本文作者：張濤 單位：青海省無線電監測站

常用的單節點頻譜感知技術有匹配濾波、能量檢測和周期性檢測3種[4]。(DSA)DSA是基于頻譜檢測的結果，在授權用戶中進行可用頻段的分配，以達到系統的最優化。由于CR網絡中的用戶對帶寬、信道和所處的位置都是隨機的，傳統的分配算法不能完全適應，所以要有一種新的動態頻譜分配算法。目前基于CR的DSA主要是基于頻譜共享池(Spectrumpooling)這一策略，也就是將分配給不同業務的頻譜合并成一個公共的頻譜池，并將其劃分為若干個子信道，而子信道是頻譜分配的最小單元[5]。頻譜共享池的DSA實質是一個信道受限的最優化問題。在保證相對公平和最小化干擾的情況下，最大化信道的利用率。CR系統中每個CR用戶的發射功率是對其他用戶造成干擾的主要原因[6]，所以要對CR系統內的用戶進行功率控制。功率控制的目標是在不對授權用戶造成有害干擾的前提下，增加認知用戶的發射功率或者是接入更多的認知用戶，提高信道利用率和CR網絡的通信容量。

認知無線電帶給無線電監測的挑戰

認知無線電環境下，無線電站臺的技術參數如發射功率、調制方式、編碼方式和傳輸速率等都將隨著環境的變化而不斷變化，從而提高了無線電監測對信號的跟蹤要求，如靈敏度、動態性[7]等；主用戶、次用戶以及非法用戶等多重使用者身份的出現也使得頻譜的合法性使用分析變得更加復雜。

靜態的頻譜分配機制，也就是將某一段固定的頻譜指定給某個通信業務類型的用戶，得到這種授權的用戶才能使用該頻段，不同類型的授權用戶之間不能共享。認知無線電技術通過找出不同頻率、不同時間、不同地理位置的頻譜“空洞”，并實現頻譜的動態共享，兩種共享方式見圖1。認知無線電技術采用動態頻譜共享的方式顯然能夠大大提高頻譜的利用率，但是，對于無線電管理和無線電監測，它也帶來了挑戰。首先，需要對頻譜進行重新分配和規劃，對于已經分配的頻率，需要重新評估其合理性，對于不適應現有技術發展的頻段要重新整合和分配；其次，不同用戶共享頻譜，使得同一頻段內用戶類型增多，加之各種接入的認知設備標準不一，極有可能加大電磁環境的干擾；最后，對于某一頻段上的頻段數據統計和分析也要做相應的改變，必須找到更有效的數據統計和分析方式，來描述特定頻譜整體的使用狀況。

無線電監測系統對信號的監測包括合法用戶信號的識別和干擾、非法用戶信號的監測識別。對于現有的監測系統，被監測頻段的唯一使用者即授權用戶，其信號為唯一合法的信號。通常該頻段授權信號的發射功率、能量、出現的時間以及背景噪音等都有詳細的記錄，并寫入了監測數據庫，對授權信號的識別甚至可以簡單地通過判別監測頻段是否存在信號即可。使用認知無線電技術，某一頻段上的合法信號不止是授權用戶的信號，正常接入的認知用戶信號也是合法信號，認知信號的參數和出現的時間都是可變的，對監測信號不能簡單地通過判定頻段上信號的有無來確定該信號是否為授權用戶信號。在認知無線電環境下，干擾信號的來源更加多樣化，由于大量認知用戶的接入，即使所有認知用戶都是按照自身不對授權用戶造成干擾的情況進行通信，但是從系統的整體來看，還是有可能對授權用戶造成干擾。無線電監測系統必須采用新的機制對特定頻段的干擾水平進行劃分和測定。認知信號在認知用戶漏檢以及認知用戶異常的情況下有可能造成干擾，對于認知用戶造成的干擾必須通過無線電監測發現和糾正。此外，現有系統不能對非法信號和認知信號進行有效的區分，會把授權信號以外的其他信號作為非法信號處理，所以，必須采用新的監測技術對違法的信號和認知信號進行區分。

基于認知無線電的新型監測系統

現有的無線電監測系統已經不能勝任新環境下的監測要求，必須對現有的無線電監測系統進行改進，形成一個針對認知無線電環境下的新型無線電監測系統以便應對上文所述的種種挑戰。新的監測系統需要從兩個方面對現有無線電系監測統進行升級改進：一是完善現有無線電監測的不足之處；二是采用認知無線電技術之后，針對原有監測系統不能適應的地方或做改進，或采用新的方法，使其能夠合理地解決新環境下無線電監測的問題。新型監測系統模型如圖2所示，該系統是一個聯網聯合監測的網絡拓撲系統，它由多個監測子系統構成，每個監測子系統由天線系統、接收機系統、監測數據庫系統和測向定位系統組成。

在認知用戶與授權用戶共存的網絡中，授權用戶受到潛在的干擾情況可能為：淤認知用戶漏檢，錯判當前頻段可用，接入當前頻段會與授權信號發生“碰撞”，從而干擾授權用戶的通信；于認知用戶異常，如，認知設備受到攻擊或者設備故障變成異常認知設備，不遵守認知無線電接入的規則，自身不進行功率控制，很可能對授權用戶造成干擾；盂非法信號占用頻段。新型的無線電監測系統應該能夠檢測出以上幾種情況。新型監測系統首先對監測信號進行干擾評估，由此建立授權用戶可承受認知用戶的干擾圖，通過對在監測過程中出現的認知信號和干擾評估結果的對比，可以粗略地判別出認知信號是否已經造成了干擾。在干擾識別過程中，通過頻譜分析、信號分類、信號估計提取等步驟，逐步將信號歸類，最終識別信號歸屬。具體的識別過程見圖3。

監測數據庫的建設和管理的好壞直接影響到整個監測系統性能的優劣。所以合理的設計監測數據庫，對無線電監測起著重要的作用。新型監測系統數據庫維護的重點之一在于建立各種信號的樣本數據庫和統計分析數據庫，如圖4所示。信號特征數據庫用于對信號特征的描述，便于與監測信號對比，識別合法信號和發現不明信號。而數據統計分析數據庫主要是管理頻段的使用情況，如占用度的統計、電磁環境的分析等，對于認知無線電下的信號數據進行統計和分析，需要更進一步細化步驟。

新型的無線電監測系統則采用聯網控制，通過融合相鄰監測站的監測信號，完成聯網信號的采集。各個監測站通過與具有強大數據處理能力的監測處理中心相連，完成對信號的聯合監測，采用一定的模型對不同監測站接收到的數據進行綜合分析，得出與原始信號最接近的分析結果。此外，通過聯網控制，可以對干擾實施聯網排查。監測中心可以通過網絡連接控制的監測設備終端，并且終端監測設備不需要具有強大的數據處理功能，只負責簡單的信號采集，降低了終端設備和人工成本。監測數據可以實時傳輸至監測的數據處理中心，并快速得到反饋，對干擾信號的判斷更為精準。不同的監測數據中心可以實現網絡共享，還可以通過更高一層的監測中心進行聯合調度，實現更大范圍的聯合監測任務。

監測系統測向仿真結果

測向算法是查找信號源的關鍵，為后續處理提供支撐。本節對目前兩種基于空間譜的高性能測向算法（MUSIC算法[8]和ESPRIT算法[9]）進行了仿真。仿真參數為：信號1、信號2和信號3為信號序列長度為500的隨機信號，入射角分別為10毅、30毅和60毅，迭代次數為360次，輸入信噪比為10dB。MUSIC算法和ESPRIT算法仿真結果分別如圖5和表1所示。一般來說，信噪比越高，快拍數越多，精度也就越高。對于MUSIC算法，其中信號1的測向結果為10.23毅，信號2的測向結果為30.17毅，信號3的測向結果為60.23毅。相比之下，ESPRIT算法精度更高。兩種算法也各有其局限性：如果到達的信號中有相干信號，那么理論上其空間相關矩陣的秩就會比實際到達的信號數小，這樣，觀察到的譜峰數與到達的信號數不相等。因此，對于相干信號，MUSIC方法就不再適合。而ESPRIT算法是直接以輸入信號的參數進行估值，在實際情況中會受到噪聲的影響，結果可能會受到影響。應根據實際情況予以選擇。

結語

本文完成了對認知無線電環境下新型監測系統模型的雛形的設計。新型系統能夠在信號識別、干擾檢測、數據庫維護、聯網監測等各方面適應認知無線電環境，解決了現有無線電技術不能適應認知無線電環境的難題。盡管只是系統的初步雛形，但對于未來監測系統的設計具有較好的參考價值。