论文部分内容阅读
认知无线电能够有效提高频谱利用率,而频谱感知是认知无线电的关键技术之一,因此本文将研究频谱感知算法及实现。首先,研究提出了三种频谱感知算法。针对基于功率谱的窄带频谱感知算法中噪声影响的问题,本文提出了基于功率谱极值与噪声方差估计的频谱感知算法(PSEENVR)。该算法利用排序系数对噪声方差进行相对精确的估计,从而降低噪声方差的影响,提高了算法的抗频偏以及抗噪声功率不确定性的性能。针对基于多节点信号协方差矩阵的频谱感知算法门限难以准确得到及没有充分利用原始信号信息等问题,提出了基于卷积神经网络(CNN)和协方差矩阵的协作频谱感知算法。该算法将接收的I、Q两路正交信号的归一化协方差矩阵作为输入数据,使用卷积神经网络直接提取协方差矩阵的特征信息,并进行训练得到分类器,使用训练好的模型进行频谱感知。该算法在低信噪比时具有较高的检测概率,且随着协作节点的增加,频谱感知性能提高明显。针对协作频谱感知的融合规则难于确定,以及CNN算法没有完全利用信号原始信息的问题,本文研究了一种基于长短期记忆网络(LSTM)的协作感知算法。由于主用户信号存在与不存在时的信号序列特征不同,利用LSTM提取每个次用户所接收信号序列的时序特征,并将该特征在融合中心利用全连接层进行融合,最终利用Softmax对融合特征进行分类判决。该算法在低信噪比情况下的检测性能优于CNN算法。然后,研究了基于USRP X310的协作频谱感知算法实现。在USRP X310母板和SBX-120射频子板上实现了射频信号的收发功能;在主机上利用GNU Radio和Keras深度学习框架搭建了基于CNN和LSTM的频谱感知软件系统,设计了离线模型训练和在线频谱感知模块。验证了两种协作频谱感知算法对实际信号的实时感知性能,结果表明其具有一定的抗频偏性能。针对频谱感知算法的实际工程应用需求,本文最后研究了基于TMS320C6678的PSEENVR频谱感知算法实现系统。在该系统中,AD9361实现射频信号的收发,FPGA和DSP芯片实现零中频信号数据处理,DDR3存储器实现FPGA与DSP的数据共享,上位机提供人机交互界面。设计了包括PSEENVR频谱感知算法模块、DSP与上位机的数据交互模块、DSP与FPGA的指令交互模块以及DSP与DDR3的数据交互模块等系统软件。该系统能够实时感知多个信道,实时显示感知结果。对实际信号感知的性能测试表明,该系统能够准确地接收信号,并实时感知宽带中42个信道,具有一定的抗频偏性能,PSEENVR算法的实际信号检测性能优于PSEGAR算法。