摘 要： 針對頻譜檢測技術，對比了三種常見的檢測方法，通過建立數(shù)學模型和數(shù)學分析，提出了一種改進型能量檢測法。該方法采用了一種新的平均判決量，相對于經(jīng)典的能量輸出判決量，該平均判決量對ISM 2.4 GHz復雜的噪聲信號有較強的魯棒性，最后用MATLAB仿真實驗證明了該方法的有效性。
關鍵詞： 認知無線電；ISM；能量檢測法
ISM 2.4 GHz頻段是世界各國免授權的公用頻段，各種通信設備都可以在此頻段上通信，如日常工作中的無線局域網(wǎng)，醫(yī)療中的無線個域網(wǎng)與無線軀域網(wǎng)，工業(yè)上的無線傳感網(wǎng)絡以及方興未艾的物聯(lián)網(wǎng)和智能家居等無線網(wǎng)絡。然而這么多不同的通信設備工作在同一頻段上，必然會產(chǎn)生相互間的干擾，對無線通信的安全性、可靠性和實用性帶來了極大的挑戰(zhàn)。因此，研究不同通信系統(tǒng)之間的共存性是一個至關重要的問題。認知無線電的工作理念是將不同通信系統(tǒng)間的通信采取頻譜感知、動態(tài)分配頻段等技術，通過檢測與避讓的方式形成一個協(xié)調(diào)、統(tǒng)一、有序和不相互干擾的通信系統(tǒng)。這種工作理念能夠處理ISM 2.4 GHz頻段目前通信雜亂無章的狀態(tài)，將認知無線電的技術應用到ISM 2.4 GHz頻段是未來的發(fā)展方向[1]。
1 認知無線電
認知無線電最重要、最基礎的技術是頻譜感知技術[2]。目前，學術界常用的技術有匹配濾波器檢測法、循環(huán)頻譜檢測法和能量檢測法三種。由于匹配濾波器需要嚴格的先驗信息作為匹配濾波器的參數(shù)設置，因此無法適應ISM 2.4 GHz頻段眾多信號類型。循環(huán)頻譜檢測法不易受到不確定噪聲功率的影響，所以在噪聲環(huán)境中，相對于其他兩種檢測方法，循環(huán)頻譜檢測法有更強的魯棒性，但是循環(huán)頻譜檢測法計算復雜，需要長時間的數(shù)據(jù)訓練，不符合ISM 2.4 GHz快速通信的原則。折中考慮算法的復雜性和抗噪聲能力，本文采用能量檢測法進行頻譜感知，并提出了一種改進的能量檢測方法，以滿足對于復雜的噪聲信號有強魯棒性的要求。
2 能量檢測法
能量檢測法是一種比較簡單的信號非相干檢測方法。在復雜的ISM信號環(huán)境下，相對于要求準確先驗信息的匹配濾波器檢測法和需要足夠長時間檢測的循環(huán)檢測法，能量檢測法是最佳的檢測方法[3]。雖然能量檢測法簡單，不需要任何的先驗信息，但其仍存在固有的缺陷：能量門限的設置，門限設置大了，很可能將衰落的、比較微弱的信號忽略，而將幅度較大的脈沖噪聲或突發(fā)干擾檢測為信號；門限設置小了，則無法有效排除干擾信號。本文提出了一種輸出平均判決量，該平均判決量對噪聲信號的相關性小，體現(xiàn)了其抗噪聲的性能，經(jīng)過MATLAB仿真驗證顯示，該方法對信號噪聲具有較好的魯棒性。
對于ISM 2.4 GHz頻段而言，如果接收到的該頻段的信號經(jīng)過濾波器濾波后只含有噪聲，那么就可以認為這個頻段未被占用；反之，則認為信號中包含著有用信號。
在任一時刻t，假定進行頻譜感知的接收機接收到的信號可能是下面的兩種情況[4-6]：
能量檢測方法依據(jù)信號有無的假設情況下，根據(jù)接收信號功率大小的不同對信號進行檢測。由于能量檢測對信號類型沒有限制，因此不需要信號的任何先驗信息，是一種對未知參數(shù)的確定性信號的存在性進行檢測的有效方法[10]。
本文根據(jù)能量檢測法的一般原理提出了一種改進型能量檢測方法，該方法通過改變輸出判決量達到減少噪聲干擾的目的，MATLAB仿真實驗表明，該方法對于ISM 2.4 GHz頻段復雜的噪聲信號具有強的魯棒性，很大程度上優(yōu)化了能量檢測方法，提高了檢測的準確性。
參考文獻
[1] MITOLA J， MAGUIRE G Q. Cognitive radio： making software radios more personal[J]. IEEE Personal Commun-cations， 1999，6（4）：13-18.
[2] CABRIC D， MISHRA S M， WILLKOMM D， et al. A cognitive radio approach for usage of virtual unlicensed spectrum[C]. Proceedings of 14th IST Mobile and Wireless Communications Summit， 2005.
[3] Zeng Yonghong， Liang Yingchang， HOANG A T， et al. A review on spectrum sensing for cognitive radio： challenges and solutions[C]. EURASIP Journal on Advances in Signal Processing， 2010：2.
[4] URKOWITZ H. Energy detection of unknown deterministic signals[J]. Proceeding of the IEEE， 1967，55（4）：523-531.
[5] HAYKIN S， THOMSON D， REED J H. Spectrum sensing for cognitive radio[J]. Proceedings of the IEEE， 2009，97（5）：849-877.
[6] YUCEK T， ARSLAN H. A survey of spectrum sensing algorithms for cognitive radio applications[J]. IEEE Communications Surveys & Tutorials， 2009，11（1）：116-130.
[7] CABRIC D， TKACHENKO A， BRODERSEN R W. Experimental study of spectrum sensing based on energy detection and network cooperation[C]. Proceedings of the First International Workshop on Technology and Policy for Accessing Spectrum， 2006.
[8] CHEN Z， GUO N， QIU R. Demonstration of real-time spectrum sensing for cognitive radio[J]. IEEE Communications Letters， 2010（14）：915-917.
[9] SUTTON P D， LOTZE J， NOLAN K E， et al. Cyclostationary signature detection in multipath rayleigh fading environments[C]. 2nd International Conference on Cognitive Radio Oriented Wireless Networks and Communications， 2007：408- 413.
[10] 朱剛.超寬帶（UWB）原理與干擾[M].北京：清華大學出版社；北京交通大學出版社，2009.