[论文解读] Spectrum Sensing Algorithms for Cognitive Radio Based on Statistical Covariances

Yonghong Zeng, Ying‐Chang Liang|arXiv (Cornell University)|Aug 19, 2008

Cognitive Radio Networks and Spectrum Sensing参考文献 16被引用 5

一句话总结

本文提出了一种认知无线电的频谱感知算法，通过利用接收信号的统计协方差来检测主用户，而无需事先知晓信号、信道或噪声功率信息。通过从有限的信号样本中计算样本协方差矩阵，并提取两个检验统计量，该方法在低信噪比（SNR）和噪声不确定性条件下仍能实现鲁棒检测，在相关信号环境和多天线场景下优于能量检测。

ABSTRACT

Spectrum sensing, i.e., detecting the presence of primary users in a licensed spectrum, is a fundamental problem in cognitive radio. Since the statistical covariances of received signal and noise are usually different, they can be used to differentiate the case where the primary user's signal is present from the case where there is only noise. In this paper, spectrum sensing algorithms are proposed based on the sample covariance matrix calculated from a limited number of received signal samples. Two test statistics are then extracted from the sample covariance matrix. A decision on the signal presence is made by comparing the two test statistics. Theoretical analysis for the proposed algorithms is given. Detection probability and associated threshold are found based on statistical theory. The methods do not need any information of the signal, the channel and noise power a priori. Also, no synchronization is needed. Simulations based on narrowband signals, captured digital television (DTV) signals and multiple antenna signals are presented to verify the methods.

研究动机与目标

• 解决在低信噪比和噪声不确定性条件下认知无线电中的频谱感知挑战。
• 开发一种无需信号波形、信道状态或噪声功率知识的频谱感知方法。
• 克服能量检测的局限性，特别是由噪声不确定性引起的信噪比门槛（SNR wall）问题。
• 实现在时变和频率选择性衰落信道中的可靠感知。
• 提升相关信号和多天线系统中的检测性能。

提出的方法

• 该方法从有限数量的接收信号样本中计算样本协方差矩阵。
• 从样本协方差矩阵中提取两个检验统计量，以区分信号的存在与仅存在噪声的情况。
• 利用统计理论推导检测阈值并计算检测概率。
• 该方法对噪声功率具有不变性，且无需信号或信道知识。
• 该方法对时变信道具有鲁棒性，并可适用于多天线系统。
• 当应用窄带滤波时，使用预先计算的滤波器变换矩阵对协方差矩阵进行归一化处理。

实验结果

研究问题

• RQ1 是否可以在不事先知晓信号、信道或噪声功率的情况下实现频谱感知？
• RQ2 与能量检测相比，所提出的基于协方差的方法在低信噪比和噪声不确定性条件下的性能如何？
• RQ3 在多径衰落和时变信道环境下，该方法能否保持高检测概率？
• RQ4 使用多天线是否能为该方法带来空间分集增益？
• RQ5 当存在多个主用户信号时，该方法的性能如何？

主要发现

• 在噪声不确定性条件下，所提方法的检测概率高于能量检测，尤其在低信噪比区域表现更优。
• 当M=4根天线时，检测概率接近最优似然比检验（LRT）性能。
• 当M=1根天线时，该方法仍能实现良好的检测性能，验证了其在非相关输入信号下的有效性。
• 该方法在不同多普勒频移下均保持高性能，尽管在快速时变信道中性能略有下降。
• 当存在多个主用户信号时，该方法性能表现良好，与单源场景相比性能损失极小。
• 该方法对窄带滤波具有鲁棒性，因为协方差矩阵可通过与滤波器相关的变换矩阵预先处理。