?

基于PN序列自相關(guān)的雙門限自適應(yīng)DTMB頻譜感知

羅子威1**,，王軍1，潘長勇1，朱景暉2，李薰春2

(1. 清華大學(xué) 電子工程系，北京 100084；2. 國家新聞出版廣電總局 廣播科學(xué)研究院，北京 100866)

摘要：對于地面電視的模數(shù)轉(zhuǎn)換產(chǎn)生寶貴的廣播電視“白頻譜”資源，頻譜感知與檢測技術(shù)是高效有序地利用頻譜資源的基礎(chǔ)。在數(shù)字電視地面多媒體廣播(DTMB)傳輸系統(tǒng)中，針對傳統(tǒng)的基于信號特征的感知算法在檢測性能、計算復(fù)雜度與靈活性上的不足，提出了一種自適應(yīng)的DTMB頻譜感知算法。該算法以雙門限感知檢測為基礎(chǔ)，在雙門限之外采用基于偽隨機(PN)序列自相關(guān)的算法，在雙門限之內(nèi)采用不等間隔PN序列累積自相關(guān)的算法，同時自適應(yīng)地調(diào)整雙門限的取值，平衡算法復(fù)雜度、感知性能與信道環(huán)境的需求。仿真結(jié)果表明，該算法在不同的信道條件下能自適應(yīng)且快速地調(diào)整參數(shù)，有效提高頻譜檢測性能，降低算法復(fù)雜度。

關(guān)鍵詞：數(shù)字電視地面多媒體廣播傳輸系統(tǒng)；頻譜感知；偽隨機序列自相關(guān)；雙門限；自適應(yīng)算法

1引言

無線電頻譜是有限的極其寶貴的資源，它的稀缺性在于同一時間同一區(qū)域只能有一個通信系統(tǒng)使用同一段頻譜，而其他通信系統(tǒng)則無法使用這段頻譜，否則會帶來嚴重的干擾。現(xiàn)在通信頻譜緊缺的趨勢也讓人們思考在通過技術(shù)進步降低現(xiàn)有通信系統(tǒng)所占頻譜帶寬的同時，如何開發(fā)新的頻譜和復(fù)用已有的頻譜[1]。

在主要頻譜都已經(jīng)劃分殆盡時，地面電視的模數(shù)轉(zhuǎn)換產(chǎn)生廣播電視“白頻譜”的空閑頻譜資源，則顯得更加珍貴。廣播電視“白頻譜”主要包括被分配廣播電視使用但實際沒有被使用的無線電頻段以及由于模擬發(fā)射臺停播時的頻段和由于保護率要求而空閑的頻段[2]。數(shù)字電視地面多媒體廣播(Digital Television Terrestrial Multimedia Broadcasting，DTMB)是中國制定的有關(guān)數(shù)字電視和數(shù)字廣播的制式，同時也是國際電信聯(lián)盟的數(shù)字電視地面廣播國際標準。它采用中國自主研發(fā)的時域同步正交頻分復(fù)用調(diào)制方式，于2007年8月1日起執(zhí)行[3]。多數(shù)發(fā)達國家已經(jīng)完成模擬電視到數(shù)字電視的轉(zhuǎn)換，當(dāng)前中國也正處于模擬電視到數(shù)字電視轉(zhuǎn)換的關(guān)鍵時期，由此將釋放出大量的頻段資源。廣播電視白頻譜位于甚高頻(Very High Frequency，VHF)和特高頻(Ultra High Frequency，UHF)頻段，其優(yōu)越的信號傳播以及室內(nèi)滲透特性能夠提供良好的大面積覆蓋，具有極高的實用價值。

通過頻譜感知與檢測技術(shù)在指定頻段感知信號主用戶的存在，就成為高效利用頻譜的關(guān)鍵所在。頻譜感知技術(shù)主要包括能量檢測法、匹配濾波器檢測與特征檢測法等[4]。能量檢測法對信號類型不作限制，根據(jù)檢測頻段的信號能量來判斷主用戶是否存在，是一種“盲檢測”的算法，算法簡單但受噪聲影響大且檢測性能有限；匹配濾波器檢測是在信號波形已知情況下的最優(yōu)檢測，通過設(shè)計匹配濾波器來獲得接收端的最大信噪比輸出，需要已知精確的導(dǎo)頻信號、調(diào)制方式、同步碼等先驗信息，對接收端同步的要求也很高；特征檢測利用數(shù)字調(diào)制信號的循環(huán)平穩(wěn)特性獲得對主用戶的感知，計算復(fù)雜度高且依賴較高的抽樣速率和時鐘同步。

目前，針對DTMB信號的頻譜感知技術(shù)已有不少的研究。文獻[5-6]基于幀頭偽隨機(Pseudo-Noise，PN)序列自相關(guān)提出的頻譜感知算法(PNAC算法)，利用固定間隔的接收信號自相關(guān)的峰值作為判決統(tǒng)計量，算法相對簡單，但頻譜感知性能有限。文獻[7]利用幀頭PN序列互相關(guān)作為判決統(tǒng)計量，檢測性能有了一定的提升，但其對抗載波頻偏與多徑干擾的能力較差，互相關(guān)量計算復(fù)雜度也明顯比自相關(guān)量要高，因此實際應(yīng)用范圍相當(dāng)有限。文獻[8]提出的基于幀頭PN序列不同間隔累積自相關(guān)的頻譜感知算法(DIPNAC算法)，利用不同間隔的接收信號的自相關(guān)值進行累加，充分利用了感知時間內(nèi)的接收信號數(shù)據(jù)，感知性能有了較大改進，但該算法具有較高的計算復(fù)雜度。

在通常的認知無線電系統(tǒng)中，感知終端面臨的環(huán)境是復(fù)雜而多變的，而現(xiàn)有的DTMB頻譜感知算法在算法復(fù)雜度與檢測性能上不能兼顧，無法自適應(yīng)地根據(jù)環(huán)境需求利用最小的代價獲得預(yù)期的檢測性能，因此，本文提出基于雙門限判決的DTMB自適應(yīng)頻譜感知的新算法，算法能夠在預(yù)設(shè)的期望檢測率下自適應(yīng)感知和調(diào)節(jié)判決門限，以較小的運算復(fù)雜度的代價保證單節(jié)點感知性能。

2DTMB幀結(jié)構(gòu)與系統(tǒng)模型

DTMB采用了分級幀結(jié)構(gòu)，與自然時間保持同步[9]。數(shù)據(jù)幀的基本單元為信號幀，信號幀由幀頭與幀體兩部分組成。超幀由一組信號幀組成，幀長為125 ms，分幀由一組超幀組成，幀長為1 min，幀結(jié)構(gòu)的頂層為日幀。

信號幀是系統(tǒng)幀結(jié)構(gòu)的基本單元，一個信號幀由幀頭和幀體兩部分時域信號組成，幀頭和幀體信號的基本符號率相同，均為7.56 Msymbol/s[9]。幀頭部分由PN序列構(gòu)成，幀頭長度有420、595、945個符號這三種情況，對應(yīng)PN420、PN595、PN945這三種幀頭模式。幀體部分包含3780個符號，時長固定為500 μs。對于三種幀頭模式，分別由225、216和200個信號幀構(gòu)成一個超幀。

PN420幀頭采用循環(huán)擴展的8階m序列，由82個循環(huán)前同步符號、PN255序列和83個循環(huán)后同步符號組成。PN595幀頭采用10階m序列PN1023的前595個符號。PN945幀頭采用循環(huán)擴展的9階m序列，由217個循環(huán)前同步符號、PN511序列和217個循環(huán)后同步符號組成。其中,PN420與PN945模式有固定相位與旋轉(zhuǎn)相位兩種模式，PN545只有固定相位模式。

定義Li(i=1,2,3)為三種模式下的幀頭長度，Mi(i=1,2,3)為三種幀頭模式下信號幀的長度,x(n)表示信號幀中的第n個時域符號。當(dāng)發(fā)送信號為x(n)時，經(jīng)過高斯白噪聲w(n)的信道，假設(shè)信道載波頻偏為fΔ，則定義接收信號為

(1)

式中，H1表示存在DTMB信號的假設(shè)，H0表示不存在DTMB信號的假設(shè)。

3算法介紹

本節(jié)提出一種基于PN序列自相關(guān)的雙門限自適應(yīng)頻譜感知算法。與現(xiàn)有的頻譜感知算法最大的不同之處在于，所提算法能在不同信道環(huán)境下自適應(yīng)地調(diào)整參數(shù)，以較小的開銷獲得預(yù)設(shè)的檢測性能。DTMB系統(tǒng)包括了多種幀頭模式，本節(jié)根據(jù)不同的幀頭模式介紹檢測算法，并對自適應(yīng)調(diào)整的算法進行介紹。

3.1基于PN序列自相關(guān)的DTMB頻譜感知算法(PNAC)[5-6]

PNAC算法利用相鄰兩幀幀頭的PN序列的自相關(guān)結(jié)果來獲得判決統(tǒng)計量。對于固定感知時間內(nèi)的接收信號y(n)，進行相關(guān)間隔為信號幀長Mi、相關(guān)長度為幀頭長度Li的自相關(guān)，并把感知時間內(nèi)共C個自相關(guān)結(jié)果累加平均：

y*(m+n+(c+1)Mi)。

(2)

判決統(tǒng)計量為

(3)

對于指定的虛警概率PFA，判決門限為

(4)

3.2基于不等間隔PN序列累積自相關(guān)的DTMB頻譜感知算法[8]

PNAC算法只計算了相鄰幀的自相關(guān)，沒有充分利用感知時間內(nèi)的全部信息。文獻[8]提出了基于不等間隔PN自相關(guān)的單節(jié)點頻譜感知算法(DIPNAC)，累積了不同間隔信號的自相關(guān)值作為判決統(tǒng)計量。

對于固定相位模式下感知時間內(nèi)的接收信號y(n)，進行相關(guān)間隔為d個信號幀長度dMi、相關(guān)長度為幀頭長度Li的自相關(guān)，并把感知時間內(nèi)共Cd個自相關(guān)結(jié)果累加平均：

y*(m+n+(c+d)Mi)。

(5)

PNAC算法中的tPNAC實質(zhì)上就是d=1時的A(m,1)。文獻[10]指出不同間隔d的自相關(guān)結(jié)果A(m,d)存在和d相關(guān)的相位旋轉(zhuǎn)，因此不能直接相加來獲得累積相關(guān)峰值，于是通過兩個變量共軛相乘構(gòu)造新的統(tǒng)計量

(6)

來消除相位旋轉(zhuǎn)的影響。判決統(tǒng)計量為

(7)

對于指定的虛警概率PFA，判決門限為

(8)

對于PN420與PN595的旋轉(zhuǎn)相位模式，需要對相鄰幀的自相關(guān)作一定的處理，d個信號幀長度的自相關(guān)量為

y*(m+n+cMi+2d(Mi+(-1)a))。

(9)

則

(10)

判決門限為

(11)

3.3自適應(yīng)雙門限頻譜感知算法

為了結(jié)合PNAC與DIPNAC算法的優(yōu)點，本文提出了雙門限自適應(yīng)的頻譜感知算法。雙門限的基本思路見圖1，在獲得感知時間內(nèi)接收序列后，首先對接收信號進行復(fù)雜度較低、精度也較低的PNAC檢測，判決統(tǒng)計量為T=TPNAC。設(shè)置雙門限γ1≤γPNAC≤γ2，如果T<γ1則認為頻譜空閑，主用戶不存在，并判決H0；如果T>γ2，則認為主用戶存在，判決H1；如果γ1≤T≤γ2，則認為處于檢測不確定區(qū)，于是將利用之前的計算結(jié)果A(m,1)=tPNAC，使用DIPNAC進行進一步的精確檢測，并根據(jù)DIPNAC的檢測結(jié)果作為最終的判定結(jié)果。

3.4自適應(yīng)門限的設(shè)置

自適應(yīng)雙門限算法的核心是如何設(shè)定判決門限，并根據(jù)信道環(huán)境與檢測結(jié)果自適應(yīng)地調(diào)整門限值。這里我們將[γPNAC/k,kγPNAC]作為雙門限的檢測不確定區(qū)，即γ1=γPNAC/k,γ2=kγPNAC，k為門限調(diào)整系數(shù)，在不同環(huán)境下進行自適應(yīng)地調(diào)整以獲得最佳性能。

判決門限系數(shù)是在給定期望檢測概率PD0的基礎(chǔ)上進行調(diào)整，當(dāng)檢測概率PD小于期望檢測概率PD0時，增加判決門限系數(shù)k,擴大檢測不確定區(qū)域的大小以進行更精確的檢測；當(dāng)檢測概率大于期望檢測概率時，減小判決門限系數(shù)k，減小檢測不確定區(qū)域的大小。

(12)

PD=P(TPNAC>γ1|H1)+P(γ1≤TPNAC≤γ2|H1)。

(13)

通常,為了避免在期望檢測概率PD0附近過于頻繁的調(diào)整門限系數(shù)，設(shè)置滯回因子a，只有當(dāng)檢測概率PD>PD0(1+a)或PD

Δ1=PD0Δ0,Δ2=(1-PD0)Δ0。

(14)

式中，Δ0為每一次感知判決對門限系數(shù)k調(diào)整的基準，當(dāng)Δ0設(shè)置過小時，系統(tǒng)將無法及時、迅速地跟蹤感知環(huán)境的變化；當(dāng)Δ0設(shè)置過大時，在穩(wěn)定狀態(tài)下自適應(yīng)算法的參數(shù)將波動較大而頻繁，因此，實際應(yīng)用中通常設(shè)置為一個合適的大小以平衡兩者需求。

如果期望檢測到主用戶，設(shè)置PD0≈1，則Δ1?Δ2，當(dāng)判決H0時k值將以較大的步長迅速增大，當(dāng)判決H1時k值將以較小的步長減小。如果期望檢測不到主用戶，設(shè)置PD0≈0，則Δ1?Δ2，k值將以較小的步長增大而以較大的步長減小，這樣在迅速收斂的過程中，每進行一次感知檢測時k值的期望變化為E(Δk)=(1-PD)Δ1+PD(-Δ2)=(PD0-PD)Δ0，直到判決門限系數(shù)k調(diào)整到實際檢測概率與期望檢測概率相等。

4仿真結(jié)果分析

本文的仿真驗證中，參照文獻[5,7-8]中的仿真參數(shù)：DTMB的幀頭模式為PN595，仿真次數(shù)為5000次，載波頻偏值以數(shù)字電視典型UHF頻段800 MHz的載波頻率為基準。感知時間為52 ms(對應(yīng)90個DTMB信號幀)，在自相關(guān)算法中，使用20個累積自相關(guān)結(jié)果來得到檢測統(tǒng)計量。在仿真中，我們以虛警概率PFA=0.01、漏檢概率PMD=0.02作為工作點，設(shè)置自適應(yīng)算法中期望檢測概率為PD0=0.98，Δ0=0.050，對應(yīng)的調(diào)整步長Δ1=0.049,Δ2=0.001。本節(jié)針對其他算法的仿真也都是在同等仿真條件下進行的。

圖2是在固定載波頻偏為1.5×10-5和加性高斯白噪聲(Additive White Gaussian Noise,AWGN)信道環(huán)境下進行的仿真,顯示了不同的固定門限系數(shù)k下漏檢概率PMD與信噪比之間的關(guān)系曲線，并與PNAC和DIPNAC算法性能曲線進行了對比。橫軸為信噪比，縱軸為固定虛警概率PFA=0.01下的漏檢概率PMD?？梢钥闯?，當(dāng)固定門限系數(shù)k越大時，檢測統(tǒng)計量有更大的概率落在雙門限之間，因此系統(tǒng)有更大的概率對其進行DIPNAC算法的累積檢測，漏檢概率則更低；而當(dāng)固定門限k越小時，系統(tǒng)則更多地用簡單的PNAC算法進行檢測。當(dāng)k=1時，雙門限重合，本文算法則完全等效為PNAC算法；當(dāng)k=2.5時，本文算法已經(jīng)相當(dāng)接近DIPNAC算法。固定門限k分別為1.0、1.2、1.5、2.0、2.5時，達到PMD=0.01的漏檢概率所需要的信噪比分別為-17.2、-17.6、-18.5、-20.7、-21.6 dB。

圖2不同固定門限值對應(yīng)的檢測性能曲線

Fig.2 Spectrum sensing performances under

different fixed thresholds

本文提出的算法能自適應(yīng)地調(diào)整判決門限，在雙門限檢測下達到期望的檢測概率與良好的檢測性能。圖3顯示了門限系數(shù)最大值kmax分別設(shè)為1.0、1.2、1.5、2.0、2.5時自適應(yīng)門限下的系統(tǒng)檢測性能曲線。由圖3可知，在不同信噪比環(huán)境下，檢測性能將自適應(yīng)地盡量維持在所需要的檢測概率指標下。同時，門限系數(shù)最大值kmax主要影響低信噪比下系統(tǒng)檢測性能：當(dāng)kmax=1時，自適應(yīng)算法退化為PNAC算法；當(dāng)kmax=2.5時，自適應(yīng)算法在低信噪比下將取得接近DIPNAC算法的效果。

圖3　自適應(yīng)門限下的檢測性能曲線

圖4和圖5對比了本文算法與PNAC、DIPNAC算法在不同信道與不同載波頻偏下的檢測性能。在圖4中，固定載波頻偏為1.5×10-5，分別在AWGN信道與GD8多徑信道下進行了仿真，其中GD8信道包含一個0 dB的強回波，是一個典型的數(shù)字電視地面廣播單頻網(wǎng)的多徑信道模型。在圖5中，分別對AWGN信道下載波頻偏為1.0×10-5和2.0×10-5的情況，測試了PNAC、DIPNAC與本文算法的漏檢概率。可以看出，本文算法對載波頻偏不敏感，對強多徑干擾具有較好的抵抗能力。

圖4三種算法在不同信道下的檢測性能

Fig.4 Spectrum sensing performances under different

channel conditions

圖5　三種算法在不同載波頻偏下的檢測性能

在固定載波頻偏為1.5×10-5和AWGN信道環(huán)境下，圖6對比了不同感知時間下本文算法與PNAC的檢測性能。自適應(yīng)算法在檢測接收端信號幀數(shù)為90幀、30幀(分別對應(yīng)于感知時間52 ms、17 ms)時，檢測性能均明顯優(yōu)于檢測90個信號幀(52 ms)的PNAC算法,其中,檢測30幀的自適應(yīng)算法與檢測90幀的PNAC算法性能相當(dāng)，這說明在信道條件較好時、信噪比較高時，自適應(yīng)算法可以在更短的感知時間(1/3不到的感知時間)內(nèi)獲得相同的檢測性能。

圖6　不同感知時長下的性能曲線

5結(jié)束語

頻譜感知與檢測是高效有序利用頻譜資源的關(guān)鍵，本文基于傳統(tǒng)的基于PN序列自相關(guān)的檢測算法(PNAC)與基于PN序列累積自相關(guān)的檢測算法(DIPNAC)，提出了一種單節(jié)點自適應(yīng)雙門限D(zhuǎn)TMB頻譜檢測算法。該算法能根據(jù)感知檢測結(jié)果在不同環(huán)境下，不依賴于信道參數(shù)的估計，自適應(yīng)、實時地調(diào)節(jié)判決雙門限。仿真測試表明，本文提出的算法保留了自相關(guān)算法抵抗載波頻偏和多徑干擾的優(yōu)點，在相當(dāng)大的信道信噪比范圍內(nèi)，能自適應(yīng)地調(diào)整參數(shù)，以較小的開銷獲得預(yù)設(shè)的檢測性能，在實際感知環(huán)境中，面臨不同而多變的信道環(huán)境，具有重要的實際意義。但是，本文提出的頻譜感知算法是基于單個感知終端的，在同一個地理區(qū)域內(nèi)結(jié)合多個感知終端的判決結(jié)果，將大大提高感知性能，未來計劃對于DTMB協(xié)調(diào)頻譜感知進行更深入的研究。

參考文獻：

[1]Chen H S,Gao W. Spectrum sensing for TV white space in North America[J]. IEEE Journal on Selected Areas in Communications,2011,29(2):316-326.

[2]李雷雷,李熠星,何劍輝,等. 廣播電視 “白頻譜” 跟蹤研究與探索[J]. 廣播與電視技術(shù),2013,39(B12):123-128.

LI Leilei,LI Yixing,HE Jianhui,et al. Tracking research and exploration of Broadcast television “White frequency spectrum” [J]. Radio & TV Broadcast Engineering,2013,39(B12):123-128.(in Chinese)

[3]GB 20600-2006,數(shù)字電視地面廣播傳輸系統(tǒng)幀結(jié)構(gòu)、信道編碼和調(diào)制[S].

GB 20600-2006,Frame Structure,Channel Coding and Modulation for Digital Television Terrestrial Broadcasting System[S].(in Chinese)

[4]Cabric D,Mishra S M,Brodersen R W. Implementation issues in spectrum sensing for cognitive radios[C]//Proceedings of the Thirty-eighth Asilomar Conference on Signals,Systems and Computers.Pacific Grove,CA:IEEE,2004:772-776.

[5]Chen H S,Gao W,Daut D G. Spectrum sensing for DTMB systems using PN frame headers[C]// Proceedings of 2008 IEEE International Conference on Communications.Beijing:IEEE,2008:4889-4893.

[6]Chen L,Qiu J,Viessmann A,et al. A spectrum sensing prototype for TV white space in China[C]// Proceedings of 2011 IEEE Global Telecommunications Conference.Houston,Texas,USA:IEEE,2011:1-6.

[7]Xu A,Shi Q,Yang Z,et al. Spectrum sensing for DTMB system based on PN cross-correlation[C]// Proceedings of 2010 IEEE International Conference on Communications.Cape Town,South Africa:IEEE,2010:1-5.

[8]梁林峰,王軍,宋健. 一種基于 PN 累積自相關(guān)的 DTMB 頻譜感知新算法[J]. 電訊技術(shù),2014,54(1):17-22.

LIANG Linfeng,WANG Jun,SONG Jian.A novel spectrum sensing algorithm for DTMB systems based on PN accumulated autocorrelation[J].Telecommunication Engineering,2014(1)：17-22.(in Chinese)

[9]Song J,Yang Z,Yang L,et al. Technical review on Chinese digital terrestrial television broadcasting standard and measurements on some working modes[J].IEEE Transactions on Broadcasting,2007,53(1):1-7.

[10]Chen H S,Gao W,Daut D G. Spectrum sensing for OFDM systems employing pilot tones[J]. IEEE Transactions on Wireless Communications,2009,8(12):5862-5870.

羅子威(1990—)，男，湖南湘潭人，2012年于清華大學(xué)獲學(xué)士學(xué)位，現(xiàn)為碩士研究生，主要研究方向為認知無線電技術(shù)；

LUO Ziwei was born in Xiangtan,Hunan Province,in 1990. He received the B.S. degree from Tsinghua University in 2012. He is now a graduate student. His research concerns cognitive radio technology.

Email:lzw201@gmail.com

王軍(1975—)，男，河南開封人，分別于1999 年和2003年獲清華大學(xué)學(xué)士學(xué)位和博士學(xué)位，現(xiàn)為副教授、博士生導(dǎo)師，主要研究方向為寬帶無線傳輸技術(shù)；

WANG Jun was born in Kaifeng,Henan Province,in 1975.He received the B.S. degree and the Ph.D. degree from Tsinghua University in 1999 and 2003,respectively. He is now an associate professor and also the Ph.D. supervisor. His research concerns broadband wireless transmission techniques.

潘長勇(1975—)，男，安徽六安人，教授、博士生導(dǎo)師，主要研究方向為寬帶無線傳輸技術(shù)；

PAN Changyong was born in Lu′an,Anhui Province,in 1975.He is now a professor and also the Ph.D. supervisor. His research concerns broadband wireless transmission techniques.

朱景暉(1983—)，女，安徽桐城人，2010年于西安電子科技大學(xué)獲碩士學(xué)位，現(xiàn)為工程師，主要研究方向為廣播電視頻率規(guī)劃；

ZHU Jinghui was born in Tongcheng,Anhui Province,in 1983. She received the M.S. degree from Xidian University in 2010. She is now an engineer. Her research concerns broadcasting and TV frequency planning.

李薰春(1977—)，男，江西南康人，2010年于中國傳媒大學(xué)獲博士學(xué)位，現(xiàn)為高級工程師，主要研究方向為廣播電視頻率規(guī)劃。

LI Xunchun was born in Nankang,Jiangxi Province,in 1977. He received the Ph.D. degree from Communication University of China in 2010. He is now a senior engineer. His research concerns broadcasting and TV frequency planning.

引用格式：羅子威，王軍，潘長勇,等.基于PN序列自相關(guān)的雙門限自適應(yīng)DTMB頻譜感知[J].電訊技術(shù)，2015,55(6):645-650.[LUO Ziwei,WANG Jun,PAN Changyong,et al.Adaptive Double-Threshold Spectrum Sensing Based on PN Sequence Autocorrelation for DTMB Systems[J].Telecommunication Engineering,2015,55(6):645-650.]

Adaptive Double-Threshold Spectrum Sensing

Based on PN Sequence Autocorrelation for DTMB Systems

LUO Ziwei1,WANG Jun1,PAN Changyong1,ZHU Jinghui2,LI Xunchun2

(1.Department of Electronic Engineering,Tsinghua University,Beijing 100084,China;2.Academy of Broadcasting Science,

State Administration of Press,Publication,Radio,Film and Television,Beijing 100866,China)

Abstract：TV white space spectrum from A/D conversion is a kind of valuable resource,and spectrum sensing and detecting technology is the key point to the usage of TV white space. Considering conventional algorithms’ shortages of detection performance,high complexity or flexibility of Digital Television Terrestrial Multimedia Broadcasting(DTMB) systems,this paper presents an adaptive detection algorithm for DTMB systems.The algorithm is based on double-threshold detection:the pseudo-noise(PN) sequence autocorrelation algorithm is used beyond the two thresholds and the different-interval PN autocorrelation algorithm is used within the two thresholds. Besides,the thresholds can be adjusted adaptively according to channel states to balance the computing complexity,detection performance and channel condition. The simulation results prove that the novel algorithm is able to adjust parameters adaptively and rapidly under different channel conditions,thus improving detection performance obviously and reducing the computation complexity.

Key words：digital television terrestrial multimedia broadcasting;spectrum sensing;pseudo-noise sequence autocorrelation;double-threshold;adaptive algorithm

作者簡介：

中圖分類號：TN911.23

文獻標志碼：A

文章編號：1001-893X(2015)06-0645-06

通訊作者：**lzw201@gmail.comCorresponding author：lzw201@gmail.com

收稿日期：*2014-09-30；修回日期：2015-04-24Received date:2014-09-30；Revised date：2015-04-24基金項目：ITU-R 1206標準提案研制項目Foundation Item:ITU-R 1206 Standard Proposal Research Project

doi:10.3969/j.issn.1001-893x.2015.06.011