認知無線電中頻譜感知技術的研究進展

摘要：認知無線電技術作為解決當前頻譜利用率低下這一問題的有效手段，已成為無線電發展的一個新的里程碑。頻譜感知作為實現認知無線電的首要任務，主要涉及物理層的信號檢測與處理以及鏈路層的控制與優化。文中對頻譜感知技術的最新研究進展情況進行了綜述，重點總結和分析了檢測算法的性能、協作融合算法以及感知機制的參數優化，并在此基礎上討論了下一步的研究方向。

關鍵詞：認知無線電；頻譜感知；本地感知；協作感知；感知機制

Abstract: Cognitive Radio (CR) is an effective solution to the problem of low spectrum utilization， and a milestone in wireless communications. For CR， spectrum sensing is a fundamental problem which relates to signal detection and processing in the physical layer， and control and optimization in the link layer. A survey of developments in spectrum sensing is conducted in this paper， focusing on the performance of detection algorithms， fusion schemes in cooperative sensing， and optimization of the sensing mechanism. Following a summary and analysis， main challenges and directions of future work are discussed.

Key words: cognitive radio;spectrum sensing;local sensing;cooperative sensing;sensing mechanism

無線通信發展所面臨的瓶頸之一就是頻譜資源的不足，造成這一問題的主要原因是：一方面，當前普遍采用的靜態頻譜管理體制留給新系統、新業務的可用資源非常少；另一方面，據美國聯邦通信委員會(FCC)研究表明，頻譜的使用情況是動態變化的，大部分時段和空間的頻譜利用率非常低。構建以認知無線電技術為核心的動態頻譜管理體制，可以從根本上緩解頻譜資源緊張的局面。認知無線電(CR)概念由Joseph Mitola博士提出，其主導思想是實現伺機的動態頻譜接入，即非授權用戶（也稱次用戶或認知用戶）通過檢測，機會性地接入已分配給授權用戶（或主用戶）但暫時很少使用甚至未被使用的空閑頻段，一旦主用戶重新接入該頻段，次用戶迅速騰出信道。這種技術需解決的首要問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從多個方面對3種方案進行了比較，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點，得到了大多數研究學者的認同；另外兩種由于受到政治、經濟等因素的制約而很難實現，對其研究相對較少。

頻譜感知技術是指認知用戶通過各種信號檢測和處理手段來獲取無線網絡中的頻譜使用信息。從無線網絡的功能分層角度看，頻譜感知技術主要涉及物理層和鏈路層，其中物理層主要關注各種具體的本地檢測算法，而鏈路層主要關注用戶間的協作以及對感知機制的控制與優化。因此，目前頻譜感知技術的研究大多數集中在本地感知、協作感知和感知機制優化3個方面。文章正是從這3個方面對頻譜感知技術的最新研究進展情況進行了總結歸納，分析了主要難點，并在此基礎上討論了下一步的研究方向。

1 本地感知技術

1.1 主要檢測算法

本地頻譜感知是指單個認知用戶獨立執行某種檢測算法來感知頻譜使用情況，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，測量某段觀測時間內接收信號的總能量，然后與某一設定門限比較來判決主信號是否存在。由于該算法復雜度較低，實施簡單，同時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，是在確知主用戶信號先驗信息（如調制類型，脈沖整形，幀格式）情況下的最佳檢測算法。該算法的優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個數少，因此處理時間更短。

循環平穩特征檢測算法，其原理是通過分析循環自相關函數或者二維頻譜相關函數的方法得到信號頻譜相關統計特性，利用其呈現的周期性來區分主信號與噪聲。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型獨特的統計特征進行循環譜分析，可以克服惡意干擾信號，大大提高檢測的性能和效率。

協方差矩陣檢測算法，利用主信號的相關性建立信號樣本協方差矩陣，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]提出基于過采樣接收信號或多路接收天線的盲感知算法。通過對接收信號矩陣的線性預測和奇異值分解(QR)得到信號統計值的比率來判定是否有主用戶信號。

以上這些算法都是對主用戶發射端信號的直接檢測，基本都是從經典的信號檢測理論中移植過來的。此外，近期一些文獻從主用戶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。有些文獻對經典算法進行了改進，如文獻[2]提出了一種基于能量檢測-循環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，并對其優缺點進行了比較。

1.2 有待解決的問題

單用戶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，單用戶本地頻譜檢測往往不能獲得滿意的性能。再次，如何檢測基于擴頻技術的主用戶信號也是個難點問題。

Ghasemi將頻譜感知的主要難點問題歸結于3種不確定性：信道不確定性，即在陰影、衰落信道中，認知用戶很難從噪聲背景下區分出經歷深衰落的主信號；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，當網絡中存在多個認知用戶時，單個認知用戶的發射可能不會干擾主用戶，但是多個用戶同時發射可能會超過主用戶的干擾溫度門限（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境，研究能量檢測、循環特征檢測等算法的改進或者進一步探討更為新穎的感知算法；針對正交頻分復用技術(OFDM)頻譜池系統的多帶檢測算法；將傳統的時域、頻域、空域的三維信號檢測進行拓展，并研究包括角度、編碼等維度的多維頻譜感知算法。

2 協作感知技術

為了克服本地檢測的弊端，進一步提高檢測性能，協作感知得到了廣泛而深入的研究。通過不同次用戶間的交互與協作，不僅僅能降低各認知用戶的檢測靈敏度需求，大幅度提高認知用戶的捷變能力，還能有效緩解“隱藏終端”問題以及噪聲不確定性等問題。

2.1 協作方案的分類

根據協作網絡結構和協作策略選擇不同，協作感知方案可分兩類：

（1）集中式協作感知

這種方案中，通常有一個中心基站（或接入點）和多個參與協作的認知用戶（也稱認知節點），并且需要專用控制信道將各用戶本地感知信息傳送到中心點進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型的協作感知。Cabric等人于2004年開始這方面研究，指出集中式協作感知可以減小多徑衰落信道的影響，改善檢測性能，并分析了節點數、門限值等參數的選取以及陰影相關性對協作的影響[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分布陰影信道條件下，基于能量檢測和硬融合的協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，進一步分析了協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，給出了單用戶感知靈敏度和協作半徑之間的權衡。

（2）分布式協作感知

分布式協作感知中，各協作節點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化了認知網絡結構，因而減小了開銷成本。

2005年，G．Ganesan等人提出了基于前向放大協議的中繼協作感知方案，主要原理是在時分多址(TDMA)系統中，各協作用戶間以正交方式傳輸，一旦某個次用戶檢測到主用戶信息，則在下個時隙發送本身信號的同時轉發檢測到的主信號給鄰近的次用戶，再退出頻段。該方案利用了網絡所固有的非對稱性來提高增益，同樣可以降低檢測時間，保持較低的中斷概率，從而提高網絡的捷變性。

2.2 信息融合問題

現有的大多數協作感知方案都需要進行信息融合，其整體的檢測性能除了受各節點檢測性能的影響外，還與所采用的融合算法直接相關。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。

2.2.1 數據融合算法

在數據融合算法中，各個協作節點不做出任何決策，而是將檢測數據完整地或壓縮處理后發送到信息融合中心，按照某種融合規則做出最終判決。典型的算法例如：最簡單的等增益合并(EGC)是將各節點的檢測數據等權重合并，再與設定的門限值比較做出最終判決；最大似然比合并(MRC)是通過信道估計，根據信噪比設定權重值進行合并再做出判決；選擇合并(SC)則是根據情況，選擇某個信噪比最大節點數據進行判決。文獻[6]根據Neyman-Pearson準則，在給定虛警概率下，通過最大化檢測概率得到最優的加權融合準則。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境。文獻[7]系統研究了數據融合算法，通過偏轉系數最大化和錯誤概率最小化獲得最優的權重向量。

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，傳送開銷也比較大。對于強調頻譜效率的CR系統來說，為了追求協作增益而付出巨大的協作帶寬代價，顯得有些得不償失。

2.2.2 決策融合算法

各個協作節點獨立地處理觀測數據并做出決策，發送其決策結果至信息融合中心進行最終判決，這種算法稱為決策融合算法。依據各節點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個協作節點以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節點決策，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個協作用戶中至少有K個用戶上報決策1（即主用戶存在）時，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值對應不同的協作增益，其最優取值應根據具體的信道條件來確定。

除了K/N準則外，文獻[8]提出一種基于雙門限能量檢測的協作感知方法，用到了“n比例”邏輯準則，將決策為1的節點數與決策為0的節點數之間的比值與門限進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檢測結果的置信度不同，將檢測信息進行決策加權或者其他形式的處理后再進行融合。此算法實現了檢測性能和傳送開銷之間的折中。

1 bit的最優判決融合準則是Chair-Varneshney準則。該準則基于對數似然比準則，通過比較假設下的條件似然比與貝葉斯最優門限，做出判決。條件似然比可通過各節點的虛警概率和檢測概率計算得到，但需要知道主用戶先驗概率。文獻[9]提出改進的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，并考慮各個次用戶檢測機制差異性、決策時間差以及融合滯后時間，因此適用于單或多bit的同步感知以及異步感知場景。

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，綜合考慮了節點的檢測結果和置信度，且融合中心不需要節點先驗信息，因此有很強實用性。Jun Ma等人提出的2 bit量化決策加權軟融合算法，通過設置3個檢測門限將能量分為4個區域，從而使檢測結果最終以2 bit形式傳送給中心進行加權求和并最終判決，該算法實現了協作開銷和檢測性能之間的合理折中。文獻[10]將各節點的相關性考慮進去，提出了一種基于偏移準則的線性二次的次最佳融合方案。模糊綜合評估協作感知方案則是用模糊綜合評估方法得到各個次用戶信任度再融合，從而提高決策可靠性。此外，根據歷史判決數據的可靠性進行動態加權的感知算法，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 有待解決的問題

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

(2) 信息融合算法會直接影響協作增益和系統開銷。一方面，決策融合雖然簡單容易實現，但是其協作增益非常有限，當信道不均勻或者存在惡意用戶時，協作性能將急劇惡化；另一方面數據融合協作增益大，但是對控制信道的帶寬需求較大。如何在協作性能和系統開銷二者之間尋找合理折中是協作感知研究的熱點。

(3) 惡意攻擊或突發故障是協作感知中不容忽視的安全問題。為此，文獻[11]提出了一種應對存在惡意或自私節點場景的協作感知安全方案，以提高網絡安全性。文獻[12]提出一種加權序貫檢測方案(WSPRT)，采用雙門限值檢測，并通過一定規則動態更新每個用戶的置信度權值，有效降低了惡意節點對最終判決的影響。

(4) 現在的研究大多是集中在單個感知用戶網絡參與協作的情形，基于網絡層的多感知用戶網絡間的協作也可能是未來研究的一個方向。

3 感知機制的優化

Ghasemi和Hyoil Kim等人最先提出了感知機制的優化問題，主要關注感知模式的選擇和感知參數的優化。CR網絡下，次用戶的伺機動態接入頻譜過程通常可看成兩種感知場景：信道搜索和信道監視。信道搜索是指次用戶需要搜索各個信道，尋找可用于傳輸的空閑頻譜。信道監視則是指次用戶必須周期性地檢測主用戶信號，以避免對重新出現的主用戶造成干擾。檢測周期、檢測時間和搜索時間的參數如何選取，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，這都是感知機制的優化問題。

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

2007年，Ghasemi研究了通過最優化感知參數來實現檢測速度與質量之間合理折中以及次用戶吞吐量的最大化。將信道占用情況建模為指數分布的開關型隨機變量，次用戶系統一旦搜索到某個信道可用，則立即停止搜索進行傳輸并在傳輸過程中進行周期性監測，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，發現空閑信道的平均時間和單個信道搜索時間之間的關系，實現檢測速度和質量的折中。在信道監測階段，找到最優單個信道監測時間，使次用戶平均吞吐量最大化。該文獻主要缺陷：只考慮非協作、被動感知情況，不能顯著提高頻譜利用率和次用戶平均吞吐量；假設各個信道是采用相同的搜索時間和檢測時間，而沒有分別加權優化；沒有對搜索次序進行優化。

2008年，Hyoil Kim等人研究了MAC層主動頻譜感知機制的優化，主要討論了3個問題： 通過最小化損失頻譜和漏失頻譜概率的方式選取最優的感知周期，從而使發現頻譜機會的概率最大；進行信道搜索和切換時，通過最新過渡概率排序法，選取最優信道搜索次序，使整個信道切換過程的延遲最小；通過對信道占用模型參數進行最大似然評估和置信區間評估，并考慮時變信道對最優感知時間和最小延遲的影響，根據評估調整相應感知周期，在信道搜索過程中采用最新參數進行排序搜索。該文獻主要缺陷：只站在次用戶角度對檢測周期優化，并沒有考慮檢測周期的長短對主用戶系統的干擾影響。

2009年，文獻[13]分3個內容研究了基于能量檢測、集中式協作感知下的主動感知機制優化問題。通過對各個子信道檢測周期的最優化選擇，使總的感知代價最小；權衡檢測性能和檢測開銷，對子信道數量和各子信道的檢測時間進行優化，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間進行加權優化，在滿足搜索限制和主系統QoS的條件下，使平均搜索時間最小。該文獻主要缺陷：優化檢測時間時，檢測開銷中只考慮各信道檢測時間，而沒有考慮協作融合開銷；信道搜索過程中，沒有優化搜索順序。

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，根據信道狀態的統計信息設置控制因子，使認知用戶適時地改變檢測周期，提高了檢測性能。文獻[15]將FSP進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；分布式協作感知機制的優化問題；基于循環平穩特征檢測等方法下的感知機制優化；認知用戶之間的干擾可能對感知機制優化的影響；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化；綜合考慮最小化主用戶干擾、最大化感知性能、最優化QoS等多種優化目標；綜合考慮應用層需求、物理層算法和鏈路層協作與控制等跨層設計優化問題。

4 結束語

頻譜感知技術作為實現認知無線電網絡的關鍵和前提，是當前認知無線電領域研究的熱點問題。文章主要從本地感知、協作感知以及感知機制的優化3個方面，對認知無線電頻譜感知技術的研究和發展狀況進行了綜述，并對下一步有待解決的難點問題進行了討論。盡管還面臨諸多的技術挑戰，但隨著研究不斷深入，相信在不久的將來，認知無線電技術必將日趨成熟，為無線通信帶來新的發展契機和動力。

5 參考文獻

[1] DE P， LIANG Y C. Blind Spectrum Sensing Algorithms for Cognitive Radio Networks[J]. IEEE Transactions on Vehicular Technology， 2008， 57(5): 2834-2842.

[2] PARK J， HUR Y， SONG T J， et al. Implementation Essues of a Wideband Multi-Resolution Spectrum Sensing (MRSS) Technique for Cognitlve Radio (CR) Systems[C]// Proceedings of the 1st International Conference on Cognitive Radio Oriented Wireless Networks and Communications(CROWNCOM’06)， Jun 8-10，2006，Mykonos Island， Greece. Piscataway， NJ， USA: IEEE，2006: 5p.

[3] 劉子琦，馮春燕，曾志民，等. 認知無線電網絡中物理層頻譜檢測算法的研究[J]. 電信科學，2009，25(3): 64-69.

[4] WILD B， RAMCHANDRAN K. Detecting Primary Receivers for Cognitive Tadio Applications[C]// Proceedings of the 1st IEEE International Symposium on New Frontiers in Dynamic Spectrum Access Networks (DySPAN '05)， Nov 8-11， 2005， Baltimore， MD，USA.Piscataway，NJ，USA:IEEE， 2005: 124-130.

[5] GHASEMI A， SOUSA E S. Interference Aggregation in Spectrum-Sensing Cognitive Wireless Networks[J]. IEEE Journal of Selected Topics in Signal Processing. 2008， 2(1): 41-56.

[6] MA J， ZHAO G， LI Y. Soft Combination and Detection for Cooperative Spectrum Sensing in Cognitive Radio Networks[J]. IEEE Transactions on Wireless Communications， 2008， 7(11): 4502-4507.

[7] SHEN B， KWAK K S. Soft Combination Schemes for Cooperative Spectrum Sensing in Cognitive Radio Networks[J]. ETRI Journal， 2009， 31(3): 263-270.

[8] SRIVASTAVA S K，BANERJEE A. N-Ratio Logic Based Cooperative Spectrum Sensing Using Double Rhreshold Energy Detection[C]// Proceedings of the 4th International Conference on Cognitive Radio Oriented Wireless Networks and Communications(CROWNCOM’09)， Jun 22-24，2009， Hannover，Germany. Piscataway， NJ， USA: IEEE，2009: 6p.

[9] ZHOU X， MA J， LI G Y， et al. Probability-Based Combination for Cooperative Spectrum Sensing in Cognitive radio Networks[C]//Proceedings of IEEE International Conference on Communications(ICC’09)，Jun 14-18，2009， Dresden， Germany. Piscataway， NJ，USA: IEEE， 2009:5p.

[10] UNNIKRISHNAN J， VEERAVALLI V V. Cooperative Sensing for Primary Detection in Cognitive Radio[J]. IEEE Journal on Selected Topics in Signal Processing， 2008， 2(1): 18-27.

[11] WANG W， LI H， SUN Y L， et al. Securing Collaborative Spectrum Sensing Against Untrustworthy Secondary Users in Cognitive Radio Networks[J]. EURASIP Journal on Advances in Signal Processing. 2010， ID 695750: 15p.

[12] CHEN R， PARK J， BIAN K. Robust Distributed Spectrum Sensing in Cognitive Radio Networks[C]// Proceedings of 27th IEEE Conference on Computer Communications (INFOCOM’08)，Apr 13-18，2008，Phoenix，AZ，USA. Piscataway， NJ，USA: IEEE，2008: 1876-1884.

[13] 郭晨，彭濤，王文博. 認知無線電網絡中合作頻譜感知機制的優化[J]. 電子與信息學報， 2009， 31(7): 1525-1530.

[14] 張宇，馮春燕，郭彩麗. 基于可變間隔的認知無線電頻譜檢測機制[J]. 北京郵電大學學報， 2008， 31(2): 128-131.

[15] GUO CAILI， ZENG ZHIMIN， FENG CHUNYAN， et al. Random Periodic Spectrum Sensing with Sensing Period Optimization for Cognitive Radio Networks[C]// Proceedings of 11th IEEE Singapore International Conference on Communication Systems. 2008， 1504-1508.

收稿日期：2010-08-13

郭云瑋，海軍工程大學電子工程學院通信工程系軍事通信學專業在讀碩士研究生；研究方向是認知無線電頻譜感知技術；已發表學術論文1篇。

劉全，海軍工程大學電子工程學院通信工程系通信與信息系統專業在讀博士研究生；研究方向是認知無線電網絡鏈路層關鍵技術、多抽樣率信號處理理論及應用；已發表學術論文8篇。

高俊，海軍工程大學電子工程學院通信工程系博士、教授、博士生導師，畢業于北京理工大學；研究方向是軟件無線電，數字通信理論與技術；先后主持并完成了10余項國家及軍隊重大科研項目；已發表學術論文100余篇。