?

基于PN序列自相關(guān)的雙門(mén)限自適應(yīng)DTMB頻譜感知

羅子威1**,，王軍1，潘長(zhǎng)勇1，朱景暉2，李薰春2

(1. 清華大學(xué) 電子工程系，北京 100084；2. 國(guó)家新聞出版廣電總局 廣播科學(xué)研究院，北京 100866)

摘要：對(duì)于地面電視的模數(shù)轉(zhuǎn)換產(chǎn)生寶貴的廣播電視“白頻譜”資源，頻譜感知與檢測(cè)技術(shù)是高效有序地利用頻譜資源的基礎(chǔ)。在數(shù)字電視地面多媒體廣播(DTMB)傳輸系統(tǒng)中，針對(duì)傳統(tǒng)的基于信號(hào)特征的感知算法在檢測(cè)性能、計(jì)算復(fù)雜度與靈活性上的不足，提出了一種自適應(yīng)的DTMB頻譜感知算法。該算法以雙門(mén)限感知檢測(cè)為基礎(chǔ)，在雙門(mén)限之外采用基于偽隨機(jī)(PN)序列自相關(guān)的算法，在雙門(mén)限之內(nèi)采用不等間隔PN序列累積自相關(guān)的算法，同時(shí)自適應(yīng)地調(diào)整雙門(mén)限的取值，平衡算法復(fù)雜度、感知性能與信道環(huán)境的需求。仿真結(jié)果表明，該算法在不同的信道條件下能自適應(yīng)且快速地調(diào)整參數(shù)，有效提高頻譜檢測(cè)性能，降低算法復(fù)雜度。

關(guān)鍵詞：數(shù)字電視地面多媒體廣播傳輸系統(tǒng)；頻譜感知；偽隨機(jī)序列自相關(guān)；雙門(mén)限；自適應(yīng)算法

1引言

無(wú)線電頻譜是有限的極其寶貴的資源，它的稀缺性在于同一時(shí)間同一區(qū)域只能有一個(gè)通信系統(tǒng)使用同一段頻譜，而其他通信系統(tǒng)則無(wú)法使用這段頻譜，否則會(huì)帶來(lái)嚴(yán)重的干擾?，F(xiàn)在通信頻譜緊缺的趨勢(shì)也讓人們思考在通過(guò)技術(shù)進(jìn)步降低現(xiàn)有通信系統(tǒng)所占頻譜帶寬的同時(shí)，如何開(kāi)發(fā)新的頻譜和復(fù)用已有的頻譜[1]。

在主要頻譜都已經(jīng)劃分殆盡時(shí)，地面電視的模數(shù)轉(zhuǎn)換產(chǎn)生廣播電視“白頻譜”的空閑頻譜資源，則顯得更加珍貴。廣播電視“白頻譜”主要包括被分配廣播電視使用但實(shí)際沒(méi)有被使用的無(wú)線電頻段以及由于模擬發(fā)射臺(tái)停播時(shí)的頻段和由于保護(hù)率要求而空閑的頻段[2]。數(shù)字電視地面多媒體廣播(Digital Television Terrestrial Multimedia Broadcasting，DTMB)是中國(guó)制定的有關(guān)數(shù)字電視和數(shù)字廣播的制式，同時(shí)也是國(guó)際電信聯(lián)盟的數(shù)字電視地面廣播國(guó)際標(biāo)準(zhǔn)。它采用中國(guó)自主研發(fā)的時(shí)域同步正交頻分復(fù)用調(diào)制方式，于2007年8月1日起執(zhí)行[3]。多數(shù)發(fā)達(dá)國(guó)家已經(jīng)完成模擬電視到數(shù)字電視的轉(zhuǎn)換，當(dāng)前中國(guó)也正處于模擬電視到數(shù)字電視轉(zhuǎn)換的關(guān)鍵時(shí)期，由此將釋放出大量的頻段資源。廣播電視白頻譜位于甚高頻(Very High Frequency，VHF)和特高頻(Ultra High Frequency，UHF)頻段，其優(yōu)越的信號(hào)傳播以及室內(nèi)滲透特性能夠提供良好的大面積覆蓋，具有極高的實(shí)用價(jià)值。

通過(guò)頻譜感知與檢測(cè)技術(shù)在指定頻段感知信號(hào)主用戶的存在，就成為高效利用頻譜的關(guān)鍵所在。頻譜感知技術(shù)主要包括能量檢測(cè)法、匹配濾波器檢測(cè)與特征檢測(cè)法等[4]。能量檢測(cè)法對(duì)信號(hào)類型不作限制，根據(jù)檢測(cè)頻段的信號(hào)能量來(lái)判斷主用戶是否存在，是一種“盲檢測(cè)”的算法，算法簡(jiǎn)單但受噪聲影響大且檢測(cè)性能有限；匹配濾波器檢測(cè)是在信號(hào)波形已知情況下的最優(yōu)檢測(cè)，通過(guò)設(shè)計(jì)匹配濾波器來(lái)獲得接收端的最大信噪比輸出，需要已知精確的導(dǎo)頻信號(hào)、調(diào)制方式、同步碼等先驗(yàn)信息，對(duì)接收端同步的要求也很高；特征檢測(cè)利用數(shù)字調(diào)制信號(hào)的循環(huán)平穩(wěn)特性獲得對(duì)主用戶的感知，計(jì)算復(fù)雜度高且依賴較高的抽樣速率和時(shí)鐘同步。

目前，針對(duì)DTMB信號(hào)的頻譜感知技術(shù)已有不少的研究。文獻(xiàn)[5-6]基于幀頭偽隨機(jī)(Pseudo-Noise，PN)序列自相關(guān)提出的頻譜感知算法(PNAC算法)，利用固定間隔的接收信號(hào)自相關(guān)的峰值作為判決統(tǒng)計(jì)量，算法相對(duì)簡(jiǎn)單，但頻譜感知性能有限。文獻(xiàn)[7]利用幀頭PN序列互相關(guān)作為判決統(tǒng)計(jì)量，檢測(cè)性能有了一定的提升，但其對(duì)抗載波頻偏與多徑干擾的能力較差，互相關(guān)量計(jì)算復(fù)雜度也明顯比自相關(guān)量要高，因此實(shí)際應(yīng)用范圍相當(dāng)有限。文獻(xiàn)[8]提出的基于幀頭PN序列不同間隔累積自相關(guān)的頻譜感知算法(DIPNAC算法)，利用不同間隔的接收信號(hào)的自相關(guān)值進(jìn)行累加，充分利用了感知時(shí)間內(nèi)的接收信號(hào)數(shù)據(jù)，感知性能有了較大改進(jìn)，但該算法具有較高的計(jì)算復(fù)雜度。

在通常的認(rèn)知無(wú)線電系統(tǒng)中，感知終端面臨的環(huán)境是復(fù)雜而多變的，而現(xiàn)有的DTMB頻譜感知算法在算法復(fù)雜度與檢測(cè)性能上不能兼顧，無(wú)法自適應(yīng)地根據(jù)環(huán)境需求利用最小的代價(jià)獲得預(yù)期的檢測(cè)性能，因此，本文提出基于雙門(mén)限判決的DTMB自適應(yīng)頻譜感知的新算法，算法能夠在預(yù)設(shè)的期望檢測(cè)率下自適應(yīng)感知和調(diào)節(jié)判決門(mén)限，以較小的運(yùn)算復(fù)雜度的代價(jià)保證單節(jié)點(diǎn)感知性能。

2DTMB幀結(jié)構(gòu)與系統(tǒng)模型

DTMB采用了分級(jí)幀結(jié)構(gòu)，與自然時(shí)間保持同步[9]。數(shù)據(jù)幀的基本單元為信號(hào)幀，信號(hào)幀由幀頭與幀體兩部分組成。超幀由一組信號(hào)幀組成，幀長(zhǎng)為125 ms，分幀由一組超幀組成，幀長(zhǎng)為1 min，幀結(jié)構(gòu)的頂層為日幀。

信號(hào)幀是系統(tǒng)幀結(jié)構(gòu)的基本單元，一個(gè)信號(hào)幀由幀頭和幀體兩部分時(shí)域信號(hào)組成，幀頭和幀體信號(hào)的基本符號(hào)率相同，均為7.56 Msymbol/s[9]。幀頭部分由PN序列構(gòu)成，幀頭長(zhǎng)度有420、595、945個(gè)符號(hào)這三種情況，對(duì)應(yīng)PN420、PN595、PN945這三種幀頭模式。幀體部分包含3780個(gè)符號(hào)，時(shí)長(zhǎng)固定為500 μs。對(duì)于三種幀頭模式，分別由225、216和200個(gè)信號(hào)幀構(gòu)成一個(gè)超幀。

PN420幀頭采用循環(huán)擴(kuò)展的8階m序列，由82個(gè)循環(huán)前同步符號(hào)、PN255序列和83個(gè)循環(huán)后同步符號(hào)組成。PN595幀頭采用10階m序列PN1023的前595個(gè)符號(hào)。PN945幀頭采用循環(huán)擴(kuò)展的9階m序列，由217個(gè)循環(huán)前同步符號(hào)、PN511序列和217個(gè)循環(huán)后同步符號(hào)組成。其中,PN420與PN945模式有固定相位與旋轉(zhuǎn)相位兩種模式，PN545只有固定相位模式。

定義Li(i=1,2,3)為三種模式下的幀頭長(zhǎng)度，Mi(i=1,2,3)為三種幀頭模式下信號(hào)幀的長(zhǎng)度,x(n)表示信號(hào)幀中的第n個(gè)時(shí)域符號(hào)。當(dāng)發(fā)送信號(hào)為x(n)時(shí)，經(jīng)過(guò)高斯白噪聲w(n)的信道，假設(shè)信道載波頻偏為fΔ，則定義接收信號(hào)為

(1)

式中，H1表示存在DTMB信號(hào)的假設(shè)，H0表示不存在DTMB信號(hào)的假設(shè)。

3算法介紹

本節(jié)提出一種基于PN序列自相關(guān)的雙門(mén)限自適應(yīng)頻譜感知算法。與現(xiàn)有的頻譜感知算法最大的不同之處在于，所提算法能在不同信道環(huán)境下自適應(yīng)地調(diào)整參數(shù)，以較小的開(kāi)銷獲得預(yù)設(shè)的檢測(cè)性能。DTMB系統(tǒng)包括了多種幀頭模式，本節(jié)根據(jù)不同的幀頭模式介紹檢測(cè)算法，并對(duì)自適應(yīng)調(diào)整的算法進(jìn)行介紹。

3.1基于PN序列自相關(guān)的DTMB頻譜感知算法(PNAC)[5-6]

PNAC算法利用相鄰兩幀幀頭的PN序列的自相關(guān)結(jié)果來(lái)獲得判決統(tǒng)計(jì)量。對(duì)于固定感知時(shí)間內(nèi)的接收信號(hào)y(n)，進(jìn)行相關(guān)間隔為信號(hào)幀長(zhǎng)Mi、相關(guān)長(zhǎng)度為幀頭長(zhǎng)度Li的自相關(guān)，并把感知時(shí)間內(nèi)共C個(gè)自相關(guān)結(jié)果累加平均：

y*(m+n+(c+1)Mi)。

(2)

判決統(tǒng)計(jì)量為

(3)

對(duì)于指定的虛警概率PFA，判決門(mén)限為

(4)

3.2基于不等間隔PN序列累積自相關(guān)的DTMB頻譜感知算法[8]

PNAC算法只計(jì)算了相鄰幀的自相關(guān)，沒(méi)有充分利用感知時(shí)間內(nèi)的全部信息。文獻(xiàn)[8]提出了基于不等間隔PN自相關(guān)的單節(jié)點(diǎn)頻譜感知算法(DIPNAC)，累積了不同間隔信號(hào)的自相關(guān)值作為判決統(tǒng)計(jì)量。

對(duì)于固定相位模式下感知時(shí)間內(nèi)的接收信號(hào)y(n)，進(jìn)行相關(guān)間隔為d個(gè)信號(hào)幀長(zhǎng)度dMi、相關(guān)長(zhǎng)度為幀頭長(zhǎng)度Li的自相關(guān)，并把感知時(shí)間內(nèi)共Cd個(gè)自相關(guān)結(jié)果累加平均：

y*(m+n+(c+d)Mi)。

(5)

PNAC算法中的tPNAC實(shí)質(zhì)上就是d=1時(shí)的A(m,1)。文獻(xiàn)[10]指出不同間隔d的自相關(guān)結(jié)果A(m,d)存在和d相關(guān)的相位旋轉(zhuǎn)，因此不能直接相加來(lái)獲得累積相關(guān)峰值，于是通過(guò)兩個(gè)變量共軛相乘構(gòu)造新的統(tǒng)計(jì)量

(6)

來(lái)消除相位旋轉(zhuǎn)的影響。判決統(tǒng)計(jì)量為

(7)

對(duì)于指定的虛警概率PFA，判決門(mén)限為

(8)

對(duì)于PN420與PN595的旋轉(zhuǎn)相位模式，需要對(duì)相鄰幀的自相關(guān)作一定的處理，d個(gè)信號(hào)幀長(zhǎng)度的自相關(guān)量為

y*(m+n+cMi+2d(Mi+(-1)a))。

(9)

則

(10)

判決門(mén)限為

(11)

3.3自適應(yīng)雙門(mén)限頻譜感知算法

為了結(jié)合PNAC與DIPNAC算法的優(yōu)點(diǎn)，本文提出了雙門(mén)限自適應(yīng)的頻譜感知算法。雙門(mén)限的基本思路見(jiàn)圖1，在獲得感知時(shí)間內(nèi)接收序列后，首先對(duì)接收信號(hào)進(jìn)行復(fù)雜度較低、精度也較低的PNAC檢測(cè)，判決統(tǒng)計(jì)量為T(mén)=TPNAC。設(shè)置雙門(mén)限γ1≤γPNAC≤γ2，如果T<γ1則認(rèn)為頻譜空閑，主用戶不存在，并判決H0；如果T>γ2，則認(rèn)為主用戶存在，判決H1；如果γ1≤T≤γ2，則認(rèn)為處于檢測(cè)不確定區(qū)，于是將利用之前的計(jì)算結(jié)果A(m,1)=tPNAC，使用DIPNAC進(jìn)行進(jìn)一步的精確檢測(cè)，并根據(jù)DIPNAC的檢測(cè)結(jié)果作為最終的判定結(jié)果。

3.4自適應(yīng)門(mén)限的設(shè)置

自適應(yīng)雙門(mén)限算法的核心是如何設(shè)定判決門(mén)限，并根據(jù)信道環(huán)境與檢測(cè)結(jié)果自適應(yīng)地調(diào)整門(mén)限值。這里我們將[γPNAC/k,kγPNAC]作為雙門(mén)限的檢測(cè)不確定區(qū)，即γ1=γPNAC/k,γ2=kγPNAC，k為門(mén)限調(diào)整系數(shù)，在不同環(huán)境下進(jìn)行自適應(yīng)地調(diào)整以獲得最佳性能。

判決門(mén)限系數(shù)是在給定期望檢測(cè)概率PD0的基礎(chǔ)上進(jìn)行調(diào)整，當(dāng)檢測(cè)概率PD小于期望檢測(cè)概率PD0時(shí)，增加判決門(mén)限系數(shù)k,擴(kuò)大檢測(cè)不確定區(qū)域的大小以進(jìn)行更精確的檢測(cè)；當(dāng)檢測(cè)概率大于期望檢測(cè)概率時(shí)，減小判決門(mén)限系數(shù)k，減小檢測(cè)不確定區(qū)域的大小。

(12)

PD=P(TPNAC>γ1|H1)+P(γ1≤TPNAC≤γ2|H1)。

(13)

通常,為了避免在期望檢測(cè)概率PD0附近過(guò)于頻繁的調(diào)整門(mén)限系數(shù)，設(shè)置滯回因子a，只有當(dāng)檢測(cè)概率PD>PD0(1+a)或PD

Δ1=PD0Δ0,Δ2=(1-PD0)Δ0。

(14)

式中，Δ0為每一次感知判決對(duì)門(mén)限系數(shù)k調(diào)整的基準(zhǔn)，當(dāng)Δ0設(shè)置過(guò)小時(shí)，系統(tǒng)將無(wú)法及時(shí)、迅速地跟蹤感知環(huán)境的變化；當(dāng)Δ0設(shè)置過(guò)大時(shí)，在穩(wěn)定狀態(tài)下自適應(yīng)算法的參數(shù)將波動(dòng)較大而頻繁，因此，實(shí)際應(yīng)用中通常設(shè)置為一個(gè)合適的大小以平衡兩者需求。

如果期望檢測(cè)到主用戶，設(shè)置PD0≈1，則Δ1?Δ2，當(dāng)判決H0時(shí)k值將以較大的步長(zhǎng)迅速增大，當(dāng)判決H1時(shí)k值將以較小的步長(zhǎng)減小。如果期望檢測(cè)不到主用戶，設(shè)置PD0≈0，則Δ1?Δ2，k值將以較小的步長(zhǎng)增大而以較大的步長(zhǎng)減小，這樣在迅速收斂的過(guò)程中，每進(jìn)行一次感知檢測(cè)時(shí)k值的期望變化為E(Δk)=(1-PD)Δ1+PD(-Δ2)=(PD0-PD)Δ0，直到判決門(mén)限系數(shù)k調(diào)整到實(shí)際檢測(cè)概率與期望檢測(cè)概率相等。

4仿真結(jié)果分析

本文的仿真驗(yàn)證中，參照文獻(xiàn)[5,7-8]中的仿真參數(shù)：DTMB的幀頭模式為PN595，仿真次數(shù)為5000次，載波頻偏值以數(shù)字電視典型UHF頻段800 MHz的載波頻率為基準(zhǔn)。感知時(shí)間為52 ms(對(duì)應(yīng)90個(gè)DTMB信號(hào)幀)，在自相關(guān)算法中，使用20個(gè)累積自相關(guān)結(jié)果來(lái)得到檢測(cè)統(tǒng)計(jì)量。在仿真中，我們以虛警概率PFA=0.01、漏檢概率PMD=0.02作為工作點(diǎn)，設(shè)置自適應(yīng)算法中期望檢測(cè)概率為PD0=0.98，Δ0=0.050，對(duì)應(yīng)的調(diào)整步長(zhǎng)Δ1=0.049,Δ2=0.001。本節(jié)針對(duì)其他算法的仿真也都是在同等仿真條件下進(jìn)行的。

圖2是在固定載波頻偏為1.5×10-5和加性高斯白噪聲(Additive White Gaussian Noise,AWGN)信道環(huán)境下進(jìn)行的仿真,顯示了不同的固定門(mén)限系數(shù)k下漏檢概率PMD與信噪比之間的關(guān)系曲線，并與PNAC和DIPNAC算法性能曲線進(jìn)行了對(duì)比。橫軸為信噪比，縱軸為固定虛警概率PFA=0.01下的漏檢概率PMD。可以看出，當(dāng)固定門(mén)限系數(shù)k越大時(shí)，檢測(cè)統(tǒng)計(jì)量有更大的概率落在雙門(mén)限之間，因此系統(tǒng)有更大的概率對(duì)其進(jìn)行DIPNAC算法的累積檢測(cè)，漏檢概率則更低；而當(dāng)固定門(mén)限k越小時(shí)，系統(tǒng)則更多地用簡(jiǎn)單的PNAC算法進(jìn)行檢測(cè)。當(dāng)k=1時(shí)，雙門(mén)限重合，本文算法則完全等效為PNAC算法；當(dāng)k=2.5時(shí)，本文算法已經(jīng)相當(dāng)接近DIPNAC算法。固定門(mén)限k分別為1.0、1.2、1.5、2.0、2.5時(shí)，達(dá)到PMD=0.01的漏檢概率所需要的信噪比分別為-17.2、-17.6、-18.5、-20.7、-21.6 dB。

圖2不同固定門(mén)限值對(duì)應(yīng)的檢測(cè)性能曲線

Fig.2 Spectrum sensing performances under

different fixed thresholds

本文提出的算法能自適應(yīng)地調(diào)整判決門(mén)限，在雙門(mén)限檢測(cè)下達(dá)到期望的檢測(cè)概率與良好的檢測(cè)性能。圖3顯示了門(mén)限系數(shù)最大值kmax分別設(shè)為1.0、1.2、1.5、2.0、2.5時(shí)自適應(yīng)門(mén)限下的系統(tǒng)檢測(cè)性能曲線。由圖3可知，在不同信噪比環(huán)境下，檢測(cè)性能將自適應(yīng)地盡量維持在所需要的檢測(cè)概率指標(biāo)下。同時(shí)，門(mén)限系數(shù)最大值kmax主要影響低信噪比下系統(tǒng)檢測(cè)性能：當(dāng)kmax=1時(shí)，自適應(yīng)算法退化為PNAC算法；當(dāng)kmax=2.5時(shí)，自適應(yīng)算法在低信噪比下將取得接近DIPNAC算法的效果。

圖3　自適應(yīng)門(mén)限下的檢測(cè)性能曲線

圖4和圖5對(duì)比了本文算法與PNAC、DIPNAC算法在不同信道與不同載波頻偏下的檢測(cè)性能。在圖4中，固定載波頻偏為1.5×10-5，分別在AWGN信道與GD8多徑信道下進(jìn)行了仿真，其中GD8信道包含一個(gè)0 dB的強(qiáng)回波，是一個(gè)典型的數(shù)字電視地面廣播單頻網(wǎng)的多徑信道模型。在圖5中，分別對(duì)AWGN信道下載波頻偏為1.0×10-5和2.0×10-5的情況，測(cè)試了PNAC、DIPNAC與本文算法的漏檢概率?？梢钥闯?，本文算法對(duì)載波頻偏不敏感，對(duì)強(qiáng)多徑干擾具有較好的抵抗能力。

圖4三種算法在不同信道下的檢測(cè)性能

Fig.4 Spectrum sensing performances under different

channel conditions

圖5　三種算法在不同載波頻偏下的檢測(cè)性能

在固定載波頻偏為1.5×10-5和AWGN信道環(huán)境下，圖6對(duì)比了不同感知時(shí)間下本文算法與PNAC的檢測(cè)性能。自適應(yīng)算法在檢測(cè)接收端信號(hào)幀數(shù)為90幀、30幀(分別對(duì)應(yīng)于感知時(shí)間52 ms、17 ms)時(shí)，檢測(cè)性能均明顯優(yōu)于檢測(cè)90個(gè)信號(hào)幀(52 ms)的PNAC算法,其中,檢測(cè)30幀的自適應(yīng)算法與檢測(cè)90幀的PNAC算法性能相當(dāng)，這說(shuō)明在信道條件較好時(shí)、信噪比較高時(shí)，自適應(yīng)算法可以在更短的感知時(shí)間(1/3不到的感知時(shí)間)內(nèi)獲得相同的檢測(cè)性能。

圖6　不同感知時(shí)長(zhǎng)下的性能曲線

5結(jié)束語(yǔ)

頻譜感知與檢測(cè)是高效有序利用頻譜資源的關(guān)鍵，本文基于傳統(tǒng)的基于PN序列自相關(guān)的檢測(cè)算法(PNAC)與基于PN序列累積自相關(guān)的檢測(cè)算法(DIPNAC)，提出了一種單節(jié)點(diǎn)自適應(yīng)雙門(mén)限D(zhuǎn)TMB頻譜檢測(cè)算法。該算法能根據(jù)感知檢測(cè)結(jié)果在不同環(huán)境下，不依賴于信道參數(shù)的估計(jì)，自適應(yīng)、實(shí)時(shí)地調(diào)節(jié)判決雙門(mén)限。仿真測(cè)試表明，本文提出的算法保留了自相關(guān)算法抵抗載波頻偏和多徑干擾的優(yōu)點(diǎn)，在相當(dāng)大的信道信噪比范圍內(nèi)，能自適應(yīng)地調(diào)整參數(shù)，以較小的開(kāi)銷獲得預(yù)設(shè)的檢測(cè)性能，在實(shí)際感知環(huán)境中，面臨不同而多變的信道環(huán)境，具有重要的實(shí)際意義。但是，本文提出的頻譜感知算法是基于單個(gè)感知終端的，在同一個(gè)地理區(qū)域內(nèi)結(jié)合多個(gè)感知終端的判決結(jié)果，將大大提高感知性能，未來(lái)計(jì)劃對(duì)于DTMB協(xié)調(diào)頻譜感知進(jìn)行更深入的研究。

參考文獻(xiàn)：

[1]Chen H S,Gao W. Spectrum sensing for TV white space in North America[J]. IEEE Journal on Selected Areas in Communications,2011,29(2):316-326.

[2]李雷雷,李熠星,何劍輝,等. 廣播電視 “白頻譜” 跟蹤研究與探索[J]. 廣播與電視技術(shù),2013,39(B12):123-128.

LI Leilei,LI Yixing,HE Jianhui,et al. Tracking research and exploration of Broadcast television “White frequency spectrum” [J]. Radio & TV Broadcast Engineering,2013,39(B12):123-128.(in Chinese)

[3]GB 20600-2006,數(shù)字電視地面廣播傳輸系統(tǒng)幀結(jié)構(gòu)、信道編碼和調(diào)制[S].

GB 20600-2006,Frame Structure,Channel Coding and Modulation for Digital Television Terrestrial Broadcasting System[S].(in Chinese)

[4]Cabric D,Mishra S M,Brodersen R W. Implementation issues in spectrum sensing for cognitive radios[C]//Proceedings of the Thirty-eighth Asilomar Conference on Signals,Systems and Computers.Pacific Grove,CA:IEEE,2004:772-776.

[5]Chen H S,Gao W,Daut D G. Spectrum sensing for DTMB systems using PN frame headers[C]// Proceedings of 2008 IEEE International Conference on Communications.Beijing:IEEE,2008:4889-4893.

[6]Chen L,Qiu J,Viessmann A,et al. A spectrum sensing prototype for TV white space in China[C]// Proceedings of 2011 IEEE Global Telecommunications Conference.Houston,Texas,USA:IEEE,2011:1-6.

[7]Xu A,Shi Q,Yang Z,et al. Spectrum sensing for DTMB system based on PN cross-correlation[C]// Proceedings of 2010 IEEE International Conference on Communications.Cape Town,South Africa:IEEE,2010:1-5.

[8]梁林峰,王軍,宋健. 一種基于 PN 累積自相關(guān)的 DTMB 頻譜感知新算法[J]. 電訊技術(shù),2014,54(1):17-22.

LIANG Linfeng,WANG Jun,SONG Jian.A novel spectrum sensing algorithm for DTMB systems based on PN accumulated autocorrelation[J].Telecommunication Engineering,2014(1)：17-22.(in Chinese)

[9]Song J,Yang Z,Yang L,et al. Technical review on Chinese digital terrestrial television broadcasting standard and measurements on some working modes[J].IEEE Transactions on Broadcasting,2007,53(1):1-7.

[10]Chen H S,Gao W,Daut D G. Spectrum sensing for OFDM systems employing pilot tones[J]. IEEE Transactions on Wireless Communications,2009,8(12):5862-5870.

羅子威(1990—)，男，湖南湘潭人，2012年于清華大學(xué)獲學(xué)士學(xué)位，現(xiàn)為碩士研究生，主要研究方向?yàn)檎J(rèn)知無(wú)線電技術(shù)；

LUO Ziwei was born in Xiangtan,Hunan Province,in 1990. He received the B.S. degree from Tsinghua University in 2012. He is now a graduate student. His research concerns cognitive radio technology.

Email:lzw201@gmail.com

王軍(1975—)，男，河南開(kāi)封人，分別于1999 年和2003年獲清華大學(xué)學(xué)士學(xué)位和博士學(xué)位，現(xiàn)為副教授、博士生導(dǎo)師，主要研究方向?yàn)閷拵o(wú)線傳輸技術(shù)；

WANG Jun was born in Kaifeng,Henan Province,in 1975.He received the B.S. degree and the Ph.D. degree from Tsinghua University in 1999 and 2003,respectively. He is now an associate professor and also the Ph.D. supervisor. His research concerns broadband wireless transmission techniques.

潘長(zhǎng)勇(1975—)，男，安徽六安人，教授、博士生導(dǎo)師，主要研究方向?yàn)閷拵o(wú)線傳輸技術(shù)；

PAN Changyong was born in Lu′an,Anhui Province,in 1975.He is now a professor and also the Ph.D. supervisor. His research concerns broadband wireless transmission techniques.

朱景暉(1983—)，女，安徽桐城人，2010年于西安電子科技大學(xué)獲碩士學(xué)位，現(xiàn)為工程師，主要研究方向?yàn)閺V播電視頻率規(guī)劃；

ZHU Jinghui was born in Tongcheng,Anhui Province,in 1983. She received the M.S. degree from Xidian University in 2010. She is now an engineer. Her research concerns broadcasting and TV frequency planning.

李薰春(1977—)，男，江西南康人，2010年于中國(guó)傳媒大學(xué)獲博士學(xué)位，現(xiàn)為高級(jí)工程師，主要研究方向?yàn)閺V播電視頻率規(guī)劃。

LI Xunchun was born in Nankang,Jiangxi Province,in 1977. He received the Ph.D. degree from Communication University of China in 2010. He is now a senior engineer. His research concerns broadcasting and TV frequency planning.

引用格式：羅子威，王軍，潘長(zhǎng)勇,等.基于PN序列自相關(guān)的雙門(mén)限自適應(yīng)DTMB頻譜感知[J].電訊技術(shù)，2015,55(6):645-650.[LUO Ziwei,WANG Jun,PAN Changyong,et al.Adaptive Double-Threshold Spectrum Sensing Based on PN Sequence Autocorrelation for DTMB Systems[J].Telecommunication Engineering,2015,55(6):645-650.]

Adaptive Double-Threshold Spectrum Sensing

Based on PN Sequence Autocorrelation for DTMB Systems

LUO Ziwei1,WANG Jun1,PAN Changyong1,ZHU Jinghui2,LI Xunchun2

(1.Department of Electronic Engineering,Tsinghua University,Beijing 100084,China;2.Academy of Broadcasting Science,

State Administration of Press,Publication,Radio,Film and Television,Beijing 100866,China)

Abstract：TV white space spectrum from A/D conversion is a kind of valuable resource,and spectrum sensing and detecting technology is the key point to the usage of TV white space. Considering conventional algorithms’ shortages of detection performance,high complexity or flexibility of Digital Television Terrestrial Multimedia Broadcasting(DTMB) systems,this paper presents an adaptive detection algorithm for DTMB systems.The algorithm is based on double-threshold detection:the pseudo-noise(PN) sequence autocorrelation algorithm is used beyond the two thresholds and the different-interval PN autocorrelation algorithm is used within the two thresholds. Besides,the thresholds can be adjusted adaptively according to channel states to balance the computing complexity,detection performance and channel condition. The simulation results prove that the novel algorithm is able to adjust parameters adaptively and rapidly under different channel conditions,thus improving detection performance obviously and reducing the computation complexity.

Key words：digital television terrestrial multimedia broadcasting;spectrum sensing;pseudo-noise sequence autocorrelation;double-threshold;adaptive algorithm

作者簡(jiǎn)介：

中圖分類號(hào)：TN911.23

文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1001-893X(2015)06-0645-06

通訊作者：**lzw201@gmail.comCorresponding author：lzw201@gmail.com

收稿日期：*2014-09-30；修回日期：2015-04-24Received date:2014-09-30；Revised date：2015-04-24基金項(xiàng)目：ITU-R 1206標(biāo)準(zhǔn)提案研制項(xiàng)目Foundation Item:ITU-R 1206 Standard Proposal Research Project

doi:10.3969/j.issn.1001-893x.2015.06.011