任肖麗，高飛飛，王 驥，劉雙印

（1.廣東海洋大學(xué)信息學(xué)院，廣東　湛江　524088；2.清華大學(xué)自動(dòng)化系，北京　100084）

基于DOA估計(jì)的認(rèn)知無(wú)線(xiàn)網(wǎng)絡(luò)頻譜感知*

任肖麗**1，高飛飛2，王 驥1，劉雙印1

（1.廣東海洋大學(xué)信息學(xué)院，廣東湛江524088；2.清華大學(xué)自動(dòng)化系，北京100084）

認(rèn)知無(wú)線(xiàn)電技術(shù)中頻譜感知性能的優(yōu)劣直接影響認(rèn)知通信系統(tǒng)的性能。針對(duì)該特點(diǎn)提出了認(rèn)知無(wú)線(xiàn)電網(wǎng)絡(luò)中基于波達(dá)方向（DOA）估計(jì)的主用戶(hù)頻譜感知模型，即單主用戶(hù)多次用戶(hù)和多主用戶(hù)多次用戶(hù)的系統(tǒng)模型，選取基于特征分解的多重信號(hào)分類(lèi)（MUSIC）算法分析兩種模型的感知性能，包括虛警概率、漏檢概率、最小總錯(cuò)誤概率、算法復(fù)雜度等，獲得了閉值表達(dá)式，最后在兩種模型下對(duì)算法進(jìn)行了仿真。仿真結(jié)果表明：各參數(shù)主要影響虛警概率，而漏檢概率幾乎不受影響，驗(yàn)證了方法的有效性。

認(rèn)知無(wú)線(xiàn)電網(wǎng)絡(luò)；頻譜感知；波達(dá)方向估計(jì)；感知模型

1　引言

隨著無(wú)線(xiàn)通信技術(shù)的發(fā)展，各種通信業(yè)務(wù)對(duì)頻譜的需求快速增長(zhǎng)，導(dǎo)致無(wú)線(xiàn)頻譜資源日趨緊張，無(wú)線(xiàn)網(wǎng)絡(luò)面臨著頻譜嚴(yán)重短缺的問(wèn)題。而實(shí)際測(cè)量已表明，大量固定分配的有限頻譜資源處于空閑狀態(tài)，頻譜利用率不充分甚至更低。由此可見(jiàn)，造成頻譜資源短缺的主要原因是由于當(dāng)前固定的頻譜分配制度造成的，解決這一問(wèn)題的有效途徑就是采用認(rèn)知無(wú)線(xiàn)電（Cognitive Radio，CR）技術(shù)。認(rèn)知無(wú)線(xiàn)電技術(shù)是一種有效利用頻譜空洞的新技術(shù)，其允許非授權(quán)用戶(hù)在授權(quán)用戶(hù)未使用其合法頻段（即頻譜空洞存在）的前提下使用該頻段，對(duì)已分配頻段的頻譜資源進(jìn)行再利用，從而提高頻譜利用率［1］。

目前比較經(jīng)典的頻譜感知算法主要包括匹配濾波器法、能量檢測(cè)法、循環(huán)平穩(wěn)特征檢測(cè)法和特征值檢測(cè)法以及在此基礎(chǔ)上發(fā)展起來(lái)的各類(lèi)協(xié)作式頻譜感知算法［1-4］?，F(xiàn)有的頻譜感知方法大多是檢測(cè)信道中是否有信號(hào)存在，采用兩種信道狀態(tài)的感知模型，即H0（信道空閑）或H1（信道被占用），在感知過(guò)程中為了準(zhǔn)確反映信道狀態(tài)，之后出現(xiàn)了三種信道狀態(tài)的感知模型［5］，即H0（信道空閑）、H1（信道被主用戶(hù)占用）和H2（信道被次用戶(hù)占用）。

最近幾年又出現(xiàn)了基于波達(dá)方向（Direction of Arrival，DOA）估計(jì)的頻譜感知方式［7-10］，其核心思想是在次用戶(hù)端安裝智能陣列天線(xiàn)來(lái)估計(jì)入射信號(hào)的角度信息以判斷是否存在主用戶(hù)（Primary User，PU），其中，智能天線(xiàn)可以使次用戶(hù)（Secondary User，SU）檢測(cè)到所有入射信號(hào)的到達(dá)角度，且PU角度信息是已知的，那么，SU就能判定接收信號(hào)是否來(lái)自PU。

本文采用3種信道狀態(tài)的感知模型，提出了一般的單主用戶(hù)多次用戶(hù)和多主用戶(hù)多次用戶(hù)系統(tǒng)感知模型，并在該系統(tǒng)模型下通過(guò)角度估計(jì)感知主用戶(hù)存在，感知準(zhǔn)則采用的是協(xié)作感知硬合并中的“AND”準(zhǔn)則［4］，即當(dāng)同時(shí)進(jìn)行感知的次用戶(hù)都感知到主用戶(hù)存在時(shí)才判定為主用戶(hù)存在。

2　基于DOA的頻譜感知

2.1系統(tǒng)模型

假設(shè)ad hoc認(rèn)知無(wú)線(xiàn)電網(wǎng)絡(luò)（Cognitive Radio Networks，CRN）中L個(gè)PU和Ms個(gè)SU，PU和SU的信號(hào)傳輸半徑分別為Rp和Rs。PU和SU端分別設(shè)有全向天線(xiàn)和智能天線(xiàn)，假設(shè)每個(gè)SU接收端的智能天線(xiàn)采用均勻線(xiàn)陣（Uniform Linear Array，ULA），M個(gè)天線(xiàn)陣元，陣元間距d。假設(shè)PU的角度已知，第i個(gè)PU的角度記為θi，通過(guò)DOA估計(jì)得到的入射信號(hào)角度記為，如果和θi非常接近，即，則可判定入射信號(hào)來(lái)自PU；反之，入射信號(hào)來(lái)自SU。其中：角度誤差Δφ的取值依具體情況而定，有關(guān)Δφ的詳細(xì)分析在文中第2.2節(jié)給出。本文圖中陰影部分被稱(chēng)為模糊區(qū)域，其面積記為Sarea，該區(qū)域SU的個(gè)數(shù)Ns=ρ·Sarea，ρ為SU在該區(qū)域的分布密度。

本文考慮如下系統(tǒng)模型：一是單主用戶(hù)多次用戶(hù)模型，如圖1（a）所示，更一般地，當(dāng)有多個(gè)處于一般位置的SU同時(shí)進(jìn)行感知時(shí)，以?xún)蓚€(gè)SU為例，系統(tǒng)模型如圖1（b）所示；二是多主用戶(hù)多次用戶(hù)模型，以L(fǎng)=3為例，如圖2所示，圖中SU1、SU2、SU3、SU4表示不同位置的SU。

圖1　單主用戶(hù)多次用戶(hù)系統(tǒng)模型Fig.1 System models with single PU and multiple SUs

圖2　多主用戶(hù)多次用戶(hù)系統(tǒng)模型Fig.2 A system model with multiple PUs and multiple SUs

2.2基于MUSIC DOA［7］的頻譜感知方法

本文選取多重信號(hào)分類(lèi)（Multiple Signal Classification，MUSIC）算法估計(jì)SU接收到的入射信號(hào)角度。假設(shè)K個(gè)來(lái)自于PU和SU的不同方向入射信號(hào)源，單個(gè)SU接收到的信號(hào)矢量表示為

式中：向量x（n）=［x1（n），x2（n），…，xM（n）］T∈CCM×1和s（n）=［s1（n），s2（n），…，sK（n）］T∈CCK×1表示在離散時(shí)間第n時(shí)刻M個(gè)接收信號(hào)和K個(gè)入射信號(hào)，（·）T表示轉(zhuǎn)置算子；v（n）=［v1（n），v2（n），…，vM（n）］T∈CCM×1是零均值協(xié)方差矩陣為σ2vIM的復(fù)高斯噪聲，IM是M×M單位矩陣；A（θ）∈CCM×K為方向矩陣，

式中：λ是信號(hào)載波波長(zhǎng)；a（θi）為信號(hào)方向θi時(shí)的導(dǎo)向向量。假設(shè)K個(gè)信號(hào)源為零均值、方差σ2s的獨(dú)立同分布隨機(jī)變量，矩陣U為噪聲子空間的向量構(gòu)成的矩陣，則MUSIC譜估計(jì)［7］為

對(duì)應(yīng)于PMUSIC（θ）峰值的角度即為入射信號(hào)估計(jì)角度。注意，對(duì)于單主用戶(hù)多次用戶(hù)和多主用戶(hù)多次用戶(hù)情況，無(wú)論P(yáng)U個(gè)數(shù)多少，只要SU檢測(cè)到一個(gè)PU，就認(rèn)為主用戶(hù)是存在的。

在實(shí)際中，假設(shè)只存在有限的N個(gè)樣本數(shù)，因此用樣本協(xié)方差矩陣

代替統(tǒng)計(jì)協(xié)方差矩陣Rxx。

3　感知性能分析

在頻譜感知中檢測(cè)概率、虛警概率及漏檢概率是評(píng)價(jià)頻譜感知性能的3個(gè)重要指標(biāo)。檢測(cè)概率Pd是在主用戶(hù)存在情況下正確檢測(cè)出主用戶(hù)存在的概率；當(dāng)PU不存在時(shí)，將SU的信號(hào)誤判為PU信號(hào)時(shí)產(chǎn)生虛警，虛警概率記為Pf；當(dāng)PU存在時(shí)，PU信號(hào)檢測(cè)不出或者將PU誤判為SU信號(hào)，則產(chǎn)生漏檢，漏檢概率記為Pm。然而，本文方法的頻譜感知不一定檢測(cè)出所有主用戶(hù)信號(hào)，在系統(tǒng)模型下主用戶(hù)的系統(tǒng)檢測(cè)概率記為Pd'=1-Pm，令PU和SU存在概率分別為Pp和Ps，單個(gè)檢測(cè)概率均記為Pd。除了頻譜檢測(cè)性能，算法的復(fù)雜度也是設(shè)計(jì)頻譜感知方法時(shí)必須考慮到的。

3.1虛警概率與漏檢概率

當(dāng)在單主用戶(hù)多次用戶(hù)圖1情況下，PU不存在，且在模糊區(qū)域至少有一個(gè)SU被檢測(cè)出，則產(chǎn)生虛警。PU不存在的概率為1-Pp，模糊區(qū)域中所有Ns個(gè)SU都檢測(cè)不出的概率為（1-PsPd）Ns，則至少有一個(gè)SU被檢測(cè)出的概率為1-（1-PsPd）Ns，所以，虛警概率可表示為

圖1情況下，選取次用戶(hù)SU1為參考主體對(duì)PU和SU進(jìn)行檢測(cè)。下面任一情況都會(huì)引起漏檢：

（1）PU存在但檢測(cè)不出，并且任意存在的SU是檢測(cè)不到的，其中，任意存在的SU個(gè)數(shù)可以是1，2，…，Ns，PU存在且檢測(cè)不出的概率為Pp（1-Pd），對(duì)于SU，如果CRN模糊區(qū)域中只有一個(gè)SU存在且檢測(cè)不出，則此時(shí)對(duì)應(yīng)的概率為；如果只有兩個(gè)SU存在且檢測(cè)不出，其概率為，依此類(lèi)推，任意存在的SU檢測(cè)不到的概率為，則該種情況下的漏檢概率記為Pm11；

（2）當(dāng)估計(jì)角度與PU先驗(yàn)角度之差大于ΔΨ/2時(shí)，對(duì)應(yīng)概率記為Pm12，其中ΔΨ=2Δφ。

根據(jù)文獻(xiàn)［10］，估計(jì)角度的誤差是噪聲的線(xiàn)性函數(shù)，噪聲矩陣服從零均值的高斯分布，所以估計(jì)角度的誤差為零均值、方差為σ2的高斯分布，則Δθ的概率密度函數(shù)為

由上可知，角度誤差Δφ與模糊區(qū)域SU個(gè)數(shù)Ns是影響虛警概率和漏檢概率的主要因素，Ns通過(guò)Ns=ρ·Sarea計(jì)算得到。對(duì)于圖1（a）系統(tǒng)模型下的模糊區(qū)域面積有Sarea=ΔΨ·Rs。對(duì)于圖1（b）系統(tǒng)模型下的模糊區(qū)域面積Sarea，為便于分析，如圖3幾何表示，令SU1和SU2間距為d，線(xiàn)段AB與角Δθ等分線(xiàn)夾角分別為α、β，ΔΨ=2Δφ，有

根據(jù)三角形面積計(jì)算公式與相似三角形性質(zhì)得

由式（11）～（12）可得陰影部分面積為

所以，模糊區(qū)域SU個(gè)數(shù)為Ns=ρ·SDCEF。

圖3　單主用戶(hù)多次用戶(hù)系統(tǒng)一般模型幾何表示Fig.3 Geometry expression of system model with one PU and multiple SUs

3.2最小總錯(cuò)誤概率

本文感知方法最優(yōu)情況是使產(chǎn)生的錯(cuò)誤概率最小，即虛警和漏檢概率之和最小。下面以圖1（a）所示的單主用戶(hù)多次用戶(hù)系統(tǒng)模型為例估算總錯(cuò)誤概率最小時(shí)的Δφ。令Rs=r，Ns=Sarea·ρ=ΔΨ·r·ρ，由式（6）～（10）得總錯(cuò)誤概率為

根據(jù)變上限函數(shù)求導(dǎo)準(zhǔn)則，得

由式（14）～（15），Ns=ΔΨ·r·ρ和指數(shù)函數(shù)求導(dǎo)，為了確保P是最小的，令，方程兩邊取以e為底的對(duì)數(shù)，得到如下方程：

為了估算總錯(cuò)誤概率最小時(shí)Δφ的值，由式（16）得

由式（14）～（17）可求得最小總錯(cuò)誤概率。

同理，可估算圖1（b）模型下最小總錯(cuò)誤概率及此時(shí)的Δφ。

3.3多主用戶(hù)多次用戶(hù)模型下性能分析

對(duì)于圖2所示的多主用戶(hù)多次用戶(hù)情況，次用戶(hù)SU0可以接收到來(lái)自模糊區(qū)域次用戶(hù)SU的信號(hào)，即估計(jì)角度誤差滿(mǎn)足，則產(chǎn)生虛警。各個(gè)PU是相互獨(dú)立的，當(dāng)所有存在的PU都漏檢，其余PU只要有一個(gè)產(chǎn)生虛警，則產(chǎn)生虛警，設(shè)有m個(gè)PU不存在，則L-m個(gè)PU存在，m=1，2，…，L，由式（6）～（7），可得虛警概率為

當(dāng)存在的m（m=1，2，…，L）個(gè)PU都漏檢，其余L-m個(gè)PU不存在且任意存在的SU都檢測(cè)不出時(shí)產(chǎn)生漏檢，L-m個(gè)PU不存在概率為（1-Pp）L-m，根據(jù)單個(gè)PU漏檢概率式（7）及其分析，可知任意存在的SU都檢測(cè)不出的概率為

可得漏檢概率為

對(duì)于多主用戶(hù)多次用戶(hù)系統(tǒng)模型，各主用戶(hù)相互獨(dú)立，根據(jù)3.2節(jié)分析，同理可估算該模型下最小總錯(cuò)誤概率及此時(shí)的Δφ。

4　感知復(fù)雜度分析

假設(shè)M個(gè)接收天線(xiàn)，N個(gè)估計(jì)角度，L個(gè)PU。本文方法的復(fù)雜度可以看作是PU檢測(cè)次數(shù)的期望。PU判定準(zhǔn)則是：不管PU個(gè)數(shù)是多少，一旦檢測(cè)到一個(gè)PU，就認(rèn)為PU是存在的。下面計(jì)算復(fù)雜度。當(dāng)L=1時(shí)，如果PU被第1個(gè)接收天線(xiàn)檢測(cè)到，復(fù)雜度是；如果PU被第2個(gè)接收天線(xiàn)檢測(cè)到，復(fù)雜度為以此類(lèi)推，如果PU被第M個(gè)天線(xiàn)檢測(cè)到，復(fù)雜度為。所以，當(dāng)L=1時(shí)，復(fù)雜度為

以此類(lèi)推，當(dāng)?shù)贛個(gè)天線(xiàn)檢測(cè)到PU時(shí)，復(fù)雜度為

所以，當(dāng)L=2時(shí)，復(fù)雜度為

同理，當(dāng)L=3時(shí)，復(fù)雜度為

由式（20）～（22）可得復(fù)雜度的一般表達(dá)式為

以M=4、N=3為例，當(dāng)L=1，可得復(fù)雜度為6.5；當(dāng)L=2，復(fù)雜度為11；當(dāng)L=3，復(fù)雜度為14.5。由此可得，隨著L增加，復(fù)雜度也相應(yīng)增大。

5　仿真結(jié)果與分析

考慮遠(yuǎn)場(chǎng)信號(hào)入射到M陣元的均勻直線(xiàn)陣上，且陣元間距為d=λ/2，λ為載波波長(zhǎng)，陣列接收噪聲是零均值高斯噪聲，快拍數(shù)為1 000，進(jìn)行1 000次Monte Carlo仿真，來(lái)自PU的信號(hào)角度是先驗(yàn)已知的，則在不同M陣元數(shù)時(shí)利用MUSIC DOA估計(jì)對(duì)頻譜進(jìn)行感知。假設(shè)3個(gè)信號(hào)源，到達(dá)接收機(jī)角度分別為θ1=-25°，θ2=-5°，θ3=15°，在陣元數(shù)M分別為4、6、8時(shí)DOA估計(jì)如圖4所示，信噪比（Signal -to-Noise Ratio，SNR）變化時(shí)MUSIC DOA估計(jì)的標(biāo)準(zhǔn)方差如圖5所示。通過(guò)比較估計(jì)角度與PU的先驗(yàn)角度（θ=15°）可知，MUSIC DOA估計(jì)算法具有較高的頻譜感知精度。如果角度誤差，則對(duì)應(yīng)的入射信號(hào)被看作是PU信號(hào)。由圖4可知陣元數(shù)M越多算法的分辨率越高。

圖4　不同陣元時(shí)MUSIC偽譜Fig.4 MUSIC pseudo spectrum with different elements

圖5　MUSIC算法DOA估計(jì)性能分析Fig.5 Performance of DOA estimation

對(duì)于Ns取不同值時(shí)虛警概率和漏檢概率，假設(shè)每個(gè)SU的存在概率為Ps=0.5，檢測(cè)概率Pd= 0.95，當(dāng)在圖1和圖2所示的情況下Pp從0.5變到0.9時(shí)，虛警概率Pf和漏檢概率Pm分別如圖6和圖7所示。由圖可知，開(kāi)始時(shí)Pf都隨著Ns增加而逐漸增大，之后保持不變，而當(dāng)Pp從0.5變到0.9時(shí)，Pf明顯下降，由此可知Pp越大算法性能越好。由圖7可知，在多主用戶(hù)多次用戶(hù)時(shí)虛警概率可達(dá)到最小且接近于零。但是，無(wú)論P(yáng)p與Ns取何值，漏檢概率都接近于零，由此可知基于MUSIC DOA估計(jì)的頻譜感知幾乎對(duì)Pm沒(méi)有影響。

圖6　單主用戶(hù)多次用戶(hù)Pp、Ns變化時(shí)虛警和漏檢概率Fig.6 False alarm probability and miss detection in the caseof Fig.1 with Pp=0.5，Pp=0.9 and Nsvarying

圖7　多主用戶(hù)多次用戶(hù)Pp、Ns變化時(shí)虛警和漏檢概率Fig.7 False alarm probability and miss detection in the caseof Fig.2 with Pp=0.5，Pp=0.9 and Nsvarying

另一種情況，假設(shè)PU的存在概率Pp=0.8，檢測(cè)概率Pd=0.95，在圖1和圖2兩種情況下當(dāng)Ps從0.3變到0.9時(shí)虛警概率和漏檢概率分別如圖8和圖9所示。由圖可知，隨著Ns增加Pf開(kāi)始時(shí)都有輕微的增加，之后Ps從0.3變到0.9時(shí)，Pf值略微增加，對(duì)Pf影響較小。在圖2情況下，無(wú)論P(yáng)s取何值虛警概率都非常低?？梢?jiàn)，虛警概率受Ps值影響較小。

圖8　單主用戶(hù)多次用戶(hù)Ps、Ns變化時(shí)虛警和漏檢概率Fig.8 False alarm probability and miss detection in the case ofFig.1 with Ps=0.3，Ps=0.9 and Nsvarying

圖9　多主用戶(hù)多次用戶(hù)Ps、Ns變化時(shí)虛警和漏檢概率Fig.9 False alarm probability and miss detection in the case ofFig.2 with Ps=0.3，Ps=0.9 and Nsvarying

特別地，對(duì)在多主用戶(hù)多次用戶(hù)情況下PU個(gè)數(shù)對(duì)虛警概率和漏檢概率的影響進(jìn)行分析。假設(shè)Ps=0.5，當(dāng)Pp從0.5變到0.9時(shí)，虛警概率和漏檢概率如圖10所示。虛警概率隨著PU個(gè)數(shù)增加剛開(kāi)始明顯增大，當(dāng)PU個(gè)數(shù)大于9時(shí)幾乎保持不變。當(dāng)Pp從0.5變到0.9時(shí)Pf是降低的。假設(shè)Pp= 0.8，當(dāng)Ps從0.3變到0.9時(shí)，虛警概率和漏檢概率如圖11所示。由圖可知虛警概率幾乎不受變化的Ps值影響。

圖10　多主用戶(hù)多次用戶(hù)PU個(gè)數(shù)變化時(shí)虛警和漏檢概率Fig.10 False alarm probability and miss detection in the case of Fig.2 with Pp=0.5，Pp=0.9 and PU number varying

圖11　單主用戶(hù)多次用戶(hù)PU個(gè)數(shù)變化時(shí)虛警和漏檢概率Fig.11 False alarm probability and miss detection in the case of Fig.1 with Pp=0.5，Pp=0.9 and PU number varying

由仿真結(jié)果可知，在兩種系統(tǒng)模型下基于MUSIC DOA估計(jì)的頻譜感知中，漏檢概率是可以忽略不計(jì)的，虛警概率Pf主要受Pp和Ns影響，而Ps對(duì)其影響較小，即Pf隨著Pp增加而減小，隨著Ns增加而逐漸增大，PU個(gè)數(shù)越多感知性能越好。

6　結(jié)束語(yǔ)

本文基于DOA估計(jì)在單主用戶(hù)多次用戶(hù)與多主用戶(hù)多次用戶(hù)系統(tǒng)模型下感知PU信號(hào)角度，確定信號(hào)是否來(lái)自PU。SU產(chǎn)生虛警的主要原因之一是估計(jì)到的信號(hào)位于模糊區(qū)域，本文對(duì)此進(jìn)行了詳細(xì)分析，最后，在不同情況下全面分析了該方法的感知性能。仿真結(jié)果表明：各參數(shù)主要影響虛警概率，而漏檢概率幾乎不受影響；Ns和PU個(gè)數(shù)及SU和PU的存在概率頻譜對(duì)虛警概率影響較大。綜上所述，在本文提出模型下基于DOA估計(jì)的頻譜感知中虛警概率受參數(shù)影響較大。本文的研究為后續(xù)基于角度估計(jì)的頻譜感知研究奠定了理論基礎(chǔ)。

［1］ZENG Y，LIANG Y，HOANG A，et al.A review on spectrum sensing for cognitive radio：challenges and solution［J］.EURASIP Journal on Advances in Signal Processing，2010（1）：1-15.

［2］YUCEK T，ARSLAN H.A survey of spectrum sensing algorithms for cognitive radio applications［J］.IEEE Communications Surveys and Tutorials，2009，11（1）：116-130.

［3］CHIN W L，LI J M，CHEN H H.Low-complexity energy detection for spectrum sensing with random arrivals of primary users［J］.IEEE Transactions on Vehicular Technology，2016，65（2）：947-952.

［4］盧光躍，葉迎暉，孫宇，等.克服噪聲不確定度的擬合優(yōu)度檢驗(yàn)頻譜感知算法［J］.電訊技術(shù)，2016，56（1）：26-31. LU Guangyue，YE Yinghui，SUN Yu，et al.A novel antinoise-uncertainty spectrum sensing method using goodness of fit test［J］.Telecommunication Engineering，2016，56（1）：26-31.（in Chinese）

［5］ZHAO Y，SONG M，XIN C，et al.Spectrum sensing based on three-state model to accomplish all-level fairness for co-existing multiple cognitive radio networks［J］.IEEE INFOCOM，2012，131（5）：1782-1790.

［6］PEH E，LIANG Y C，GUAN Y L.Optimization for Cooperative Sensing in Cognitive Radio Networks［J］.IEEE Transactions on Vehicular Technology，2007，58（9）：27-32.

［7］SCHMIDT R O.Multiple emitter location and signal parameter estimation［J］.IEEE Transactions on Antennas and Propagation，1986，AP-34（3）：276-280.

［8］XIE J，F(xiàn)U Z，XIAN H.Spectrum sensing based on estimation of direction of arrival［C］//Proceedings of 2010 International Conference on Computational on Problem-Solving.Lijiang：IEEE，2010：39-42.

［9］ZHAO Y X，HUANG J，WANG W，et al.Detection of primary users signal in cognitive radio networks：angle of arrival based approach［C］//Proceedings of 2014 IEEE GlobecomCommunicationsConference.Austin，TX：IEEE，2014：3062-3067.

［10］ZHAO Y X，ANAGNOSTOU D E，HUANG J，et al.AoA based sensing and performance analysis in cognitive radio networks［C］//Proceedings of 2014 National Wireless Research Collaboration Symposium.Idaho Falls，ID：IEEE，2014：144-148.

任肖麗（1982—），女，遼寧朝陽(yáng)人，2012年于電子科技大學(xué)獲碩士學(xué)位，現(xiàn)為實(shí)驗(yàn)師，主要研究方向?yàn)殛嚵行盘?hào)處理、認(rèn)知無(wú)線(xiàn)電頻譜感知等；

REN Xiaoli was born in Chaoyang，Liaoning Province，in 1982.She received the M.S.degree from University of Electronic Science and Technology of China in 2012.She is now an experimentalist. Her research concerns array signal processing and cognitive radio spectrum sensing.

Email：rxl.2005@163.com

高飛飛（1980—），男，博士，副教授，主要研究方向?yàn)橥ㄐ爬碚?、寬帶無(wú)線(xiàn)通信、信號(hào)處理、多輸入多輸出系統(tǒng)和陣列信號(hào)處理；

GAO Feifei was born in 1980.He is now an associate professor with the Ph.D.degree.His research concerns communication theory，broadband wireless communications，signal processing，multiple input multiple output systems，and array signal processing.

王 驥（1972—），男，碩士，副教授，主要研究方向?yàn)闊o(wú)線(xiàn)傳感器網(wǎng)絡(luò)與嵌入式系統(tǒng)應(yīng)用；

WANG Ji was born in 1972.He is now an associate professor with the M.S.degree.His research concerns wireless sensor networks and embedded system application.

劉雙?。?977—），男，博士，教授，主要研究方向?yàn)橹悄苡?jì)算、智能信息系統(tǒng)等。

LIU Shuangyin was born in 1977.He is now a professor with the Ph.D.degree.His research concerns intelligent computing and intelligent information system.

Spectrum Sensing Based on DOA Estimation in Cognitive Radio Networks

REN Xiaoli1，GAO Feifei2，WANG Ji1，LIU Shuangyin1
（1.Information School，Guangdong Ocean University，Zhanjiang 524088，China；2.Department of Automation，Tsinghua University，Beijing 100084，China）

In cognitive radio technology，the performance of spectrum sensing directly affects the performance of cognitive communication system.According to this feature，a spectrum sensing model of primary user（PU）based on direction of arrival（DOA）estimation in the cognitive radio networks is proposed，that is，the system model of multiple primary users（PUs）multiple secondary users（SUs）and single primary user multiple secondary users.Then，the sensing performance of the two sensing models based on the Multiple Signal Classification（MUSIC）algorithm is analyzed，including false alarm probability，miss detection probability，the minimum total false probability，sensing complexity，and the expression of the closed-form solution is obtained.Finally，algorithm simulations are carried out under various sensing models.The simulation results show that the parameters mainly affect the false alarm probability，but the miss detection probability is almost unaffected.The effectiveness of this method is verified.

cognitive radio networks；spectrum sensing；direction of arrival estimation；sensing model

The National Natural Science Foundation of China（No.61471133）；The Natural Science Foundation of Guangdong Province（2015A030313617）；Guangdong Science and Technology Plan Project（2013B090500127，2013B021600014，2015A070709015，2015A020209171）；The Project of Enhancing School with Innovation of Guangdong Ocean University（GDOU2013050232，GDOU2014050228）

TN92

A

1001-893X（2016）04-0353-07

10.3969/j.issn.1001-893x.2016.04.001

任肖麗，高飛飛，王驥，等.基于DOA估計(jì)的認(rèn)知無(wú)線(xiàn)網(wǎng)絡(luò)頻譜感知［J］.電訊技術(shù)，2016，56（4）：353-359.［REN Xiaoli，GAO Feifei，WANG Ji，et al.Spectrum sensing based on DOA estimation in cognitive radio networks［J］.Telecommunication Engineering，2016，56（4）：353-359.］

2015-11-04；

2016-03-25 Received date:2015-11-04；Revised date:2016-03-25

國(guó)家自然科學(xué)基金資助項(xiàng)目（61471133）；廣東省自然科學(xué)基金資助項(xiàng)目（2015AC0313617）；廣東省科技計(jì)劃項(xiàng)目（2013B090500127，2013B021600014，2015A070709015，2015A020209171）；廣東海洋大學(xué)創(chuàng)新強(qiáng)校工程項(xiàng)目（GDOU2013050232，GDOU2014050228）

**通信作者:rxl.2005@163.com Corresponding author：rxl.2005@163.com