认知电力物联网电视频谱感知方法

李　博，翟少磊，张林山，曹　敏，王艳艳，朱　婧

(1.云南电网有限责任公司电力科学研究院，云南 昆明 650217；2.电子科技大学电子工程学院，四川 成都 610054)

认知电力物联网电视频谱感知方法

李博1，翟少磊1，张林山1，曹敏1，王艳艳2，朱婧2

(1.云南电网有限责任公司电力科学研究院，云南 昆明 650217；2.电子科技大学电子工程学院，四川 成都 610054)

摘要:基于认知无线电(CR)技术的电力物联网(IOTIPS)通过频谱感知实现对空闲授权频段的接入，可以有效提高频谱利用率，由于电力物联网的通信环境复杂，载波频偏无法避免，提出一种适用于电视频段授权用户数字地面多媒体广播(DTMB)的复合相关检测算法，可以在大载波频偏条件下保持对DTMB信号稳定的检测性能，提升了通信网络的可靠性。同时基于复合相关检测的协作频谱感知，可以有效降低隐藏终端对感知性能的不利影响，提高认知电力物联网的通信效率。

关键词:电力物联网；认知无线电；频谱感知；数字地面多媒体广播

电力物联网(IOTIPS)是综合各种电力设备、用户信息的物联网，需要实时、双向、集成、高速的通信系统，以保证电力物联网的各部分工作高效运营。随着电力物联网的发展，大量数据通信需要更多的无线频谱资源来支撑。然而，当前频谱大部分已被授权给固定用途，因此无线频谱资源的紧缺已成为电力物联网发展的瓶颈。认知无线电(CR)是一种具备动态频谱接入的智能无线通信技术[1]。利用CR技术，电力物联网可以通过频谱感知获取已授权频段的使用状态，利用空闲频谱实现通信。已授权的VHF/UHF频段中，电视频段的电波传播性能良好，覆盖效果好，非常适用于无线通信。通过频谱感知对空闲的电视频段加以使用，实现动态接入和使用空闲电视频谱，可以有效提高电力物联网信息传输的灵活性、稳定性和安全性[2-3]。频谱感知首先要对授权用户出现与否做出快速、准确地检测判断，从而获知频谱的使用状态。频谱感知可以分为单用户独立频谱感知和多用户协作频谱感知两大类。针对数字电视信号，目前在认知无线电系统中常用的单节点频谱感知方法中，能量检测算法[4]简单，易实现，但是不能对不同类型的信号加以区分，在信噪比低的条件下，对授权用户的检测会不准确。循环平稳特征检测[5]无需知道信号的先验信息而且能够区分噪声和有用信号，但是循环平稳特征检测计算的复杂度高，要求的观测时间较长；基于波形的检测[6]需要已知电视信号的模式，检测所需时间短，但是基于波形的检测对信号同步的要求很高，当接收到的信号载波频偏较大时，基于波形检测的检测性能会发生极大衰减。为了对抗大载波频偏以及干扰等问题，提升频谱感知性能，本文提出了针对数字地面多媒体广播(DTMB)的复合相关检测算法，并将该算法运用于协作频谱感知算法，提升了频谱感知性能，为电力系统信息传输提供一种新思路。

1频谱感知模型

认知用户对无线环境进行频谱感知，通过对接收到的信号进行检测，判断授权用户是否出现，从而对频谱的使用情况做出判决。根据检测理论，对授权用户的检测可以建模为一个二元假设检验问题，根据授权频段是否存在授权用户可以归为两种假设。

(1)

式中:x(n)为认知用户在时刻n监测到的信号；w(n)为高斯白噪声；h(n)表示无线信道增益；r(n)为授权用户n时刻发射的信号。认知用户在进行频谱感知时，对接收到的观测数据进行处理，不同的感知算法，对于检测统计量有不同的构造，使用的判决准则也不同。

2对抗大载波频偏的复合相关检测

对抗大载波频偏的复合相关检测算法是在传统波形检测的基础上提出的。图1是传统波形检测算法的流程图。

图1　波形检测流程图

图1中，x(n)代表认知用户监测到的信号，PN(n)表示模式已知的本地产生的序列，波形检测的就是通过将接收到的信号和本地PN(n)序列进行相关来构造检测统计量，然后通过判决，从而实现对DTMB信号的检测。式(2)中，s(n)表示DTMB发射端发射的信号，其中帧头长度为LPN，帧体长度为Nc，一个DTMB信号帧的长度为N=LPN+Nc。

(2)

在理想同步的条件下，根据式(1)可知，其中r(n)=s(n)。则波形检测统计量T0可以写为

(3)

式中：“⊗”表示线性相关运算；k0表示相关偏移。在实际的认知无线环境中因为认知用户终端和DTMB发射端的本地振荡器不完全相同，又由于无线信道带来的多普勒频移的影响，认知用户接收到的DTMB信号会发生载波频偏，又因为认知用户终端与DTMB发射端属于不同的网络，很难实现同步，波形检测的性能会遭到削弱。考虑载波频偏的影响，认知用户终端接收到的DTMB信号可以表示为

(4)

式中：εc表示归一化的载波频偏，为方便分析载波频偏对波形检测的影响，并未考虑初始相位等因素。根据式(1)和式(3)，当检测到的信号发生载波频偏时，检测统计量可以表示为

(5)

根据式(5)可以得到检测统计量的对数形式为

(6)

式中：G0表示波形检测的相关增益，从式(6)可以看到，当存在载波频偏εc时，波形检测的相关增益G0和相关窗长度L1并不成正比例关系，当L1=Nck/εc(k为整数)，相关增益G0变为0。当出现较大载波频偏εc时，相关增益G0会发生很大的衰减，从而导致波形检测性能的下降。

为了对抗大的载波频偏εc，复合相关检测在波形检测的基础上进行改进，从本地产生的长度为LPN的PN序列中截取两段，长度都为L(L

R(n)=(x(n)⊗PN(n+k0))*(x(n+P)⊗

PN(n+k0+P))

(7)

可以得到复合相关检测算法相应的检测统计量T1的表达式为

(8)

当DTMB信号出现时，式(8)的检测统计量可以写为

(9)

根据式(9)可以得到检测统计量T1的对数形式有

(10)

式中：G0表示复合相关检测的增益。对抗相同的载波频偏εc，相比式(6)和式(10)，当相关窗长度L1=L时，复合相关检测的相关增益G1是波形检测相关增益G0的两倍，当两种检测算法的相关增益满足G1=G0时，相比波形检测，复合相关检测可以对抗更大的载波频偏εc，保持对DTMB信号良好的感知性能。

在H0条件下，认知用户终端接收到的仅为复高斯白噪声w(n)，则复合相关结果R(n)可以写为

(11)

(12)

(13)

根据分布函数与虚警概率Pf的关系Pf=1-FT1(λ1|H0)可以得到，复合相关检测相应的门限λ1的计算式为

(14)

式中：μ为经验调节系数；根据设定虚警概率Pf和相关长度L；由式(14)即可求出相应门限λ1，从而实现针对DTMB信号的对抗大载波频偏的复合相关检测。

3基于复合相关的协作频谱感知

协作频谱感知是在单用户频谱感知基础上提出的。协作频谱感知技术可以降低隐藏终端带来的不利影响，提高检测性能[9]。基于复合相关的硬合并协作感知是指，多个认知用户CR1，CR2，CR3，…，CRM首先对接收到的信号利用复合相关检测进行独立的频谱感知，感知结果分别为u1，u2，u3，…，uM，并将感知结果统一发送到网络中的数据融合中心，由该数据中心对多个判决结果进行信息硬合并，做出授权用户是否存在的全局判断，然后数据中心再将判决结果发送给各个认知用户[10]。图2为硬判决数据合并原理。

图2　硬判决信息融合原理图

硬合并准则又分为“OR”准则，“AND”准则和“K-OUT-N”准则[10]。“OR”准则是指：进行协作感知的N个认知用户中，若有一个认知用户做出检测到授权用户的判断，那么数据中心就判断授权用户出现。“AND”准则是指：数据融合中心在参与协作的全部认知用户都做出检测到授权用户的判断前提下，数据中心才会做出授权用户出现的判决，若存在一个认知用户未检测到授权用户，数据中心就做出授权频谱空闲的判断。“K-OUT-N”准则是指：N个参与协作频谱感知的认知用户中，至少有k个用户都检测到授权用户，数据中心才判决授权频段正在使用；否则，数据中心给出授权频段空闲的判断。

其中通过“OR”准则得到的协作检测概率最高，但同时也会带来较大的虚警概率，所以在选择合并准则时，要根据网络环境对虚警概率的要求而定。

4仿真实验及验证

本节将对上文提到的方法进行性能仿真分析。主要针对DTMB信号PN420模式进行仿真分析，其中DTMB一个信号帧的长度为555.6μs，采样率为10MHz，虚警概率设定为10-2，经验调节系数设定为1.8，检测时间为555μs。图3是当存在载波频偏εc时，在AWGN信道下，复合相关检测算法不同相关窗长度L条件下的检测性能曲线。其中P为定值P=30，图3中γ为复合相关检测的检测概率Pd达到95%时，相应的SNR值，γ值越小，说明复合相关检测在越低的SNR条件下即可达到95%的检测概率。

图3　载波频偏对不同相关长度复合相关检测性能的影响

从图3可以看到，不同L条件下，随着载波频偏εc的增加，γ的取值也会随之增大，说明了复合相关检测的检测灵敏度并不是完全不受载波频偏εc的影响，随着载波频偏εc的增加，复合相关检测的检测性能同样会遭到削弱。由图可知，在大载波频偏条件下，当L=P时，复合相关检测表现出较为稳定的检测性能。

图4是在AWGN信道下，发生载波频偏时，复合相关检测和波形检测的检测性能比较。由图3可以看到，随着载波频偏εc的增加，复合相关检测表现出稳定的检测性能，在[0，60kHz]范围内，复合相关检测的γ的值变化幅度很小，近似一条直线。而波形检测的γ的值不断增加，当εc=60kHz时，γ的值发生急剧增加，γ的值达到12dB，说明波形检测的检测性能遭到大载波频偏的削弱。当波形检测相关窗长度为100，复合相关检测的相关窗为50时，两种算法具有相同的复杂度，从图中可以看到，当εc>20kHz时，复合相关检测的γ值低于波形检测的，说明相比波形检测，复合相关检测可以在更大载波频偏范围内，表现出稳定的检测性能。

图4　不同载波频偏下两种检测算法的性能比较

图5是复合相关检测算法与能量检测、循环平稳检测波形检测3种常用的频谱感知算法的检测性能比较。从图5中可以看到，当载波频偏εc为0时，具有相同复杂度的复合相关检测与波形检测具有相同的检测性能，并且这两种算法的检测性能都优于能量检测和循环平稳检测，其中复合相关检测和波形检测在Pf=1%，SNR=-8dB时，检测概率Pd都达到100%。随着载波频偏的增加，能量检测和循环平稳检测基本保持不变，而复合相关检测和波形检测都发生不同程度的衰减，当载波频偏εc=60kHz时，在SNR=-8dB处，复合相关检测的检测概率降低为84%，而波形检测衰减严重，检测概率Pd<10%，说明发生较大载波频偏时，复合相关检测的性能优于波形检测。

图5　4种频谱感知算法的检测性能比较

图6是在AWGN信道中，SNR=-12dB时，基于复合相关的“AND”，“OR”以及“K-OUT-N”3种融合准则相应的协作检测性能的比较。其中3种融合准则相应的协作用户数都设为7。从图中可以看到，3种融合准则相应的协作检测概率都随着虚警概率的增加而增大。同一虚警概率处，“OR”准则相应的协作检测性能最优，“AND”准则相应的协作检测概率最低。

图6　基于复合相关的3种准则的协作检测性能比较

因为阴影、多径等因素，单个认知用户对授权用户的检测的准确度较低，当多个用户共同协作进行检测时，对授权用户的检测准确度能够得到很大提高。在进行协作时，硬合并中，“OR”准则的性能较好。选择“OR”准则作为协作检测的融合准则，将单用户检测与多用户协作的检测性能进行比较。仿真结果如图7所示。

图7　衰减信道中单个与多个用户检测性能比较

图7是在TU6信道中，单个用户检测与多用户协作检测的性能比较。TU6信道是对存在阴影衰落，多径干扰的无线通信环境的模拟，从图中可以看到，在存在衰减的信道中，多个用户通过协作，检测性能得到很大提升。

5结束语

由以上分析可知，采用本文所提出的针对电视信号的检测方法，可以很好地对抗大载波频偏以及终端隐藏等问题，提升对电视信号的检测灵敏度，从而提升电力无线认知网络中通信终端的频谱感知性能，提高电力信息传输网络的通信效率。

参考文献：

[1]CORDEIROC，CHALLAPALIK，BIRRUD，etal.IEEE802.22:thefirstworldwidewirelessstandardbasedoncognitiveradios[C]//Proc.IEEEInternationalSymposiumonDynamicSpectrumAccessNetworks.Baltimore：IEEE，2005：328-337.

[2]苗伽略.基于认知无线电的智能配电网通信技术研究[D].重庆：重庆大学，2014.

[3]张国斌，吴娜. 认知无线电在智能电网中的应用研究[J].移动通信， 2014(10)：37-40.

[4]YEZ，MEMIKG，GROSSPIETSCHJ.Energydetectionusingestimatednoisevarianceforspectrumsensingincognitiveradionetworks[C]//Proc.IEEEWirelessCommunicationsandNetworkingConference(WCNC).LasVegas：IEEE，2008：711-716.

[5]TIANZ.Cyclicfeaturebasedwidebandspectrumsensingusingcompressivesampling[C]//Proc.IEEEInternationalConferenceonCommunications(ICC).Kyoto：IEEE，2011：1-5.

[6]CHENHS，GAOW，DAUTDG.SignaturebasedspectrumsensingalgorithmsforIEEE802.22WRAN[C]//Proc.IEEEInternationalConferenceonCommunications.Glasgow：IEEE，2007：6487-6492.

[7]LIUG，ZHIDKOVSV.AcompositePN-correlationbasedsynchronizerforTDS-OFDMreceiver[J].IEEEtransactionsonbroadcasting，2010，56(1)：77-85.

[8]YUCEKT，ARSLANH.Asurveyofspectrumsensingalgorithmsforcognitiveradioapplications[J].IEEEcommunicationssurveys&tutorials，2009，11(1)：116-130.

[9]代泽洋.认知无线网络中的协作传输技术研究[D].成都：电子科技大学，2013.

[10]JIAJUNL，ZHENHUIT，BOA，etal.Weightedhardcombinationforcooperativespectrumsensingincognitiveradionetworks[J].Chinacommunications，2011，8(2)：111-115.

李博(1986— )，学士，工程师，主研电力系统自动化；

翟少磊(1984— )，硕士生，工程师，主研电力系统在线监测；

张林山(1980— )，硕士生，高级工程师，主研电力系自动化；

曹敏(1962— )，女，学士，教授级高工，主要研究方向为电力系统物联网技术；

王艳艳(1989— )，女，博士生，主研信号与信息处理；

朱婧(1989— )，女，硕士生，主研信号与信息处理。

责任编辑：许盈

TV spectrum sensing method for internet of things in power systems

LI Bo1, ZHAI Shaolei1, ZHANG Linshan1, CAO Min1,WANG Yanyan2, ZHU Jing2

(1.ElectricPowerResearchInstitute,YunnanPowerGridLimitedLiabilityCompany,Kunming650217,China;2.SchoolofElectronicEngineering,UniversityofElectronicScienceandTechnologyofChina,Chengdu610054,China)

Abstract:Based on Cognitive Radio(CR), the IOTIPS implements spectrum sensing(SS) to access idle TV bands to communicate, which can effectively solve the spectral scarcity. However, because the communication environment of the IOTIPS is complex, the carrier frequency offset(CFO) can not be avoided. In this paper, a composite correlation based waveform detection(CC-WD) algorithm for digital terrestrial multimedia broadcasting(DTMB) signal is proposed, which can maintain stable detection performance against large CFO and enhance the reliability of communication network. Based on the CC-WD, the cooperative spectrum sensing can effectively reduce the adverse impact on the perception of hidden terminal based on performance, effectively improve the efficiency of IOTIPS.

Key words:internet of things in power systems; CR; spectrum sensing; DTMB

中图分类号:TN915.853

文献标志码:A

DOI：10.16280/j.videoe.2016.04.015

基金项目：国家自然科学基金项目(61101091)

作者简介：

收稿日期：2015-11-05

文献引用格式：李博，翟少磊，张林山，等. 认知电力物联网电视频谱感知方法[J].电视技术，2016，40(4)：69-73.

LI B，ZHAI S L，ZHANG L S，et al. TV spectrum sensing method for internet of things in power systems[J].Video engineering，2016，40(4)：69-73.