在5G與物聯(lián)網(wǎng)時(shí)代，頻譜資源稀缺性與設(shè)備能耗問題日益凸顯。認(rèn)知無線電（Cognitive Radio, CR）通過動(dòng)態(tài)感知空閑頻譜提升利用率，但傳統(tǒng)頻譜感知算法的高能耗成為制約其大規(guī)模部署的關(guān)鍵瓶頸。本文從算法優(yōu)化、協(xié)作感知策略、硬件協(xié)同設(shè)計(jì)三個(gè)維度，探討認(rèn)知無線電頻譜感知的能耗優(yōu)化路徑。

一、算法優(yōu)化：從單節(jié)點(diǎn)到智能感知

傳統(tǒng)能量檢測(cè)算法通過比較信號(hào)能量與預(yù)設(shè)閾值實(shí)現(xiàn)頻譜感知，其核心公式為：

其中y(t)為接收信號(hào)，t1至t2檢測(cè)窗口。該算法雖實(shí)現(xiàn)簡(jiǎn)單，但在低信噪比（SNR）環(huán)境下虛警率高達(dá)30%，導(dǎo)致頻繁重傳增加能耗。西安電子科技大學(xué)提出的動(dòng)態(tài)閾值調(diào)整策略，通過實(shí)時(shí)監(jiān)測(cè)噪聲基底并動(dòng)態(tài)修正閾值，在信噪比為-5dB時(shí)將虛警率降至5%以下，同時(shí)減少30%的感知周期，直接降低設(shè)備能耗。

深度學(xué)習(xí)技術(shù)的引入進(jìn)一步突破傳統(tǒng)算法局限?；贚STM神經(jīng)網(wǎng)絡(luò)的OFDM信號(hào)感知算法，通過構(gòu)建時(shí)間序列數(shù)據(jù)集訓(xùn)練模型，實(shí)現(xiàn)端到端信號(hào)檢測(cè)。實(shí)驗(yàn)表明，該算法在保持98%檢測(cè)準(zhǔn)確率的同時(shí)，將單次感知計(jì)算量從傳統(tǒng)方法的

10⁶次浮點(diǎn)運(yùn)算降至10⁴次，能耗降低90%。其核心代碼框架如下：

python

import torch

import torch.nn as nn

class LSTM_Detector(nn.Module):

   def __init__(self, input_size=128, hidden_size=64, num_layers=2):

       super().__init__()

       self.lstm = nn.LSTM(input_size, hidden_size, num_layers, batch_first=True)

       self.fc = nn.Linear(hidden_size, 2)  # 0:空閑, 1:占用

   def forward(self, x):

       out, _ = self.lstm(x)

       out = self.fc(out[:, -1, :])  # 取最后一個(gè)時(shí)間步輸出

       return out

二、協(xié)作感知：空間分集與信任機(jī)制

單節(jié)點(diǎn)感知受限于陰影衰落和多徑效應(yīng)，協(xié)作感知通過多節(jié)點(diǎn)信息融合可提升檢測(cè)可靠性。傳統(tǒng)協(xié)作算法采用“硬判決”融合（如AND/OR規(guī)則），但惡意節(jié)點(diǎn)注入虛假信息會(huì)導(dǎo)致系統(tǒng)誤判?；谪惾~斯信任模型的協(xié)作感知算法，通過量化節(jié)點(diǎn)歷史行為動(dòng)態(tài)調(diào)整權(quán)重，其信任值更新公式為：

其中Ti,j為節(jié)點(diǎn)j對(duì)節(jié)點(diǎn)i的信任值，Dj為節(jié)點(diǎn)j的檢測(cè)結(jié)果，Hi為實(shí)際頻譜狀態(tài)。仿真顯示，該機(jī)制在10%惡意節(jié)點(diǎn)環(huán)境下仍能保持95%以上的檢測(cè)準(zhǔn)確率，相比傳統(tǒng)方法減少40%的無效傳輸，能耗優(yōu)化效果顯著。

三、硬件協(xié)同：壓縮感知與能量均衡

寬帶頻譜感知需處理GHz級(jí)帶寬信號(hào)，傳統(tǒng)Nyquist采樣導(dǎo)致硬件功耗劇增。壓縮感知（Compressive Sensing, CS）技術(shù)通過稀疏采樣與重構(gòu)算法突破香農(nóng)定理限制，其數(shù)學(xué)模型為：

y=Φx

其中

y

為觀測(cè)向量，

Φ

為測(cè)量矩陣，

x

為原始信號(hào)。采用高斯隨機(jī)矩陣作為

Φ

，可在采樣率降至20%時(shí)仍保持90%以上的重構(gòu)精度。華為OptiXtrans E9600設(shè)備結(jié)合CS技術(shù)，實(shí)現(xiàn)單纖32Tbps傳輸容量，功耗較傳統(tǒng)方案降低35%。

能量均衡策略進(jìn)一步優(yōu)化節(jié)點(diǎn)能耗?；谛诺罓顟B(tài)信息（CSI）和剩余能量（REI）的最優(yōu)中繼選擇算法，通過歸一化能效函數(shù)：

其中Ri,j為信道速率，Pi發(fā)射功率，Er,i為剩余能量，Emax為電池容量。該算法在雙向中繼網(wǎng)絡(luò)中實(shí)現(xiàn)15%的能效提升，延長(zhǎng)節(jié)點(diǎn)續(xù)航時(shí)間40%。

四、未來展望

隨著6G太赫茲通信與量子感知技術(shù)的發(fā)展，頻譜感知將向超高速、超低功耗方向演進(jìn)。AI驅(qū)動(dòng)的智能感知框架可動(dòng)態(tài)適配不同場(chǎng)景需求，例如在工業(yè)物聯(lián)網(wǎng)中優(yōu)先保障低時(shí)延，在智慧城市中側(cè)重高能效。據(jù)Omdia預(yù)測(cè)，到2027年，優(yōu)化后的認(rèn)知無線電設(shè)備將占據(jù)全球無線終端市場(chǎng)的30%，成為構(gòu)建綠色通信網(wǎng)絡(luò)的核心基礎(chǔ)設(shè)施。