认知无线电技术CR（Cognitive Radio）[1]被国内外许多研究机构公认为是解决频谱利用率低的最佳解决方案[2]。目前普遍认为应该采用多载波技术进行CR的数据传输，其中正交频分复用（OFDM）是最佳候选技术之一[3]。但是CR中可用频谱的特性是分布宽、非连续且动态变化，所以传统的OFDM技术已无法再适用于具有上述特性的频谱环境。基于频谱池思想的非连续正交频分复用技术（NC-OFDM）[4]能够灵活、智能地整合空闲的频谱资源，并充分利用、有效地适应动态变化的频谱环境，同时还可以实现次用户和主用户之间的多系统共存，因此它非常适合作为CR的数据传输体制。

     目前国内外的课题研究[3-5]都集中于认知无线电的理论上,涉及实验平台的研究较少。本文在设计NC-OFDM传输系统的基础上，提出了一种能够快速并且有效抑制峰均比(PAPR)的自适应算法，同时也解决了该系统传输数据时的关键问题，最后利用USRP2平台实现NC-OFDM系统中数据的发送与接收。本系统具有一定的实用价值，为认知无线电由理论研究步入实际应用奠定了原型基础，同时也为其他基于USRP2的无线通信系统设计提供了有益借鉴。
1 NC-OFDM系统的原理及模型
    认知无线电是一种智能的无线通信系统，它不仅可以主动感知周围的无线电磁环境，还能感知到频谱的使用情况。依据本文传输数据的特点，改进参考文献[3]中的系统框图，得到CR环境中基于QPSK调制的NC-OFDM系统流程，如图1所示。在发送端，发送的数据首先进行QPSK调制，然后根据感知单元得到的子载波开/关控制信息将数据进行串并变换，分配到N路可用的子载波上，此时数据的传输速率也降低了。

    子载波开/关控制信息是由频谱感知单元得到的，该单元包括频谱估计和幅度判决两部分，利用各种频谱检测手段、方法感知系统周围的无线频谱使用情况，然后将检测到的各频段功率谱密度(PSD)与依据通信环境和要求所设定的门限值进行比较，PSD大于(含等于)门限值的是不可使用的频段，PSD小于门限值的是可以使用的频段。不难发现，在该系统下通常可以用来传输数据的频带是非连续并且是动态变化的。对于依据检测判决结果得到的子载波开/关控制信息，系统将会打开分布在可用频段上的子载波开关，用以传输数据；同时关闭不可使用频段上的子载波开关。数据变成多路传输后，可以按照梳状导频插入的方法插入导频，并进行N点傅里叶反变换。然后在发送数据前给每个符号插入保护间隔用以消除码间干扰(ISI)和载波间干扰(ICI)。接着将数据恢复成串行的数据流，便得到了基带信号x(t)，最后经射频调制到相应的频率上发射出去。
    接收端将接收到的信号先进行射频解调，得到基带信号y(t)，然后进行与发送端相反的操作就能恢复出原始的发送数据。
2 基于USRP2实现NC-OFDM系统的数据传输
2.1 USRP2平台
    USRP2主要由母板和子板组成。板中的FPGA模块用于计算、编程和算法实现；RAM模块用于存储数据；设置模块用于USRP2内一些芯片功能设置，主要由串行ADC和DAC进行指令控制完成；以太网模块用于将来自电脑通过网线传输的UDP数据读入USRP2中；电源模块为USRP2中各个芯片和模块提供稳定的电源；底板是将所有模块连在一起并使母板和子板得以正常传输数据的重要部分；子板是射频发射板，主要功能是将母板中接收到的数字中频信号上变频到想要的射频信号。
    在MATLAB中SIMULINK为用户提供的USRP2 Transmitter和USRP2 Receiver两个模块[6]。这两个模块都支持SIMULINK与USRP2之间的动态数据交互，以允许用户模拟和开发各种各样的认知无线电应用。
2.2 NC-OFDM系统设计中的关键问题
    同OFDM系统一样， 在NC-OFDM系统中，当有同样相位的信号叠加时就会产生非常大的峰值平均功率比（PAPR），当PAPR过高时会显著影响NC-OFDM系统的整体性能。近些年也提出了许多解决PAPR的方法，广义上可以分为确定的方法和概率的方法[7-8]。经分析NC-OFDM的特点，普遍认为概率的方法中基于频域的处理技术更适合用于该系统。依据本文传输数据的特点，将参考文献[5]中的算法进行改进，设计了一种适合本系统的快速抑制峰均比自适应算法，将部分传输序列（PTS）方法和交织方法很好地结合在了一起。
    对PTS和交织两种方法进行分析后,得出结论：当初始PAPR值较大时，PTS方法能够较好地将其降低；而当初始PAPR值不是很大时，PTS的效果则不太明显，此时使用交织方法能够较高效地降低PAPR。针对这种情况，本文提出了将PTS方法与交织方法相结合的自适应算法，在系统中将PTS方法与交织方法的交点值设为门限值，通过与门限值的比较决定采用哪种方法，该自适应算法能够快速、有效地降低NC-OFDM传输系统的PAPR，其流程图如图2所示。

    算法首先计算出NC-OFDM符号的PAPR值，如果小于预先设定好的门限值PAPRth1，信号不作任何改动，直接传送到IFFT模块。当PAPR大于PAPRth1并且小于PAPRth2时，传输信号只进行交织运算。如果大于PAPRth2，则将传输信号送入PTS运算模块。
    另外，NC-OFDM系统对同步的要求也是非常高的，可以采用基于循环前缀的最大似然估计ML(Maximum Likelihood Estimation) 算法[10]，来进行符号定时估计和载波频率偏移估计。
    在NC-OFDM系统中,为了避免对主用户的干扰，会使一些子载波无效，其值设为0，即IFFT的输入端和FFT的输出端有一些0。此时，FFT模块的硬件资源将不能充分利用，本文设计的传输系统使用了FFT修剪算法[3]，该算法能够很好地解决上述问题，大幅度提高系统的整体性能。
    另一方面，在整个数据传输过程中，应当保证控制信道传输模块的正常工作，即发送端和接收端的子载波开/关控制信息必须保持高度一致，否则将导致数据的解调顺序错乱，无法得到正确的接收数据。可以在传输信息时在每帧数据的帧头部分加入一些识别信息，接收端可根据识别信息来确定接收到的子载波开/关控制信息是否准确。
2.3 基于USRP2的NC-OFDM系统的设计与实现
    本文按照NC-OFDM系统的框图模型及其原理，应用2.2节中各种关键技术的解决方案，在SIMULINK中设计并搭建了一个NC-OFDM传输系统,并与USRP2平台互联， 以实现数据经过无线信道的发送与接收,如图3所示。

    本系统的发送数据由伯努利二进制序列随机生成，在经过RS编码、QPSK调制后，数据进入NC-OFDM调制系统，根据频谱感知模块得到的子载波开/关控制信息进行串并变换，将数据分配到可用子载波上，然后进行IFFT变换，接着添加循环前缀（CP），数据进行并串变换后形成待发送数据比特流，最后待发送数据通过UDP网络协议传送至USRP2平台,并经由射频天线发射出去。在接收端，接收到的数据信息将会被解调，得到基带信号。
3 仿真结果及分析
    仿真环境：硬件使用认知无线电平台USRP2；软件使用MATLAB（2010b）版。
    仿真条件：信源系统采用伯努利二进制序列，所设置的占空比为0.5，所产生的序列以帧的形式，每帧数据是44 bit，码元宽度为16e-5/44/2 s；调制方式使用的QPSK；总载波数目N=512；进行64点IFFT变换；发送平台与接收平台相距5 m；射频频率2.45 GHz。
    仿真实验1：NC-OFDM收、发端频谱分析
    在NC-OFDM系统进行数据发送时，发送端频谱图如图4(a)所示，可以很明显地看出发送数据使用的子载波部分和被屏蔽掉的子载波部分。
    NC-OFDM系统发送数据时接收端频谱图如图4(b)所示。由于数据经过无线信道的传输，必定会有能量的衰减和噪声的干扰，而且在本文设计的系统中没有考虑带外干扰抑制，所以会有少部分接收信号被干扰。但是，经过对比和判断两张频谱图中载波的位置信息和峰值幅度信息，还是可以认为接收信号频谱图基本与发送信号的频谱图相吻合，使用相应的技术手段就能够较理想地从接收到的数据信息得到系统发送的数据信息。所以，可以认为本文设计的基于USRP2平台的NC-OFDM系统可以进行无线通信的数据传输。

    仿真实验2： PAPR抑制方法的性能分析
    设仿真门限值PAPRth1=7.5，PAPRth2=8.6，可用子载波数Nu=128，交织方法K=4，PTS方法M=4,仿真结果如图5所示。可以看出，在原始NC-OFDM符号中，有0.1%的NC-OFDM符号的PAPR超过了11.5 dB，而使用自适应算法后，此时的PAPR值只有9 dB，提高了2.5 dB的性能，并且此算法进行峰均比的抑制速度也得到了大幅度的提升。所以该方法能够非常有效地解决NC-OFDM系统峰均比大的问题。

    认知无线电技术的出现给无线通信带来了革命性的变化，它有效地解决了频谱利用效率。NC-OFDM是目前解决认知无线电数据传输问题的最佳候选技术之一，本文研究了NC-OFDM技术的基本原理和实现方法，运用所提出的抑制峰均比自适应算法和其他一些关键技术，解决了NC-OFDM系统进行传输数据时遇到的困难问题，并且在认知无线电平台（USRP2）上进行了数据的传输检测，检测结果基本达到预期设计目标。该系统为认知无线电由理论研究步入实际应用奠定了原型基础，有一定的实用价值，同时该平台上的成功实验也为其他基于USRP2的无线系统设计提供了借鉴。然而认知无线电技术从概念到应用仍然存在许多困难和挑战，需要突破一些关键技术，而其中每个关键技术模块都还存在着非常值得深入探讨的问题，未来的工作可以考虑在诸如频偏估计算法和带外干扰抑制等方面进行更为深入的研究。
参考文献
[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] 胡艳龙.基于认知无线电的NC-OFDM关键技术研究[D]. 长沙：国防科学技术大学，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] 佟学俭,罗涛.OFDM移动通信技术原理与应用[M].北京：人民邮电出版社，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)