频谱感知2：衰落信道上未知信号的能量检测

本文主要内容摘自下面文献:
[1] Fadel F. Digham (2007). “On the Energy Detection of Unknown Signals Over Fading Channels.” IEEE TRANSACTIONS ON COMMUNICATION 55(1): 4.
[2] H.Urkowitz (1967). “Energy Detection of Unknown Deterministic Signals.” Proceedings of the IEEE 55(4): 9.【参见博文《合作频谱感知：未知确定信号的能量检测》】
[3] Zhi Quan, S. C., and Ali H. Sayed (2008). “Optimal Linear Cooperation for Spectrum Sensing in Cognitive Radio Networks.” IEEE JOURNAL OF SELECTED TOPICS IN SIGNAL PROCESSING, 2(1): 13.
[4] 博文《卡方分布》

1、系统模型

  Urkowitz (1967)一文中，分别讨论了低通和带通两种情况。这里主要集中讨论带通情况。设发送的低通信号为$S_{\mathrm{L}\mathrm{P}}(t)=s_c(t)+j{s}_s(t)$，信道为$h=\alpha e^{j\theta }$，则带通接收信号为
r ( t ) = { R { [ h s L P ( t ) + n L P ( t ) ] e j 2 π f c t } : H 1 R { n L P ( t ) e j 2 π f c t } : H 0 (1) \tag{1} r(t)={\Large\{ }\begin{aligned} {\mathcal R}\{[hs_{\rm LP}(t)+n_{\rm LP}(t)]e^{j2\pi f_ct}\}:\mathcal H_1\\ {\mathcal R}\{n_{\rm LP}(t)e^{j2\pi f_ct}\}:\mathcal H_0 \end{aligned} r(t)={R{[hsLP​(t)+nLP​(t)]ej2πfc​t}:H1​R{nLP​(t)ej2πfc​t}:H0​​(1)其中$n_{\mathrm{L}\mathrm{P}}=n_c(t)+j{n}_s(t)$为等效低通噪声。此时定义信噪比为$\gamma =\frac{{\alpha }^2{E}_s}{N_0}$。
  根据Urkowitz (1967)，我们可以得到判决变量为
$$r=\frac{2}{N_0}{\int }_0^T{r}^2(t)dt.\text{\hspace{1em}(2)}$$下面我们分别针对${\mathcal{H}}_0$和${\mathcal{H}}_1$进行推导。

---

• ${\mathcal{H}}_0$
     带通噪声可以表示为
  $$n(t)=n_c(t)\cos (2\pi f_{c}t)-n_s(t)\sin (2\pi f_{c}t),$$因此，判决变量为
  $$\begin{array}{rl}r& =\frac{2}{N_0}{\int }_0^T{n}^2(t)dt\\ & =\frac{1}{N_0}{\int }_0^T\left[n_c^2(t)+n_s^2(t)\right]dt\end{array}$$进一步，我们把$n_c(t)$和$n_s(t)$分别用有限个抽样样值表示，注意这时的抽样速率为$W$而非$2W$，若$N=2WT$，则有$$\begin{array}{rl}{n}_c(t)& =\sum _{i=1}^{N/2}{n}_{ci}\mathrm{s}\mathrm{i}\mathrm{n}\mathrm{c}\left(Wt-i\right)\\ n_s(t)& =\sum _{i=1}^{N/2}{n}_{si}\mathrm{s}\mathrm{i}\mathrm{n}\mathrm{c}\left(Wt-i\right),\end{array}$$利用sinc函数的性质，我们可以得到

$$r=\frac{1}{N_{0}W}\sum _{i=1}^{N/2}\left[n_{ci}^2+n_{si}^2\right]=\sum _{i=1}^{N/2}\left[{\left(\frac{n_{ci}}{\sqrt{N_{0}W}}\right)}^2+{\left(\frac{n_{si}}{\sqrt{N_{0}W}}\right)}^2\right]$$满足中心${\chi }^2$分布，自由度为$2TW$。

---

• ${\mathcal{H}}_1$
     低通等效信号为
  $$s_{\mathrm{L}\mathrm{P}}(t)=s_c(t)+j{s}_s(t),$$等效低通信道为$h_{\mathrm{L}\mathrm{P}}={\alpha }_c+j{\alpha }_s$，则经过衰落信道后的低通等效接收信号（不含噪声）为
  $$s_{\mathrm{L}\mathrm{P}}^{\prime }(t)={\alpha }_c{s}_c(t)+j{\alpha }_c{s}_s(t)+j{\alpha }_s{s}_c(t)-{\alpha }_s{s}_s(t),$$则带通信号可以表示为
  $$\begin{array}{rl}{s}^{\prime }(t)& =\mathcal{R}\left[s_{\mathrm{L}\mathrm{P}}^{\prime }(t)e^{j2\pi f_{c}t}\right]\\ & =\left[{\alpha }_c{s}_c(t)-{\alpha }_s{s}_s(t)\right]\cos (2\pi f_{c}t)-\left[{\alpha }_c{s}_s(t)+{\alpha }_s{s}_c(t)\right]\sin (2\pi f_{c}t)\end{array}$$由此，可以得到接收信号为
  $$\begin{array}{rl}r(t)& =\left[{\alpha }_c{s}_c(t)-{\alpha }_s{s}_s(t)+n_c(t)\right]\cos (2\pi f_{c}t)-\left[{\alpha }_c{s}_s(t)+{\alpha }_s{s}_c(t)+n_s(t)\right]\sin (2\pi f_{c}t)\\ & =r_c(t)\cos (2\pi f_{c}t)-r_s(t)\sin (2\pi f_{c}t)\end{array}$$同理，可以用抽样样值表示
  $$\begin{array}{rl}{r}_c(t)& =\sum _{i=1}^{N/2}[{\alpha }_c{s}_{ci}-{\alpha }_s{s}_{si}+n_{ci}]\mathrm{s}\mathrm{i}\mathrm{n}\mathrm{c}\left(Wt-i\right)\\ r_s(t)& =\sum _{i=1}^{N/2}[{\alpha }_c{s}_{si}+{\alpha }_s{s}_{ci}+n_{si}]\mathrm{s}\mathrm{i}\mathrm{n}\mathrm{c}\left(Wt-i\right),\end{array}$$由此，我们可以得到
  $$\begin{array}{rl}r=& \frac{2}{N_0}{\int }_0^T{r}^2(t)dt\\ & =\frac{1}{N_0}{\int }_0^T\left[r_c^2(t)+r_s^2(t)\right]dt\end{array},\text{\hspace{1em}(2)}$$即

$$\begin{array}{rl}{\mathcal{H}}_1:r& =\frac{1}{N_{0}W}\left[\sum _{i=1}^{N/2}({\alpha }_c{s}_{ci}-{\alpha }_s{s}_{si}+n_{ci}{)}^2+\sum _{i=1}^{N/2}({\alpha }_c{s}_{si}+{\alpha }_s{s}_{ci}+n_{si}{)}^2\right]\\ & =\sum _{i=1}^{N/2}{\left(\frac{{\alpha }_c{s}_{ci}-{\alpha }_s{s}_{si}+n_{ci}}{\sqrt{N_{0}W}}\right)}^2+\sum _{i=1}^{N/2}{\left(\frac{{\alpha }_c{s}_{si}+{\alpha }_s{s}_{ci}+n_{si}}{\sqrt{N_{0}W}}\right)}^2\end{array}$$满足非中心${\chi }^2$分布，方差${\sigma }^2=1$，非中心参数为$\mu =2\gamma$，$\gamma =\frac{{\alpha }^2{E}_s}{N_0}$。

---

  我们来推导下非中心参数：
$$\begin{array}{rl}\mu & =\sum _{i=1}^{N/2}\left(\frac{{\alpha }_c^2{s}_{ci}^2}{N_{0}W}+\frac{{\alpha }_s^2{s}_{si}^2}{N_{0}W}\right)+\sum _{i=1}^{N/2}\left(\frac{{\alpha }_c^2{s}_{si}^2}{N_{0}W}+\frac{{\alpha }_s^2{s}_{ci}^2}{N_{0}W}\right)\\ & =\frac{{\alpha }_c^2}{N_0}\sum _{i=1}^{N/2}\frac{s_{ci}^2}{W}+\frac{{\alpha }_s^2}{N_0}\sum _{i=1}^{N/2}\frac{s_{si}^2}{W}+\frac{{\alpha }_c^2}{N_0}\sum _{i=1}^{N/2}\frac{s_{si}^2}{W}+\frac{{\alpha }_s^2}{N_0}\sum _{i=1}^{N/2}\frac{s_{ci}^2}{W}\\ & =\frac{2{\alpha }^2{E}_s}{N_0}\end{array}$$

---

因此，$r$的概率密度函数可以表示为
$$p_R(r)=\{\begin{array}{rlr}& \frac{r^{\frac{N}{2}-1}{e}^{-\frac{r}{2{\sigma }^2}}}{{\sigma }^N{2}^{\frac{N}{2}}\Gamma (\frac{N}{2})},& {\mathcal{H}}_0\\ & \frac{1}{2{\sigma }^2}(\frac{r}{\mu }{)}^{\frac{N-2}{4}}{e}^{-\frac{\mu +r}{2{\sigma }^2}}{I}_{\frac{N}{2}-1}(\frac{\sqrt{\mu r}}{{\sigma }^2}),& {\mathcal{H}}_1,\end{array}$$这里的$I_v(\cdot )$为$v$阶第一类修正贝塞尔函数。

2、AWGN信道上的检测概率与虚警概率

  为了计算检测与虚警概率，有很多近似方法。下面我们主要讨论高斯分布来近似。我们知道，随着样本数$N$的增大，根据中心极限定理，可以认为$r$的分布接近高斯分布。
  我们知道检测变量$r$满足如下分布：
$$r\sim \{\begin{array}{rl}{\chi }_N^2,& {\mathcal{H}}_0\\ {\chi }_N^2(\mu ),& {\mathcal{H}}_1\end{array}$$这里$\mu =\frac{2E_s{\alpha }^2}{N_0}=2\gamma$，显然$\gamma$为信噪比。

---

用高斯分布近似卡方分布：
  若$m={\sum }_{i=1}^N{r}_i^2$，其中$r_i\sim \mathcal{N}(0,{\sigma }^2)$，显然$\frac{m}{{\sigma }^2}$为自由度等于$N$的卡方分布。当$N$足够大时，我们可以把卡方分布近似成高斯分布。由于$(\frac{r_i}{{\sigma }^2}{)}^2\sim \mathcal{N}(0,1)$，因此$\frac{m}{{\sigma }^2}$的均值为$N$，方差为$2N$。将$m$近似为高斯分布，有
$$m\sim \mathcal{N}(N{\sigma }^2,2N{\sigma }^4).$$
  若$m={\sum }_{i=1}^N{r}_i^2$，其中$r_i\sim \mathcal{N}(\mu ,{\sigma }^2)$，显然$\frac{m}{{\sigma }^2}$为自由度等于$N$的非中心卡方分布，其均值为$N+\mu$，方差为$2(N+2\mu )$，这里$\mu$为非中心参数。同样当$N$足够大时，我们将$m$近似为高斯分布，有
$$m\sim \mathcal{N}\left((N+\mu ){\sigma }^2,2(N+2\mu ){\sigma }^4)\right).$$

---

当$N$足够大时，我们可以把卡方分布近似成均值为
$$m_r=\{\begin{array}{rl}N{\sigma }^2;& H_0\\ (N+\mu ){\sigma }^2;& H_1\end{array}$$方差为
$${\sigma }_r^2=\{\begin{array}{rl}2N{\sigma }^4;& H_0\\ 2(N+2\mu ){\sigma }^4;& H_1\end{array}$$
的高斯分布，即$r\sim \mathcal{N}(m_r,{\sigma }_r^2)$。
  若判决门限设为$\eta$，则检测概率为
$$P_d=\mathrm{P}\mathrm{r}(r>\eta |H_1)=Q\left[\frac{\eta -\mathrm{E}(r|H_1)}{\sqrt{\mathrm{V}\mathrm{a}\mathrm{r}(r|H_1)}}\right],$$虚警概率为
$$P_f=\mathrm{P}\mathrm{r}(r>\eta |H_0)=Q\left[\frac{\eta -\mathrm{E}(r|H_0)}{\sqrt{\mathrm{V}\mathrm{a}\mathrm{r}(r|H_0)}}\right].$$
  显然，不同门限值大小，会影响$P_d$与$P_f$。此外，我们还有漏检概率为
$$P_m=1-P_d.$$
  图1给出了漏检概率$P_m$随虚检概率($P_f$)变化的曲线，这里没有考虑衰落，即$\alpha =1$。显然，$P_m$随着$P_f$的增加而减少。我们还可以发现，随着信噪比$\gamma$的增大，曲线下面积在减少，因此检测性能变好。
            图1 漏检概率($P_m$)与虚检概率($P_f$)关系曲线