首页 / 专利库 / 电信 / 认知无线电 / 一种认知无线电中的统计频谱检测方法

一种认知无线电中的统计频谱检测方法

阅读:522发布:2020-05-11

专利汇可以提供一种认知无线电中的统计频谱检测方法专利检索,专利查询,专利分析的服务。并且本 发明 公开的一种 认知无线电 中的统计 频谱 检测方法,包括以下步骤:设定整体的运算模型;根据接收 信号 Y的元素的已知经验 累积分布函数 zi,升序排列得到 通过计算已知经验累积分布函数CDF的函数ρ(i),随后计算得出矢量ρ,并将矢量ρ的元素升序排列得到矢量 计算出检验统计量Ts;给定虚警率Pfa,计算出对应的检验 门 限λs,判断检验统计量Ts与λs的大小以确定主用户是否存在。本发明一种认知无线电中的统计频谱检测方法通过利用接收信号样本的顺序分位数实现频谱 感知 ,可实时鲁棒地感知信道的占用情况,并通过蒙特卡罗仿真验证其性能,所提频谱检测 算法 在AWGN信道下检测性能明显优于传统的 能量 检测法,特别是在低 信噪比 和小样本条件下,性能提高表现的尤为明显。,下面是一种认知无线电中的统计频谱检测方法专利的具体信息内容。

1.一种认知无线电中的统计频谱检测方法,其特征在于,包括以下步骤:
步骤1,模型建立:
假设只有一个主用户和一个次用户,使用的是AWGN信道,且主用户和次用户周围不存在干扰;次用户从认知信道中采集的基带信号样点序列为复数序列,但实部虚部可分别进行检测,设次用户的复数序列中实部或虚部均可表示为公式(1):
公式(1)中,参数yi表示复数序列中第i个样点,参数h表示接收信噪比SNR,参数m表示主用户的发送信号,参数wi表示零均值、单位方差的实部高斯白噪声的第i个样本,参数N表示采样得到的样点总数;
则AWGN信道下认知无线电系统中的频谱检测表示为如下二元假设检验模型,如公式(2):
公式(2)中,参数H0表示主用户信号不存在;参数H1表示主用户信号存在;在H0情况下,接收信号仅仅是高斯白噪声;在H1情况下,接收信号为高斯白噪声和主用户信号的混合;
令Fn(y)代表接收信号Y的经验累积分布函数CDF,如公式(3):
公式(3)中,当主用户未发送信号时接收信号为高斯白噪声,其样本Y0的累积分布函数F0(y)为公式(4),
当主用户传输信号时,由于采用的调制方式和信道特性的不同,样本Y1,Y2,…Yi,Yn不可能来自相同的累积分布函数F0(y),故公式(2)中的二元假设检验模型可表述为:
步骤2,根据步骤1中接收信号Y的元素的已知经验累积分布函数CDF,即为zi,升序排列得到 通过结果 计算已知经验累积分布函数CDF的函数ρ(i);
步骤3,根据步骤2中得到函数ρ(i),计算得出矢量ρ,并将矢量ρ的元素升序排列得到矢量 根据公式(13)计算出检验统计量Ts;
步骤4,给定虚警率Pfa,计算出对应的检验限λs;
步骤5,判断检验统计量Ts与检验门限λs的大小以确定主用户是否存在,当检验统计量Ts大于检验门限λs,则认为主用户传输信号,否则认为信道空闲。
2.根据权利要求1所述的一种认知无线电中的统计频谱检测方法,其特征在于,所述步骤2的具体步骤为:
步骤2.1,计算接收信号Y的元素对应的已知经验累积分布函数CDF,即函数zi,zi=F0(yi),i∈S                       (6)
公式(6)中参数S为样本空间;
步骤2.2,将步骤2.1中的函数zi按照幅度大小进行升序排列,将定义函数为z:
z=[z1,z2,...,zN]T                     (7)
将z的元素按照幅度大小升序排列,记为:
其中 为通过将z升序排列得到的矢量;
步骤2.3,将步骤2.2得到的 的元素通过贝塔函数zi变换得到公式(10):
ρi=β(z(i);i,N-i+1),i∈S               (10)
公式(10)中β(z(i);α,γ)代表贝塔CDF,其中α,γ为分布的形状参数;同时,定义:
T
ρ=[ρ1,ρ2,...,ρN]                   (11)
当α=i、γ=N-i+1时,通过部分积分ρi可化简为:
公式(12)中,参数j表示下标,取值为j=i,i+1,...,N。
3.根据权利要求2所述的一种认知无线电中的统计频谱检测方法,其特征在于,所述步骤3中检验统计量Ts的表达式为:
公式(13)中,参数n表示样本大小。
4.根据权利要求3所述的一种认知无线电中的统计频谱检测方法,其特征在于,所述步骤3中虚警率Pfa和检验门限λs满足公式(14):
Pfa=P{Ts>λs|H0}                   (14)
其中检验门限λs可由P{Ts>λs|H0}=α'得出,α'为显著性平,其中检测概率可表达为:
Pd=P{Ts>λs|H1}=1-P{Ts≤λs|H1}           (15)。
5.根据权利要求4所述的一种认知无线电中的统计频谱检测方法,其特征在于,所述检验门限λs的取值范围:9.1≤λs≤195.4。

说明书全文

一种认知无线电中的统计频谱检测方法

技术领域

[0001] 本发明属于频谱检测方法技术领域,具体涉及一种认知无线电中的统计频谱检测方法。

背景技术

[0002] 认知无线电系统中,次用户的一个重要功能是检测主用户是否占用信道,从而使得次用户不引起干扰地接入信道。因此,在低信噪比(SNR)下设计快速、准确的频谱检测算法是一项具有挑战意义的任务。
[0003] 已有不少文献提出了不少频谱检测算法,其中利用主用户的先验知识进行频谱检测的主要方法有:循环平稳频谱检测法、匹配滤波器检测法和基于特征值的频谱检测。然而,这类方法需要对主用户传输信号的某些参数进行估计,一旦对所需参数估计不准确,就会导致检测性能的下降。如:循环平稳频谱检测法需要已知主用户发射信号的调制方式,且所需样本时间长、计算复杂度高;可使信噪比(SNR)最大的匹配滤波器检测法需要相位同步和已知信号的调制方式、波形等信息,且针对每个特殊的信号要专设计一个匹配滤波器,这使得实际中往往较难实现;基于特征值的频谱检测法则需要较大的信号样本个数才能达到较好检测性能,而这导致检测时间较长,无法保证实时频谱检测。
[0004] 实际中,认知无线电的接收端不可能已知主用户的信号结构和信息,因此,不需要主用户任何先验信息的能量(ED)检测法得到了广泛应用。ED检测法基于发送信号的能量与干扰噪声之差进行频谱检测,然而,当信噪比(SNR)很低时,信号能量与噪声之差太小而无法区别信号或噪声,这使得低信噪比(SNR)下ED检测法的检测性能急剧下降。

发明内容

[0005] 本发明的目的是提供一种认知无线电中的统计频谱检测方法,解决了现有检测方法在低信噪比和小样本条件下,检测结果不准确的问题。
[0006] 本发明所采用的技术方案是,一种认知无线电中的统计频谱检测方法,包括以下步骤:
[0007] 步骤1,模型建立:
[0008] 假设只有一个主用户和一个次用户,使用的是AWGN信道,且主用户和次用户周围不存在干扰;次用户从认知信道中采集的基带信号样点序列为复数序列,但实部虚部可分别进行检测,设次用户的复数序列中实部或虚部均可表示为公式(1):
[0009]
[0010] 公式(1)中,参数yi表示复数序列中第i个样点,参数h表示接收信噪比SNR,参数m表示主用户的发送信号,参数wi表示零均值、单位方差的实部高斯白噪声的第i个样本,参数N表示采样得到的样点总数;
[0011] 则AWGN信道下认知无线电系统中的频谱检测表示为如下二元假设检验模型,如公式(2):
[0012]
[0013] 公式(2)中,参数H0表示主用户信号不存在;参数H1表示主用户信号存在;在H0情况下,接收信号仅仅是高斯白噪声;在H1情况下,接收信号为高斯白噪声和主用户信号的混合;
[0014] 令Fn(y)代表接收信号Y的经验累积分布函数CDF,如公式(3):
[0015]
[0016] 公式(3)中,当主用户未发送信号时接收信号为高斯白噪声,其样本Y0的累积分布函数F0(y)为公式(4),
[0017]
[0018] 当主用户传输信号时,由于采用的调制方式和信道特性的不同,样本Y1,Y2,...Yi,Yn不可能来自相同的累积分布函数F0(y),故公式(2)中的二元假设检验模型可表述为:
[0019]
[0020] 步骤2,根据步骤1中接收信号Y的元素的已知经验累积分布函数CDF,即为zi,升序排列得到 通过结果 计算已知经验累积分布函数CDF的函数ρ(i);
[0021] 步骤3,根据步骤2中得到函数ρ(i),计算得出矢量ρ,并将矢量ρ的元素升序排列得到矢量 根据公式(13)计算出检验统计量Ts;
[0022] 步骤4,给定虚警率Pfa,计算出对应的检验门限λs;
[0023] 步骤5,判断检验统计量Ts与检验门限λs的大小以确定主用户是否存在,当检验统计量Ts大于检验门限λs,则认为主用户传输信号,否则认为信道空闲。
[0024] 本发明的特征还在于,
[0025] 步骤2的具体步骤为:
[0026] 步骤2.1,计算接收信号Y的元素对应的已知经验累积分布函数CDF,即函数zi,[0027] zi=F0(yi),i∈S                       (6)
[0028] 公式(6)中参数S为样本空间;
[0029] 步骤2.2,将步骤2.1中的函数zi按照幅度大小进行升序排列,将定义函数为z:
[0030] z=[z1,z2,...,zN]T                     (7)
[0031] 将z的元素按照幅度大小升序排列,记为:
[0032]
[0033] 其中 为通过将z升序排列得到的矢量;
[0034] 步骤2.3,将步骤2.2得到的 的元素通过贝塔函数zi变换得到公式(10):
[0035] ρi=β(z(i);i,N-i+1),i∈S               (10)
[0036] 公式(10)中β(z(i);α,γ)代表贝塔CDF,其中α,γ为分布的形状参数;同时,定义:
[0037] ρ=[ρ1,ρ2,...,ρN]T                   (11)
[0038] 当α=i、γ=N-i+1时,通过部分积分ρi可化简为:
[0039]
[0040] 公式(12)中,参数j表示下标,取值为j=i,i+1,...,N。
[0041] 步骤3中检验统计量Ts的表达式为:
[0042]
[0043] 公式(13)中,参数n表示样本大小。
[0044] 步骤3中虚警率Pfa和检验门限λs满足公式(14):
[0045] Pfa=P{Ts>λs|H0}                   (14)
[0046] 其中检验门限λs可由P{Ts>λs|H0}=α'得出,α'为显著性平,其中检测概率可表达为:
[0047] Pd=P{Ts>λs|H1}=1-P{Ts≤λs|H1}           (15)。
[0048] 检验门限λs的取值范围:9.1≤λs≤195.4。
[0049] 本发明的有益效果是:本发明一种认知无线电中的统计频谱检测方法通过利用接收信号样本的顺序分位数实现频谱感知,可实时鲁棒地感知信道的占用情况,并通过蒙特卡罗仿真验证其性能,所提频谱检测算法在AWGN信道下检测性能明显优于传统的能量检测法,特别是在低信噪比和小样本条件下,性能提高表现的尤为明显。附图说明
[0050] 图1是本发明统计频谱检测方法实施例中AWGN信道下,N=30不同虚警率下的检测概率的曲线图;
[0051] 图2是本发明统计频谱检测方法实施例中AWGN信道下,N=30、虚警率为0.1、不同信噪比下的检测概率的曲线图。

具体实施方式

[0052] 下面结合附图和具体实施方式对本发明进行详细说明。
[0053] 本发明一种认知无线电中的统计频谱检测方法,利用认知信道中采集到的接收信号样本的顺序分位数实现频谱的盲检测。本发明的检测方法基于拟合优度检验,检测原理为:若信道未被主用户占用,则认为次用户在认知无线电信道中采样得到的样本序列为高斯白噪声序列;若主用户占用信道,则得到的样本序列为主用户信号和高斯白噪声叠加的结果,其样点值的分布不符合高斯分布;因此,可通过检验接收信号的样本是否服从高斯分布来判断信道是否被占用,不需要主用户的任何先验知识,仅需要一小段噪声序列的样本,克服了参数估计不准确对检测性能的影响。
[0054] 本发明一种认知无线电中的统计频谱检测方法,包括以下步骤:
[0055] 步骤1,模型建立
[0056] 假设只有一个主用户和一个次用户,使用的是AWGN信道(加性高斯白噪声信道),且主用户和次用户的周围不存在干扰;
[0057] 次用户从认知信道中采集的基带信号样点序列为复数序列,但实部和虚部可分别进行检测,设次用户的复数序列中实部或虚部均可表示为公式(1):
[0058]
[0059] 公式(1)中,参数yi表示复数序列中第i个样点,参数h表示接收信噪比(SNR),参数m表示主用户的发送信号,参数wi表示零均值、单位方差的实部高斯白噪声的第i个样本,参数N表示采样得到的样点总数;
[0060] 则AWGN信道下认知无线电系统中的频谱检测表示为如下二元假设检验模型,如公式(2):
[0061]
[0062] 公式(2)中,参数H0表示主用户信号不存在;参数H1表示主用户信号存在;在H0情况下,接收信号仅仅是高斯白噪声;在H1情况下,接收信号为高斯白噪声和主用户信号的混合;
[0063] 令Fn(y)代表接收信号Y的经验累积分布函数(CDF),如公式(3):
[0064]
[0065] 公式(3)中,当主用户未发送信号时接收信号为高斯白噪声,其样本Y0的累积分布函数F0(y)为公式(4),
[0066]
[0067] 当主用户传输信号时,由于采用的调制方式和信道特性的不同,样本Y1,Y2,…Yi,Yn不可能来自相同的累积分布函数F0(y),故公式(2)中的二元假设检验模型可表述为:
[0068]
[0069] 设主用户信号为零均值循环平稳的,即接收信号可假定为各态历经的,因而概率空间的统计可代之以时间序列的统计。本发明基于拟合优度检验,利用信号样点的顺序分位数在低SNR下的高敏感度,采用信号样点的顺序分位数实现假设检验;不需要主用户的任何先验信息,克服了ED检测法在低SNR下检测性能不理想的缺点,同时与特征值检测法相比,检测所需样本个数较少,可实现快速检测。
[0070] 步骤2,计算步骤1中已知经验累积分布函数(CDF)的函数ρ(i),具体为:
[0071] 步骤2.1,计算接收信号Y的元素对应的已知经验累积分布函数的CDF,即函数zi,[0072] zi=F0(yi),i∈S                       (6)
[0073] 公式(6)中参数S为样本空间;
[0074] 步骤2.2,将步骤2.1中的函数zi按照幅度大小进行升序排列,将定义函数为z:
[0075] z=[z1,z2,…,zN]T                     (7)
[0076] 将z的元素按照幅度大小升序排列:
[0077] z(1)≤z(2)≤…≤z(N)                     (8)
[0078] 记为:
[0079]
[0080] 其中 为通过将z升序排列得到的矢量;
[0081] 步骤2.3,将步骤2.2得到的 的元素通过贝塔函数zi变换得到公式(10):
[0082] ρi=β(z(i);i,N-i+1),i∈S               (10)
[0083] 公式(10)中β(z(i);α,γ)代表贝塔CDF,其中α,γ为分布的形状参数;同时,定义:
[0084] ρ=[ρ1,ρ2,…,ρN]T                   (11)
[0085] 当α=i、γ=N-i+1时,通过部分积分ρi可化简为:
[0086]
[0087] 公式(12)中,参数j表示下标,取值为j=i,i+1,…,N;
[0088] 步骤3,根据步骤2中得到函数ρ(i),计算得出矢量ρ,并将矢量ρ的元素升序排列得到矢量 根据公式(13)计算出检验统计量Ts;
[0089]
[0090] 公式(13)中,参数n表示样本容量,
[0091] 检验统计量Ts的值越小意味着越接近已知的噪声分布;
[0092] 步骤4,给定虚警率Pfa,计算出对应的检验门限λs,其中虚警率Pfa和检验门限λs满足公式(14):
[0093] Pfa=P{Ts>λs|H0}                   (14)
[0094] 其中检验门限λs可由P{Ts>λs|H0}=α'得出,α'为显著性水平,其中检测概率可表达为:
[0095] Pd=P{Ts>λs|H1}=1-P{Ts≤λs|H1}           (15)
[0096] 尽管接收信号样本独立同分布,但是矢量ρ的元素是相关的,因此数学上很难推导出门限的闭合表达式。
[0097] 本申请通过大量仿真(15≤N≤50,0.01≤Pfa≤1.0)近似得出检验统计量Ts的检验门限λs,如表1所示。
[0098] 表1不同样本个数和显著性水平下检验统计量Ts对应的门限
[0099]
[0100] 如表1所示:蒙特卡罗仿真得到的检验门限λs有效值为小数点后4位,为了方便表示,本申请中近似取小数点后两位。
[0101] 步骤5,判断检验统计量Ts与检验门限λs的大小以确定主用户是否存在,当检验统计量Ts大于检验门限λs,则认为主用户传输信号,否则认为信道空闲。
[0102] 为了验证理论分析的结果,给出AWGN信道下本发明统计频谱检测算法与ED检测法的性能对比Matlab仿真与分析:
[0103] 如图1所示,对比了样本个数N=30、信噪比SNR分别取-10dB和-5dB时,本申请统计频谱检测算法与ED检测法的接收机运行特性(ROC)曲线,仿真结果为进行了10000次蒙特卡罗仿真所得,明显可以看出,所提算法的检测概率比ED检测法更快的趋近1。
[0104] 为了进一步验证信噪比对检测性能的影响,如图2所示,为显著性水平虚警率为0.1、样本个数N=30、信噪比SNR从-20dB到0dB变化时,本发明统计频谱检测算法与ED检测法的性能对比曲线。当N=30,SNR=-5dB时,本发明检测概率为0.89,而ED的检测概率仅为
0.42,本发明方法比ED法检测概率高0.47,明显可以看出,所提算明显改善了ED检测法在低信噪比下性能不理想的缺点。
[0105] 综上所述:本发明利用认知无信道中采集到的信号样本的顺序分位数进行频谱检测,可在没有任何主用户先验信息的条件下实现频谱检测,并克服了低信噪比SNR下ED法检测性能不理想的缺点。与ED检测法相比,受噪声不确定度影响较小,与特征值检测法相比,所需样本个数更少从而可实现快速检测。
高效检索全球专利

专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。

我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。

申请试用

分析报告

专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。

申请试用

QQ群二维码
意见反馈