一種認知無線電的頻譜感知方法及系統與流程

2024-02-14 05:07:15

本發明涉及認知無線通信技術領域，特別涉及一種認知無線電的頻譜感知方法及系統。

背景技術：

隨著無線電技術的進步和社會的發展，各行各業對無線電頻率的需求越來越多，頻譜資源匱乏的問題日益嚴重。目前，頻譜資源採用國家統一分配授權的管理模式，將頻譜分為兩種類型：授權頻段和非授權頻段。其中，授權頻段佔據著大部分頻譜資源，如電視廣播頻段，但不少授權頻段處於空閒狀態；開放使用的非授權頻段佔整個頻譜資源的很少一部分，如無線區域網、無線城域網等無線網絡大多使用非授權頻段在工作，該頻段上的用戶很多，業務量也很大，無線電頻段已基本趨於飽和。據美國聯邦通信委員會的研究表明，已分配的頻譜利用率為15％～85％。所以說，頻譜資源的匱乏並不是真正意義上的頻譜資源不足，更多是由頻譜利用率過低造成的。

現有技術中，頻譜感知的方法大多採用能量檢測(ed)算法，該算法是一種最基本、最簡單的信號檢測方法，它無需知道信號的先驗信息，複雜度低，容易實現，在現階段的研究中廣泛應用於信號檢測中。能量檢測方法是一種非連貫性、非相干的檢測算法，檢測的對象是特定頻帶內的頻譜能量，而與具體信號的波形無關，特別適用於未知信號的檢測。

然而，能量檢測算法的判決門限比較難確定，在低信噪比環境下容易受到噪聲不確定性影響產生誤判，從而導致檢測性能急劇下降，即使是能夠自適應的門限值，檢測器也不能做出正確的判斷。因此，如何避免在低信噪比環境下容易受到噪聲不確定性影響產生的誤判，提高頻譜感知的準確性和可靠性，是現今急需解決的問題。

技術實現要素：

本發明的目的是提供一種認知無線電的頻譜感知方法及系統，以利用信號分解和最大特徵值與矩陣跡之比算法結合的頻譜感知方法，提高頻譜感知的準確性和可靠性。

為解決上述技術問題，本發明提供一種認知無線電的頻譜感知方法，包括：

分別將預設數量的次用戶接收到的信號分解成各自對應的i信號和q信號；

根據所述i信號和所述q信號生成分解矩陣，並獲取所述分解矩陣的協方差矩陣；

根據所述協方差矩陣獲取最大特徵值和矩陣跡，並獲取判決統計量；其中，所述判決統計量為所述最大特徵值和所述矩陣跡之比；

判斷所述判決統計量是否大於判決門限；

若是，則存在主用戶；

若否，則不存在主用戶。

可選的，所述分別將預設數量的次用戶接收到的信號分解成各自對應的i信號和q信號，包括：

將每個次用戶各自接收到的信號xi分解成各自對應的i信號和q信號

其中，xi＝[xi(1)xi(2)...xi(n)]，n＝1,2,...,n，fc為載波頻率，fs為採樣頻率，i為所述預設數量的次用戶中任意一個次用戶，n為所述信號xi的採樣次數。

可選的，所述根據所述i信號和所述q信號生成分解矩陣，並獲取所述分解矩陣的協方差矩陣，包括：

根據所述i信號和所述q信號生成分解矩陣y；

其中，y為m×n維的所述分解矩陣，m＝2k，k為所述預設數量；

獲取所述分解矩陣y的協方差矩陣ry(n)；

其中，ry(n)＝e[yyh]＝rs(n)+rn(n)，im為m階單位矩陣，rs(n)為信號空間，rn(n)為噪聲空間，w為所述信號xi中的噪聲信號，wi＝[wi(1)wi(2)...wi(n)]，σ2為噪聲矩陣的特徵值。

可選的，所述判決統計量，具體為：

其中，λmax為所述最大特徵值，tr(ry(n))為所述矩陣跡。

可選的，所述判斷所述判決統計量是否大於判決門限，包括：

判斷tgrmet是否大於判決門限γ；

其中，所述判決門限γ為根據隨機矩陣推導得到的數值，pfa為虛警概率。

此外，本發明還提供了一種認知無線電的頻譜感知系統，包括：

分解模塊，用於分別將預設數量的次用戶接收到的信號分解成各自對應的i信號和q信號；

獲取模塊，用於根據所述i信號和所述q信號生成分解矩陣，並獲取所述分解矩陣的協方差矩陣；

計算模塊，用於根據所述協方差矩陣獲取最大特徵值和矩陣跡，並獲取判決統計量；其中，所述判決統計量為所述最大特徵值和所述矩陣跡之比；

判斷模塊，用於判斷所述判決統計量是否大於判決門限；若是，則存在主用戶；若否，則不存在所述主用戶。

可選的，所述分解模塊，包括：

分解子模塊，用於將每個次用戶各自接收到的信號xi分解成各自對應的i信號和q信號

其中，xi＝[xi(1)xi(2)...xi(n)]，n＝1,2,...,n，fc為載波頻率，fs為採樣頻率，i為所述預設數量的次用戶中任意一個次用戶，n為所述信號xi的採樣次數。

可選的，所述獲取模塊，包括：

第一獲取子模塊，用於根據所述i信號和所述q信號生成分解矩陣y；

其中，y為m×n維的所述分解矩陣，m＝2k，k為所述預設數量；

第二獲取子模塊，用於獲取所述分解矩陣y的協方差矩陣ry(n)；

其中，ry(n)＝e[yyh]＝rs(n)+rn(n)，im為m階單位矩陣，rs(n)為信號空間，rn(n)為噪聲空間，w為所述信號xi中的噪聲信號，wi＝[wi(1)wi(2)...wi(n)]，σ2為噪聲矩陣的特徵值。

可選的，所述計算模塊，包括：

計算子模塊，用於根據所述協方差矩陣y獲取最大特徵值λmax和矩陣跡tr(ry(n))，並獲取判決統計量tgrmet；

其中，

可選的，所述判斷模塊，包括：

判斷子模塊，用於判斷所述判決統計量tgrmet是否大於判決門限γ；若是，則存在所述主用戶；若否，則不存在所述主用戶；

其中，所述判決門限γ為根據隨機矩陣推導得到的數值，pfa為虛警概率。

本發明所提供的一種認知無線電的頻譜感知方法，包括：分別將預設數量的次用戶接收到的信號分解成各自對應的i信號和q信號；根據所述i信號和所述q信號生成分解矩陣，並獲取所述分解矩陣的協方差矩陣；根據所述協方差矩陣獲取最大特徵值和矩陣跡，並獲取判決統計量；其中，所述判決統計量為所述最大特徵值和所述矩陣跡之比；判斷所述判決統計量是否大於判決門限；若是，則存在主用戶；若否，則不存在主用戶；

可見，本發明通過分別將預設數量的次用戶接收到的信號分解成各自對應的i信號和q信號，可以對信號進行分解；通過根據i信號和q信號生成的分解矩陣的協方差矩陣獲取最大特徵值和矩陣跡，並獲取判決統計量，可以將信號分解與最大特徵值與矩陣跡之比算法結合，從而提高頻譜感知方法的準確性和可靠性，提升了用戶體驗。此外，本發明還提供了一種認知無線電的頻譜感知系統，同樣具有上述有益效果。

附圖說明

為了更清楚地說明本發明實施例或現有技術中的技術方案，下面將對實施例或現有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發明的實施例，對於本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據提供的附圖獲得其他的附圖。

圖1為本發明實施例所提供的一種認知無線電的頻譜感知方法的流程圖；

圖2為本發明實施例所提供的一種認知無線電的頻譜感知方法的檢測性能的仿真圖；

圖3為本發明實施例所提供的一種認知無線電的頻譜感知系統的結構圖。

具體實施方式

為使本發明實施例的目的、技術方案和優點更加清楚，下面將結合本發明實施例中的附圖，對本發明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例是本發明一部分實施例，而不是全部的實施例。基於本發明中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都屬於本發明保護的範圍。

請參考圖1，圖1為本發明實施例所提供的一種認知無線電的頻譜感知方法的流程圖。該方法可以包括：

步驟101：分別將預設數量的次用戶接收到的信號分解成各自對應的i信號和q信號。

其中，預設數量可以為頻譜感知系統中的次用戶的數量，對於預設數量的具體數值的設置，可以由設計人員或用戶根據實用場景和用戶需求自行設置，本實施例對此不受任何限制。

具體的，可以假設頻譜感知系統由k個次用戶組成，對於任何一個次用戶，主用戶的信號檢測可以歸納為一個二元假設檢驗問題：

式中：h0表示次用戶接收信號中只存在噪聲；h1表示次用戶接收信號中同時存在信號和噪聲；si(n)表示主用戶信號，wi(n)表示為零均值方差為σ2的高斯白噪聲。

其中，第i個次用戶n次採集到的信號可以為xi＝[xi(1)xi(2)...xi(n)]，噪聲信號為wi＝[wi(1)wi(2)...wi(n)]。通過所有次用戶進行n次採樣，採樣數據可構成一個k×n維的矩陣，可以表示為：

通過分解信號，增加信號數量可以獲的更多的相關信息。將上面的第i個次用戶採集到的信號xi＝[xi(1)xi(2)...xi(n)]分解為i信號和q信號兩部分，表示為：

式中，fc表示載波頻率，fs表示採樣頻率。

可以理解的是，對於將預設數量的次用戶接收到的信號分解成各自對應的i信號和q信號的具體方式，可以採用上述方式，也可以採用其他方式，本實施例對此不受任何限制。

步驟102：根據i信號和q信號生成分解矩陣，並獲取分解矩陣的協方差矩陣。

其中，分解矩陣可以為i信號和q信號組成的矩陣。

具體的，可以將式(3)中k×n維的矩陣，變為i信號和q信號組成的m×n維矩陣，其中，m＝2k，可以表示為

從而可以獲得分解矩陣y的協方差矩陣為：

ry(n)＝e[yyh]＝rs(n)+rn(n)(5)

式中，im為m階單位矩陣，σ2為噪聲矩陣的特徵值。從式(5)可以看出協方差矩陣ry(n)可以由信號空間rs(n)和噪聲空間rn(n)兩部分組成。

步驟103：根據協方差矩陣獲取最大特徵值和矩陣跡，並獲取判決統計量；其中，判決統計量為最大特徵值和矩陣跡之比。

其中，本步驟的目的是通過最大特徵值與矩陣跡之比構建判決統計量，以信號分解獲取的分解矩陣的協方差矩陣的最大特徵值的極限近似代替最大特徵值，從而無需獲知主信號的先驗知識，在不增加算法複雜度的情況下，獲得比傳統的最大特徵值與矩陣跡之比算法的認知無線電的頻譜感知方法(rmet)更好的可靠性和準確性。

可以理解的是，對於根據協方差矩陣獲取最大特徵值和矩陣跡的具體方式，可以採用與現有技術中傳統的最大特徵值與矩陣跡之差算法的認知無線電的頻譜感知方法相似的方式獲取，也可以採用其他方式獲取，本實施例對此不受任何限制。

具體的，判決統計量可以為：

式中，λmax為最大特徵值，tr(ry(n))為矩陣跡。

步驟104：判斷判決統計量是否大於判決門限；若是，則進入步驟105；若否，則進入步驟106。

其中，判決門限可以根據隨機矩陣理論推出，可以為：

可以理解的是，式(8)中，pfa為虛警概率。從式(8)可以看出，判決門限與噪聲無關，算法克服了噪聲不確定性對檢測精度帶來的影響，因此本實施例所提供的利用信號分解和最大特徵值與矩陣跡之比算法結合的頻譜感知方法(grmet)能有效克服噪聲不確定性對檢測性能的影響。

步驟105：存在主用戶。

步驟106：不存在主用戶。

可以理解的是，步驟105和步驟106可以為根據本實施所提供的grmet，對主用戶檢測的兩種結果，對於檢測出存在或不存在主用戶之後的操作，可以由設計人員或用戶根據實用場景和用戶需求自行設置，本實施例對此不受任何限制。

需要說明的是，本實施例所提供的方法可以在現有的最大特徵值與矩陣跡之比算法的認知無線電的頻譜感知方法的基礎上，加入信號分解，從而以信號分解獲取的分解矩陣的協方差矩陣的最大特徵值的極限近似代替最大特徵值，在無需獲知主信號的先驗知識，不增加算法複雜度的情況下，獲得更好的可靠性和準確性。

具體的，可以參考圖2(橫坐標為信噪比，縱坐標為檢測概率)，由圖2所示的仿真結果可知，與原來rmet算法對比，本實施例所提供的grmet的檢測性能有所提升。

本實施例中，本發明實施例通過分別將預設數量的次用戶接收到的信號分解成各自對應的i信號和q信號，可以對信號進行分解；通過根據i信號和q信號生成的分解矩陣的協方差矩陣獲取最大特徵值和矩陣跡，並獲取判決統計量，可以將信號分解與最大特徵值與矩陣跡之比算法結合，從而提高頻譜感知方法的準確性和可靠性，提升了用戶體驗。

請參考圖3，圖3為本發明實施例所提供的一種認知無線電的頻譜感知系統的結構圖。該系統可以包括：

分解模塊100，用於分別將預設數量的次用戶接收到的信號分解成各自對應的i信號和q信號；

獲取模塊200，用於根據i信號和q信號生成分解矩陣，並獲取分解矩陣的協方差矩陣；

計算模塊300，用於根據協方差矩陣獲取最大特徵值和矩陣跡，並獲取判決統計量；其中，判決統計量為最大特徵值和矩陣跡之比；

判斷模塊400，用於判斷判決統計量是否大於判決門限；若是，則存在主用戶；若否，則不存在主用戶。

可選的，分解模塊100，可以包括：

分解子模塊，用於將每個次用戶各自接收到的信號xi分解成各自對應的i信號和q信號

其中，xi＝[xi(1)xi(2)...xi(n)]，n＝1,2,...,n，fc為載波頻率，fs為採樣頻率，i為預設數量的次用戶中任意一個次用戶，n為信號xi的採樣次數。

可選的，獲取模塊200，可以包括：

第一獲取子模塊，用於根據i信號和q信號生成分解矩陣y；

其中，y為m×n維的分解矩陣，m＝2k，k為預設數量；

第二獲取子模塊，用於獲取分解矩陣y的協方差矩陣ry(n)；

其中，ry(n)＝e[yyh]＝rs(n)+rn(n)，im為m階單位矩陣，rs(n)為信號空間，rn(n)為噪聲空間，w為信號xi中的噪聲信號，wi＝[wi(1)wi(2)...wi(n)]，σ2為噪聲矩陣的特徵值。

可選的，計算模塊300，可以包括：

計算子模塊，用於根據協方差矩陣y獲取最大特徵值λmax和矩陣跡tr(ry(n))，並獲取判決統計量tgrmet；

其中，

可選的，判斷模塊400，可以包括：

判斷子模塊，用於判斷判決統計量tgrmet是否大於判決門限γ；若是，則存在主用戶；若否，則不存在主用戶；

其中，判決門限γ為根據隨機矩陣推導得到的數值，pfa為虛警概率。

本實施例中，本發明實施例通過分解模塊100分別將預設數量的次用戶接收到的信號分解成各自對應的i信號和q信號，可以對信號進行分解；通過計算模塊300根據i信號和q信號生成的分解矩陣的協方差矩陣獲取最大特徵值和矩陣跡，並獲取判決統計量，可以將信號分解與最大特徵值與矩陣跡之比算法結合，從而提高頻譜感知方法的準確性和可靠性，提升了用戶體驗。

說明書中各個實施例採用遞進的方式描述，每個實施例重點說明的都是與其他實施例的不同之處，各個實施例之間相同相似部分互相參見即可。對於實施例公開的系統而言，由於其與實施例公開的方法相對應，所以描述的比較簡單，相關之處參見方法部分說明即可。

專業人員還可以進一步意識到，結合本文中所公開的實施例描述的各示例的單元及算法步驟，能夠以電子硬體、計算機軟體或者二者的結合來實現，為了清楚地說明硬體和軟體的可互換性，在上述說明中已經按照功能一般性地描述了各示例的組成及步驟。這些功能究竟以硬體還是軟體方式來執行，取決於技術方案的特定應用和設計約束條件。專業技術人員可以對每個特定的應用來使用不同方法來實現所描述的功能，但是這種實現不應認為超出本發明的範圍。

結合本文中所公開的實施例描述的方法或算法的步驟可以直接用硬體、處理器執行的軟體模塊，或者二者的結合來實施。軟體模塊可以置於隨機存儲器(ram)、內存、只讀存儲器(rom)、電可編程rom、電可擦除可編程rom、寄存器、硬碟、可移動磁碟、cd-rom、或技術領域內所公知的任意其它形式的存儲介質中。

以上對本發明所提供的認知無線電的頻譜感知方法及系統進行了詳細介紹。本文中應用了具體個例對本發明的原理及實施方式進行了闡述，以上實施例的說明只是用於幫助理解本發明的方法及其核心思想。應當指出，對於本技術領域的普通技術人員來說，在不脫離本發明原理的前提下，還可以對本發明進行若干改進和修飾，這些改進和修飾也落入本發明權利要求的保護範圍內。