常用的頻譜感知方法有能量檢測、 匹配濾波器檢測、 循環平穩檢測等。匹配濾波器檢測能獲得較好的性能，但其主要缺點是需要預知主用戶的完整信息。
基本介紹
- 中文名：頻譜感知
- 外文名：Spectrum sensing
相關內容,無線認知網路基本模型,最小團劃分算法,認知無線電協作頻譜感知,
無線通信技術的迅猛發展激發了越來越多的無線網路業務,而頻譜作為無線網路中最寶貴的資源,已經難以滿足目前及將來的無線業務需求.現有的固定頻譜分配方式使得頻譜利用率低且嚴重不均,通過調查研究發現,任意時間、任意地點的頻譜平均利用率低於 5%[1].動態頻譜接入(dynamic spectrum access,簡稱 DSA)被認為是解決該供需矛盾的主要技術途徑.在軟體無線電基礎上提出的認知無線電(cognitive radio,簡稱 CR)是該技術的基礎.CR 具備對環境的動態感知、決策和傳輸能力,可以動態接入共享頻譜.而無線認知網路是以 CR 為業務終端的網路.授權用戶與非授權用戶並存,具有 CR 的非授權用戶可以感知空閒的頻譜資源,在不干擾授權用戶的前提下,最大限度地提高頻譜資源的利用率.無線認知網路[4]目前已經成為無線網路領域最前沿的研究熱點之一.
相關內容
無線認知網路的研究工作主要集中在以下幾個部分[4]:頻譜的感知(sensing)、共享(sharing)、決策(decision)、遷移(mobility).其中,決策的重點是信道分配,也稱頻譜接入.區別於傳統無線網路的信道分配,無線認知網路的信道分配必須基於實時感知的信道狀況.因此,頻譜感知是所有工作的基礎.目前雖然已有針對 CR 的多種具體感知方式,如基於功率的感知、基於特徵的感知和匹配濾波等方式,但是,如何對整個網路中的節點進行高效的感知任務分配,仍有待深入研究.目前具有典型代表性的工作有:
Yuan 提出了一種基於時間頻譜塊(time-spectrum block)的信道分配方案,對於感知到的可用信道,根據拓撲關係,進行頻寬可變的信道動態劃分.理論和實驗結果都證明該算法的性能比固定信道頻寬的分配算法有明顯提高.
Peng 等人基於最大化系統總頻寬、最大最小頻寬和最大化比例公平這 3 個原則對共享頻譜分配算法進行了研究.他們通過定義不同的目標收益函式,計算出各節點的標籤值,利用近似最優的頂點著色算法得到整個網路目標函式的近似最優解.
Zhao 提出了一種基於部分可觀測的馬爾可夫模型來模擬頻譜的動態接入過程.他還提出一種離散的信道接入協定——POMDA.該協定將信道本周期的部分感知結果與上一個周期的狀態進行比較,得到期望最優的接入方案,其前提是信道狀態之間的轉移機率是已知的.
Jia 提出了一種基於硬體限制的感知與接入協定——HC-MAC[9].硬體限制是指感知過程需要一定的時間.該協定假設各個信道的機率分布函式已知.根據該函式提出了一種新的最優停機模型,即對頻譜感知和接入過程之間找到一個最優的平衡點,在該平衡點停止感知過程,接入已感知的可用信道後即能獲得最大期望的吞吐量.Kim 等人提出了一種周期性的頻譜感知算法,在滿足頻譜檢測要求的前提下最小化感知代價.此算法能夠根據 SNR 值的大小來動態地選擇能量感知方式或特徵檢測方式,並對影響性能的兩個重要因素——噪聲不確定度和 CR 內部干擾程度——進行了初步研究.
Ganesan 針對無線認知網路中節點協作式感知信道的問題,提出了一種基於中繼的頻譜感知算法.由於信道在不同網路位置存在異構性,因此,多節點通過協作感知本地信道狀況,再通過中繼將感知結果傳遞給處理節點,能夠提高整個網路的感知效率.
另一類研究側重於將經濟學理論套用於無線認知網路.目前最新的代表性成果是由 Zhou 提出的一種基於競標機制的頻譜管理策略——VERITAS.該策略主要考慮競標過程的信任問題,認為一種誠實、有策略保證的競標機制能夠大幅度提高頻譜的使用率.實驗結果表明,VERITAS 能夠比傳統的競標機制提高 200%的頻譜利用率.
Yuan 提出了一種基於時間頻譜塊(time-spectrum block)的信道分配方案,對於感知到的可用信道,根據拓撲關係,進行頻寬可變的信道動態劃分.理論和實驗結果都證明該算法的性能比固定信道頻寬的分配算法有明顯提高.
Peng 等人基於最大化系統總頻寬、最大最小頻寬和最大化比例公平這 3 個原則對共享頻譜分配算法進行了研究.他們通過定義不同的目標收益函式,計算出各節點的標籤值,利用近似最優的頂點著色算法得到整個網路目標函式的近似最優解.
Zhao 提出了一種基於部分可觀測的馬爾可夫模型來模擬頻譜的動態接入過程.他還提出一種離散的信道接入協定——POMDA.該協定將信道本周期的部分感知結果與上一個周期的狀態進行比較,得到期望最優的接入方案,其前提是信道狀態之間的轉移機率是已知的.
Jia 提出了一種基於硬體限制的感知與接入協定——HC-MAC[9].硬體限制是指感知過程需要一定的時間.該協定假設各個信道的機率分布函式已知.根據該函式提出了一種新的最優停機模型,即對頻譜感知和接入過程之間找到一個最優的平衡點,在該平衡點停止感知過程,接入已感知的可用信道後即能獲得最大期望的吞吐量.Kim 等人提出了一種周期性的頻譜感知算法,在滿足頻譜檢測要求的前提下最小化感知代價.此算法能夠根據 SNR 值的大小來動態地選擇能量感知方式或特徵檢測方式,並對影響性能的兩個重要因素——噪聲不確定度和 CR 內部干擾程度——進行了初步研究.
Ganesan 針對無線認知網路中節點協作式感知信道的問題,提出了一種基於中繼的頻譜感知算法.由於信道在不同網路位置存在異構性,因此,多節點通過協作感知本地信道狀況,再通過中繼將感知結果傳遞給處理節點,能夠提高整個網路的感知效率.
另一類研究側重於將經濟學理論套用於無線認知網路.目前最新的代表性成果是由 Zhou 提出的一種基於競標機制的頻譜管理策略——VERITAS.該策略主要考慮競標過程的信任問題,認為一種誠實、有策略保證的競標機制能夠大幅度提高頻譜的使用率.實驗結果表明,VERITAS 能夠比傳統的競標機制提高 200%的頻譜利用率.
博弈論也廣泛套用在無線認知網路中.Etkin 提出了一種自加強(self-enforcing)的頻譜共享策略.該策略不能在單次博弈(one shot)中得到理想的結果,但可以在多次重複博弈中得到很好的性能.以上工作雖然都在頻譜感知與接入方面針對頻譜使用率提出了具體的解決方案,但是卻存在以下不足:POMDA 算法要求每個節點具備多個感知電台,對所有頻譜均進行感知,並需要預知信道之間的轉移機率.這在實際網路環境中成本和感知代價太大，很難實現;HC-MAC 側重於一對節點之間的最優感知,並且需要信道的機率分布,無法解決多個節點的最優感知問題;文獻中並未考慮到感知過程的代價問題,是在已獲得全網感知結果的基礎上對信道進行最優分配.博弈論等新理論工具雖然能夠得到更詳細的理論結果,但是算法比較複雜,難以在大規模網路環境下進行實時運算.綜上所述,目前已有的感知算法均未同時考慮網路節點之間的競爭關係和感知代價,並且未考慮套用在大規模網路環境中的分散式部署等實際需要.
無線認知網路基本模型
無線認知網路由一組主用戶(primary user,簡稱 PU)和一組次用戶(secondary user,簡稱 SU)組成.PU 是網路中的授權用戶,優先權比 SU 要高.SU 不能幹擾 PU 的通信.在針對 CR 的具體設計中,應保護 PU 的正常使用,並且不應導致 PU 在工作過程中需要作出任何改變.無線認知網路的兩大基礎研究目標是:(1) 在滿足各種干擾限制的前提下如何提高頻譜的使用率;(2) 在滿足各種干擾限制的前提下,如何滿足端到端的業務需求.本文側重於解決第 1 個問題.
最小團劃分算法
頻譜感知算法的關鍵是確定每個節點應該感知哪些信道.由於該問題一般用圖論方法進行建模,其核心思想是對感知信道集合進行最優分配,滿足節點之間競爭圖(也稱干擾圖)的限制關係.因此,最重要的步驟是對整個網路進行競爭圖的高效建模,並在該建模基礎上進行感知任務分配.典型的方法是最優圖著色算法.由於著色算法一般都是集中式算法,並且其近似算法一般為啟發式算法,在分散式環境中更難以獲得性能的保障.因此,本文考慮到利用分散式的團劃分方法來對節點之間的拓撲關係進行競爭圖建模,使得每個節點能夠分別被劃入一個團.採用這種算法的優點是團的結構穩定,團的網路容量固定並且其內部節點均一跳可達,有利於分散式計算團內感知信道的最優分配;另外,團與團之間也均為一跳可達,其中的邊也容易通過分散式算法進行任務分配.以團為單位進行運算,其效率和穩定性均高於以節點為單位的一般最優分配方法,如著色、最大獨立集等方法.
認知無線電協作頻譜感知
認知無線電(cognitive radio， CR) 是一項有望緩解無線頻譜資源短缺、 頻譜利用率低下的智慧型無線通信技術，它允許次用戶(即認知無線電用戶)使用主用戶當前沒有使用的頻譜空穴， 從而提高頻譜利用率. 頻譜感知是認知無線電的一項關鍵技術，它的主要功能在於檢測可供認知用戶使用的頻譜空穴，同時監測主用戶信號活動情況， 保證主用戶再次使用頻譜時， 認知用戶能夠快速退出相應頻段.
目前已提出的頻譜感知方法主要包括匹配濾波器檢測、 能量檢測、 循環平穩特徵檢測以及多解析度頻譜感知. 這些方法均為單節點感知方法.然而，在陰影和深度衰落情況下， 單個節點的感知結果並不可靠， 因此， 需要對多個節點的感知結果進行融合，以提高檢測可靠性， 即協作感知技術. 文獻採用“或” 準則對各個 CR 感知結果進行融合. 文獻則提出了基於 D-S 證據理論的協作頻譜感知算法，雖然該算法的性能比“或” 準則或“與”準則要好， 但需要存儲大量歷史信息， 算法的計算複雜度也很高. 文獻中分析了採用似然比檢測(likelihood ratio test， LRT) 的軟判決與採用“與” 準則的硬判決的性能， 結果表明採用軟判決的協作感知性能更優. 雖然基於 LRT 的規則是一種最優的融合規則，但是在節點與融合中心之間的通信信道非理想的情況下， 為保證協作感知系統級的最優性，需要在節點以及融合中心處均執行 LRT 檢測， 但是如何設定各個節點以及融合中心的 LRT 門限仍是一項未解決的難題. 文獻則提出了一種相對於基於 LRT 的協作感知更為簡單的線性協作感知框架， 並 提 出 一 種 通 用 的 基 於 修 正 偏 差 因 子(modified deflection coefficient， MDC) 的權重向量求解方法. 然而，MDC 僅是一種次優的方法， 無法保證得 到 理 論 最 優 解.
