周雄

為滿足超密集網(wǎng)絡(luò)中基站對(duì)寬帶頻譜資源的實(shí)時(shí)感知要求，提出了一種寬帶頻譜感知算法。本方法根據(jù)信號(hào)結(jié)構(gòu)，通過(guò)保護(hù)邊帶獲得噪聲功率水平，據(jù)此迭代獲得平均信號(hào)功率，從而得到信號(hào)與噪聲的最佳判決門限，感知空閑頻譜。本方法運(yùn)算復(fù)雜度低，適用于已知信號(hào)結(jié)構(gòu)下的寬帶頻譜感知。仿真結(jié)果表明，該算法有較好的性能且能適應(yīng)較低信噪比的條件。

超密集網(wǎng)絡(luò) 寬帶頻譜感知 快速感知

1 引言

超密集網(wǎng)絡(luò)通過(guò)提高接入點(diǎn)密度，提高了區(qū)域頻譜效率，是5G通信的重要發(fā)展方向。在超密集網(wǎng)絡(luò)中，基站與認(rèn)知無(wú)線電的結(jié)合將提升站點(diǎn)的即插即用能力[1]，提供高速率、低耗能的通信服務(wù)。

頻譜感知作為認(rèn)知無(wú)線電技術(shù)的核心功能，受到了廣泛的關(guān)注，主要的頻譜檢測(cè)方法有：能量檢測(cè)[2-3]、匹配濾波檢測(cè)[4]、特征檢測(cè)[5]以及波形檢測(cè)[6]等。然而對(duì)于超密集網(wǎng)絡(luò)，同一資源可能被多個(gè)相鄰站點(diǎn)使用，感知信號(hào)復(fù)雜。感知基站通常處于鄰居站點(diǎn)有效覆蓋范圍之外，信噪比條件較差，為保證負(fù)載的實(shí)時(shí)通信，須在較短感知周期內(nèi)完成感知。對(duì)于寬帶頻譜感知方法，目前的研究成果主要是最優(yōu)化頻譜檢測(cè)方法[7]，但是其感知周期長(zhǎng)、復(fù)雜度高、可操作性低，其判決門限獲取方法復(fù)雜，在超密集網(wǎng)絡(luò)中不可行。在自組織網(wǎng)絡(luò)中，由于感知信息難以相互共享，多個(gè)感知節(jié)點(diǎn)聯(lián)合檢測(cè)方法[8]難以在此適用。當(dāng)前對(duì)于超密集網(wǎng)絡(luò)中需要的，快速、準(zhǔn)確、低復(fù)雜度的寬帶頻譜感知技術(shù)仍需進(jìn)一步研究。

本文提出了一種寬帶頻譜檢測(cè)技術(shù)，通過(guò)前端采樣的子頻帶信息，利用保護(hù)邊帶的噪聲信息，估計(jì)噪聲功率與信噪比，從而獲得最佳判決門限。在一個(gè)符號(hào)周期內(nèi)，只需一次FFT運(yùn)算，快速有效地得到感知帶寬內(nèi)各子頻段的使用情況。本文方法利用保護(hù)邊帶的噪聲信息，獲得了最佳判決門限，復(fù)雜度低、可行性高、實(shí)時(shí)性能好，適合超密集網(wǎng)絡(luò)中實(shí)際需要的寬帶頻譜感知。

2 系統(tǒng)模型

2.1 無(wú)線感知環(huán)境

在自組織的超密集網(wǎng)絡(luò)中，各基站之間競(jìng)爭(zhēng)共存，其配置參數(shù)一般各不相同，具體如圖1所示。為滿足用戶的需求，保證網(wǎng)絡(luò)中頻譜資源能夠被各個(gè)基站最優(yōu)化地分配使用，每一個(gè)基站都必須實(shí)時(shí)掌握自己覆蓋范圍內(nèi)的可用頻譜資源信息，從而選擇最佳頻譜使用策略。所以，網(wǎng)絡(luò)中的每一個(gè)基站都需要對(duì)寬帶頻譜中各個(gè)子頻帶進(jìn)行感知，需要實(shí)時(shí)地、高效地感知出寬帶頻譜內(nèi)每一個(gè)頻點(diǎn)的使用情況。并且通常感知基站不在鄰居節(jié)點(diǎn)覆蓋范圍內(nèi)，信噪比條件較差，因此感知方法還需在低信噪比條件下有較好的性能。

對(duì)于頻分復(fù)用的無(wú)線通信方式，其頻譜都包含一個(gè)特定的工作頻段和相應(yīng)的保護(hù)頻帶。工作頻段會(huì)被劃分為多個(gè)通信子頻帶，每個(gè)子頻帶會(huì)占據(jù)一定帶寬，保護(hù)頻帶則沒有被任何用戶使用。例如在LTE寬帶通信中，頻帶寬達(dá)20MHz，等間隔劃分為110個(gè)資源塊，每個(gè)資源塊包含12個(gè)子載波。此外，有寬達(dá)數(shù)十兆赫茲的保護(hù)頻帶。

2.2 感知信號(hào)

在LTE系統(tǒng)中，頻譜資源的分配是以資源塊為單位的。以一個(gè)資源塊為單位進(jìn)行分析，既能滿足頻譜感知精細(xì)度的要求，又能避免信號(hào)畸變對(duì)OFDM信號(hào)正交性破壞帶來(lái)的影響。綜上所述，感知需求就是正確感知每一單位頻率資源的使用情況。

在自組織超密集網(wǎng)絡(luò)中，各站點(diǎn)可自由加入或退出頻移資源共享系統(tǒng)的，在感知周期內(nèi)，站點(diǎn)之間缺乏協(xié)調(diào)機(jī)制。所以，基站接收到的信號(hào)往往來(lái)自多個(gè)基站，令接收信號(hào)xmi（t）代表來(lái)自編號(hào)為m的鄰居節(jié)點(diǎn)第i段頻譜時(shí)域檢測(cè)信號(hào)，則：

其中smi（t）表示發(fā)送信號(hào)，vmi（t）表示時(shí)域噪聲，M表示鄰居基站個(gè)數(shù)，H0代表沒有信號(hào)，H1代表有信號(hào)。令I(lǐng)表示感知寬帶內(nèi)的頻譜單元總數(shù)，αi，m為相應(yīng)信道增益，那么總的寬帶范圍的接收信號(hào)就為：

3 寬帶頻譜感知方法

超密集網(wǎng)絡(luò)中，通常感知信號(hào)是來(lái)自多個(gè)站點(diǎn)信號(hào)的疊加，這會(huì)使得感知信號(hào)特征被破壞。對(duì)于某一頻段，選擇能量感知來(lái)判斷是否被占用是一種簡(jiǎn)單的方法。對(duì)于本文討論的場(chǎng)景中全體子頻帶的感知，因?yàn)榭湛谛盘?hào)的結(jié)構(gòu)是已知的，因此可以確定保護(hù)帶的位置，保護(hù)帶不會(huì)被任何站點(diǎn)所使用。因此，可以利用這一先驗(yàn)知識(shí)，獲得噪聲功率的電平值，通過(guò)迭代運(yùn)算，計(jì)算出平均信號(hào)功率，從而得到最佳判決門限。對(duì)所有子載波是否被占用進(jìn)行最終判決，具體流程如圖2所示：

下文中，詳細(xì)分析了從前端采樣獲得的時(shí)域信號(hào)，并推導(dǎo)出最佳判決門限，詳細(xì)敘述了迭代獲取平均信號(hào)功率的方法，估計(jì)出信噪比參數(shù)，完成了寬帶頻譜的感知。

3.1 寬帶采樣信號(hào)分析

對(duì)于感知節(jié)點(diǎn)而言，若有任意一個(gè)鄰居節(jié)點(diǎn)正在使用某一子頻段，則感知基站應(yīng)避免使用該子頻段，令xi（t）為子頻段i的總感知信號(hào)，則有：

令Ei（x）表示子頻段i對(duì)應(yīng)的時(shí)域感知信號(hào)能量，ωi表示某頻點(diǎn)或者該資源塊所對(duì)應(yīng)的頻率范圍的中心頻率，△ω表示對(duì)應(yīng)頻率單元的頻譜寬度，Tsense為感知周期，F(xiàn)（ω）為感知信號(hào)的傅立葉變換。則由帕塞瓦爾定理可知：

可令Tsense=N×Tsample，其中Tsample為基站的信號(hào)采樣周期，N則為感知周期內(nèi)的采樣點(diǎn)數(shù)。令為感知信號(hào)N點(diǎn)離散傅立葉變換值，于是感知能量估計(jì)值為：

其中，服從卡方分布[9]，但是當(dāng)N足夠大時(shí)（一般只需N≥20，在實(shí)際通信系統(tǒng)中很容易滿足），可以認(rèn)為漸進(jìn)的服從正態(tài)分布，其統(tǒng)計(jì)特征模型如下：

其中Ps為信號(hào)功率，δ2v為噪聲功率。當(dāng)選擇一個(gè)判決門限γ之后，相應(yīng)的虛警率與檢測(cè)率分別可表示為：

若是采用FFT運(yùn)算進(jìn)行功率譜估計(jì)，則在一個(gè)感知周期內(nèi)就可以得到整個(gè)寬帶內(nèi)所有子頻帶信號(hào)的能量。如果能夠確定合理的判決門限γ，便可判斷每一個(gè)子頻帶的使用情況，確定感知向量。FFT快速運(yùn)算即可滿足感知算法的實(shí)時(shí)性要求。

3.2 判決門限的選擇

綜上所述，該方法所得的感知結(jié)果主要與判決門限的選擇有關(guān)。從公式（6）可以看出，當(dāng)接收信號(hào)在H0和H1情況下，二者分布的方差不相等，所以判決門限不能簡(jiǎn)單地視為二者期望的平均值。為找到綜合考慮虛警率和漏檢率的最佳判決門限γoptimal，記d1=γoptimal-Nδv，d2=Nδ2v+NPS-γoptimal分別為判決門限與H0、H1情況下能量期望的距離。在方差較大的H1時(shí)，其期望與判決門限距離應(yīng)該較遠(yuǎn)，以平衡虛警率和漏檢率，如圖3所示。于是借助切比雪夫不等式：

根據(jù)公式（10）：

由此可得最佳判決門限γoptimal為：

γoptimal

從上述表達(dá)式可以看出最佳判決門限主要取決于信噪比和噪聲功率。在實(shí)際系統(tǒng)中，需要估計(jì)這兩個(gè)參數(shù)，以求得最佳判決門限。

3.3 參數(shù)估計(jì)

通過(guò)上面的分析，實(shí)現(xiàn)寬帶頻譜感知需要估計(jì)噪聲功率和信噪比。通過(guò)對(duì)寬帶采樣信號(hào)的分析，可通過(guò)FFT運(yùn)算，獲得寬帶中所有子頻段及其保護(hù)頻帶的功率譜信息。那么在高斯信道條件下，可以對(duì)該感知周期內(nèi)的信噪比與平均高斯噪聲功率進(jìn)行估計(jì)。

通常保護(hù)邊帶只包含了噪聲信息，基站的發(fā)送信號(hào)經(jīng)過(guò)成型濾波后，旁瓣衰減很快，泄漏到保護(hù)帶的能量較小，可以認(rèn)為是噪聲的一部分。利用保護(hù)頻帶內(nèi)的平均功率，可以估計(jì)噪聲功率δv2 ，其中ω'代表邊帶頻率，B為保護(hù)邊帶寬度，△ω為信號(hào)子頻帶寬度。噪聲功率的公式為：

在高斯信道中，估計(jì)出噪聲功率之后，可求得信號(hào)總功率為：

其中，Ps_sum為有用信號(hào)總功率，Psum為感知帶寬內(nèi)感知信號(hào)總功率。令lused為實(shí)際被占用的子頻帶數(shù)目，Ps為子頻帶上發(fā)射信號(hào)的平均功率。雖然鄰居節(jié)點(diǎn)的覆蓋半徑有可能不一樣，但是考慮到功率自適應(yīng)調(diào)整，在各個(gè)小區(qū)邊緣用戶服務(wù)質(zhì)量相同的情況下，可以認(rèn)為不同節(jié)點(diǎn)的發(fā)送信號(hào)傳輸?shù)狡涓采w邊緣時(shí)的功率基本相等，則Ps_sum為：

為求得信號(hào)平均功率Ps，采用如下迭代方法估計(jì)lused，然后代入公式（13）中求解可得Ps。迭代算法步驟如下：

其中，[·]運(yùn)算代表四舍五入取整，q為迭代次數(shù)。在上述迭代運(yùn)算中，

是對(duì)lused進(jìn)行的估計(jì)值，當(dāng)時(shí)，用對(duì)lused進(jìn)行估計(jì)則包含了部分只有噪聲的子載波；反之，則有部分有信號(hào)子載波未被包含。令Pextra表示相應(yīng)誤差所對(duì)應(yīng)的多余或者遺漏的功率值，可表示為：

可寫為：

于是，求解使用子頻帶使用數(shù)量估計(jì)值為：

從公式（18）可以看出，有如下性質(zhì)：

從公式（19）可以看出，經(jīng)過(guò)多次迭代運(yùn)算之后，會(huì)使得收斂于lused，并且該方法對(duì)初始門限γ0的取值不敏感，仿真結(jié)果也表明了這一點(diǎn)。的迭代運(yùn)算結(jié)果趨近實(shí)際的子頻帶使用數(shù)量lused，從而求得信號(hào)平均功率與信噪比如下：

4 仿真結(jié)果

在進(jìn)行仿真時(shí)，采用OFDM調(diào)制方式的LTE寬帶通信系統(tǒng)。在20MHz帶寬的LTE系統(tǒng)中，包含110個(gè)資源塊，每一個(gè)資源庫(kù)包含12個(gè)正交子載波[10]。主要仿真結(jié)果如圖4、圖5所示。給出了漏檢率與虛警率仿真曲線，分別同公式（7）、公式（8）中的理論曲線進(jìn)行對(duì)比。

圖4與圖5分別表示漏檢率與虛警率。從仿真結(jié)果來(lái)看，仿真曲線與理論曲線基本契合，且在較低信噪比條件下，依然能夠獲得較低的漏檢率與虛警率，從而保證頻譜感知效率。并且，在對(duì)lused進(jìn)行估計(jì)時(shí)，γ0取值從功率歸一化取值范圍為0.3至0.8，均可以在10次迭代計(jì)算以內(nèi)收斂。然而在公式（6）中，將卡方分布近似成正態(tài)分布，存在一定誤差，這也是造成仿真曲線與理論曲線存在誤差的主要因素。

5 結(jié)束語(yǔ)

本文提出了一種快速寬帶頻譜感知方法，該方法能夠在高斯信道下，準(zhǔn)確地估計(jì)出感知信號(hào)信噪比與平均噪聲功率，求得最佳判決門限。進(jìn)而在一個(gè)感知周期內(nèi)分別感知寬帶頻譜內(nèi)每一個(gè)資源塊或頻點(diǎn)的使用情況，運(yùn)算復(fù)雜度較低，有非常強(qiáng)的實(shí)時(shí)性，針對(duì)采用OFDM的LTE寬帶系統(tǒng)有良好的性能。通過(guò)仿真驗(yàn)證可知，在較低信噪比條件時(shí)，其仍具有較低的虛警率與漏檢率，仿真結(jié)果曲線與理論曲線有很好的一致性。

參考文獻(xiàn)：

[1] Lee J， Yoon J， Song H， et al. Traffic pattern-based opportunistic spectrum access of cognitive femto base stations for decentralized cross-tier interference management[A]. Ubiquitous and Future Networks （ICUFN）， 2014 Sixth International Conf. on. IEEE， 2014： 352-356.

[2] Kay S M. Fundamentals of Statistical Signal Processing： Detection Theory[M]. Englewood Cliff， NJ： Prentice-Hall， 1988： 248-299.

[3] Wang C C， Wang D S， Chen S Y， et al. A wide range and high conversion gain power detector for frequency shift sensing applications[A]. Circuits and Systems （MWSCAS）， 2015 IEEE 58th International Midwest Symposium on IEEE， 2015： 1-4.

[4] Poor H V. An Introduction to Signal Detection and Estimation[M]. New York： Springer-Verlag， 1998： 50-150.

[5] Enserink S， Cochran D. A cyclostationary feature detector[J]. Signals Systems and Computers， 1994（2）： 806-810.

[6] Axell E， Leus G， Larsson E G， et al. Spectrum sensing for cognitive radio： State-of-the-art and recent advances[J]. Signal Processing Magazine， IEEE， 2012，29（3）： 101-116.

[7] Sun H， Nallanathan A， Wang C X， et al. Wideband spectrum sensing for cognitive radio networks： a survey[J]. Wireless Communications， IEEE， 2013，20（2）： 74-81.

[8] Sun H， Chiu W Y， Jiang J， et al. Wideband spectrum sensing with sub-Nyquist sampling in cognitive radios[J]. IEEE Transactions on Signal Processing， 2012，60（11）： 6068-6073.

[9] MacKenzie A B， Reed J H， Athanas P， et al. Cognitive radio and networking research at Virginia Tech[J]. Proceedings of the IEEE， 2009，97（4）： 660-688.

[10] Sesia S， Toufik I， Baker M. LTE： the UMTS long term evolution[M]. New York： John Wiley & Sons， 2009.