噪聲功率不確定性區間估計和降低SNR WALL惡化的能量檢測算法

謝顯中 胡小峰 馬 彬

?

噪聲功率不確定性區間估計和降低SNR WALL惡化的能量檢測算法

謝顯中 胡小峰*馬 彬

(重慶郵電大學移動通信技術重慶市重點實驗室/重慶郵電大學個人通信研究所 重慶 400065)

能量檢測是認知無線電系統中廣泛采用的空閑頻譜檢測方案，但其性能受到噪聲功率不確定性(NPU)的嚴重影響。該文提出一種新穎的復雜度較低的NPU區間估計算法，并且從理論上分析了估計的噪聲功率對能量檢測信噪比墻(SNR WALL)惡化的影響，得出了SNR WALL惡化性定理。進一步基于門限修正提出一種改進的能量檢測算法以消除SNR WALL惡化。仿真結果表明，該算法能較為精確地估計NPU區間，并且驗證了SNR WALL惡化性定理的正確性；同時，改進的能量檢測算法性能要優于穩健的統計方案(RSA)能量檢測的結果，并且改進后降低了SNR WALL惡化，提高了檢測的魯棒性。

認知無線電；噪聲功率不確定性(NPU)；NPU區間估計；信噪比墻惡化；能量檢測

1 引言

本文提出一種新的NPU區間估計算法，當噪聲功率在NPU區間內服從均勻分布時，給出了NPU區間的閉合表達式。同時，理論上分析了估計的噪聲功率對能量檢測性能的影響，給出了SNR WALL惡化性定理。最后，基于SNR WALL惡化性定理，提出了一種改進的能量檢測方案，以消除SNR WALL惡化。仿真表明：(1)本文算法能較為精確地估計出噪聲功率的上、下限值；(2)驗證了本文提出的SNR WALL惡化性定理的正確性；(3)改進的能量檢測能夠可靠地消除SNR WALL惡化，提高檢測性能的魯棒性。

2 系統模型

2.1 噪聲功率不確定性區間模型

2.2 穩健的統計方案

3 一種新的噪聲功率不確定性區間估計算法

3.1 算法步驟

為了提高NPU環境下能量檢測的性能，類似IEEE802.22草案，采用兩步感知方案[13]，包括精確感知和快速感知。在本文算法中精確感知周期擔任兩個功能角色：第一，執行比較精確的、復雜度較高的檢測算法，以精確判斷PU頻段是否空閑；第二，當被檢測頻譜空閑時，利用本文提出的噪聲功率估計算法，對功率上、下限值進行估計。由于噪聲功率在數分鐘內是保持不變的[5]，因此，在精確感知周期中估計的噪聲功率可以應用于快速感知周期能量檢測門限的設定。算法具體步驟如下：

3.2 算法復雜度分析

4 SNR WALL惡化性定理與理論性能

4.1 信噪比及門限常數

根據式(1)可以得到采用RSA方案情況下，能量統計判決量近似服從正態分布：

因此，虛警概率的理論表達式為

采用CFAR策略可以得到用估計的噪聲功率去設定門限，門限常數變為

4.2NPU下SNR WALL惡化性定理

5 改進的能量檢測算法

改進之后的漏檢概率為

改進之后能量檢測的SNR WALL為

6 性能仿真與分析

圖2 NPU區間估計算法性能評估

圖3 最小信噪比隨N的變化

圖4 門限常數隨N的變化

圖5 SNR WALL隨的變化

圖6 隨SNR的變化(N=1000)

圖7 隨SNR的變化(N=10000)

圖8 隨SNR的變化(N=100000)

圖9 隨SNR的變化(N=1000000)

圖10 改進方案SNR WALL隨的變化

圖11 改進前后隨SNR的變化(K=1000)

圖12 改進前后隨SNR的變化(K=10000)

7 結束語

針對能量檢測受噪聲功率不確定性(NPU)的影響，本文提出一種新的NPU區間估計算法，并且分析了NPU情況下噪聲功率估計對能量檢測性能的影響，給出了SNR WALL惡化性定理。通過設定門限常數，分析了SNR WALL惡化的原因，提出一種基于門限修正的能量檢測算法，以克服噪聲功率估計誤差對檢測性能的影響。仿真表明，本文理論分析和實際仿真結果一致，驗證了本文理論分析的正確性；同時，本文提出的能量檢測算法可以有效地消除SNR WALL惡化，提高了檢測性能的魯棒性。

[1] 衡玉龍, 黃天聰, 馮文江, 等. 有限用戶數多認知網絡部分信道共享性能分析[J]. 電子與信息學報, 2013, 35(2): 267-272.

Heng Yu-long, Huang Tian-cong, Feng Wen-jiang,.. Performance analysis on partial channel sharing of cognitive networks with finite user population[J].&, 2013, 35(2): 267-272.

[2] Hongjian S, Nallanathan A, Wang Cheng-xiang,.. Wideband spectrum sensing for cognitive radio networks: a survey[J]., 2013, 20(2): 74-81.

[3] Lopez-benitez M and Casadevall F.Signal uncertainty in spectrum sensing for cognitive radio[J]., 2013, 64(4): 1231-1241.

[4] Huang S, Chen H, Zhang Y,.. Sensing-energy tradeoff in cognitive radio networks with relays[J]., 2013, 7(1): 68-76.

[5] Andrea M, Andrea G, and Marco C. Effects of noise power estimation on energy detection for cognitive radio applications[J]., 2011, 59(12): 3410-3420.

[6] Shellhammer S and Tandra R. Performance of the power detector with noise uncertainty [OL]. http://www. ieee802. org/22/Meeting_documents/2006_July/22-06-0134-00-0000_Performance-of-the-power-detector-with-Noise-Uncertainty. ppt. 2013.

[7] Lim C H.Adaptive energy detection for spectrum sensing in unknown white gaussian noise[J]., 2012, 6(13): 1884-1889.

[8] Zhang Y, Zhang Q, and Wu S. Entropy-based robust spectrum sensing in cognitive radio[J]., 2010, 4(4): 428-436.

[9] Shen Lei, Wang Hai-quan, Zhang Wei,.. Blind spectrum sensing for cognitive radio channels with noise uncertainty[J]., 2011, 10(6): 1721-1724.

[10] Tandra R and Sahai A. Fundamental limits on detection in low SNR under noise uncertainty[C]. Proceedings of International Conference on Wireless Networks, Communications and Mobile Computing, Maui, 2005: 464-469.

[11] Tandra R and Sahai A. SNR walls for signal detection[J].,2008, 2(1): 4-17.

[12] 劉義賢, 季飛, 余華. 認知無線電網絡中基于噪聲功率估計的能量檢測性能[J]. 電子與信息學報, 2011, 33(6): 1487-1491.

Liu Yi-xian, Ji Fei, and Yu Hua. Performance of energy detection based on estimated noise power in cognitive radio networks[J].&, 2011, 33(6): 1487-1491.

[13] IEEE Std P1900.6a/D0.5. IEEE draft standard for spectrum sensing interfaces and data structures for dynamic spectrum access and other advanced radio communication systems amendment: procedures, protocols and data archive enhanced interfaces [S]. 2013: 1-49.

[14] Kay S. Fundamentals of Statistical Signal Processing: Detection Theory[M]. New Jersey: Prentice-Hall, 1998: 20-35.

謝顯中： 男，1966年生，博士，教授，研究方向為認知無線電、干擾對齊、預編碼技術、通信信號處理等.

胡小峰： 男，1987年生，碩士生，研究方向為認知無線電、協作通信、移動通信技術等.

馬 彬： 男，1978年生，博士生，副教授，研究方向為認知無線電、車載通信技術等.

Estimation of Noise Power Uncertainty Interval and Energy Detector with Lowering SNR WALL Deterioration

Xie Xian-zhong Hu Xiao-feng Ma Bin

(&,,400065)

Energy Detector (ED) is the most common way of idle spectrum sensing in cognitive radio. However, its performance may suffer seriously from the Noise Power Uncertainty (NPU). In this paper, a low computational algorithm is proposed to estimate the NPU interval, and the SNR WALL deterioration phenomenon with estimated noise power is analyzed theoretically. The SNR WALL deterioration theorems are obtained. In addition, a new ED algorithm based on modified threshold is proposed to eliminate SNR WALL deterioration. Numerical simulation results show that the proposed algorithm can estimate accurately the NPU interval, and verify the correctness of the SNR WALL deterioration theorems. Furthermore, both analytical and simulation results show that the proposed ED under NPU outperforms the ED of Robust Statistics Approach (RSA). The SNR WALL deterioration can be reduced effectively, hence improving the robustness of detection.

Cognitive Radio (CR); Noise Power Uncertainty (NPU); Estimation of NPU interval; SNR WALL deteriorating; Energy Detector (ED)

TN92

A

1009-5896(2014)02-0364-07

10.3724/SP.J.1146.2013.00928

胡小峰 huxfcqupt@163.com

2013-07-01收到，2013-10-11改回

國家自然科學基金(61271259, 61301123)，重慶市自然科學基金(CTSC2011jjA40006)，重慶市教委科學技術研究項目(KJ120501, KJ120502,KJ130536)和重慶市教委項目(Kjzh11206)資助課題