浅析视觉认知无线电方位优化核心技术

第一章 绪论

从已有的文献资料来看，认知无线电位置的研究已吸引了广泛关注[21]-[29]。但目前针对认知无线电系统中次用户天线位置优化、次用户基站位置优化问题的研究还未见报道，针对位置信息辅助应用的研究亦不够完备，有待在理论上做进一步的探讨研究。 本文工作是以国家自然科学基金重点项目基于视觉图意的移动无线网络认知与协同理论及关键技术研究;为支撑，从视觉认知无线电核心之一位置出发，对其关键技术进行深入的研究，研究内容包括以下三个方面： (1) 以频谱感知错误最小化为准则，提出了次用户天线的最优位置布局方法。

(2) 以覆盖面积最大化为准则，探索了广播认知无线电网络中的次用户基站位置优选技术。

(3) 研究了位置信息辅助的硬判决协作频谱感知。本文创新性成果及贡献如图1-4所示。在图1-4中，我们根据本论文研究的三个方面，对论文的创新性成果及贡献进行了描述，即 (1) 研究次用户感知天线的最优位置布局：首次针对次用户配置单天线的情况，推导了复合瑞利-阴影衰落环境下，能量检测频谱感知的漏报概率闭合表述式。考虑路径损耗以及主用户位置布局对频谱感知错误概率的影响。以频谱感知错误概率最小化为准则，确定了次用户天线的最优位置布局。 采用与次用户单天线最优位置相似的研究步骤，对次用户多天线的最优位置进行了研究。

...............

第二章 认知无线电位置优化研究现状

2.1 引言

然而，已有认知无线电研究，是以侦听式;为基础的认知无线电技术，获取无线场景能力有限。以频谱侦听;为代表的认知无线电理论和技术，通常是被动监听无线电磁环境，感知频谱占用信息。其首要任务一般是判断出特定频段是否被占用，对频谱占用时间、被谁占用、如何占用、以及占用概率(即周围还有多少用户想占用)等影响系统性能和资源消耗的关键性软性信息缺少认知，或很难通过频谱监听;方式获取这些软性信息。侦听式;认知参数单一，缺少全景多维信息。通过听;的方式认知的参数仅局限在射频信号特征上，无法掌握用户周围的基站分布情况、建筑楼群密度、用户密集程度和用户移动趋势等无线通信环境的全景多维信息，而这些参数能极大的增强认知设备对无线环境了解的相关信息量，所以，认知参数单一化极易导致通信模式选择和资源分配的决策失误。

2.2 视觉信息获取与识别

目前，通过多天线阵列进行视觉信息获取与识别的研究及应用主要集中在微波和毫米波雷达成像。多天线成像的理论与技术根据有无照明源，成像可以分为被动式成像和主动式成像。被动式一般是通过接收和分析目标自身辐射的电磁波信号而获取对于目标特征的信息，主动式则是依靠外加有源电磁波信号，通过对该信号(或该信号的回波)的接收和分析获取目标景象[37]。 由于被动式多天线成像具有非合作性，主动式多天线成像更具优势，下面就文献调研情况首先对主动式多天线成像的SAR(Synthetic Aperture Radar)成像进行介绍，此外，MIMO 雷达成像为多天线成像技术被引入移动通信系统提供了技术可行性，我们将在2.2.2节单独对MIMO雷达成像进行具体介绍，最后给出图像识别研究现状。

第三章 视觉认知无线电次用户天线位置布局.............................33

3.1 引言 ....................................... 33

3.2 单天线位置优化 ....................................... 34

第四章 视觉认知无线电次用户基站位置优选........................52

4.1 引言 ................................... 52

4.2 系统模型 ....................................... 54

4.3 最优次用户基站位置 .................... 56

4.4 障碍场景下的最优次用户基站位置 ................. 58

4.5 参数设置及结果 ........... 63

4.6 本章小结 .......................... 67

第五章 视觉认知无线电的位置辅助协作频谱感知..................68

5.1 引言 ........................... 68

第五章 视觉认知无线电的位置辅助协作频谱感知

5.1 引言

频谱感知技术研究的是频谱使用情况的识别[15]。作为认知无线电的最重要组成部分之一，频谱感知在世界范围内得到了广泛且深入的研究[162]-[166]。由于衰落和阴影的影响，单个次用户很可能检测不到主用户的存在。为了解决衰落和阴影带来的隐主用户问题，协作频谱感知被提出[15][167]-[170]。 在协作频谱感知中，每个次用户进行本地频谱感知，得到本地感知结果。本地结果可以是硬判决(一个比特)、软判决(无限精确)、以及量化判决(多比特)[137]。来自不同次用户的本地判决结果被发送到数据融合中心，通过进一步的数据合并处理，得到对于主用户存在与否的全局判决结果。 数据合并问题是协作频谱感知的重要组成部分，大量文献对其进行报道[137][171]-[176]。文献[137][171]-[173]研究了软判决数据合并问题。软判决能带来更好的性能，但是次用户数增加时，软数据传输需要的带宽十分大。为了减少带宽需求，次用户将观测结果量化为一个比特(硬判决)[174]。从成本和带宽的角度考虑，在实际应用中硬判决合并具有更大吸引力。

5.2位置辅助的协作频谱感知方法

在本节中，我们提出位置辅助的硬判决协作频谱感知方法。能量检测方法具有低计算复杂度和易实现特点，是本地感知最常用的方法。从而，我们提出的方法中，次用户采用能量检测方法判定主用户是否存在，得到硬判决结果，并将判决结果传输到数据融合中心。数据融合中心则进行如下处理：

(1) 首先，数据融合中心通过位置信息得到主用户与各次用户之间的信道条件，并计算对应的本地感知可靠性。

(2) 随后，数据融合中心通过对接收信号进行信道估计或者位置信息，得到各次用户与数据融合中心之间的信道条件，并计算对应的传输可靠性。

(3) 基于本地感知可靠性和传输可靠性，数据融合中心确定接收到的各个本地感知结果的可靠性。

................

第六章全文总结

本文针对视觉认知无线电位置优选技术进行研究。探索了以感知错误概率最小化为准则的次用户天线位置优化，研究了以覆盖范围最大化为准则的次用户基站位置优化，提出了一种基于位置的协作频谱感知方法.

(1) 提出了以感知错误概率最小化为目标的天线位置布局方法。研究了单天线的最优位置。首次推导了认知无线电网络中，能量检测方法在复合瑞利-阴影条件下的性能，得到虚警概率和漏报概率的闭合表述式。进一步分析了路径损耗和主用户位置布局对性能的影响，并以感知错误概率最小为目标，确定最优位置。将单天线的研究扩展到多天线，推导瑞利衰落、相关阴影、路径损耗的影响下，多天线的感知性能。考虑主用户位置布局对性能的影响，并以感知错误概率最小为目标，确定多天线最优位置。分析结果显示，单天线的最优位置位于小区中心。两根天线的最优位置对于小区中心对称分布，最优距离由小区大小和信道质量决定，可应用凸优化理论求得最优解。

............

参考文献（略）