认知无线电系统频谱检测技术及其性能研究

论文摘要

面对越来越紧张的无线频谱资源,人们提出了认知无线电技术,通过频谱资源的共享,从而提高无线通信系统的频谱利用率。认知无线电技术的基本思想是,在不影响首要用户正常通信的前提下,次要用户通过感知,寻找频谱空洞进行数据传输。因此,次要用户对首要用户的信道感知是认知无线电系统的关键技术之一,也是后面频谱接入和数据通信的基础。传统的频谱检测算法是对全频段进行检测,用统一的结论来描述频谱状态;但是,当频谱只有部分频段被使用时,这种频谱称为灰空频谱,传统的检测算法就无法给出准确的结果。在算法性能评价上,随着能源消耗的剧增,绿色通信的概念受到人们越来越多的关注。以往,正确的检测概率一直都是检测算法的重要指标,为了追求更高的准确度,不惜花费过多的时间与能量的做法,已经不符合绿色通信的概念。同时,由于系统总资源有限,频谱检测消耗的资源越多,留给数据传输的可用资源就越少,从而影响系统的整体性能。本文研究了一种针对灰空频谱的两级频谱检测算法,并对其进行了吞吐量优化和能耗分析,给出了一种更全面的频谱检测技术的性能评价和优化模型。本文首先基于传统能量检测和多子带联合检测方法,以系统吞吐量最大化为目标,研究了一种针对灰空频谱的两极频谱检测方法。次要用户先采用传统的全频段能量检测方法对频谱进行一级粗检,根据检测结果决定是否启动二级多子带联合检测方法。只有当一级检测结果显示该频谱只有部分频段被使用,并且空闲频段所占的比例较大时,才启动二级检测来获取空闲的部分频段。其中,启动二级检测的门限是通过系统吞吐量最优化,即单位时间内次要用户传输的有效比特数最大化求得的。在系统能耗分析中,本文研究了一种针对宽带频谱的多子带联合检测方法的能耗最优化解决方案。当前有两种流行的认知无线电网络结构:分布式和集中式。分布式网络中,多个子频段被多个次要用户同时并行地检测;而在集中式网络中,多个子频段被一个特定的次要用户依次顺序检测。本文针对这两种不同的网络结构,利用采样频率和检测时间为变量来描述频谱检测的准确概率和能耗,然后通过最优化的方法得到使系统能耗最小的参数设置,并以AD9051芯片为例,进行了数据仿真,仿真结果证明了上述方案的有效性和可行性。最后,由于两极频谱检测技术中也采用了多子带联合检测方法,利用能耗最优方法对其进行了进一步优化,不仅保证了吞吐量最优,而且降低了能耗。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 本文研究的背景和意义
• 1.1.1 认知无线电技术的来源
• 1.1.2 认知无线电技术的概念
• 1.1.3 认知无线电的国内外研究现状
• 1.1.4 认知无线电的研究意义
• 1.2 本文研究的内容
• 1.3 本文篇章结构
• 第二章 认知无线电频谱检测技术
• 2.1 引言
• 2.2 频谱检测技术的基本概念和性能评价
• 2.2.1 频谱检测模型
• 2.2.2 频谱检测性能评价
• 2.3 单点频谱检测算法
• 2.3.1 匹配滤波器检测法
• 2.3.2 能量检测法
• 2.3.3 循环平稳特性检测
• 2.3.4 单点频谱检测算法比较
• 2.4 协作式频谱检测算法
• 2.4.1 协作式频谱检测算法的来源
• 2.4.2 协作式频谱检测算法的定义
• 2.5 本章小结
• 第三章 吞吐量最优的两级频谱检测技术
• 3.1 引言
• 3.2 两级检测模型
• 3.2.1 两级检测的系统吞吐量的理论表达
• 3.2.2 检测误差对系统吞吐量的影响
• 3.3 系统吞吐量的最优化
• 3.3.1 系统吞吐量的最优解
• 3.3.2 吞吐量最优的两级检测方法与其他方法的比较
• 3.3.3 系统吞吐量的最优解举例
• 3.4 系统吞吐量最优化的两极检测的仿真结果
• 3.4.1 系统最优解验证
• 3.4.2 二级检测算法的性能比较
• 3.5 本章小结
• 第四章 认知无线电系统频谱检测的能耗分析
• 4.1 引言
• 4.2 系统网络模型
• 4.2.1 分布式网络模型
• 4.2.2 集中式网络模型
• 4.3 系统检测能耗模型
• 4.3.1 子频段频谱检测模型
• 4.3.2 频谱检测能耗模型
• 4.4 系统能耗最优化
• 4.4.1 分布式网络的能耗最优化
• 4.4.2 集中式网络的能耗最优化
• 4.5 仿真结果
• 4.5.1 分布式网络的能耗最优化
• 4.5.2 集中式网络的能耗最优化
• 4.5.3 优化案例：利用能耗最优模型优化两级频谱检测算法
• 4.6 本章小结
• 第五章 总结与展望
• 5.1 本文结论
• 5.2 研究展望
• 参考文献
• 英文缩略语表（附录1）
• 致谢
• 攻读硕士学位期间已发表的论文和专利