一种新型认知无线电信道状态的预测算法 (1)
第３１卷第５期２０１０年９月华侨大学学报（自然科学版）ＪｏｕｒｎａｌｏｆＨｕａｑｉａｏＵｎｉｖｅｒｓｉｔｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅ）ＶｏＩ．３１Ｎｏ．５Ｓｅｐ．２０１０文章编号：１０００—５０１３（２０１０）０５－０５２１—０５一种新型认知无线电信道状态的预测算法黄川１”，郑宝玉１（１．南京邮电大学信号处理与传输研究院。江苏南京２１０００３；２．福建师范大学数学与计算机科学学院，福建福州３５０００７）摘要：基于部分可测马尔科夫决策过程（ＰＯＭＤＰ）模型，结合认知无线电频谱侦测技术，提出一种新的多无线电多信道环境下认知无线电检测信道算法．该算法通过对信道状态历史信息的分析，推导出信道信念状态的初始分布和转移概率；然后，以此选择出具有最佳回报的信道以供接入，使得次用户能获得最佳带宽回报，从而达到提高信道利用率的目的．仿真结果表明，算法获得相对于传统认知无线电频谱接入方式更高的信道带宽，并接近无漏检和虚警现象的理想情况，有效地提高了信道利用率．关键词：认知无线电；多无线电；多信道；马尔科夫模型；频谱侦测中图分类号：ＴＮ０１４；ＴＮ９１４．４文献标识码：Ａ新兴的认知无线技术为解决非授权用户有效利用闲置频谱，提高频谱利用率提供了可能［１］．然而，由于网络的未知性，使得次用户很难获得不同信道的精确状态，而必须依据当前的不完全状态信息做出决策．因此，对网络的未知性采用部分可测马尔科夫模型（ＰＯＭＤＰ）建立信道状态信息模型，并以此做出选择最佳信道的决策具有合理性［２。３９．文［ｚ－１提出了一种基于ＰＯＭＤＰ模型的认知ＭＡＣ（ＭｅｄｉａＡｅ－ｃｅｓｓＣｏｎｔｒ０１）协议，解决了异构网络中信道选择决策问题．文［３－１在文［２］的基础上，提出更为具体的以ＰＯＭＤＰ模型为基础的频谱检测策略、信道选择决策，以及接人策略的联合优化方案．上述研究仍存在着两个问题：其一是信道状态间的转移概率是事先给定的，无法根据实际情况变化；另一个是只有一个无线电收发器，使得用户不得不经常中断数据传输过程转而检测授权用户（或称为主用户）是否出现，从而浪费信道带宽．针对上述问题，本文通过建立以ＰＯＭＤＰ模型为基础的多无线电系统［４１模型，提出一种与认知无线电频谱侦测技术相结合的在异构网络环境下的新型信道状态预测算法．１异构网络环境及多无线电系统模型假设网络中每个次用户配备两个独立的，具有认知无线电功能的无线电收发设备．当次用户从网络Ａ向不同的网络Ｂ移动时，其中一个无线电保持与网络Ａ的连接，称为工作无线电；而另一个无线电处于认知侦测状态，则称为观测无线电．由观测无线电侦测结果组成的信道状态历史信息，由离散观测时间序列ＤＴ内的一系列行为ａ、回报ｒ、观测状态ｚ和应答状态是的序列ｈ组成．即ｈ＝｛（口１，ｒｌ，ｚ１，ｋ１），…，（口ｆ，ｒｔ，Ｚｔ，ｋｆ）），ｔ∈ＤＴ．（１）假设在网络Ｂ中存在Ｎ（Ｏ＜Ｎ＜ｏｏ）个独立授权信道，每个信道在某～个时隙ｔ内处于空闲（１）或忙（ｏ）状态，则网络在某个时隙ｔ内的信道状态为Ｓ（￡）一Ｉｓｌ（￡），…，ＳＭ（￡）］．其中：Ｍ＝２Ｎ，且ｓｉ（￡）一ｓ１（￡）…５Ｎ（￡），ｓｊ（ｆ）∈｛０，１），每个信道的带宽表示为Ｗ蹦，Ｊ—ｌ，…，Ｎ．由于环境的未知性，设次用户可侦测到的信道数目，ｚ≤Ｎ．收稿日期：通信作者：基金项目：２００９—・１１—・２９郑宝玉（１９４５一），男，教授，博士生导师，主要从事无线通信与网络信号处理的研究．Ｅ－ｍａｉｌ：ｚｂｙ＠ｎｊｕｐｔ．ｅｄｕｃｆＬ
国家自然科学基金资助项目（６０９７２０３９）万方数据华侨大学学报（自然科学版）２０１０拉２典型的ＰＯＭＤＰ模型一个典型ＰＯＭＤＰ模型可用六元组表示为（Ｓ，Ａ，丁，Ｒ，Ｚ，０）［５１．其中：Ｓ为系统中有限信道状态集合；Ａ为次用户采取的有限行为（观测，接人）的集合，用Ａ＝｛口。，口。）表示；丁表示当前信道状态ｓ在行为ａ的作用下变为５’的转移函数，记为Ｔ（ｓ，１２，ｓ７）；Ｒ为瞬时回报函数，记为Ｒ（ｓ，口）；Ｚ为用户对系统状态的有限观测状态集合；０为观测函数，记为Ｏ（ｓ７，口，ｚ）．此外，ｋｉ（￡）∈｛０，１）表示次用户在执行行为口后得到的应答．此处，设应答是无错的．由于Ｓ是未知的，采用信念状态空间Ｂ来表示信道状态的概率分布，有Ｂ一｛ｂ２∑６（ｓ）一１．０，Ｖｓ∈Ｓ，６（ｓ）≥ｏ）．ｓｆｆＳ其中：６（ｓ）表示信道处于状态ｓ的概率．根据Ｂａｙｅｓ法则，可得在￡＋１时隙信念状态更新的表达式为≥：Ｔ（ｓ，口ｆ，ｓ’）０（ｓ７，口ｌ，２件１）６Ｉ（￡）６件１。，）““ｍ衙ｐ。，）一袁怎五万厨瓦了而‘Ｑ’ｊ∈Ｓｊ∈Ｓ对于任何时隙￡，信念状态是一个充分统计量［６］，从而表明不会有任何历史信息可以增加次用户的回报．同时，定义次用户得到的瞬时回报为空闲信道的带宽为ＲＢ（６，口）＝∑ｂ（ｓ）Ｒ（ｓ，口）＝∑∑ｂ（ｓ＝１）ＭＢ小（３）策略１ｌ＂表示次用户在当前信念状态ｂ的情况下，使用策略丌从而选择行为ａ．解决一个ＰＯＭＤＰ问题的目标是找寻一个最佳策略丌７，以使用户获得的总折扣回报达到最大值．即次用户所能获得的最大信道带宽，用值函数表示为Ｖ’（６）＝ｍａｘｌＲＢ（６，口）＋ｆ芝：Ｐ（名Ｉｂ，ｎ）Ｖ。（ｒ（６，口，２））１．（４）ａＥＡ。ｚ∈Ｚ。式（４）中：｝为折扣因子，ｏ＜Ｋ１；Ｐ为条件转移的概率函数．３信道预测算法及收敛性证明以ＰＯＭＤＰ模型为基础的多无线电多信道，其信道状态预测算法（ＣＳＰＡ）可分为如下两个阶段．（１）观测阶段．通过一段时间的观测，将获得的系统环境信息记录到＾中，期间的执行接人行为仅为向相应频段发送探测包，并未真正执行信道接入操作．（２）预测阶段．通过ｈ，对信道的初始状态分布、状态转移概率和观测概率进行估计，并利用启发式算法找出具有最大折扣回报的策略玎７，在接人时隙冻用户按其接入．在预测阶段，对次用户来说，信道状态个数Ｍ是Ｎ的指数，要计算出最大折扣回报是很困难的．然而，实际网络中的信道一般是独立的，有如下定理．定理ｌ假设ｎ个独立信道，有Ａ一卧ｌ，．”，Ｌ］，其中丸为信道ｉ在某个时隙ｔ开始时刻所处的状态，则Ｌ是信道状态Ｓｉ（￡）的充分统计量．证明参见文［６３．根据定理１，ＰＯＭＤＰ模型中信念状态空间Ｂ＝｛ｂ（Ｓｉ（￡）），ｉ一１，…，以）可简化为Ｂ一｛ｂ（ｓｋ（￡）），愚＝１，…，竹｝，从而信念空间维度由２”降为，ｚ．对于每个信道ｉ来说，其最大折扣回报表达式为ｗ（抚）＝啦芋ｌＲＢ（ｂｉ，ａｉ）＋菩∑Ｐ（麓Ｉｂｌ，ａｉ）Ｗ（ｒ（６朋ｉ，ｚｉ））Ｉ．（５）４ｉｃ“ｚｌＥＺ式（５）中：ＲＢ（ｂｉ，１２‘）一６（＆＝１）ＷＢ．ｉ．对于次用户，则有Ｖ。（６）＝ｍａｘＷ（抚）．（６）ｆ＝１．…。ｎ对于在时隙ｔ内的每一个信道，可设最为在时隙ｔ内信道ｉ状态为空闲的概率，即ｂ（ｓｉ（￡）＝１）＝鼠；而状态为忙的概率为ｂ（ｓｉ（￡）一ｏ）＝１一Ｂ．在Ｔ个时隙中，信道ｉ状态为空闲出现次数为ｙｉ，服从二项式分布ｂ（托；Ｔ，良）．根据Ｂａｙｅｓ法则，晚对ｈ的条件概率密度为，Ｔ、口（统）ｆ‘矽｝（１一侥）１、厂（最ＩＩ｝１）＝ｉ——老｝————～．（７）ｌ口（房）１
）舒（１一房）Ｔ＿砖ｄ谚万方数据第５期黄川，等：一种新型认知无线电信道状态的预测算法５２３式（７）中：ｑ（阮）为夙的先验分布．对于次用户来说，信道ｉ处于空闲或忙状态是等可能的，故先验分布ｑ（鼠）为［Ｏ，１］上的均匀分布，有衙肛丽舅，（高１－Ｏｒ丽－ｒ，）・（８）用只对ｈ的条件期望Ｅ｛８Ｉ＾）估计信道状态为空闲的概率，有ｂｉ（ｓｉ＝１）＝Ｅ｛晚ｌｈ）＝（嚣＋１）／（Ｔ＋２）．（９）信道状态转移概率Ｔ（ｓ，口，５７）也是未知的．设砖／为信道ｉ执行行为ａ后，状态从５转移到５７的转移概率．其中：ｓ，５７∈｛０，１），向量Ｐｉ＝（以／．，ａＥＡ，ｋ＝ｌ，．．・，ＩＳ１）．在Ｔ个时隙中信道ｉ的状态从ｓ到ｓ７的转移次数向量咖ｉ＝（鲑＾，ａＥＡ，ｋ＝ｌ，…，ＪＳＪ）．在执行行为ａ条件下，只服从Ｄｉｒｉｃｈｌｅｔ分布，（焦‘，…，盟髭／。）渐进等于Ｄｉｒ（娥／。，…，娥／。），其期望Ｅ（ｐｉ）２带．＾／∑砖／。．当信道状态转移后，向量∥ｉ＝啦＋劈．ｊ，．其中：ｌ霹，／ｌ＝ＩｓＩ，且撰，／［ｓ７一力＝１，其余为０．用期望值估计转移概率，有・Ｌ（５，口，５’）＝识，／∑≯４’／．（１０）在频谱侦测中，由于存在漏检和虚警现象，因此对于次用户来说，所观测到的信道状态并不一定与信道真实状态相符．假设信道为ＡＷＧＮ，Ｐｄ为检测概率，Ｐｔ为虚警概率，且采用能量检测器的频谱侦测方法［２］，则有Ａ＝Ｐ｛Ｙ＞ｒ加＝Ｐ｛Ｙ＞ｒ（１１）（１２）由于信道真实状态的未知性，次用户可根据执行行为ａ后得到的应答信息ｋ，来验证观测状态的正确与否，有ｆＰ，ｄ，ｋ，引－０，ｏ∥，州）：Ｐ（ｚｓ，，口）：Ｐ（ｚＩ跏）：｛上＿Ａ’；２；２１’．（１３）ｐｆ＇庀２１’ｚ２ｕ’【１一加，忌＝ｏ，ｚ＝１，从而可求出次用户可获得的最大折扣回报．即ｙ。（６）一Ⅲａｘｍａｘ［ｂ（ｓｉ＝１）ＷＢ．ｆ＋红．ｐｄｐｇ％ｂ（ｓｉ＝ｏ）＋加ｐｔ：０６（是＝１）＋Ｐｆ纯ｘｂ（ｓｌ＝ｏ）＋Ａ户ａＩ‘，１ｉ６（＆一１）］Ｖ？（ｒ（ｂｉ，口ｌ，ｏ））＋匹（１一加）户敏ｏｂ（ｓｉ—ｏ）＋（１一Ｐｄ）Ｐ奢０６（乳＝１）＋（１一Ａ）Ｐｇｊｔｂ（ｓｉ＝ｏ）＋（１～ｐｆ）纠ｊ１６（ｓｉ＝１）］Ｖ，（ｒ（６ｉ，ａｉ，１））］．（１４）（１）当ｋ＝ｚ＝０时，信念状态更新为ｒｃ６，ｎ，ｚ，＝ｊ石ｔｊ磊：ｌｉ＿：三—石ｊ一＝干＝｛≥ｉｊ：；：ｊ！ｉｊ号弓ｊ芊？；考《：；ｉｊｉｊ；！ｉｊ百歹－＝Ｆｉ丽．（２）当足＝ｚ＝１时，信念状态更新为ｒ（６，口，ｚ）＝ｉ了—：二ｊ；：ｉ目ｉ焉：ｊｉ＿：三—石ｊ＿；＝－三｛；；：！；！；ｊｂ！｝＝ｊ；ｉ？；ｉ！写矛ｊｉ主：｜ｊ％ｉｊ—三：ｉ５ｉ一＝；＝．ｊｉ厕．（３）当惫＝１，名一。时，信念状态更新为ｒ（６，ｎ，ｚ）＝ｊ石ｔｊ磊：ｌ；ｉ｝：三—６了一＝；！ｉ５曩：ｉ：｛！ｊｉｊ÷｝｛＝ｉ：；者三粪：ｉ；ｉ！；己了一＝干ｉ；丽．（４）当ｋ＝０，ｚ一１时，信念状态更新为ｒ（６，口，２）＝ｉ一＝：ｊ云了ｔｊ磊：苫ｉ；：三１ｉ｝；声亏姜笺丢Ｅ｝鼍：尝；手ｆ；＝ｊ；；＝！三号考专｛参主ｉ：｝；毛三１ｉｙ：Ｆｊ看厕．））三糯．娅斫Ｌ一２Ｌ一２ⅣⅣ一一１１ｌ＝ＩＩＯＩ巩
巩
万方数据华侨大学学报（自然科学版）２０１０正４仿真结果及分析为了测试ＣＳＰＡ算法的性能，引入随机接人算法（ＲａｎｄｏｍＡｃｃｅｓｓＡｌｇｏｒｉｔｈｍ，ＲＡＡ）Ｌ２１与之比较．在ＲＡＡ算法中，次用户在刚进入未知新网络时，不使用信道状态预测方法，而是通过每一接入时隙开始时刻的侦测来获知可以采用的若干信道，并随机选择其中一个接入．为了体现公平性，设新网络中每一信道的带宽均为１个单位，且每个时隙为１个单位时间．设折扣因子ｒ一１．同时比较ＣＳＰＡ算法与理想情况下所获得的信道带宽回报，即与不存在漏检和虚警现象条件下的对比．信噪比（ＲＳＮ）和检测样本数目（Ｌ）的不同时，虚警率Ｐｆ值对检测率Ｐｄ的影响，如图１所示．从图１中可知，当ＲＳＮ一１０，Ｌ一５时，虚警率Ｐｆ的变化对检测率Ｐｄ的影响最小，且Ｐａ值在０．９～１．０之间变动．因此，设Ｐｄ一０．９５．仿真中，算法对１００００个随机１‘ｏ信道进行运算，然后取回报的平均值（单位每时隙）．。。ＣＳＰＡ算法与ＲＡＡ算法的对比，如图２所示．图２中：观测时隙Ｔｏ＝３０，接入时隙ＴＡ一３０，信道数目咒一ｎ６２．从图２的平均回报值（艿）曲线可以看到，ＣＳＰＡ算法在’ｏ４刚开始的时隙获得约０．５５的平均回报值，在第１４个接入时隙上升至０．７３，而后增长平稳，逐渐趋近于０．７４；“‘ＲＡＡ算法每个时隙的平均回报值稳定在０．５左右，在０理想情况下，其平均回报值稳定在０．７５５左右．从图２的平均回报值百分比（９）曲线可以看到，ＣＳ—ＰＡ算法能获得的平均回报值比ＲＡＡ算法平均多出约４３％．表明次用户采用ＣＳＰＡ算法，在每个时隙都能够取得最佳的接入策略，因此获得的信道带宽平均回报优００．２０．４０．６０．８１．０Ｐｆ图１虚警率和检测率的关系Ｆｉｇ．１Ｒｅｌａｔｉｏｎｓｈｉｐｏｆｐｒｏｂａｂｉｌｉｔｙｏｆｆａｌｓｅａｌａｒｍａｎｄｄｅｔｅｃｔｉｏｎ于采用传统认知无线电随机频谱接入方式．但是，由于频谱侦测中存在漏检和虚警现象，使得算法与无漏检和虚警现象存在的理想值有一定的偏差．采用不同的观测时隙值来比较ＣＳＰＡ算法和ＲＡＡ算法所获得的平均回报值，结果如图３所示．从图３中可以看到，观测时隙分别为３０，１００时，ＣＳＰＡ算法所获得的平均回报值略有差异．如果在观测阶段观测越充分（观测时隙越长），ＣＳＰＡ算法所获得的初始信念状态和状态转移概率越准确，其获得的回报越精确．然而，观测时隙具体的取值应根据实际情况而定，这也是下一步研究工作的重点．从图中３可以看到，ＲＡＡ算法由于没有观测时隙，故其在不同观测时隙条件下，其所获得的平均回报值变化不大，基本稳定在０．５左右．
OFDM系统的信道估计和信号均衡技术的研究
OFDM系统的信道估计和信号均衡技术的研究
一、本文概述
正交频分复用（OFDM）技术是现代无线通信系统中广泛使用的一种高效调制技术，它通过将高速数据流分割成多个较低速度的子数据流，并在多个正交子载波上并行传输，从而实现了在复杂和多径环境中高速数据传输的能力。然而，这种并行传输方式也使得OFDM系统对信道失真和干扰非常敏感，因此，信道估计和信号均衡技术成为提高OFDM系统性能的关键。
本文旨在全面深入地研究OFDM系统中的信道估计和信号均衡技术，包括其基本原理、算法实现以及在实际系统中的应用。我们将首先概述信道估计和信号均衡的基本概念和原理，分析它们对OFDM系统性能的影响。然后，我们将详细介绍几种常用的信道估计和信号均衡算法，包括最小均方误差（MMSE）估计、最大似然（ML）估计、线性均衡和非线性均衡等，并比较它们的性能和复杂度。
本文还将探讨信道估计和信号均衡技术在不同应用场景中的优化方法，例如，在高速移动环境、多输入多输出（MIMO）系统以及认知无线电系统中的应用。我们将通过理论分析和仿真实验，评估这些优化方法在不同场景下的性能，并提出可能的改进方案。
本文将总结信道估计和信号均衡技术在OFDM系统中的重要性和挑战，展望未来的研究方向和应用前景。我们希望通过本文的研究，能够为OFDM系统的性能提升和实际应用提供有益的理论支持和实践指导。
二、OFDM系统基本原理
正交频分复用（OFDM）是一种无线通信技术，它将高速数据流分割成多个较低速度的子数据流，然后在多个正交子载波上并行传输。这种技术结合了频率分集和多路复用，显著提高了频谱利用率，增强了系统对多径干扰和频率选择性衰减的鲁棒性。
OFDM的基本原理在于，通过快速傅里叶变换（FFT）将频域信号转换为时域信号，然后在时域中插入循环前缀（CP），以减少多径干扰产生的干扰。每个子载波上的数据符号都是经过调制的，可以独立地进行检测和解码，从而实现了子载波之间的正交性。
基于神经网络的无线通信信道估计技术研究
基于神经网络的无线通信信道估计技术研究
在无线通信系统中，信道估计是关键技术之一，它用于获取接收信号中的信道状态信息，以便准确地解码和恢复发送的信息。随着神经网络技术的快速发展，基于神经网络的无线通信信道估计技术吸引了广泛的研究兴趣。本文将详细介绍基于神经网络的无线通信信道估计技术，并讨论其在实际应用中的优势和挑战。
首先，我们将简要介绍神经网络及其在无线通信领域的应用。神经网络是一种模仿人类神经系统的计算模型，通过具有大量神经元的网络结构来实现学习和决策。在无线通信领域，神经网络被广泛应用于信道估计、自适应调制解调、信号提取等关键任务。相对于传统的基于数学模型的方法，神经网络具有更强的非线性建模能力和适应性，能够适应不同信道条件和环境变化。
基于神经网络的无线通信信道估计技术主要分为两个阶段：训练阶段和测试阶段。在训练阶段，我们使用已知的信号和对应的信道状态信息构建训练数据集，然后通过神经网络模型进行拟合和训练。在测试阶段，我们使用已训练好的神经网络模型对新接收到的信号进行信道估计，从而获得准确的信道状态信息。
基于神经网络的无线通信信道估计技术具有以下优势。首先，它能够充分利用大量的训练数据，通过反向传播算法不断优化神经网络模型，提高信道估计的准确度。其次，神经网络具有自适应性，能够适应不同信道条件和环境变化，从而在复杂的通信环境中实现准确的信道估计。此外，基于神经网络的信道估计技术还可以实现实时性，能够迅速响应信号变化并更新模型。
然而，基于神经网络的无线通信信道估计技术也面临一些挑战。首先，训练神经网络模型需要大量的计算资源和时间，尤其是当训练数据集非常大时。此外，神经网络的结构和参数选择也需要专业知识和经验，不同的结构和参数可能会导致不同的性能表现。因此，如何选择合适的神经网络结构和参数是一个关键问题。 对于基于神经网络的无线通信信道估计技术，一些改进和优化方法已经提出。例如，可以使用深度学习的方法构建更深层次的神经网络模型，通过增加网络的深度来提高表达能力。此外，可以采用剪枝算法来减少神经网络模型的参数量，从而降低计算和存储的复杂度。
信道估计的方法有哪些？
信道估计的方法有哪些？
信道估计是无线通信领域中一个重要的技术环节，用于估计无线信道的传输特性，提供准确的信道状态信息，从而实现高效的无线通信系统。目前，信道估计的方法主要包括以下几种：
1. 基于最小二乘法的信道估计方法
最小二乘法是一种常用的信道估计方法，它通过最小化接收信号与估计信号之间的误差平方和来进行估计。该方法在实际应用中比较简单和直观，并且具有一定的鲁棒性。但是，对于高信噪比条件下，该方法容易受到噪声的影响，估计结果不够准确。
2. 基于最大似然估计的信道估计方法
最大似然估计是一种常用的统计估计方法，它通过最大化接收信号条件概率分布的似然函数，来估计信道参数。该方法能够在一定程度上克服噪声的影响，提高估计的准确性。但是，该方法计算复杂度较高，并且对于非线性信道模型，需要引入一定的近似方法。
3. 基于卡尔曼滤波的信道估计方法
卡尔曼滤波是一种递推滤波算法，通过对当前信号和历史估计值进行加权处理，得到当前的估计值。该方法能够动态地估计信道的时变特性，适用于频率选择性信道。但是，卡尔曼滤波对于噪声的统计特性有一定的要求，如果噪声不符合高斯分布，可能会导致估计结果不准确。
4. 基于神经网络的信道估计方法
神经网络是一种模拟人脑神经系统的计算模型，通过对大量数据的学习和训练，能够建立非线性的映射模型。信道估计可以看作是一个非线性映射问题，因此可以利用神经网络进行信道估计。该方法能够在一定程度上克服传统方法的缺点，提高估计的准确性。但是，神经网络的训练过程较为复杂，需要大量的训练样本和时间。
5. 基于压缩感知的信道估计方法
压缩感知是一种新兴的信号处理技术，通过对信号进行稀疏表示和重建，实现对信号的高效采样和恢复。信道估计中的稀疏表示问题可以看作是一个压缩感知问题，因此可以利用压缩感知的方法进行信道估计。该方法能够在较低采样率下实现高质量的信号恢复，并且具有一定的鲁棒性。但是，该方法的实现较为复杂，需要较高的计算资源和算法复杂度。
一种适合卫星通信的宽带频谱感知算法
一种适合卫星通信的宽带频谱感知算法
张要;李勇;程伟
【摘 要】在卫星通信系统中实现认知无线电技术需要对多频带的宽带信号进行频谱感知.针对使用传统OMP (Orthogonal Matching Pursuit)算法在宽带调制转换器(Modulated Wideband Converter,MWC)系统下,出现的由于相邻两个支撑频带间距太近而出现遗漏支撑频率的现象,提出一种基于邻近搜索的OMP改进算法,仿真表明,该算法能够更优化地实现信号的重构,保证频谱检测维持较高的检测概率.
【期刊名称】《微型电脑应用》
【年(卷),期】2014(030)001
【总页数】4页(P1-4)
【关键词】卫星通信;频谱检测;临近搜索
【作 者】张要;李勇;程伟
【作者单位】西北工业大学 西安,710129;西北工业大学 西安,710129;西北工业大学 西安,710129
【正文语种】中 文
【中图分类】TN927
认知无线电作为一种更智能的频谱共享技术，能够感知无线通信环境，自适应地改变系统工作参数，动态地检测和有效地利用空闲频谱。认知无线电最为基础和关键的一步是频谱感知，了解干扰源所在频段并有效避让要求通信双方对频谱环境进行检测。作为地面通信的补充，卫星移动通信已经在人们日常生活中广泛应用，目前卫星移动通信系统主要集中在100MHz~3GHz这一范围[1]，而这一范围恰是地面通信应用重点区域，通过认知无线电技术，多用户之间能够提高频谱利用率，而且在突发干扰下能够互相躲避，因此设计一个适合空间通信的频谱分析算法非常重要。
根据认知无线电理论，卫星通信系统能够自组织的进行感知和组网，卫星节点需要感知很宽的频段。宽带频谱感知要求对数 GHz 的带宽进行检测，过高的采样速率和数据量对现有的硬件设备提出了巨大的挑战。处理宽带感知的基本的方法有：宽带直接感知、串行分段感知、并行分段感知。这些基本的宽带频谱感知技术硬件实现成本较高，且受制于目前实际的无线电系统射频前端性能。针对宽带信号的采样和分析,认知用户需要采用更高速的ADC和数字信号处理器(Digital Signal
认知无线电中感知信道的优化选择方法
第３期 叶军等：认知无线电中感知信道的优化选择方法
术仅仅凭借单纯的物理层检测算法，对于提高频谱
利用率以及保护主用户都有一定的局限性，所以有
必要通过基于ＭＡＣ层的ＣＲ检测机制对检ｉ贝０参数
进行选取和优化，提高物理层检测算法的有效性，快
速发现频谱空穴，提高ＣＲ用户对频谱的检测性能
和效率，实现对主用户干扰最小情况下最大化次用
户的频谱利用率。
此外，频谱感知的性能不仅仅依赖于检测方法，
还依赖于如何调度感知行为。频谱感知调度的目的
是为了帮助ＣＲ用户有效地检测到主用户信号并且
识别出可用频谱机会，主要包括检测时间和感知信
道的选择。近些年的研究中频谱感知调度都是基于
周期感知帧结构的，在每一帧中包含一个检测时间
块和一个数据发送时间块。检测时间 一 是频谱感
知算法中一个非常重要的参数，它的取值直接影响
频谱空穴的检测概率以及主次用户问的碰撞概率。
文献［３］给出了不同检测阶段检测时间优化具有不
同的优化公式，在带外搜索新的空闲信道阶段，从最
小化带外信道的平均搜索时间来优化；在机会占用
频谱的带内周期性频谱检测阶段，从最大化可获得
的平均吞吐量进行优化。文献［６］提出了从最大化
信道利用率出发，采用数值最优化算法对检测时间
进行最优化。文献［７］给出了在主用户受到充分保
护情况下，最优化检测时间使次用户的有效吞吐量
最大，并且提出应用分布式频谱感知方法可以使性
能进一步提升。文献［８—９］研究了不同信道占用
模型下的信道搜索顺序，目标是使搜索到可用信道
的时延最小。更进一步，在多用户多信道环境下，次
用户可以自主选择信道执行频谱感知，而这点在之
前的文献中几乎都没有讨论过。
本文在多用户多信道环境下基于频谱感知考虑
信道选择问题。首先在目标检测概率限制下，根据
参考文献［７］中检测时间优化方法最大化一个次用
户感知一个主用户信道可获得的归一化吞吐量，然
后在参考文献［１０］的基础上提出了利用改进的匈
一种基于信道感知和预测的多址接入方法
第９卷第６期 ２００８年１２月 解放军理工大学学报（自然科学版） Ｊｏｕｒｎａｌ ｏｆ ＰＩ Ａ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ Ｖ０１．９ Ｎｏ．６ Ｄｅｃ．２００８
文章编号：１００９—３４４３（２００８）０６—０５９５—０４
一种基于信道感知和预测的多址接人方法
王培雅 ， 张朝阳ｈ ， 余官定ｈ
（１．浙江大学信息与通信工程研究所，浙江杭州３１００２７；２．浙江省综合信息网技术重点实验室，浙江杭州３１００２７）
摘 要：为了实现认知无线电系统中机会式的频谱接入、主动避免对主用户的干扰，提出了一种基于信道感
知和预测的多址接入方法。考虑主用户对信道的占用过程具有一定的突发性和相关性，将主用户的活动规律
建模为半马尔可夫过程。新算法充分利用信道感知结果和主用户的活动规律预测下一个时刻主用户的状态
及剩余状态持续时间，并采用递归预测误差法进行参数估计。仿真结果表明，与传统的载波侦听多址接入算 法相比，新算法能够在保证主用户阻塞概率约束的前提下，较大地提高频谱利用率，非常适用于认知无线电。 关键词：机会式频谱接入；干扰避免；半马尔可夫过程；信道感知；信道预测
中图分类号：ＴＮ９１５．０ 文献标识码：Ａ
Ｍｕｌｔｉｐｌｅ ａｃｃｅｓｓ ａｌｇｏｒｉｔｈｍ ｂａｓｅｄ ｏｎ ｃｈａｎｎｅｌ ｓｅｎｓｉｎｇ ａｎｄ ｐｒｅｄｉｃｔｉｏｎ
ＷＡＮＧ Ｐｅｉ—ｙａ ～， ＺＨＡＮＧ Ｚｈａｏ—ｙａｎｇ ～， ｙ【厂Ｇｕａｎ—ｄｉｎｇ ‘ （１．Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｉｎｆｏｒｍａｔｉｏｎ ａｎｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｚｈｅｊｉａｎｇ Ｕｎｉｖｅｒｓｉｔｙ，Ｈａｎｇｚｈｏｕ ３１００２７，Ｃｈｉｎａ； ２．Ｚｈｅｊｉａｎｇ Ｐｒｏｖｉｎｃｉａｌ Ｋｅｙ Ｌａｂｏｒａｔｏｒｙ ｏｆ Ｉｎｆｏｒｍａｔｉｏｎ Ｎｅｔｗｏｒｋ Ｔｅｃｈｎｏｌｏｇｙ，Ｈａｎｇｚｈｏｕ ３１００２７，Ｃｈｉｎａ）
一种认知无线电通信模型的研究
Ｔｅｃｈｎｏｌｏｇｙ Ｉｎｔｅｒｃｈａｎｇｅ
一种认知无线电通信模型的研究
谭掌治 刘矗 哈尔滨工业大学通信技术研究所
【摘要】认知无线电通信系统能够感知法定授权用户的活跃性，利用空闲频谱进行信息传输。文章建
立了一个新型的认知无线电通信模型，然后对模型链路吞吐量进行仿真，结果表明模型的感知范围和
链路吞吐量之间存在一个折衷，选择合适的感知半径和分布式距离可以获得较大的吞吐量。 【关键字】认知无线电 双向开关 感知范围 分布式 链路吞吐量
ｌ 引言
认知无线电是一种能够有效利用频谱资源的智能无线 电技术。它能够监测到法定许可无线电用户（主用户）使用
频谱的情况。如果发现许可用户处于非活跃状态，即频谱资
源处于空闲状态，认知无线电用户（次用户）就会见缝插针
地使用空闲频谱进行通信。一旦许可用户想占用频谱，认知 无线电用户就必须将频谱的使用权交还给许可用户，重新
寻找空闲频谱。由于主用户占用频谱的随机动态性，次用户
往往不能够充分感知主用户。本文建立的分布式双向开关
模型增加了认知无线电对主用户的感知能力，并能根据主 用户接入频谱特性动态改变认知无线电接收机和发射机工 作模式，提高了通信效率…。
２传统认知无线电通信
传统认知无线电使用接收机来感知主用户的活跃性，
当发射机感知范围内存在活跃主用户时，发射机处于检测
状态；一旦感知范围内出现空闲频谱，发射机会利用此频谱 传递信息。由于接收机不能感知周围主用户的活跃性，接收
信息时主用户信息作为干扰哚声进入接收机，因此降低了
牧稿日期：２ ０Ｏ７年９月９日
责任编辑：林菊 ｊａｓｍｉｎｅ． ＠１２６．ｃｏｍ 接收机两端的信哚比（ＳＮＲ）［ 。并且囿于感知范围，此系
统不能充分感知整个认知无线电系统周围的住用户，在主
用户活跃时，系统仍可以一定功率传送信息，信息将作为干
扰噪声影响主用户之间的通信状况。传统的认知无线电系
统，无法很好地解决主用户与次用户之间的协调性问题。
无线通信中的信道估计问题
无线通信中的信道估计问题
第一章：引言
自从无线通信技术兴起以来，信道估计一直是无线通信领域中一个非常重要的问题。它涉及到诸多因素，例如调制方式、信噪比、解调算法等。一个优秀的信道估计算法可以有效地提高无线通信系统的性能。
本文将会重点介绍无线通信中的信道估计问题。首先，我们将对无线通信系统的信道估计问题进行一个简单的概述。然后，我们将会介绍当前常用的信道估计算法，并且通过实验数据来比较这些算法的性能。同时，我们也会讨论一些目前信道估计问题中的研究热点，以及未来发展的方向。
第二章：无线通信系统中的信道估计问题
对于一个无线通信系统而言，信道估计的作用是在接收端通过已知的信令解调出发送端的原始信号。一方面，信道估计可以使接收端更好地估计接收信号的信道实际情况，并且可以减小误差。另一方面，信道估计也可以有效地提高通信系统中使用的解调算法的精度。
通过信道估计技术，我们可以有效地对无线通信系统中信道的特性进行分析。无线通信系统中会存在一些影响信号传播的因素，例如多径效应、噪声等。这些因素往往会导致所接收到的信号产生变形，同时也会导致数据传输的错误。因此，为了提高信号的传输质量，我们必须对这些因素进行认真分析，并且设计出合适的信道估计算法。
第三章：信道估计算法
无线通信中的信道估计算法目前主要有两类：基于频域的算法和基于时域的算法。两种算法都有自己的优缺点，在不同的情况下应用不同的算法可以有效地提高无线通信系统的性能。
基于频域的信道估计算法
基于频域的信道估计算法是目前常用的算法之一，通常使用的是基于块的最小二乘（LS）估计算法。其优点是在对时域与频率域中的部分可见反馈路径进行估算时具有良好的性能。然而，该算法需要消耗大量的计算资源，并且往往需要长时间进行估算。因此，它对于长数据块的大规模信道估计并不适用。
基于时域的信道估计算法
相对于基于频域的算法，基于时域的信道估计算法的计算量更小，更适用于长数据块。在实际系统中，最常用的是基于导频（pilot）的信道估计算法。该算法使用已知的导频序列来识别信道的时间和频率响应，从而对信号进行补偿。因此该算法的实现非常简单，并且具有较高的估计精度。
基于认知无线电的QoS路由算法
第３１卷第２期
２０１１年２月 计算机应用
Ｊｏｕｒｎａｌ ｏｆ Ｃｏｍｐｕｔｅｒ Ａｐｐｌｉｃａｔｉｏｎｓ Ｖ０１．３１ Ｎｏ．２
Ｆｅｂ．２０１１
文章编号：１００１—９０８Ｉ（２Ｏｌ１）０２—０３０１—０３ ｄｏｉ：１０．３７２４／ＳＰ．Ｊ．１０８７．２０１ １．００３０１
基于认知无线电的ＱｏＳ路由算法
韩庆文，尚淑敏，王韬，黄 宓
（重庆大学通信工程学院，重庆４０００４４）
（ｓｈａｎｇｓｈｕ５９＠１６３．ｏｏｎ１）
摘要：一般无线网络的路由协议不适合直接应用于认知无线电网络，需要提出一个新的路由算法以满足认知
无线电网络端到端的服务质量（ＱｏＳ）性能。认知无线电网络中的节点可以自主地进行信道选择和频谱切换，从而最
大限度地满足流量需求和避免流内竞争。结合按需路由的基本流程，在充分考虑信道容量和流内竞争所带来的干扰
对路由选择的影响下，提出了适用于认知无线电网络的基于容量和干扰的路由算法。仿真结果表明，基于容量和干
扰的路由算法比另两种路由算法具有更好的端到端ＱｏＳ性能。
关键词：认知无线电网络；端到端；服务质量；流量需求；流内竞争
中图分类号：ＴＰ３９３．０７；ＴＮ９１５ 文献标志码：Ａ
ＱｏＳ ｒｏｕｔｉｎｇ ａｌｇｏｒｉｔｈｍ ｒｅｓｅａｒｃｈ ｂａｓｅｄ ｏｎ ｃｏｇｎｉｔｉｖｅ ｒａｄｉｏ
ＨＡＮ Ｑｉｎｇ—ｗｅｎ，ＳＨＡＮＧ Ｓｈｕ—ｍｉｎ，ＷＡＮＧ Ｔａｏ，ＨＵＡＮＧ Ｍｉ
（Ｃｏｌｌｅｇｅ ｏｆ Ｃｏｍｍｕｎｉｃａｔｉｏｎ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｃｈｏｎｇｑｉｎｇ Ｕｎｉｖｅｒｓｉｔｙ，Ｃｈｏｎｇｑｉｎｇ ４０００４４，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｇｅｎｅｒａｌ ｗｉｒｅｌｅｓｓ ｎｅｔｗｏｒｋ ｒｏｕｔｉｎｇ ａｌｇｏｒｉｔｈｍｓ ｃａｎ ｎｏｔ ｂｅ ｄｉｒｅｃｔｌｙ ｕｓｅｄ ｔｏ ｃｏｇｎｉｔｉｖｅ ｒａｄｉｏ ｎｅｔｗｏｒｋ，ｔｈｅｒｅｆｏｒｅ ａ
ｎｅｗ ｒｏｕｔｉｎｇ ａｌｇｏｒｉｔｈｍ ｎｅｅｄｓ ｔｏ ｂｅ ｐｒｏｐｏｓｅｄ ｔｏ ｓａｔｉｓｆｙ ｔｈｅ ｅｎｄ—ｔｏ－ｅｎｄ ＱｏＳ ｐｅｒｆｏｒｍａｎｃｅ ｉｎ ｃｏｇｎｉｔｉｖｅ ｒａｄｉｏ ｎｅｔｗｏｒｋ．Ｎｏｄｅｓ ｉｎ ｔｈｅ
认知无线电网络中的动态信道分配技术探析
通信技术数字技术 与应用
26认知无线电概念的出现,给现代人们提供了一种新的信号资源利用理论思路,通过对动态信道的分配,能够有效地利用好现有的频谱资源,使更多的用户参与到无线网络的使用当中,同时还提高了无线电信号的传输质量和传递效率,避免了其他不同频段的信号干扰,提高了用户的使用满意度,成为了现代电子通讯技术当中的一项重大发明。1 什么是认知无线电1.1 定义认知无线电也被认为是智能化无线电当中的一种,这种无线电具有较高的灵活性以及无线电信号的可配置性,它可以充分利用智慧化的操作手段,有选择性去改变一些无线电信号网络内的参数值,例如信号的传送功率,信号的载波频率等,这种无线电信号的传送可以不受到时间、空间上的限制,进而对频谱的资源进行合理的分配,因而认知无线电实质上就是一种频谱感知和智能化的技术手段,来达到频谱的动态分配目的,进而在频谱分配中实现资源共享[1]。1.2 特点认知无线电最大的特点主要体现在它对周围环境变化的感知和非常强大的适应能力上面,从而根据环境的变化来进行自身参数上的调整,进而增强无线信号传送的安全性。首先,认知无线电能够最大范围地搜索无线信号资源,然后寻找到频谱中漏洞和空缺的地方,进而建立起一种属于自己的信号库,在感受频谱的过程中,还可分为主动寻找频谱和被动接受频谱两种方式,认知无线电的信号系统终端可以进行射频信号的前端发射,通过射频信号进行频谱采集,分析采集到的数据信息可以进一步进行加工和整理,射频信号采集是主动采集的一种方式,可以有效地掌握到当时信号频谱的使用情况。而被动采集信号主要指的是针对频谱本身的分析,需要选择一定区域作为了解频谱情况的观测范围。其次,认知无线电还具有一定的分析能力和决策能力,很多无线电的使用者常常会为了提高无线电网络内的系统性能去对接受到的信号结果进行决策,然后根据决策结果减少对其他无线电用户的信号干扰。再次,一些认知无线电能够运用航天卫星GPS智能导航系统来确定自己的位置,进而减少由于地理原因造成的信号衰弱,然后根据自身实际的地理位置来设定适当的信号发射频率和信号参数的调制[2]。2 动态信道分配事实上,在无线网络信号的传递中,信道的资源是非常有限的,要想提高信号传递的数量,必须要对信道进行科学的设计,将频谱设计成为互相独立,不会受到干扰的单独信道,一般分配的方法有固定、动态以及混合三种分配方式,应用最为广泛的即是本文所述的动态信道分配,在资源的分配上并不固定在某一个特定的范围内,而是先将所有的信道资源收集整合在一起,然后再统一进行分配,在进行动态信道的分配时,要事先掌握好一定范围的信号总和,根据不同信道的不同传递质量来确定最终的信道位置。3 动态信道在认知无线电中的分配情况3.1 频谱分配在认知无线电网络的信号传递过程中,频谱分配主要分成动态分配和静态分配,静态的分配方式不是很灵活,所应用的范围比较窄,在此不过多地进行赘述。而动态的频谱分配则是一个不断进行自我调整的过程中,分配系统可以采取科学的决策方式来进行频谱的资源分配与整合,从而让大多数客户的需求能够得到满足,与此同时,对频谱进行有效的分配还可以大幅度提高无线通信网络的性能,充分利用频谱资源,减少频谱资源的不合理浪费[3]。3.2 信道分配原则在进行动态信道的资源分配时,理论上是要让所有用户都能够在通道内实现无线电信号的信息传递,找到需要的频谱资源,在信道资源分配过程中,一定要把握好两个原则,其一是要保证动态信道传输的灵活性能,比如说有的认知无线电信号使用的频谱资源并没有得到相应用户的授权,这时候有权限的用户如果使用了这段频谱,另一方的认知无线电使用者就会被踢出这一频谱范围,因而要想保证信号传输不被中断,就要保证信道分配的灵活。其二,要明确动态信道系统分配的主要目的,就是要对有限的频谱资源进行整合并加以全面性利用,不要让过多的频谱浪费掉,因而动态信道的另一分配原则就是要保证整个无线电通讯网络系统的稳定性,根据用户的需求来完成认知。4 动态信道的分配管理4.1 动态信道的频谱分配管理需要明确的是,在认知无线电网络信号的传输过程中,频谱的分配管理对于动态信道的分配管理来说非常重要,只有确保频谱资源的合理分配,才会尽可能地减少出认知无线电网络中的动态信道分配技术探析王凌燕(郴州职业技术学院,湖南郴州 423000)摘要:随着现代电子通讯技术的不断发展,各式各样的电子移动终端都可以通过无线网络技术获得信息资源,但是这种不通过授权就得到资源分配的方式,将使得网络通道发生拥挤,而传统意义上的频谱分配方式又会使很多频道的资源闲置,造成极大的资源浪费,因此,本文将主要针对现代认知无线网络当中的动态信道分配技术和分配模式进行讨论,希望能够在方便用户使用的同时,提高资源的利用效率。关键词:认知无线电；信道；分配中图分类号:TN925文献标识码:A文章编号:1007-9416(2017)01-0026-02