李雄雄,吴 键,孙继康

(南京理工大学机械工程学院，江苏 南京 210094)

0 引言

随着信息技术的发展，在认知无线电领域中，频谱感知技术正成为研究热点。现有的频谱感知技术一般遵循奈奎斯特采样定理，即采样率是采样信号最大频率值的2倍。在实际应用中，为了获得更宽的频谱感知范围，必须采用高采样率的模数转换器(analog-to-digital converter,ADC)。这样往往会大大增加硬件成本，对嵌入式微处理器的存储容量和计算速度也提出了更高的要求。因此，宽带信号频谱感知的研究将主要集中在如何通过较低的采样率进行频谱感知。

在低于奈奎斯特采样率[1]的情况下进行频谱感知，主要有基于时延和多速率两种频率估计算法。本文在深入研究这两种算法的基础上，提出了一种基于信任度数据融合的频谱感知算法，能有效对基于时延和多速率的两种算法所存在的问题进行优化与改进。由于低采样率会造成频谱混叠现象，基于信任度数据融合的频谱感知算法采用多组不同采样速率的ADC进行采样，能大大降低频谱混叠发生的概率。在频率估计方面，本文综合了基于时延和多速率两种频率估计算法，并对多路径计算出的频率值进行了基于信任度的数据融合，能大大降低频率值的误判率、提高检测率，从而获得更好的频谱感知范围。

1 低采样率的频谱感知模型

在低于奈奎斯特采样率的情况下，直接对宽带信号进行低速采样会造成频谱混叠，即信号经过快速傅里叶变换(fast Fourier transform,FFT)后，在频谱某一个频段的分布上，高频信号和低频信号分量会相互重叠。……