论文总字数：18057字

摘 要

序贯检测法是近年来兴起的一种新的频谱感知方法，其对能量检测方法采用的固定样本数检验的检测方式进行了改善。序贯检测方法采用对样本数逐一采样的方式，对采样数不作规定，而是在采样过程中，根据之前的检验结果进行判决，直到达到规定的判决门限便立即停止采样。

传统序贯检测对每个采样数据均进行计算，其在平均意义上采样点数比能量检测方法更少。但是当处于低信噪比条件下时，到达判决门限所需要的采样点数往往会急剧增加，无法满足快速频谱感知的要求。

本文针对传统序贯检测算法在低信噪比条件下检测性能不理想的问题，提出一种基于超采样的序贯检测算法，利用信号在时间上的相关性，对采样点进行分组。将每个分组后的数据作为新的采样序列进行计算分析，并与判决门限作比较，以确保在低信噪比情况下依然能有较好的检测性能。

关键字：认知无线电 频谱感知 序贯检测 超采样

Design of a sequential detection algorithm based on oversampling

ABSTRACT

The sequential detection method is a new spectrum sensing method that has emerged in recent years. It improves the energy detection method, which uses the fixed number of samples to sense spectrum. The sequential detection method samples the signal without determining the number of samples. In its sampling process, the judgment is performed due to the previous inspection result. Once reaching the specified judgment threshold, sampling is stopped immediately.

The traditional sequential detection method calculate each sampling data, and the average number of sampling points is smaller than the energy detection method. In a low SNR condition, we need much more sampling points to reach the decision threshold, which cannot satisfy the demand of quickly sensing spectrum.

In this paper, we propose an oversampling-based sequential detection algorithm to solve the above problem that the detection performance of the sequential detection method is unsatisfactory. We group the sampling points due to the correlation of signals. The grouped data is calculated and analyzed as a new oversampling sequence and compared with the decision threshold. In this way, we can ensure better detection performance at low SNR.

Key words: cognitive radio; spectrum sensing; sequential detection; oversampling

目 录

摘 要 2

ABSTRACT 3

第一章 绪论 1

1.1研究背景 1

1.2现状调查 2

1.3 主要工作 3

1.4 本章小结 3

第二章 基于序贯检测的频谱感知方法 5

2.1理论概述 5

2.2系统模型 5

2.3 序贯检测算法 5

2.4 性能分析 6

2.5 本章小结 9

第三章 基于超采样的序贯检测算法 10

3.1 理论概述 10

3.2 算法步骤 10

3.3 性能分析 12

3.3 仿真结果分析 16

3.4 本章小结 20

第四章 结束语 21

参考文献 22

致 谢 24

附 录 25

第一章 绪论

1.1研究背景

自中国改革开放以来，通信业进入快车道，对通讯产业的需求急剧上涨，推动了通讯技术的蓬勃发展，因此带来了对通讯速度的高标准高要求。以我们日常生活中的移动通信为例，在短短的十几年内，其传输速率已经由最早的不足10kbit/s提高到现在超过100Mbit/s。但即使如此，仍然无法满足人们对无线带宽的日益增长的需求。这是因为，我们的频谱资源是有限的，尽管人们在不断地开发新的频段并且利用各种改进的调制和编码技术使得频谱的利用效率提高，但是人们对于带宽的需求急剧增长，单纯地通过改善现有的传输技术是无法解决频谱资源利用效率低下的问题的。在传统的无线通信系统中，无线频谱主要由国家分配授权，某一频段固定地由某一指定通信系统独立使用。然而根据香农公式可以得出理论上信道容量是固定的，因此人们只有将研究重点放在如何对有限的频谱进行更高效的利用。于是，根据传统的频谱分配方式的不足，人们提出了各种方法来对频谱进行复用，以提高其利用率^[1]。该领域的研究方向包括以下两个：一是通过降低信号的功率谱密度来进行频谱的复用，即通过频谱重叠的方式，实现与窄带信号的共存，在尽量不干扰现存系统的情况下，达到频谱复用的目的。另一个研究方向就是对传统的频谱方式进行改进，提高频谱的利用率。即在不影响授权频段上主用户(Primary User, PU)的情况下，通过频谱感知对无线环境进行分析决策，最终将次级用户(Secondary User, SU)接入可用频段。认知无线电技术就是根据这种思路而诞生。

认知无线电^[2]最早由J Mitola博士提出，2005年，著名学者Haykin Simon为其做出了具体定义^[3]：认知无线电(Cognitive Radio, CR)是一种智能的无线通信系统，它可以利用人工智能技术感知外部外部环境的变化并且从环境中学习，通过改变某些参数，调整内部状态来适应接收到的统计性变化，从而达到随时随地的高度可靠通信。认知无线电网络^[4]主要包括以下几个部分：频谱感知、频谱分析、频谱决策以及频谱迁移。其中频谱感知作为所有工作的基础，其目的就是对指定频段上主用户的活动情况进行监测，确认次用户是否可以对当前频段进行利用。当通过频谱感知确认当前频段尚未有授权信号正在使用，次用户即可进入该频段传输数据；当该频段出现主用户信号时，次用户停止数据传输，让出该频段的使用权，以免对授权用户信号产生干扰。

1.2现状调查

随着认知无线电技术的不断发展，频谱感知算法以及感知模型一直是人们研究的重点。现有的频谱感知方法有很多，按照感知的用户数量可以分为单节点频谱感知算法和协作频谱感知算法^[4]。单节点检测的主流方法包括循环平稳特征检测(Cyclostationary Feature Detection)、能量检测(Energy Detection)和匹配滤波检测(Matched Filtering Detection)。其中，匹配滤波法具有最佳的检验性能，但是检验时需要提前知道主用户信号的信息，该条件往往难以达成；循环特征检测法利用信号的循环平稳特性来判断主用户信号是否存在，但由于计算量较大，往往需要消耗大量的时间，不能及时反映频谱情况；能量检测实施方法简单，并且不需要大量的计算，但是，当处于低信噪比情况时，检测性能不太理想。于是，有学者提出了一种贯序检测算法，相比较于能量检测算法，该算法采样点数更少，频谱判别速度更快。但是，序贯检测在某些情况下检测数据为达到指定检测门限阈值需要大量的采集时间，因此仍然存在检测效率较低的问题。本文将每个感知周期内的采样数据进行分组形成超样本，对超样本序列进行序贯检测，以达到更加高效的频谱检测。

1. 能量检测

能量检测算法实现简单，因此在频谱感知中应用较为广泛。其基本原理是通过对时域信号采样点进行能量计算，然后将其累加得到统计检测量，其算法简单，且可以在没有任何授权用户信息的情况下实现。但是，能量检测下的频谱感知并不能区分授权信号与噪声干扰，因此，在信噪比较低时，能量检测会出现错误判决。

1. 循环平稳特征检测

通信信号在经过一系列的压缩调制处理后，往往会呈现出一定的周期性，利用这种周期性的检测算法被称为循环平稳特征检测算法^[4]。循环平稳信号是一种随时间周期性变化的信号，利用该信号的循环特性可以有效地区分主用户与噪声信号，从而实现较为精准的频谱感知。但是相应的其计算量较大，需要大量的时间进行计算，无法及时反映频谱情况。

1. 匹配滤波检测

匹配滤波检测是最目前常见的检测方法。当接收端提前知道接收信号的某些信息时，匹配滤波检测可以使接收端信号的输出信噪比达到最大，更简单直观地判断主用户是否正在使用目标频段，从而提高检测性能。但是通常情况下，接收端往往难以得到主用户的信息或得到的信息不够准确，进而无法保证其检测性能。

协作频谱感知^[4]，即多个用户合作对频谱进行感知,将每个单节点的感知结果相融合，共同做出判决。协作频谱感知可以通过共同协作的方式提高整体感知的性能。协作感知按照处理的数据的方法不同，分为分布式和集中式两种方式，通过各个次用户节点互相协作，传递感知信息，然后进行共同判决得出判决信息，这种方式叫做分布式的频谱感知^[4]。如果每个次用户节点分别通过各自单节点检测得到自己的判决信息，然后将信息发送到融合中心，在融合中心处通过一系列相应的融合算法最后得出判决结果，这种方法就是协作频谱感知中的集中式方法。

1.3 主要工作

传统的序贯检测法在检测时需要对每个采样点都计算一次似然比，没有充分考虑到采样序列的时间相关性，不仅计算量大，而且感知时间较长，无法满足快速感知的要求。然而我们不难发现，通常状况下主用户的状态是不会频繁发生变化的，因此次用户采集到的相邻样本点往往包含着相似的信息，所以我们并不需要对所有的采样点都一一计算似然值，再进行重复的门限比较。基于上述情况，本课题提出一种基于超采样的序贯频谱检测算法，即将采样信号进行分段处理，将分段后的信号加以组合，形成一个超采样。此时，只需要对超采样序列进行序贯检测，便能快速地进行频谱感知。此方法可以大大减少计算量，同时也可降低感知时间，从而可以对传统的序贯检测方法进行进一步的改善。

1.4 本章小结

本章首先介绍了无线认知技术的研究背景、现状以及发展前景，接着给出了频谱感知中各检测算法的模型，介绍其原理以及其优缺点，在传统序贯检测方法的基础上，引入超采样的概念，得出一种基于超采样的序贯检测算法。

第二章 基于序贯检测的频谱感知方法

2.1理论概述

序贯分析^[6]属于统计学的一种思想，被美国统计学家A. Wald首次提出。序贯抽样检测，就是逐次取样，通过样本数的不断增加，直到能够达到某个判决门限阈值，能恰当地做出判决。该方法的好处在于不用预先固定样本数量，在采样的同时进行比较判决，采样点数根据情况而产生变化，一旦到达某个判决门限后就立即做出判决，所需的平均抽样次数更少，大大地提高了抽检效率。

请支付后下载全文，论文总字数：18057字