董淑雅，伍小芹，白 勇

(海南大學(xué) 信息科學(xué)技術(shù)學(xué)院，海南 海口 570228)

?

基于步進(jìn)頻域能量檢測(cè)的寬帶頻譜感知方法研究

董淑雅，伍小芹，白 勇

(海南大學(xué) 信息科學(xué)技術(shù)學(xué)院，海南 ?？?570228)

為提高軟件無線電頻譜感知性能，研究并改進(jìn)了GNU Radio開源軟件無線電平臺(tái)上基于步進(jìn)頻域能量檢測(cè)的寬帶頻譜感知方法.具體分析并仿真了GNU Radio步進(jìn)頻域能量檢測(cè)方法流程，得到了其寬帶頻譜檢測(cè)性能.結(jié)合仿真結(jié)果討論了影響分步能量檢測(cè)判決門限的相關(guān)因素，得出確定分步判決門限的方法，從而可指導(dǎo)使用GNU Radio進(jìn)行頻域能量檢測(cè)的參數(shù)設(shè)置，達(dá)到更精確的頻譜檢測(cè)效果.為兼顧頻譜感知的頻帶帶寬分辨率和檢測(cè)速度，提出了變步進(jìn)值的兩階段步進(jìn)頻域能量檢測(cè)方法來改進(jìn)GNU Radio原有的單步進(jìn)值的步進(jìn)頻域能量檢測(cè)方法.

軟件無線電； 頻譜感知； 能量檢測(cè)； GNU Radio

隨著無線通信技術(shù)應(yīng)用與服務(wù)的快速發(fā)展，頻譜資源面臨著巨大需求，頻譜稀缺問題變得越來越嚴(yán)重.目前全球頻譜管理主要采用靜態(tài)分配，導(dǎo)致頻譜資源[1]的使用率偏低.解決頻譜使用率偏低和頻譜稀缺問題的一個(gè)有效途徑是利用頻譜檢測(cè)技術(shù)來感知頻譜空閑頻段并進(jìn)行動(dòng)態(tài)頻譜接入.

目前頻譜感知的方法主要包括發(fā)射源檢測(cè)、干擾檢測(cè)和協(xié)作檢測(cè)[2].能量檢測(cè)算法是由Urkowitz[3]提出的一種比較簡(jiǎn)單的信號(hào)發(fā)射源檢測(cè)算法，其優(yōu)點(diǎn)不需要任何先驗(yàn)信息，且計(jì)算成本較低.

GNU Radio是由Eric Blossom發(fā)起的軟件無線電項(xiàng)目，是一個(gè)開源的軟件無線電工具開發(fā)包，提供了大量的信息處理模塊庫(kù)，可建立軟件無線電的信號(hào)處理流程，實(shí)現(xiàn)軟件無線電的功能.所配套的硬件部分USRP (Universal Software Radio Peripheral)通用軟件無線電外設(shè)，充當(dāng)系統(tǒng)的射頻前端，可完成射頻到中頻的轉(zhuǎn)換，包含了A/D和D/A轉(zhuǎn)換器以及FPGA，可用于中頻以上采樣以及中頻到基帶信號(hào)的互相轉(zhuǎn)換.GNU Radio的軟件在Linux操作系統(tǒng)的PC上運(yùn)行，可處理基帶信號(hào)，采用Python和C++的混合編程方式.C++用于編寫各種信號(hào)處理模塊，Python用來編寫連接各個(gè)模塊的信號(hào)處理流程的腳本.GNU Radio工具包自帶有實(shí)例程序?qū)崿F(xiàn)了頻譜感知功能，已經(jīng)形成理論研究與實(shí)際應(yīng)用并重發(fā)展的良好態(tài)勢(shì)[4].文獻(xiàn)[5]介紹了利用GNU Radio和USRP在建立實(shí)驗(yàn)平臺(tái)中的應(yīng)用.文獻(xiàn)[6]主要研究寬帶能量檢測(cè)性能及噪聲不確定度約束下的觀測(cè)時(shí)長(zhǎng)分析.文獻(xiàn)[7]指出降低總的錯(cuò)判概率是提高檢測(cè)性能的首要手段.文獻(xiàn)[8]綜合考慮了檢測(cè)概率和虛警概率，給出了基于最小錯(cuò)判概率判決的寬帶能量檢測(cè)模型，并通過推導(dǎo)得到了最小錯(cuò)判概率門限.但文獻(xiàn)[9]沒有考慮虛警概率、檢測(cè)概率等約束條件對(duì)檢測(cè)的影響，采用最小錯(cuò)判概率門限進(jìn)行檢測(cè)時(shí)，雖然滿足了最小錯(cuò)判概率，卻可能無法同時(shí)達(dá)到虛警概率和檢測(cè)概率的指標(biāo)要求，這時(shí)就需要增加抽樣點(diǎn)數(shù)(即時(shí)域觀測(cè)時(shí)長(zhǎng))來進(jìn)行彌補(bǔ).此外，文獻(xiàn)[10]中假定高斯白噪聲的方差為一個(gè)定值，然而在實(shí)際應(yīng)用中此前提往往是無法滿足的[11].在現(xiàn)有的研究工作中尚未有對(duì)GNU Radio寬帶頻譜感知方法的詳細(xì)分析與性能研究.

為了提高GNU Radio在實(shí)際應(yīng)用中的頻譜檢測(cè)性能，筆者研究了GNU Radio寬帶頻譜感知所采用的多次步進(jìn)頻域能量檢測(cè)方法，分析了其感知流程中所涉及各模塊的功能及實(shí)現(xiàn)過程，利用Matlab仿真了GNU Radio步進(jìn)頻域能量檢測(cè)的寬帶頻譜感知流程，得到了GNU Radio頻域能量檢測(cè)性能，結(jié)合仿真結(jié)果討論了影響能量檢測(cè)判決門限的相關(guān)因素，研究了判決門限與檢測(cè)性能(檢測(cè)概率和虛警概率)以及相關(guān)影響因素(如加窗、SNR)之間的關(guān)系，并且得出判決門限值的確定方法.本文的研究結(jié)果可用于指導(dǎo)使用GNU Radio設(shè)備進(jìn)行頻域感知的參數(shù)設(shè)置，以達(dá)到更精確的頻譜檢測(cè)效果.此外，為了兼顧頻譜感知的頻帶帶寬分辨率和檢測(cè)速度，還提出了變步進(jìn)值的2階段步進(jìn)頻域能量檢測(cè)方法來改進(jìn)GNU Radio原有的單步進(jìn)值的步進(jìn)頻域能量檢測(cè)方法.

1 基于步進(jìn)頻域能量檢測(cè)的寬帶頻譜感知方法及改進(jìn)

GNU Radio工具包中自帶有Python語言u(píng)srp_spectrum_sense.py頻譜檢測(cè)示例程序.通過分析該程序，GNU Radio的寬帶頻譜檢測(cè)是通過多步頻域能量檢測(cè)實(shí)現(xiàn)，流程如圖1所示.

首先，通過USRP采樣得到基帶復(fù)信號(hào)，將采樣信號(hào)轉(zhuǎn)化為向量，對(duì)其加Blackman-Harris窗(加窗的主要作用是減少旁瓣、減弱頻譜泄露)，然后進(jìn)行FFT運(yùn)算，對(duì)所得的結(jié)果求模平方，并得到取對(duì)數(shù)的能量值，最后相比于設(shè)定的判決門限，若能量高于門限值，則判斷主用戶存在，否則不存在.

下面分析各模塊功能與具體實(shí)現(xiàn)步驟.在usrp_spectrum_sense.py示例程序中，self.connect(self.u，s2v，fft，c2mag，log，stats)通過USRP得到的數(shù)據(jù)，并把self.u， s2v，fft，c2mag，log和stats模塊連接在一起實(shí)現(xiàn)數(shù)據(jù)的采集和分析處理.其中，s2v模塊通過函數(shù)gr.stream_to_vector將采樣信號(hào)轉(zhuǎn)為向量形式；mywindow模塊通過函數(shù)window.Blackman-Harris實(shí)現(xiàn)加窗功能；fft模塊通過函數(shù)gr.fft_vcc實(shí)現(xiàn)FFT變換，將信號(hào)變換到頻域；c2mag模塊通過函數(shù)gr.complex_to_mag_squared實(shí)現(xiàn)復(fù)數(shù)轉(zhuǎn)為均方表示的功能；log模塊通過函數(shù)gr.nlog10_ff對(duì)數(shù)據(jù)進(jìn)行對(duì)數(shù)運(yùn)算處理；stats模塊通過函數(shù)gr.bin_statistics_f得到相關(guān)的統(tǒng)計(jì)數(shù)據(jù).

如果USRP的A/D采樣速率(adc_rate)設(shè)置為64 M/s，硬件設(shè)備默認(rèn)設(shè)置抽取率(decim)為16，則USRP最大檢測(cè)帶寬為adc_rate/decim = 4 MHz.當(dāng)系統(tǒng)工作在一個(gè)較寬的頻段時(shí)，不可能一次性對(duì)全頻段做頻譜檢測(cè).因此，采取多次步進(jìn)檢測(cè)，并對(duì)步進(jìn)檢測(cè)結(jié)果綜合統(tǒng)計(jì)從而實(shí)現(xiàn)大范圍寬帶頻譜感知.GNU Radio通過多次步進(jìn)方法實(shí)現(xiàn)寬帶頻域檢測(cè)流程，如圖2所示(不含虛線框).具體檢測(cè)步驟：設(shè)備提前設(shè)置所需的頻譜檢測(cè)頻段范圍和步進(jìn)值，通過命令改變USRP的RF子板中心頻率；USRP每個(gè)時(shí)刻對(duì)一段固定步長(zhǎng)范圍的頻譜進(jìn)行檢測(cè)，檢測(cè)的結(jié)果與設(shè)備的閾值比較，判斷此頻段是否被占用；然后步進(jìn)調(diào)頻到下一段頻率，并繼續(xù)檢測(cè)該段頻譜，直到超出設(shè)置的檢測(cè)范圍時(shí)感知結(jié)束.

在步進(jìn)方法中，步進(jìn)值的大小會(huì)對(duì)檢測(cè)的頻帶帶寬分辨率和檢測(cè)時(shí)間產(chǎn)生影響.步進(jìn)值越小(如100 KHz，200 KHz)，檢測(cè)的頻帶帶寬分辨率越高，但檢測(cè)過程耗時(shí)越長(zhǎng)，檢測(cè)復(fù)雜度增加.較大的步進(jìn)值檢測(cè)速度較快，但檢測(cè)的頻帶分辨率降低.當(dāng)信道頻譜占用帶寬未知、占用位置未知的情況下，原有的GNU Radio步進(jìn)寬帶頻域能量檢測(cè)方法采取固定的步進(jìn)值，就難以兼顧頻帶帶寬分辨率和檢測(cè)速度.為了兼顧寬帶頻譜檢測(cè)時(shí)的頻帶帶寬分辨率和檢測(cè)速度，提出了變步進(jìn)值的2階段寬帶頻域能量檢測(cè)方法來改進(jìn)GNU Radio原有的單步進(jìn)值的步進(jìn)頻域能量檢測(cè)方法.

本文所提出的步進(jìn)寬帶頻域能量檢測(cè)的改進(jìn)方法用虛線框添加在圖2的流程圖中.首先設(shè)置檢測(cè)范圍、較大的步進(jìn)值和第一個(gè)檢測(cè)頻段，較大的步進(jìn)值可選取2 MHz.首先進(jìn)行單步能量檢測(cè)，如果能量值小于門限，可初步判斷此步進(jìn)頻段空閑；如果能量值大于門限，表明該步進(jìn)頻帶被占用.對(duì)于占用頻帶，采用較少的步進(jìn)值(如200 KHz)在此段頻譜內(nèi)再進(jìn)行多次單步檢測(cè)，直到精確檢測(cè)到被占用的頻帶范圍.

2 仿真分析

利用Matlab仿真了圖2步進(jìn)寬帶頻域能量檢測(cè)的整個(gè)流程和實(shí)現(xiàn)步驟.仿真中首先對(duì)一個(gè)帶寬為2 MHz的sinc基帶信號(hào)進(jìn)行BPSK調(diào)制，信號(hào)周期設(shè)置為0.5 μs，然后將此基帶信號(hào)調(diào)制到6 MHz和16 MHz.調(diào)制后的信號(hào)所占頻譜為5 MHz～7 MHz，15 MHz～17 MHz，總頻譜檢測(cè)范圍為20 MHz,采樣頻率設(shè)置為40 MHz，將已調(diào)信號(hào)加上高斯白噪聲來模擬USRP的接收信號(hào).仿真中，不同SNR時(shí)，保持噪聲功率不變，改變信號(hào)功率.Matlab仿真中采用帶通濾波器實(shí)現(xiàn)步進(jìn)頻域能量檢測(cè)，帶通濾波器通帶頻率為200 KHz，并采用長(zhǎng)度為500的Hamming窗，采樣數(shù)據(jù)量N=100.通過多次改變帶通濾波器的中心頻率，實(shí)現(xiàn)寬帶頻域能量檢測(cè)，步進(jìn)的長(zhǎng)度設(shè)置為200 KHz,需要得到每個(gè)200 KHz帶寬的能量檢測(cè)判決門限值.

圖3給出了SNR分別為5 dB和10 dB，判決門限λ(對(duì)數(shù)值)與檢測(cè)概率Pd之間的關(guān)系.加有Blackman-Harris窗時(shí)，為達(dá)到一定的檢測(cè)概率Pd(如Pd≥0.9)，隨著SNR從5 dB逐漸增大到10 dB，所需要的判決門限值λ從57.5增加到65.1；在不加窗時(shí)，所需要的判決門限值λ從62.4增加到68.9.由以上仿真結(jié)果可知，加窗所需的判決門限值與對(duì)應(yīng)相同SNR值不加窗所需的判決門限值之差為5.

圖4給出了SNR分別為5 dB和10 dB，判決門限λ(對(duì)數(shù)值)與虛警概率Pf之間的關(guān)系.為達(dá)到一定的虛警概率Pf(如Pf≤0.1)，在加Blackman-Harris窗時(shí)，所需的判決門限值λ最小值為42；在不加窗時(shí)，所需要的判決門限值λ最小為46.8.由以上仿真結(jié)果可知，加窗所需的判決門限值與不加窗所需的判決門限值之差為5.

由圖3和圖4仿真結(jié)果可以得出，每步的能量檢測(cè)中判決門限λ影響檢測(cè)概率Pd和虛警概率Pf的變化，隨著SNR的逐漸增大，所需要的判決門限值逐漸增大.另外，是否加窗對(duì)判決門限值的選取有一定影響.SNR相同的情況下，為了達(dá)到一定的檢測(cè)概率和虛警概率，加窗所需的判決門限比不加窗所需的判決門限小.由于加窗可減少旁瓣和減弱頻譜泄露，因此加窗后的頻譜能量更集中，相應(yīng)的判決門限值比較小，仿真結(jié)果與理論相符.

在每次步進(jìn)200 KHz的能量檢測(cè)中，門限值可根據(jù)圖3和圖4的仿真結(jié)果設(shè)定.當(dāng)SNR=5 dB且加Blackman-Harris窗時(shí)，如果要求檢測(cè)概率Pd≥0.9，判決門限需滿足﹤57.5；如果同時(shí)要求虛警概率Pf≤0.1，判決門限λ需滿足﹥42.因此，選取42～57.5中的任一值作為此時(shí)的判決門限值均可滿足要求.當(dāng)SNR=10 dB且加Blackman-Harris窗時(shí)，如果要求檢測(cè)概率Pd≥0.9，判決門限需滿足﹤65.2；如果同時(shí)要求虛警概率Pf≤0.1，判決門限λ需滿足﹥42.因此，選取42～65.2中的任一值作為此時(shí)的判決門限值均可滿足要求.

檢測(cè)整個(gè)20 MHz的頻譜范圍，需要100步，每步200 KHz的頻譜檢測(cè).圖5顯示SNR=5 dB加Blackman-Harris窗情況下，步進(jìn)100次，每次檢測(cè)200 KHz的整個(gè)20 MHz頻譜檢測(cè)能量圖.選取能量值48做為檢測(cè)門限.

由圖5仿真結(jié)果可直觀看出：能量值連續(xù)大于選定的判決門限值48的分別為：從第25個(gè)200 KHz開始到第35個(gè)200 KHz結(jié)束、從第75個(gè)200 KHz開始到第85個(gè)200 KHz結(jié)束.因此可以得出，此20 MHz帶寬信道上5 MHz～7 MHz、15 MHz～17 MHz 2處頻段被占用，除此2處頻段外均為空閑頻段.

最后，評(píng)估不同檢測(cè)時(shí)間時(shí)的檢測(cè)性能.每次200 KHz的窄帶能量檢測(cè)，設(shè)置N=200，代替之前的N=100.

圖6給出了N=200時(shí)，在SNR分別為5 dB和10 dB，判決門限λ(對(duì)數(shù)值)與檢測(cè)概率Pd之間的關(guān)系.加Blackman-Harris窗時(shí)，為達(dá)到一定的檢測(cè)概率Pd(如Pd≥0.9時(shí))，隨著SNR從5 dB逐漸增大到10 dB，所需要的判決門限值λ從64增加到68.5；在不加Blackman-Harris窗時(shí)，所需要的判決門限值λ從68.4增加到73.8.與圖3相比，滿足同樣的Pd≥0.9，N=200所需的判決門限值增大.

圖7給出了N=200時(shí)，在SNR分別為5 dB和10 dB，判決門限λ(對(duì)數(shù)值)與虛警概率Pf之間的關(guān)系.為達(dá)到一定的虛警概率Pf(如Pf≤0.1時(shí))，隨著加Blackman-Harris窗的條件變成不加Blackman-Harris窗時(shí)，所需要的判決門限值λ從47.6增加到52.6，與圖4相比，滿足同樣的Pf≤0.1，N=200所需的判決門限值增大.

如果采用多頻帶能量檢測(cè)方法，將20 MHz寬帶分成10個(gè)頻帶，每個(gè)頻帶2 MHz，即只能檢測(cè)0～2 MHz，2 MHz～4 MHz，…….，18 MHz～20 MHz 10個(gè)頻帶的占用情況.對(duì)于本論文仿真中出現(xiàn)5 MHz～7 MHz，15 MHz～17 MHz頻帶被占用的情況，檢測(cè)結(jié)果就會(huì)出現(xiàn)較大誤差，即認(rèn)為4 MHz～8 MHz，14 MHz～18 MHz頻帶均被占用.而采用200 KHz的步進(jìn)值的步進(jìn)寬帶頻域能量檢測(cè)方法檢測(cè)精度高，但檢測(cè)時(shí)間較長(zhǎng).本文所提出的變步進(jìn)值的檢測(cè)方法(采用較大的步進(jìn)值2 MHz和較小的步進(jìn)值200 KHz)可以保持高的頻帶帶寬檢測(cè)精度，并且檢測(cè)時(shí)間比GNU Radio現(xiàn)有的步進(jìn)檢測(cè)方法較短.

3 小 結(jié)

通過分析并利用Matlab仿真GNU Radio頻譜檢測(cè)流程各模塊，得出了其檢測(cè)性能和影響其判決門限的相關(guān)因素.根據(jù)實(shí)際中對(duì)檢測(cè)概率和虛警概率的要求，可選定單步窄帶能量檢測(cè)的判決門限值.仿真分析表明，判決門限影響檢測(cè)性能，包括檢測(cè)概率和虛警概率.隨著SNR逐漸增大，所需要的判決門限值逐漸減??；SNR相同情況下，為達(dá)到一定的檢測(cè)概率和虛警概率，加Blackman-Harris窗所需的判決門限比不加Blackman-Harris窗所需的判決門限小.當(dāng)信道頻譜占用帶寬未知、占用位置未知的情況下，合適的步進(jìn)值不易選取.本文所提出的變步進(jìn)值的步進(jìn)能量檢測(cè)方法結(jié)合較大的步進(jìn)值和較小的步進(jìn)值進(jìn)行2階段的頻帶占用情況檢測(cè)，可以獲得高的頻帶帶寬檢測(cè)分辨率，并且可以縮短檢測(cè)時(shí)間.

[1] 王慧賢, 呂廷杰, 謝飛波等. 無線電頻譜價(jià)值影響因素分析[J]. 北京郵電大學(xué)學(xué)報(bào)：社會(huì)科學(xué)版, 2012, 14(5):66-71.

[2] Akyildiz I F, Lee W Y, Yuran M C. Next generation/dynamic spectrum access/cognitive radio wireless networks: A survey [J]. Computer Network, 2006, 50(13):2 127-2 159.

[3] 李映雪. 認(rèn)知無線電中頻譜感知技術(shù)研究[D].北京：北京郵電大學(xué), 2013.

[4] Tucker D C, Tagliarini G A. Prototyping with GNU radio and the USRP-where to begin: proceedings of the IEEE Southeastcon 2009，Atlanta, March 5-8, 2009[C]. [S.l.]: IEEE, 2009.

[5] Digham F F, Alouini M S, Simon M K. On the energy detection of unknown signals over fading channels [J]. IEEE Transactions on Communications, 2007, 5(1):21-24.

[6] Liu Y, Zeng C, Wang H, Wei G. Energy detection threshold optimization for cooperative spectrum sensing: proceedings of the Advanced Computer Control(ICACC) 2010, Shenyang, March 27-29,2010[C]. [S.l.]: IEEE, 2010.

[7] 劉子揚(yáng), 彭濤, 郭海波等. 干擾系統(tǒng)先驗(yàn)信息未知的寬帶能量檢測(cè)[J]. 北京郵電大學(xué)學(xué)報(bào). 2012, 35(5):31-35.

[8] Kozal A S B, Merabti M, Bouhafs F. An improved energy detection scheme for cognitive radio networks in low SNR region: proceedings of the IEEE Symposium on Computers and Communications (ISCC) 2012, Cappadocia, July 1-4, 2012[C]. [S.l.]: IEEE, 2012.

[9] Atapattu S, Tellambura C, Jiang H. Energy detection based cooperative spectrum sensing in cognitive radio networks [J]. IEEE Transactions on Wireless Communications, 2011, 10(4):1 232-1 241.

[10] 劉鑫, 譚學(xué)治, 徐貴森. 噪聲不確定下認(rèn)知無線電能量檢測(cè)性能的分析[J]. 四川大學(xué)學(xué)報(bào)(工程科學(xué)版),2011,43(6):168-172.

[11] Quan Z, Cui S, Sayed A H, and Poor H V. Optimal multiband joint detection for spectrum sensing in cognitive radio networks[J]. IEEE Trans. Signal Process, 2009, 57(3):1 128-1 140.

Wideband Spectrum Sensing Method Based on Step by Step Frequency Domain Energy Detection

Dong Shuya, Wu Xiaoqin, Bai Yong

(College of Information Science and Technology, Hainan University, Haikou 570228, China)

In our report, to improve the detection performance of software radio, on the open source software radio platform GNU Radio, the wideband spectrum sensing method based on step by step frequency domain energy detection was investigated and modified. The multi step frequency domain energy detection procedure of GNU Radio for spectrum sensing was analyzed and simulated, and the spectrum detection performance was obtained. Based on the simulation results, the factors influencing the decision threshold of per step energy detection were discussed, and the method to determine the decision threshold in per step was proposed for setting the parameters of GNU Radio with more precise spectrum sensing performance. To balance the bandwidth resolution and the detection speed of spectrum sensing, the two stage spectrum sensing method with varying advancing step value in the step by step frequency domain energy detection was proposed to improve the single advancing value method in the original frequency domain energy detection of GNU Radio.

Software Defined Radio; spectrum sensing; energy detection; GNU Radio

2016-02-26

國(guó)家自然科學(xué)基金(61561017)；國(guó)家自然科學(xué)基金(61261024)

董淑雅(1991-)，女，江蘇連云港人，海南大學(xué)2013級(jí)碩士研究生，研究方向：海洋通信，E-mail: dongshuya2016@163.com

白勇(1970-)，男，河南商丘人，博士生導(dǎo)師，教授，研究方向：無線通信，E-mail: bai@hainu.edu.cn

1004-1729(2016)03-0215-06

TN 949.6

A DOl：10.15886/j.cnki.hdxbzkb.2016.0033