邵金侠　魏建新



认知无线电频谱检测技术研究与要素分析

邵金侠魏建新

（湖南科技学院 电子与信息工程学院，湖南 永州 425199）

认知无线电能否得到推广，很大程度上取决于频谱检测技术的性能，NP准则要求频谱检测时，在满足一定的虚警概率下，要尽可能的提高检测概率。基于二元假设条件，本文以经典的能量检测模型为基础，分别对单用户和多用户的频谱检测进行仿真，通过改变关键要素对比分析。

认知无线电；频谱检测；二元假设；能量检测模型

引　言

无论是授权频谱还是非授权频谱，随着无线通信的飞速发展及广泛应用，频谱，这一不可再生资源，显得日益匮乏，如何更好地发展无线业务，充足的频谱资源必须得以保证。认知无线电（Cognitive Radio，CR）通过动态检测空闲频谱，可以伺机与授权用户共享无线频谱资源，在某种程度上可以很好地缓解这一紧张形势。频谱检测作为认知无线电的核心技术，将直接影响无线通信业务的性能，无论是频谱接入前还是接入后，不准确的频谱检测信息都会对主用户或认知用户通信造成影响、甚至干扰，所以频谱检测是实现认知无线电的关键所在。

CR自提出到现在受到诸多研究学者的追捧，主要目标是高度可靠通信方式以及高效的频谱利用率[1]。针对CR网络不同的结构，很多频谱检测模型被提出，频谱检测如何做到快而准确，即要保证其有效性，又要兼顾可靠性，既能快速的检测出空闲频谱，不干扰主用户通信，同时又能够准确的检测，以提高频谱的利用率。不管是单用户检测还是协作检测，单门限还是多门限，检测模型的选择是最基础，也是最关键的，其检测概率、检测时间和干扰因素将直接影响可靠性，而检测计算的复杂度等会影响有效性，或者会影响到授权用户，或者会降低频谱的利用率。同时在无线认知环境下，由于多径传播、阴影效应的发生，甚至无线环境的网络攻击等的存在，会对实际的信号检测带来威胁，所以，仅通过单一的认知用户得到的信息并不是最佳的，所以我们会选择多个用户进行协作检测，那么在用户协作检测模型中，如何选择用户数，对分别检测到的数据又如何融合也是研究的重点，考虑到计算量和复杂度，我们选择最经典的能量检测模型作为研究对象，结合二元假设分别研究不同条件下认知无线网络环境中的频谱检测性能的好坏。

1　单用户检测模型

能量检测模型通过对检测到认知网络环境中的信号进行一定的信号处理，凭借计算出信号的能量值，最终结合二元假设模型，简单判断授权用户是否存在。能量检测模型信号处理原理简单，计算量小，最主要的是不需要提前了解授权用户的技术参数，所以使用范围非常广泛。这种检测信号的方式主要的问题就是二元判决的门限阈值的确定，所以门限阈值的设定将对检测性能有着直接的影响。

1.1 单门限检测

假定认知用户存在于某授权认知网络环境中，伺机接入某一空闲频谱之前，先对该频带进行检测，如果授权用户不存在，理论上接收到的信号只有噪声等干扰信号，反之，接收到的将是信号加干扰，所以我们只需设置一个阈值，作为检测门限阈值，若检测到信号的能量超过该门限阈值，则认为授权主用户出现，否则，认为授权用户不存在。单门限检测流程如图1左图所示。

这种检测模型可以检测授权信号存在与否，问题难点在于如何设置阈值门限。如果信号表示为，那么可以用表示该信号的能量，二元假设模型如式（1）所示，可以进行简单的用户存在性测试，其中表示授权用户不存在，表示授权用户出现，表示频带内噪声信号。

图1.单（左）/双（右）门限能量检测流程

假定信道噪声为AWGN模型，则其功率谱密度为常量，指定频带内的能量则是恒定的，且信号和噪声表示为相加的关系，所以此时的门限值可简单设置噪声能量值，此时可得出检测概率和虚警概率：

1.2 双门限检测

不管是AWGN信道还是Rayleigh信道为理论上可操作噪声模型，实际中干扰则是随机的、未知的，当干扰波动比较大时，门限阈值也会有较大的波动，影响到检测概率，此时若门限值设置较大或较小会都会影响到检测概率，过小，虚警概率增大，认知用户将错失接入频谱的机会，过大，漏警概率增大，有可能检测不到正在通信的主用户，从而造成干扰。噪声能量往往会在某一范围内（）波动，所以门限阈值不稳定，检测到信号能量大于门限阈值，判定授权用户出现，相反则断定授权用户不存在，若检测信号能量落在附近，判定结果可能不准确，若采用双门限，，在单门限上加上保护量，则可以减少误判，原理是：检测到信号能量落在左侧，判定授权用户不存在，落在右侧，判定授权用户出现，对落在和中间部分，即为不确定空间，授权用户可能不在，也可能出现，暂时不做判决，双门限能量检测模型如图1的右图所示。双门限模型下，检测概率和虚警概率的定义如下式：

AWGN为最简单的噪声模型，可以简化数学推导和计算，在双门限的性能分析中，我们假设干扰为简单的AWGN噪声，可得此条件下的检测概率和虚警概率为下式：

2　多用户协作检测模型

在上文双门限检测模型中，若信号检测量落在不确定区域，即（）之间，不能直接进行判决，对这部分数据的处理，有的文献选择不发送任何信息，有的文献虽然也选择不判决，但会将数据发送到CR基站，由基站完成信息融合并决策，本文则将落在此区间的检测量值根据位置就近与其它用户的检测数据进行互动，分簇分享检测结果，形成多用户协作检测，进而提高检测概率，当然在无线认知环境中，因阴影、终端隐藏问题，很多时间会引起信号检测的不准确，只凭借单个用户节点进行检测，算法比较鲁莽，所以协作检测既可以解决不确定信息的处理，又能提高认知节点抗阴影的能力，但是考虑参与协作的用户数量可能会对检测性能构成影响，所以最后选择分簇分布完成，并根据认知用户的先验信息进行标签识别，并决定采用AND法则还是OR法则进行数据融合以完成最终判决。

图3.协作检测模型（左）/协作用户筛选（右）

协作检测中，每个用户仍采用能量检测独立检测，假定每个用户的检测是独立的，需将每个用户的判决结果通过AND或者OR法则进行判决融合，假定n为参与协作的用户数目，可得AND法则下的检测概率和虚警概率如下：

同理，可得OR法则下的检测概率和虚警概率如下：

3　仿真分析

3.1 单用户检测模型仿真分析

单节点检测时，假设采样点数为100，在AWGN信道和Rayleigh信道下，均选定=-8dB固定的信噪比下进行仿真，同时考虑到Rayleigh信道的复杂性，对AWGN信道在不同的信噪比下，给出不同的信噪比=-8dB和=-4dB下进行仿真并对比分析。

图2.单用户能量检测性能曲线

3.2 多用户协作检测模型仿真分析

协作检测时，分别对AND规则和OR规则，在用户数为1和用户数为3时进行仿真，假设采样点数为100，在AWGN信道下，选定=-8dB固定的信噪比下进行仿真得到检测概率和虚警概率的关系图如下所示。

图3. AND（左）/OR（右）规则下多用户协作检测性能曲线

根据实际的认知网络环境，只要不出现严重的阴影效应，没有恶意网络攻击，在相对和平环境中，AND和OR法则性能相当，其检测概率比单用户检测要稍好些，若无线环境恶劣，AND和OR规则的性能将差别很大，本仿真为简化模型没有考虑阴影效应等；另外对于协作的用户数的选择，数目越多，对检测性能的可靠性自然越好，但用户信息交互会变得比较复杂，影响到检测的有效性，所以考虑到有效性和可靠性的平衡，协作用户数目不宜过多，这部分内容将在后期研究中通过检测时间进行研究、分析。

[1]温志刚.认知无线电频谱检测理论与实践[M].北京:北京邮电大学出版社,2011.

[2]琳达.E.多伊尔.认知无线电基础[M].西安:西安交通大学出版社,2012.

[3]赵友轩.多天线认知无线电频谱检测技术研究[D].解放军信息工程大学,2013.

[4]郭少华.认知无线电频谱检测技术研究[D].西安电子科技大学,2014.

[5]岳文静,陈志,郑宝玉等.基于可靠次用户信息的协作频谱感知算法研究[J].电子与信息学报,2012(05).

（责任编校：何俊华）

2016－03－12

2014年湖南科技学院校级课题“认知无线电协作频谱检测关键要素研究”（项目编号14XKY110）。

邵金侠（1980－），女，湖南科技学院电子信息与工程学院讲师，研究方向为现代通信技术。魏建新（1979－），男，江苏徐州人，湖南科技学院教育技术中心网络工程师，研究方向为无线通信网络。

TN92

A

1673-2219（2016）05-0112-04