线电知识表达语言”；（Radio Knowledge Representation Language，RKRL）。这一语言将会逐步演变成由软件进行配置，符合网络或者用户要求的通信功能和参数的软件无线电。CR通过对环境的观察、自身定位、计划决策、学习、判断和执行来完成自身功能的循环。

同时，美国联邦通讯委员会发布的FCC 03-322文件，申明了CR是一种能通过和其所在的环境相互作用来改变自身发射频率的无线电技术。包括主动地与其他频带使用用户进行交流协商或者通过被动的感知与判断等方式[1]。FCC还具体对CR的使用标准和适用场合做了规定。

二、频谱感知技术

在CR中，频谱感知已经成为核心研究内容，而且频谱感知技术目前又以对主用户发射机进行检测的为主。对发射机进行检测分为单节点检测和多节点检测（又称作合作检测或者协作频谱感知）。单节点检测主流的方法又有能量检测（Energy Detection），循环平稳特性检测（Cyclostationarity）和匹配滤波器检测（Matched Filtering Detection）。

协作频谱感知，又称多节点频谱检测。由于主用户的发送信号经过不同的衰落的信道到达感知从用户（CU），因此主用户的信号伴随着一定的阴影效应或多径衰落，将多个CU的单节点检测作为可以互相协作的整体，共同对同一段频谱进行感知，多节点能量检测技术可以通过AP的信息融合技术，将这一信道的不良干扰大幅度降低。这样，在AP通过特定的融合、判决后得到对主用户LU的频谱感知的结果。与单节点检测相比，多节点检测对频谱感知的结果来自多个节点的综合判断，其准确性有很高的可靠性，在一定程度上极大地提高了ROC特性。 “与”“或”和“K秩”；判决是三种常见的协作频谱感知的规则。一种典型的K秩协作感知使用统计的方法来减少感知单元（CU）的数量，不允许不可靠的CU发送，而只允许可靠的从用户发送判决值给AP。这样，我们可以因此不需要很多CU单元，提高了协作感知的速度，而且同时保证了感知精度。

三、协作频谱感知技术

和分集的思想类似，由概率特性知道，所有节点同时被遮蔽或干扰的概率远远小于单个节点，协作频谱感知通过多个用户的协作达到鲁棒性的提高。另一方面，只要从用户感知节点的分布合理，所有节点同时出现同时判断性能下降的概率大大降低。因此协作频谱感知减少许多因素对检测性能的影响，并使感知时间缩短，提高ROC曲线的性能。

协作频谱感知可以在不提高单节点的感知性能的情况下，提高整体感知的稳定性。按照协作频谱感知的数据融合方法不同，包括分布和集中两种方式。检测信息在各个参与协作的CU节点传递，通过共同的判决，最后得出感知结果，这种方式叫作分布式的频谱感知。如果每个CU节点分别通过能量检测，得到自己的判决信息，然后将信息发送到融合中心，在融合中心处采用相应的融合算法最后得出判决的结果，这种方法是协作频谱感知中集中式的方法。

另外两种协作频谱感知的分类是硬判决与软判决的区分。每个感知节点CU单独的进行能量检测，会得到一个本地的检测结果，然后通过将这一信息发送给融合中心，在主节点P对信息采用“与”、“或”、“K秩”判决等算法进行融合判决，最终可以给出主用户是否占用频谱资源的判断，我们把这种方法叫做硬判决。如果每个感知节点进行能量判决后，不给出一个明确的判决结果，而是直接把能量检测的信息传递给主节点P，最后由统一的融合判决算法给出判断，这种方法称为软判决。

协作频谱感知中还有一个重要的问题，就是感知时间的问题。我们知道，当感知一个用户是否占用频谱的时间过长，很可能做出最终判断时，此用户的占用状态已经改变，反而可能造成判决的错误，影响主用户LU的正常使用。这就需要我们在进行协作频谱感知时，不仅要考虑整体准确性的提高，更要兼顾到感知时间的问题，实现时效性与准确性的兼顾。这是协作频谱感知的研究热点也是难点。图1为协作频谱感知框图，可以看到，在两种基本的协作频谱无线信道中，感知信道主要负责每个CU的感知主用户存在与否的检测信道。以能量检测算法为例，CU通过检测算法得到LU的统计信息，通过门限等参数设置，可以调节本地检测的性能，使之符合协作频谱感知的整体要求。

控制信道上传递的是每个CU向融合中心发送的判决和统计信息，即本地判决上报。这个过程包括了协作频谱感知中的时延和能耗问题：参加感知的CU节点数目越多，可以获得的信息越多，分集效果越好，最终在融合中心进行信息融合判决的结果越准确，整体的协作频谱感知性能越好。但是更多的CU节点，意味着更多的功耗。

同时更多的CU在融合中心进行判决融合时，不论采用什么样的算法，融合的算法复杂度都将要大大增加。所以，我们必须通过协作节点选择算法，达到协作频谱感知的ROC性能与时延功耗之间的折中。这种折中可以通过对控制信道中的CU个数的选择，实现算法性能的综合提高。

最后，各个CU的感知信息传递给数据融合中心，采用不同的数据融合算法，依照每个CU节点的信息，最终判定主用户LU存在与否。这里的数据融合就会因为算法不同存在一个算法鲁棒性的问题，所以，要根据情况选择相应的不同的数据融合算法。

参考文献：

[1]宫润胜，胡中豫，申涛.认知无线电中多节点协作频谱感知及其融合算法[J].西南大学学报（自然科学版），2008，30（11）：151-155.

[2]K.Hyoil，G.S.Kang.Adaptive MAC-layer Sensing of Spectrum Availability in Cognitive Radio Networks[C].IEEE Radio and wireless Symposium，2007，25（1）：464-469.