摘要：目前，具有動態訪問無線電頻譜技術的系統，如認知無線電系統，需求很大，正在積極開發中。為確保有效運行這類系統，必須對所用頻率范圍內的無線電環境有一定的了解。本文致力于算法和軟件的開發對頻譜進行智能分析，及時建立預測頻譜占用率的模型。這個問題的解決方案允許提供動態頻譜在不影響主要用戶的權限和通信質量的情況下，同時不降低次要用戶的服務質量。本文提出并描述了一種基于頻譜占用模型的動態頻譜訪問預測實現算法，包括3個階段。目前，軟件已經開發并在一個領域通過實驗實現了算法的第一階段。第一階段的現場實驗結果表明，所開發的軟件可以讓我們識別自由白天的部分頻譜，同時得到了占空比的值，從而可以預測所選時間段內該信道被占用的概率。利用這些信息，可以構建頻繁的（順序的）模式來開發頻譜占用的最新預測模型。
關鍵詞：認知無線電；動態頻譜接入；無線電監測；占空比；軟件無線電
一、引言
認知無線電是無線通信領域研究最為深入的領域之一。認知無線電（CR）是一種智能無線電系統，它使用軟件定義無線電設備（Software Defined Radio devices， SDR）等技術自動配置自己的操作模式。認知無線電系統能夠積累有關操作的知識條件，并動態和獨立地使其參數適應適當的無線電環境。這種系統主要被認為是能夠更有效地利用頻率資源的系統。
認知無線電的主要任務之一是提供動態頻譜訪問。[1]動態頻譜訪問是指向次要（無許可證）用戶提供主要（有許可證）用戶的頻率，在此期間主用戶不使用該范圍的技術。實現動態頻譜接入技術的一個重要任務是在不降低二級用戶服務質量的前提下，保護一級用戶的通信權利和通信質量。在實踐中，這意味著未經許可的用戶必須不斷監測頻譜活動，以便找到一個合適的波段使用，并避免對有許可的用戶可能的干擾。這是從CR的基本概念出發的，它得出的結論是，為了二級網絡的有效運行，對于所使用的頻率范圍，有必要掌握主要用戶占用頻譜的信息，生成此類信息的方法很少。
第一種方法是通過頻譜監測手段對頻率范圍進行恒定控制。這種方法包括幾個階段，第一階段解決了檢測來自主要用戶的信號的任務；第二階段專門對獲得的結果進行分析，以確定適合二級用戶的頻段。每個階段被稱為認知無線電循環函數。這種方法要求CR定期進行頻譜監測，以檢測到當前空閑的頻段。CR中的頻譜監測過程是寬頻段的頻譜掃描，范圍可以從MHz單位到幾GHz。作為這種方法的優點，值得注意的是接收到的關于CR覆蓋區域內無線電環境的信息的相關性。這種方法的缺點是需要較高的計算成本，頻段較寬，頻譜監測的可重復性高。
第二種方法是使用各種頻譜占用模型。這種方法也包括幾個階段。第一個階段專門用于收集從測量結果中獲得的所使用頻段的頻譜占用情況的信息。第二階段致力于對獲得的數據進行分析，目的是及時預測頻譜不同部分的占用情況。需要注意的是，在第一種情況下，一個認知無線電周期所需的時間比第二種情況要多。因此，作為這種方法的一個優勢，值得注意的是，由于處理認知無線電周期而產生的時間延遲最小化了。這種方法的另一個優點是能夠預測頻譜占用的狀態，這避免了與現有授權用戶發生沖突。然而，這種方法的有效性高度依賴于主要用戶使用的頻譜占用模型。大量的研究表明，現有的頻譜占用模型與真實的無線電環境不符。因此，這種方法的主要任務之一就是在特定的無線電環境中建立一個充分的頻譜占用模型。[2]許多著作概述了構建頻譜占用模型的可能選項，但沒有提出基于頻譜占用模型實現動態頻譜訪問的真正算法和方法。
本文致力于描述開發的基于頻譜占用模型的動態頻譜訪問實現算法。描述了所提出算法的第一階段，旨在實現頻譜監測和形成短期數據庫。還給出了為第一階段進行的現場測試的描述。結論部分專門討論了實驗結果。
二、動態頻譜訪問算法
基于頻譜占用模型的動態頻譜訪問實現算法由三個階段組成，第一階段以給定頻率在給定頻率范圍內進行頻譜監測，形成短期（每日）頻譜占用數據庫。短期數據庫由于體積小，在必要時可以快速提供與特定時間段相關的頻譜占用信息。在第二階段，經過一個月（六個月、一年）長期積累的信息形成了一個關于頻譜使用實際狀態的長期數據庫。第三階段是從數據庫信息中搜索頻繁的模式（臨時邏輯規則），及時預測頻譜不同部分的可用性。獲得的數據庫和頻繁模式允許通過提供有關當前可用無線電頻率范圍的相關信息，在認知無線電中提供動態頻譜訪問。圖1顯示了所開發算法的簡化方案。
三、形成頻譜占用率統計的方法
世界各地的測量公司進行了大量的實驗，目的是獲取頻譜占用率的相關信息。其中大多數只關注于獲取足以證明更有效利用頻譜的潛力的統計數據。他們中的一些人只對選定的頻率范圍進行實驗，例如電視頻段范圍。測量公司進行的實驗得出的結論是，實際頻譜負荷取決于頻率、時間和位置。此外，測量結果表明，系統選擇的檢測閾值和調優是測量頻譜占用率的重要參數。這些結果為進一步研究頻譜占用率，以便在認知無線電系統中實現動態頻譜訪問提供了必要的基礎。
在頻譜監測中，基于數字頻譜分析的信號檢測方法有很多。這些方法包括能量檢測器、基于匹配濾波器的檢測器和基于信號的循環平穩特性的檢測器。[3]最常用的基于FFT的頻譜監測方法在給定頻帶等于若干MHz。能量探測器允許實時頻譜監測。能量探測器的實現需要一個適當設置的閾值。閾值是一個值，它的值允許你對通道的狀態做出決定。如果接收到的信號功率值低于預定的閾值，則認為該信道是空閑;如果信號功率超過預定的閾值，則認為該信道是繁忙的。因此，假設在特定頻率f處的j次測量代表Pj （f），我們可以用下面的公式計算頻率f處j次測量的頻譜占用率：
（1）
其中j=1，2...N（f），N（f）是在頻率f下進行的測量總數。利用得到的公式（1），我們可以得到頻譜占用水平的定量估計。為此，需要計算頻率通道占空比，即在頻率f處被確認占用的測量數除以在頻率f處執行的測量總數。這樣，就得出了占空比是主用戶占用通道時間的平均百分比。對于這種情況，頻譜占用率的計算如下：
（2）
由（2）可知，頻譜占用水平不能超過100%。因此，占空比值越接近100%，在某一頻率f處信道占用的概率就越大。從以上對頻譜監測方法的描述可以明顯看出，其實現中最困難的部分是閾值T的選擇。如果閾值過低，那么誤檢的概率就會增加。門限值過高，則會增加錯過主用戶信號的概率�？梢赃x擇噪聲級別的值作為閾值。在大多數情況下，檢測閾值T的值設置在噪聲水平之上幾個dB，以考慮到那些可能被誤認為是信號的噪聲排放。
在本文中，為了生成頻譜占用率的統計數據，需要執行以下操作：
①對接收到的正交樣本多次使用FFT。
②對于選定的時間段，對第n個FFT包進行累積和平均。
③取上一步得到的結果的平均值作為噪聲水平。
④將檢測閾值設置在可接受的噪聲水平之上幾個dB處。
⑤對于點2的每個結果，都與檢測閾值進行比較。如果超過檢測閾值，則對信道占用率做出決策，即對于給定頻率的給定時間段，將該值設為1。否則，0。
⑥監測期間獲得的值0和1形成頻譜占用統計，并寫入文件。
⑦在白天進行頻譜監測時，前一階段獲得的文件形成短期數據庫。
四、現場實驗結果
頻譜占用狀態的實際數據來源是來自便攜式獨立SDR HackRF One。HackRF One模塊的規格如圖2所示。HackRF One模塊通過USB 2.0連接到筆記本電腦，并使用開發的軟件進行控制。該軟件允許您控制HackRF One的參數，如帶寬、增益和中心頻率。除了管理接收機設置之外，開發的軟件還使用前一節中描述的算法形成、保存到文件并可視化頻譜占用統計數據。
頻譜監測的頻率范圍為440-480MHz。為HackRF One設置了以下參數：5MHz帶寬，71dB增益。選擇的帶寬意味著，同時不可能完全覆蓋頻段范圍，但同時接收端發生的數據丟失不會影響接收的信道占用統計數據。如前所述，短期數據庫指的是每天接收到的頻譜占用狀態信息。為了形成每日信息，決定建立1秒的時間分辨率。因此，每天應獲得86400次頻譜占用信息數據。為了完全覆蓋所研究的頻率范圍，接收器的中心頻率在5MHz步長中每100毫秒變化一次。頻率分辨率取決于所選FFT的大小。對于本實驗，FFT包大小為256，對應的頻率分辨率為20kHz。前一節說過，檢測閾值取比噪聲水平高幾個dB。在本次實驗中，檢測閾值超出噪聲水平5dB。因此，開發的軟件可以實時處理來自接收器的數據。由于檢測門限的值會極大地影響頻譜狀態所獲得的結果，因此開發的軟件能夠將算法第2步所獲得的值保存到單獨的文件中。
從公式（1）可以明顯看出，頻譜占用的統計量應該是一個二元矩陣。通過監測我們可以得到440-480MHz/天的頻率范圍內獲得的頻譜占用統計數據。根據占用情況可以確定用戶所需要的頻率通道在特定時刻是繁忙還是空閑。
值得注意的是，監測數據并沒有提供任何關于概率如何在不同檢測閾值下的頻譜占用狀態。根據測量結果我們繪制了3天占空比。通過分析數據表明，在整個分析周期內，多個頻率通道的占空比為1。通常，這些都是集群無線電系統的控制信道（基站信號）。此外，研究結果表明，集群無線電系統的工作范圍是弱負載的。這個事實表明在此范圍內，次要用戶的工作不干擾主要用戶。
五、結束語
本文提出并描述了一種基于頻譜占用模型的預測實現動態頻譜訪問的算法，包括3個階段。詳細描述了所提算法的第一階段，該階段旨在形成頻譜占用統計模型的短期數據庫。利用所提出的算法，實現了進行現場實驗所需的軟件。第一階段的現場實驗結果表明，開發的軟件允許我們在白天識別光譜的自由部分。此外，我們還獲得了440-480 MHz頻率范圍內3天的占空比值，從而可以預測所選時間段內該頻率通道的占用概率。利用這些信息，可以構建頻繁的（順序的）模式來開發頻譜占用率的最新預測模型。
作者單位：劉一鳴 陳富彬 山東省無線電監測站
參 考 文 獻
[1]余婷，顧浩，胡靜，宋鐵成，沈連豐.電磁頻譜感知教學實驗系統的設計與實現[J].電氣電子教學學報，2011，33（05）：42-45，72.
[2]張波，黃本雄，朱江，徐奎.認知無線電中基于改進脈沖耦合神經網絡的頻譜分配算法[J].計算機工程與科學，2009，31（07）：112-116.
[3]趙冰. 認知超寬帶通信系統關鍵技術[D].哈爾濱工程大學，2011.
