陈义平,　时　颖,,　孔　红,　张洪全

(1.黑龙江科技学院 电气与信息工程学院, 哈尔滨 150027;2.哈尔滨工业大学 电子与信息工程学院, 哈尔滨 150001)



认知无线电中OFDM信号的循环前缀相关检测算法

陈义平1,时颖1,2,孔红2,张洪全1

(1.黑龙江科技学院 电气与信息工程学院, 哈尔滨 150027;2.哈尔滨工业大学 电子与信息工程学院, 哈尔滨 150001)

针对认知无线电系统中OFDM信号循环平稳检测法计算复杂的情况，提出一种基于循环前缀相关性的频谱检测算法。该算法利用OFDM信号循环前缀的自相关性，通过计算自相关系数的最大似然比估计，与门限进行判决比较来完成频谱检测。仿真结果表明：该算法在信噪比为-11 dB的条件下，可以满足频谱检测需求；循环前缀占比越大，其检测概率越高；若不考虑检测时间，可以通过增大采样点数提高其检测性能。该算法计算简单，实用性好，为认知无线电主用户检测提供了新方法。

认知无线电; OFDM; 循环前缀; 相关性

0　引　言

认知无线电(CR)是一种可以检测外部环境的智能通信系统,通过检测频谱的使用情况,在不干扰主用户正常使用授权频段的情况下,认知用户能够利用其所处地点空间和时间的空闲频段通信,从而使频谱得到更有效的利用[1]。OFDM技术因具有频谱利用率高、成本低、抗多径、抗符号间干扰(ISI)等优点而备受关注,在宽带无线通信领域,已成为4G移动通信的核心技术。

OFDM的频谱检测通常利用其循环平稳特性检测循环频率,这称为循环平稳检测法。该方法抗干扰能力强、检测概率高,但在进行循环谱计算时,计算复杂度高,导致检测时间过长。为此,学者们提出了多种针对OFDM信号的频谱检测方案。文献[2]分析了OFDM信号的循环谱结构以助于进行循环平稳检测算法分析。文献[3,4]在OFDM信号产生过程中,利用信号自身相关性最强的特点,使部分子载波传输相同信息,这样,在循环平稳检测过程中相关到此部分子载波时就得到尖峰,在功率值上明显优于仅由循环前缀产生的循环谱,由此可简化检测复杂度,缩短检测时间,但该方法明显降低了信息传输速率。文献[5]将多个OFDM信号进行平均,并与双门限检测法结合来提高检测概率等。循环前缀是OFDM信号中的显著特征,其自相关系数有不为零的属性,并随着循环前缀长度的变化而变化,笔者利用其自相关性提出一种简单而有效的频谱检测算法。

1　频谱检测模型

为了实现认知无线电对主用户的保护,要求认知用户通过实时检测主用户信号的方法确定频段内主用户的存在。由于此频谱检测不需要对信号解调和译码,所以主用户信号检测模型一般描述为二元假设检验,模型如下:

式中:x(t)——认知用户接收信号;

s(t)——主用户发送信号(OFDM复信号);

接收信号的自相关系数估计式为

(1)

因为实自相关函数有ρ(-τ)=ρ(τ)特性,所以以下讨论中只针对τ=Td时的ρ(Td)。由式(1)的非零属性可知,如果主用户存在,则其自相关系数ρ(Td)不为零,否则为零。

2　循环前缀相关检测算法

2.1算法原理

假设接收到N+Td个OFDM符号的采样点,N为自相关计算中的采样值,并且满足N>>Td,考虑以下两个矢量:

x=[x(0)x(1)…x(N+Td-1)],

z=[xr(0)xi(0)xr(1)xi(1)…

xr(N+Td-1)xi(N+Td-1)],

式中:xr——x的实部;

xi——x的虚部。

由于不同时刻传输的OFDM数据不同,所以每一个采样值均可看作时间的随机变量x(t)和z(t)。接收信号矢量z的方差为

其自相关系数的最大似然比估计ρTd为

在N值足够大的情况下, 通过数学理论推导ρTd所近似服从的分布,得到其在H1和H0两种假设检验下的分布:

(2)

其中,η为检测判决门限,在虚警概率Pf一定的条件下可求得

2.2算法流程

通过对算法分析可知,进行循环前缀相关检测需预知有效符号长度的采样点数Td值。该值在通信标准中均会给出具体规定,即使其准确值未给出,也可通过在一定有效范围内使用不同值进行多次检测得到。总之,该算法提供了一种在主用户信息给定最少的情况下,简单而计算效率较高的检测方法。算法流程如图1所示。

图1　循环前缀相关检测算法流程

Fig. 1Flow of cyclic prefix autocorrelation spectrum detection algorithms

3　算法检测性能仿真

仿真参数:OFDM采用16QAM调制,循环前缀的长度为有效OFDM符号的1/4,子载波个数为64,符号速率为16 MHz,采样率为64 MHz,对50个OFDM符号块进行采样,Monte Carlo仿真次数为2 000次。

3.1CP长度已知和未知

图2给出了循环前缀相关检测算法在CP信息已知和未知两种情况下的Monte Carlo仿真结果。可以看出,CP信息已知情况下的算法检测概率明显高于CP信息未知的情况。

图2　CP长度已知和未知情况下的算法检测性能

Fig. 2Detection performance for knowing and unknowing CP length

CP信息已知情况下的检测性能虽然好,但是不具有一般性。因为CP的长度信息一般可以获得,但是CP的同步信息较难获得,所以以下均讨论CP信息未知条件下的循环前缀检测算法性能。

3.2信噪比不同

图3显示的是信噪比分别为-11、-13、-15和-17 dB时的接收机工作特性(ROC)曲线。可以看出,随着虚警概率的增大,算法检测概率也增大。这是因为虚警概率值越大,则相应条件下的门限值越小,进而检测概率也越大,这与算法是相符的。由于动态频谱接入(DSA)技术的特殊性,虚警概率值一般要求在0.1以下,而相对的检测概率曲线则要求达到90%的准确率。由图可见,随着信噪比的降低,检测概率逐渐降低,当信噪比为-11 dB时,该算法可以满足检测要求。

图3　不同信噪比条件下的ROC曲线

3.3通信标准不同

不同通信系统对OFDM信号的参数标准是不同的:DVB-T系统中,循环前缀的长度占有用信号长度的1/8;LTE系统中的比例是9/128;在WLAN系统中则为1/4。文中仿真了这三种通信系统中算法的OFDM信号检测性能曲线,如图4所示。由图可见,循环前缀占的比例越大,算法检测概率越高。这是由于循环前缀相关检测算法利用的是在OFDM信号存在时,其接收信号自相关系数不为零的特性,即主用户信号是其延迟为τ=±Td处的相关系数不为零,否则相关系数值为零。r的估计值越大,则信号与噪声越容易区分,算法检测性能越好。

图4　不同通信标准条件下的算法检测性能

Fig. 4Detection performance for different communication standards

3.4采样点数不同

图5为采样点数不同时的检测曲线。以802.11a标准中规定的OFDM信号传输速率(6～54/72 Mbps)为例,要求检测时间<1 s,则最大采样个数为106量级。由图5可看出,文中循环前缀相关检测算法利用12 000个采样点进行检测时,在虚警概率为0.1、信噪比为-10 dB情况下,检测概率即可达到90%,满足认知无线电对检测概率的要求。进一步增加采样点数,检测概率可进一步提高。可见,增加循环前缀检测算法的采样点数,可提高算法检测性能。

图5　不同采样点数条件下的算法检测性能

4　结束语

基于OFDM信号循环前缀相关检测算法是在时域中进行信号处理,算法计算简单,实时性好,在信噪比为-11 dB的条件下可以满足频谱检测要求;循环前缀的占比越大,检测概率越高;在不考虑检测时间的情况下,可以通过增大采样点数提高其检测性能。该研究为认知无线电中主用户检测提供了新途径,后续研究可以进一步探讨其应用于认知无线电协作频谱检测中的性能。

[1]SAHAI ANANT, MISHRA SHRIDHAR MUBARAQ, TANDRA RAHUL. Cognitive radios for spectrum sharing[J]. IEEE Signal Processing Magazine, 2009, 26(1): 140-145.

[2]DESIMIR Z V, MILORAD M O, DANILO M O. Spectral correlation of OFDM signals related to their PLC applications[C]//6thInternational Symposium on Power-Line Communications and Its Applications. New Jersey: ISMPLC, 2002: 27-29.

[3]SUTTON P D, NOLAN K E, DOYLE L E. Cyclostationary signatures for rendezvous in OFDM-based dynamic spectrum access networks[C]//2ndIEEE International Symposium on New Frontiers in Dynamic Spectrum Access Networks. Dublin: [s.n.], 2007: 220-231.

[4]SUTTON P D, NOLAN K E, DOYLE L E. Cyclostationary signatures in practical cognitive radio applications[J]. IEEE Jounnal on Selected Areas in Communications, 2008, 26(1): 13-24.

[5]SOHN SUNG HWAN, HAN NING, KIM JAE MOUNG, et al. OFDM signal sensing method based on cyclostationary detection[C]//2ndInternational Conference on Cognitive Radio Oriented Wireless Networks and Communications. Orlando, FL, USA: [s. n.], 2007: 63-68.

(编辑荀海鑫)

Detecting algorithm based on cyclic prefix correlation of OFDM signal in cognitive radios

CHENYiping1,SHIYing1,2,KONGHong2,ZHANGHongquan1

(1.College of Electric & Information Engineering, Heilongjiang Institute of Science & Technology, Harbin 150027, China; 2.School of Electronics & Information Engineering, Harbin Institute of Technology, Harbin 150001, China)

Aimed at calculation complexity for cyclostationary-based detection, this paper proposes a spectrum detecting algorithm based on the autocorrelation property of cyclic prefix(CP). The algorithm involves performing spectrum detection by calculating the maximum like-hood ratio of autocorrelation coefficient by the cyclic prefix autocorrelation properties of OFDM and contrasting to threshold. Simulation shows that the algorithm is up to the spectrum detection requirement in the case of -11 dB, a larger proportion of CP means a higher detection probability, and the improved detection performance results from increasing sampling number. The algorithm with a greater simplicity and practicability promises a new path for primary user detection in cognitive radio.

cognitive radio; orthogonal frequency division multiplexing; cyclic prefix; relativity

1671-0118(2012)06-0617-04

2012-08-21

黑龙江省教育厅科学技术研究项目(12521469)；中国煤炭工业协会科学技术研究指导性计划项目(MTKJ2011-438)

陈义平(1979-)，男，黑龙江省齐齐哈尔人，讲师，硕士，研究方向：认知无线电、微弱信号检测等，E-mail：cyp0208@yahoo.com.cn。

TN929.5

A