1. 研究目的与意义
背景：随着汽车数量的不断增加，在给人们的生活带来便利的同时也产生了很多问题为了解决不断出现的交通拥堵和驾驶安全等问题智能交通系统(its)[1]应运而生，并作为一种有效地交通控制系统得到广泛关注和快速发展。车载自组网[2]是智能交通的重要组成部分，可以改善道路中行驶车辆的安全性和舒适性，对社会产生了很大的影响。然而，虽然车载网络可以解决传统交通系统所不能解决的一系列问题，但是频谱资源的短缺使得车载网的发展受到一定限制。美国联邦通信委员会（fcc）在5.9ghz的频段上为短距通信(dsrc)分配了七个10mhz的信道，用以支持道路安全，同时有效的利用剩下的频谱资源[2]。但是，当发生交通事故或者自然灾害或严重道路堵塞时，大量的车载节点频繁竞争接入现有协议固定分配的带宽(5.9ghz频段75mhz带宽) ，会使得现有网络资源遭到抢占致使频谱资源的短缺，势必影响主用户信息的传输效果。另一方面，对于已经授权的频段可能会出现空闲状态，因此识别主用户是否存在，让认知用户伺机接入，对有效利用频谱资源和缓解频谱资源匮乏的问题显得尤为重要。
目的和意义：为了解决自主车载网中可能存在的频谱资源匮乏的问题，将认知无线电技术应用到车载自组网中来。认知无线电系统的根本的目标是通过智能的选择主用户时间和空间上没有占用的频谱资源来建立无处不在的一对一的链接。频谱感知是认知无线电的关键技术，不仅可以确保其他用户不干扰主用户的正常通信，并且其准确的检测也为认知用户提供更多机会来使用空闲频谱资源。目前的单节点频谱感知技术主要有匹配滤波检测[3]、循环平稳特征检测[4]和能量检测[5]。对于匹配滤波检测，有相对较好的检测效果，但是不足之处在于需要有主用户信号的先验知识；而循环平稳特征检测是通过信号的平稳特征性进行频谱感知，导致计算量大；对于能量检测，因其运算简单的特点,是当前使用最广泛的频谱感知方法，但该方法在低信噪比的情况下，检测效率较低,并且由于信噪比墙[6]的存在,当噪声的不确定性较高时，检测性能会大大降低。
分形维数是分形理论中的主要参数，它定量描述分形集的复杂性。通信信号作为一种时间序列，分形能有效地刻画这一时间序列[7]。分形特征包括振幅，频率和相位信息，并集中体现了调制模式的差异信息。赵春晖提出了基于分形盒维数的频普感知技术[8],但是仿真显示这项仅仅在高信噪比的情况下才有较高的检测效果 ；陈小波在此基础上提出了基于盒维数的双门限频谱感知方法[9]，提高了在低信噪比情况下的检测效果。富爽利用频域sevcik分形维数进行频谱感知[10]，检测效果得到了大大改善。在现实道路环境中，信道变化比较复杂，要求一项能快速识别主用户的频谱感知技术。并且，车辆之间的快速行驶，也会导致认知用户之间信息交互效率有所降低。
2. 研究内容和预期目标
2.1 研究内容： (1)现实交通中车辆的行驶速度较快，需要研究一种能快速识别主用户的技术。Sevcik分形维数能够提取信号中的分形特征包括振幅，频率和相位信息。不仅能识别噪声和信号，且能够检测调制类型。因此，将Sevcik分形维数应用在认知车载网的主用户识别技术中,研究其检测效果； (2)交通道路的信道比较复杂且会存在各种干扰，在信噪比较低的环境下，单个用户的频谱感知可能会出现识别主用户误差。因此，设置双门限，并通过多个认知用户联合判决，提高检测效果。 (3)现实生活中噪声是未知的，需要研究噪声不确定性对检测效果的影响。2.2预期目标：(1)通过频域Sevcik分形维数的主用户识别方法，在信噪比大于-15dB的情况下，检测效果达到80%以上；
(2)通过双门限联合判决改进后的识别方法，信噪比大于-15dB检测效果达到85%，并且信噪比低于-15dB时，检测效果显著提高。
3. 研究的方法与步骤
3.1研究方法：
(1)如下图的系统框图所示，通过对接受信号进行离散傅里叶变换，之后计算信号的sevcik分形维数提取信号的特征，然后具体分析信号和噪声的分形维数，从而找出门限值来判断有无主用户信号。
4. 参考文献
[1]陆化普,李瑞敏.城市智能交通系统的发展现状与趋势[j].工程研究-跨学科视野中的工程,2014,6(01):6-19.
[2]张士兵,王婷婷,张晓格,邱恭安.智能交通车载网的现状及其发展策略[j].通信技术,2017,50(07):1345-1350
[3]kim h，shin k g. efficient discovery of spectrum opportunities with mac-layer sensing in cognitive radio networks[j]. ieee transactions on mobile computing, 2008,7(5):533-545.
5. 计划与进度安排
（1）第1周了解认知车载网络、认知主用户识别的基本概念；
（2）第2～3周理解盒维数、sevcik分形维数等算法在通信信号特征检测
中的应用，撰写并提交开题报告；
