無(wú)線(xiàn)電頻譜感知技術(shù)

　隨著(zhù)無(wú)線(xiàn)通信業(yè)務(wù)的增長(cháng)，可利用的頻帶日趨緊張，頻譜資源匾乏的問(wèn)題日益嚴重。怎樣才能提高頻譜利用率，在不同區域和不同時(shí)間段里有效地利用不同的空閑頻道，成為人們非常關(guān)注的技術(shù)問(wèn)題。為了解決該問(wèn)題，Joseph Mito1a于1999年在軟件無(wú)線(xiàn)電的基礎上提出了認知無(wú)線(xiàn)電(Cognitive Radio，簡(jiǎn)稱(chēng)CR)的概念，要實(shí)現動(dòng)態(tài)頻譜接入，首先要解決的問(wèn)題就是如何檢測頻譜空穴，避免對主用戶(hù)的干擾，也就是頻譜感知技術(shù)。CR用戶(hù)通過(guò)頻譜感知檢測主用戶(hù)是否存在，從而利用頻譜空穴。

　　認知無(wú)線(xiàn)電(CR)概念由Joseph Mitola博士提出，其主導思想是實(shí)現伺機的動(dòng)態(tài)頻譜接入，即非授權用戶(hù)(也稱(chēng)次用戶(hù)或認知用戶(hù))通過(guò)檢測，機會(huì )性地接入已分配給授權用戶(hù)(或主用戶(hù)) 但暫時(shí)很少使用甚至未被使用的空閑頻段，一旦主用戶(hù)重新接入該頻段，次用戶(hù)迅速騰出信道。這種技術(shù)需解決的首要問(wèn)題就是如何快速準確地獲取授權頻譜的使用情況，目前主要有3類(lèi)解決方案：建立數據庫檔案、傳送信標信號和頻譜感知。表1從多個(gè)方面對3種方案進(jìn)行了比較，其中頻譜感知方案因具有建設成本低、與現有主系統的兼容性強等突出優(yōu)點(diǎn)，得到了大多數研究學(xué)者的認同;另外兩種由于受到政治、經(jīng)濟等因素的制約而很難實(shí)現，對其研究相對較少。

　　頻譜感知，是指認知用戶(hù)通過(guò)各種信號檢測和處理手段來(lái)獲取無(wú)線(xiàn)網(wǎng)絡(luò )中的頻譜使用信息。從無(wú)線(xiàn)網(wǎng)絡(luò )的功能分層角度看，頻譜感知技術(shù)主要涉及物理層和鏈路層，其中物理層主要關(guān)注各種具體的本地檢測算法，而鏈路層主要關(guān)注用戶(hù)間的協(xié)作以及對本地感知、協(xié)作感知和感知機制優(yōu)化3 個(gè)方面。因此，目前頻譜感知技術(shù)的研究大多數集中在本地感知、協(xié)作感知和感知機制優(yōu)化3個(gè)方面。文章正是從這3個(gè)方面對頻譜感知技術(shù)的最新研究進(jìn)展情況進(jìn)行了總結歸納，分析了主要難點(diǎn)，并在此基礎上討論了下一步的研究方向。

　　1 本地感知技術(shù)

　　1.1 主要檢測算法

　　本地頻譜感知是指單個(gè)認知用戶(hù)獨立執行某種檢測算法來(lái)感知頻譜使用情況，其檢測性能通常由虛警概率以及漏檢概率進(jìn)行衡量。比較典型的感知算法包括：

　　能量檢測算法，其主要原理是在特定頻段上，測量某段觀(guān)測時(shí)間內接收信號的總能量，然后與某一設定門(mén)限比較來(lái)判決主信號是否存在。由于該算法復雜度較低，實(shí)施簡(jiǎn)單，同時(shí)不需要任何先驗信息，因此被認為是CR系統中最通用的感知算法。

　　匹配濾波器檢測算法，是在確知主用戶(hù)信號先驗信息(如調制類(lèi)型，脈沖整形，幀格式)情況下的最佳檢測算法。該算法的優(yōu)勢在于能使檢測信噪比最大化，在相同性能限定下較能量檢測所需的采樣點(diǎn)個(gè)數少，因此處理時(shí)間更短。

　　循環(huán)平穩特征檢測算法，其原理是通過(guò)分析循環(huán)自相關(guān)函數或者二維頻譜相關(guān)函數的方法得到信號頻譜相關(guān)統計特性，利用其呈現的周期性來(lái)區分主信號與噪聲。該算法在很低的信噪比下仍具有很好的檢測性能，而且針對各種信號類(lèi)型獨特的統計特征進(jìn)行循環(huán)譜分析，可以克服惡意干擾信號，大大提高檢測的性能和效率。

　　協(xié)方差矩陣檢測算法，利用主信號的相關(guān)性建立信號樣本協(xié)方差矩陣，并以計算矩陣最大、最小特征值比率的方法做出判決。文獻[1]提出基于過(guò)采樣接收信號或多路接收天線(xiàn)的盲感知算法。通過(guò)對接收信號矩陣的線(xiàn)性預測和奇異值分解(QR)得到信號統計值的比率來(lái)判定是否有主用戶(hù)信號。

　　以上這些算法都是對主用戶(hù)發(fā)射端信號的直接檢測，基本都是從經(jīng)典的信號檢測理論中移植過(guò)來(lái)的。此外，近期一些文獻從主用戶(hù)接收端的角度提出了本振泄露功率檢測和基于干擾溫度的檢測。有些文獻對經(jīng)典算法進(jìn)行了改進(jìn)，如文獻[2]提出了一種基于能量檢測-循環(huán)特征檢測結合的兩級感知算法。文獻[3]研究了基于頻偏補償的匹配濾波器檢測、聯(lián)合前向和參數匹配的能量檢測、多分辨率頻譜檢測和基于小波變換頻譜檢測等。表2歸納了文獻中提及較多的一些感知算法，并對其優(yōu)缺點(diǎn)進(jìn)行了比較。

　　 1.2 有待解決的問(wèn)題

　　單用戶(hù)本地感知主要面臨以下挑戰：首先，對感知設備提出了較高的硬件要求，如高速高分辨率的數模轉換器、高速的信號處理器、寬帶射頻(RF)單元、單 /雙鏈路結構等等，以達到所需的檢測速度和靈敏度;其次，由于多徑衰落、陰影和本地干擾等因素的影響，單用戶(hù)本地頻譜檢測往往不能獲得滿(mǎn)意的性能。再次，如何檢測基于擴頻技術(shù)的主用戶(hù)信號也是個(gè)難點(diǎn)問(wèn)題。

　　Ghasemi將頻譜感知的主要難點(diǎn)問(wèn)題歸結于3種不確定性：信道不確定性，即在陰影、衰落信道中，認知用戶(hù)很難從噪聲背景下區分出經(jīng)歷深衰落的主信號;噪聲不確定性，主要是能量檢測的性能會(huì )因為噪聲估計的偏差受到嚴重影響;聚合干擾不確定性，當網(wǎng)絡(luò )中存在多個(gè)認知用戶(hù)時(shí)，單個(gè)認知用戶(hù)的發(fā)射可能不會(huì )干擾主用戶(hù)，但是多個(gè)用戶(hù)同時(shí)發(fā)射可能會(huì )超過(guò)主用戶(hù)的干擾溫度門(mén)限(最大干擾的容忍程度)。

　　基于以上分析，下一步的主要研究方向包括：針對衰落、陰影等惡劣的信道環(huán)境，研究能量檢測、循環(huán)特征檢測等算法的改進(jìn)或者進(jìn)一步探討更為新穎的感知算法;針對正交頻分復用技術(shù)(OFDM)頻譜池系統的多帶檢測算法;將傳統的時(shí)域、頻域、空域的三維信號檢測進(jìn)行拓展，并研究包括角度、編碼等維度的多維頻譜感知算法。

　　2 協(xié)作感知技術(shù)

　　為了克服本地檢測的弊端，進(jìn)一步提高檢測性能，協(xié)作感知得到了廣泛而深入的研究。通過(guò)不同次用戶(hù)間的交互與協(xié)作，不僅僅能降低各認知用戶(hù)的檢測靈敏度需求，大幅度提高認知用戶(hù)的捷變能力，還能有效緩解隱藏終端問(wèn)題以及噪聲不確定性等問(wèn)題。

　　2.1 協(xié)作方案的分類(lèi)

　　根據協(xié)作網(wǎng)絡(luò )結構和協(xié)作策略選擇不同，協(xié)作感知方案可分兩類(lèi)：

　　(1)集中式協(xié)作感知

　　這種方案中，通常有一個(gè)中心基站(或接入點(diǎn))和多個(gè)參與協(xié)作的認知用戶(hù)(也稱(chēng)認知節點(diǎn))，并且需要專(zhuān)用控制信道將各用戶(hù)本地感知信息傳送到中心點(diǎn)進(jìn)行融合處理以及最終判決。

　　目前大部分文獻研究的都是該類(lèi)型的協(xié)作感知。Cabric等人于2004年開(kāi)始這方面研究，指出集中式協(xié)作感知可以減小多徑衰落信道的影響，改善檢測性能，并分析了節點(diǎn)數、門(mén)限值等參數的選取以及陰影相關(guān)性對協(xié)作的影響[4].隨后，Ghasemi更加詳細討論了在獨立同分布(I.I.D.)瑞利衰落信道和對數正態(tài)分布陰影信道條件下，基于能量檢測和硬融合的協(xié)作感知方案的檢測性能及其對頻譜利用率、檢測靈敏度、檢測時(shí)間帶寬積、噪聲不確定性抵抗能力的影響。文獻[5]還從聚合干擾的角度，進(jìn)一步分析了協(xié)作感知對于聚合干擾分布的影響，并在給定干擾概率情況下，給出了單用戶(hù)感知靈敏度和協(xié)作半徑之間的權衡。

　　(2)分布式協(xié)作感知

　　分布式協(xié)作感知中，各協(xié)作節點(diǎn)彼此可以交互和共享感知信息，并分別對各自感興趣的頻譜做最終判決。該方案最大的好處是簡(jiǎn)化了認知網(wǎng)絡(luò )結構，因而減小了開(kāi)銷(xiāo)成本。

　　2005年，G.Ganesan等人提出了基于前向放大協(xié)議的中繼協(xié)作感知方案，主要原理是在時(shí)分多址(TDMA)系統中，各協(xié)作用戶(hù)間以正交方式傳輸，一旦某個(gè)次用戶(hù)檢測到主用戶(hù)信息，則在下個(gè)時(shí)隙發(fā)送本身信號的同時(shí)轉發(fā)檢測到的主信號給鄰近的次用戶(hù)，再退出頻段。該方案利用了網(wǎng)絡(luò )所固有的非對稱(chēng)性來(lái)提高增益，同樣可以降低檢測時(shí)間，保持較低的中斷概率，從而提高網(wǎng)絡(luò )的捷變性。

　　2.2 信息融合問(wèn)題

　　傳統的數據融合是指多傳感器的數據在一定準則下加以自動(dòng)分析、綜合以完成所需的決策和 評估而進(jìn)行的信息處理過(guò)程。信息融合最早用于軍事領(lǐng)域，定義為一個(gè)處理探測、互聯(lián)、估 計以及組合多源信息和數據的多層次多方面過(guò)程，以便獲得準確的狀態(tài)和身份估計、完整而 及時(shí)的戰場(chǎng)態(tài)勢和威脅估計。它強調信息融合的三個(gè)核心方面：第一，信息融合是在幾個(gè)層 次上完成對多源信息的處理過(guò)程，其中每一層次都表示不同級別的信息抽象;第二，信息融 合包括探測、互聯(lián)、相關(guān)、估計以及信息組合;第三，信息融合的結果包括較低層次上的狀 態(tài)和身份估計，以及較高層次上的整個(gè)戰術(shù)態(tài)勢估計。多傳感器數據融合是人類(lèi)或其他邏輯系統中常見(jiàn)的功能。人非常自然地運用這一能力把來(lái)自 人體各個(gè)傳感器(眼、耳、鼻、四肢)的信息(景物、聲音、氣味、觸覺(jué))組合起來(lái)，并使用先 驗知識去估計、理解周?chē)h(huán)境和正在發(fā)生的事件。

　　2.2.1 數據融合算法

　　隨著(zhù)計算機技術(shù)、通信技術(shù)的快速發(fā)展，且日趨緊密地互相結合，加之軍事應用的特殊迫切需求，作為數據處理的新興技術(shù)--數據融合技術(shù)，在近10年中得到驚人發(fā)展并已進(jìn)入諸多軍事應用領(lǐng)域。數據融合技術(shù)，包括對各種信息源給出的有用信息的采集、傳輸、綜合、過(guò)濾、相關(guān)及合成，以便輔助人們進(jìn)行態(tài)勢/環(huán)境判定、規劃、探測、驗證、診斷。這對戰場(chǎng)上及時(shí)準確地獲取各種有用的信息，對戰場(chǎng)情況和威脅及其重要程度進(jìn)行適時(shí)的完整評價(jià)，實(shí)施戰術(shù)、戰略輔助決策與對作戰部隊的指揮控制，是極其重要的。未來(lái)戰場(chǎng)瞬息萬(wàn)變，且影響決策的因素更多更復雜，要求指揮員在最短的時(shí)間內，對戰場(chǎng)態(tài)勢作出最準確的判斷，對作戰部隊實(shí)施最有效的指揮控制。而這一系列最的實(shí)現，必須有最先進(jìn)的數據處理技術(shù)做基本保證。否則再高明的軍事領(lǐng)導人和指揮官也會(huì )被浩如煙海的數據所淹沒(méi)，或導致判斷失誤，或延誤決策喪失戰機而造成災難性后果。

　　數據融合傳送的是檢測信息，因而要求控制信道的帶寬比較寬，傳送開(kāi)銷(xiāo)也比較大。對于強調頻譜效率的CR系統來(lái)說(shuō)，為了追求協(xié)作增益而付出巨大的協(xié)作帶寬代價(jià)，顯得有些得不償失。

　　2.2.2 決策融合算法

　　各個(gè)協(xié)作節點(diǎn)獨立地處理觀(guān)測數據并做出決策，發(fā)送其決策結果至信息融合中心進(jìn)行最終判決，這種算法稱(chēng)為決策融合算法。依據各節點(diǎn)決策的權重是否相同，可將其分為決策硬融合和決策軟融合。

　　在這一層次上，情報中心送來(lái)的綜合情報是態(tài)勢評估的基本輸入，融合的結果要為部隊行動(dòng)和已方武器系統應作出的反應實(shí)時(shí)生成預案，并對態(tài)勢發(fā)展和決策進(jìn)行檢驗和分析，為指揮員提供優(yōu)化后的決策建議。在指揮中心，指揮員借助指揮系統，根據情報中心進(jìn)行融合后送來(lái)的綜合情報、上級要求和作戰命令，以及我方實(shí)際兵力和武器群的布局、特性能力，進(jìn)行決策融合 C3I 系統中最高層次的信息融合。這一層次智能性強，甚至可以說(shuō)是一種知識融合，因為它要集中指揮所各個(gè)方向室和要素的對策和建議，判別和分析態(tài)勢，制定和分發(fā)計劃，指導和監督戰斗。決策融合就是要從這三個(gè)方面幫助指揮員認清態(tài)勢的變化并作出反應。

　　除了K/N準則外，文獻[8]提出一種基于雙門(mén)限能量檢測的協(xié)作感知方法，用到了n比例邏輯準則，將決策為1的節點(diǎn)數與決策為0的節點(diǎn)數之間的比值與門(mén)限進(jìn)行比較做出最終判決。
決策軟融合算法是根據不同信道條件下各節點(diǎn)檢測結果的置信度不同，將檢測信息進(jìn)行決策加權或者其他形式的處理后再進(jìn)行融合。此算法實(shí)現了檢測性能和傳送開(kāi)銷(xiāo)之間的折中。

　　1 bit的最優(yōu)判決融合準則是Chair-Varneshney準則。該準則基于對數似然比準則，通過(guò)比較假設下的條件似然比與貝葉斯最優(yōu)門(mén)限，做出判決。條件似然比可通過(guò)各節點(diǎn)的虛警概率和檢測概率計算得到，但需要知道主用戶(hù)先驗概率。文獻[9]提出改進(jìn)的Chair-Varshney融合方法，在似然比檢測基礎上充分利用信道占用的統計特性，并考慮各個(gè)次用戶(hù)檢測機制差異性、決策時(shí)間差以及融合滯后時(shí)間，因此適用于單或多bit的同步感知以及異步感知場(chǎng)景。

　　近期研究軟融合算法的文獻還有很多：如基于D-S證據理論的融合算法，綜合考慮了節點(diǎn)的檢測結果和置信度，且融合中心不需要節點(diǎn)先驗信息，因此有很強實(shí)用性。Jun Ma等人提出的2 bit量化決策加權軟融合算法，通過(guò)設置3個(gè)檢測門(mén)限將能量分為4個(gè)區域，從而使檢測結果最終以2 bit形式傳送給中心進(jìn)行加權求和并最終判決，該算法實(shí)現了協(xié)作開(kāi)銷(xiāo)和檢測性能之間的合理折中。文獻[10]將各節點(diǎn)的相關(guān)性考慮進(jìn)去，提出了一種基于偏移準則的線(xiàn)性二次的次最佳融合方案。模糊綜合評估協(xié)作感知方案則是用模糊綜合評估方法得到各個(gè)次用戶(hù)信任度再融合，從而提高決策可靠性。此外，根據歷史判決數據的可靠性進(jìn)行動(dòng)態(tài)加權的感知算法，也能有效地提高檢測性能。

　　綜上所述，可將主要的信息融合算法歸納如表3所示。

　　2.3 有待解決的問(wèn)題

　　(1) 協(xié)作感知的性能與協(xié)作用戶(hù)數量、各用戶(hù)門(mén)限值的確定及位置分布情況等因素密切相關(guān)。因而如何選取這些協(xié)作感知參數以獲得最佳的檢測性能，是協(xié)作感知研究的重要內容。此外，協(xié)作感知屬于媒體訪(fǎng)問(wèn)控制(MAC)層的感知技術(shù)，所以還涉及到跨層設計方面的研究。

　　(2) 信息融合算法會(huì )直接影響協(xié)作增益和系統開(kāi)銷(xiāo)。一方面，決策融合雖然簡(jiǎn)單容易實(shí)現，但是其協(xié)作增益非常有限，當信道不均勻或者存在惡意用戶(hù)時(shí)，協(xié)作性能將急劇惡化;另一方面數據融合協(xié)作增益大，但是對控制信道的帶寬需求較大。如何在協(xié)作性能和系統開(kāi)銷(xiāo)二者之間尋找合理折中是協(xié)作感知研究的熱點(diǎn)。

　　(3) 惡意攻擊或突發(fā)故障是協(xié)作感知中不容忽視的安全問(wèn)題。為此，文獻[11]提出了一種應對存在惡意或自私節點(diǎn)場(chǎng)景的協(xié)作感知安全方案，以提高網(wǎng)絡(luò )安全性。文獻[12]提出一種加權序貫檢測方案(WSPRT)，采用雙門(mén)限值檢測，并通過(guò)一定規則動(dòng)態(tài)更新每個(gè)用戶(hù)的置信度權值，有效降低了惡意節點(diǎn)對最終判決的影響。

　　(4) 現在的研究大多是集中在單個(gè)感知用戶(hù)網(wǎng)絡(luò )參與協(xié)作的情形，基于網(wǎng)絡(luò )層的多感知用戶(hù)網(wǎng)絡(luò )間的協(xié)作也可能是未來(lái)研究的一個(gè)方向。

　　3 感知機制的優(yōu)化

　　Ghasemi和Hyoil Kim等人最先提出了感知機制的優(yōu)化問(wèn)題，主要關(guān)注感知模式的選擇和感知參數的優(yōu)化。CR網(wǎng)絡(luò )下，次用戶(hù)的伺機動(dòng)態(tài)接入頻譜過(guò)程通?？煽闯蓛煞N感知場(chǎng)景：信道搜索和信道監視。信道搜索是指次用戶(hù)需要搜索各個(gè)信道，尋找可用于傳輸的空閑頻譜。信道監視則是指次用戶(hù)必須周期性地檢測主用戶(hù)信號，以避免對重新出現的主用戶(hù)造成干擾。檢測周期、檢測時(shí)間和搜索時(shí)間的參數如何選取，以及采用何種感知模式和信道搜索方式，才能使感知效果最優(yōu)，這都是感知機制的優(yōu)化問(wèn)題。

　　頻譜感知模式通常分為被動(dòng)感知和主動(dòng)感知。被動(dòng)感知模式下，次用戶(hù)只有在需要進(jìn)行數據傳輸時(shí)才啟動(dòng)感知，通常只能使用一個(gè)空閑信道進(jìn)行傳輸，并周期性監測該信道。而主動(dòng)感知模式下，不管是否有數據傳輸需要，次用戶(hù)都周期性地檢測各個(gè)信道。兩種感知模式都要避免對重新出現的主用戶(hù)造成干擾，因此一旦發(fā)現當前信道不可用時(shí)，需立即啟動(dòng)搜索，直到檢測到某個(gè)空閑信道后停止搜索并開(kāi)始新的傳輸。相比而言，主動(dòng)感知方式需要檢測多個(gè)子信道，能量和時(shí)間開(kāi)銷(xiāo)比被動(dòng)感知方式有所增大，但它可以提高傳輸速率，并且減小認知用戶(hù)被迫進(jìn)行信道搜索而導致服務(wù)質(zhì)量(QoS)降低的概率，同時(shí)還可以積累大量頻譜信息，在重新進(jìn)行信道搜索時(shí)優(yōu)化搜索方式以提高信道切換能力。

　　下步的研究方向主要包括：信道占用模型可適當擴展更一般的情況;分布式協(xié)作感知機制的優(yōu)化問(wèn)題;基于循環(huán)平穩特征檢測等方法下的感知機制優(yōu)化;認知用戶(hù)之間的干擾可能對感知機制優(yōu)化的影響;不同的信道條件下，非固定檢測周期和搜索次序的感知機制優(yōu)化;綜合考慮最小化主用戶(hù)干擾、最大化感知性能、最優(yōu)化 QoS等多種優(yōu)化目標;綜合考慮應用層需求、物理層算法和鏈路層協(xié)作與控制等跨層設計優(yōu)化問(wèn)題。

　　4 結束語(yǔ)

　　文章主要從本地感知、協(xié)作感知以及感知機制的優(yōu)化3個(gè)方面，對認知無(wú)線(xiàn)電頻譜感知技術(shù)的研究和發(fā)展狀況進(jìn)行了綜述，并對下一步有待解決的難點(diǎn)問(wèn)題進(jìn)行了討論。盡管還面臨諸多的技術(shù)挑戰，但隨著(zhù)研究不斷深入，相信在不久的將來(lái)，認知無(wú)線(xiàn)電技術(shù)必將日趨成熟，為無(wú)線(xiàn)通信帶來(lái)新的發(fā)展契機和動(dòng)力。