认知无线电中频谱感知技术的研究

无线通信发展所面临的瓶颈之一就是频谱资源的不足，造成这一问题的主要原因是：一方面，当前普遍采用的静态频谱管理体制留给新系统、新业务的可用资源非常少；另一方面，据美国联邦通信委员会(FCC) 研究表明，频谱的使用情况是动态变化的，大部分时段和空间的频谱利用率非常低。构建以认知无线电技术为核心的动态频谱管理体制，可以从根本上缓解频谱资源紧张的局面。认知无线电(CR)概念由Joseph Mitola博士提出，其主导思想是实现伺机的动态频谱接入，即非授权用户（也称次用户或认知用户）通过检测，机会性地接入已分配给授权用户（或主用户）但暂时很少使用甚至未被使用的空闲频段，一旦主用户重新接入该频段，次用户迅速腾出信道。这种技术需解决的首要问题就是如何快速准确地获取授权频谱的使用情况，目前主要有3类解决方案：建立数据库档案、传送信标信号和频谱感知。表1从多个方面对3种方案进行了比较，其中频谱感知方案因具有建设成本低、与现有主系统的兼容性强等突出优点，得到了大多数研究学者的认同；另外两种由于受到政治、经济等因素的制约而很难实现，对其研究相对较少。

频谱感知技术是指认知用户通过各种信号检测和处理手段来获取无线网络中的频谱使用信息。从无线网络的功能分层角度看，频谱感知技术主要涉及物理层和链路层，其中物理层主要关注各种具体的本地检测算法，而链路层主要关注用户间的协作以及对感知机制的控制与优化。因此，目前频谱感知技术的研究大多数集中在本地感知、协作感知和感知机制优化3个方面。文章正是从这3个方面对频谱感知技术的最新研究进展情况进行了总结归纳，分析了主要难点，并在此基础上讨论了下一步的研究方向。

1 本地感知技术

1.1 主要检测算法

本地频谱感知是指单个认知用户独立执行某种检测算法来感知频谱使用情况，其检测性能通常由虚警概率以及漏检概率进行衡量。比较典型的感知算法包括：

能量检测算法，其主要原理是在特定频段上，测量某段观测时间内接收信号的总能量，然后与某一设定门限比较来判决主信号是否存在。由于该算法复杂度较低，实施简单，同时不需要任何先验信息，因此被认为是CR系统中最通用的感知算法。

匹配滤波器检测算法，是在确知主用户信号先验信息（如调制类型，脉冲整形，帧格式）情况下的最佳检测算法。该算法的优势在于能使检测信噪比最大化，在相同性能限定下较能量检测所需的采样点个数少，因此处理时间更短。

循环平稳特征检测算法，其原理是通过分析循环自相关函数或者二维频谱相关函数的方法得到信号频谱相关统计特性，利用其呈现的周期性来区分主信号与噪声。该算法在很低的信噪比下仍具有很好的检测性能，而且针对各种信号类型独特的统计特征进行循环谱分析，可以克服恶意干扰信号，大大提高检测的性能和效率。

协方差矩阵检测算法，利用主信号的相关性建立信号样本协方差矩阵，并以计算矩阵最大、最小特征值比率的方法做出判决。文献[1]提出基于过采样接收信号或多路接收天线的盲感知算法。通过对接收信号矩阵的线性预测和奇异值分解(QR)得到信号统计值的比率来判定是否有主用户信号。

以上这些算法都是对主用户发射端信号的直接检测，基本都是从经典的信号检测理论中移植过来的。此外，近期一些文献从主用户接收端的角度提出了本振泄露功率检测和基于干扰温度的检测。有些文献对经典算法进行了改进，如文献[2]提出了一种基于能量检测-循环特征检测结合的两级感知算法。文献[3]研究了基于频偏补偿的匹配滤波器检测、联合前向和参数匹配的能量检测、多分辨率频谱检测和基于小波变换频谱检测等。表2归纳了文献中提及较多的一些感知算法，并对其优缺点进行了比较。

1.2 有待解决的问题

单用户本地感知主要面临以下挑战：首先，对感知设备提出了较高的硬件要求，如高速高分辨率的数模转换器、高速的信号处理器、宽带射频(RF)单元、单/双链路结构等等，以达到所需的检测速度和灵敏度；其次，由于多径衰落、阴影和本地干扰等因素的影响，单用户本地频谱检测往往不能获得满意的性能。再次，如何检测基于扩频技术的主用户信号也是个难点问题。

Ghasemi将频谱感知的主要难点问题归结于3种不确定性：信道不确定性，即在阴影、衰落信道中，认知用户很难从噪声背景下区分出经历深衰落的主信号；噪声不确定性，主要是能量检测的性能会因为噪声估计的偏差受到严重影响；聚合干扰不确定性，当网络中存在多个认知用户时，单个认知用户的发射可能不会干扰主用户，但是多个用户同时发射可能会超过主用户的干扰温度门限（最大干扰的容忍程度）。

基于以上分析，下一步的主要研究方向包括：针对衰落、阴影等恶劣的信道环境，研究能量检测、循环特征检测等算法的改进或者进一步探讨更为新颖的感知算法；针对正交频分复用技术(OFDM)频谱池系统的多带检测算法；将传统的时域、频域、空域的三维信号检测进行拓展，并研究包括角度、编码等维度的多维频谱感知算法。

2 协作感知技术

为了克服本地检测的弊端，进一步提高检测性能，协作感知得到了广泛而深入的研究。通过不同次用户间的交互与协作，不仅仅能降低各认知用户的检测灵敏度需求，大幅度提高认知用户的捷变能力，还能有效缓解“隐藏终端”问题以及噪声不确定性等问题。

2.1 协作方案的分类

根据协作网络结构和协作策略选择不同，协作感知方案可分两类：

（1）集中式协作感知

这种方案中，通常有一个中心基站（或接入点）和多个参与协作的认知用户（也称认知节点），并且需要专用控制信道将各用户本地感知信息传送到中心点进行融合处理以及最终判决。

目前大部分文献研究的都是该类型的协作感知。Cabric等人于2004年开始这方面研究，指出集中式协作感知可以减小多径衰落信道的影响，改善检测性能，并分析了节点数、门限值等参数的选取以及阴影相关性对协作的影响[4]。随后，Ghasemi更加详细讨论了在独立同分布(I.I.D.)瑞利衰落信道和对数正态分布阴影信道条件下，基于能量检测和硬融合的协作感知方案的检测性能及其对频谱利用率、检测灵敏度、检测时间带宽积、噪声不确定性抵抗能力的影响。文献[5]还从聚合干扰的角度，进一步分析了协作感知对于聚合干扰分布的影响，并在给定干扰概率情况下，给出了单用户感知灵敏度和协作半径之间的权衡。

（2）分布式协作感知

分布式协作感知中，各协作节点彼此可以交互和共享感知信息，并分别对各自感兴趣的频谱做最终判决。该方案最大的好处是简化了认知网络结构，因而减小了开销成本。

2005年，G．Ganesan等人提出了基于前向放大协议的中继协作感知方案，主要原理是在时分多址(TDMA)系统中，各协作用户间以正交方式传输，一旦某个次用户检测到主用户信息，则在下个时隙发送本身信号的同时转发检测到的主信号给邻近的次用户，再退出频段。该方案利用了网络所固有的非对称性来提高增益，同样可以降低检测时间，保持较低的中断概率，从而提高网络的捷变性。

2.2 信息融合问题

现有的大多数协作感知方案都需要进行信息融合，其整体的检测性能除了受各节点检测性能的影响外，还与所采用的融合算法直接相关。依据交互信息的不同，融合算法可以分为数据融合和决策融合两大类。

2.2.1 数据融合算法

在数据融合算法中，各个协作节点不做出任何决策，而是将检测数据完整地或压缩处理后发送到信息融合中心，按照某种融合规则做出最终判决。典型的算法例如：最简单的等增益合并(EGC)是将各节点的检测数据等权重合并，再与设定的门限值比较做出最终判决；最大似然比合并(MRC)是通过信道估计，根据信噪比设定权重值进行合并再做出判决；选择合并(SC)则是根据情况，选择某个信噪比最大节点数据进行判决。文献[6]根据Neyman-Pearson 准则，在给定虚警概率下，通过最大化检测概率得到最优的加权融合准则。相比Neyman-Pearson准则，Baysian准则以最小化错误概率为目标，更适宜于对虚警概率和漏检概率都有要求的应用环境。文献[7]系统研究了数据融合算法，通过偏转系数最大化和错误概率最小化获得最优的权重向量。

数据融合传送的是检测信息，因而要求控制信道的带宽比较宽，传送开销也比较大。对于强调频谱效率的CR系统来说，为了追求协作增益而付出巨大的协作带宽代价，显得有些得不偿失。

2.2.2 决策融合算法

各个协作节点独立地处理观测数据并做出决策，发送其决策结果至信息融合中心进行最终判决，这种算法称为决策融合算法。依据各节点决策的权重是否相同，可将其分为决策硬融合和决策软融合。

决策硬融合算法中，N个协作节点以1 bit形式传送其本地决策到信息融合中心，融合中心同等地对待各个节点决策，并根据一定的融合准则做出最终判决。最典型的硬融合准则是K/N准则 [12]，即N个协作用户中至少有K个用户上报决策1（即主用户存在）时，基站最终判定信道已被占用，OR准则（K=1）与AND准则（K=N）都是 K/N准则的特殊形式。不同的K值对应不同的协作增益，其最优取值应根据具体的信道条件来确定。

除了K/N准则外，文献[8]提出一种基于双门限能量检测的协作感知方法，用到了“n比例”逻辑准则，将决策为1的节点数与决策为0的节点数之间的比值与门限进行比较做出最终判决。

决策软融合算法是根据不同信道条件下各节点检测结果的置信度不同，将检测信息进行决策加权或者其他形式的处理后再进行融合。此算法实现了检测性能和传送开销之间的折中。

1 bit的最优判决融合准则是Chair-Varneshney准则。该准则基于对数似然比准则，通过比较假设下的条件似然比与贝叶斯最优门限，做出判决。条件似然比可通过各节点的虚警概率和检测概率计算得到，但需要知道主用户先验概率。文献[9]提出改进的Chair-Varshney融合方法，在似然比检测基础上充分利用信道占用的统计特性，并考虑各个次用户检测机制差异性、决策时间差以及融合滞后时间，因此适用于单或多bit的同步感知以及异步感知场景。

近期研究软融合算法的文献还有很多：如基于D-S证据理论的融合算法，综合考虑了节点的检测结果和置信度，且融合中心不需要节点先验信息，因此有很强实用性。Jun Ma等人提出的2 bit量化决策加权软融合算法，通过设置3个检测门限将能量分为4个区域，从而使检测结果最终以2 bit形式传送给中心进行加权求和并最终判决，该算法实现了协作开销和检测性能之间的合理折中。文献[10]将各节点的相关性考虑进去，提出了一种基于偏移准则的线性二次的次最佳融合方案。模糊综合评估协作感知方案则是用模糊综合评估方法得到各个次用户信任度再融合，从而提高决策可靠性。此外，根据历史判决数据的可靠性进行动态加权的感知算法，也能有效地提高检测性能。

综上所述，可将主要的信息融合算法归纳如表3所示。

2.3 有待解决的问题

(1) 协作感知的性能与协作用户数量、各用户门限值的确定及位置分布情况等因素密切相关。因而如何选取这些协作感知参数以获得最佳的检测性能，是协作感知研究的重要内容。此外，协作感知属于媒体访问控制(MAC)层的感知技术，所以还涉及到跨层设计方面的研究。

(2) 信息融合算法会直接影响协作增益和系统开销。一方面，决策融合虽然简单容易实现，但是其协作增益非常有限，当信道不均匀或者存在恶意用户时，协作性能将急剧恶化；另一方面数据融合协作增益大，但是对控制信道的带宽需求较大。如何在协作性能和系统开销二者之间寻找合理折中是协作感知研究的热点。

(3) 恶意攻击或突发故障是协作感知中不容忽视的安全问题。为此，文献[11]提出了一种应对存在恶意或自私节点场景的协作感知安全方案，以提高网络安全性。文献[12]提出一种加权序贯检测方案(WSPRT)，采用双门限值检测，并通过一定规则动态更新每个用户的置信度权值，有效降低了恶意节点对最终判决的影响。

(4) 现在的研究大多是集中在单个感知用户网络参与协作的情形，基于网络层的多感知用户网络间的协作也可能是未来研究的一个方向。

3 感知机制的优化

Ghasemi和Hyoil Kim等人最先提出了感知机制的优化问题，主要关注感知模式的选择和感知参数的优化。CR网络下，次用户的伺机动态接入频谱过程通常可看成两种感知场景：信道搜索和信道监视。信道搜索是指次用户需要搜索各个信道，寻找可用于传输的空闲频谱。信道监视则是指次用户必须周期性地检测主用户信号，以避免对重新出现的主用户造成干扰。检测周期、检测时间和搜索时间的参数如何选取，以及采用何种感知模式和信道搜索方式，才能使感知效果最优，这都是感知机制的优化问题。

频谱感知模式通常分为被动感知和主动感知。被动感知模式下，次用户只有在需要进行数据传输时才启动感知，通常只能使用一个空闲信道进行传输，并周期性监测该信道。而主动感知模式下，不管是否有数据传输需要，次用户都周期性地检测各个信道。两种感知模式都要避免对重新出现的主用户造成干扰，因此一旦发现当前信道不可用时，需立即启动搜索，直到检测到某个空闲信道后停止搜索并开始新的传输。相比而言，主动感知方式需要检测多个子信道，能量和时间开销比被动感知方式有所增大，但它可以提高传输速率，并且减小认知用户被迫进行信道搜索而导致服务质量(QoS)降低的概率，同时还可以积累大量频谱信息，在重新进行信道搜索时优化搜索方式以提高信道切换能力。

2007年，Ghasemi研究了通过最优化感知参数来实现检测速度与质量之间合理折中以及次用户吞吐量的最大化。将信道占用情况建模为指数分布的开关型随机变量，次用户系统一旦搜索到某个信道可用，则立即停止搜索进行传输并在传输过程中进行周期性监测，一旦监测到重新被占用，则立即终止传输重新信道搜索。在信道搜索阶段，发现空闲信道的平均时间和单个信道搜索时间之间的关系，实现检测速度和质量的折中。在信道监测阶段，找到最优单个信道监测时间，使次用户平均吞吐量最大化。该文献主要缺陷：只考虑非协作、被动感知情况，不能显著提高频谱利用率和次用户平均吞吐量；假设各个信道是采用相同的搜索时间和检测时间，而没有分别加权优化；没有对搜索次序进行优化。

2008年，Hyoil Kim等人研究了MAC层主动频谱感知机制的优化，主要讨论了3个问题： 通过最小化损失频谱和漏失频谱概率的方式选取最优的感知周期，从而使发现频谱机会的概率最大；进行信道搜索和切换时，通过最新过渡概率排序法，选取最优信道搜索次序，使整个信道切换过程的延迟最小；通过对信道占用模型参数进行最大似然评估和置信区间评估，并考虑时变信道对最优感知时间和最小延迟的影响，根据评估调整相应感知周期，在信道搜索过程中采用最新参数进行排序搜索。该文献主要缺陷：只站在次用户角度对检测周期优化，并没有考虑检测周期的长短对主用户系统的干扰影响。

2009年，文献[13]分3个内容研究了基于能量检测、集中式协作感知下的主动感知机制优化问题。通过对各个子信道检测周期的最优化选择，使总的感知代价最小；权衡检测性能和检测开销，对子信道数量和各子信道的检测时间进行优化，使系统总的吞吐量最大化；采用连续、按需搜索的方式，并对各信道的搜索时间进行加权优化，在满足搜索限制和主系统QoS的条件下，使平均搜索时间最小。该文献主要缺陷：优化检测时间时，检测开销中只考虑各信道检测时间，而没有考虑协作融合开销；信道搜索过程中，没有优化搜索顺序。

以上文献均采用固定式周期感知，文献[14]提出的基于可变检测间隔(FSP)的频谱检测机制，根据信道状态的统计信息设置控制因子，使认知用户适时地改变检测周期，提高了检测性能。文献[15]将FSP进一步推广到随机检测周期(RAPSS)，提出了更具一般性的检测周期优化模型。

下步的研究方向主要包括：信道占用模型可适当扩展更一般的情况；分布式协作感知机制的优化问题；基于循环平稳特征检测等方法下的感知机制优化；认知用户之间的干扰可能对感知机制优化的影响；不同的信道条件下，非固定检测周期和搜索次序的感知机制优化；综合考虑最小化主用户干扰、最大化感知性能、最优化QoS等多种优化目标；综合考虑应用层需求、物理层算法和链路层协作与控制等跨层设计优化问题。

4 结束语

频谱感知技术作为实现认知无线电网络的关键和前提，是当前认知无线电领域研究的热点问题。文章主要从本地感知、协作感知以及感知机制的优化3个方面，对认知无线电频谱感知技术的研究和发展状况进行了综述，并对下一步有待解决的难点问题进行了讨论。尽管还面临诸多的技术挑战，但随着研究不断深入，相信在不久的将来，认知无线电技术必将日趋成熟，为无线通信带来新的发展契机和动力。