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，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本地感知、协作感知和感知机制优化3 个方面。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 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。
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
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。