论文部分内容阅读
频谱资源作为不可再生资源,其稀缺性问题越来越受到关注。特别是在通信服务不断发展以及4G技术广泛应用的今天,如何解决频谱资源稀缺、提高频谱利用率,已成为学术界的研究重点。传统的解决方法只能在一定程度上提高频谱利用率,却仍然无法满足当今社会对频谱资源的需求。认知无线电(Cognitive Radio,CR)技术的出现为解决这一问题提供了新的方法。本文以基于正交频分复用技术(Orthogonal Frequency Division Multiplexing,OFDM)的认知OFDM通信系统为背景,以如何快速准确发现空闲的授权频谱以及如何减少次用户共享空闲频谱时产生的互干扰为研究目标,重点研究OFDM频谱感知技术,并在高效频谱感知的基础上研究了干扰对齐技术,具体的研究内容主要包括以下四个部分:(1)为了解决单径信道(高斯白噪声信道)下简单频谱感知算法感知准确度相对不高,而感知准确度较好的最优OFDM频谱感知算法没有闭式解,无法在实际中得到应用的问题,提出一种次优的基于微分特性(Differential Characteristics,DC)的OFDM频谱感知算法。该算法通过微分运算,以求极值的方式化简检验统计量,其感知准确度与最优OFDM频谱感知算法相比略有下降,但是明显优于其它感知算法。此外,DC频谱感知算法在降低了计算复杂度的同时,从理论上得到虚警概率和漏检概率的闭式解,比最优OFDM频谱感知算法更加适合于实际应用。同时,利用基于微分特性的OFDM频谱感知算法的核心思想,对目前性能较好的利用循环前缀(Cyclic Prefix,CP)和导频(Pilot Tones,PT)特性的频谱感知算法进行了改进,分别提出了基于微分特性的循环前缀(Differential Characteristics-Based Cyclic Prefix,DC-CP)感知算法和基于微分特性的导频(Differential Characteristics-Based Pilot Tones,DC-PT)感知算法。与原算法相比,DC-CP和DC-PT感知算法在没有增加计算复杂度的情况下都提高了感知准确度。(2)为解决多径信道(多径瑞利信道)下频谱感知算法受传输延时影响严重的问题,本文提出一种基于窗函数的循环前缀检测(Window Function-Based Cyclic Prefix,WF-CP)算法。利用窗函数对所有互相关值进行累加求和,增加了CP相关性在感知过程中的作用。并且从理论和实验两方面证明了WF-CP感知算法的性能与传输延时无关。同时,为了解决多径信道下传统频谱感知算法受载波频率偏移(Carrier Frequency Offset,CFO)影响严重的问题,本文提出一种基于互相关矩阵的导频检测(Cross Correlation Matrix-Based Pilot Tones,CCM-PT)算法。该算法在频域对所有具有相同导频分布的数据进行互相关运算,利用互相关矩阵上三角元素的和作为检验统计量,以增加少量的计算复杂度为代价,增强了CFO的鲁棒性,获得了更好的感知性能。(3)为了解决传统非盲OFDM频谱感知算法需要大量先验知识而盲OFDM频谱感知计算复杂度高、感知准确度低的问题,本文首次将深度学习的方法应用于频谱感知,提出一种基于栈式自动编码机(Stacked of Autoencoders,SAE)的盲OFDM频谱感知方法。利用深度学习的结构特点,自动对接收信号分层地提取有用特征,在感知过程中不需要先验知识,实现了盲频谱感知,并在低信噪比条件下感知准确度高于非盲频谱感知算法。同时,为了解决SAE频谱感知算法在信噪比相对较高时感知准确度低于非盲的频谱感知算法的问题,本文又提出了基于时域和频域特征联合SAE(Time Domain and Frequency Domain Features-Based SAE,TF-SAE)和基于数据融合的TF-SAE(Date Fusion-Based TFSAE,DF-TF-SAE)盲频谱感知算法,同时利用接收信号时域和频域的特征进行感知,以一定的感知时间和硬件消耗为代价,提高了系统感知结果的准确度。(4)为了解决单一频谱感知算法无法适应复杂的应用环境以及次用户共享频谱时产生互干扰的问题,以本文所提出的频谱感知算法和干扰对齐技术为基础,提出了一种基于频谱感知的干扰对齐方法。根据信噪比估计的结果以及用户需求选择适当的频谱感知算法,以达到更好的感知性能。为了保证频谱感知结果的有效性,提出了一种基于深度学习的信噪比估计(Deep Learning-Based SNR Estimation,DL-SE)算法,实现了低信噪比条件下高准确度的SNR估计。同时,利用干扰对齐技术进行频谱共享过程中的干扰消除,分别提出基于线性有限状态马尔可夫链(Linear Finite State Markov Chain,LFSMC)预测的干扰对齐方法及简化的LFSMC(Simplified LFSMC,S-LFSMC)方法,减少了信道状态信息不准确所造成的影响,提高了次用户的信干噪比,减少了用户间的互干扰,进而提高了频谱利用率。