基于 GNU Radio 和 USRP 的频谱检测方法

基于GNURadio和USRP的频谱检测方法1频谱检测方法介绍

1.1认知无线电频谱感知原理

目前，在认知无线电领域用于检测某频段内是否有信号存在、有哪些信号存在的方法有多种。以检测类型划分，可分为信号存在性检测和信号覆盖范围检测两类；以检测节点个数划分，可分为单节点检测和多节点联合检测；以检测方法划分，主要分为匹配滤波、能量检测、周期特性检测三类[23]。总结归纳各种方法如图所示：

信号存在检测，是指在经过对某特定频段内信号的进行观测之后，做出该频段上是否有信号存在的判断，这种探测原理的基本模型可以用下面的公式表示：

其中，x(t)是认知无线电接收到的信号，s(t)是第一用户传输的信号；n(t)是加性白高斯噪声；h是信道的增益；Ho是未被占用的假设，表明了目前在这一确定频段上没有第一用户；H1是另一种假设，表明目前存在第一用户。

下面将对单节点检测的几种方法进行介绍、分析：

（1）匹配滤波器探测

当认知无线电获悉了第一用户的信号后，静态高斯噪声理想探测器就是匹配滤波器，原因在于它能使接收到的信号的信噪比（SNR）最大化。匹配滤波器的主要优点是它只需很短的时间就可以获得高处理增益。然而，它必须有效地对第一用户的信号进行解调，这就意味着它需要第一用户的先验知识，比如解调方式和阶数、数据包格式等。

上述信息可以预存在认知无线电的内存中，然而，对解调来讲，认知无线电必须通过时间和载频同步甚至信道同步来获得第一用户的相关性。如果这些信息是不准确的，那么，匹配滤波器的性能就会变得很差。匹配滤波器探测的一个明显缺点在于，认知无线电对每一类型的第一用户都要有一个专门的接收器。

（2）能量探测

如果接收机不能够收集到第一用户信号的足够的信息，此时的最佳探测器就是能量探测器。为了测量接收信号的能量，需要对带宽为W的带通滤波器的输出信号进行平方运算并在观测时间段T内进行积分，并将积分器的输出Y与门限值进行比较，从而判定合法用户是否出现。检测过程示意图如下所示：

能量探测器的门限很容易受到噪声功率的变化的影响。为了解决这个问题，已经有文献提出通过第一用户发射机的导频音（PilotTone）来提高认知无线电能量探测器的准确性。另外，即使能够适应性的设定门限值，带内干扰的出现也会扰乱能量探测器。能量探测器的另外一个缺点是它只能探测到有用信号出现，而不能够区分信号的类型，即它不能区分已调制信号、噪声及干扰。因此，能量探测器容易被不明信号误导而产生误判决。

（3）静态循环特征探测

调制信号一般都经过了载波、脉冲序列、重复性扩展、跳频及循环前缀等耦合处理，使已调信号具有了内在的周期性。虽然数据是静态随机的，但是这些调制后的信号的均值和自相关函数都具有周期性，因而称其具有循环性。通过分析频谱自相关函数可以探测出这些特征。频谱自相关函数的最主要的优点是它能够把噪声能量和已调信号的能量区分开来，这是因为噪声是一个宽带的、静态的、没有相关性的信号，而已调信号具有频谱相关性和周期性。静态循环特征探测器具有更强的抵抗噪声功率中不确定性的能力，因而能够比能量探测器更好地分辨出噪声信号。不过，它就比能量探测器更加复杂并且需要更长的观测时间。

4.1.2感知任务

综合比较上述三种检测方法的优缺点，我们可以得到下面的对比：

在本认知无线电实验平台中，我们选择能量检测的方式做频谱感知。因为匹配滤波需要授权用户的信号模型，只能针对某种信号进行检测，而能量检测的方法对任意信号都适用。而且匹配滤波需要重构到某种调制解调方式，解码成型需要花费大量的计算时间。而周期特性检测复杂度太高，时间也较长，作为初步实验并不需要如此复杂的检测技术。

本次实验采用能量检测的方法。感知任务如下：

在选取子板所能接收的频率范围内，可以对任意的频段进行能量检测，比如针对RFX400子板，它的接收范围是400M-500MHz，可以在400M-500M内选定任意范围进行检测，对所检测频段使用情况，能在可控制的时间内记录到文件中，并可通过图形显示出来。

4.2能量检测FFT方法

FFT是离散傅立叶变换的快速算法，可以将一个信号变换到频域。有些信号在时域上是很难看出什么特征的，但是如果变换到频域之后，就很容易看出特征了。这就是很多信号分析采用FFT变换的原因。另外，FFT可以将一个信号的频谱提取出来，这在频谱分析方面也是经常用的。得到了信号的频域变换后，就可以对其进行模值运算得出某频率值下的幅度特性。

一个模拟信号，经过ADC采样之后，就变成了数字信号。采样得到的数字信号，就可以做FFT变换了。N个采样点，经过FFT之后，就可以得到N个点的FFT结果。为了方便进行FFT运算，通常N取2的整数次方。假设采样频率为Fs，信号频率F，采样点数为N。那么FFT之后结果就是一个为N点的复数。每一个点就对应着一个频率点。这个点的模值，就是该频率值下的幅度特性。具体跟原始信号的幅度有什么关系呢？假设原始信号的峰值为A，那么FFT的结果的每个点（除了第一个点直流分量之外）的模值就是A的N/2倍。而第一个点就是直流分量，它的模值就是直流分量的N倍。而每个点的相位，就是在该频率下的信号的相位。第一个点表示直流分量（即0Hz），而最后一个点N的再下一个点（实际上这个点是不存在的，这里是假设的第N+1个点，也可以看做是将第一个点分做两半分，另一半移到最后）则表示采样频率Fs，这中间被N-1个点平均分成N等份，每个点的频率依次增加。例如某点n所表示的频率为：Fn=(n-1)*Fs/N。由上面的公式可以看出，Fn所能分辨到频率为为Fs/N，如果采样频率Fs为1024Hz，采样点数为1024点，则可以分辨到1Hz。1024Hz的采样率采样1024点，刚好是1秒，也就是说，采样1秒时间的信号并做FFT，则结果可以分析到1Hz，如果采样2秒时间的信号并做FFT，则结果可以分析到0.5Hz。如果要提高频率分辨力，则必须增加采样点数，也即采样时间。频率分辨率和采样时间是倒数关系。

假设FFT之后某点n用复数a+bi表示，那么这个复数的模就是

，相位就是Pn=atan2(b,a)。根据以上的结果，就可以计算出n点（n≠1，且n<=N/2）对应的信号的表达式为：An/(N/2)*cos(2*pi*Fn+Pn)，即2*An/N*cos(2*pi*Fn+Pn)。对于n=1点的信号，是直流分量，幅度即为A1/N。

由于FFT结果的对称性，通常我们只使用前半部分的结果，即小于采样频率一半的结果，即可以是前向FFT也可以是后向FFT，前向、后向各一半结果。

由此可知：假设采样频率为Fs，采样点数为N，做FFT之后，某一点n（n从1开始）表示的频率为：Fn=(n-1)*Fs/N；该点的模值除以N/2就是对应该频率下的信号的幅度（对于直流信号是除以N）；该点的相位即是对应该频率下的信号的相位。相位的计算可用函数atan2(b,a)计算。atan2(b,a)是求坐标为(a,b)点的角度值，范围从-pi到pi。要精确到xHz，则需要采样长度为1/x秒的信号，并做FFT。要提高频率分辨率，就需要增加采样点数，这在一些实际的应用中是不现实的，需要在较短的时间内完成分析。解决这个问题的方法有频率细分法，比较简单的方法是采样比较短时间的信号，然后在后面补充一定数量的0，使其长度达到需要的点数，再做FFT，这在一定程度上能够提高频率分辨力。

4.3能量检测实现

4.3.1GNURadio的USRP初始化设置

需要搭建基于GNURadio的FFT频谱检测器，我们就需要正确的初始化配置USRP，建立流图，搭建起FFT运算的软件无线电结构。

初始化配置USRP，需要使用GNURadio中的usrp.py模块，这个模块包含输入输出初始化设置、ADC采样速率、功率、增益、载频等。基本上所有关于配置USRP的子函数都需要重载usrp.py来配置。具体见下表：

usrp.py函数是所有GNURadio控制USRP的程序都要用到的初始化函数，它们控制usb接口、fpga程序、ADC、DAC、子板，跟硬件打交道的程序都可以从这个函数的子函数找到控制方法。

source_x()和sink_x()则是usrp.py中最基本的子函数，它们是流图的开始或者结束，由它们我们可以初始化USRP为接受器或者发射器，而且一个USRP通过时分复用可以复用为双工收发器。

按照表的函数应用举例，我们设置USRP为接收状态，nchan=2这样我们可以同时获得两个子板的信息，同时对400M和2.4G频段进行扫频。其余设置均为默认状态，由此可得知：

adc_rate=64MS/s

usrp_decim=64

usrp_rate=adc_rate/usrp_decim=1MS/s4.3.2FFT能量检测流图

由上一小节FFT的原理，我们可以得出FFT计算结果的意义，可对其进一步处理达到我们的需求。GNURadio自带库有FFT模块，在设置好USRP并正确的建立流图，然后将得到的结果通过计算途径处理，最终得到我们需要的功能——大范围的能量检测。因为USRP带宽的限制，一个时间内前端只能检测到8MHz的射频信号如果要检测大于8MHz带宽的信号我们需要通过不断的RF前端步进调频以达到检测大范围频谱的目的，虽然检测到的频谱并不是实时的。USRP（或者程序）每个时刻对一段范围的频率进行检测，然后步进调频到下一段频率，这样就能扫频扫过大段的频率。

要是频率调频已经完成步进调频，我们需要在每一个步进时刻结束时——即已获得这段频率的数值时，发送一个调频指令到USRP。调频控制由gr.bin_statistics_fsink程序实现，bin_statistics在以下的函数解释中有详细解释。

当我们命令USRP的RF子板改变中心频率时，我们必须等待ADC的采样到达FFT处理器并判断完是否属于需要的中心频率。在这个过程中需要经过很多重的延时比如从FPGA，USB，计算延时。这样我们必须在调节到下一步进频率时进行延时，以保证上一步进频率的采样能正确的被FFT处理器处理。

程序主要驱动部分由bin_statisticssink函数组成。整个流程如图4-3

bin_statistics主要控制USRP的调频控制，并根据步进频率带宽的大小决定延时时间即FFT处理器忽略掉N个向量（向量长度由计算决定）这里也可以详细解释，当进行完FFT处理后，bin_statistics将处理后的信息组合成message，并将此message插入messagequeue。message的每个内容由FFT后的每个最大频率的向量组成。

每一步进的延时需要计算得出，延时包括调频延时和计算延时，其中调频延时是最主要的延时。

调频延时由RF前端的PLL到主板的时间再加上管道中排队的时间，我们所用的RFX系列延时差不多是1ms。

调频延时转化为FFT计算时忽略的向量个数的计算公式是

tune_delay_passed_to_bin_statistics=

int(round(required_tune_delay_in_sec*usrp_rate/fft_size))

其中：

required_tune_delay_in_sec=10e-3；usrp_rate=1M(decimation=64)；

fft_size=256

可得出tune_delay_passed_to_bin_stats=4(FFTFrames)

这表示，我们延时1ms我们将跳过4个输入的FFT向量个数，来获得真实的向量数据。延时时间还包括计算延时，我们需要收集处理N个FFT采样，如果DR=8那将用时128us，还应该加上计算机处理这N个采样的时间，这个需要根据实际计算机的处理能力通过实验测得。

本实验平台设置步进频率为3MHz，设置3M是为了能尽可能精确的对小范围的频率进行能量测算，而我们通信时占用的频宽也大概是2M多，加上半衰保护，差不多即是3M。而且步进频率3M可节省每一步进的运算时间，是个均衡的选择。这样USRP及相关程序的初始化就完成了。

以下是完成FFT运算的流图，其搭建一个完整的软件无线电结构，数据最终写入message。流图如下图：

4.3.3实现结果

总结如下，受制于USB总线的约束，USRP不能检测超过8MHz的带宽（USRP的USB2.0最大数据传输速率为32MBytes/S，每个实采样点占用2个Bytes，以一路复数采样进行单收或单发，则最高可达到32/4=8M复采样每秒，即最高发送或接收8MHz带宽的信号）。因此，要对一段RF频段进行检测，必须以合适地步进值调节RF前端，这样就能检查很宽的频谱。在此设计过程中，为更好地表示指定频段内的频谱感知情况，通过设置GNURadio的相关函数，我们选取3MHz这样的扫频间距。

频段扫描过程如下：

（1）设置所要感知频段的最小、最大频率以及扫描次数M；

（2）对所选频谱范围进行间隔化，每一间隔值为3MHz；

（3）在第一个3MHz频段范围内对信号进行AD采样，得到N个点（本次设计N取256）；

（4）进行N点FFT，对得到的N个复数分别进行平方和运算，得出模值，再累加，求得平均值作为此3MHz间隔的模值，并由此求得功率大小，记录到文件中；

（5）移频到下一个3MHz间隔，重复上面的步骤，直到扫描完频段内所有的每一个间隔；

我们对特定频段做多几次扫频，获得平均功率数据，使用gnuplot将数据画图。其中Y轴为平均功率，单位为dBm；X轴为频率，单位为MHz。因为400M和2.4G频段上的功率量值不同，所以起始功率不同。见图4-5和图4-6

从上两图中的检测结果可以非常直观的得到以下结论：

（1）2.4G非授权频段非常拥挤，这段频率已经被大量的wifi设备使用殆尽，而且还有大量“不速之客”加进来干扰，比如蓝牙和微波炉开启产生的污染（图中2430MHz处即是微波炉开启产生