一种低速采样的协同宽带频谱感知方法*

2017-06-23吴迪

电讯技术 2017年6期

关键词：奎斯特干扰信号宽带

吴迪

(中国西南电子技术研究所，成都 610036)

一种低速采样的协同宽带频谱感知方法*

吴迪**

(中国西南电子技术研究所，成都 610036)

频谱感知是通信系统抗干扰和智能化的关键能力。针对认知无线电系统窄带频谱感知技术受制于数模转换器件的发展水平，难以解决认知无线电系统宽带、实时频谱感知的问题，提出一种多节点协作的认知无线电系统宽带频谱感知方法。该方法设计由多个认知节点对目标频段执行次奈奎斯特采样来降低采样速率，采用能量检测方式对采样矢量进行集中式融合判决，实现宽频段范围内干扰信号的谱定位和判断，降低各个感知节点的采样速率，支撑认知网络系统构建高实时、宽频带频谱感知的能力。计算机仿真试验结果表明，所提方法达到90%检测概率时压缩比要求为0.025，具有可靠性与有效性。

认知无线电；宽带频谱感知；协作频谱感知；次奈奎斯特采样;能量检测

1 引言

通信需求的增长、电磁环境的恶化和频谱资源的匮乏是无线通信系统当前面临的典型问题[1]。认知无线电技术[2-3]作为一种智能无线通信技术，突破了传统的固定谱分配策略，赋予无线通信网络中网络成员节点以感知电磁频谱的能力，使得系统可以监测无线频谱环境，判别冲突信号，搜寻可用频谱并自适应的调整链路。实现对干扰信号和冲突频段的主动“避让”，是无线通信网络提升频谱利用效率、系统抗干扰性能和系统智能化水平的重要技术手段。

频谱感知技术的研究是认知无线电研究领域的核心组成部分，是受到广泛关注的研究方向。针对认知无线电频谱感知技术学术界已有广泛而深入研究。前期研究主要关注单认知用户频谱感知方法，提出了能量检测、匹配滤波、循环平稳检测、协方差、小波变换等频谱感知方法[4]。之后针对主用户信号在传输中存在的遮蔽、阴影与多径导致的单认知用户频谱感知可靠性差等问题[5]，开展协作频谱感知技术的研究，由多个认知用户共同执行频谱感知并对感知进行融合处理，提出的方法包括基于硬判决的“与”、“或”与“K/N”协作感知以及基于软判决的能量融合判决等[6]。

伴随网络规模和通信带宽需求的不断增加，认知网络对于更高实时性和更宽频段的频谱感知能力需求愈发明显。但是，不论是单用户频谱感知还是多用户协作频谱感知都只能认为是窄带频谱感知，被感知的目标频带是带宽较窄的频谱。这种窄带频谱感知技术实时处理的频段较窄导致全频域扫描一次时间较长，难以满足高动态、高实时性的感知应用需求。同时，受制于模数转换器(Analog-to-Digital Converter，ADC)的发展水平，在工程上实现直接宽带频谱感知十分困难，因为其要求系统配置高速ADC器件以实现奈奎斯特(Nyquist)速率采样[7]，比如：为了感知0～3 GHz的宽带频率范围，要求认知节点(Cognitive Radio，CR)配置采样速率大于6 GHz的ADC器件，一方面器件水平还存在差距，另一方面高速ADC带来的能耗与散热也为系统设计提出了挑战。因此，学术界开始关注宽带协作频谱感知[8]技术的研究。现阶段宽带协作感知研究可分为协作多通道感知和协作宽带感知两类，协作多通道感知研究以多点快速傅里叶变换技术为基础，为多通道系统构建一种基于软检测合并的模型，并针对时间、吞吐量等目标进行优化[9]；协作宽带感知研究采用压缩检测技术使ADC器件用较小采样速率对宽带模拟信号进行采样，并对宽频带内较稀疏的信号进行检测[10]。

本文提出一种基于多认知节点协作次奈奎斯特采样[11]的低速采样协同宽带频谱感知方法，在传统压缩检测技术的基础上进行优化，提升响应时间，降低检测算法的复杂度，具有较高的工程应用可行性。

2 系统模型

本文讨论如图1所示认知网络，系统中有υ个CR同步执行宽带频谱感知，每个CR配置有1个宽带滤波器、1个低速采样器和1个快速傅里叶变换(Fast Fourier Transform,FFT)模块。其中，宽带滤波器的带宽为w。对于该认知网络，设定所有CR在执行频谱感知阶段保持静默，并且由具有稳定拓扑连通性条件的认知节点承担感知融合中心(Fusion Center，FC)的功能。

图1 协同感知系统场景示意图

假设通信区域内存在干扰信号(将来自主用户和干扰源的信号都视为干扰信号)，且干扰信号在频率上是稀疏的。执行频谱感知的CR观察到的信号谱能量主要来自于干扰信号和背景噪声。因为全频段覆盖干扰设备、通信设备是几乎不存在的，所以假设待检测的干扰信号在频带上表现出稀疏特性，即每个感知CR接收信号在频域表现出稀疏特性是合理的。定义CR采样信号的奈奎斯特离散傅里叶变换(Discrete Fourier Transform，DFT)谱为S稀疏,即N个频谱子带中最多有S个子带处于被占用，S≪N。

3 宽带协作频谱感知方法

3.1 次奈奎斯特采样宽带协作感知模型

本节提出基于次奈奎斯特采样实现多节点协同且每个CR节点保持较低采样速率的宽带频谱感知方法。假设协作感知系统包括υ个CR节点和1个融合节点，其中，感知节点之间不要求具备通信能力，感知节点与融合节点之间配置通信链路。假设感知目标为连续时间宽带信号xc,i(t)。系统中各CR的采样速率不相同，设第i个CR的次奈奎斯特采样速率为fi，fi<2W≤f。第i个CR对xc,i(t)做次奈奎斯特采样后的样本信号表示为N点的离散向量yi[n]=xc,i(n/f)，n∈[0,1,…,JMi-1]，其中N=fiT=JMi。通过选取Mi为自然数，可以将整个序列划分为J个等长片段yi,j[k]，k=0,1,…,Mi-1。其中，第j个采样片段信号可写成

(1)

(2)

(3)

进一步地，基于式(3)，可以建模次奈奎斯特采样样本的DFT谱分布如下:

(4)

(5)

式中：「N/Mi⎤是不小于N/Mi的最小整数，表示式(2)中累和项数目。

每个CR处次奈奎斯特采样信号DFT谱的能量计算方式如下:

(6)

因而，可以获得其分布如下：

(7)

为了检验干扰信号在指定频带上是否出现，采用判决准则

(8)

针对本方案所提机制，要求协作CR节点采样点数之和近似等于奈奎斯特采样速率的采样点数，即是协作CR数目和次采样速率之间存在平衡与折中。

3.2 宽带协作感知流程

本文所设计的次奈奎斯特采样的宽带协作感知系统的工作流程如下：

步骤1 感知融合中心FC分配不同的次奈奎斯特采样速率给不同的CR。

步骤2 在观察时间T内，CRs执行次奈奎斯特采样,并将次奈奎斯特采样样本送入FFT模块执行样本信号快速傅里叶变换从而获得次奈奎斯特DFT谱。

步骤3 基于次奈奎斯特DFT谱计算获得信号能量矢量。

步骤4 CRs通过专用控制信道将这些计算获得的信号能量矢量发送给融合中心FC，来自各CRs的数据在FC处融合构成一个假设检验统计量。

步骤5 融合中心FC选择合适检测门限以执行二元假设检验判决。

步骤6 融合中心FC将判决结果通过控制信道反馈给所有的CRs，用于后续通信参数的设置。

4 算法性能仿真分析

4.1 宽带协作感知原理试验

本节对所提宽带协作频谱感知方法的性能进行仿真分析，仿真场景设置参考文献[12]并基于无线区域网络(Wireless Regional Area Network，WRAN)的工作场景简化，从而使得仿真结果对系统后续部署应用具有指导作用。仿真场景具体如下：混合网络包括22个参与协作频谱感知的认知节点和3个干扰信号，即υ=22，Nb=3。此外，设定22个CR的采样点数目为[4 889,5 237,5 591,5 939,6 299,6 637,6 997,7 349,7 699,8 039,8 389,8 747,9 091,9 439,9 791,10 141,10 499,10 847,11 197,11 549,11 897,12 241]，系统平均采样速率为428.42 MHz。

图2为原始干扰信号DFT谱，存在3个中心频率分别为1.725 GHz、2.025 GHz和2.725 GHz的干扰信号。

图2 干扰信号DFT谱

图3是感知融合中心FC对各CR上报信号谱能量恢复处的PU信号能量谱。同样，这里仅显示正频率部分能量谱。可以看出，在1.725 GHz、2.025 GHz和2.725 GHz附近存在较大的信号能量谱分量。

图3 感知融合中心恢复的宽带信号谱

在系统设计时可以对整个频段进行粒度调整。图4给出了以50 MHz为单位划分3 GHz带宽并进行能量谱统计的效果，图中圆圈点对应子信道信号能量累积量。可以看出，子信道35、41和55是子频带信号能量最大的3个信道。系统可以根据选择门限执行判决，不同判决门限选择将影响系统检测与虚警概率，如图5中λ1、λ2和λ33个判决门限将分别导致虚警、无虚警无漏检和漏检。

图4 子带信号累积能量图

4.2 宽带协作感知统计性能试验

对系统性能随干扰信号数量和CR接收信号平均信噪比(Signal-to-Noise Ratio,SNR)变化的情况进行仿真分析。图5是Nb为3和6两种取值下系统ROC曲线。可以看出，两种场景下系统检测概率都随着虚警概率的递增而增加直到趋近于1。同样地，在相同的虚警概率取值下，Nb=3的检测性能要优于Nb=6的检测性能。造成这种问题的原因在于后者存在更严重频谱混叠效应，说明随着干扰信号的稀疏度增加，基于次奈奎斯特采样的感知机制性能下降。

图5 不同干扰信号数量下系统的ROC曲线

图6是CR不同的接收信号平均SNR，即SNR为5 dB和0 dB两种取值下系统ROC曲线。可以看出，两种场景下系统检测概率都随着虚警概率的递增而增加直到趋近于1。此外，在相同的虚警概率取值下，SNR=5 dB的检测性能要优于SNR=0 dB的检测性能,该结果符合理论与直觉分析。

图6 SNR均值下系统ROC曲线

这里将本文所提算法与压缩感知算法进行比较，结果如图7所示。认知用户平均采样速率从75～375 MHz逐渐递增，虚警概率为0.1。这里定义次奈奎斯特采样速率与奈奎斯特采样速率之比为压缩比。由图可知，在达到90%检测概率时本文所提算法压缩比要求为0.025，而文献[16]所提算法的压缩比要求为0.045，显然本文所提算法达到相同检测性能所需采样频率更低。

图7 算法压缩比随感知性能比较

与常见宽带频谱感知方法的压缩能力、ADC要求和计算复杂度指标进行比较，结果如表1所示。可以看出，本文所提方法相对于已有算法而言兼具压缩能力、更低的ADC要求和更小的计算复杂度。

表1 算法比较Tab.1 Algorithm comparison

5 结束语

宽带频谱感知是无线网络通信和抗干扰通信的关键技术之一。本文提出一种多感知节点组网集中式协作宽带频谱感知方法，在CRs处执行次奈奎斯特采样来进行干扰信号检测，并在感知融合中心FC处执行融合判决。本文所提方案无需重构干扰信号谱，在各协作CRs端仅执行类似于传统能量检测的感知方法即可达到检测干扰信号的效果。计算机仿真实验验证了该方法的合理性。该方法可以作为认知无线电网络的频谱感知功能的实现手段，在无线通信网络频谱环境检测方面具有一定的现实意义。后续可进一步对信号能量矢量传输部分进行研究和设计。

[1] 陈强，陈长兴，陈婷，等.数据链通信系统仿真实现与抗干扰分析[J].计算机仿真,2015,32(9):199-203. CHEN Qiang,CHEN Changxing,CHEN Ting,et al.Simulation of data link communication system and analysis of anti-jamming[J].Computer Simulation，2015,32(9):199-203.(in Chinese)

[2] 高新华.软件定义战术电台的设计技术研究[J].无线电通信技术，2016，42(3) :85-88，93． GAO Xinhua.Design of tactical software-defined radio[J].Radio Communications Technology，2016，42(3):85-88，93．(in Chinese)

[3] 刘淑慧.机载认知通信网络架构研究[J].电讯技术,2016,56(4):360-364. LIU Shuhui.Study on airborne cognitive communication networks architecture[J].Telecommunication Engineering,2016,56(4):360-364.(in Chinese)

[4] HAYKIN S,THOMSON D J,REED J H. Spectrum sensing for cognitive radio[J].Proceedings of the IEEE,2009,97(5):849-877.

[5] SOBRON I,DINIZ P S R,MARTINS W A,et al.Energy detection technique for adaptive spectrum sensing[J].IEEE Transactions on Communications,2015,63(3):617-627.

[6] BERA D,CHAKRABARTI I,PATHAK S,et al.Another look in the analysis of cooperative spectrum sensing over Nakagami-m fading channels[J].IEEE Transactions on Wireless Communications,2017,16(2):856-871.

[7] 徐江海.大动态射频直接采样接收机的研究与实现[J].舰船电子对抗,2016,39(2):46-48. XU Jianghai.Study and implementation of RF direct-sampling receiver with large dynamic range[J].Shipboard Electronic Countermeasure,2016,39(2):46-48.(in Chinese)

[8] 张亚梅,刘保菊.基于多层分簇优化的认知无线电网络协作频谱感知策略[J].现代电子技术,2016,39(17):49-54. ZHANG Yamei,LIU Baoju.Multilayer clustering optimization based cooperative spectrum sensing scheme of cognitive radio network[J].Modern Electronics Technique,2016,39(17):49-54.(in Chinese)

[9] SANNA M,MURRONI M.Nonconvex optimization of collaborative multiband spectrum sensing for cognitive radios with genetic algorithms[J].International Journal of Digital Multimedia Broadcasting,2010(1687-7578) :1-12.

[10] TIAN Z. Compressed wideband sensing in cooperative cognitive radio networks[C]//Proceedings of 2008 IEEE Global Telecommunications Conference(GLOBECOM 2008). New Orleans,LA,USA:IEEE,2008:1-5.

[11] 杨鹏,樊昀,黄知涛,等.基于Sub-Nyquist采样的单通道频谱感知技术[J].国防科技大学学报,2013,35(4):121-127. YANG Peng,FAN Yun,HUANG Zhitao,et al.Single-channel spectrum sensing technique based on sub-Nyquist sampling[J].Journal of National University of Defense Technology,2013,35(4):121-127.(in Chinese)

[12] PINSKY M A.Introduction to Fourier analysis and wavelets[M].Pacific Grove,CA: The Brooks/Cole,2002.

[13] SUN H J,NALLANATHAN A,CUI S,et al.Cooperative wideband spectrum sensing over fading channels[J].IEEE Transactions on Vehicular Technology,2016,65(3): 1382-1394.

[14] ZENG Y,LIANG Y C,HOANG A T,et al.A review on spectrum sensing for cognitive radio: challenges and solutions[J].EURASIP Journal on Advances in Signal Processing,2010(1):1-15.

[15] FAN R,JIANG H,GUO Q,et al.Joint optimal cooperative sensing and resource allocation in multichannel cognitive radio networks[J].IEEE Transactions on Vehicular Technology,2011,60(2): 722-729.

[16] TIAN Z,GIANNAKIS G B.Compressed sensing for wideband cognitive radios[C]//Proceedings of 2007 IEEE International Conference on Acoustics,Speech and Signal Processing(ICASSP 2007).Honolulu,HI,USA:IEEE,2007： 1357-1360.

A Cooperative Spectrum Sensing Method Based onLow Rates Sampling

WU Di

(Southwest China Institute of Electronic Technology，Chengdu 610036，China)

Spectrum sensing is a key capability to enhance the anti-jamming and intelligence level of a communication system. The narrowband spectrum sensing performance of cognitive radio system is restricted by the technological progress of the analog digital converter，so it is difficult to realize the high real-time performance and wideband detection in system. In response to the problem,a method is proposed based on cooperative wideband spectrum sensing between multi-cognitive nodes in the network. In order to achieve high real-time performance and wideband detection of cognitive network system,the method reduces the sampling rate by making cognitive nodes perform sub-Nyquist sampling on the sensing frequency band,and realizes the positioning and judgment of jamming signal in the wide range of frequency through the centralized fusion and decision mechanism based on energy detection. The simulation and experimental results show that the proposed method can achieve 90% detection probability under the condition that compression ratio is 0.025.So the method is correct and reliable.

cognitive radio；wideband spectrum sensing；cooperative spectrum sensing；sub-Nyquist sampling;energy detection

10.3969/j.issn.1001-893x.2017.06.003

吴迪.一种低速采样的协同宽带频谱感知方法[J].电讯技术，2017,57(6):629-634.[WU Di.A cooperative spectrum sensing method based on low rates sampling[J].Telecommunication Engineering,2017,57(6):629-634.]

2017-02-23；

2017-05-08 Received date:2017-02-23；Revised date：2017-05-08

国防科技重点实验室基金项目(9140C020203150C02008)

TN911.7

1001-893X(2017)06-0629-06