1.认知无线电简介

认知无线电(Cognitive radio, CR)的概念起源于1999年Joseph Mitola博士的奠基性工作。它可以通过学习、理解等方式，自适应的调整内部的通信机理、实时改变特定的无线操作参数（如功率、载波调制和编码等），来适应外部无线环境，自主寻找和使用空闲频谱。它能帮助用户选择最好的、最适合的服务进行无线传输，甚至能够根据现有的或者即将获得的无线资源延迟或主动发起传送。

Joseph Mitola定义的认知无线电强调“学习”的能力，认知无线电系统需要考虑通信环境中的每一个可能参数，然后做出决定。相比于Joseph Mitola的定义，美国联邦通信委员会(Federal Communications Commission, FCC)针对频谱有效分配问题对认知无线电做出的定义更能为业界所接受。在2003年12月的一则通告中，FCC对认知无线电作出如下定义：认知无线电是能够与所处的通信环境进行交互并根据交互结果改变自身传输参数的无线电。FCC对认知无线电的这个定义主要是基于频谱资源分配和管理问题提出的。目前无线频谱资源的规划和使用都是由政府制定的，无线通信设备对频谱的使用需要经过政府的许可。而固定的频谱分配政策导致了频谱不能有效利用的问题。除了JosephMitola和FCC外，还有很多学者对认知无线电进行了定义。比如，SimonHaykin结合JosephMitola和FCC的观点，对认知无线电做出如下定义 ：认知无线电是一个智能无线通信系统，它能感知外界环境，并使用人工智能技术从环境中学习，通过实时改变传输功率、载波频率和调制方式等系统参数，使系统适应外界环境的变化，从而达到很高的频谱利用率和最佳通信性能。

2.认知无线电的特点

  1. 对环境的感知能力：此特点是CR技术成立的前提，只有在环境感知和检测的基础上，才能使用频谱资源。频谱感知的主要功能是监测一定范围的频段，检测频谱空洞等信息。
  2. 对环境变化的学习能力、自适应性：此特点体现CR技术的智能性，在遇到主用户信号时，能尽快主动退避，在频谱空洞间自如的切换。
  3. 通信质量的高可靠性：要求系统能够实现任何时间任何地点的高度可靠通信，能够准确地判定主用户信号出现的时间、地点、频段等信息，及时调整自身参数，提高通信质量。
  4. 系统功能模块的可重构性：CR设备可根据频谱环境动态编程，也可通过硬件设计，支持不同的收发技术。可以重构的参数包括：工作频率、调制方式、发射功率和通信协议等。

3.认知无线电的关键技术

3.1频谱感知技术

频谱感知技术是CR应用的基础和前提，也是CR核心技术，是保证高效率分配频谱的先决条件。频谱感知是在不干扰授权用户的前提下，实时监测可用频段并进行相关分析，从而发现频谱空穴。频谱感知技术必须要保证良好的检测性能，一旦检测概率偏低，就会对授权用户正常的通信造成干扰，而虚警概率偏高则会导致认知用户无法正常接入空闲频谱，降低频谱的利用率。频谱感知分为单节点感知与多节点协作感知。

单节点频谱感知即单个用户独立判决，不涉及复杂的系统结构和数据融合问题，相对简单。但感知性能提升无法突破物理局限瓶颈。在此背景下，协作频谱感知被提出，有效克服了单节点物理局限，提高了频谱感知性能，能更好地适用于更低的信噪比环境。多节点协作通过检测节点间的协作达到系统要求的检测门限，从而降低对单个检测节点的要求，降低单个节点的负担。

经典的频谱感知方法包括能量检测算法、匹配滤波器检测算法、循环平稳检测算法。能量检测算法计算量小、实现简单、不需要主用户的先验知识，但由于其易受噪声不确定度影响，在低信噪比时检测性能急剧下降。近年来基于随机矩阵理论的方法逐渐应用于频谱感知。这种方法将协方差矩阵的特征值作为信号的检验统计量，再利用统计特征与门限比较从而实现频谱感知。但是这种方法需要计算特征值及对门限的准确估计，而门限估计值的精度严重影响着频谱感知的效果。因此，基于机器学习的频谱感知算法逐渐成为了研究的焦点。

频谱感知的目的是对频段进行监控然后通过对接受信号的成分分析，从而确定该频段是否被主用户(Primary User, PU)占用。从数学角度来看，频谱感知本质上是一个二元分类问题，即:

H0情况，检验统计量小于检测门限，认为 PU 不存在，次级用户( Second User, SU) 可以接入授权频段

H1情况，当检验统计量大于检测门限时，判定 PU 存在，SU不可接入授权频段。其数学模型如下所示:

认知无线电中overlay和underlay cr认知无线电_机器学习

其中，s( n) 为主用户信号，x( n) 表示次用户接收接信号( n = 1，2，．．，N) 在时间 n 处的采样值，w( n) 表示噪声信号，h( n) 表示信道增益。

现阶段机器学习可以很好的解决二分类问题，所以可以采用传统的机器学习算法如K均值聚类(K-Means)，支持向量机(Support Vector Machine, SVM)，或高斯混合模型(Gaussian Mixture Model, GMM)等，也可以使用人工神经网络如卷积神经网络(Convolutional Neural Networks, CNN), 循环神经网络(Recurrent Neural Network, RNN)或长短时记忆(Long Short-Term Memory, LSTM)来解决进行分类。

3.2调制识别技术

通信信号的调制识别（或者调制分类）是指在有噪声和多信号类型的条件下，对接收信号进行处理并利用信号的某些特定参数来自动确定信号调制类型，是分析和处理信号检测、解调不可或缺的一步。

通信信号调制识别有两种分类，一种是类间识别(Intra-Recognition)，指的是某几大类信号间的分类识别，例如MASK、MFSK、MPSK这三大类信号，另一种是类内识别(Inter-Recognition)，指的是某一大类信号间信号的分类识别，例如2ASK信号和4ASK这两种信号。通信信号的调制识别主要包括三个基本步骤：信号预处理、特征提取及选择和分类识别，其识别过程基本结构框图如图所示。

认知无线电中overlay和underlay cr认知无线电_预处理_02

其中信号预处理部分主要是为特征提取和识别部分提供合适的处理数据，隔离每个信号保证一次只能有一种信号进入后续环节。另外，预处理还需要对信号进行分段，以消除无线信道引起的衰落效应。信号预处理任务一般包括：频率下变频、中频滤波、信号分离、载波同步、载频分量的消除等。因此，在发射源环境中，信号的预处理是非常有用的。特征提取及选择部分的主要工作是从经过预处理的数据中提取出合适的用于信号调制识别的各个参数特征。分类识别主要是用于选择和确定出有效的识别方法、规则以及分类器类型。

4.认知无线电的发展现状及其趋势

当前，认知无线电技术已经得到了学术界和产业界的广泛关注。很多著名学者和研究机构都投入到认知无线电相关技术的研究中，启动了很多针对认知无线电的重要研究项目。例如：德国Karlsruhe大学的F. K. Jondral教授等提出的频谱池系统、美国加州大学Berkeley分校的R. W. Brodersen教授的研究组开发的COVUS系统、美国Georgia理工学院宽带和无线网络实验室Ian F. Akyildiz教授等人提出OCRA项目、美国军方DARPA的XG项目、欧盟的E2R项目等。在这些项目的推动下，在基本理论、频谱感知、数据传输、网络架构和协议、与现有无线通信系统的融合以及原型开发等领域取得了一些成果。IEEE为此专门组织了两个重要的国际年会IEEE CrownCom和IEEE DySPAN交流这方面的成果，许多重要的国际学术期刊也通过将刊发关于认知无线电的专辑。目前，最引人关注的是IEEE 802.22工作组的工作，该工作组正在制定利用空闲电视频段进行宽带无线接入的技术标准，这是第一个引入认知无线电概念的IEEE技术标准化活动。

结合上述认知无线电技术的现状，预计认知无线电未来会沿着以下几个方面发展：

  1. 基本理论和相关应用的研究，为大规模应用奠定坚实的基础。比较重要的包括：认知无线电的信息论基础和认知无线电网络相关技术，例如：频谱资源的管理、跨层联合优化等等。
  2. 试验验证系统开发。目前，已经有多个试验验证系统正在开发中，这些系统的开发成功，将为验证认知无线电的基本理论、关键技术提供测试床，推动其大规模应用。
  3. 与现有系统的融合。虽然目前认为认知无线电的应用应该不要求授权用户作任何改变，但如果授权用户和认知无线电用户协同工作，将会便于实现并提高效率。目前，已经有一些研究工作在考虑将认知无线电集成到现有无线通信系统的方法，并取得了一些初步成果。预计未来这方面将会有大量的需求。