基于認(rèn)知無(wú)線(xiàn)網(wǎng)協(xié)作頻譜感知的改進(jìn)算法研究

王濤

摘 要：本文綜合隨機(jī)矩陣?yán)碚摲椒ê凸β市盘?hào)檢測(cè)方法的優(yōu)點(diǎn)，提出了一種改進(jìn)的協(xié)作頻譜感知算法。改進(jìn)算法彌補(bǔ)了隨機(jī)矩陣?yán)碚摲ㄖ袡z測(cè)概率不高和功率信號(hào)檢測(cè)方法計(jì)算量較大的缺點(diǎn)，最終實(shí)現(xiàn)檢測(cè)準(zhǔn)確概率與計(jì)算復(fù)雜度之間的取舍平衡。

關(guān)鍵詞：認(rèn)知無(wú)線(xiàn)網(wǎng);協(xié)作頻譜感知;功率檢測(cè)法

中圖分類(lèi)號(hào)：TN925 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1003-5168（2021）18-0025-03

Abstract： Combining the advantages of random matrix theory and power signal detection method， an improved cooperative spectrum sensing algorithm was proposed in this paper. The improved algorithm makes up for the shortcomings of low detection probability and large amount of calculation of power signal detection method in random matrix theory method， and finally realizes the trade-off between detection accuracy probability and calculation complexity.

Keywords： cognitive radio networks;cooperative spectrum sensing;power detection

隨著各種移動(dòng)電信業(yè)務(wù)量的迅猛增加，傳統(tǒng)頻譜固定分配方式已不能滿(mǎn)足無(wú)線(xiàn)通信的發(fā)展需求[1]。一方面，隨著優(yōu)質(zhì)頻譜資源的劃分殆盡，可用的頻譜資源越來(lái)越匱乏;另一方面，目前，大量研究和實(shí)測(cè)結(jié)果均顯示現(xiàn)有頻譜利用率普遍不高[2]。相關(guān)研究表明，通過(guò)提高頻譜資源利用效率，能有效緩解當(dāng)前頻譜資源不足的現(xiàn)狀。而如何提高頻譜利用效率成為當(dāng)前研究的熱點(diǎn)之一。

頻譜共享技術(shù)能利用現(xiàn)有網(wǎng)絡(luò)資源快速構(gòu)建5G網(wǎng)絡(luò)，在大幅度提高頻譜效率的同時(shí)，節(jié)約了大量的部署成本，成為目前構(gòu)建5G網(wǎng)絡(luò)的主流技術(shù)之一，得到了業(yè)內(nèi)的廣泛認(rèn)同[3]。頻譜共享技術(shù)的關(guān)鍵主要包括頻譜感知、頻譜管理、頻譜接入和頻譜退出等4個(gè)方面[4]。本文主要涉及頻譜共享技術(shù)中的頻譜感知方法。頻譜感知技術(shù)分為單點(diǎn)頻譜感知和多點(diǎn)協(xié)作頻譜感知。單點(diǎn)頻譜感知是根據(jù)一個(gè)認(rèn)知用戶(hù)接收的信號(hào)對(duì)頻譜占用情況進(jìn)行分析，需要較長(zhǎng)感知時(shí)間才能準(zhǔn)確感知頻譜;多點(diǎn)協(xié)作頻譜感知具有感知時(shí)間較短、感知準(zhǔn)確度高等優(yōu)點(diǎn)。頻譜感知的方法主要有功率檢測(cè)法、循環(huán)譜檢測(cè)法、累積量檢測(cè)法等。其中，功率檢測(cè)法最為簡(jiǎn)單，易實(shí)現(xiàn)[5]，其較常用的方法有隨機(jī)矩陣?yán)碚摲椒ê凸β市盘?hào)檢測(cè)方法（如貝葉斯準(zhǔn)則、NP準(zhǔn)則等）。隨機(jī)矩陣?yán)碚摲椒ǖ暮诵乃枷隱6]是認(rèn)知控制中心利用多個(gè)認(rèn)知節(jié)點(diǎn)采集到的多個(gè)信號(hào)樣本集構(gòu)造樣本矩陣[Y]，而后計(jì)算協(xié)方差矩陣[YYT]的特征值或特征值的最大值和最小值，特征值范圍為[σ21-α2，σ21+α2]，其中[σ2]表示噪聲方差，[α]表示信噪比，最后根據(jù)主用戶(hù)在空閑和工作狀態(tài)下的樣本協(xié)方差矩陣[YYT]的特征值不同區(qū)分頻譜是否占用。該方法的優(yōu)點(diǎn)是算法簡(jiǎn)單，只要認(rèn)知控制中心計(jì)算即可;缺點(diǎn)是檢測(cè)概率不高。對(duì)于功率信號(hào)檢測(cè)方法[7]，每個(gè)認(rèn)知節(jié)點(diǎn)采集多個(gè)樣本，而后計(jì)算每個(gè)節(jié)點(diǎn)樣本功率的（用NP準(zhǔn)則在一定虛警概率下）最大檢測(cè)概率，最后認(rèn)知控制中心收集各個(gè)節(jié)點(diǎn)的結(jié)果并對(duì)其加權(quán)求最終檢測(cè)概率。該方法的缺點(diǎn)是每個(gè)節(jié)點(diǎn)都要做處理運(yùn)算，運(yùn)算量較大。

本文提出一種改進(jìn)算法，綜合隨機(jī)矩陣?yán)碚摲椒ê凸β市盘?hào)檢測(cè)方法的優(yōu)點(diǎn)，把每個(gè)認(rèn)知節(jié)點(diǎn)收集信號(hào)的樣本都集中到認(rèn)知控制中心構(gòu)成矩陣[Y]，而后利用隨機(jī)矩陣?yán)碚摲椒ǐ@得樣本協(xié)方差矩陣[YYT]的特征值[trYYT]，最后引入功率信號(hào)檢測(cè)方法，通過(guò)與門(mén)限比較來(lái)獲得最終的檢測(cè)概率。

1 頻譜感知原理

基于上述算法改進(jìn)思路，頻譜感知分為三步：第一，建立主用戶(hù)信號(hào)模型，即構(gòu)造樣本矩陣;第二，基于樣本矩陣建立信號(hào)檢測(cè)模型，主要利用隨機(jī)矩陣?yán)碚摲椒ǐ@得樣本協(xié)方差矩陣[YYT]的特征值[trYYT];第三，設(shè)計(jì)功率信號(hào)檢測(cè)方案，利用功率信號(hào)檢測(cè)方法，獲得基于[trYYT]的最佳檢測(cè)門(mén)限，提升頻譜檢測(cè)概率，具體過(guò)程如下。

1.1 主用戶(hù)信號(hào)模型

在主用戶(hù)發(fā)射信號(hào)和不發(fā)射信號(hào)狀態(tài)下，認(rèn)知用戶(hù)感知主用戶(hù)的信號(hào)不一樣。本研究用[H0]表示主用戶(hù)不發(fā)射信號(hào)，[H1]表示主用戶(hù)發(fā)射信號(hào)[sn]。認(rèn)知用戶(hù)接收主用戶(hù)的信號(hào)模型為：

圖2反映了認(rèn)知用戶(hù)個(gè)數(shù)與檢測(cè)概率[Pd]之間關(guān)系，在固定認(rèn)知用戶(hù)接收平均信噪比為0 dB和采樣樣本個(gè)數(shù)為10的條件下，隨著認(rèn)知用戶(hù)個(gè)數(shù)的增加，[H1]情況下的檢測(cè)概率越準(zhǔn)確。

3 結(jié)語(yǔ)

本文提出的頻譜感知改進(jìn)算法，結(jié)合了功率檢測(cè)法中的隨機(jī)矩陣?yán)碚摲ê凸β市盘?hào)檢測(cè)方法的優(yōu)點(diǎn)，實(shí)現(xiàn)了檢測(cè)準(zhǔn)確概率與計(jì)算復(fù)雜度之間的取舍平衡。

參考文獻(xiàn)：

[1]杜振華，周舒.我國(guó)頻譜資源配置的動(dòng)態(tài)調(diào)整機(jī)制研究[J].北京郵電大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2020（1）：14-19.

[2]XUE J，F(xiàn)ENG Z，KAI C. Beijing Spectrum Survey for Cognitive Radio Applications[C]//IEEE 78th Vehicular Technology Conference （VTC Fall），2013

[3]愛(ài)立信.愛(ài)立信頻譜共享技術(shù)將5G網(wǎng)絡(luò)和5G設(shè)備跨越大洲連接在一起[EB/OL].（2020-02-25）[2021-05-20]. http：//k.sina.com.cn/article_1708813312_65da6c0002000ldkl.html.

[4]SHARMA S K，BOGALE T E，CHATZINOTAS S. Cognitive Radio Techniques under Practical Imperfections： A Survey[J]. IEEE Communications Surveys Tutorials， 2015（4）：1858-1884.

[5] LIANG Y C，CHEN K C，LI G Y，et al. Cognitive Radio Networking and Communications： An Overview [J].IEEE Transactions on Vehicular Technology，2011（7）：3386-3407.

[6]LEONARDO S. Cardoso ，Merouane Debbah，Pascal Bianchi， Cooperative Spectrum Sensing Using Random Matrix Theory[C]//Wireless Pervasive Computing，2008.

[7] MA J，ZHAO G，LI Y. Soft Combination and Detection for Cooperative Spectrum Sensing in Cognitive Radio Networks[C]// IEEE. IEEE，2008：4502-4507.