认知式航空空地通信系统中智能频谱感知方法的研究

The contradiction between the rapidly growing demand for aeronautical communication spectrum and almost saturated aeronautical spectrum resources is intensifying. In order to cope with the problem，the cognitive radio(CR) technology is introduced into aeronautical air-ground communication systems. By employing the dynamic spectrum access, the problem of spectrum scarcity, which is caused by the waste of resources because of the static spectrum allocation, can be solved. Spectrum sensing is the core technology of CR. This project focuses on spectrum sensing in aeronautical air-ground communication systems. However, the high-speed movement of aircraft poses a huge challenge: The spectrum situation at the location where the spectrum sensing starts and where it ends may be different, which will cause the sensing results to be invalid. In order to solve this problem, it is necessary to use the inference and learning methods to obtain system-wide spectrum knowledge, that is, global spectrum cognition. Therefore, the project establishes a cognitive aeronautical air-ground communication system model, designs a global spectrum cognition process, and gradually carries out the research on intelligent spectrum sensing methods based on machine learning according to the process, and finally realizes global spectrum cognition. This project widens the range of application for CR technology, what’s more, it will solve the problem of spectrum scarcity that have bothered the aviation industry for many years. And systems that introduce CR technology can save its energy up to 50%. If CR can be successfully applied in the aeronautical communication field, it will bring huge economic benefits to the aviation industry.

快速增长的航空通信频谱需求与即将饱和的航空频谱资源之间的矛盾日益加剧，为此将认知无线电(CR)技术引入航空空地通信系统，通过动态频谱接入，从根本上解决因静态频谱分配造成的资源浪费所导致的“匮乏假象”。频谱感知是CR的核心技术，本项目将重点研究航空空地通信系统中的频谱感知。然而，航空器的高速移动为此带来巨大挑战：航空器频谱感知开始与结束两个位置处频谱状况可能不同，造成感知结果失效。为解决该问题，需通过推理与学习获取全系统范围内的频谱知识，即全局频谱认知。为此本项目建立认知式航空空地通信系统模型，设计全局频谱认知流程，并依据流程，逐步开展基于机器学习的智能频谱感知方法研究，最终实现全局频谱认知目标。本项目不仅拓展了CR技术的应用领域；更重要的是，它将解决困扰航空界多年的频谱资源即将饱和问题；且引入CR技术的系统可节能高达50%，若CR能够成功应用于航空通信领域，则将为航空业带来巨大经济效益。

本项目拟建立认知式航空空地通信系统模型，而实现该目标的最关键之处在于设计出可靠性高、适用性强的频谱感知算法。基于此，本项目研究内容主要包括四部分：1、基于LS-SVM的自适应宽带压缩（ADP）频谱感知算法。该算法在采样点数目较少、信噪比较低的场景下，仍可保证优秀的检测性能，且具有较低的计算复杂度。2、一种低复杂度的非稀疏宽带（AdNoR）频谱感知方法。在宽带频谱不稀疏的场景下，AdNoR可以省略谱重构过程，大大降低计算复杂度，且仍然能够保证优秀的检测性能；因此AdNoR算法非常适于实现次奈奎斯特采样速率下的非稀疏宽带频谱感知。3、基于信号协方差矩阵的长短期记忆网络 （CM-LSTM）频谱感知算法。CM-LSTM算法可以提取信号时间特征，也可以捕捉信号空间特征，显著提高了频谱感知的检测准确度；且该算法的训练参数占用内存较小，对设备要求较低，不需要昂贵设备做支撑，可行性高。4、基于AlexNet的极化域（JCM-AlexNet）频谱感知算法。该算法应用正交双极化天线接收信号，利用Jones矢量表征信号的极化状态，计算得到其协方差矩阵并转换为图像后作为AlexNet模型的输入，使AlexNet模型学习信号的极化信息特征，从而在无需信号和噪声的先验知识的条件下获得较好的感知性能。综上，认知式航空通信系统的建立应以“保证安全第一”为原则，因此高检测准确度的频谱感知算法是建立该系统的必要条件。此外，在实际的航空通信系统场景下，因考虑能源节约问题无法实现高速采样，从而存在信号采样频率受限的问题，且在开放的外部环境中经常存在信噪比较低的问题。因此本项目研究的以上四类频谱感知算法为频谱感知技术在航空通信系统中的应用提供了基础条件。