CN101969352A - 一种基于快速变极化的频谱感知方法 - Google Patents

Abstract

本发明提供了一种基于快速变极化的频谱感知方法，适用于认知无线电网络。所述方法包括：CR用户接收端识别到达信号中可能包含的授权用户信号极化方式，根据识别的授权用户信号到达极化方式，CR用户接收端采用与之匹配的极化方式接收到达信号，然后对接收的信号进行分析，判断授权用户信号是否出现。通过该方法认知无线电用户接收端可以快速的实现对授权用户信号低损耗的接收，显著提高频谱感知的检测性能。

Description

一种基于快速变极化的频谱感知方法

技术领域

本发明属于无线通信领域，特别涉及认知无线电的频谱感知方法。

背景技术

随着无线通信技术的发展，人们对无线频谱资源的需求越来越大。然而，无线频谱是稀缺、有限的资源。如何充分利用频谱资源，提高频谱利用率，成为了一个亟待解决的问题。认知无线电(CR，Cognitive radio)技术为解决这个问题提供了一种可行的方案。在CR系统中，具有认知功能的用户(CR用户)需要对授权用户频谱进行感知，在不影响授权用户正常通信的前提下利用频谱空穴，所述频谱空穴为已分配给授权用户但未被其使用的空闲频谱。

传统频谱感知方法有本地的相干检测、能量检测、循环平稳特征检测和熵检测，引入协作分集机制、序贯检验方法等的合作频谱感知算法，以及利用授权信号统计规律进行的跨层频谱感知算法等，这些频谱感知方法都是基于对接收的信号进行分析。现有授权用户都采用固定的极化方式发射信号，然而由于无线信道的影响，授权用户信号到达CR用户接收端的极化方式是时变的，而现有的CR用户接收端都是采用固定极化的接收方式，使得对授权用户信号的接收造成很大的损耗，严重影响了上述频谱感知方法对授权用户信号的分析性能，因此固定极化的接收方式已成为传统频谱感知方法性能提升的瓶颈。

发明内容

为了解决固定极化的接收方式对传统频谱感知方法的损害，本发明实例提供了一种基于快速变极化的频谱感知方法，应用于认知无线电网络，所述技术方案如下：

一种基于快速变极化的谱感知方法，包括：

CR用户接收端快速识别到达信号中可能包含的授权用户信号极化方式；

CR用户接收端快速采用与识别的极化方式相匹配的极化方式接收信号；

CR用户接收端对接收到的信号进行分析；

CR用户接收端做出判决。

本发明实施例提供的技术方案的有益效果是：

通过基于快速变极化的频谱感知方法可快速的实现对授权用户信号低损耗的接收，显著提高频谱感知的性能。

附图说明

图1：本发明实施例的认知无线电网络拓扑图；

图2：本发明实施例提供的基于快速变极化的频谱感知方法流程图；

图3：本发明实施例提供的CR用户接收端基于快速变极化接收授权用户信号流程图；

图4：本发明实施例提供的CR用户接收端快速识别授权用户信号到达极化方式流程图；

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作一步地详细描述。

本发明实施例的认知无线电网络拓扑如图1所示，一对CR用户，包括CR用户发射端和CR用户接收端和一对授权用户，包括授权用户发射端和授权用户接收端，每个授权用户发射端采用固定的极化方式发射信号；授权用户使用已分配的授权频谱资源，该授权频谱资源为可用信道，而CR用户在授权用户不工作的时候利用该段已经授权的频谱资源，但是授权用户随时可能开始工作，CR用户需要通过频谱感知快速准确地检测出该段频谱资源上随时出现的授权用户信号并及时退出该信道，在进行频谱感知时，该频段上的所有CR用户停止传输数据。

实施例一

参见图2，本发明实施例提供了一种基于快速变极化的频谱感知方法，包括：

到达信号100：由于无线信道的影响，到达CR用户接收端信号中可能出现的授权用户信号极化方式是时变的；

假设CR用户接收的到达信号为

$R=\left[\begin{array}{cc}{S}_P+W,& H_1\\ W,& H_0\end{array}\right]---\left(1\right)$

其中，H₀与H₁分别表示授权信号不存在和存在的两种假设，S_P为授权用户到达矢量信号。

快速变极化并接收信号200：CR用户接收端快速的采用与可能出现的授权用户信号到达极化方式相匹配的极化方式接收信号；

分为两路300：将接收到的信号分为两路，第一路信号用于快速识别可能出现的授权用户信号的到达极化方式；第二路信号用于频谱感知；

基于K臂赌博机快速识别授权用户信号到达极化方式400：对第一路信号进行处理，采用基于K臂赌博机的方法快速识别信号中可能出现的授权用户信号到达极化方式并反馈给步骤快速变极化并接收信号200；

S_P为授权用户到达矢量信号，X_P为其到达极化状态，CR用户以极化状态X_S对R进行接收，将R到达CR用户接收天线时的信噪比记为γ₀，实际接收的平均信噪比γ为

其中，

表示复共轭转置，E{}表示取均值。需要指出的是，复高斯噪声W是具有时变随机极化状态的未极化波，采用任意X_S，CR用户对W的平均接收功率均是确定的，有

对授权信号S_P的接收功率，取决于X_P与X_S之间的极化匹配系数m(X_S，X_P)

假设CR用户接收天线具有单位增益，即||X_S||²＝1，且授权信号极化状态X_P在极化状态识别过程中不发生改变，有

将式(3)和式(5)代入式(2)，有

$\mathrm{\γ}=\frac{{\left|\right|S_P\left|\right|}^2}{{\mathrm{\σ}}^2}\·m(X_S,X_P)---\left(6\right)$

已经证明，当且仅当X_S＝X_P时，表示X_S与X_P极化匹配，有m(X_S，X_P)＝1，这意味着CR用户可以接收其天线处的授权信号的全部功率，获得最大化的平均接收信噪比γ_max＝γ₀，即 ${\mathrm{\γ}}_{\max }=\frac{{\left|\right|S_P\left|\right|}^2}{{\mathrm{\σ}}^2},$ 当且仅当X_S＝X_P(7)

对于CR用户来讲，通过变极化来改变X_S，如果能够获得对授权信号的最大平均接收信噪比γ_max，即可根据式(7)识别出授权信号的极化状态X_P。这样，对授权信号极化状态的识别问题实质上是CR用户通过变极化来搜索γ_max所对应的X_S。CR用户实现对所有极化状态的变极化，这是一个双自由度搜索问题，其复杂度高，本发明提出的基于K臂赌博机快速识别授权用户信号到达极化方式，将复杂的双自由度搜索问题转化为K个独立的一维问题，显著降低了搜索的复杂度，提高了识别授权信号极化方式的速度。

频谱感知500：对接收到的第二路信号进行频谱感知，以验证授权用户信号是否存在；

需要说明的是，本发明实施例所提出的技术方案对各种本地物理层检测算法、合作频谱感知算法及跨层频谱感知算法均适用；

判断授权用户信号是否出现600：根据频谱感知的结果对授权用户信号是否出现做出判决；

继续使用该频谱空穴700：若判断授权用户信号没有出现，则CR用户继续使用该段频谱空穴，在该段频谱空穴上传输信息并进行频谱感知；

退避该频谱空穴800：若判断授权用户信号出现，则CR用户立刻退出该频谱空穴。

在本发明实施例中，如图3，快速变极化并接收信号200包括：

正交极化天线接收201：CR用户接收装置采用正交极化天线接收到达的信号；

正交极化天线为一对极化方式相互正交的天线，通常为水平极化天线和垂直极化天线或为左旋圆极化天线和右旋圆极化天线。

进行幅度和相位加权处理202：根据基于K臂赌博机快速识别授权用户信号到达极化方式400识别的授权用户信号到达极化方式，对正交极化天线接收到的两路信号分别进行幅度和相位加权处理，使接收极化状态与授权用户信号到达极化方式相匹配。

假设授权用户到达矢量信号表示为S_P，其到达极化状态记为X_P。根据极化分解原理，经正交极化天线接收后，S_P在正交极化基上被分解两路矢量信号，不妨采用正交的水平/垂直极化基(H，V)将其表示为

$S_P=\left[\begin{array}{c}{S}_{\mathrm{PH}}\\ S_{\mathrm{PV}}\end{array}\right]=\left[\begin{array}{c}{S}_{\mathrm{PH}}^i+j{S}_{\mathrm{PH}}^q\\ S_{\mathrm{PV}}^i+j{S}_{\mathrm{PV}}^q\end{array}\right]---\left(8\right)$

其中，S_PH和S_PV分别代表水平极化基和垂直极化基上的信号分量，i和q分别表示同相分量和正交分量。

S_P的极化状态X_P可用Jones矢量形式表示为

$X_P=\left[\begin{array}{c}\cos {\mathrm{\α}}_P\\ \sin {\mathrm{\α}}_P{e}^{j{\mathrm{\φ}}_P}\end{array}\right]---\left(9\right)$

其中，(α_P，φ_P)，α_P∈[0，π/2]，φ_P∈[0，2π]称为信号的极化相位描述子，有

$\left\{\begin{array}{c}{\mathrm{\α}}_P=\arctan \frac{\left|S_{\mathrm{PV}}\right|}{\left|S_{\mathrm{PH}}\right|}\\ {\mathrm{\φ}}_P={\mathrm{\φ}}_{\mathrm{PV}}-{\mathrm{\φ}}_{\mathrm{PH}}=\arctan \frac{S_{\mathrm{PV}}^q}{S_{\mathrm{PV}}^i}-\arctan \frac{S_{\mathrm{PH}}^q}{S_{\mathrm{PH}}^i}\end{array}\right.---\left(10\right)$

可以看出，tanα_P为两个正交极化分量S_PH和S_PV的幅度之比，φ_P为它们的相位差，X_P本质上是将S_P进行归一化并忽略绝对相位信息所得到的矢量。

这样，在给定的极化基(H，V)上，授权信号S_P的极化状态X_P能够通过极化相位描述子(α_P，φ_P)进行完全且唯一地表征。根据虚拟极化自适应原理，CR用户采用一对正交极化接收天线，通过对这对天线的接收信号进行幅度和相位加权处理，无需改变天馈系统的参数和状态，采用数字信号处理技术即可实现变极化，能够实现所有的接收极化方式，根据基于K臂赌博机快速识别授权用户信号到达极化方式400识别的结果，实现与授权用户信号到达极化方式相匹配的接收极化方式。

在本发明实施例中，如图4，基于K臂赌博机快速识别授权用户信号到达极化方式400包括：

初始化401：对K臂赌博机模型参数初始化；

选取K组不同取值的极化描述子{(α_S1，φ_S1)，...，(α_SK，φ_SK)}，其中手臂k对应CR用户的一个接收极化状态X_Sk(α_Sk，φ_Sk)。

令N表示赌博机要执行的最大步数；n表示当前赌博机执行的步数；r_k(n)表示前n-1步选择手臂k的收益累计和。初始化循环次数n＝1，1≤n≤N，并有r_k(1)＝0。

分布估计402：将参数ω记为分布向量p(n)的制约因子，以制约因子ω＞0来确定选择手臂k的概率p_k(n)，估计分布向量p(n)＝[p₁(n)，...，p_K(n)]；

对于p_k(n)，有

$p_k\left(n\right)=\frac{{(1+\mathrm{\ω})}^{r_k\left(n\right)}}{\underset{j=1}{\overset{K}{\mathrm{\Σ}}}{(1+\mathrm{\ω})}^{r_j\left(n\right)}}---\left(11\right)$

分布叠加403：用于排除由于对手臂k选择的次序不同而带来的不稳定性，使得算法对K个手臂均能有所选择，以获得较好的分布估计性能；

将分布估计402所得到的概率分布p_k(n)与均匀分布以制约因子ν∈[0，1]进行叠加，得到叠加概率

相应的叠加分布向量为

对于

有

${\hat{p}}_k\left(n\right)=(1-v)p_k\left(n\right)+v/K---\left(12\right)$

计算各手臂的收益累计和404：以r_k(n)(k＝1，2，3...K；n＝1，2，3...N)来表示第k个臂在第n步获得的收益累计和；

从K个手臂中选择一个手臂，记为k_current(n)，对于k_current(n)，其收益为

并将前n-1步所得到的收益最大值记为令

$\mathrm{\Δ\γ}=\frac{{\mathrm{\γ}}_k^{\mathrm{current}}\left(n\right)}{\max [{\mathrm{\γ}}_k^{\mathrm{current}}\left(n\right),\underset{1\≤i\≤n-1,n>1}{\max }\left(\mathrm{\γ}\left(i\right)\right)]},0\≤\mathrm{\Δ\γ}\≤1.---\left(13\right)$

因此，手臂k_current(n)的当前收益记为

$r_k^{\mathrm{current}}\left(n\right)=\frac{v\·\mathrm{\Δ\γ}}{K\·{\hat{p}}_k^{\mathrm{current}}\left(n\right)}---\left(14\right)$

其中，利用

进一步保证了选择各手臂的公平性；制约因子υ/K是为了保证

$r_k^{\mathrm{current}}\left(n\right)\∈\left[\mathrm{0,1}\right]$

这样，k_current(n)的收益累计和为

$r_k(n+1)=r_k\left(n\right)+\frac{v\·\mathrm{\Δ\γ}}{K\·{\hat{p}}_k\left(n\right)}---\left(15\right)$

对于K个手臂有

当

以及

时，K个手臂的预期总收益

满足

$E\left(\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{r}_k\right)\≥r_{\mathrm{best}}-(v+\mathrm{\ω}/2)r_{\mathrm{best}}-\frac{K\ln K}{\mathrm{\ωv}}$

        (17)

$=\frac{(1-v-\mathrm{\ω}/2)\mathrm{vN}}{K}-\frac{K\ln K}{\mathrm{\ωv}}$

$E\left(\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{r}_k\right)\≤r_{\mathrm{best}}+\frac{3}{\sqrt[3]{2}}{N}^{2/3}{\left(K\ln K\right)}^{1/3}$

(18)

$=\frac{\mathrm{vN}}{K}+\frac{3}{\sqrt[3]{2}}{N}^{2/3}{\left(K\ln K\right)}^{1/3}$

其中f为正整数，f≥r_best， $r_{\mathrm{best}}=\underset{1\≤k\≤K}{\max }E\left[\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{r}_k^{\mathrm{current}}\left(n\right)\right]=\frac{\mathrm{vN}}{K}$

判断是否终止查找405：将叠加概率

与叠加选择概率阈值进行比较，并查看当前K臂赌博机执行步数是否为最大步数，然后进行如下判决：

若

或者n＞N，执行选择收益累计和最大的手臂406；否则n＝n+1，并返回分布估计402。

选择收益累计和最大的手臂406：当K臂赌博机满足终止条件时，选择收益累计和r_k最大的手臂，即

$k^{*}=\arg \underset{1\≤k\≤K}{\max }{r}_k---\left(19\right)$

该手臂所对应的就是能够获得最大收益的CR用户接收极化状态，记为

从而识别出授权信号极化状态为

实施例二

本发明适用于各种本地物理层检测算法、合作频谱感知算法及跨层频谱感知算法，为了进一步阐述本发明，下面以CR用户采用能量检测进行频谱感知为例来介绍本发明，参加图1。

到达信号R100：由于无线信道的影响，到达CR用户接收端信号中R可能出现的授权用户信号S_P极化方式X_P是时变的。

快速变极化并接收信号200：CR用户接收端快速的采用与可能出现的授权用户信号到达极化方式X_P相匹配的极化方式X_Sk接收信号；

分为两路300：将接收到的信号分为两路，第一路信号用于识别可能出现的授权用户信号的到达极化方式，并反馈给步骤快速变极化并接收信号200；第二路信用于频谱感知。

基于K臂赌博机快速识别授权用户信号到达极化方式400：对第一路信号进行处理，采用基于K臂赌博机的方法快速识别信号中可能出现的授权用户信号到达极化方式；

频谱感知500：对接收到的第二路信号进行能量检测，以验证授权用户信号是否存在；

构造能量检测的判决统计量Y为

其中L为抽样数。

判断授权用户信号是否出现600：根据频谱感知的结果对授权用户是否出现做出判决；

设λ为能量检测的判决门限，有

$Y\begin{array}{c}{H}_1\\ >\\ <\\ H_0\end{array}\mathrm{\&lambda;}---\left(21\right)$

若判决统计量Y大于λ，则判断授权用户信号出现；若判决统计量Y小于λ，则判断授权用户信号没有出现；

继续使用该频谱空穴700：若判断授权用户信号没有出现，则CR用户继续使用该段频谱空穴，在该段频谱空穴上传输信息并进行频谱感知。

退避该频谱空穴800：若判断授权用户信号出现，则CR用户立刻退出该频谱空穴。

Claims (8)

1.一种基于快速变极化的谱感知方法，应用与认知无线电网络，其特征在于，包括：

CR用户接收端快速的采用与可能出现的授权用户信号到达极化方式相匹配的极化方式接收信号；

将接收到的信号分为两路，第一路信号用于识别可能出现的授权用户信号的到达极化方式；第二路信用于频谱感知；

对第一路信号进行处理，采用基于K臂赌博机的方法快速识别信号中可能出现的授权用户信号到达极化方式；

对接收到的第二路信号进行频谱感知，以验证授权用户信号是否存在；

根据频谱感知的结果对授权用户是否出现做出判决；

若判断授权用户信号没有出现，则CR用户继续使用该段频谱空穴，在该段频谱空穴上传输信息并进行频谱感知；

若判断授权用户信号出现，则CR用户立刻退出该频谱空穴。

2.根据权利要求1所述的方法，其特征在于，所述CR用户接收端快速的采用与可能出现的授权用户信号到达极化方式相匹配的极化方式接收信号，包括：

由于无线信道的影响，到达信号中可能出现的授权用户信号的极化方式是时变的；

CR用户接收端快速的采用与可能出现的授权用户信号到达极化方式相匹配的极化方式接收信号。

3.根据权利要求2所述的方法，其特征在于，所述CR用户接收装置快速的采用与可能出现的授权用户信号到达极化方式相匹配的极化方式接收信号，包括：

CR用户接收装置通过一对相互正交的双极化天线接收信号；

对相互正交的双极化天线接收到的两路信号分别进行幅度和相位的加权处理，使接收极化方式与识别到的授权信号到达极化方式相匹配。

4.根据权利要求3所述的方法，其特征在于，所述CR用户接收装置通过一对相互正交的双极化天线接收信号，包括：

CR用户接收端具有一对相互正交的双极化天线，该天线为两条极化方式相互正交的天线组成，通常为水平极化天线和垂直极化天线或为左旋圆极化天线和右旋圆极化天线。

5.根据权利要求1所述的方法，其特征在于，所述对第一路信号进行处理，采用基于K臂赌博机的方法快速识别信号中可能出现的授权用户信号到达极化方式，包括：

采用K臂赌博机模型，将CR用户实现对所有极化状态的变极化这一个双自由度搜索问题转化为K个独立的一维问题，降低搜索复杂度。

6.根据权利要求5所述的方法，其特征在于，所述将CR用户实现对所有极化状态的变极化这一个双自由度搜索问题转化为K个独立的一维问题，显著降低了搜索的复杂度，包括：

对K臂赌博机模型参数初始化；

分布估计，将参数ω记为分布向量p(n)的制约因子，以制约因子ω＞0来确定选择手臂k的概率p_k(n)，估计分布向量p(n)＝[p₁(n)，...，p_K(n)]；

分布叠加，用于排除由于对手臂k选择的次序不同而带来的不稳定性，使得算法对K个手臂均能有所选择，以获得较好的分布估计性能；

计算各手臂的收益累计和，以r_k(n)(k＝1，2，3...K；n＝1，2，3...N)来表示第k个臂在第n步获得的收益累计和；

判断是否终止查找，将叠加概率

与叠加选择概率阈值

进行比较，并查看当前K臂赌博机执行步数是否为最大步数，然后进行判决；

当K臂赌博机满足终止条件时，选择收益累计和r_k最大的手臂。

7.根据权利要求6所述的方法，其特征在于，所述计算各手臂的收益累计和，以r_k(n)(k＝1，2，3...K；n＝1，2，3...N)来表示第k个臂在第n步获得的收益累计和，包括：

当

以及f≥r_best时，其中f为正整数，，

本发明K个手臂的预期总收益满足

$E\left(\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}{r}_k\right)\&GreaterEqual;r_{\mathrm{best}}-(v+\mathrm{\&omega;}/2)r_{\mathrm{best}}-\frac{K\ln K}{\mathrm{\&omega;v}}$

$=\frac{(1-v-\mathrm{\&omega;}/2)\mathrm{vN}}{K}-\frac{K\ln K}{\mathrm{\&omega;v}}$

$E\left(\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}{r}_k\right)\&le;r_{\mathrm{best}}+\frac{3}{\sqrt[3]{2}}{N}^{2/3}{\left(K\ln K\right)}^{1/3}$

$=\frac{\mathrm{vN}}{K}+\frac{3}{\sqrt[3]{2}}{N}^{2/3}{\left(K\ln K\right)}^{1/3}$

8.根据权利要求1所述的方法，其特征在于，所述对接收到的第二路信号进行频谱感知，以验证授权用户信号是否存在，包括：

频谱感知可采用各种本地物理层检测算法、合作频谱感知算法及跨层频谱感知算法。

Images