隨著無線通信系統(tǒng)帶寬化的發(fā)展趨勢，頻譜資源日益緊缺，頻譜資源供需之間的矛盾成為當前亟待解決的問題[1]。認知無線電頻譜共享技術(shù)是解決該問題的一個嶄新的研究課題[2]。頻譜感知是認知無線電CR(Cognitive Radio)通信的重要前提，只有在對頻譜環(huán)境感知的基礎(chǔ)上，才能夠使用空閑頻譜資源。傳統(tǒng)的頻譜感知方法主要分為3類：匹配濾波檢測、周期平穩(wěn)過程特征檢測和能量檢測。其中能量檢測因其運算量較小以及復雜度較低，受到廣泛關(guān)注。然而，能量檢測需要預先得知噪聲的功率信息，并且需要主觀的設(shè)置判決門限[3]。實際的應用中能量檢測不可避免地受到噪聲不確定性的影響[4]。

    針對能量檢測中存在的問題，人們開始關(guān)注將認知無線電技術(shù)與多天線MIMO(Multi-Input Multi-Output)技術(shù)相結(jié)合，利用MIMO技術(shù)在空域上的處理能力設(shè)計提高頻譜感知性能的方法[5]。參考文獻[5]提出一種基于多天線的廣義似然比頻譜檢測方法；參考文獻[6]利用最大最小特征值分布特性，提出了一種基于隨機矩陣理論的頻譜感知算法。上述方法相比于能量檢測性能都有所提高，但是仍需設(shè)置判決門限，如果假設(shè)的參數(shù)不準，檢測性能將會下降。
    針對以上問題，本文提出一種基于信息論準則的頻譜感知算法AIC-CSS(Akaike Information Criteria Cognitive Spectrum Sensing)。該算法利用信息論準則進行主用戶空間維度估計，檢測是否有主用戶存在。所提算法通過偵聽信道，獲得觀測信號的相關(guān)矩陣，然后對相關(guān)矩陣進行特征值分解得到相關(guān)矩陣的特征值，最后求得使AIC準則表達式最小的k值。根據(jù)所得k值，利用AIC-CSS算法判定周圍環(huán)境中是否有主用戶存在。本算法與噪聲功率的先驗信息以及判決門限均無關(guān)。仿真結(jié)果表明，本文所提算法與能量檢測算法相比具有更高的檢測概率，對噪聲不確定性具有較好的魯棒性。
1 系統(tǒng)描述
    對無線環(huán)境進行感知是認知無線電中最為基礎(chǔ)并尤為重要的一個環(huán)節(jié)。為了保護主用戶系統(tǒng)不受到認知用戶的干擾，在允許認知用戶接入空閑的授權(quán)頻段之前，首先必須進行頻譜感知以獲得頻譜信息。
    現(xiàn)考慮圖1所示應用場景，主用戶系統(tǒng)由一對相互通信的主用戶(PR1和PR2)構(gòu)成，分別配置有T1和T2根發(fā)射天線。認知系統(tǒng)由一個配置Nr根天線的發(fā)送用戶(CR-Tx)和一個接收用戶(CR-Rx)組成。


2.2 AIC-CSS算法
    由空間譜估計理論可知，接收數(shù)據(jù)相關(guān)矩陣的大特征值對應于信號源數(shù)，而小的特征值都等于噪聲功率。這就說明可以直接根據(jù)數(shù)據(jù)相關(guān)矩陣的大特征值來判斷信號的源數(shù)[10]。通過對角陣?撞可以得到相關(guān)矩陣的特征值，其反應了信號在空間的能量分布，若空域沒有信號存在，理想情況下應有下式成立：
    ?姿1=?姿2=…=?姿n=?啄02  (10)
若空域中有主用戶存在，上式將不再成立，此時出現(xiàn)某些特征值?姿i>?啄02，其對應空間信號的能量。因此，可以利用信號的相關(guān)矩陣的特征值進行認知無線電頻譜感知。實際環(huán)境中由于噪聲的不確定性，相關(guān)矩陣的特征值不可能嚴格相等。但是由于空域信號能量大于噪聲能量，其對應特征值也應大于?啄02，因此參考文獻[6]中提出了一種基于最大最小特征值分布特性頻譜感知算法。但參考文獻[6]中只考慮了少量的特征值進行運算，這種計算方法帶有明顯的主觀性。本文提出一種基于信息論準則的頻譜感知算法AIC-CSS。本算法利用Akaike提出的AIC準則[10]檢測空域中是否有主用戶存在。
    常用的AIC準則表達式如下：

3 仿真實驗及性能分析
    為驗證算法的有效性，現(xiàn)對所提算法進行計算機仿真，并對結(jié)果加以分析。具體的仿真條件設(shè)置如下：假設(shè)認知系統(tǒng)的接收天線數(shù)Nr=5，離散信道L=1，且信道服從Rayleigh分布。參數(shù)滿足NNr>(N+L-1)。主用戶發(fā)送的信號源的信噪比從-10 dB~20 dB變化，并進行10 000次獨立的蒙特卡洛仿真實驗。
    圖2給出了采樣點數(shù)N=60，虛警概率Pf=0.01時，AIC-CSS算法與能量檢測算法隨信噪比變化檢測性能對比曲線。從圖中可以看出，在-2 dB左右AIC-CSS算法已經(jīng)基本收斂，而能量檢測算法在4 dB左右時才逐漸收斂。相比于能量檢測算法，AIC-CSS算法具有很好的檢測性能。

    圖3給出信噪比分別為-2 dB和0 dB時，隨著采樣點數(shù)的變化AIC-CSS算法與能量檢測算法的性能對比曲線。由圖可知，在信噪比為-2 dB的條件下，本文所提AIC-CSS算法的檢測概率隨著采樣點數(shù)的變化已逐漸收斂到1，而能量檢測算法在采樣點數(shù)N=100時，其檢測概率卻只有0.7。而信噪比為0 dB時，AIC-CSS算法的檢測概率一直保持在0.9以上。容易看出，隨著采樣點數(shù)的變化，AIC-CSS算法的檢測性能明顯優(yōu)于能量檢測算法。

    由2.1節(jié)分析可知，噪聲存在不確定性，由于能量檢測需要預知噪聲的功率信息，當噪聲存在不確定性時，能量檢測將受到噪聲不確定性的影響。而本文所提AIC-CSS算法無需得知噪聲的功率信息，因此AIC-CSS算法對噪聲不確定性具有魯棒性。圖4給出了采樣點數(shù)N=60。能量檢測算法的虛警概率Pf=0.01、噪聲不確定性分別為0 dB(即不存在噪聲不確定性)、0.5 dB和1 dB時，AIC-CSS算法與能量檢測算法的檢測性能。從圖中可以看出，由于噪聲不確定性的存在，能量檢測的檢測性能將受到噪聲不確定性的影響。隨著噪聲不確定性的增加，對能量檢測的檢測性能的影響也越大。而AIC-CSS算法卻不受噪聲不確定性的影響。

     本文提出了一種基于信息論準則的頻譜感知算法。該算法通過觀測信號源的相關(guān)矩陣求解相關(guān)矩陣的特征值，然后利用AIC準則求解使得AIC函數(shù)值最小的■值；根據(jù)所求k值，利用AIC-CSS算法判斷是否有主用戶存在。不同于傳統(tǒng)的能量檢測算法，該算法不需要知道噪聲的功率信息，也不需要設(shè)置判決門限。仿真結(jié)果表明，該算法相比于能量檢測算法具有更高的檢測概率，對噪聲不確定性具有較好的魯棒性。
參考文獻
[1] HONG X, WANG C, CHEN H,et al. Secondary spectrum accessnet-works[J]. IEEE Veh Technol Mag,2009,4(2): 36-43.
[2] KHOSHKHOLGH M G,NAVAIE K,YANIKOMEROGLU H. Access strategies for spectrum sharing in fading environment:overlay,underlay,and mixed[J]. IEEE Transactions on  Mobile Computing, 2010,9(12):1780-1793.
[3] 王謙,岳殿武. 分集技術(shù)下頻譜感知的性能分析[J].通信學報, 2010,31(4):134-140.
[4] ZENG Y, LIANG Y C, PEH E. Reliability of spectrum sensing under noise and interference uncertainty[C].In ICC, 2009:1023-1029.
[5] ZHANG R,TENG J L,LIANG Y C,e al. Multi-antenna based spectrum sensing for cognitive radios:a GLRT approach[J].IEEE Transactions on Communications,2010,58(1):84-88.
[6] 王磊, 鄭寶玉, 李雷.基于隨機矩陣理論的協(xié)作頻譜感知[J]. 電子與信息學報,2009,31(8):1925-1929.
[7] 黑永強，李曉輝，李文濤.認知網(wǎng)絡中的多用戶MIMO線性協(xié)作頻譜感知問題研究[J]. 通信學報, 2012，33(2):45-52.
[8] DEVROYE N, VU M, TAROKH V. Cognitive ratio networks[J]. IEEE Signal Processing Magazine, 2008,25(6):12-23.
[9] TANDRA R, SAHAI A. SNR walls for signal detection[J]. IEEE Journal of Selected Topics in Signal Processing,2008,2(1):4-17.
[10] 王永良,陳輝,彭應寧,等.空間譜估計理論與算法[M]. 北京:清華大學出版社,2004.
[11] AKAIKE H. Information theory and an extension of the  maximum likelihood principle[J]. Proceedings of the 2nd Intermational Symposium on Information Theory,Akademiai  Kiade, Budapest,1973:267-281.
[12] ZHANG W, MALLIK R K，LETAIEF K B. Optimization of cooperative spectrum sensing with energy detection in cognitive radio networks[J]. IEEE Transactions on Wireless Communications, 2009,8(12):5761-5766.