【动态频谱感知与分配】模拟了一种适用于认知无线电应用的动态频谱分配系统附Matlab代码

✅作者简介：热爱科研的Matlab仿真开发者，擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。

🍎 往期回顾关注个人主页：Matlab科研工作室

🍊个人信条：格物致知,完整Matlab代码及仿真咨询内容私信。

🔥 内容介绍

一、研究背景与需求分析

随着无线通信技术的快速发展，频谱资源作为核心通信基础设施，面临 “稀缺性与低利用率并存” 的矛盾：一方面，传统静态频谱分配机制将大部分频段固定分配给授权用户（Primary User, PU），导致授权频段在部分时间与区域处于空闲状态（据 FCC 统计，授权频段利用率仅为 15%-85%）；另一方面，物联网、5G/6G 海量连接、车联网等新兴业务对频谱资源的需求持续激增，非授权频段拥堵问题日益突出。

认知无线电（Cognitive Radio, CR）技术作为解决频谱供需矛盾的关键手段，通过 “感知 - 决策 - 分配 - 使用” 的动态机制，允许非授权用户（Secondary User, SU）在不干扰授权用户的前提下，临时接入空闲授权频段，而动态频谱分配（Dynamic Spectrum Allocation, DSA） 作为认知无线电的核心功能模块，直接决定了频谱资源的利用效率与用户通信质量。当前认知无线电动态频谱分配面临三大核心需求：

1. 实时性需求：授权用户可能随时恢复使用频段，需快速检测频谱空闲状态并完成 SU 接入 / 退出调度，避免干扰；

1. 公平性需求：多个 SU 同时竞争空闲频谱时，需平衡不同 SU 的业务优先级（如紧急通信 SU 优先于普通数据 SU）与接入机会，避免 “频谱饥饿”；

1. 抗干扰需求：分配策略需抑制 SU 间的同频干扰，同时确保 SU 对 PU 的干扰低于预设阈值（如 IEEE 802.22 标准规定 SU 对 PU 的干扰功率需≤-116dBm）。

基于此，本研究模拟设计一种 “感知 - 决策 - 分配 - 反馈” 闭环的动态频谱分配系统，针对认知无线电典型应用场景（如城市应急通信、偏远地区无线覆盖），实现频谱资源的高效、公平、低干扰分配。

二、动态频谱分配系统总体设计框架

本系统采用分层架构设计，从下至上分为物理层（频谱感知）、决策层（分配策略）、应用层（用户交互） ，各层通过标准化接口实现数据交互，形成闭环控制。系统总体框架如图 1 所示：

（一）系统核心模块功能定义

1. 频谱感知模块（物理层）

作为系统的 “眼睛”，负责实时检测授权频段的空闲状态，输出 “频谱空洞”（Spectrum Hole）的位置（频段）、持续时间与信道质量。采用 “能量检测 + 循环平稳特征检测” 混合感知算法：

• 能量检测：快速判断频段是否存在信号（检测时间≤10ms），适用于实时性要求高的场景；

• 循环平稳特征检测：通过提取 PU 信号的周期性特征（如调制信号的载频、符号速率），区分 PU 信号与噪声 / SU 信号，降低虚警率（目标虚警率≤5%）。

感知结果以 “频谱占用矩阵” 形式输出，矩阵维度为 “频段数 × 时间片”（如 100 个授权频段，时间片长度为 20ms），元素值 “1” 表示频段占用，“0” 表示空闲。

1. 频谱决策模块（决策层）

作为系统的 “大脑”，基于感知模块输出的频谱空洞信息与 SU 业务需求，制定分配策略。核心功能包括：

• SU 需求解析：收集 SU 的业务类型（语音 / 数据 / 视频）、带宽需求（如语音 SU 需 10kHz，视频 SU 需 2MHz）、优先级（1-5 级，1 级最高）与 QoS 要求（如时延≤100ms，丢包率≤1%）；

• 频谱空洞匹配：建立 “频谱空洞 - SU 需求” 匹配模型，过滤不满足 SU 带宽与 QoS 的频段（如将带宽 2MHz 的空洞优先匹配视频 SU）；

• 冲突解决：当多个 SU 竞争同一频谱空洞时，采用 “优先级 - 信道质量” 加权决策机制，权重系数根据应用场景动态调整（如应急通信场景中，优先级权重占比 80%；普通数据场景中，信道质量权重占比 60%）。

1. 频谱分配与执行模块（决策层 - 物理层交互）

将决策模块生成的分配方案转化为物理层可执行的指令，包括：

• 频段分配：为 SU 指定具体接入频段（如 SU1 接入 800MHz-800.5MHz 频段）；

• 功率控制：根据 SU 与 PU 的距离（通过定位模块获取）调整 SU 发射功率，确保干扰功率低于阈值（如 SU 与 PU 距离 1km 时，发射功率≤10mW）；

• 切换控制：当 PU 恢复使用频段或频谱空洞消失时，触发 SU 快速切换至其他空闲频段（切换时间≤50ms），避免通信中断。

1. 反馈与优化模块（全层交互）

实时监测 SU 通信质量（如信噪比、时延、丢包率）与 PU 干扰情况，反馈至决策模块，动态优化分配策略：

• 若 SU 通信质量低于 QoS 要求（如时延＞100ms），则重新匹配更优频谱空洞；

• 若检测到 SU 对 PU 的干扰接近阈值（如干扰功率 =-118dBm），则降低 SU 发射功率或触发频段切换。

1. 用户交互模块（应用层）

提供 SU 接入注册、业务需求提交、通信状态查询接口，同时向 PU 提供频谱占用告警功能（如 PU 即将使用的频段存在 SU 时，提前 100ms 发送告警）。

三、关键技术模拟实现

（一）频谱感知算法模拟

基于 MATLAB 搭建感知算法仿真平台，模拟城市多径衰落信道环境（信道模型采用 COST 231-Walfisch-Ikegami 模型），关键参数设置如下：

• 授权频段范围：800MHz-2.6GHz，划分为 100 个连续子频段，每个子频段带宽 500kHz；

• PU 信号类型：GSM（语音）、LTE（数据），信号功率 - 80dBm~-60dBm；

• SU 信号类型：IEEE 802.11af（电视白空间通信），接收灵敏度 - 105dBm；

• 噪声功率：-114dBm/Hz。

模拟结果：混合感知算法的检测概率在 SNR=-10dB 时达到 90%，虚警率控制在 3% 以内，较单一能量检测算法（SNR=-10dB 时检测概率 65%）提升显著，满足认知无线电实时感知需求。

⛳️ 运行结果

🔗 参考文献

[1] 朱建新.一种认知无线电频谱感知系统硬件平台的设计[D].北京邮电大学[2025-11-11].DOI:CNKI:CDMD:2.1011.121768.

[2] 张伟卫.认知无线电动态频谱管理技术研究[D].杭州电子科技大学[2025-11-11].DOI:10.7666/d.y1871268.

[3] 胡首都,郭龙,仵国锋.一种认知无线电系统频谱分配和频谱感知联合设计[J].信息工程大学学报, 2011, 12(2):5.DOI:10.3969/j.issn.1671-0673.2011.02.010.

📣 部分代码

🎈 部分理论引用网络文献，若有侵权联系博主删除

 👇 关注我领取海量matlab电子书和数学建模资料 

🏆团队擅长辅导定制多种科研领域MATLAB仿真，助力科研梦：

🌈 各类智能优化算法改进及应用

生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱调度、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划（2E-VRP）、充电车辆路径规划（EVRP）、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题、港口调度、港口岸桥调度、停机位分配、机场航班调度、泄漏源定位

🌈 机器学习和深度学习时序、回归、分类、聚类和降维

2.1 bp时序、回归预测和分类

2.2 ENS声神经网络时序、回归预测和分类

2.3 SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类

2.4 CNN|TCN|GCN卷积神经网络系列时序、回归预测和分类

2.5 ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类

2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类

2.7 ELMAN递归神经网络时序、回归\预测和分类

2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类

2.9 RBF径向基神经网络时序、回归预测和分类

2.10 DBN深度置信网络时序、回归预测和分类

2.11 FNN模糊神经网络时序、回归预测

2.12 RF随机森林时序、回归预测和分类

2.13 BLS宽度学习时序、回归预测和分类

2.14 PNN脉冲神经网络分类

2.15 模糊小波神经网络预测和分类

2.16 时序、回归预测和分类

2.17 时序、回归预测预测和分类

2.18 XGBOOST集成学习时序、回归预测预测和分类

2.19 Transform各类组合时序、回归预测预测和分类

方向涵盖风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、用电量预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

🌈图像处理方面

图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

🌈 路径规划方面

旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、 充电车辆路径规划（EVRP）、 双层车辆路径规划（2E-VRP）、 油电混合车辆路径规划、 船舶航迹规划、 全路径规划规划、 仓储巡逻

🌈 无人机应用方面

无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配、无人机安全通信轨迹在线优化、车辆协同无人机路径规划

🌈 通信方面

传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化、水声通信、通信上传下载分配

🌈 信号处理方面

信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化、心电信号、DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理+传输+分析+去噪、数字信号调制、误码率、信号估计、DTMF、信号检测

🌈电力系统方面

微电网优化、无功优化、配电网重构、储能配置、有序充电、MPPT优化、家庭用电

🌈 元胞自动机方面

交通流 人群疏散 病毒扩散 晶体生长 金属腐蚀

🌈 雷达方面

卡尔曼滤波跟踪、航迹关联、航迹融合、SOC估计、阵列优化、NLOS识别

🌈 车间调度

零等待流水车间调度问题NWFSP 、 置换流水车间调度问题PFSP、 混合流水车间调度问题HFSP 、零空闲流水车间调度问题NIFSP、分布式置换流水车间调度问题 DPFSP、阻塞流水车间调度问题BFSP

👇