認知無線電寬帶頻譜感知試驗研究

鄭仕鏈，何斌，楊偉程

(1.通信信息控制和安全技術(shù)重點實驗室，浙江嘉興314033;2.中國電子科技集團公司第三十六研究所，浙江嘉興314033)

0 引言

認知無線電技術(shù)是一項有望解決當前無線頻譜利用率低下問題的智能無線通信技術(shù)，它通過使用主用戶暫時不用的頻譜空穴來提高無線頻譜的利用率［1］。為了避免對主用戶造成有害干擾，在通信前以及通信過程中，認知用戶需要檢測頻譜，尋找頻譜空穴進行通信。該問題即為頻譜感知問題，頻譜感知是認知無線電得以實現(xiàn)的前提條件［2］。目前研究人員已提出很多頻譜感知方法，包括針對單個窄帶信道的二元檢測頻譜感知以及針對寬頻段的寬帶頻譜感知。寬帶頻譜感知可以采用多種方式來實現(xiàn)。一種簡單的寬帶頻譜感知就是將感知頻段劃分成多個窄帶，然后通過模擬前端調(diào)諧對各個窄帶進行二元檢測，這種方法可能導致感知時間過長;另一種方法是采用模擬濾波器組同時完成對多個窄帶的檢測，但是卻增加了硬件實現(xiàn)復雜度［3］。第三種方法是采用專門的硬件實現(xiàn)多分辨率頻譜感知［4］，但是采用這種方法意味著頻譜感知與認知無線電的通信接收需要采用兩個完全獨立的架構(gòu)。最后一種折衷的實現(xiàn)途徑就是采用寬帶中頻結(jié)構(gòu)，每次針對寬帶采樣后的信號完成較寬頻段的分析，并且通過前端調(diào)諧完成整個感知頻段的分析，這樣就能在感知時間和硬件實現(xiàn)復雜度之間進行折衷。本文即針對這一種實現(xiàn)途徑，介紹寬帶頻譜感知方法、設(shè)計寬帶頻譜感知試驗平臺、以實際信號進行試驗并對試驗結(jié)果進行討論。

1 寬帶頻譜感知方法

針對寬帶采樣后的寬帶頻譜感知問題，目前已提出了多種方法。基于快速Fourier變換(Fast Fourier Transform，F(xiàn)FT)的能量檢測是一種常用的傳統(tǒng)方法，它相當于是一種周期圖譜功率譜估計方法。文獻5詳細討論了多抽頭譜估計方法在頻譜感知中的應用，相對于周期圖法在估計偏差與估計方差折中上具有明顯優(yōu)勢。文獻6提出采用濾波器組譜估計并詳細比較了其與多抽頭法的性能優(yōu)劣。文獻7提出了基于多相濾波器組的寬帶頻譜感知方法，與FFT相比，具有計算復雜度更低的優(yōu)勢。文獻3提出利用小波變換對功率譜密度進行分析，從而得到各個子帶的邊界位置，再通過估計各個子帶的平均功率譜以判定是否為頻譜空穴。文獻8提出多子帶聯(lián)合檢測技術(shù)，為設(shè)定門限，需要知道噪聲功率。文獻9提出一種可估計噪聲功率的寬帶頻譜感知方法，性能要優(yōu)于噪聲功率不確定性影響的能量檢測，但該方法的前提是要假設(shè)一定數(shù)量的空穴。文獻10將主用戶占用信道數(shù)的估計問題轉(zhuǎn)化為信號源數(shù)的估計問題，然后利用信息論的AIC和MDL準則檢測信號數(shù)。文獻11提出了一種基于連續(xù)均值切除法(Forward Consecutive Mean Excision，F(xiàn)CME)的雙門限寬帶頻譜感知方法，這種方法的優(yōu)點在于無需估計噪聲功率。文獻12對主用戶采用多載波調(diào)制的情況進行討論，采用最大似然估計(用最小二乘估計取代)各個子信道的噪聲功率和信號功率，從而判斷哪些子信道為頻譜空穴。文獻13采用高斯混合模型對頻譜數(shù)據(jù)進行聚類，然后利用隱馬爾可夫模型進行最終判決，從而得到頻譜空穴信息。文獻14則對此進行擴展，討論了多天線接收情況下基于隱馬爾可夫模型的寬帶頻譜感知?？紤]到在實際系統(tǒng)中實現(xiàn)簡單的特點，本文主要針對寬帶能量檢測、多抽頭譜估計以及基于FCME的寬帶頻譜感知進行討論。

1.1 寬帶能量檢測

本文考慮的能量檢測采用基于FFT的信道化能量檢測。假設(shè)采用N點FFT進行分析，每個子帶占用的點數(shù)為N/(2M)=L(注意這里考慮了負頻率)。為便于分析，假設(shè)L為整數(shù)，則寬帶能量檢測過程如下。首先對信號x(n)進行N點FFT，得到:

然后計算各個子帶的功率(由于實信號頻譜的對稱性，只需要計算正頻率對應的頻譜數(shù)據(jù))，第i個(i=1，2，…，M)信道的功率Yi即為其對應的L個頻域數(shù)據(jù)模平方和的均值，最后將Yi與特定的門限比較，就可判定第i個信道是否被占用。門限的設(shè)定有多種方式。如果可以估計各個信道的噪聲功率，則可以對各個信道設(shè)定不同的門限，滿足各種檢測性能要求。另一方面，基于加性白高斯噪聲功率譜平坦這一特點，可以假設(shè)各個信道噪聲功率一致，這種情況下則可以對所有信道采用統(tǒng)一的門限，進一步簡化了檢測過程。

1.2 多抽頭譜估計

寬帶能量檢測方法實際上就是根據(jù)周期圖法得到的功率譜計算各個信道能量的方法。多抽頭譜估計方法相對于周期圖譜估計則具有更小的偏差和方差［5］。

令n表示離散時間，給定時間序列x(n)，n=0，1，…，N-1，多抽頭譜估計估計為:

雖然低階的特征譜具有很好的偏差性能，但是隨著階數(shù)K趨近于極限值，特征譜的性能逐漸下降。自適應多抽頭譜估計則無需設(shè)定抽頭數(shù)，其遞推式如下:

1.3 基于FCME的寬帶頻譜感知

幾種方法在門限的設(shè)定上需要估計噪聲功率，然后以虛警概率要求進行門限的設(shè)定。然而，基于FCME的感知方法的門限設(shè)定則無需估計噪聲功率，這對實際實現(xiàn)幫助很大。設(shè){yi為信號x(n)的離散功率譜數(shù)據(jù)，F(xiàn)CME將觀測值yi按從小到大的順序進行排序，為表示方便，用{y}表示排序后的觀測序列。選擇值最小的m個觀測值作為初始“純凈”集，該集合通常為整個觀測集合的一小部分，例新計算zm，否則，終止算法。持續(xù)該過程直到算法終止時，λ=Tzm即為判決門限。

為進一步提高性能，文獻11中提出基于FCME的雙門限頻譜感知。給定門限T1和T2(T1＞T2)，按FCME流程得到判決門限λU和λL(λU＞λL)。根據(jù)門限λL將頻譜數(shù)據(jù)分成不同的簇。一個簇由各個相鄰的樣本點組成，頻率上不間斷，樣本值都大于門限λL或都小于門限λL。對于值小于λL的簇，判決為噪聲子帶。對于值大于門限λL的簇，如果其中有一個值大于門限λU，則認為該簇為主用戶信號占用的子帶，否則，認為是噪聲子帶。

2 寬帶頻譜感知試驗平臺

為對各種寬帶頻譜感知方法的性能進行試驗分析，本文建立并實現(xiàn)了認知無線電寬帶頻譜感知試驗平臺，其硬件架構(gòu)基于寬帶中頻帶通采樣軟件無線電結(jié)構(gòu)進行設(shè)計［15］，如圖1所示，其主要包括天線、射頻前端、模數(shù)轉(zhuǎn)換器(Analog-to-Digital Converter，ADC)以及數(shù)字信號處理單元。

圖1 頻譜感知試驗平臺結(jié)構(gòu)

寬帶頻譜感知硬件的設(shè)計很大程度上考慮了目前主流商用ADC的限制，包括ADC的采樣速率、工作頻率、量化位數(shù)等。首先，認知無線電頻譜感知的系統(tǒng)帶寬BS可能很寬，如IEEE 802.22要求的工作頻段為41～910MHz，在Nyquist采樣理論下，要完成對整個系統(tǒng)帶寬的瞬時采樣要求ADC具有數(shù)GHz的采樣頻率，顯然，對目前成熟的商用ADC來說，如此高的采樣頻率還不能得以很好實現(xiàn)。因此采用將系統(tǒng)帶寬BS分成K個子帶的方式進行感知。系統(tǒng)瞬時處理帶寬為BS/K，通過射頻前端的調(diào)諧完成對不同子帶的分析。其次，采用固定中頻的方式也是為了簡化對ADC工作頻率的要求，如果直接對射頻進行采樣，則由于頻譜感知工作頻段很寬，ADC的最高工作頻率很可能達不到要求。最后，這種分子帶進行采樣分析的方式降低了對ADC采樣速率的要求，有利于ADC使用更高的量化位數(shù)，從而得到更大的動態(tài)范圍，在頻譜感知時大信號存在時能夠?qū)π⌒盘栠M行分析。雖然大的K值有利于ADC的實現(xiàn)，當時也不可能采用過大的子帶數(shù)K，這會增加對整個頻段進行感知所需耗費的時間，從而降低頻譜感知的效率，因此需要折衷設(shè)計。設(shè)計的寬帶頻譜感知試驗平臺的工作頻段覆蓋30～2 000MHz，其中包含了IEEE 802.22標準中規(guī)定的電視頻段。另外，中頻帶寬為寬帶模式，帶寬為100MHz。采用這種設(shè)計既有利于ADC的選擇，也有利于滿足整個工作頻段頻譜感知速率的要求。ADC采樣后，各種頻譜感知算法均在數(shù)字域采用FPGA與DSP相結(jié)合的方式實現(xiàn)。

3 試驗結(jié)果

本文針對30～2 000MHz頻段對頻譜感知進行了試驗。試驗直接針對空中實際信號進行，各種頻譜感知算法在硬件中實現(xiàn)，頻譜感知結(jié)果從FPGA和DSP的運行結(jié)果數(shù)據(jù)中導出，然后在Matlab中繪圖，以更直觀體現(xiàn)算法性能。

試驗結(jié)果如圖2所示，為更好的刻畫信號細節(jié)，僅取了某一頻段的一部分來繪圖，試驗中采用的FFT點數(shù)為16 384，圖中橫坐標均為FFT頻域標號，試驗中將各點FFT數(shù)據(jù)看成一個信道進行處理。由圖2(b)和圖2(a)可知，多抽頭譜估計得到的各個信號更為清晰，這主要是由于其方差較小所得的效果，因此更有利于判決。注意圖2中給出的門限為參考判決門限。圖2(c)是以多抽頭譜估計所得功率譜為數(shù)據(jù)進行的基于FCME的雙門限感知結(jié)果，由圖可知，該方法較好的找到了各個頻譜空穴。需要注意的是這些寬帶頻譜感知比較適合于粗檢測。除此之外也對其他精細頻譜感知方法進行了試驗，限于篇幅，不再詳細討論。

圖2 試驗結(jié)果

4 結(jié)束語

寬帶頻譜感知是認知無線電的一項關(guān)鍵技術(shù)。本文構(gòu)建了寬帶頻譜感知試驗平臺，對寬帶頻譜感知方法進行了試驗分析。結(jié)果表明，多抽頭譜估計比基于周期圖的寬帶能量檢測具有更好的性能，而且基于FCME的雙門限寬帶頻譜感知方法能夠較好的找到頻譜空穴信息。隨著壓縮感知技術(shù)的發(fā)展和成熟［16］，后續(xù)研究會考慮基于壓縮感知的寬帶頻譜感知試驗平臺的設(shè)計，以現(xiàn)有商用ADC對更寬的頻段進行直接采樣分析。

［1］趙知勁，鄭仕鏈，尚俊娜.認知無線電技術(shù)［M］.北京:科學出版社，2008:1-52.

［2］鄭仕鏈，樓才義，楊小牛.基于改進混合蛙跳算法的認知無線電協(xié)作頻譜感知［J］.物理學報，2010，59(5):3 611-3 617.

［3］Tian Z，Giannakis G B.A wavelet approach to wideband spectrum sensing for cognitive radios［C］.Mykonos Island:CrownCom，2006:1-5.

［4］Hur Y，Park J，Woo W，et al.A wideband analog multi-resolution spectrum sensing(MRSS)technique for cognitive radio(CR)systems［C］.Island of Kos:IEEE International symposium on Circuits and Systmes，2006:4 090-4 093.

［5］Haykin S，Thomson D J，Reed J H.Spectrum sensing for cognitive radio［J］.Proceedings of the IEEE，2009，97(5):849-877.

［6］Boroujeny B F.Filter bank spectrum sensing for cognitive radios［J］.IEEE Signal Processing，2008，56(5):1 801-1 811.

［7］Sheikh F，Masud S，Bing B.Harmonic power detection in wideband cognitive radios［J］.IET Signal Processing，2009，3(1):40-50.

［8］Quan Z，Cui S，Sayed A H，et al.Optimal multiband joint detection for spectrum sensing in cognitive radio networks［J］.IEEE Transactions on Signal Processing，2009，57(3):1 128-1 140.

［9］Taherpour A，Gazor S，Nasiri-Kenari M.Wideband spectrum sensing in unknown white Gaussian noise［J］.IET Communications，2008，2(6):763-771.

［10］Liu S，Shen J，Zhang R，et al.Information theoretic criterion-based spectrum sensing for cognitive radio［J］.IET Communications，2008，2(6):753-762.

［11］Vartianien J，Sarvanko H，Lehtomaki J，et al.Spectrum sensing with lad-based methods［C］.Athens:The 18th annual IEEE International Symposium on Personal，Indoor and Mobile Radio Communications，2007:1-5.

［12］Lopez-Valcarce R，Vazquez-Vilar G.Wideband spectrum sensing in cognitive radio:joint estimation of noise variance and multiple signal levels［C］.Perugia:The 10th IEEE International Workshop on Signal Processing Advances in Wireless Communications，2009:96-100.

［13］Reid A B，Coulson A J.Blind wideband spectrum sensing using cluster analysis［C］.Canberra:Australian Communications Theory Workshop，2010:133-138.

［14］Betlehem T，Coulson A J，Reid A B.Wide-band spectrum sensing for cognitive radio by combining antenna signals［C］.Canberra:Australian Communications Theory Workshop，2010:111-116.

［15］楊小牛，樓才義，徐建良.軟件無線電技術(shù)與應用［M］.北京:北京理工大學出版社，2010:102-104.

［16］石光明，劉丹華，高大化，等.壓縮感知理論及其研究進展［J］.電子學報，2009，37(5):1 070-1 081.