基于SDR和改進能量檢測算法的頻譜感知

冉 超,方志軍,張彥宇

(上海工程技術大學 電子電氣工程學院,上海 201620)

0 概述

近年來,隨著無線網絡的發展和信息流量指數級增長,人們對無線電頻譜帶寬的需求也隨之增加。然而,美國聯邦通訊委員會(FCC)調查顯示,目前分配的多數頻譜利用率僅有15%～85%[1-2]。FCC認為頻譜利用率低下的主要原因是靜態的頻譜分配方式使得頻譜資源未被完全利用[3-4]。文獻[5-6]提出認知無線電作為一種靈活的無線電系統,能夠在不干擾授權用戶的前提下,動態高效地利用現有頻譜,而認知無線電系統面臨的最大挑戰之一是如何在特定位置即時檢測到授權用戶頻譜的存在,且在占用頻譜資源時,檢測出可能重新出現的授權用戶頻譜,并立即收回資源。因此,頻譜感知是認知無線電系統利用空閑頻譜資源的基礎。

頻譜感知的主要特點之一是自適應性,即在無線通信外部環境、網絡條件、用戶所在地、地理位置等因素影響下,系統通過改變頻率、功率、調制方式、帶寬等通信參數來持續感知頻譜[7-8]。軟件定義無線電(Software Defined Radio,SDR)作為新一代無線通信技術,通過硬件配置和軟件編程實現各種基帶信號處理,提供一種靈活、可重構的無線通信功能,是實現頻譜感知的良好平臺。為此,實驗室自主研發了一款名為SOUP的通用軟件無線電平臺,并將其與MATLAB和Simulink相結合。用戶可以通過類似流程圖的圖形界面疊加組合各種信號處理模塊來檢測授權用戶頻譜。

能量檢測是頻譜感知中最常見和易實現的一種方法[9],它是一種盲檢測方法,屬于信號的非相干檢測[10],其優點是檢測過程不需要獲取待檢測信號的先驗信息,缺點是信號傳輸路徑上的噪聲不確定性會影響其性能[11]。雙閾值能量檢測是在能量檢測基礎上增加了一個閾值,當檢測統計落入2個閾值之間的混淆區域時,這一感知周期內不作判決,減少了噪聲不確定性,但同時會造成傳感信息的浪費。

為了充分利用傳統雙閾值能量檢測中浪費的這部分傳感信息,本文提出一種改進的雙閾值能量檢測算法,在混淆區域內再增加一個細化閾值,使判決結果細化并進行融合判決。本文以SOUP通用軟件無線電平臺作為通信系統和測試平臺,利用改進的雙閾值能量檢測算法對授權用戶的頻譜使用情況進行檢測,同時對次用戶的可用頻段進行研究。

1 軟件無線電系統

1.1 軟件無線電簡介

傳統硬件電路無法同時支持不同的通信制式,而軟件無線電通過可編程硬件與軟件的結合,在不改變硬件電路的情況下提出一種多頻段、多制式的解決方案[12]。軟件無線電的基本思想是以一個通用、標準、模塊化的硬件平臺為依托,通過軟件編程來實現無線電臺的各種功能,從基于硬件、面向用途的電臺設計方法中解放出來[13]。相比于傳統單一的無線電系統,軟件無線電的優勢在于通用性強、開發周期短、靈活易擴展,且能夠滿足通信行業的多樣化和靈活性需求。

1.2 軟件無線電外設

本文中軟件無線電外設使用的是實驗室自主研發的SOUP,SOUP由一個基于FPGA芯片的主板和基于AD9361的射頻子板組成。射頻子板生成射頻信號,通過定向天線發射和接收射頻信號。主板為基帶板,它為射頻單元和PC之間的數字信號傳輸建立了一個高吞吐量、低延遲的路徑。為了獲得所需的系統吞吐量,SOUP使用低延遲、高速串行總線PCIe2.0。PCIe2.0總線接口在硬件上采用可編程器件設計方案,其基本思想是使用Xilinx提供的IP核集成到SOUP上的FPGA中。

1.3 軟件無線電系統實現

軟件無線電系統主要由SOUP數據采集板與PC主機上的硬件驅動及通信協議程序兩部分組成。軟件無線電系統框圖如圖1所示。

為了在PC端連接并控制SOUP,本文實驗設計了SOUP專用硬件驅動和通用軟件無線電庫,通過通用軟件無線電庫中的應用程序編程接口連接SOUP專用硬件驅動,實現對SOUP數據采集板的控制。本文選用Simulink程序進行軟件無線電系統的上層搭建,發送端PC對Simulink中的數據符號進行D/A轉換、上采樣等處理,通過PCIe2.0高速總線傳遞給SOUP射頻板進行發送。經過真實信道傳輸,接收端PC通過SOUP數據采集板捕獲到射頻信號,在Simulink中由解調模塊進行解調驗證。

真實信道下的軟件無線電系統實現的關鍵內容是軟件無線電外設收發模塊的設計。Simulink中自定義功能模塊的設計依托于S函數模塊,其使用高級編程語言按照特有框架進行自定義功能設計,通過與Simulink通用模塊庫中的基礎模塊相連接,共同描述連續、離散或混合系統。本文使用通用軟件無線電庫中的SOUP驅動函數接口連接SOUP驅動程序,從而控制SOUP數據采集板,完成具有數據收發功能的S函數模塊。Simulink具有強大的信號處理模塊和豐富的信號源模塊,將這些模塊與具有數據收發功能的S函數模塊相結合,可以在PC端完成對SOUP收發信號的編解碼、調制解調、時域和頻域同步等操作,搭建一個完整的軟件無線電系統。SOUP軟件無線電系統如圖2所示。

圖2 SOUP軟件無線電系統Fig.2 SOUP software radio system

2 能量檢測算法及其改進

2.1 能量檢測算法

基于能量檢測的頻譜感知因其計算量小、復雜度低而成為頻譜感知中最常用的方法[14-15],其主要理論基礎是在頻譜被占用時,接收到的信號將比空閑時具有更多的能量。在基于能量檢測的頻譜感知過程中,認知無線電用戶不需要了解授權用戶信號的任何信息,而是通過將接收到的頻譜與預先確定的閾值進行比較來實現頻譜感知[16-17]。圖3給出了基于能量檢測的頻譜感知流程。

圖3 基于能量檢測的頻譜感知流程Fig.3 Spectrum sensing process based on energy detection

頻譜感知本質上是對授權用戶在特定帶寬下的存在性進行二元假設檢驗:

H0:y(k)=w(k)

H1:y(k)=s(k)+w(k)

(1)

其中,y(k)為頻譜感知的檢測值,s(k)和w(k)分別表示傳輸的授權用戶信號和加性高斯白噪聲(AWGN),H0和H1分別表示在k時刻頻譜是否被授權用戶占用。

無論使用何種精確的信號模型或檢測器,由于附加噪聲、有限的觀測以及觀測樣本固有的隨機性,傳感誤差都是不可避免的,因此定義此類檢測器性能分析的關鍵指標是其檢測概率[18]。假設采樣個數為N,檢測統計量E如式(2)所示,由文獻[19]可知,當采樣個數N足夠大時,可用高斯隨機變量來近似,因此正確檢測到信號時的檢測概率Pd如式(3)所示,錯誤檢測到頻譜被占用而發出錯誤警報的虛警概率Pf如式(4)所示:

(2)

(3)

(4)

高斯分布Q(x)的計算方法如下所示:

(5)

通常設計能量檢測器采用恒虛警準則,由式(4)可知單閾值為:

(6)

將式(6)代入式(3)得到檢測概率表達式為:

(7)

其中,信噪比γ表達式為:

(8)

綜上可知,在確定虛警概率且噪聲方程已知情況下,可以計算出單閾值,并通過單閾值得到不同信噪比下的檢測概率。

2.2 改進的雙閾值能量檢測算法

在真實信道中,噪聲的功率在一定區間內受時間和位置的影響會發生變化,這種變化會改變能量檢測的結果,同時用戶無法判斷這種變化的產生是授權用戶還是信道噪聲導致的,尤其是當噪聲不確定性的變化范圍增大時,會導致檢測概率的降低和虛警概率的升高,對能量檢測性能產生較大的影響[20]。為了提高頻譜感知的檢測結果,降低真實信道下的噪聲影響,本文提出一種改進的雙閾值能量檢測算法。

在恒虛警準則下,由Neyman Pearson定理可知[21]:

(9)

其中,P(x,H0)、P(x,H1)均為接收信號的概率密度函數。上式化簡可得:

(10)

(11)

對式(11)兩邊取自然對數可得:

(12)

(13)

記式(13)為:

Ti(y)>λ′

(14)

其中:

(15)

由式(15)可得雙閾值如下所示:

λ1=mλ′

λ2=nλ′

(16)

其中,m、n均為常數。

在傳統的雙閾值能量檢測算法中,如果檢測統計量E>λ2,得出授權用戶占據頻段的結論,如果檢測統計量E<λ1,則說明頻段是可用的。然而在實際應用中,次用戶接收到的信號能量值不可避免地會陷入2個閾值之間的混淆區域,無法得到準確的決策結果(H0或H1)。為了充分利用這部分傳感信息,在混淆區域增加一個細化閾值,使判決結果細化并在最后進行融合判決。由于實際噪聲功率服從均勻分布,因此取混淆區域內的細化閾值為:

λ=(λ1+λ2)/2

(17)

改進的雙閾值算法流程如下所示:

1)假設M個次用戶對授權用戶進行頻譜感知,檢測統計量用Oi表示,各節點的決策準則選用改進方法。將位于λ1和λ2之外的決策信息用一位編碼(0或1)表示,位于λ1和λ2之內的決策信息用二位編碼(10或11)表示,得到如下兩類決策信息:

(18)

(19)

2)所有次用戶都通過專用的控制通道將其決策信息發送給融合判決中心,融合判決中心從接收的2種類型信息(1位和2位信息)中提取相應的決策信息(1位信息),具體如下所示:

(20)

(21)

3)假設K個次用戶中有M個用戶決策信息為一位編碼,則有K-M個用戶決策信息為二位編碼,最終得到的融合判決結果如下所示:

(22)

(23)

(24)

改進的雙閾值能量檢測算法的檢測概率和誤警概率分別如式(25)和式(26)所示:

Qd=P(D=1,K≠M|H1)+

P(D=1,K=M|H1)=

P(D1=1,K≠M|H1)+P(D1=1,K≠M|H1)+

P(D1=1,K=M|H1)=

(P{λ1

(25)

Qf=P(D=1,K≠M|H0)+P(D=1,K=M|H0)=

P(D1=1,K≠M|H0)+

P(D2=1,K≠M|H0)+

P(D1=1,K=M|H0)=

(P{λ1

(26)

將改進的雙閾值能量檢測算法的性能用平均誤差概率Qe來表示,計算方法如下所示:

Qe=P(H0)·P{D=1|H0}+P(H1)·P{D=0|H1}=

P(H0)·Qf+P(H1)·(1-Qd)

(27)

3 頻譜感知實現及可用頻段檢測

3.1 通信系統收發端模型

使用搭建完成的軟件無線電系統在真實信道下進行數據交互,并在Simulink軟件中對接收信號進行基于改進的雙閾值能量檢測算法的頻譜感知檢測。圖4、圖5分別展示了發送端和接收端主機中Simulink框圖。由圖5可知,發送端中信號源經過QPSK調制后進入升余弦濾波器后緩存發送,接收端中接收到的QPSK信號進入升余弦濾波器后進行矩陣拼接,最后進入頻譜感知模塊。

圖4 發送端主機中Simulink框圖Fig.4 Block diagram of Simulink in the sending host

圖5 接收端主機中Simulink框圖Fig.5 Block diagram of Simulink in the receiving host

3.2 頻譜感知實現

在接收端PC中對真實信道中傳輸的信號進行頻譜檢測,在虛警概率為0.1,采樣頻率為1 000 Hz,采樣個數為2 048條件下的仿真結果如圖6所示。由圖6可知,中心頻率為2.475 GHz,頻率感知范圍為2.474 5 GHz～2.475 4 GHz,通過改變SOUP收發模塊配置可以實現不同頻段頻譜感知。當接收端的能量檢測模塊判決為1時,如2.474 6 GHz～2.474 8 GHz頻段表示授權用戶正在使用該頻段,當接收端的能量檢測模塊判決為0時,如2.474 8 GHz～2.475 0 GHz頻段表示授權用戶沒有使用該頻段,此時次用戶可以接入。由此可知,該方法能夠較好地檢測授權用戶在某一頻段內的使用情況。認知用戶將檢測到的頻譜空穴信息作為次用戶接入依據。檢測依據為:若頻譜感知結果表示為授權用戶正在使用該頻段,判斷此頻段不可用;若頻譜感知結果表示為授權用戶沒有使用該頻段,判斷此頻段為可用頻段。

圖6 中心頻率為2.475 GHz頻譜感知結果Fig.6 Spectrum sensing results with a center frequency of 2.475 GHz

4 改進的雙閾值能量檢測算法性能分析

在真實信道環境下,對能量檢測算法、雙閾值能量檢測算法與本文提出的改進的雙閾值能量檢測算法進行蒙特卡羅仿真分析。在虛警概率為0.1,信噪比(SNR)為-15 dB～0 dB,且步長為0.5條件下的仿真結果如圖7所示。由圖7可以看出,能量檢測算法受噪聲影響較大,在低SNR下檢測性能較差。在一定的范圍內,尤其在低SNR情況下,本文算法的檢測概率明顯優于雙閾值能量檢測算法。

圖7 不同SNR下3種算法的檢測概率Fig.7 Detection probability of three algorithms underdifferent SNR

圖8為SNR為-15 dB,虛警概率為0.00～0.50,且步長為0.02下的檢測概率值。由圖8可以看出,在低SNR條件下,3種算法的檢測概率均隨著虛警概率的增加而增加,當虛警概率較小時,本文算法的性能比傳統算法高很多,且隨著虛警概率的增加,它們之間的性能差距逐漸減小。在實際應用中,虛警概率通常被限制在0.1左右,因此本文算法相比傳統算法具有更好的性能。

圖8 不同虛警概率下3種算法的檢測概率Fig.8 Detection probability of three algorithms underdifferent false alarm probabilities

圖9展示了不同SNR下3種算法平均誤差概率值。由圖9可以看出,本文算法的平均誤差概率值低于傳統算法,低誤碼率意味著次用戶偶然訪問授權波段的機率更小,對授權用戶的干擾也更小。

圖9 不同SNR下3種算法的平均誤差概率Fig.9 Average error probability of three algorithms underdifferent SNR

5 結束語

本文搭建了一套通用軟件無線電系統,并提出一種改進的雙閾值能量檢測算法。該算法通過在混淆區域內增加一個細化閾值,對判決結果細化并進行融合判決,同時對授權用戶的頻譜使用情況進行檢測。實驗結果表明,該算法能夠穩定、高效地進行無線數據交互,且能夠較好地檢測出頻譜使用情況。由于該算法適用于覆蓋范圍較小的認知無線電網絡,而在復雜度高、用戶接入數量多的異構認知網絡中計算量較大。因此,如何在用戶數量日漸增長的無線網絡環境中,高效精確地感知空閑頻段以及提高頻譜資源利用率將是下一步的研究重點。