摘  要： 针对频谱检测技术，对比了三种常见的检测方法，通过建立数学模型和数学分析，提出了一种改进型能量检测法。该方法采用了一种新的平均判决量，相对于经典的能量输出判决量，该平均判决量对ISM 2.4 GHz复杂的噪声信号有较强的鲁棒性，最后用MATLAB仿真实验证明了该方法的有效性。
关键词： 认知无线电；ISM；能量检测法

　ISM 2.4 GHz频段是世界各国免授权的公用频段，各种通信设备都可以在此频段上通信，如日常工作中的无线局域网，医疗中的无线个域网与无线躯域网，工业上的无线传感网络以及方兴未艾的物联网和智能家居等无线网络。然而这么多不同的通信设备工作在同一频段上，必然会产生相互间的干扰，对无线通信的安全性、可靠性和实用性带来了极大的挑战。因此，研究不同通信系统之间的共存性是一个至关重要的问题。认知无线电的工作理念是将不同通信系统间的通信采取频谱感知、动态分配频段等技术，通过检测与避让的方式形成一个协调、统一、有序和不相互干扰的通信系统。这种工作理念能够处理ISM 2.4 GHz频段目前通信杂乱无章的状态，将认知无线电的技术应用到ISM 2.4 GHz频段是未来的发展方向[1]。
1 认知无线电
　认知无线电最重要、最基础的技术是频谱感知技术[2]。目前，学术界常用的技术有匹配滤波器检测法、循环频谱检测法和能量检测法三种。由于匹配滤波器需要严格的先验信息作为匹配滤波器的参数设置，因此无法适应ISM 2.4 GHz频段众多信号类型。循环频谱检测法不易受到不确定噪声功率的影响，所以在噪声环境中，相对于其他两种检测方法，循环频谱检测法有更强的鲁棒性，但是循环频谱检测法计算复杂，需要长时间的数据训练，不符合ISM 2.4 GHz快速通信的原则。折中考虑算法的复杂性和抗噪声能力，本文采用能量检测法进行频谱感知，并提出了一种改进的能量检测方法，以满足对于复杂的噪声信号有强鲁棒性的要求。
2 能量检测法
　能量检测法是一种比较简单的信号非相干检测方法。在复杂的ISM信号环境下，相对于要求准确先验信息的匹配滤波器检测法和需要足够长时间检测的循环检测法，能量检测法是最佳的检测方法[3]。虽然能量检测法简单，不需要任何的先验信息，但其仍存在固有的缺陷：能量门限的设置，门限设置大了，很可能将衰落的、比较微弱的信号忽略，而将幅度较大的脉冲噪声或突发干扰检测为信号；门限设置小了，则无法有效排除干扰信号。本文提出了一种输出平均判决量，该平均判决量对噪声信号的相关性小，体现了其抗噪声的性能，经过MATLAB仿真验证显示，该方法对信号噪声具有较好的鲁棒性。
　对于ISM 2.4 GHz频段而言，如果接收到的该频段的信号经过滤波器滤波后只含有噪声，那么就可以认为这个频段未被占用；反之，则认为信号中包含着有用信号。
　在任一时刻t，假定进行频谱感知的接收机接收到的信号可能是下面的两种情况[4-6]：

　　能量检测方法依据信号有无的假设情况下，根据接收信号功率大小的不同对信号进行检测。由于能量检测对信号类型没有限制，因此不需要信号的任何先验信息，是一种对未知参数的确定性信号的存在性进行检测的有效方法[10]。
　本文根据能量检测法的一般原理提出了一种改进型能量检测方法，该方法通过改变输出判决量达到减少噪声干扰的目的，MATLAB仿真实验表明，该方法对于ISM 2.4 GHz频段复杂的噪声信号具有强的鲁棒性，很大程度上优化了能量检测方法，提高了检测的准确性。
参考文献
[1] MITOLA J， MAGUIRE G Q. Cognitive radio： making software radios more personal[J]. IEEE Personal Commun-cations， 1999，6（4）：13-18.
[2] CABRIC D， MISHRA S M， WILLKOMM D， et al. A cognitive radio approach for usage of virtual unlicensed spectrum[C]. Proceedings of 14th IST Mobile and Wireless Communications Summit， 2005.
[3] Zeng Yonghong， Liang Yingchang， HOANG A T， et al. A review on spectrum sensing for cognitive radio： challenges and solutions[C]. EURASIP Journal on Advances in Signal Processing， 2010：2.
[4] URKOWITZ H. Energy detection of unknown deterministic signals[J]. Proceeding of the IEEE， 1967，55（4）：523-531.
[5] HAYKIN S， THOMSON D， REED J H. Spectrum sensing for cognitive radio[J]. Proceedings of the IEEE， 2009，97（5）：849-877.
[6] YUCEK T， ARSLAN H. A survey of spectrum sensing algorithms for cognitive radio applications[J]. IEEE Communications Surveys & Tutorials， 2009，11（1）：116-130.
[7] CABRIC D， TKACHENKO A， BRODERSEN R W. Experimental study of spectrum sensing based on energy detection and network cooperation[C]. Proceedings of the First International Workshop on Technology and Policy for Accessing Spectrum， 2006.
[8] CHEN Z， GUO N， QIU R. Demonstration of real-time spectrum sensing for cognitive radio[J]. IEEE Communications Letters， 2010（14）：915-917.
[9] SUTTON P D， LOTZE J， NOLAN K E， et al. Cyclostationary signature detection in multipath rayleigh fading environments[C]. 2nd International Conference on Cognitive Radio Oriented Wireless Networks and Communications， 2007：408- 413.
[10] 朱刚.超宽带（UWB）原理与干扰[M].北京：清华大学出版社；北京交通大学出版社，2009.