認知無線電技術CR（Cognitive Radio）[1]被國內外許多研究機構公認為是解決頻譜利用率低的最佳解決方案[2]。目前普遍認為應該采用多載波技術進行CR的數據傳輸，其中正交頻分復用（OFDM）是最佳候選技術之一[3]。但是CR中可用頻譜的特性是分布寬、非連續且動態變化，所以傳統的OFDM技術已無法再適用于具有上述特性的頻譜環境?；陬l譜池思想的非連續正交頻分復用技術（NC-OFDM）[4]能夠靈活、智能地整合空閑的頻譜資源，并充分利用、有效地適應動態變化的頻譜環境，同時還可以實現次用戶和主用戶之間的多系統共存，因此它非常適合作為CR的數據傳輸體制。

     目前國內外的課題研究[3-5]都集中于認知無線電的理論上,涉及實驗平臺的研究較少。本文在設計NC-OFDM傳輸系統的基礎上，提出了一種能夠快速并且有效抑制峰均比(PAPR)的自適應算法，同時也解決了該系統傳輸數據時的關鍵問題，最后利用USRP2平臺實現NC-OFDM系統中數據的發送與接收。本系統具有一定的實用價值，為認知無線電由理論研究步入實際應用奠定了原型基礎，同時也為其他基于USRP2的無線通信系統設計提供了有益借鑒。
1 NC-OFDM系統的原理及模型
    認知無線電是一種智能的無線通信系統，它不僅可以主動感知周圍的無線電磁環境，還能感知到頻譜的使用情況。依據本文傳輸數據的特點，改進參考文獻[3]中的系統框圖，得到CR環境中基于QPSK調制的NC-OFDM系統流程，如圖1所示。在發送端，發送的數據首先進行QPSK調制，然后根據感知單元得到的子載波開/關控制信息將數據進行串并變換，分配到N路可用的子載波上，此時數據的傳輸速率也降低了。

    子載波開/關控制信息是由頻譜感知單元得到的，該單元包括頻譜估計和幅度判決兩部分，利用各種頻譜檢測手段、方法感知系統周圍的無線頻譜使用情況，然后將檢測到的各頻段功率譜密度(PSD)與依據通信環境和要求所設定的門限值進行比較，PSD大于(含等于)門限值的是不可使用的頻段，PSD小于門限值的是可以使用的頻段。不難發現，在該系統下通?？梢杂脕韨鬏敂祿念l帶是非連續并且是動態變化的。對于依據檢測判決結果得到的子載波開/關控制信息，系統將會打開分布在可用頻段上的子載波開關，用以傳輸數據；同時關閉不可使用頻段上的子載波開關。數據變成多路傳輸后，可以按照梳狀導頻插入的方法插入導頻，并進行N點傅里葉反變換。然后在發送數據前給每個符號插入保護間隔用以消除碼間干擾(ISI)和載波間干擾(ICI)。接著將數據恢復成串行的數據流，便得到了基帶信號x(t)，最后經射頻調制到相應的頻率上發射出去。
    接收端將接收到的信號先進行射頻解調，得到基帶信號y(t)，然后進行與發送端相反的操作就能恢復出原始的發送數據。
2 基于USRP2實現NC-OFDM系統的數據傳輸
2.1 USRP2平臺
    USRP2主要由母板和子板組成。板中的FPGA模塊用于計算、編程和算法實現；RAM模塊用于存儲數據；設置模塊用于USRP2內一些芯片功能設置，主要由串行ADC和DAC進行指令控制完成；以太網模塊用于將來自電腦通過網線傳輸的UDP數據讀入USRP2中；電源模塊為USRP2中各個芯片和模塊提供穩定的電源；底板是將所有模塊連在一起并使母板和子板得以正常傳輸數據的重要部分；子板是射頻發射板，主要功能是將母板中接收到的數字中頻信號上變頻到想要的射頻信號。
    在MATLAB中SIMULINK為用戶提供的USRP2 Transmitter和USRP2 Receiver兩個模塊[6]。這兩個模塊都支持SIMULINK與USRP2之間的動態數據交互，以允許用戶模擬和開發各種各樣的認知無線電應用。
2.2 NC-OFDM系統設計中的關鍵問題
    同OFDM系統一樣， 在NC-OFDM系統中，當有同樣相位的信號疊加時就會產生非常大的峰值平均功率比（PAPR），當PAPR過高時會顯著影響NC-OFDM系統的整體性能。近些年也提出了許多解決PAPR的方法，廣義上可以分為確定的方法和概率的方法[7-8]。經分析NC-OFDM的特點，普遍認為概率的方法中基于頻域的處理技術更適合用于該系統。依據本文傳輸數據的特點，將參考文獻[5]中的算法進行改進，設計了一種適合本系統的快速抑制峰均比自適應算法，將部分傳輸序列（PTS）方法和交織方法很好地結合在了一起。
    對PTS和交織兩種方法進行分析后,得出結論：當初始PAPR值較大時，PTS方法能夠較好地將其降低；而當初始PAPR值不是很大時，PTS的效果則不太明顯，此時使用交織方法能夠較高效地降低PAPR。針對這種情況，本文提出了將PTS方法與交織方法相結合的自適應算法，在系統中將PTS方法與交織方法的交點值設為門限值，通過與門限值的比較決定采用哪種方法，該自適應算法能夠快速、有效地降低NC-OFDM傳輸系統的PAPR，其流程圖如圖2所示。

    算法首先計算出NC-OFDM符號的PAPR值，如果小于預先設定好的門限值PAPRth1，信號不作任何改動，直接傳送到IFFT模塊。當PAPR大于PAPRth1并且小于PAPRth2時，傳輸信號只進行交織運算。如果大于PAPRth2，則將傳輸信號送入PTS運算模塊。
    另外，NC-OFDM系統對同步的要求也是非常高的，可以采用基于循環前綴的最大似然估計ML(Maximum Likelihood Estimation) 算法[10]，來進行符號定時估計和載波頻率偏移估計。
    在NC-OFDM系統中,為了避免對主用戶的干擾，會使一些子載波無效，其值設為0，即IFFT的輸入端和FFT的輸出端有一些0。此時，FFT模塊的硬件資源將不能充分利用，本文設計的傳輸系統使用了FFT修剪算法[3]，該算法能夠很好地解決上述問題，大幅度提高系統的整體性能。
    另一方面，在整個數據傳輸過程中，應當保證控制信道傳輸模塊的正常工作，即發送端和接收端的子載波開/關控制信息必須保持高度一致，否則將導致數據的解調順序錯亂，無法得到正確的接收數據。可以在傳輸信息時在每幀數據的幀頭部分加入一些識別信息，接收端可根據識別信息來確定接收到的子載波開/關控制信息是否準確。
2.3 基于USRP2的NC-OFDM系統的設計與實現
    本文按照NC-OFDM系統的框圖模型及其原理，應用2.2節中各種關鍵技術的解決方案，在SIMULINK中設計并搭建了一個NC-OFDM傳輸系統,并與USRP2平臺互聯， 以實現數據經過無線信道的發送與接收,如圖3所示。

    本系統的發送數據由伯努利二進制序列隨機生成，在經過RS編碼、QPSK調制后，數據進入NC-OFDM調制系統，根據頻譜感知模塊得到的子載波開/關控制信息進行串并變換，將數據分配到可用子載波上，然后進行IFFT變換，接著添加循環前綴（CP），數據進行并串變換后形成待發送數據比特流，最后待發送數據通過UDP網絡協議傳送至USRP2平臺,并經由射頻天線發射出去。在接收端，接收到的數據信息將會被解調，得到基帶信號。
3 仿真結果及分析
    仿真環境：硬件使用認知無線電平臺USRP2；軟件使用MATLAB（2010b）版。
    仿真條件：信源系統采用伯努利二進制序列，所設置的占空比為0.5，所產生的序列以幀的形式，每幀數據是44 bit，碼元寬度為16e-5/44/2 s；調制方式使用的QPSK；總載波數目N=512；進行64點IFFT變換；發送平臺與接收平臺相距5 m；射頻頻率2.45 GHz。
    仿真實驗1：NC-OFDM收、發端頻譜分析
    在NC-OFDM系統進行數據發送時，發送端頻譜圖如圖4(a)所示，可以很明顯地看出發送數據使用的子載波部分和被屏蔽掉的子載波部分。
    NC-OFDM系統發送數據時接收端頻譜圖如圖4(b)所示。由于數據經過無線信道的傳輸，必定會有能量的衰減和噪聲的干擾，而且在本文設計的系統中沒有考慮帶外干擾抑制，所以會有少部分接收信號被干擾。但是，經過對比和判斷兩張頻譜圖中載波的位置信息和峰值幅度信息，還是可以認為接收信號頻譜圖基本與發送信號的頻譜圖相吻合，使用相應的技術手段就能夠較理想地從接收到的數據信息得到系統發送的數據信息。所以，可以認為本文設計的基于USRP2平臺的NC-OFDM系統可以進行無線通信的數據傳輸。

    仿真實驗2： PAPR抑制方法的性能分析
    設仿真門限值PAPRth1=7.5，PAPRth2=8.6，可用子載波數Nu=128，交織方法K=4，PTS方法M=4,仿真結果如圖5所示?？梢钥闯觯谠糔C-OFDM符號中，有0.1%的NC-OFDM符號的PAPR超過了11.5 dB，而使用自適應算法后，此時的PAPR值只有9 dB，提高了2.5 dB的性能，并且此算法進行峰均比的抑制速度也得到了大幅度的提升。所以該方法能夠非常有效地解決NC-OFDM系統峰均比大的問題。

    認知無線電技術的出現給無線通信帶來了革命性的變化，它有效地解決了頻譜利用效率。NC-OFDM是目前解決認知無線電數據傳輸問題的最佳候選技術之一，本文研究了NC-OFDM技術的基本原理和實現方法，運用所提出的抑制峰均比自適應算法和其他一些關鍵技術，解決了NC-OFDM系統進行傳輸數據時遇到的困難問題，并且在認知無線電平臺（USRP2）上進行了數據的傳輸檢測，檢測結果基本達到預期設計目標。該系統為認知無線電由理論研究步入實際應用奠定了原型基礎，有一定的實用價值，同時該平臺上的成功實驗也為其他基于USRP2的無線系統設計提供了借鑒。然而認知無線電技術從概念到應用仍然存在許多困難和挑戰，需要突破一些關鍵技術，而其中每個關鍵技術模塊都還存在著非常值得深入探討的問題，未來的工作可以考慮在諸如頻偏估計算法和帶外干擾抑制等方面進行更為深入的研究。
參考文獻
[1] MITOLA J Ⅲ,GERALD Q, MAGUIRE J. Cognitive radio: making software radios more personal[J]. IEEE Personal Communications，1999，6（4）:13-18.
[2] HAYKIN S. Cognitive radio: brain-empowered wireless communication[J].IEEE Journal on selected Areas in Communications,2005,23(2):201-220.
[3] RAKESH R, WYGLINSKI A M, MINDEN G J. An efficient implementation of NC-OFDM transceivers for cognitive radios[C]. International Conference on Cognitive Radio Oriented Wireless Networks and Communications, Apr,2006: 1-5.
[4] M Wylie-Green dynamic spectrum sensing by multiband  OFDM Radio for Interference Mitigation[C].2005 First IEEE International symposium on New Frontiers in Dynamic Spectrum Access Net-works, Nov,2005:619-625.
[5] 胡艷龍.基于認知無線電的NC-OFDM關鍵技術研究[D]. 長沙：國防科學技術大學，2008.
[6] TABASSAM A A, ALI F A. Building software-defined radio in MATLAB simulink——A step towards cognitive radios[C]. 2011 UKSim 13th International Conference on Modelling and Simulation: 492-497.
[7] 佟學儉,羅濤.OFDM移動通信技術原理與應用[M].北京：人民郵電出版社，2003.
[8] GUFFEY J D, WYGLINSKI A M. Agile radio implementation of OFDM physical layer for dynamic spectrum access research[C]. IEEE Global Telecommunications Conference, Nov,2007:4051-4055.
[9] TELLAMBURA C. Computation of continuous-time PAR of an OFDM signal with BPSK subcarriers[J].IEEE Communication Letters, 2001,5(2):185-187.
[10] BEEK J J V D, SANDELL M, BORJESSON P O. ML  estimation of time and frequency offset in OFDM system[J].IEEE Transactions on Signal Processing,1997,45(3):1800-1805. (收稿日期：2011-11-21)