CN101807960A - 基于小波包变换实现自适应频谱感知的方法 - Google Patents
基于小波包变换实现自适应频谱感知的方法 Download PDFInfo
- Publication number
- CN101807960A CN101807960A CN200910006462A CN200910006462A CN101807960A CN 101807960 A CN101807960 A CN 101807960A CN 200910006462 A CN200910006462 A CN 200910006462A CN 200910006462 A CN200910006462 A CN 200910006462A CN 101807960 A CN101807960 A CN 101807960A
- Authority
- CN
- China
- Prior art keywords
- wavelet
- frequency
- signal
- band
- conversion
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Abstract
一种基于小波包变换实现自适应频谱感知的方法,包括步骤:在天线接收到射频信号之后,通过带通滤波器,得到要感知的频段的接收信号;经过滤波器后的信号进行下变频从射频变到中频或者基带;下变频后的信号进行模数转换,抽样量化;抽样后的信号进行自适应多层小波包变换;对每个子频带的平均信号功率与门限进行比较,得到频谱空洞。本发明通过小波包的消噪处理能够减少噪声的影响,从而实现低信噪比情况下的频谱感知。
Description
技术领域
本发明涉及认知无线电,特别涉及基于小波包变换实现自适应频谱感知的方法。
背景技术
认知无线电(Cognitive Radio)是为了解决未来无线通信中可用频谱资源紧缺,传统固定频谱分配机制利用率不高而提出的一种频谱共享技术,认知无线电通过对周围无线环境进行频谱感知(Spectrum Sensing),并基于频谱感知的结果选择合适的空闲工作频段,调整无线传输参数,即避免了对该频段上有使用许可用户系统的干扰,又保证了认知设备的传输。认知无线电中一个关键技术和实现的前提就是如何保证准确而快速的进行频谱感知。
在认知无线电系统中,常见的单节点频谱感知方法包括能量检测,匹配滤波器,循环平稳特征检测等,这些感知方法都存在着不足,如能量检测器虽然实现比较简单,但是容易受到信道和噪声不确定性的影响。在单节点频谱感知的基础上基于协作的办法提出了协作感知的方法,即融合多个认知设备频谱感知的结果做出总的判决,从而能降低由于无线信道衰落或阴影对感知性能的影响。
在认知无线电系统中,常见的频谱感知方法按照参与感知的节点及其方式分可以分为单节点感知,多节点协作感知和网络辅助感知三类。这三类感知方法各有其优缺点,单节点感知的优点在于实现简单,不需要节点之间交互控制信息和数据信息,缺点是感知性能容易受到无线信道衰落或阴影的影响。多节点协作感知的方法,即融合多个认知设备频谱感知的结果做出总的判决,能降低由于无线信道衰落或阴影对感知性能的影响,但是由于多个认知设备协同工作会带来很多问题,如需要增加信道来传输交互各自的感知信息,增加了处理的时延,此外由于恶意节点的出现可能会破坏感知结果。
在单节点感知技术中,匹配滤波器和循环平稳特性检测都属于信号特征检测的方法,需要检测端事先知道主系统用户的信号特点。而能量检测则是一种盲检测技术,因此具有较大的适应范围,并且实现起来比较简单,但是缺点在于不确定的噪声容易造成检测错误,此外,无线信道的衰落也会影响检测性能。
针对盲检测技术,我们需要解决如下几个方面的问题:
1)应该具有对抗噪声不确定性的能力,即检测性能与噪声功率变化无关,这样可以避免对噪声进行估计。
2)在低信噪比的情况下也能实现检测,这样可以提高检测性能,从而避免由于漏检,次要用户给主用户带来干扰。
应用场景如图1所示,主用户(Primary User)和认知次要用户(Secondary User)共享使用频谱,要保证认知设备不会影响主用户系统的正常工作。
在IEEE 802.22标准草案D1.0列举的频谱感知方法中提出了利用协方差矩阵结合特征值的方法,但是存在着计算复杂,并且在低信噪比情况下检测性能差,不能有效对抗噪声不确定性的缺点。MRSS方法利用连续小波函数与接收信号做相关,通过小波函数的宽度来调节频谱感知的分辨率,相关后计算功率谱,但是由于在模拟域射频端处理,而且由于要多次通过不同的小波函数做相关来调节分辨率,所以处理时间长,不利于数字信号处理芯片实现。
发明内容
本发明的目的是提供一种基于小波包变换实现自适应频谱感知的方法。
为实现上述目的,一种基于小波包变换实现自适应频谱感知的方法,包括步骤:
a.在天线接收到射频信号之后,通过带通滤波器,得到要感知的频段的接收信号;
b.经过滤波器后的信号进行下变频从射频变到中频或者基带;
c.下变频后的信号进行模数转换,抽样量化;
d.抽样后的信号进行自适应多层小波包变换;
e.对每个子频带的平均信号功率与门限进行比较,得到频谱空洞。
本发明通过小波包的消噪处理能够减少噪声的影响,从而实现低信噪比情况下的频谱感知。
附图说明
图1是一个典型的认知无线电应用场景;
图2是小波包变换频谱检测的功能示意图;
图3是小波包变换划分频带的示意图;
图4是自适应小波包变换频谱感知的示意图;
图5是自适应小波包变换频谱感知流程图;
图6是ATSC信号(信噪比-20dB)的三级和四级小波包变换结果;
图7是ATSC信号和无线麦克风信号共存时(信噪比-20dB)采用三级和四级小波包变换的结果。
具体实施方式
本发明的方法构成如图2所示。图2给出基于小波包变换的频谱感知功能模块示意图。接收到的射频信号在下变频到基带或中频之后进行模数转换,然后经过离散二进制小波包变换之后得到各级各频带的小波系数和尺度系数,根据小波系数,尺度系数与功率之间的关系可以估计出每个频带内的信号功率,结合门限可以判别出可用的空闲频谱空洞。
小波包变换最大的特点在于能够把频谱划分为高频部分和低频部分进行分析,因此多级小波包变换可以很方便的把要分析的频带划分为若干个子频带,如图3所示。小波包变换的层数代表着不同的分辨率,变换的层数越高,所能感知到的频谱分辨率就越高。
图4给出了一个典型的二层二进制小波包变换,输入信号为r(t),经过的小波滤波器组中的低通滤波器和高通滤波器的传递函数分别为H(z)和G(z),对应的小波函数和尺度函数分别为Φ(t)和Ψ(t),则在第j层小波包分解之后得到的第k个小波系数cj,k和尺度系数dj,k为:
根据功率谱和小波系数的关系,可以得到第k子频带内的平均信号功率P为:
此外,小波包变换结合阈值可以滤去背景噪声,其基本原理在于小波变换具有很强的去数据相关性,它能够使信号的能量集中在一些大的系数中;而噪声的能量却分布于整个小波域内,因此,经小波分解后,信号的小波系数幅值要大于噪声的系数幅值,可以认为,幅值比较大的小波系数一般以信号为主,而幅值比较小的系数在很大程度上是噪声。于是,采用阈值的办法可以把信号系数保留,而使大部分噪声系数减少至零。
在这里可以采用硬阈值小波去噪,选择一个阈值λ,大于阈值λ的小波系数wj,k保留,低于阈值λ的小波系数wj,k则设置为0,即:
为了能减少小波包变换的复杂度,以及灵活的控制小波包变换的层数和范围,本发明提出了适合于认知无线电的灵活小波包变换频谱感知方法。其基本思路是在每层小波包变换之后,根据小波系数计算每个子频带的平均信号功率,并与该层对应的门限进行比较,如果信号功率低于门限,则把这个子频带划为频谱空洞,并不再进行下一级小波包变换。如果信号功率高于门限,则根据已经找到的频谱空洞是否达到需求来决定是否对该子频带进行下一级小波包变换,如果需要更多的频谱空洞则对该子频带进行下一级小波包变换,直到找到所需的频谱空洞,或者小波包变换层数达到限制的层数,这样可以根据需求来控制小波包变换的层数和范围,与传统的小波包变换比减少了变换的次数,降低了复杂度,如图4所示。
总之,这种灵活的利用小波包变换进行频谱感知和判断的方法避免了传统的小波变换存在的只分解低频分量,不分解高频分量的问题,根据认知无线电的具体需求可以灵活的控制小波包变换的层数和范围,降低了变换的复杂度,小波包阈值去噪的引入可以很大程度上抑制噪声对感知性能的影响,从而提高在低信噪比情况下检测的精度。在实现上,该方法简单直观,实现较简单。
实施例
图1为一个典型的认知无线电应用场景,主系统的发射端(PrimaryTransmitter)发送信号到主系统的接收端(Primary Receiver),而认知网络则伺机占用主系统的工作频段,为了减少认知网络对主系统的可能干扰,因此需要进行频谱感知来检测是否有主系统在占用该频段。在图2中给出了小波包变换频谱检测的功能示意图,小波包变换检测的工作流程如下:
1.在天线接收到射频信号之后,通过带通滤波器,得到要感知的频段的接收信号。
2.经过滤波器后的信号进行下变频从射频变到中频或者基带。
3.下变频后的信号进行模数转换,抽样量化。
4.抽样后的接收信号进行自适应多层小波包变换,并结合小波阈值进行去噪处理。
5.小波系数消噪之后计算每个子频带的平均信号功率。
6.对每个子频带的平均信号功率与门限进行比较,寻找频谱空洞。
图5给出的是根据频谱感知的需求来灵活的自适应控制小波包变换的流程图,其中主要的工作流程包括:
1)初始化小波包变换层数K=1,设置合适的小波滤波器组传输函数(图5中标记1)。
2)在未被标识的频段进行第K层二进制离散小波包变换,得到各个未标识的子频段的小波系数,结合小波阈值去噪进行消噪处理(图5中标记
2)。小波阈值去噪的阈值一般可以选择为当前分解得到的小波系数均值的一半。
3)对消噪之后的小波系数根据公式(2)计算每个未标识子频带的平均信号功率(图5中标记3)。
4)每个未标识子频带的平均信号功率与该级的门限进行比较(图5中标记4),每一级的门限可以设置为需要检测到的最低主用户信号平均功率;
如果平均信号功率比该级的门限小,则把这个子频带标识为频谱空洞。
如果平均信号功率比该级的门限大,则根据目前找到的频谱空洞数量和带宽是否已经达到需要,如果已经达到需求,则不再继续进行下一层小波包变换,转至6)。如果仍没有达到需求,并且小波包变换的层次K低于最大允许变换层次数,则转到5)。如果小波包变换的层次K达到最大允许变换次数,则转至6)。
5)K增加1,继续执行2)-4)(图5中标记5)。
6)在所有之前找到的标识为频谱空洞的频段内按照需求(主要是次要系统所需的工作频带带宽),尽量选择信号功率最小的频段作为次要系统的工作频段(图5中标记6)。
用仿真来说明基于小波包变换频谱估计的性能,ATSC信号是美国有线电视选用的信号格式,它采用的是8-VSB调制,带宽为3MHz,信号的信噪比为-20dB。在低信噪比情况下传统的能量检测方法完全无法识别出信号和噪声。在三层小波包变换的时候各频带的平均信号功率见图6的左侧,右图则是四层小波包变换后的结果。图7给出了在ATSC信号和无线麦克风信号共存的情况下,ATSC信号的中心频率在5MHz,带宽为5MHz,无线麦克风信号为模拟调频信号,中心频率为10MHz,带宽为100kHz。左图为三层小波包变换后各频段的平均信号功率,可以看出在ATSC信号和无线麦克风信号之间的频段由于分辨率不够无法识别,右图是四层小波包变换后的各频段的信号功率,可以看出由于提高了分辨率,因此比三层变换可以找到更多的频谱空洞。
从仿真结果可以看出基于小波包变换的频谱感知和估计具有更精确的检测性能,尤其是在低信噪比的情况下,由于小波阈值方法具有的抑制噪声的能力,因此小波包变换比传统的盲检测算法具有更好的性能。此外,基于小波包变换灵活的特性,本发明提出的调度检测算法可以根据频谱感知的需求来灵活的自适应控制小波包变换,从而降低了处理的复杂度,提供频谱感知所需的频域分辨率,高效的实现多分辨率频谱感知。
Claims (7)
1.一种基于小波包变换实现自适应频谱感知的方法,包括步骤:
a.在天线接收到射频信号之后,通过带通滤波器,得到要感知的频段的接收信号;
b.经过滤波器后的信号进行下变频从射频变到中频或者基带;
c.下变频后的信号进行模数转换,抽样量化;
d.抽样后的信号进行自适应多层小波包变换;
e.对每个子频带的平均信号功率与门限进行比较,得到频谱空洞。
2.根据权利要求1所述的方法,其特征在于所述多层小波包变换包括步骤:
a.输入信号经过小波滤波器组中的低通滤波器和高通滤波器得到对应的小波函数和尺度函数;
b.在第j层小波包分解之后得到第k个小波系数c或尺度系数d;
c.根据功率谱和小波系数的关系,得到第k个子频带内的平均信号功率。
3.根据权利要求2所述的方法,其特征在于还包括步骤:
如果平均信号功率比该级的门限大,则K增加1,继续执行b)-c)。
4.根据权利要求2所述的方法,其特征在于还包括在计算k个频带内的平均信号功率之前,对信号进行消噪处理。
5.根据权利要求4所述的方法,其特征在于消噪处理的阈值为当前分解得到的小波系数均值的一半。
6.根据权利要求2所述的方法,其特征在于按下式计算小波系数c或尺度系数d:
7.根据权利要求2所述的方法,其特征在于按下式计算平均信号功率:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200910006462A CN101807960A (zh) | 2009-02-18 | 2009-02-18 | 基于小波包变换实现自适应频谱感知的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200910006462A CN101807960A (zh) | 2009-02-18 | 2009-02-18 | 基于小波包变换实现自适应频谱感知的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101807960A true CN101807960A (zh) | 2010-08-18 |
Family
ID=42609588
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200910006462A Pending CN101807960A (zh) | 2009-02-18 | 2009-02-18 | 基于小波包变换实现自适应频谱感知的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101807960A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101741489A (zh) * | 2010-01-25 | 2010-06-16 | 上海交通大学 | 频谱感知装置及其感知方法 |
CN102075950A (zh) * | 2011-01-07 | 2011-05-25 | 哈尔滨工程大学 | Mimo-ofdm认知无线电通信方法 |
CN102386984A (zh) * | 2011-10-19 | 2012-03-21 | 上海师范大学 | 一种认知无线电宽带频谱检测方法 |
CN103051401A (zh) * | 2012-12-28 | 2013-04-17 | 公安部第三研究所 | 基于小波的认知无线电频谱感知方法 |
CN104777497A (zh) * | 2015-04-24 | 2015-07-15 | 太原理工大学 | 单天线北斗卫星信号小波分解抗干扰算法 |
CN107171751A (zh) * | 2017-05-12 | 2017-09-15 | 广东工业大学 | 一种通信主用户感知方法及系统 |
CN108507669A (zh) * | 2018-03-22 | 2018-09-07 | 国网湖南省电力有限公司 | 电力设备声级测量的间歇性突发环境噪声降噪方法及装置 |
CN111342922A (zh) * | 2020-03-12 | 2020-06-26 | 中国科学院上海微系统与信息技术研究所 | 一种宽频带频谱感知中的快速边界识别方法 |
CN112764058A (zh) * | 2020-12-29 | 2021-05-07 | 杭州电子科技大学 | 基于载噪比的自适应分层小波包变换多径抑制方法及系统 |
CN114268389A (zh) * | 2021-12-06 | 2022-04-01 | 电子科技大学 | 一种联合小波变换的多点协作频谱感知方法 |
-
2009
- 2009-02-18 CN CN200910006462A patent/CN101807960A/zh active Pending
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101741489A (zh) * | 2010-01-25 | 2010-06-16 | 上海交通大学 | 频谱感知装置及其感知方法 |
CN101741489B (zh) * | 2010-01-25 | 2013-01-09 | 上海交通大学 | 频谱感知装置及其感知方法 |
CN102075950A (zh) * | 2011-01-07 | 2011-05-25 | 哈尔滨工程大学 | Mimo-ofdm认知无线电通信方法 |
CN102075950B (zh) * | 2011-01-07 | 2013-07-31 | 哈尔滨工程大学 | Mimo-ofdm认知无线电通信方法 |
CN102386984A (zh) * | 2011-10-19 | 2012-03-21 | 上海师范大学 | 一种认知无线电宽带频谱检测方法 |
CN102386984B (zh) * | 2011-10-19 | 2014-06-25 | 上海师范大学 | 一种认知无线电宽带频谱检测方法 |
CN103051401A (zh) * | 2012-12-28 | 2013-04-17 | 公安部第三研究所 | 基于小波的认知无线电频谱感知方法 |
CN103051401B (zh) * | 2012-12-28 | 2015-02-04 | 公安部第三研究所 | 基于小波的认知无线电频谱感知方法 |
CN104777497A (zh) * | 2015-04-24 | 2015-07-15 | 太原理工大学 | 单天线北斗卫星信号小波分解抗干扰算法 |
CN107171751A (zh) * | 2017-05-12 | 2017-09-15 | 广东工业大学 | 一种通信主用户感知方法及系统 |
CN108507669A (zh) * | 2018-03-22 | 2018-09-07 | 国网湖南省电力有限公司 | 电力设备声级测量的间歇性突发环境噪声降噪方法及装置 |
CN111342922A (zh) * | 2020-03-12 | 2020-06-26 | 中国科学院上海微系统与信息技术研究所 | 一种宽频带频谱感知中的快速边界识别方法 |
CN111342922B (zh) * | 2020-03-12 | 2021-08-20 | 中国科学院上海微系统与信息技术研究所 | 一种宽频带频谱感知中的快速边界识别方法 |
CN112764058A (zh) * | 2020-12-29 | 2021-05-07 | 杭州电子科技大学 | 基于载噪比的自适应分层小波包变换多径抑制方法及系统 |
CN112764058B (zh) * | 2020-12-29 | 2023-12-08 | 杭州电子科技大学 | 基于载噪比的自适应分层小波包变换多径抑制方法及系统 |
CN114268389A (zh) * | 2021-12-06 | 2022-04-01 | 电子科技大学 | 一种联合小波变换的多点协作频谱感知方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101807960A (zh) | 基于小波包变换实现自适应频谱感知的方法 | |
US7860197B2 (en) | Spectrum-sensing algorithms and methods | |
US9014232B2 (en) | Method and system for optimizing the use of the radio spectrum and computer program product therefor | |
US7363008B2 (en) | Spectrum sharing in the unlicensed band | |
US9379924B2 (en) | Cognitive radio spectrum sensing with improved edge detection of frequency bands | |
De Vito | A review of wideband spectrum sensing methods for cognitive radios | |
CN102668658B (zh) | Fm信号的基于自相关性的频谱感测 | |
De Vito | Methods and technologies for wideband spectrum sensing | |
US7986739B2 (en) | Detect-and-avoid method and architecture for ultra-wideband system | |
US8094759B2 (en) | System and method for broadband pulse detection among multiple interferers using a dynamic filter receiver | |
CN103780323B (zh) | 一种基于信号聚合特性的认知无线电宽带频谱感知方法 | |
CN103051402B (zh) | 一种基于直流偏移自适应频谱能量的用户信号检测方法 | |
KR100864808B1 (ko) | 코드 분할 다중 접속 통신시스템에서 다중 사용자 검출장치 및 방법 | |
CN102300115B (zh) | 模拟、数字电视信号的快速识别方法、装置及通信接收端 | |
CN101807961A (zh) | 基于双谱对角切片实现频谱感知的方法 | |
Naiqi et al. | Research of Adaptive Resolution Spectrum Sensing Method Based on Discrete Wavelet Packet Transform | |
Ali et al. | A novel one-bit quantization design for correlation-based low-power wideband sensing | |
Gautier et al. | Wideband frequency domain detection using Teager-Kaiser energy operator | |
CN112153652B (zh) | 一种基于微弱信号检测的LoRa和WiFi并发传输方法 | |
Khattab et al. | The challenges towards energy-efficient cognitive radio networking | |
Sureshbhai et al. | A Novel Method of Cognitive Sрectrum Sensing in DWT bаsed MIMO-OFDM | |
Suma et al. | Investigation on Spectrum Sensing Techniques in Wireless Communication | |
Subashini et al. | An Efficient Spectrum Sensing Model In Cognitive Radio Network Using Compressive Sensing And Interference Temperature Model | |
Adoum | CYCLOSTATIONARY FEATURES BASED LOW COMPLEXITY MUTLIRESOLUTION SPECTRUM SENSING FOR COGNITVE RADIO APPLICATIONS | |
Giri et al. | Performance Improvement in Cognitive Radio using Even-Odd technique in QAM based K-spectrum Sensing Scheme |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20100818 |