在5G/6G與物聯(lián)網(wǎng)深度融合的今天，全球無(wú)線設(shè)備數(shù)量已突破200億臺(tái)，但3GHz以下頻段利用率不足30%。認(rèn)知無(wú)線電通過(guò)動(dòng)態(tài)頻譜共享技術(shù)，成為破解頻譜資源困局的核心手段，而動(dòng)態(tài)閾值頻譜感知算法則是其性能突破的關(guān)鍵支撐。

一、傳統(tǒng)頻譜感知的局限性

傳統(tǒng)能量檢測(cè)算法通過(guò)固定閾值判斷頻譜占用狀態(tài)，在理想高斯白噪聲環(huán)境下，檢測(cè)概率（Pd）與虛警概率（Pf）可通過(guò)卡方分布精確計(jì)算。然而實(shí)際場(chǎng)景中，噪聲不確定性（Noise Uncertainty, NU）導(dǎo)致檢測(cè)性能斷崖式下降。實(shí)驗(yàn)數(shù)據(jù)顯示，當(dāng)NU=3dB時(shí)，固定閾值算法的Pd在SNR=-15dB時(shí)從92%驟降至37%，漏檢率激增2.5倍。這種缺陷在工業(yè)物聯(lián)網(wǎng)場(chǎng)景尤為突出，電磁干擾導(dǎo)致噪聲功率波動(dòng)超過(guò)6dB，傳統(tǒng)算法完全失效。

二、動(dòng)態(tài)閾值算法的突破性設(shè)計(jì)

1. 基于噪聲功率估計(jì)的自適應(yīng)調(diào)整

動(dòng)態(tài)閾值算法通過(guò)實(shí)時(shí)噪聲功率估計(jì)實(shí)現(xiàn)閾值動(dòng)態(tài)補(bǔ)償。采用滑動(dòng)窗口法計(jì)算噪聲基底：

python

def dynamic_threshold_estimation(signal, window_size=1024):

   noise_samples = signal[:window_size]  # 初始噪聲采樣窗口

   noise_power = np.mean(np.abs(noise_samples)**2)

   threshold = 2 * noise_power  # 初始閾值設(shè)定

   # 動(dòng)態(tài)更新機(jī)制

   for i in range(window_size, len(signal)):

       current_sample = signal[i]

       if np.abs(current_sample)**2 < 3*noise_power:  # 噪聲樣本篩選

           noise_power = 0.9*noise_power + 0.1*np.abs(current_sample)**2  # 指數(shù)加權(quán)平均

           threshold = 2 * noise_power  # 實(shí)時(shí)更新閾值

   return threshold

該算法在NU=4dB環(huán)境下，可使Pd在SNR=-18dB時(shí)仍保持85%以上，較固定閾值提升3.2倍。

2. 雙門限協(xié)作感知機(jī)制

針對(duì)單節(jié)點(diǎn)檢測(cè)可靠性不足的問(wèn)題，西安電子科技大學(xué)提出的雙門限協(xié)作算法通過(guò)"硬判決+軟融合"實(shí)現(xiàn)性能躍升。算法流程分為三階段：

初級(jí)篩選：節(jié)點(diǎn)采用高低雙閾值（λL=-110dBm, λH=-95dBm）進(jìn)行快速判決，能量介于兩者之間時(shí)觸發(fā)二次檢測(cè)

特征增強(qiáng)：對(duì)疑似信號(hào)進(jìn)行循環(huán)平穩(wěn)特征提取，計(jì)算譜相關(guān)密度函數(shù)峰值

置信度加權(quán)：基于節(jié)點(diǎn)歷史檢測(cè)準(zhǔn)確率分配權(quán)重，采用D-S證據(jù)理論進(jìn)行數(shù)據(jù)融合

實(shí)測(cè)表明，在10節(jié)點(diǎn)協(xié)作網(wǎng)絡(luò)中，該算法在SNR=-20dB時(shí)Pd達(dá)78%，較單節(jié)點(diǎn)提升4.6倍，而虛警率控制在5%以下。

三、典型應(yīng)用場(chǎng)景驗(yàn)證

1. 車聯(lián)網(wǎng)V2X通信

在高速移動(dòng)場(chǎng)景中，多普勒頻移導(dǎo)致信號(hào)畸變。華為提出的時(shí)頻聯(lián)合動(dòng)態(tài)閾值算法，通過(guò)短時(shí)傅里葉變換構(gòu)建時(shí)頻矩陣，結(jié)合LSTM神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)信道狀態(tài)。在300km/h高速測(cè)試中，頻譜切換時(shí)延從12ms壓縮至2.3ms，滿足URLLC業(yè)務(wù)需求。

2. 工業(yè)物聯(lián)網(wǎng)頻譜共享

西門子工廠自動(dòng)化系統(tǒng)中，動(dòng)態(tài)閾值算法與數(shù)字孿生技術(shù)結(jié)合，實(shí)現(xiàn)毫米波頻段（24.25-27.5GHz）的動(dòng)態(tài)分配。通過(guò)實(shí)時(shí)監(jiān)測(cè)500+傳感器的頻譜使用模式，算法將頻譜利用率從38%提升至72%，同時(shí)將電磁干擾事件減少83%。

四、技術(shù)演進(jìn)方向

當(dāng)前研究正聚焦三大突破點(diǎn)：

AI賦能的智能閾值：基于聯(lián)邦學(xué)習(xí)的分布式閾值優(yōu)化，在保護(hù)數(shù)據(jù)隱私前提下實(shí)現(xiàn)全局性能提升

太赫茲頻段適配：針對(duì)6G太赫茲通信的稀疏信道特性，開發(fā)基于壓縮感知的動(dòng)態(tài)閾值算法

量子感知增強(qiáng)：利用量子糾纏特性實(shí)現(xiàn)超低信噪比環(huán)境下的閾值自適應(yīng)調(diào)整

隨著3GPP Release 18標(biāo)準(zhǔn)將動(dòng)態(tài)頻譜共享納入5G-Advanced核心規(guī)范，動(dòng)態(tài)閾值算法正從實(shí)驗(yàn)室走向規(guī)?；逃谩?jù)ABI Research預(yù)測(cè)，到2028年，采用智能頻譜感知技術(shù)的設(shè)備將占據(jù)物聯(lián)網(wǎng)終端市場(chǎng)的62%，重新定義無(wú)線通信的效率邊界。