基于基扩展模型的能量检测算法

摘 要：为提高认知无线电系统的频谱感知效率，本文在现有本地能量检测基础上提出了一种基于基扩展模型的能量检测算法，以减少单个认知用户的感知任务。该算法工作于多个认知用户协同感知的场景下，在认知用户进行本地能量检测时引入基扩展模型，对检测频段的信号能量情况进行建模，以较少的采样点数合理估算目标频段上的信号能量。仿真结果表明，该算法能有效减化单个认知用户的能量检测操作，进而提高系统的频谱感知效率。

关键词：认知无线电；频谱感知；基扩展模型；能量检测

随着无线通信技术的发展及其市场需求的快速增长，无线频谱资源愈来愈成为稀缺资源，与此同时，大部分无线电频段并没有得到有效的利用[1][2][3]。

认知无线电技术作为解决无线频谱资源日益短缺、授权频谱利用率不高问题的关键技术之一，是当前无线通信领域中的一项重要研究课题。认知无线电的概念来自于1999年瑞典皇家理工学院Joseph Mitola博士对软件无线电的“升级”[4]，为解决频谱利用率低的问题提供了一种可靠的解决思路。其核心思想是：次用户（Secondary User，SU）（即尚未获得频谱授权的认知用户）可靠感知频谱环境，探测主用户（Primary User，PU）（即授权用户）信号，判断其是否存在，并能自适应地接入即时可用的频谱（即当前未被授权用户占用的频谱）。认知用户对特定范围频段进行监视和检测，以确定可供其使用的信道，这个过程即认知无线系统的频谱感知过程[5]。

目前，认知用户用来检测来自授权用户发射源的信号的方法，主要包括能量检测（Energy Detection）、匹配滤波检测（Matched Filter Detection）和周期平稳过程特征检测（Cyclostationary Features Detection）三种方案[6]。

能量检测对一定时间或频带范围内的信号进行能量累积，将累积量与事先设定好的门限相比较，若高于门限就认为授权用户信号存在，反之，则说明不存在[7]。对授权用户信息无任何先验知识（如信号调制方式）的要求，对认知用户的处理能力要求不高，在针对单信道（即窄带频段）进行感知判决时，能量检测相较其他本地频谱感知算法（如匹配滤波检测）显示出了它在认知系统复杂度上的巨大优势。

随着需要感知判决的频带愈来愈宽，认知系统面对数量众多的待感知信道时，每个认知用户的感知任务大大增加，若再对每个子信道进行细致的能量检测，认知用户的感知压力将会过大。因此，致力于减少能量检测中的采样点数的研究是有实际意义的。

基于以上认识，本文提出一种基于基扩展模型的能量检测算法，从减少认知用户在目标频段的采样点数的角度减少认知系统的感知任务。

1 能量检测

4 结论

介绍了本地能量检测和基扩展模型的基本原理，分析了基扩展模型用少量采样点表示众多时变数据的特点，及其在本地检测中应用的必要性与可行性。提出了一种基于基扩展模型的能量检测算法，在认知用户本地检测时引入基扩展模型，以简单的矩阵相乘方式补偿原有的部分采样过程，降低对认知用户处理能力的要求；仿真结果表明，该算法能有效减少单个子信道信号的采样点数，模拟目标频段接收信号的能量，从而提高系统的频谱感知效率。

参考文献

[1]V. Valenta， et al.， Survey on spectrum utilization in Europe： Measurements， analyses and observations， 2010， pp. 1-5.

[2]share spectrum company， NSF funded measurements， http：///measurements， August 2005.

[3]马伟. 认知无线电频谱检测技术研究. 博士学位论文. 2010.

[4]J. Mitola III and G. Q. Maguire Jr， Cognitive radio： making software radios more personal， Personal Communications， IEEE， vol. 6， pp. 13-18， 1999.

[5]S.Shellhammer.The Spectrum Sensing Function.IEEE document number：802.22-07/0074r2.

[6]A. Sahai， et al.， Some fundamental limits on cognitive radio， 2004， p. 1662-1671

[7]Digham F， Alouini M， Simon M， On the energy detection of unkown signals over fading channels， Proceeding of IEEE ICC， vol. 5， pp. 3575-3579， 2005.

[8]F. C. C. R. Proposal， Notice of Proposed Rule Making， FCC Docket.

[9]Mostofi Y， Cox D. C.， ICI Mitigation for pilot-aided OFDM mobile systems， IEEE Transactions on Wireless Communications， vol. 4， 2005， pp.765-774.

[10]El Hajj Shehadeh， Sezginer， Fast varying channel estimation in downlink LTE systems， IEEE International Symposium on Personal Indoor and Mobile Radio Communications， 2010， pp. 608-613.

[11]Tang Zijian， Cannizzaro R. C， Leus G， Pilot-assisted time-varying channel estimation for OFDM systems， IEEE Transaction on Signal Processing， vol. 55， 2007， pp. 2226-2238.