劉 鶴

（蘭州交通大學(xué)，電子與信息工程學(xué)院， 蘭州 730070）

0 引言

隨著無線通信的飛速發(fā)展，可用的頻譜資源越來越少，而目前為特定通信業(yè)務(wù)固定分配專用頻譜的方式，導(dǎo)致了當(dāng)前的頻譜資源短缺的問題。認(rèn)知無線電技術(shù)為解決如何在有限頻譜資源條件下提高頻譜使用率[4]這一無線通信難題開辟了一條新的途徑。認(rèn)知無線電是一種用于提高無線電通信頻譜利用率的新的智能技術(shù)，在授權(quán)頻段沒用或者只有很少的通信業(yè)務(wù)在活動的情況下，認(rèn)知用戶能夠以“借用”方式使用已授權(quán)的頻譜資源，并且認(rèn)知用戶對授權(quán)用戶不至于產(chǎn)生某種限度的干擾（干擾溫度）[5]。

1 頻譜感知

頻譜感知技術(shù)是認(rèn)知無線電系統(tǒng)設(shè)計的重要組成部分，對實現(xiàn)無線頻譜的二次利用和提高無線頻譜利用率起著至關(guān)重要的作用。在認(rèn)知無線電系統(tǒng)中，認(rèn)知用戶與授權(quán)用戶共存。頻譜感知就是通過各種信號檢測和處理手段來獲取無線網(wǎng)絡(luò)中的頻譜使用信息。本文是基于人工神經(jīng)網(wǎng)絡(luò)的認(rèn)知無線電頻譜感知，它通過ANN算法與本地感知技術(shù)相結(jié)合， 克服傳統(tǒng)檢測算法的局限性，通過在線學(xué)習(xí)來積累主用戶信號的先驗信息，在某個噪聲波段范圍內(nèi)進行學(xué)習(xí)和訓(xùn)練以克服噪聲不確定性的影響，能夠更有效和準(zhǔn)確地判別主用戶的存在。

2 單用戶檢測

2.1 能量檢測

能量檢測[6]算法是一種簡單的信號非相干檢測算法，通過對特定頻帶的頻譜能量進行測量達到頻譜檢測的目的。能量檢測是直接對時域信號采樣值求模，然后平方即可得到。它的基本實現(xiàn)原理是在一定的頻帶范圍內(nèi)作能量積累，如果積累的能量值高于一定的門限值，說明有信號存在；如果低于門限值，則說明只有噪聲存在。

2.2 匹配濾波檢測

匹配濾波器就是靜態(tài)高斯噪聲理想探測器，它能使認(rèn)知無線電接收到的信號信噪比最大化。由于是一種相干檢測，所以它需要事先知道先驗信息，然后將檢測到的信號與先驗信息進行匹配識別，因此對相位同步要求非常高。

2.3 循環(huán)平穩(wěn)檢測

認(rèn)知無線電中主用戶的信號具有循環(huán)平穩(wěn)性，而它們的譜相關(guān)函數(shù)的循環(huán)頻率在不為零時有較大非零值，而平穩(wěn)噪聲的循環(huán)譜能量則主要集中于零處，而在其他非零處能量幾乎為零，循環(huán)平穩(wěn)檢測就是通過這點來確定主用戶是否存在的。

表1 為3種單用戶檢測算法的優(yōu)缺點對比。

表1 3種單用戶檢測算法的優(yōu)缺點

2.4 人工神經(jīng)網(wǎng)絡(luò)算法分類器

本文提出使用人工神經(jīng)網(wǎng)絡(luò)進行認(rèn)知無線電調(diào)制信號的識別。因為ANN分類器具有強大的模式識別功能，能較好地處理復(fù)雜的非線性問題，而且具有較好的穩(wěn)健性和潛在的容錯性，可獲得很高的識別率。分類識別是依據(jù)信號特征的觀測值將其分到不同類別中去，分類器流程圖如圖1所示，先提取未知環(huán)境信號特征值，然后輸入到訓(xùn)練好的ANN分類器中進行匹配從而進行判決主用戶是否存在，來決定認(rèn)知用戶是否可以占用主用戶信道。

圖1 分類器流程圖

基于ANN的頻譜感知，能夠使分類器自主學(xué)習(xí)，積累主用戶信息。首先提取樣本信號的特征值（這里取一個能量值和3個循環(huán)譜值）。

特征值提取：

(a)能量值

能量有限信號f(t)，傅里葉變換為F(ω)，f(t)的能量表達式為：

(b)循環(huán)譜值

取隨機過程x(t)，循環(huán)頻率為a的循環(huán)自相關(guān)函數(shù)：

然后將式(1)，(2)，(3)求出的特征值作為ANN的輸入，通過訓(xùn)練，權(quán)值會不斷的進行調(diào)整，然后將這些樣本信息存入到數(shù)據(jù)庫中實行記憶。之后對接收到的環(huán)境信號進行相同的特征值提取輸入到ANN中,將輸出的向量與目標(biāo)向量進行異或運算，結(jié)果為0，則主用戶存在；結(jié)果為1則主用戶不存在。

3 仿真結(jié)果

為了驗證本文提出方法的性能，而匹配濾波算法需知道主用戶的先驗信息，這里暫且不予進行比較，這里只將神經(jīng)網(wǎng)絡(luò)感知算法與能量檢測算法和循環(huán)平穩(wěn)檢測算法進行比較。

對5種調(diào)制信號——AM, BPSK, FSK, MSK,QPSK使用MATLAB進行調(diào)制方式識別仿真實驗。AM調(diào)制信號使用單頻正弦波，其他數(shù)字調(diào)制信號由隨機序列產(chǎn)生，再調(diào)制成還有窄帶白高斯噪聲的窄帶信號。仿真的信噪比為[-15,-10, -5,0,5]，每個信噪比進行獨立1000次試驗。

定義正確識別率為：

表2中各調(diào)制信號的采樣點數(shù)為1024，在4種不同的信噪比下，分別使用能量檢測，循環(huán)平穩(wěn)檢測和ANN 3種分類器的信號正確識別率。仿真結(jié)果顯示基于ANN的分類器識別率要高于能量檢測和循環(huán)平穩(wěn)檢測。而且在低信噪比時優(yōu)勢明顯。雖然在信噪比比較高的時候，ANN分類器與循環(huán)平穩(wěn)檢測分類器的識別率相當(dāng)，但是由于循環(huán)平穩(wěn)檢測的計算量很大，所需的檢測時間較長。從效率上講，ANN分類器對循環(huán)平穩(wěn)檢測分類器有很大的優(yōu)勢。

表2

圖2 是QPSK信號分別在不同的信噪比下，分別使用基于能量檢測算法，循環(huán)平穩(wěn)檢測算法，和ANN檢測算法3種分類器得到的識別率折線圖。在低信噪比的情況下，ANN算法分類器的識別率明顯高于其他兩種分類器，雖然隨著信噪比的提升，其他兩種分類器的識別率有很大提升，但仍然低于ANN算法分類器。而且ANN算法分類器在低信噪比很低的情況下識別率也在85%以上。

圖2 識別率折線圖

4 結(jié)論

本文提出的基于人工神經(jīng)網(wǎng)絡(luò)算法的認(rèn)知無線電感知，通過MATLAB802.11仿真平臺模擬無線通信系統(tǒng)，將收集到的經(jīng)驗數(shù)據(jù)作為神經(jīng)網(wǎng)絡(luò)算法的訓(xùn)練值，對分類器進行訓(xùn)練，得到目標(biāo)向量值，并進行記憶。然后對環(huán)境信號進行特征值提取經(jīng)分類器與目標(biāo)信號進行比對判決，原理類似于匹配濾波算法，但ANN算法具有自主學(xué)習(xí)能力，無需知道先驗信息，能很好地提高信號的識別率并高效地探測出主用戶是否存在，具有可靠性高，性能好的優(yōu)勢。

[1] J.Mitola.Cognitive Radio: an integrated agent architecture for software defined radio[J].Doctor of Technology, 2000.

[2] Thomas W.Rondeau,BinLe,Christian J.Rieser cognitive radios with genetic algorithms:intelligentcontrol of software defined radios Proceeding of the SDR [R].04 Technical Conference and Product Exposition, 2004.

[3] 鄧麗粼,張翠芳,周興建,溫坤華.遺傳算法在認(rèn)知無線電頻譜感知中的應(yīng)用[J].電子技術(shù)應(yīng)用,2010(3):113-116.

[4] HAYKIN S.Cognitive radio:brain -empowered wirelesscommunications[J].IEEE Journal on Selected Areas in Communications,2005,23(2): 201-220.

[5] 張曉,鄧建國.干擾溫度機制的研究[J].中興通訊技術(shù),2007(5).

[6] 秦繼新,方勇,張士兵.認(rèn)知無線電中的頻譜感知技術(shù)[J].機械與電子,2009,11(1):95-96.

[7] 江虹,馬景輝,黃玉清,伍春.用 RBF神經(jīng)網(wǎng)絡(luò)算法設(shè)計 CR認(rèn)知引擎[J].Journal Of Xi Dian University,2011,38(1) :159-164.

[8] 趙知勁,彭振,鄭仕鏈,等.基于量子遺傳算法的認(rèn)知無線電頻譜分配[J].物理學(xué)報,2009,58(2):1358-1363.

[9] 黃晨,魏勝群,張華偉,徐婷.基于遺傳算法的快速認(rèn)知無線電[J].現(xiàn)代電子科技,2010(7):10-13.