認知無線電關鍵技術研究

王明偉，苑津莎，趙建立，郭 康

(華北電力大學電力與電子工程學院，河北保定 071003)

隨著無線通信需求和用戶數量的不斷增長，適用于無線通信的頻譜資源變得日益緊張，成為制約無線通信發展的新瓶頸。因此近幾年來，能夠對不可再生的頻譜資源實現再利用的頻譜共享技術受到廣泛關注。認知無線電［1－2］(Cognitive Radio，CR)作為一種更智能的頻譜共享技術，能夠依靠人工智能的支持，感知無線通信環境，根據一定的學習和決策算法，實時自適應地改變系統工作參數，動態地檢測和有效地利用空閑頻譜，理論上允許在時間、頻率以及空間上進行多維的頻譜復用，這將大大降低頻譜和帶寬限制對無線技術發展的束縛。因此這一技術已成為目前最熱門的無線通信技術。

1 認知無線電技術

認知無線電(CR)技術中，通常稱頻段的許可持有者為主用戶，而CR用戶為從用戶。從用戶可以在避免對工作頻段內其他用戶干擾的情況下，實現有效的通信傳輸。

1.1 頻譜感知技術

CR中的頻譜感知包含兩個方面，帶內檢測和帶外

頻譜感知的方法主要包括基于能量和信號特征的檢測。而后者由于需要工作頻段內主用戶信號特征的先驗知識，所以大多數情況下，都采用能量檢測的方法。能量檢測法是一種常用的檢測方法，屬于信號的非相干檢測，它無需知道被檢測信號的任何先驗知識，所以這種方法適用于各種不同的應用環境。

Urkowitz首先提出能量檢測檢測方法［3］，能量檢測器的原理框圖如圖1所示。

圖1 能量檢測原理框圖

從圖1中可以看出，信號首先經過帶通濾波器，通過帶通濾波器后使噪聲信號帶寬受限，這樣噪聲信號就具有平坦的功率譜密度。然后信號在經過平方器，再經過一個觀測時間有限、周期為T的積分器，最后通過門限比較器。在門限比較器中和檢測門限λ進行比較，若大于檢測門限λ，則表明有主用戶信號存在，此時感知用戶必須迅速為主用戶讓開信道，以免對主用戶造成干擾，感知用戶繼續尋找可以利用的頻譜空洞;若檢測的信號功率小于檢測門限λ則表示無主用戶工作，此時可以利用此信道。

假設系統在高斯信道非衰落的條件下，因此信道增益h是確定的。假設在H0下，得到的信號r(t)與判決門限λ進行比較，若大于判決門限，表示主用戶信號存在，此時發生誤判。假設在H1下，當接收信號超過判決門限時，則表示系統做出了正確判斷。

分別用Pd和Pf表示檢測到主用戶占用的概率和錯誤判斷報警，對Urkowitz的研究結果進行簡化，可以得到通過無衰落的高斯信道檢測概率和虛警概率的近似表達式［4］為

由式(1)可以看出如果Pd很低，在現實應用過程中是不允許的，因為如果Pd過低會導致檢測不出主用戶信號的概率很大，反之會增加對主用戶的干擾。如果Pf過高，則錯誤警報會使認識無線電用戶錯過許多頻譜利用的機會，導致頻譜利用效率低下，造成資源浪費。所以認知無線電就要實現檢測概率和虛警概率之間的權衡。

在仿真實驗中，根據式(1)和式(2)，在AWGN信道下單個認知無線電節點獨立檢測的實驗仿真結果如圖2和圖3所示。

圖2 檢測概率與信噪比和門限的變化關系

圖2說明，能量檢測法中，檢測概率會隨著信噪比的增大而增大，檢測性能會隨著信噪比的增大而得到明顯改善。在同一信噪比下，判決門限的選擇不僅對虛警概率有較大影響，對檢測概率的影響也很大。判決門限λ越大檢測概率Pd就越低，因此，判決門限的確定對檢測性能有很大影響，在實際中，應該根據具體的情況合理確定感知門限λ。

圖3 漏檢概率與虛警概率的關系曲線

由圖3可以看出，在信噪比一定的情況下，隨著虛警概率的增加，漏檢概率在降低［5］。

1.2 頻譜預測技術

隨著感知技術的逐步成熟，方法也越來越多，但是有一個問題一直沒有得到解決，那就是當感知頻譜時，需要把頻段全部感知一次，耗費大量的能量。為解決這個問題，文中提出了頻譜預測技術。每次感知之前，先預測頻譜空穴的位置，這樣可以不必再感知占用的頻譜，直接感知已預測為空穴的頻譜，選出合適的頻譜以便次用戶的選擇。

目前，國內外很多研究機構和學校都致力于頻譜預測的研究。首次將頻譜預測機制引入到認知無線電中的，是加利福尼亞大學的Acharya教授。他在2006年發表的文獻［6］中，建立了一個對授權用戶未來頻譜活動情況預測的模型。該模型運用滑動窗口預測機制，對各個子頻帶的可用性大小進行了分析，并通過自適應濾波器設定門限值，將低于門限值的頻段設定為不可靠頻段，不允許認知用戶接入這類頻段，從而減少認知用戶與授權用戶之間發生沖突碰撞的概率，減少切換概率，從整體上降低對授權用戶的干擾率。在隨后的研究中，先后有人提出了 ON－OFF、Blackman window、POMDP［7－9］等模型下的預測機制。

文中利用神經網絡［10－11］設計了一個多層感知器預測模型。網絡是由輸入層、輸出層和隱藏層組成。對于預測問題本文研究發現有兩個隱藏層的MLP網絡已經足夠，第一個隱藏層有15個神經元，第二個有20個神經元，如圖4所示。神經網絡預測不僅可以提高頻譜利用率、節省感知能量，而且不需要像其它的方法那樣，每次預測一組數據之前都需要先設置參數，而只需要建立起一個模型即可，并且在輸入數據準確的前提下，可以達到較高的預測準確率。

圖4 多層感知器預測模型

假設探測一個固定發射端的頻譜狀態，得到360個數據，用“1”和“0”的一個二進制序列表示，占用和空閑。

在仿真試驗中，利用前300個數據作為構造神經網絡的數據，最后60個作為理想的輸出數據來衡量模型的性能。通過仿真，得到實際輸出數據與理想值的對比圖如圖5所示。

圖5 預測值與理想值的對比

仿真結果表明在輸入數據準確的情況之下，神經網絡能夠準確的預測頻譜的占用狀態，誤差較小，誤差值的范圍為。由圖6可見，預測的誤差很小，基本在0.000 1范圍之內。在實際中，測量的數據不可能完全一致，會有些許誤差。為了驗證預測的準確性，改動原始數據中的幾個，經過仿真發現，預測的誤差會變大，改動的數據越多，誤差的變化也就越大，但是基本上可以保持在0.1之內。

圖6 預測誤差范圍

相對于HMM，滑動窗口等其他的方法，利用神經網絡模型來進行頻譜預測有著突出的優點。它不必每組數據預測前都設置眾多的參數，只需要用原始數據建立一個神經網絡預測模型，每次將預測的數據輸入就可以得到預測的授權用戶頻譜的占用狀態，節省了人力物力?；瑒哟翱跈C制預測時會首先設置合適的門限值，但是，一旦門限值設置的不合適，就會給后續的認知用戶的接入造成麻煩，使得認知用戶與授權用戶的碰撞的幾率加大。在這個方面，神經網絡預測模型也有著得天獨厚的優勢，不必設置門限值，只需建立模型來預測頻譜占用狀態，并且可以到達較高的準確率，給認知用戶的接入提供了便利。

2 結束語

認知無線電的核心思想是使無線通信設備具有發現閑置頻譜資源能力，并合理利用資源能力，從而根本上解決日益增長的無線通信需求與有限頻譜資源之間的矛盾。將CR技術應用到WLAN，Ad hoc等熱門無線通信技術中，預示著CR技術的美好前景。但要真正實現CR技術，還要繼續研究頻譜預測、動態頻譜管理及頻譜接入方式等關鍵問題。

［1］王軍，李少謙.認知無線電:原理、技術與發展趨勢［J］.中興通訊技術，2007(5):1－4.

［2］MITOLA J.Cognitive radio:making software radios more persona1［J］.IEEE Personal Communication，1999，6(4):1 －2.

［3］URKOWITZ H.Energy detection of unknown detection signals［J］.Proceedings of IEEE，1967，55(4):523 －531.

［4］HAYKIN S.Cognitive radio:brain － empowered wireless communications［J］.IEEE JSAC，2007，23(2):201 －220.

［5］FADEL F DIGHAM.On the energy detection of unknown signals over fading channels［J］.IEEE Transactions on Communications，2008，55(l):21 －24.

［6］ACHARYA P A，SINGH S，ZHENG H.Reliable open spectrum communications through proactive spectrum access［C］.Proc of the 1st International Workshop on Technology and Policy for Accessing Spectrum(TAPAS'06)，2006:1 －8.

［7］MARKO H，SOFUE P，AARNE M.Performance improvement with predictive channel selection for cognitive radios［C］.Proc of the 1st International Workshop on Cognitive Radio and Advanced Spectrunm Management，2008:1 － 5.

［8］STEFAN G，LANG T，BRAIN M.Interference － aware OFDMA resource allocation:a predictive approach［C］.Proc of IEEE Military Communications Conference，2008:1 －5.

［9］ZHAO Q，TONG L，SWAMI A，et al.Decentralized cognitive MAC for opportunistic spectrum access in Ad hoc networks:a POMDP framework［J］.IEEE J Select Areas Commun:Special Issue Adaptive，Spectrum Agile Cognitive Wireles Networks，2007，25(3):589 －600.

［10］飛思科技產品研發中心.神經網絡理論與Matlab7實現［M］.北京:電子工業出版社，2005.

［11］高雋.人工神經網絡原理及仿真實例［M］.北京:機械工業出版社，2003.