基于信噪比估計(jì)的無(wú)人機(jī)頻譜感知算法

張?jiān)? 鄧小芳

摘? 要： 無(wú)人機(jī)外出執(zhí)行任務(wù)的過(guò)程中，有效的頻譜感知能力能適應(yīng)多種復(fù)雜的電磁環(huán)境，提高無(wú)人機(jī)的生存能力從而保障任務(wù)的順利執(zhí)行。根據(jù)實(shí)際應(yīng)用情況，提出一種基于信噪比估計(jì)的無(wú)人機(jī)頻譜感知算法。該算法首先對(duì)信噪比環(huán)境進(jìn)行估計(jì)，然后選擇更合適的基礎(chǔ)感知算法，保障在低信噪比環(huán)境下的檢測(cè)性能。仿真結(jié)果表明，該算法在低信噪比環(huán)境下較傳統(tǒng)感知算法提高了檢測(cè)性能，達(dá)到了在降低算法復(fù)雜度的同時(shí)，提高頻譜利用率的目的。

關(guān)鍵詞： 無(wú)人機(jī); 頻譜感知; 信噪比估計(jì); 性能檢測(cè); 閾值調(diào)整; 仿真分析

中圖分類(lèi)號(hào)： TN781?34? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼： A? ? ? ? ? ? ? ? ? ? ? 文章編號(hào)： 1004?373X（2020）10?0119?05

UAV spectrum sensing algorithm based on signal?to?noise ratio estimation

ZHANG Zeng， DENG Xiaofang

（Key Laboratory of Cognitive Radio and Information Processing， Ministry of Education， Guilin University of Electronic Technology， Guilin 541000， China）

Abstract： In the process of UAV going out to perform tasks， the effective spectrum sensing ability can adapt to a variety of complex electromagnetic environment and improve the UAV viability to ensure the smooth execution of tasks. A UAV spectrum sensing algorithm based on SNR （signal?to?noise ratio） estimation is proposed according to the practical application situation. In the algorithm， the SNR environment is estimated， and then the more appropriate basic sensing algorithm is selected to ensure the detection performance in the low SNR environment. The simulation results show that， in comparison with the traditional sensing algorithm， this algorithm improves the detection performance in the low SNR environment， reduces the complexity of the algorithm， and achieves the purpose of improving the spectrum utilization.

Keywords： UAV; spectrum sensing; signal?to?noise ratio estimation; performance detection; threshold adjustment; simulated analysis

0? 引? 言

經(jīng)過(guò)多年的發(fā)展，無(wú)人機(jī)在應(yīng)急救災(zāi)、森林防火、環(huán)境監(jiān)測(cè)、科研試驗(yàn)等生產(chǎn)、生活領(lǐng)域發(fā)揮著重要的作用?，F(xiàn)代信息條件下電磁環(huán)境極為復(fù)雜，無(wú)人機(jī)的數(shù)量也不斷增加，使得戰(zhàn)略頻譜資源顯得愈加緊張。在障礙物眾多、地形復(fù)雜的惡劣環(huán)境中執(zhí)行任務(wù)時(shí)，保證單機(jī)尤其是關(guān)鍵節(jié)點(diǎn)持續(xù)執(zhí)行任務(wù)能力極為重要，急需提高無(wú)人機(jī)對(duì)空閑頻段的發(fā)現(xiàn)和利用能力 [1]。

1999年，Mitola提出的認(rèn)知無(wú)線電技術(shù)是緩解當(dāng)前頻譜資源利用率低下問(wèn)題的關(guān)鍵技術(shù)。認(rèn)知無(wú)線電技術(shù)的核心技術(shù)之一是頻譜感知，其核心思想是認(rèn)知用戶感知周?chē)鸁o(wú)線環(huán)境，及時(shí)發(fā)現(xiàn)已分配給授權(quán)用戶而又未被占據(jù)使用的閑置頻段，是實(shí)現(xiàn)頻譜資源共享的重要前提。在頻譜感知的研究中，國(guó)內(nèi)外學(xué)者作了大量的基礎(chǔ)理論研究，首先，為了提高頻譜利用率，盡量使檢測(cè)時(shí)間縮短，獲取更多時(shí)間傳輸數(shù)據(jù);其次，面臨不同的無(wú)線環(huán)境，要能擁有較寬的動(dòng)態(tài)檢測(cè)范圍和感知靈敏度;此外，在進(jìn)行動(dòng)態(tài)感知的過(guò)程中不能對(duì)授權(quán)用戶產(chǎn)生有害干擾。經(jīng)過(guò)數(shù)年的研究，感知技術(shù)多集中于對(duì)授權(quán)用戶發(fā)射機(jī)信號(hào)檢測(cè)的相關(guān)研究，其主要基本檢測(cè)算法有能量檢測(cè)、匹配濾波器檢測(cè)、循環(huán)平穩(wěn)特征檢測(cè)及協(xié)方差盲檢測(cè)[2]。其中能量檢測(cè)不需要主用戶先驗(yàn)信息，感知時(shí)間短，算法復(fù)雜度低而廣泛應(yīng)用，但在低信噪比環(huán)境下檢測(cè)性能會(huì)急劇下降，無(wú)法正確感知區(qū)分授權(quán)信號(hào)和噪聲信號(hào)。匹配濾波器檢測(cè)能獲得理想的檢測(cè)性能，但是需要主用戶的先驗(yàn)信息為基礎(chǔ)，需要時(shí)間和載波的嚴(yán)格同步來(lái)獲取檢測(cè)增益，實(shí)施起來(lái)較為困難，應(yīng)用較少。循環(huán)平穩(wěn)特征檢測(cè)和協(xié)方差盲檢測(cè)在低噪環(huán)境下有較好的抗干擾和檢測(cè)性能，但是算法復(fù)雜度高，一定程度上降低了檢測(cè)效率。頻譜感知算法當(dāng)前研究多集中在合作感知方向上，但針對(duì)無(wú)人機(jī)特定場(chǎng)景下的應(yīng)用，單節(jié)點(diǎn)即單機(jī)頻譜感知算法的改善同樣重要，對(duì)于無(wú)人機(jī)自主生存能力的提高有著重大的意義。文獻(xiàn)[3]提出基于噪聲方差估計(jì)的自適應(yīng)多門(mén)限能量檢測(cè)算法，較為精確地估計(jì)噪聲方差不確定區(qū)間，從而自適應(yīng)地設(shè)定多判決門(mén)限，但其始終基于能量檢測(cè)方法，試圖逼近理論檢測(cè)性能，在低信噪比環(huán)境下的檢測(cè)性能依然較差。文獻(xiàn)[4?5]提出以基于無(wú)人機(jī)協(xié)作頻譜感知為思路，進(jìn)行門(mén)限調(diào)整的能量檢測(cè)為基礎(chǔ)，融合判決，一定程度上提高了檢測(cè)概率，但是仍然在低噪環(huán)境下表現(xiàn)不佳，同時(shí)無(wú)人機(jī)之間的大量通信還是會(huì)增加額外的帶寬開(kāi)銷(xiāo)。為改善單節(jié)點(diǎn)頻譜感知性能，文獻(xiàn)[6]提出的兩步感知算法可以提高檢測(cè)性能，先采用高效率的能量檢測(cè)，再使用循環(huán)平穩(wěn)特征檢測(cè)進(jìn)行二次判定，確保檢測(cè)性能，但是一定程度上降低了感知效率，提高了算法復(fù)雜度。

本文研究旨在提高無(wú)人機(jī)單節(jié)點(diǎn)頻譜感知能力，主要在不同信噪比條件下，選取更優(yōu)的感知方法，達(dá)到增強(qiáng)頻譜檢測(cè)性能的目的。通過(guò)對(duì)環(huán)境信噪比條件進(jìn)行估計(jì)，同一感知周期內(nèi)選擇更合適的檢測(cè)算法，降低算法復(fù)雜度提高檢測(cè)性能。

1? 基于信噪比估計(jì)的無(wú)人機(jī)頻譜感知算法原理與分析

1.1? 頻譜感知基本檢測(cè)模型

無(wú)人機(jī)數(shù)量的不斷增長(zhǎng)，外出執(zhí)行任務(wù)通常是以群體為單位，機(jī)群內(nèi)包括指揮節(jié)點(diǎn)和非指揮節(jié)點(diǎn)。指揮節(jié)點(diǎn)可以將現(xiàn)場(chǎng)環(huán)境動(dòng)態(tài)情況及時(shí)傳遞，非指揮節(jié)點(diǎn)主要負(fù)責(zé)任務(wù)的執(zhí)行。整個(gè)機(jī)群大范圍的覆蓋，很好地形成對(duì)現(xiàn)場(chǎng)各區(qū)域頻譜使用情況實(shí)時(shí)感知，并將信息共享?，F(xiàn)場(chǎng)基本組成單位如圖1所示。

在實(shí)際應(yīng)用中，存在不確定因素的影響，根據(jù)授權(quán)頻段是否被授權(quán)用戶占據(jù)，所以頻譜感知模型可以假設(shè)一個(gè)二元檢驗(yàn)[7]：

[r（t）=gs（t）+ζn（t），H1ζn（t），H0]? ? ? ?（1）

式中：[g]為衰落信道的幅度增益;[ζ]為噪聲不確定性的參數(shù);[s（t）]為接收信號(hào);[n（t）]表示均值為0的加性高斯白噪聲;[H1]表示頻段被授權(quán)用戶占用，認(rèn)知用戶不可以接入;[H0]表示頻段授權(quán)用戶未占用，認(rèn)知用戶經(jīng)過(guò)允許可以接入暫時(shí)使用。在衡量檢測(cè)性能時(shí)，以虛警概率[Pf]和檢測(cè)概率[Pd]為主，若[Pf]過(guò)高會(huì)損失一定的頻譜接入機(jī)會(huì)，所以在一定[Pf]條件約束下要盡量提高[Pd]。

1.2? 基于信噪比估計(jì)的感知流程

信噪比是反映信道狀態(tài)的重要參數(shù)，在能量檢測(cè)算法中，在較低的信噪比環(huán)境下，檢測(cè)性能會(huì)急劇下降。為了提高在低信噪比環(huán)境下的檢測(cè)性能，可以采用循環(huán)平穩(wěn)特征檢測(cè)的檢測(cè)算法，而采用該算法的同時(shí)，提高了整體算法復(fù)雜度，一定程度上影響檢測(cè)效率。所以通過(guò)對(duì)信噪比環(huán)境的估計(jì)，將二者方法的優(yōu)點(diǎn)進(jìn)行結(jié)合，在不同的信噪比環(huán)境下選擇更合適的感知算法，可以實(shí)現(xiàn)在降低算法復(fù)雜度的基礎(chǔ)上，提高在低信噪比環(huán)境下的檢測(cè)性能。

進(jìn)行信噪比估計(jì)首先計(jì)算待檢信號(hào)與噪聲采樣點(diǎn)的能量均值之比[8]：

[ESNR=PSPW=1Nn=1Ny（n）21Nn=1Nw（n）2]? ? ?（2）

式中：[PS]為估計(jì)的待檢信號(hào)功率;[PW]為噪聲功率;[N]為采樣點(diǎn)數(shù)。將式（2）結(jié)果轉(zhuǎn)換為以分貝（[dB]）為單位的信噪比[S]：

[S=ESNR|dB=10·log1Nn=1Ny（n）21Nn=1Nw（n）2] （3）

將估計(jì)的結(jié)果與設(shè)定信噪比選擇閾值[γ]相比較，從而選擇更合適的檢測(cè)方法。根據(jù)信噪比估計(jì)情況，若[S≥γ]，說(shuō)明信道條件較好，選擇能量檢測(cè)的方法，快速獲得檢測(cè)結(jié)果;若[S<γ]，說(shuō)明信道環(huán)境較為惡劣，選擇循環(huán)平穩(wěn)特征檢測(cè)法，提高低信噪比條件下的檢測(cè)準(zhǔn)確度。基本頻譜感知流程如圖2所示。

在一個(gè)感知周期中，系統(tǒng)根據(jù)信噪比估計(jì)結(jié)果，與設(shè)定的閾值進(jìn)行比較，繼而選擇更合適的檢測(cè)算法，相比于兩步檢測(cè)，降低了檢測(cè)算法的平均復(fù)雜度。在單次檢測(cè)周期內(nèi)衡量檢測(cè)性能時(shí)虛警概率和檢測(cè)概率就是選擇當(dāng)次算法的虛警概率和檢測(cè)概率。

1.3? 能量檢測(cè)法

能量檢測(cè)法是一種次優(yōu)檢測(cè)法，通過(guò)對(duì)接收信號(hào)總能量來(lái)判斷授權(quán)信號(hào)是否存在，或者只存在噪聲信號(hào)。能量檢測(cè)法是一種非相干檢測(cè)且感知時(shí)間較短，但噪聲的不確定性會(huì)對(duì)檢測(cè)性能產(chǎn)生嚴(yán)重影響。檢測(cè)周期內(nèi)將特定時(shí)間內(nèi)的接收信號(hào)在頻域內(nèi)實(shí)現(xiàn)快速傅里葉變換，獲得的累計(jì)能量作為檢驗(yàn)統(tǒng)計(jì)量，并與判決門(mén)限比較得到感知結(jié)果[9]。能量檢測(cè)流程如圖3所示。

接收信號(hào)[y（t）]采樣后得到[y（n）]，經(jīng)過(guò)快速傅里葉變換、平方求和及取均值，然后構(gòu)建判決統(tǒng)計(jì)量[X=1Nn=1Ny（n）2]，將統(tǒng)計(jì)量與判決門(mén)限[λ]進(jìn)行比較，當(dāng)[X≤λ]時(shí)，表示授權(quán)用戶未占據(jù)頻段，判決結(jié)果為[H0];當(dāng)[X>λ]時(shí)，則表示授權(quán)用戶存在，頻段不可被占用，判決結(jié)果為[H1]。文獻(xiàn)[10]指出，判決統(tǒng)計(jì)量服從卡方分布，即：

[X～χ2N，H0χ2N（2γ），H1]? ? ? ? ? ?（4）

式中，[γ]為用戶接收信號(hào)的信噪比。根據(jù)中心極限定理，當(dāng)采樣點(diǎn)數(shù)[N]遠(yuǎn)大于1時(shí)，[X]近似服從高斯分布：

[X～Nδ2w，2Nδ4w，H0Nδ2w+δ2x，2N（δ2w+δ2x）2，H1]? ? ?（5）

則可以推導(dǎo)出能量檢測(cè)的虛警概率[PEf]和檢測(cè)概率[PEd]分別為：

[PEf=PX>λ|H0=Qλ-Nδ2w2Nδ4w]? ?（6）

[PEd=PX>λ|H1=Qλ-N（δ2x+δ2w）2N（δ2x+δ2w）2] （7）

式中：[δ2x]為信號(hào)功率;[Q（x）=x+∞12πexp-t22dt]，為標(biāo)準(zhǔn)高斯互補(bǔ)積分函數(shù);[δ2w]為噪聲功率。依據(jù)設(shè)定的目標(biāo)虛警概率[PEf]，可以推導(dǎo)出判決門(mén)限為：

[λ=Q-1（PEf）·2Nδ4w+Nδ2w]? ? ? （8）

式中，[Q-1（x）]為逆函數(shù)。由式（8）可知，判決門(mén)限主要受信道噪聲功率的影響，進(jìn)而影響不同信噪比條件下的檢測(cè)概率。

1.4? 循環(huán)平穩(wěn)特征檢測(cè)

循環(huán)平穩(wěn)特征檢測(cè)是利用譜相關(guān)函數(shù)檢測(cè)信號(hào)中的周期特征來(lái)判斷授權(quán)用戶是否存在 [11]。其檢測(cè)原理是授權(quán)信號(hào)一般會(huì)經(jīng)過(guò)調(diào)制、編碼等處理，而后會(huì)進(jìn)行接收機(jī)解調(diào)、解碼的過(guò)程，整個(gè)過(guò)程中信號(hào)的傳輸會(huì)伴隨冗余信息，所以與其相關(guān)的均值、自相關(guān)函數(shù)都會(huì)存在周期性，而噪聲信號(hào)不存在這些特性。循環(huán)平穩(wěn)特征檢測(cè)流程如圖4所示。

構(gòu)建的譜相關(guān)函數(shù)[Sαx（f）]的表達(dá)式為：

[Sαx（f）=limT→∞limΔt→∞1Δt-Δt2Δt21TFT（t，f+α2）?? ? ? ? ? ? ? ? ? FT·（t，f+α2）dt] （9）

式中：[α]為引入循環(huán)頻率;[FT]定義為：

[FT（t，v）=t-T2t+T2X（u）e-j2πvudu]? ? （10）

[Sαx（f）]會(huì)在不同的頻率[f]與循環(huán)頻率[α]處出現(xiàn)峰值，噪聲不具備循環(huán)特性，所以只在[α=0 Hz]處出現(xiàn)峰值，也就是說(shuō)通過(guò)峰值位置來(lái)判斷是否存在授權(quán)信號(hào)。但是檢測(cè)方法還存在一定的缺陷，在信噪比環(huán)境極其惡劣的條件下，峰值位置的判斷是模糊的，峰值斷定缺乏量化，進(jìn)而有研究解決了這個(gè)問(wèn)題，通過(guò)計(jì)算頻譜相關(guān)系數(shù)構(gòu)建判決統(tǒng)計(jì)量 [12]，如下：

[Cαx=Sax（f）[S（f+α2）S（f-α2）]12]? ? （11）

因此，當(dāng)檢測(cè)循環(huán)頻率不等于零時(shí)，根據(jù)信號(hào)的循環(huán)譜峰值位置出現(xiàn)在不同位置判斷授權(quán)用戶是否存在，即判決準(zhǔn)則如下：

[Cax（f）=Sas（f），H10，H0]? ? ? ? （12）

式中，[Sas（f）]為授權(quán)調(diào)制信號(hào)的循環(huán)譜密度函數(shù)。設(shè)置判決門(mén)限[λ]，當(dāng)[Sas（f）>λ]時(shí)，說(shuō)明主用戶存在;當(dāng)[Sas（f）≤λ]時(shí)，說(shuō)明主用戶不存在。則可以推導(dǎo)出虛警概率和檢測(cè)概率分別為：

[Pcf=P（Sas（f）>λ|H0）Pcd=P（Sas（f）>λ|H1）]? ? ? ? （13）

頻譜相關(guān)系數(shù)具有歸一化的形式，檢測(cè)門(mén)限設(shè)定在僅噪聲存在的條件下，判決門(mén)限為：

[λ=max（I（α））α=0NI2（α）N]? ? （14）

式中，[I（α）?maxfCαx（f）]。

1.5? 信噪比選擇閾值調(diào)整

信道條件較好的環(huán)境下，感知周期內(nèi)多采用能量檢測(cè)法，快速獲得感知結(jié)果，信道條件惡劣的環(huán)境下，采用循環(huán)平穩(wěn)特征檢測(cè)法。

當(dāng)設(shè)定期望檢測(cè)概率[Pd]，而系統(tǒng)檢測(cè)概率比期望值低的時(shí)候，需要調(diào)整信噪比閾值，多采用循環(huán)平穩(wěn)特征檢測(cè)的方法。相反，當(dāng)檢測(cè)概率大于或等于期望概率時(shí)，說(shuō)明信道條件較好，可以多采用能量檢測(cè)方法，加快感知速度，提高檢測(cè)效率。為此，設(shè)定閾值調(diào)整：

[γi=γi-1+ξ（Pd-Pd）]? ? ? ? （15）

式中：[γi-1]為第[i-1]次檢測(cè)的信噪比閾值;[ξ]為調(diào)整因子，[ξ>0]，[ξ]設(shè)定值越小，選擇閾值調(diào)整更小，可以找到最合適的選擇閾值。當(dāng)對(duì)比檢測(cè)概率[Pd]和期望檢測(cè)概率[Pd]時(shí)，若[Pd-Pd>0]，則說(shuō)明信道條件較預(yù)期差，應(yīng)該提高選擇閾值，即增加[γi]，可以提高循環(huán)平穩(wěn)特征檢測(cè)使用概率;若[Pd-Pd<0]，則說(shuō)明信道噪聲條件較預(yù)期好，可以適當(dāng)降低選擇閾值，即減少[γi]，可以提高能量檢測(cè)法的使用概率，從而提高檢測(cè)效率。

2? 算法流程

根據(jù)上文描述，可以歸納本文算法流程，其中單周期檢測(cè)流程圖如圖5所示。

信噪比閾值調(diào)整流程圖如圖6所示。

3? 仿真分析

將每架無(wú)人機(jī)視為單個(gè)認(rèn)知用戶節(jié)點(diǎn)，驗(yàn)證算法的可行性。將仿真結(jié)果與兩步檢測(cè)和能量檢測(cè)做了對(duì)比，Matlab仿真設(shè)置信噪比區(qū)間[SNR∈[-20，5]dB]，設(shè)定初始信噪比選擇閾值為[-8 dB]，期望檢測(cè)概率[Pd=0.9]，信噪比調(diào)節(jié)因子[ξ=10]。當(dāng)虛警概率設(shè)定[Pf=0.03]時(shí)，三種檢測(cè)算法的隨信噪比變化的檢測(cè)概率對(duì)比如圖7所示。

由圖7可見(jiàn)，三種方法都受信噪比環(huán)境影響，其中能量檢測(cè)影響最大，在低信噪比狀態(tài)下的檢測(cè)性能最差，兩步檢測(cè)方法在低信噪比下檢測(cè)性能要優(yōu)于能量檢測(cè);但本文所提的方法檢測(cè)概率要高于另外兩種方法，說(shuō)明基于信噪比估計(jì)選擇更適合檢測(cè)算法的思路，有更好的信噪比環(huán)境適應(yīng)能力，保證了系統(tǒng)的檢測(cè)性能不會(huì)急劇下降。

圖8表示在[SNR=-12 dB]時(shí)，系統(tǒng)檢測(cè)概率隨虛警概率的變化曲線。由圖可知，在設(shè)定虛警概率一定的條件下，本文所提的感知算法的檢測(cè)概率表現(xiàn)要好于另外兩種方法，在低信噪比環(huán)境下表現(xiàn)出更好的檢測(cè)性能。

4? 結(jié)? 語(yǔ)

無(wú)人機(jī)外出執(zhí)行任務(wù)期間，為了提高頻譜空穴的發(fā)現(xiàn)和利用能力，保障任務(wù)的順利執(zhí)行，提出基于信噪比估計(jì)的無(wú)人機(jī)頻譜感知算法。無(wú)人機(jī)在面臨復(fù)雜電磁環(huán)境下，首先進(jìn)行現(xiàn)場(chǎng)信噪比估計(jì)，然后選擇更合適的頻譜感知方法，在降低一定算法復(fù)雜度同時(shí)保證在低信噪比環(huán)境下的感知性能。仿真結(jié)果表明，在低信噪比環(huán)境下無(wú)人機(jī)作為單個(gè)認(rèn)知節(jié)點(diǎn)采用本文所提算法有著更好的檢測(cè)性能。未來(lái)無(wú)人機(jī)頻譜感知的研究，在改善單機(jī)節(jié)點(diǎn)檢測(cè)性能的基礎(chǔ)上，可以進(jìn)一步提高聯(lián)合檢測(cè)性能，依據(jù)無(wú)人機(jī)組網(wǎng)架構(gòu)，提出更有效的感知算法。

參考文獻(xiàn)

[1] 薛楠.如何破解無(wú)人機(jī)大發(fā)展時(shí)代頻譜短缺之憂？[J].上海信息化，2015（11）：16?19.

[2] CHEN K C， PRASAD R. Cognitive radio networks [J]. IEEE signal processing magazine， 2013， 10（8）： 11?15.

[3] 文凱，姜賴贏.一種基于噪聲方差估計(jì)的自適應(yīng)多門(mén)限能量檢測(cè)算法[J].南京郵電大學(xué)學(xué)報(bào)（自然科學(xué)版），2017，37（3）：68?72.

[4] 邴雨晨，劉紅，楊建波，等.一種空中聯(lián)合作戰(zhàn)頻譜感知方法[J].電訊技術(shù)，2014，54（10）：1372?1377.

[5] 郝博雅，周輝，孫斌.雙機(jī)協(xié)作的頻譜感知算法[J].四川兵工學(xué)報(bào)，2012，33（2）：114?116.

[6] MALEKI S， PANDHARIPANDE A， LEUS G. Two?stage spectrum sensing for cognitive radios [C]// 2010 IEEE International Conference on Acoustics， Speech and Signal Processing. Dallas： IEEE， 2010： 2946?2949.

[7] BAGWARI A， KANTI J， TOMAR G S， et al. A robust detector using SNR with adaptive threshold scheme in cognitive radio networks [J]. International journal of signal processing， image processing and pattern recognition， 2016， 9（5）： 173?186.

[8] SRISOMBOON K， THAKULSUKANANT K， PRAYOTE A， et al. Adaptive two?stage spectrum sensing under noise uncertainty in cognitive radio networks [J]. IEICE transaction on fundamentals of electronics communications & computer sciences， 2016， 14（1）： 21?35.

[9] VIEN Q T， NGUYEN H X， TRESTIAN R， et al. A hybrid double?threshold based cooperative spectrum sensing over fading channels [J]. IEEE transactions on wireless communications， 2016， 15（3）： 1821?1834.

[10] LIU Xin， GUAN Mingxiang， ZHANG Xueyan， et al. Spectrum sensing optimization in an UAV?based cognitive radio [J]. IEEE access， 2018（6）： 44002?44009.

[11] ZHANG Shibing， BAO Zhihua. An adaptive spectrum sensing algorithm under noise uncertainty [C]// IEEE Intenational Conference on Communication. Kyoto： IEEE， 2011： 1?5.

[12] HE Xinying， ZENG Zhimin， GUO Cali. Signal classification based on cyclostationary spectral analysis and HMM/SVM in cocnitive radio [C]// 2009 International Conference on Measuring Technology and Mechatronics Automation. Zhangjiajie： IEEE， 2009： 14?17.