认知无线电中的频谱空洞检测技术

摘要：认知无线电是一种基于软件无线电的智能的无线通信系统，它能够认知周围环境，并能够通过一定的方法相应地改变某些工作参数来实时地适应环境，从而达到提高频谱利用率、缓解频谱资源紧张的目的。认知无线电的首要任务是检测频谱的空洞。通常用在认知无线电中的非参数谱估计的方法主要包括多窗谱估计、Welch方法等。多窗谱估计算法在进行干扰温度的估计和频谱空洞的判定时，能够利用设立的多个传感器对环境信号进行接收和监测，并按照多窗谱估计与奇异值分解(MTM-SVD)算法进行处理获得干扰温度估计值，最后将其与干扰温度限比较判决，从而得到适合认知无线电系统应用的频谱空洞。

　　自1999年认知无线电技术被提出以来，该技术就受到业内人士的普遍关注，被誉为是继超无线宽带(UWB)技术之后的另一个热点技术。

　　通常的认知无线电系统能够利用具有感知功能的无线通信设备，在不影响授权用户使用的前提下，通过感知频谱环境，采用“伺机”的方式非授权的使用某些频段，从而形成网络并达到良好通信效果。

　　美国电气电子工程师学会(IEEE)于2004年10月正式成立IEEE 802.22工作组，其目的是研究无线区域网络（WRAN），而认知无线电技术就是WRAN中的关键。美国联邦通信委员会（FCC）2003年12月就相当于美国“电波法”的《FCC规则第15章》，公布了修正案，只要具备认知无线电功能，即使是其用途未获许可的无线终端，也能使用需要无线许可的现有无线频带，FCC在推进智能无线技术的同时还将放宽有关限制。

　　同时，IEEE 802.16也成立了IEEE 802.16h工作组，致力于改进诸如策略和媒体接入控制增强等机制以确保基于IEEE 802.16的免许可证系统之间的共存，以及与有主要使用者的系统之间的共存。IEEE 802.16h使WiMAX能够满足FCC的要求，作为次要使用者使用空白的地面电视频道，它的核心也是认知无线电技术。

1 认知无线电中的环境感知

　　认知无线电是可以感知外界通信环境的智能通信系统,它通过自适应地调整其自身内部的通信机理来达到对环境变化的适应。这样的自适应调整一方面是为了改进系统的稳定性，另一方面是为了提高频谱资源的利用率。从而达到在任何时刻、任何地点提供可靠的通信，并且能够高效地使用无线频谱资源的目的。

　　在其工作区域中，认知无限电系统需要感知并分析该工作区域的频段，找出适合通信的“频谱空洞”，在不影响已有通信系统的前提下伺机工作。从认知无线电工作流程上看，最先进行的工作是对该地无线信道环境的感知，即频谱检测和“空洞”的搜寻与判定。也就是说，频谱环境的感知是认知无线电技术成立的前提和先决条件，只有在环境感知和检测的基础上，才能够进行资源的使用和通信。

　　在这里，我们称呼的“频谱空洞”是指在频谱中的某段频率带宽，这段频率未被授权用户使用，或者被使用但是在当前考察地理区域中功率很低。在这段频率中，仅仅只有低功率噪声干扰或者相当于低功率噪声干扰的授权用户信号，因此在频谱上形成了一段空白的地方，从而也就可以为认知无线电系统的通信提供频谱资源。

　　在实际应用中，针对频谱进行考察时，通常将待查频段看作一个整体来衡量其可用与否。这时，也存在这样一种称呼，将待查频段看作一个待查的频率空洞区间，该区间可能有下面3种情况：

　　黑空：被授权用户的原始分配业务很大程度上占据，存在高功率的干扰，不能被认知业务使用；

　　灰空：被授权用户的原始分配业务部分占用，存在一定功率的干扰，基本不被认知业务使用；

　　白空：未被授权用户的原始分配业务占用，仅存在环境噪声，可以被认知业务非授权的使用。

　　频谱检测的任务就是查找适合认知无线电业务通信的合适频谱空洞（白空），或者对具体频段在黑空（灰空）和白空之间的转变进行监测，用以判断频段的可用性。在进行频谱检测时，一般采用的方法是对所观察频段进行干扰温度的谱估计。

　　对于认知无线电而言，将原有授权用户的信号和噪声等统称为干扰。干扰温度是认知无线电领域中引入的一种衡量频段上干扰强度的量，通常的做法是将它和功率谱功率成正比关系。给定任一个频带，测得通信系统接收处干扰温度不超过一定界限，等待服务的用户就能使用它，这里也就设定了衡量频谱空洞区间可用与否的标准为干扰温度限。干扰温度限规定了在某频带和特定地理位置满足接收者需求的最差场合的无线传输环境特征。这样，在某感兴趣的频带内，接收天线处测量到的干扰温度为可接受的无线电干扰提供了精确的量度标准，如果噪声基准超出了干扰温度限，将认为在该频带内的通信系统性能是很差的。

　　在认知无线电中，频谱检测技术不仅仅在“频谱空洞”的搜寻和判定中起关键作用，在系统的通信过程中，它还需要负责频谱状态的实时监测。对频谱的监测一方面可以搜集无线环境的统计资料，为高层的频谱管理提供辅助；另一方面进行的实时干扰温度估计为系统的发射端进行功率控制提供必要的参数支持。在某些情况下，监测频谱也能够比较准确地判定射频信号碰撞事件，使认知无线电系统能够尽快进行主动退避，避免过多地影响原有授权用户的通信。

2 非参数谱估计方法

　　在认知无线电频谱检测的工作中，如何进行高效的无线频谱估计和分析是关键技术之一。频谱分析是一项相对比较成熟的数字信号处理技术，经过了多年的发展，形成了众多各具特色的算法和理论。在认知无线电技术中，可以利用这些已有的算法进行无线环境的检测。当然，由于认知无线电的特殊性质，需要在一定通信区域、较宽的频域、以及时域进行频谱分析，这就要求对众多频谱分析算法进行合适的选取和改动。通常用在认知无线电中的非参数谱估计的方法主要包括多窗(MTM)谱估计、Welch方法等。

　　2.1 多窗谱估计算法

　　多窗谱估计算法是使用多个离散扁球体序列（Slepian序列）作为正交窗函数。Slepian序列的显著特性就是在有限样本数目的限制下其傅立叶变换的最大能量密度集中于带宽（f 0-B，f 0+B）内，即Slepian序列在有限采样点时的傅氏变换具有极佳的能量集中特性。这种特性允许折中谱分辨率来改善谱特性，使得在降低谱估计的方差时不会影响估计偏差。将每个Slepian序列都应用于整个记录数据并采用快速傅立叶变换计算周期图，最后对周期图平均就得到相应的谱估计。

　　假设时间序列为，MTM谱估计过程设定k 阶Slepian窗的正交序列为。相应估计的特征谱定义为以下傅立叶变换：

　　基于最小旁瓣泄漏特征谱的谱估计表达式如下：

　　其中λk 表示第k个特征谱对应的特征值。

　　值得注意的是，谱估计过程可以解释为最大似然功率谱估计器的近似。而且，对于宽带信号而言，MTM谱估计过程是近最优的。在功率谱估计中，MTM方法被广泛认为是优于任何非参数谱估计方法（从带宽、偏差、方差角度衡量）。更为重要的是，和最大似然估计相比，MTM谱估计器具有计算简便的特点。