小波与匹配滤波器在认知无线电频谱检测中的应用

Dr.T.V.U.Kiran库马尔
巴拉特大学欧洲经委会系，金奈- 600073，印度

摘要

认知无线电用于允许未授权用户使用授权用户的波段。使用认知无线电可以解决频谱稀缺和频谱利用不足的问题。该系统能够达到准确、高效的目的。认知无线电中的频谱空洞可以通过使用协同能量探测来检测。通过频谱感知来定位未使用的频谱段。这些细分不会对授权用户造成有害干扰。在感知期间，每个二次用户感知不同的信道，提高频谱感知效率。合作频谱感知是在认知无线电环境下检测频谱可用性并避免多径因子和阴影效应等干扰因素的一种方法。文献表明，使用1D&2D小波变换可以进一步提高检测精度。在这个项目中，我们正在研究匹配滤波器技术在提高认知无线电频谱检测过程性能参数方面的适用性。

关键字

认知无线电，能量检测，合作频谱感知。

介绍

传统的频谱分配采用不灵活的方法，将固定频段分配给特定的许可用户，即使许可用户空闲，其他用户也不能使用。由于这种方法会导致频谱利用不足并导致频谱稀缺，因此近年来更灵活的频谱分配方法越来越受欢迎。特别是，认知无线电(CR)已经成为一种有前途的解决方案，它允许未经许可的(次要)用户(SUs)机会性地访问分配给已许可的(主要)用户(pu)的频段。在CR组网中，不允许SUs干扰pu的传输。因此，CRs必须执行频谱感知，以确定在访问频带之前是否存在PU。

最近的研究还表明，大部分已分配的频谱没有得到充分利用，而无线应用的增加导致了频谱的稀缺。认知无线电(CR)是一种新型的无线通信技术，可以解决频谱不足和频谱利用不足的问题。

最近，美国联邦通信委员会(FCC)通过了一项提案，授权用户的频段可以被未授权用户访问，这就是频谱重用。在认知无线电中，频谱感知用于定位未使用的频谱段，并在不对许可用户造成有害干扰的情况下优化使用这些频谱段。

认知无线电系统利用许可频段内未使用的频谱孔是解决频谱危机的解决方案之一。该想法是检测特定许可频段在特定地点未使用的时间，并使用该频段进行传输，而不会对许可证持有者的传输造成任何重大干扰。次要用户通常不知道主要用户使用的传输方案，可能不会与主要用户的信号同步。这意味着二级用户只能使用非相干能量探测器或特征探测器，在低信噪比下，这些探测器的性能要比相干接收机差得多。除了这些低信噪比的问题外，还有由于阴影而产生的隐藏终端问题。次要用户可能被遮蔽远离主发射机，但可能有靠近次要用户的主接收机不被主发射机遮蔽。因此，如果次级发射，它可能会干扰主接收器的接收。为了设计出检测问题的实际解决方案，也需要解决这个问题。

在现有的频谱感知算法中，能量检测算法简单，不需要对授权用户的信号进行先验知识，因此得到了广泛的应用。而干扰、多径阴影等因素对频谱感知的实现提出了很大的挑战。

为了解决这些问题，分析了多种基于OR规则、AND规则和多数规则的合作能量感知算法。然而，文献研究提到信号处理先于能量感知。本文提出了一种基于OR规则的一维和二维小波降噪协同频谱感知能量检测技术。能量检测前在各传感节点(CR)进行一维一级小波去噪，在中央控制站(CCS)进行二维二级小波去噪。仿真结果表明，与传统的小波去噪方法相比，基于OR规则的协同频谱感知算法显著提高了频谱感知性能(漏检概率与虚警概率)。

认知无线电系统

在认知无线电系统中，非授权用户只有在频谱感知完成后才能访问授权用户的空闲信道。这可以通过首先检测在CR范围内具有部分可用频谱的主要用户来实现。

根据信息论中的Huffman编码算法，基站分配给可靠性高的无证用户较少的比特用于报告结果，分配给可靠性低的无证用户较多的比特用于报告结果。但是这种方法需要站点知道所有未授权用户的可靠性。这是不可能的，因为未经许可的用户的信道和接收信号强度都在变化。

为了在带宽限制下有效利用无授权用户的可靠性，当无授权用户可靠性高时进行本地决策，当无授权用户可靠性低时进行量化决策。当无授权用户能够检测到有授权用户是否存在时，其可靠性较高。选取两个阈值λ1和λ2，用于测量未授权用户采集能量的可靠性。H0表示主用户不在位，H1表示主用户正在运行。

“量化统计量”是认知无线电中使用的术语，意思是观测结果不够可靠，无法做出决策，无证用户将测试统计量的量化发送到基站。

每个未授权用户单独进行频谱感知并收集能量Ã¯Â¿Â½Ã¯Â¿Â½。未授权用户的本地决策依据如下规则:

λ≤θ≤λ&。设M是量子化比特的个数。结果表明，采用2位或3位量化最合适，且性能无明显损失。因此平均传感比特数不会太大。

对未授权用户进行本地判定或量化后，通过控制信道将结果发送到基站。基站采集M位数据，采用能量融合法进行融合。利用融合结果u K+1和从未授权用户接收到的1位本地决策，基站将根据融合函数u= Ω (u1, u1，..... . cn)做出最终决策英国+ 1)。为了进一步限制对授权用户的干扰，在基站中使用or规则。

认知无线电感知

频谱感知中最具挑战性的问题之一是隐藏终端问题，这发生在认知无线电被阴影或深褪色时。为了解决这个问题，可以协调多个认知无线电来执行频谱感知。最近的一些工作表明，合作频谱感知可以大大提高衰落信道中的检测概率。

一般情况下，合作频谱感知方式如下:

步骤1:每个认知无线电i独立地执行局部频谱测量，然后对所有i = 1，..........做出二进制决策Di∈{0,1}K;

步骤2:二进制决策由所有认知无线电转发给CCS。

步骤3:CCS决定是H0还是H1。

在上述合作频谱感知算法中，每个合作伙伴根据自己的局部观测结果做出二进制决策，然后将其中一位决策转发给CCS。在CCS中，所有的1位决策根据以下逻辑规则融合在一起

为第i个CR在局部频谱感知中的虚警概率。给出了合作频谱感知的漏检概率

式中为第i个CR在局部光谱感知中漏检的概率。

提出了系统

1.小波变换

小波变换已被证明是信号分析的有用工具，并被广泛应用于信号处理(如去噪应用)。连续小波变换(CWT)由式(8)提供，其中y(t)为待分析信号，ψ(t)为母小波或基函数[8]。

离散小波变换(DWT)是CWT的采样版本。对离散时域信号进行连续低通和高通滤波，得到DWT，如图3所示。信号表示为X[n]，其中n为整数。低通滤波器用G0表示，高通滤波器用H0表示。在每个级别上，高通滤波器产生详细信息d[n]，而与缩放函数相关的低通滤波器产生粗逼近a[n]。

二维小波变换已广泛应用于图像压缩和去噪。二维小波变换是通过在图像矩阵的水平方向和垂直方向上同时应用一维小波变换实现的。

A.一维小波去噪光谱感知

由于能量传感的检测周期非常短，因此每个检测周期内信道增益h和主用户信号的变化应该很小。因此系统模型可以简化为:

(9)中的噪声为独立同分布高斯白噪声，即N[i] ~ N(0， σ²)。这里x是接收到的信号，并假设在如此短的检测周期内几乎没有变化。小波去噪主要是基于小波变换的“集中”能力。一方面，信号的能量总是集中在少数小波维度上;另一方面，噪声将其能量分散在大量系数上。式(9)在小波变换域中可写成[7]

其中W表示离散小波变换(DWT)的左可逆小波变换矩阵，X = [x1,x2，…]， xM]或长度为M的零向量。由于X变化很小，所以WX的详细信息几乎为零。因此，细节信息dy只包含小波变换域中噪声的细节信息。在去除这些细节信息后，通过小波反变换可以在不损失原始信号X的情况下检索到所需的信号;同时噪声能量显著降低。基于一维小波去噪的频谱感知过程总结如下:

i.计算信号Y = [y1, y2，…]的离散小波变换系数。， yM]，得到详细信息dy和粗略近似ay

i.设细节信息向量dy = 0，用粗近似ay和新的细节信息dy计算小波反变换，得到新的信号Y。

B.二维小波去噪光谱感知

传感节点将接收到的信号发送到中控站时，可采用二维离散小波变换减小噪声的影响。(7)中的系统模型可以写成

匹配滤波器

当发射信号已知时，使用匹配滤波来检测主用户。对于给定的输入，它给出了高信噪比。卷积是匹配滤波器的核心。

匹配滤波器也是为了提高存在噪声时的信噪比。匹配滤波器采用认知无线电对接收信号进行解调，因此需要知道主信号的某些参数，如工作频率、带宽等。匹配滤波器对两个信号进行比较时，采用快速傅里叶变换，将对应系数相乘，再进行傅里叶反变换。匹配滤波器的主要优点是需要更短的时间来实现较高的处理增益和相干检测导致的虚警和漏检概率。

结论及未来工作

本文提出了一种新的基于OR规则的一维和二维小波去噪协同频谱感知算法。一维小波去噪算法先对各传感节点进行小波去噪处理，而二维小波去噪算法先将信号采集到中控站，再进行二维小波去噪处理。两种算法均采用传统的基于OR规则的协同能谱感知算法来克服阴影效应。在低信噪比条件下，通过数值模拟验证了这种新的协同频谱感知算法。仿真结果表明，将小波变换引入基于OR规则的协同频谱感知中，可以显著提高频谱感知效率。此外，小波变换级别越高，传感性能越好。

参考文献

王海军，徐毅，苏鑫，“基于小波去噪的认知无线电协同频谱感知”，第71届汽车技术会议，2010年5月。
Rioul和M. Vetterli，“小波和信号处理”，IEEE信号处理杂志，第14-38页。1991年10月。
张伟，Ranjan K. Malik和Khaled Ben Letaief，认知无线电网络中的合作频谱感知优化，ICC ' 08。IEEE国际通信会议。pp.3411-3415, 5月。19日- 23日,2008。
A.Ghasemi, E.S.Sousa，“协作传感在衰落信道中的机会性频谱访问”，通信学报，第2卷，第71-82页，2007年3月
朱江，徐正光，王芙蓉，黄本雄，张博，“认知无线电中协同频谱感知的双门限能量检测”，面向认知无线电的无线网络与通信，2008。第1-5页，2008年5月15-17日。
王海军，徐毅，苏鑫，“基于小波去噪的认知无线电协同频谱感知”，第71届汽车技术会议，2010年5月。
Rioul和M. Vetterli，“小波和信号处理”，IEEE信号处理杂志，第14-38页。1991年10月。