认知无线电智能频谱感知与动态接入仿真系统

资 源 简 介

本项目旨在基于MATLAB环境开发一套完整的认知无线电（Cognitive Radio, CR）频谱感知与参数自适应仿真平台。项目核心目的是模拟认知节点如何通过感知无线电操作环境，精准识别并利用“机会频谱”（即未被主要用户占用的空闲频段），从而缓解频谱资源紧缺问题。具体功能包括： 多维度频谱感知：利用对主要用户（PUs）信号的先验知识（如波形结构、统计属性、调制方案、符号率或码片速率），实现多种先进的频谱感知算法（包括能量检测、循环平稳特征检测及匹配滤波器检测），以在低信噪比环境下准确判断频谱占用情况。 干扰管理与控制：系统通过实时感知环境，严格控制次级用户对主要用户造成的干扰水平，确保干扰维持在系统设定的阈值之内，这是保护主要用户通信质量的关键。 动态参数自适应：根据感知到的频谱空穴和信道质量，系统能够模拟认知电台的决策引擎，动态调整物理层参数，包括载波频率的选择、发射功率的控制以及波形的合成与整形。 综合性能评估：通过蒙特卡洛仿真，分析不同感知算法在不同信道环境下的检测性能，生成接收机操作特性（ROC）曲线，评估在满足用户需求和干扰约束前提下的系统连接服务质量。

详 情 说 明

认知无线电智能频谱感知与动态接入仿真系统

项目简介

本项目是一个基于MATLAB开发的认知无线电（Cognitive Radio, CR）仿真平台。该系统旨在模拟次级用户（Secondary Users）在复杂的电磁环境中，通过多种频谱感知算法探测主要用户（Primary Users）的信号状态，并依据感知结果进行动态频谱接入（DSA）决策。项目集成了信号生成、信道衰落模拟、统计检测算法以及功率控制逻辑，能够全方位评估认知无线电系统的检测性能与接入策略的有效性。

功能特性

• 多维度频谱感知算法库：实现了能量检测（ED）、匹配滤波器检测（MF）和循环平稳特征检测（CFD）三种核心算法，覆盖了从盲检测到利用先验知识的多种场景。
• 逼真的信道环境模拟：支持加性高斯白噪声（AWGN）信道和瑞利（Rayleigh）衰落信道，模拟实际无线通信中的多径效应和噪声干扰。
• 统计性能评估：基于蒙特卡洛（Monte Carlo）方法，自动生成接收机操作特性（ROC）曲线和检测概率与信噪比（Pd vs SNR）的关系曲线。
• 自适应阈值校准：包含自动校准模块，能够根据预设的虚警概率（Pfa）目标，利用纯噪声统计数据动态计算判决门限。
• 动态频谱接入（DSA）演示：模拟了认知节点的决策引擎，根据感知结果智能选择“Overlay”（覆盖式）或“Underlay”（衬底式）接入模式，并进行发射功率控制以满足干扰温度约束。

系统要求

• MATLAB R2016b 或更高版本
• Signal Processing Toolbox（信号处理工具箱）
• Communications Toolbox（通信工具箱）

使用方法

直接运行 main.m 脚本即可启动仿真。系统将按照预设流程依次执行初始化、阈值校准、ROC性能仿真、灵敏度仿真、DSA逻辑演示，并在最后弹出图形窗口展示综合分析结果。

---

详细功能实现与逻辑说明

本项目的主程序 main 按照模块化设计，严格遵循以下执行逻辑：

1. 系统初始化

程序首先定义仿真参数，包括采样率（1 MHz）、载波频率（100 kHz）、QPSK调制方式以及信号长度。同时设置了信噪比扫描范围（-20dB 至 10dB）和蒙特卡洛仿真次数。

2. 阈值校准模块

为了确保对比的公平性，系统首先在纯噪声环境下运行蒙特卡洛模拟。通过统计三种算法在仅噪声条件下的输出分布，计算出满足目标虚警概率（Target Pfa = 0.1）的判定阈值。这些阈值将直接用于后续的“Pd vs SNR”性能评估。

3. ROC 性能评估（固定 SNR）

在固定的信噪比环境（-10dB）下，系统评估检测性能。

• 逻辑：遍历一系列虚警概率目标（0.01 到 1.0）。
• 实现：对于每一个Pfa点，利用噪声统计量的百分位数（prctile）动态确定对应的门限，然后统计在存在信号（H1假设）时的检测成功率。
• 输出：生成三条ROC曲线，展示不同算法在相同SNR下的性能差异。

4. 灵敏度评估（Pd vs SNR）

在固定的虚警概率（Pfa = 0.1）约束下，评估不同信噪比环境下的检测概率。

• 信道模型：此阶段特别引入了瑞利衰落信道，以测试算法在恶劣信道下的鲁棒性。
• 实现：遍历SNR范围，利用模块2中校准好的阈值进行判决，计算每种算法的检测概率。

5. 动态频谱接入（DSA）与功率控制

模拟单个时间片内的认知无线电决策过程。

• 环境模拟：随机生成PU（主要用户）是否存在，若存在则赋予随机的低信噪比。
• 感知判决：主要使用能量检测算法，计算接收信号能量并与动态门限比较，判断频谱状态（忙/闲）。
• 接入策略：

* 结果为空闲：判定为“Overlay模式接入”，允许认知用户以最大功率（如23dBm）发送数据。 * 结果为占用：判定为“Underlay模式接入”，此时系统根据设定的干扰温度阈值（Interference Threshold）和预估的信道增益，计算最大允许发射功率，强制降低功率以避免干扰主要用户。

6. 结果可视化

最后绘制综合性能图表：

• ROC曲线对比图（展示算法的统计特性）。
• 检测概率随SNR变化图（展示算法的抗噪性能）。
• 循环平稳特征示意图（展示信号平方后的频域特征）。

---

关键算法与实现细节

系统内部实现了以下核心子函数来支撑上述逻辑：

信号生成 (generate_pu_signal)

生成主要用户（PU）信号。采用QPSK调制，经过升余弦脉冲成型（这里使用简单的矩形脉冲 rectpulse 模拟过采样），并调制到指定的载波频率 fc 上。最终信号被归一化处理。

信道模型 (apply_channel)

• AWGN：根据指定SNR计算噪声功率，叠加复高斯白噪声。
• Rayleigh：在噪声基础上，引入服从复高斯分布的瑞利衰落系数 h，模拟平坦衰落环境。

频谱感知算法库

1. 能量检测 (energy_detection)

* 原理：计算接收信号幅度的平方和的均值。 * 特点：实现简单，不需要先验知识，但受噪声不确定性影响大。

1. 匹配滤波器检测 (matched_filter)

* 原理：利用已知的导频信号（Pilot）与接收信号进行互相关运算（点积的模平方）。 * 特点：在理想同步下性能最优，是最佳线性检测器。

1. 循环平稳特征检测 (cyclostationary_detection)

* 原理：利用通信信号的周期性统计特征。 * 实现：代码中采用了一种简化的特征提取方法。通过对接收信号进行平方运算（signal.^2），这将使QPSK/BPSK等信号在 2*fc 处产生离散谱线。算法检测 2*fc 频率处的峰值与背景噪声基底的比值作为检验统计量。这种方法能有效区分信号与平稳噪声。

DSA 决策逻辑 (demo_dsa_logic)

该函数展示了认知无线电的闭环逻辑：感知 -> 决策 -> 执行。它不仅判断信道忙闲，还根据判断结果计算物理层的发射功率（Tx Power），体现了认知无线电“机会频谱接入”和“干扰控制”的核心思想。