認知無(wú)線(xiàn)電中頻譜感知技術(shù)的研究

無(wú)線(xiàn)通信發(fā)展所面臨的瓶頸之一就是頻譜資源的不足，造成這一問(wèn)題的主要原因是：一方面，當前普遍采用的靜態(tài)頻譜管理體制留給新系統、新業(yè)務(wù)的可用資源非常少；另一方面，據美國聯(lián)邦通信委員會(huì )(FCC) 研究表明，頻譜的使用情況是動(dòng)態(tài)變化的，大部分時(shí)段和空間的頻譜利用率非常低。構建以認知無(wú)線(xiàn)電技術(shù)為核心的動(dòng)態(tài)頻譜管理體制，可以從根本上緩解頻譜資源緊張的局面。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。

頻譜感知技術(shù)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)作以及對感知機制的控制與優(yōu)化。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

現有的大多數協(xié)作感知方案都需要進(jìn)行信息融合，其整體的檢測性能除了受各節點(diǎn)檢測性能的影響外，還與所采用的融合算法直接相關(guān)。依據交互信息的不同，融合算法可以分為數據融合和決策融合兩大類(lèi)。

2.2.1 數據融合算法

在數據融合算法中，各個(gè)協(xié)作節點(diǎn)不做出任何決策，而是將檢測數據完整地或壓縮處理后發(fā)送到信息融合中心，按照某種融合規則做出最終判決。典型的算法例如：最簡(jiǎn)單的等增益合并(EGC)是將各節點(diǎn)的檢測數據等權重合并，再與設定的門(mén)限值比較做出最終判決；最大似然比合并(MRC)是通過(guò)信道估計，根據信噪比設定權重值進(jìn)行合并再做出判決；選擇合并(SC)則是根據情況，選擇某個(gè)信噪比最大節點(diǎn)數據進(jìn)行判決。文獻[6]根據Neyman-Pearson 準則，在給定虛警概率下，通過(guò)最大化檢測概率得到最優(yōu)的加權融合準則。相比Neyman-Pearson準則，Baysian準則以最小化錯誤概率為目標，更適宜于對虛警概率和漏檢概率都有要求的應用環(huán)境。文獻[7]系統研究了數據融合算法，通過(guò)偏轉系數最大化和錯誤概率最小化獲得最優(yōu)的權重向量。

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。

決策硬融合算法中，N個(gè)協(xié)作節點(diǎn)以1 bit形式傳送其本地決策到信息融合中心，融合中心同等地對待各個(gè)節點(diǎn)決策，并根據一定的融合準則做出最終判決。最典型的硬融合準則是K/N準則 [12]，即N個(gè)協(xié)作用戶(hù)中至少有K個(gè)用戶(hù)上報決策1（即主用戶(hù)存在）時(shí)，基站最終判定信道已被占用，OR準則（K=1）與AND準則（K=N）都是 K/N準則的特殊形式。不同的K值對應不同的協(xié)作增益，其最優(yōu)取值應根據具體的信道條件來(lái)確定。

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。

2007年，Ghasemi研究了通過(guò)最優(yōu)化感知參數來(lái)實(shí)現檢測速度與質(zhì)量之間合理折中以及次用戶(hù)吞吐量的最大化。將信道占用情況建模為指數分布的開(kāi)關(guān)型隨機變量，次用戶(hù)系統一旦搜索到某個(gè)信道可用，則立即停止搜索進(jìn)行傳輸并在傳輸過(guò)程中進(jìn)行周期性監測，一旦監測到重新被占用，則立即終止傳輸重新信道搜索。在信道搜索階段，發(fā)現空閑信道的平均時(shí)間和單個(gè)信道搜索時(shí)間之間的關(guān)系，實(shí)現檢測速度和質(zhì)量的折中。在信道監測階段，找到最優(yōu)單個(gè)信道監測時(shí)間，使次用戶(hù)平均吞吐量最大化。該文獻主要缺陷：只考慮非協(xié)作、被動(dòng)感知情況，不能顯著(zhù)提高頻譜利用率和次用戶(hù)平均吞吐量；假設各個(gè)信道是采用相同的搜索時(shí)間和檢測時(shí)間，而沒(méi)有分別加權優(yōu)化；沒(méi)有對搜索次序進(jìn)行優(yōu)化。

2008年，Hyoil Kim等人研究了MAC層主動(dòng)頻譜感知機制的優(yōu)化，主要討論了3個(gè)問(wèn)題： 通過(guò)最小化損失頻譜和漏失頻譜概率的方式選取最優(yōu)的感知周期，從而使發(fā)現頻譜機會(huì )的概率最大；進(jìn)行信道搜索和切換時(shí)，通過(guò)最新過(guò)渡概率排序法，選取最優(yōu)信道搜索次序，使整個(gè)信道切換過(guò)程的延遲最??；通過(guò)對信道占用模型參數進(jìn)行最大似然評估和置信區間評估，并考慮時(shí)變信道對最優(yōu)感知時(shí)間和最小延遲的影響，根據評估調整相應感知周期，在信道搜索過(guò)程中采用最新參數進(jìn)行排序搜索。該文獻主要缺陷：只站在次用戶(hù)角度對檢測周期優(yōu)化，并沒(méi)有考慮檢測周期的長(cháng)短對主用戶(hù)系統的干擾影響。

2009年，文獻[13]分3個(gè)內容研究了基于能量檢測、集中式協(xié)作感知下的主動(dòng)感知機制優(yōu)化問(wèn)題。通過(guò)對各個(gè)子信道檢測周期的最優(yōu)化選擇，使總的感知代價(jià)最??；權衡檢測性能和檢測開(kāi)銷(xiāo)，對子信道數量和各子信道的檢測時(shí)間進(jìn)行優(yōu)化，使系統總的吞吐量最大化；采用連續、按需搜索的方式，并對各信道的搜索時(shí)間進(jìn)行加權優(yōu)化，在滿(mǎn)足搜索限制和主系統QoS的條件下，使平均搜索時(shí)間最小。該文獻主要缺陷：優(yōu)化檢測時(shí)間時(shí)，檢測開(kāi)銷(xiāo)中只考慮各信道檢測時(shí)間，而沒(méi)有考慮協(xié)作融合開(kāi)銷(xiāo)；信道搜索過(guò)程中，沒(méi)有優(yōu)化搜索順序。

以上文獻均采用固定式周期感知，文獻[14]提出的基于可變檢測間隔(FSP)的頻譜檢測機制，根據信道狀態(tài)的統計信息設置控制因子，使認知用戶(hù)適時(shí)地改變檢測周期，提高了檢測性能。文獻[15]將FSP進(jìn)一步推廣到隨機檢測周期(RAPSS)，提出了更具一般性的檢測周期優(yōu)化模型。

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)

頻譜感知技術(shù)作為實(shí)現認知無(wú)線(xiàn)電網(wǎng)絡(luò )的關(guān)鍵和前提，是當前認知無(wú)線(xiàn)電領(lǐng)域研究的熱點(diǎn)問(wèn)題。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。