- 認識本地感知技術
- 了解協作感知技術
- 研究信息融合問題
- 采用數據融合算法
- 采用決策融合算法
- 利用感知機制的優化
隨著無線通信業務的增長，可利用的頻帶日趨緊張，頻譜資源匾乏的問題日益嚴重。怎樣才能提高頻譜利用率，在不同區域和不同時間段里有效地利用不同的空閑頻道，成為人們非常關注的技術問題。為了解決該問題，Joseph Mito1a于1999年在軟件無線電的基礎上提出了認知無線電的概念，要實現動態頻譜接入，首先要解決的問題就是如何檢測頻譜空穴，避免對主用戶的干擾，也就是頻譜感知技術。CR用戶通過頻譜感知檢測主用戶是否存在，從而利用頻譜空穴。
認知無線電(CR)概念由Joseph Mitola博士提出，其主導思想是實現伺機的動態頻譜接入，即非授權用戶(也稱次用戶或認知用戶)通過檢測，機會性地接入已分配給授權用戶(或主用戶) 但暫時很少使用甚至未被使用的空閑頻段，一旦主用戶重新接入該頻段，次用戶迅速騰出信道。這種技術需解決的首要問題就是如何快速準確地獲取授權頻譜的使用情況，目前主要有3類解決方案：建立數據庫檔案、傳送信標信號和頻譜感知。表1從多個方面對3種方案進行了比較，其中頻譜感知方案因具有建設成本低、與現有主系統的兼容性強等突出優點，得到了大多數研究學者的認同;另外兩種由于受到政治、經濟等因素的制約而很難實現，對其研究相對較少。
1 本地感知技術
1.1 主要檢測算法
本地頻譜感知是指單個認知用戶獨立執行某種檢測算法來感知頻譜使用情況，其檢測性能通常由虛警概率以及漏檢概率進行衡量。比較典型的感知算法包括：
能量檢測算法，其主要原理是在特定頻段上，測量某段觀測時間內接收信號的總能量，然后與某一設定門限比較來判決主信號是否存在。由于該算法復雜度較低，實施簡單，同時不需要任何先驗信息，因此被認為是CR系統中最通用的感知算法。
匹配濾波器檢測算法，是在確知主用戶信號先驗信息(如調制類型，脈沖整形，幀格式)情況下的最佳檢測算法。該算法的優勢在于能使檢測信噪比最大化，在相同性能限定下較能量檢測所需的采樣點個數少，因此處理時間更短。
循環平穩特征檢測算法，其原理是通過分析循環自相關函數或者二維頻譜相關函數的方法得到信號頻譜相關統計特性，利用其呈現的周期性來區分主信號與噪聲。該算法在很低的信噪比下仍具有很好的檢測性能，而且針對各種信號類型獨特的統計特征進行循環譜分析，可以克服惡意干擾信號，大大提高檢測的性能和效率。
協方差矩陣檢測算法，利用主信號的相關性建立信號樣本協方差矩陣，并以計算矩陣最大、最小特征值比率的方法做出判決。文獻[1]提出基于過采樣接收信號或多路接收天線的盲感知算法。通過對接收信號矩陣的線性預測和奇異值分解(QR)得到信號統計值的比率來判定是否有主用戶信號。
[page]
以上這些算法都是對主用戶發射端信號的直接檢測，基本都是從經典的信號檢測理論中移植過來的。此外，近期一些文獻從主用戶接收端的角度提出了本振泄露功率檢測和基于干擾溫度的檢測。有些文獻對經典算法進行了改進，如文獻[2]提出了一種基于能量檢測-循環特征檢測結合的兩級感知算法。文獻[3]研究了基于頻偏補償的匹配濾波器檢測、聯合前向和參數匹配的能量檢測、多分辨率頻譜檢測和基于小波變換頻譜檢測等。表2歸納了文獻中提及較多的一些感知算法，并對其優缺點進行了比較。
單用戶本地感知主要面臨以下挑戰：首先，對感知設備提出了較高的硬件要求，如高速高分辨率的數模轉換器、高速的信號處理器、寬帶射頻(RF)單元、單 /雙鏈路結構等等，以達到所需的檢測速度和靈敏度;其次，由于多徑衰落、陰影和本地干擾等因素的影響，單用戶本地頻譜檢測往往不能獲得滿意的性能。再次，如何檢測基于擴頻技術的主用戶信號也是個難點問題。
Ghasemi將頻譜感知的主要難點問題歸結于3種不確定性：信道不確定性，即在陰影、衰落信道中，認知用戶很難從噪聲背景下區分出經歷深衰落的主信號;噪聲不確定性，主要是能量檢測的性能會因為噪聲估計的偏差受到嚴重影響;聚合干擾不確定性，當網絡中存在多個認知用戶時，單個認知用戶的發射可能不會干擾主用戶，但是多個用戶同時發射可能會超過主用戶的干擾溫度門限(最大干擾的容忍程度)。
基于以上分析，下一步的主要研究方向包括：針對衰落、陰影等惡劣的信道環境，研究能量檢測、循環特征檢測等算法的改進或者進一步探討更為新穎的感知算法;針對正交頻分復用技術(OFDM)頻譜池系統的多帶檢測算法;將傳統的時域、頻域、空域的三維信號檢測進行拓展，并研究包括角度、編碼等維度的多維頻譜感知算法。
2 協作感知技術
為了克服本地檢測的弊端，進一步提高檢測性能，協作感知得到了廣泛而深入的研究。通過不同次用戶間的交互與協作，不僅僅能降低各認知用戶的檢測靈敏度需求，大幅度提高認知用戶的捷變能力，還能有效緩解"隱藏終端"問題以及噪聲不確定性等問題。
[page]
2.1 協作方案的分類
根據協作網絡結構和協作策略選擇不同，協作感知方案可分兩類：
(1)集中式協作感知
這種方案中，通常有一個中心基站(或接入點)和多個參與協作的認知用戶(也稱認知節點)，并且需要專用控制信道將各用戶本地感知信息傳送到中心點進行融合處理以及最終判決。
目前大部分文獻研究的都是該類型的協作感知。Cabric等人于2004年開始這方面研究，指出集中式協作感知可以減小多徑衰落信道的影響，改善檢測性能，并分析了節點數、門限值等參數的選取以及陰影相關性對協作的影響[4].隨后，Ghasemi更加詳細討論了在獨立同分布(I.I.D.)瑞利衰落信道和對數正態分布陰影信道條件下，基于能量檢測和硬融合的協作感知方案的檢測性能及其對頻譜利用率、檢測靈敏度、檢測時間帶寬積、噪聲不確定性抵抗能力的影響。文獻[5]還從聚合干擾的角度，進一步分析了協作感知對于聚合干擾分布的影響，并在給定干擾概率情況下，給出了單用戶感知靈敏度和協作半徑之間的權衡。
(2)分布式協作感知
分布式協作感知中，各協作節點彼此可以交互和共享感知信息，并分別對各自感興趣的頻譜做最終判決。該方案最大的好處是簡化了認知網絡結構，因而減小了開銷成本。
2005年，G.Ganesan等人提出了基于前向放大協議的中繼協作感知方案，主要原理是在時分多址(TDMA)系統中，各協作用戶間以正交方式傳輸，一旦某個次用戶檢測到主用戶信息，則在下個時隙發送本身信號的同時轉發檢測到的主信號給鄰近的次用戶，再退出頻段。該方案利用了網絡所固有的非對稱性來提高增益，同樣可以降低檢測時間，保持較低的中斷概率，從而提高網絡的捷變性。
2.2 信息融合問題
傳統的數據融合是指多傳感器的數據在一定準則下加以自動分析、綜合以完成所需的決策和評估而進行的信息處理過程。信息融合最早用于軍事領域，定義為一個處理探測、互聯、估計以及組合多源信息和數據的多層次多方面過程，以便獲得準確的狀態和身份估計、完整而及時的戰場態勢和威脅估計。它強調信息融合的三個核心方面：第一，信息融合是在幾個層次上完成對多源信息的處理過程，其中每一層次都表示不同級別的信息抽象;第二，信息融合包括探測、互聯、相關、估計以及信息組合;第三，信息融合的結果包括較低層次上的狀態和身份估計，以及較高層次上的整個戰術態勢估計。多傳感器數據融合是人類或其他邏輯系統中常見的功能。人非常自然地運用這一能力把來自人體各個傳感器(眼、耳、鼻、四肢)的信息(景物、聲音、氣味、觸覺)組合起來，并使用先 驗知識去估計、理解周圍環境和正在發生的事件。
2.2.1 數據融合算法
隨著計算機技術、通信技術的快速發展，且日趨緊密地互相結合，加之軍事應用的特殊迫切需求，作為數據處理的新興技術--數據融合技術，在近10年中得到驚人發展并已進入諸多軍事應用領域。數據融合技術，包括對各種信息源給出的有用信息的采集、傳輸、綜合、過濾、相關及合成，以便輔助人們進行態勢/環境判定、規劃、探測、驗證、診斷。這對戰場上及時準確地獲取各種有用的信息，對戰場情況和威脅及其重要程度進行適時的完整評價，實施戰術、戰略輔助決策與對作戰部隊的指揮控制，是極其重要的。未來戰場瞬息萬變，且影響決策的因素更多更復雜，要求指揮員在最短的時間內，對戰場態勢作出最準確的判斷，對作戰部隊實施最有效的指揮控制。而這一系列"最"的實現，必須有最先進的數據處理技術做基本保證。否則再高明的軍事領導人和指揮官也會被浩如煙海的數據所淹沒，或導致判斷失誤，或延誤決策喪失戰機而造成災難性后果。
數據融合傳送的是檢測信息，因而要求控制信道的帶寬比較寬，傳送開銷也比較大。對于強調頻譜效率的CR系統來說，為了追求協作增益而付出巨大的協作帶寬代價，顯得有些得不償失。
2.2.2 決策融合算法
各個協作節點獨立地處理觀測數據并做出決策，發送其決策結果至信息融合中心進行最終判決，這種算法稱為決策融合算法。依據各節點決策的權重是否相同，可將其分為決策硬融合和決策軟融合。
在這一層次上，情報中心送來的綜合情報是態勢評估的基本輸入，融合的結果要為部隊行動和已方武器系統應作出的反應實時生成預案，并對態勢發展和決策進行檢驗和分析，為指揮員提供優化后的決策建議。在指揮中心，指揮員借助指揮系統，根據情報中心進行融合后送來的綜合情報、上級要求和作戰命令，以及我方實際兵力和武器群的布局、特性能力，進行決策融合 C3I 系統中最高層次的信息融合。這一層次智能性強，甚至可以說是一種知識融合，因為它要集中指揮所各個方向室和要素的對策和建議，判別和分析態勢，制定和分發計劃，指導和監督戰斗。決策融合就是要從這三個方面幫助指揮員認清態勢的變化并作出反應。
除了K/N準則外，文獻[8]提出一種基于雙門限能量檢測的協作感知方法，用到了"n比例"邏輯準則，將決策為1的節點數與決策為0的節點數之間的比值與門限進行比較做出最終判決。
決策軟融合算法是根據不同信道條件下各節點檢測結果的置信度不同，將檢測信息進行決策加權或者其他形式的處理后再進行融合。此算法實現了檢測性能和傳送開銷之間的折中。
[page]
1 bit的最優判決融合準則是Chair-Varneshney準則。該準則基于對數似然比準則，通過比較假設下的條件似然比與貝葉斯最優門限，做出判決。條件似然比可通過各節點的虛警概率和檢測概率計算得到，但需要知道主用戶先驗概率。文獻[9]提出改進的Chair-Varshney融合方法，在似然比檢測基礎上充分利用信道占用的統計特性，并考慮各個次用戶檢測機制差異性、決策時間差以及融合滯后時間，因此適用于單或多bit的同步感知以及異步感知場景。
近期研究軟融合算法的文獻還有很多：如基于D-S證據理論的融合算法，綜合考慮了節點的檢測結果和置信度，且融合中心不需要節點先驗信息，因此有很強實用性。Jun Ma等人提出的2 bit量化決策加權軟融合算法，通過設置3個檢測門限將能量分為4個區域，從而使檢測結果最終以2 bit形式傳送給中心進行加權求和并最終判決，該算法實現了協作開銷和檢測性能之間的合理折中。文獻[10]將各節點的相關性考慮進去，提出了一種基于偏移準則的線性二次的次最佳融合方案。模糊綜合評估協作感知方案則是用模糊綜合評估方法得到各個次用戶信任度再融合，從而提高決策可靠性。此外，根據歷史判決數據的可靠性進行動態加權的感知算法，也能有效地提高檢測性能。
綜上所述，可將主要的信息融合算法歸納如表3所示。
2.3 有待解決的問題
(1) 協作感知的性能與協作用戶數量、各用戶門限值的確定及位置分布情況等因素密切相關。因而如何選取這些協作感知參數以獲得最佳的檢測性能，是協作感知研究的重要內容。此外，協作感知屬于媒體訪問控制(MAC)層的感知技術，所以還涉及到跨層設計方面的研究。
(2) 信息融合算法會直接影響協作增益和系統開銷。一方面，決策融合雖然簡單容易實現，但是其協作增益非常有限，當信道不均勻或者存在惡意用戶時，協作性能將急劇惡化;另一方面數據融合協作增益大，但是對控制信道的帶寬需求較大。如何在協作性能和系統開銷二者之間尋找合理折中是協作感知研究的熱點。
(3) 惡意攻擊或突發故障是協作感知中不容忽視的安全問題。為此，文獻[11]提出了一種應對存在惡意或自私節點場景的協作感知安全方案，以提高網絡安全性。文獻[12]提出一種加權序貫檢測方案(WSPRT)，采用雙門限值檢測，并通過一定規則動態更新每個用戶的置信度權值，有效降低了惡意節點對最終判決的影響。
(4) 現在的研究大多是集中在單個感知用戶網絡參與協作的情形，基于網絡層的多感知用戶網絡間的協作也可能是未來研究的一個方向。
[page]
3 感知機制的優化
Ghasemi和Hyoil Kim等人最先提出了感知機制的優化問題，主要關注感知模式的選擇和感知參數的優化。CR網絡下，次用戶的伺機動態接入頻譜過程通常可看成兩種感知場景：信道搜索和信道監視。信道搜索是指次用戶需要搜索各個信道，尋找可用于傳輸的空閑頻譜。信道監視則是指次用戶必須周期性地檢測主用戶信號，以避免對重新出現的主用戶造成干擾。檢測周期、檢測時間和搜索時間的參數如何選取，以及采用何種感知模式和信道搜索方式，才能使感知效果最優，這都是感知機制的優化問題。
頻譜感知模式通常分為被動感知和主動感知。被動感知模式下，次用戶只有在需要進行數據傳輸時才啟動感知，通常只能使用一個空閑信道進行傳輸，并周期性監測該信道。而主動感知模式下，不管是否有數據傳輸需要，次用戶都周期性地檢測各個信道。兩種感知模式都要避免對重新出現的主用戶造成干擾，因此一旦發現當前信道不可用時，需立即啟動搜索，直到檢測到某個空閑信道后停止搜索并開始新的傳輸。相比而言，主動感知方式需要檢測多個子信道，能量和時間開銷比被動感知方式有所增大，但它可以提高傳輸速率，并且減小認知用戶被迫進行信道搜索而導致服務質量(QoS)降低的概率，同時還可以積累大量頻譜信息，在重新進行信道搜索時優化搜索方式以提高信道切換能力。
下步的研究方向主要包括：信道占用模型可適當擴展更一般的情況;分布式協作感知機制的優化問題;基于循環平穩特征檢測等方法下的感知機制優化;認知用戶之間的干擾可能對感知機制優化的影響;不同的信道條件下，非固定檢測周期和搜索次序的感知機制優化;綜合考慮最小化主用戶干擾、最大化感知性能、最優化 QoS等多種優化目標;綜合考慮應用層需求、物理層算法和鏈路層協作與控制等跨層設計優化問題。
4 結束語
文章主要從本地感知、協作感知以及感知機制的優化3個方面，對認知無線電頻譜感知技術的研究和發展狀況進行了綜述，并對下一步有待解決的難點問題進行了討論。盡管還面臨諸多的技術挑戰，但隨著研究不斷深入，相信在不久的將來，認知無線電技術必將日趨成熟，為無線通信帶來新的發展契機和動力。
