[论文解读] Primary Channel Gain Estimation for Spectrum Sharing in Cognitive Radio Networks

Lin Zhang, Guodong Zhao+5 more|arXiv (Cornell University)|Jun 22, 2016

Cognitive Radio Networks and Spectrum Sensing被引用 5

一句话总结

本文提出两种估计器——最大似然（ML）和基于中位数（MB）的估计器——用于认知无线电发射机在无回传链路的情况下估计主信道衰落增益，从而实现干扰温度感知的频谱共享。ML估计器的估计误差为0.6 dB，而MB估计器在保持低复杂度的同时，误差仅为0.7 dB，两者均能实现精确的功率控制以支持共存。

ABSTRACT

In cognitive radio networks, the channel gain between primary transceivers, namely, primary channel gain, is crucial for a cognitive transmitter (CT) to control the transmit power and achieve spectrum sharing. Conventionally, the primary channel gain is estimated in the primary system and thus unavailable at the CT. To deal with this issue, two estimators are proposed by enabling the CT to sense primary signals. In particular, by adopting the maximum likelihood (ML) criterion to analyze the received primary signals, a ML estimator is first developed. After demonstrating the high computational complexity of the ML estimator, a median based (MB) estimator with proved low complexity is then proposed. Furthermore, the estimation accuracy of the MB estimation is theoretically characterized. By comparing the ML estimator and the MB estimator from the aspects of the computational complexity as well as the estimation accuracy, both advantages and disadvantages of two estimators are revealed. Numerical results show that the estimation errors of the ML estimator and the MB estimator can be as small as $0.6$ dB and $0.7$ dB, respectively.

研究动机与目标

• 解决认知发射机因缺乏回传链路而无法获取主信道衰落增益的挑战。
• 通过在不了解主信道条件的情况下估计干扰温度，实现认知无线电网络中的频谱共享。
• 开发低复杂度但高精度的估计方法，利用主信号统计特性推断信道衰落增益。
• 理论分析高复杂度与低复杂度估计器在估计精度与计算复杂度之间的权衡。

提出的方法

• 通过将最大似然（ML）准则应用于感知到的主信号，推导出ML估计器，利用统计信号模型来估计主信道衰落增益。
• 提出一种基于中位数（MB）的估计器作为低复杂度替代方案，利用感知信号的有序信噪比（SNR）测量值来估计信道衰落增益分布的中位数。
• 该方法利用主信号功率与信道衰落增益之间的隐含关系，其中功率自适应反映了底层路径损耗与阴影衰落特性。
• 通过信噪比测量值的顺序统计理论分析，推导出估计误差的界，证明在样本量较大时估计值会收敛至真实中位数。
• 通过累积分布函数（CDF）界对MB估计器的性能进行表征，证明其在样本数K较大时具有一致性与有界误差。
• 从理论与数值角度对比ML与MB估计器在估计误差与计算复杂度方面的表现。

实验结果

研究问题

• RQ1 认知发射机能否在无主网络回传链路的情况下估计主信道衰落增益？
• RQ2 仅利用感知到的主信号，主信道衰落增益的估计精度如何？
• RQ3 在主信道衰落增益估计中，估计精度与计算复杂度之间存在何种权衡？
• RQ4 低复杂度估计器能否达到实际频谱共享所需的足够精度？
• RQ5 基于中位数的估计器与最大似然估计器在误差与鲁棒性方面有何比较？

主要发现

• 在最优条件下，最大似然（ML）估计器的最小估计误差为0.6 dB。
• 基于中位数（MB）的估计器最小估计误差为0.7 dB，表现出高精度且显著降低的复杂度。
• 理论分析证明，随着样本数量增加，MB估计器的估计误差收敛至零，确保了一致性。
• ML估计器在估计精度上优于MB估计器，但计算复杂度显著更高。
• 两种估计器在不同信道条件下均表现出鲁棒性，误差界通过顺序统计与CDF分析得到证明。
• 估计误差以高概率有界，且通过增加信号样本数量可使误差任意小。