认知无线电中频谱感知技术的研究进展

39Dec. 2010 Vol.16No.6 2010年 12月 第16卷第6期 中兴通讯技术 研究 论文 政研论文下载论文大学下载论文大学下载关于长拳的论文浙大论文封面下载 郭云玮等认知无线电中频谱感知技术的研究进展 ZTECOMMUNICATIONS 认知无线电中频谱感知技术的认知无线电中频谱感知技术的 研究进展研究进展 ASurvey on Spectrum Sensing Techniques in Cognitive Radio NetworksA Survey on Spectrum Sensing Techniques in Cognitive Radio Networks 郭云玮/GUO Yunwei, 刘全/LIU Quan, 高俊/GAO Jun （海军工程大学 通信工程系，湖北 武汉 430033） （Department of Communication Engineering, Naval University of Engineering, Wuhan 430033, China） 中图分类号：TN929.5 文献标志码：A 文章编号：1009-6868 (2010) 06-0039-05 摘要：认知无线电技术作为解决当前频谱利用率低下这一问题的有效手段，已成为 无线电发展的一个新的里程碑。频谱感知作为实现认知无线电的首要任务，主要涉 及物理层的信号检测与处理以及链路层的控制与优化。文中对频谱感知技术的最 新研究进展情况进行了综述，重点总结和 分析 定性数据统计分析pdf销售业绩分析模板建筑结构震害分析销售进度分析表京东商城竞争战略分析 了检测算法的性能、协作融合算法以 及感知机制的参数优化，并在此基础上讨论了下一步的研究方向。 关键词：认知无线电；频谱感知；本地感知；协作感知；感知机制 关键词：认知无线电；频谱感知；本地感知；协作感知；感知机制 Abstract:Cognitive Radio (CR) is an effective solution to the problem of low spectrum utilization, and a milestone in wireless communications. For CR, spectrum sensing is a fundamental problem which relates to signal detection and processing in the physical layer, and control and optimization in the link layer. A survey of developments in spectrum sensing is conducted in this paper, focusing on the performance of detection algorithms, fusion schemes in cooperative sensing, and optimization of the sensing mechanism. Following a summary and analysis, main challenges and directions of future work are discussed. Keywords: cognitive radio;spectrum sensing;local sensing;cooperative sensing;sensing mechanism 基 金项目：国家“863”计 划资助项目 (2009AAJ208,2009AAJ116) 无线通信发展所面临的瓶颈之一就是频谱资源的不足，造成这 一问题的主要原因是：一方面，当前 普遍采用的静态频谱管理体制留给 新系统、新业务的可用资源非常少； 另一方面，据美国联邦通信委员会 (FCC)研究表明，频谱的使用情况是 动态变化的，大部分时段和空间的频 谱利用率非常低。构建以认知无线 电技术为核心的动态频谱管理体制， 可以从根本上缓解频谱资源紧张的 局面。认知无线电(CR)概念由 Joseph Mitola 博士提出，其主导思想是实现 伺机的动态频谱接入，即非授权用户 （也称次用户或认知用户）通过检测， 机会性地接入已分配给授权用户（或 主用户）但暂时很少使用甚至未被使 用的空闲频段，一旦主用户重新接入 该频段，次用户迅速腾出信道。这种 技术需解决的首要问题就是如何快 速准确地获取授权频谱的使用情况， 目前主要有 3类解决方案：建立数据 库档案、传送信标信号和频谱感知。 表 1从多个方面对 3种方案进行了比 较，其中频谱感知方案因具有建设成 本低、与现有主系统的兼容性强等突 出优点，得到了大多数研究学者的认 同；另外两种由于受到政治、经济等 因素的制约而很难实现，对其研究相 对较少。 频谱感知技术是指认知用户通 过各种信号检测和处理手段来获取 无线网络中的频谱使用信息。从无 线网络的功能分层角度看，频谱感知 技术主要涉及物理层和链路层，其中 物理层主要关注各种具体的本地检 测算法，而链路层主要关注用户间的 协作以及对感知机制的控制与优 化。因此，目前频谱感知技术的研究 大多数集中在本地感知、协作感知和 感知机制优化 3 个方面。文章正是 从这 3 个方面对频谱感知技术的最 新研究进展情况进行了总结归纳，分 析了主要难点，并在此基础上讨论了 ▼表1 几种辨识频谱空洞方法的比较 数据库档案 传送信标信号 频谱感知 成本 高 高 低 兼容性 低 低 高 复杂度 低 低 高 主用户位置 需要 需要 不需要 数据库网络 需要 不需要 不需要 持续监控 不需要 不需要 需要 信标信道 不需要 需要 不需要 中兴通讯技术 40 2010年 12月 第16卷第6期 Dec. 2010 Vol.16No.6 研究论文 郭云玮等认知无线电中频谱感知技术的研究进展 ZTECOMMUNICATIONS 下一步的研究方向。 1 本地感知技术 1.1 主要检测算法 本地频谱感知是指单个认知用 户独立执行某种检测算法来感知频 谱使用情况，其检测性能通常由虚警 概率以及漏检概率进行衡量。比较 典型的感知算法包括： 能量检测算法，其主要原理是在 特定频段上，测量某段观测时间内接 收信号的总能量，然后与某一设定门 限比较来判决主信号是否存在。由 于该算法复杂度较低，实施简单，同 时不需要任何先验信息，因此被认为 是CR系统中最通用的感知算法。 匹配滤波器检测算法，是在确知 主用户信号先验信息（如调制类型， 脉冲整形，帧格式）情况下的最佳检 测算法。该算法的优势在于能使检 测信噪比最大化，在相同性能限定下 较能量检测所需的采样点个数少，因 此处理时间更短。 循环平稳特征检测算法，其原理 是通过分析循环自相关函数或者二 维频谱相关函数的方法得到信号频 谱相关统计特性，利用其呈现的周期 性来区分主信号与噪声。该算法在 很低的信噪比下仍具有很好的检测 性能，而且针对各种信号类型独特的 统计特征进行循环谱分析，可以克服 恶意干扰信号，大大提高检测的性能 和效率。 协方差矩阵检测算法，利用主信 号的相关性建立信号样本协方差矩 阵，并以计算矩阵最大、最小特征值 比率的方法做出判决。文献[1]提出 基于过采样接收信号或多路接收天 线的盲感知算法。通过对接收信号 矩阵的线性预测和奇异值分解(QR) 得到信号统计值的比率来判定是否 有主用户信号。 以上这些算法都是对主用户发 射端信号的直接检测，基本都是从经 典的信号检测理论中移植过来的。 此外，近期一些文献从主用户接收端 的角度提出了本振泄露功率检测和 基于干扰温度的检测。有些文献对 经典算法进行了改进，如文献[2]提出 了一种基于能量检测-循环特征检测 结合的两级感知算法。文献[3]研究 了基于频偏补偿的匹配滤波器检测、 联合前向和参数匹配的能量检测、多 分辨率频谱检测和基于小波变换频 谱检测等。表 2 归纳了文献中提及 较多的一些感知算法，并对其优缺点 进行了比较。 1.2 有待解决的问题 单用户本地感知主要面临以下 挑战：首先，对感知设备提出了较高 的硬件 要求 对教师党员的评价套管和固井爆破片与爆破装置仓库管理基本要求三甲医院都需要复审吗 ，如高速高分辨率的数模 转换器、高速的信号处理器、宽带射 频(RF)单元、单/双链路结构等等，以 达到所需的检测速度和灵敏度；其 次，由于多径衰落、阴影和本地干扰 等因素的影响，单用户本地频谱检测 往往不能获得满意的性能。再次，如 何检测基于扩频技术的主用户信号 也是个难点问题。 Ghasemi 将频谱感知的主要难点 问题归结于 3种不确定性：信道不确 定性，即在阴影、衰落信道中，认知用 户很难从噪声背景下区分出经历深 衰落的主信号；噪声不确定性，主要 是能量检测的性能会因为噪声估计 的偏差受到严重影响；聚合干扰不确 定性，当网络中存在多个认知用户 时，单个认知用户的发射可能不会干 扰主用户，但是多个用户同时发射可 能会超过主用户的干扰温度门限（最 大干扰的容忍程度）。 基于以上分析，下一步的主要研 究方向包括：针对衰落、阴影等恶劣 的信道环境，研究能量检测、循环特 征检测等算法的改进或者进一步探 讨更为新颖的感知算法；针对正交频 分复用技术(OFDM)频谱池系统的多 带检测算法；将传统的时域、频域、空 域的三维信号检测进行拓展，并研究 包括角度、编码等维度的多维频谱感 知算法。 2 协作感知技术 为了克服本地检测的弊端，进一 步提高检测性能，协作感知得到了广 泛而深入的研究。通过不同次用户 间的交互与协作，不仅仅能降低各认 知用户的检测灵敏度需求，大幅度提 高认知用户的捷变能力，还能有效缓 解“隐藏终端”问题以及噪声不确定 ▼表2 几种感知算法性能分析 感知算法 能量检测 匹配滤波检测 循环平稳检测 似然比检测 协方差矩阵 特征值检测 多路接收天线 的盲检测 小波变换检测 本征泄露 功率检测 干扰温度检测 优点 1 简单易于实施； 2 对相位同步要求低。 1 检测处理时间最短； 2 输出信噪比最大。 1 区分噪声和信号； 2 也可工作在能量检测模式； 3 可利用统计特征进行信号识别。 简单易于实施。 1 不需要信号先验信息； 2 不受噪声不确定性影响。 1 不需要信号先验信息； 2 增强传输可靠性，提高检测性能。 实现了多分辨率检测。 设备简单，可操作性比较强。 在高功率大区域授权系统中 有较好的应用前景。 缺点 1 不能区分信号和噪声，易受噪声不确定性影响； 2 与相干检测相比，需要更长的感知时间； 3 不适用于扩频、跳频、直接序列信号。 1 需要知道先验信息； 2 需对不同类型的主信号设置不同的检测器； 3 对相位同步要求高，一旦频偏会出现 SNRWall。 1 计算复杂度高； 2 需要很高的抽样速率； 3 抽样时钟的偏移时影响性能。 需要信号先验信息和噪声功率信息。 接收信号相关性剧烈变化时性能有所下降。 运算量较大。 运算复杂度较高。 1 检测范围比较小； 2 在接收机处增加额外节点，实际应用中受局限。 1干扰温度的测量较复杂，门限值确定困难； 2 需要对主用户准确定位。 研究论文郭云玮等认知无线电中频谱感知技术的研究进展 ZTECOMMUNICATIONS 41Dec. 2010 Vol.16No.6 2010年 12月 第16卷第6期 中兴通讯技术 性等问题。 2.1 协作方案的分类 根据协作网络结构和协作策略 选择不同，协作感知方案可分两类： （1）集中式协作感知 这种方案中，通常有一个中心基 站（或接入点）和多个参与协作的认 知用户（也称认知节点），并且需要专 用控制信道将各用户本地感知信息 传送到中心点进行融合处理以及最 终判决。 目前大部分文献研究的都是该 类型的协作感知。Cabric 等人于 2004 年开始这方面研究，指出集中式协作 感知可以减小多径衰落信道的影响， 改善检测性能，并分析了节点数、门 限值等参数的选取以及阴影相关性 对协作的影响[4]。随后，Ghasemi 更加 详细讨论了在独立同分布(I.I.D.)瑞利 衰落信道和对数正态分布阴影信道 条件下，基于能量检测和硬融合的协 作感知方案的检测性能及其对频谱 利用率、检测灵敏度、检测时间带宽 积、噪声不确定性抵抗能力的影响。 文献[5]还从聚合干扰的角度，进一步 分析了协作感知对于聚合干扰分布 的影响，并在给定干扰概率情况下， 给出了单用户感知灵敏度和协作半 径之间的权衡。 （2）分布式协作感知 分布式协作感知中，各协作节点 彼此可以交互和共享感知信息，并分 别对各自感兴趣的频谱做最终判 决。该方案最大的好处是简化了认 知网络结构，因而减小了开销成本。 2005 年，G．Ganesan 等人提出了 基于前向放大协议的中继协作感知 方案，主要原理是在时分多址(TDMA) 系统中，各协作用户间以正交方式传 输，一旦某个次用户检测到主用户信 息，则在下个时隙发送本身信号的同 时转发检测到的主信号给邻近的次 用户，再退出频段。该方案利用了网 络所固有的非对称性来提高增益，同 样可以降低检测时间，保持较低的中 断概率，从而提高网络的捷变性。 2.2 信息融合问题 现有的大多数协作感知方案都 需要进行信息融合，其整体的检测性 能除了受各节点检测性能的影响外， 还与所采用的融合算法直接相关。 依据交互信息的不同，融合算法可以 分为数据融合和决策融合两大类。 2.2.1 数据融合算法 在数据融合算法中，各个协作节 点不做出任何决策，而是将检测数据 完整地或压缩处理后发送到信息融 合中心，按照某种融合规则做出最终 判决。典型的算法例如：最简单的等 增益合并(EGC)是将各节点的检测数 据等权重合并，再与设定的门限值比 较做出最终判决；最大似然比合并 (MRC)是通过信道估计，根据信噪比 设定权重值进行合并再做出判决；选 择合并(SC)则是根据情况，选择某个 信噪比最大节点数据进行判决。文 献[6]根据 Neyman-Pearson 准则，在给 定虚警概率下，通过最大化检测概率 得到最优的加权融合准则。相比 Neyman-Pearson 准则，Baysian 准则以 最小化错误概率为目标，更适宜于对 虚警概率和漏检概率都有要求的应 用环境。文献[7]系统研究了数据融 合算法，通过偏转系数最大化和错误 概率最小化获得最优的权重向量。 数据融合传送的是检测信息，因 而要求控制信道的带宽比较宽，传送 开销也比较大。对于强调频谱效率 的 CR 系统来说，为了追求协作增益 而付出巨大的协作带宽代价，显得有 些得不偿失。 2.2.2 决策融合算法 各个协作节点独立地处理观测 数据并做出决策，发送其决策结果至 信息融合中心进行最终判决，这种算 法称为决策融合算法。依据各节点 决策的权重是否相同，可将其分为决 策硬融合和决策软融合。 决策硬融合算法中，N个协作节 点以 1 bit 形式传送其本地决策到信 息融合中心，融合中心同等地对待各 个节点决策，并根据一定的融合准则 做出最终判决。最典型的硬融合准 则是 K/N 准则[12]，即 N 个协作用户中 至少有 K个用户上报决策 1（即主用 户存在）时，基站最终判定信道已被 占用，OR准则（K=1）与AND准则（K= N）都是 K/N 准则的特殊形式。不同 的K值对应不同的协作增益，其最优 取值应根据具体的信道条件来确定。 除了 K/N 准则外，文献[8]提出一 种基于双门限能量检测的协作感知 方法，用到了“n 比例”逻辑准则，将 决策为 1的节点数与决策为 0的节点 数之间的比值与门限进行比较做出 最终判决。 决策软融合算法是根据不同信 道条件下各节点检测结果的置信度 不同，将检测信息进行决策加权或者 其他形式的处理后再进行融合。此 算法实现了检测性能和传送开销之 间的折中。 1 bit 的 最 优 判决融合准则是 Chair-Varneshney 准则。该准则基于 对数似然比准则，通过比较假设下的 条件似然比与贝叶斯最优门限，做出 判决。条件似然比可通过各节点的 虚警概率和检测概率计算得到，但需 要知道主用户先验概率。文献[9]提 出改进的 Chair-Varshney 融合方法， 在似然比检测基础上充分利用信道 占用的统计特性，并考虑各个次用户 检测机制差异性、决策时间差以及融 合滞后时间，因此适用于单或多 bit 的同步感知以及异步感知场景。 近期研究软融合算法的文献还 有很多：如基于D-S证据理论的融合 算法，综合考虑了节点的检测结果和 置信度，且融合中心不需要节点先验 信息，因此有很强实用性。Jun Ma 等 人提出的 2 bit 量化决策加权软融合 算法，通过设置 3个检测门限将能量 分为 4个区域，从而使检测结果最终 以 2 bit 形式传送给中心进行加权求 研究论文 郭云玮等认知无线电中频谱感知技术的研究进展 ZTECOMMUNICATIONS 中兴通讯技术 42 2010年 12月 第16卷第6期 Dec. 2010 Vol.16No.6 和并最终判决，该算法实现了协作开 销和检测性能之间的合理折中。文 献[10]将各节点的相关性考虑进去， 提出了一种基于偏移准则的线性二 次的次最佳融合方案。模糊综合评 估协作感知方案则是用模糊综合评 估方法得到各个次用户信任度再融 合，从而提高决策可靠性。此外，根 据历史判决数据的可靠性进行动态 加权的感知算法，也能有效地提高检 测性能。 综上所述，可将主要的信息融合 算法归纳如表3所示。 2.3 有待解决的问题 (1) 协作感知的性能与协作用户 数量、各用户门限值的确定及位置分 布情况等因素密切相关。因而如何 选取这些协作感知参数以获得最佳 的检测性能，是协作感知研究的重要 内容。此外，协作感知属于媒体访问 控制(MAC)层的感知技术，所以还涉 及到跨层 设计 领导形象设计圆作业设计ao工艺污水处理厂设计附属工程施工组织设计清扫机器人结构设计 方面的研究。 (2) 信息融合算法会直接影响协 作增益和系统开销。一方面，决策融 合虽然简单容易实现，但是其协作增 益非常有限，当信道不均匀或者存在 恶意用户时，协作性能将急剧恶化； 另一方面数据融合协作增益大，但是 对控制信道的带宽需求较大。如何 在协作性能和系统开销二者之间寻 找合理折中是协作感知研究的热点。 (3) 恶意攻击或突发故障是协作 感知中不容忽视的安全问题。为此， 文献[11]提出了一种应对存在恶意或 自私节点场景的协作感知安全方案， 以提高网络安全性。文献[12]提出一 种加权序贯检测方案(WSPRT)，采用 双门限值检测，并通过一定规则动态 更新每个用户的置信度权值，有效降 低了恶意节点对最终判决的影响。 (4) 现在的研究大多是集中在单 个感知用户网络参与协作的情形，基 于网络层的多感知用户网络间的协 作也可能是未来研究的一个方向。 3 感知机制的优化 Ghasemi 和 Hyoil Kim 等人最先提 出了感知机制的优化问题，主要关注 感知模式的选择和感知参数的优 化。CR 网络下，次用户的伺机动态 接入频谱过程通常可看成两种感知 场景：信道搜索和信道监视。信道搜 索是指次用户需要搜索各个信道，寻 找可用于传输的空闲频谱。信道监 视则是指次用户必须周期性地检测 主用户信号，以避免对重新出现的主 用户造成干扰。检测周期、检测时间 和搜索时间的参数如何选取，以及采 用何种感知模式和信道搜索方式，才 能使感知效果最优，这都是感知机制 的优化问题。 频谱感知模式通常分为被动感 知和主动感知。被动感知模式下，次 用户只有在需要进行数据传输时才 启动感知，通常只能使用一个空闲信 道进行传输，并周期性监测该信道。 而主动感知模式下，不管是否有数据 传输需要，次用户都周期性地检测各 个信道。两种感知模式都要避免对 重新出现的主用户造成干扰，因此一 旦发现当前信道不可用时，需立即启 动搜索，直到检测到某个空闲信道后 停止搜索并开始新的传输。相比而 言，主动感知方式需要检测多个子信 道，能量和时间开销比被动感知方式 有所增大，但它可以提高传输速率， 并且减小认知用户被迫进行信道搜 索而导致服务质量(QoS)降低的概率， 同时还可以积累大量频谱信息，在重 新进行信道搜索时优化搜索方式以 提高信道切换能力。 2007 年，Ghasemi 研究了通过最 优化感知参数来实现检测速度与质 量之间合理折中以及次用户吞吐量 的最大化。将信道占用情况建模为 指数分布的开关型随机变量，次用户 系统一旦搜索到某个信道可用，则立 即停止搜索进行传输并在传输过程 中进行周期性监测，一旦监测到重新 被占用，则立即终止传输重新信道搜 索。在信道搜索阶段，发现空闲信道 的平均时间和单个信道搜索时间之 间的关系，实现检测速度和质量的折 中。在信道监测阶段，找到最优单个 信道监测时间，使次用户平均吞吐量 最大化。该文献主要缺陷：只考虑非 协作、被动感知情况，不能显著提高 频谱利用率和次用户平均吞吐量；假 设各个信道是采用相同的搜索时间 和检测时间，而没有分别加权优化； 没有对搜索次序进行优化。 2008 年，Hyoil Kim 等人研究了 MAC层主动频谱感知机制的优化，主 要讨论了3个问题：通过最小化损失 频谱和漏失频谱概率的方式选取最 优的感知周期，从而使发现频谱机会 的概率最大；进行信道搜索和切换 时，通过最新过渡概率排序法，选取 最优信道搜索次序，使整个信道切换 过程的延迟最小；通过对信道占用模 型参数进行最大似然评估和置信区 ▼表3 信息融合方案 EGC：等增益合并 MRC：最大似然比合并 SC：选择合并 融合方案 数据融合 决策融合 基本原理 各个节点不做出 0-1判决，而是直 接将检测数据完整地或压缩处理后 发送给中心节点进行加权融合。 决策硬融合：各节点的本地决策以 1 bit 形式送入融合中心，并被同等 对待进行融合处理。 决策软融合：根据信道条件，为各个 节点检测结果设置不同的置信度， 以此对检测信息进行加权求和或者 其他规则进行融合。 相关算法 1 3种经典方案：MRC、EGC、SC； 2 基于全局检测变量偏转系数的最优加权数据 软融合算法。 决策硬融合： 1 AND, OR, K/N 3 种硬融合准则； 2 n-比例逻辑准则。 决策软融合： 1 基于对数似然比检测的Chair-Varshney 准则； 2 基于D-S证据理论的融合算法； 3 加权的序贯检测方案； 4 2 bit 量化决策加权软融合算法； 5 基于模糊综合评估的融合算法； 6 动态加权的感知算法。 研究论文郭云玮等认知无线电中频谱感知技术的研究进展 ZTECOMMUNICATIONS 43Dec. 2010 Vol.16No.6 2010年 12月 第16卷第6期 中兴通讯技术 间评估，并考虑时变信道对最优感知 时间和最小延迟的影响，根据评估调 整相应感知周期，在信道搜索过程中 采用最新参数进行排序搜索。该文 献主要缺陷：只站在次用户角度对检 测周期优化，并没有考虑检测周期的 长短对主用户系统的干扰影响。 2009年，文献[13]分 3个内容研究 了基于能量检测、集中式协作感知下 的主动感知机制优化问题。通过对 各个子信道检测周期的最优化选择， 使总的感知代价最小；权衡检测性能 和检测开销，对子信道数量和各子信 道的检测时间进行优化，使系统总的 吞吐量最大化；采用连续、按需搜索 的方式，并对各信道的搜索时间进行 加权优化，在满足搜索限制和主系统 QoS 的条件下，使平均搜索时间最 小。该文献主要缺陷：优化检测时间 时，检测开销中只考虑各信道检测时 间，而没有考虑协作融合开销；信道 搜索过程中，没有优化搜索顺序。 以上文献均采用固定式周期感 知，文献[14]提出的基于可变检测间 隔(FSP)的频谱检测机制，根据信道状 态的统计信息设置控制因子，使认知 用户适时地改变检测周期，提高了检 测性能。文献[15]将 FSP 进一步推广 到随机检测周期(RAPSS)，提出了更 具一般性的检测周期优化模型。 下步的研究方向主要包括：信道 占用模型可适当扩展更一般的情况； 分布式协作感知机制的优化问题；基 于循环平稳特征检测等方法下的感 知机制优化；认知用户之间的干扰可 能对感知机制优化的影响；不同的信 道条件下，非固定检测周期和搜索次 序的感知机制优化；综合考虑最小化 主用户干扰、最大化感知性能、最优 化QoS 等多种优化目标；综合考虑应 用层需求、物理层算法和链路层协作 与控制等跨层设计优化问题。 4 结束语 频谱感知技术作为实现认知无 线电网络的关键和前提，是当前认知 无线电领域研究的热点问题。文章 主要从本地感知、协作感知以及感知 机制的优化 3个方面，对认知无线电 频谱感知技术的研究和发展状况进 行了综述，并对下一步有待解决的难 点问题进行了讨论。尽管还面临诸 多的技术挑战，但随着研究不断深 入，相信在不久的将来，认知无线电 技术必将日趋成熟，为无线通信带来 新的发展契机和动力。 5 参考文献 [1] DE P, LIANG Y C. Blind Spectrum Sensing Algorithms for Cognitive Radio Networks[J]. IEEE Transactions on Vehicular Technology, 2008, 57(5): 2834-2842. [2] PARK J, HUR Y, SONG T J, et al. Implementation Essues of a Wideband Multi-Resolution Spectrum Sensing (MRSS) Technique for Cognitlve Radio (CR) Systems [C]// Proceedings of the 1st International Conference on Cognitive Radio Oriented Wireless Networks and Communications(CROWNCOM’06), Jun 8-10,2006,Mykonos Island, Greece. Piscataway, NJ, USA: IEEE,2006: 5p. [3] 刘子琦，冯春燕，曾志民，等. 认知无线电网络 中物理层频谱检测算法的研究[J]. 电信科学, 2009,25(3): 64-69. [4] WILD B, RAMCHANDRAN K. Detecting Primary Receivers for Cognitive Tadio Applications[C]// Proceedings of the 1st IEEE International Symposium on New Frontiers in Dynamic Spectrum Access Networks (DySPAN '05), Nov 8-11, 2005, Baltimore, MD,USA.Piscataway,NJ,USA:IEEE, 2005: 124-130. [5] GHASEMI A, SOUSA E S. Interference Aggregation in Spectrum-Sensing Cognitive Wireless Networks[J]. IEEE Journal of Selected Topics in Signal Processing. 2008, 2 (1): 41-56. [6] MA J, ZHAO G, LI Y. Soft Combination and Detection for Cooperative Spectrum Sensing in Cognitive Radio Networks[J]. IEEE Transactions on Wireless Communications, 2008, 7(11): 4502-4507. [7] SHEN B, KWAK K S. Soft Combination Schemes for Cooperative Spectrum Sensing in Cognitive Radio Networks[J]. ETRI Journal, 2009, 31(3): 263-270. [8] SRIVASTAVA S K,BANERJEE A. N-Ratio Logic Based Cooperative Spectrum Sensing Using Double Rhreshold Energy Detection [C]// Proceedings of the 4th International Conference on Cognitive Radio Oriented Wireless Networks and Communications(CROWNCOM’09), Jun 22-24,2009, Hannover,Germany. Piscataway, NJ, USA: IEEE,2009: 6p. [9] ZHOU X, MA J, LI G Y, et al. Probability-Based Combination for Cooperative Spectrum Sensing in Cognitive radio Networks[C]//Proceedings of IEEE International Conference on Communications(ICC’09),Jun 14-18,2009, Dresden, Germany. Piscataway, NJ,USA: IEEE, 2009:5p. [10] UNNIKRISHNAN J, VEERAVALLI V V. Cooperative Sensing for Primary Detection in Cognitive Radio[J]. IEEE Journal on Selected Topics in Signal Processing, 2008, 2(1): 18-27. [11] WANGW, LI H, SUN Y L, et al. Securing Collaborative Spectrum Sensing Against Untrustworthy Secondary Users in Cognitive Radio Networks[J]. EURASIP Journal on Advances in Signal Processing. 2010, ID 695750: 15p. [12] CHEN R, PARK J, BIAN K. Robust Distributed Spectrum Sensing in Cognitive Radio Networks[C]// Proceedings of 27th IEEE Conference on Computer Communications (INFOCOM’08),Apr 13-18,2008,Phoenix,AZ,USA. Piscataway, NJ,USA: IEEE,2008: 1876-1884. [13] 郭晨，彭涛，王文博. 认知无线电网络中合作 频谱感知机制的优化[J]. 电子与信息学报, 2009, 31(7): 1525-1530. [14] 张宇，冯春燕，郭彩丽. 基于可变间隔的认知 无线电频谱检测机制[J]. 北京邮电大学学报, 2008, 31(2): 128-131. [15] GUO CAILI, ZENG ZHIMIN, FENG CHUNYAN, et al. Random Periodic Spectrum Sensing with Sensing Period Optimization for Cognitive Radio Networks [C]// Proceedings of 11th IEEE Singapore International Conference on Communication Systems. 2008, 1504-1508. 收稿日期：2010-08-13 作者简介 郭云玮，海军工程大学电子 工程学院通信工程系军事 通信学专业在读硕士研究 生；研究方向是认知无线电 频谱感知技术；已发表学术 论文1篇。 刘全，海军工程大学电子工 程学院通信工程系通信与 信息系统专业在读博士研 究生；研究方向是认知无线 电网络链路层关键技术、多 抽样率信号处理理论及应 用；已发表学术论文8篇。 高俊，海军工程大学电子工 程学院通信工程系博士、教 授、博士生导师，毕业于北 京理工大学；研究方向是软 件无线电，数字通信理论与 技术；先后主持并完成了10 余项国家及军队重大科研 项目；已发表学术论文100 余篇。