CN102082617A - 基于mtm-svd自适应传感器个数的频谱检测方法 - Google Patents

基于mtm-svd自适应传感器个数的频谱检测方法 Download PDF

Info

Publication number
CN102082617A
CN102082617A CN2010105914379A CN201010591437A CN102082617A CN 102082617 A CN102082617 A CN 102082617A CN 2010105914379 A CN2010105914379 A CN 2010105914379A CN 201010591437 A CN201010591437 A CN 201010591437A CN 102082617 A CN102082617 A CN 102082617A
Authority
CN
China
Prior art keywords
spectrum
signal
mtm
transducer
frequency spectrum
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.)
Granted
Application number
CN2010105914379A
Other languages
English (en)
Other versions
CN102082617B (zh
Inventor
黄立辉
李莉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Normal University
University of Shanghai for Science and Technology
Original Assignee
Shanghai Normal University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Normal University filed Critical Shanghai Normal University
Priority to CN201010591437.9A priority Critical patent/CN102082617B/zh
Publication of CN102082617A publication Critical patent/CN102082617A/zh
Application granted granted Critical
Publication of CN102082617B publication Critical patent/CN102082617B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Monitoring And Testing Of Transmission In General (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明一种基于MTM-SVD自适应传感器个数的频谱检测方法,涉及认知无线电频谱检测方法技术领域。因MTM-SVD频谱检测技术具有不需要主用户的先验信息;有效处理淹没在色噪声中信号的检测和重建及算法速度快等优点,故本发明在MTM-SVD算法基础上,根据Neyman-Pearson准则得出门限公式,确定了实际所需传感器的最佳个数。对每个传感器上的接收信号进行抽样、计算抽样信号的特征谱,并由得到的特征谱计算新的判决量TM(fi),与满足虚警概率Pf的门限th做比较,判定频谱是否被占用。相对于传统的能量检测,本发明在正确检测主用户信号的同时,降低了系统的复杂度。

Description

基于MTM-SVD自适应传感器个数的频谱检测方法
技术领域
本发明涉及认知无线电频谱检测方法技术领域,具体是一种认知无线电系统中基于MTM-SVD自适应传感器个数的宽带频谱检测方法。
背景技术
高速增长的宽带无线业务需求对无线网络提出了更高的要求,环境变化、需求差异、技术进步、业务增长、投资保护等因素造就了众多异构的无线网络子系统并存的局面,给网络发展和建设带来极大困难,又无法满足用户日益增长的应用需求;同时无线网络中普遍存在资源静态管理,条块分割使用等问题,可用资源分布高度不均衡、资源短缺和浪费共存、使用方式不能根据需求和环境的变化动态调整等矛盾日益尖锐,造成了网络使用方式僵化、资源利用效率低下。这些问题已成为制约无线网络发展的主要瓶颈,而且日趋严重。这些现象的产生源于原有无线网络的设计思想:封闭式的静态网络工作模式。这造成了网络融合需求与当前孤岛式的异构网络的矛盾,以及动态环境与静态网络工作模式间的矛盾。
为了解决频谱资源匮乏的问题,基本思路就是尽量提高现有频谱的利用率。为此,人们提出了认知无线电的概念。认知无线电的基本出发点就是:为了提高频谱利用率,具有认知功能的无线通信设备可以按照某种“伺机(Opportunistic Way)”的方式工作在已授权的频段内。当然,这一定要建立在已授权频段没用或只有很少的通信业务在活动的情况下。这种在空域、时域和频域中出现的可以被利用的频谱资源被称为“频谱空洞”。认知无线电的核心思想就是使无线通信设备具有发现“频谱空洞”并合理利用的能力。因此认知无线电被认为是未来实现动态频谱接入、解决无线频谱匮乏问题的关键技术之一。
Haykin提出的时域频域相结合的MTM-SVD算法并建议在认知无线电系统中使用MTM-SVD进行频谱感知。他在文中介绍了频谱感知的精确度要求和利用多个传感器对干扰温度进行估计,利用MTM-SVD在电视频带上对真实信号进行了感知,并在性能上与周期图法进行了比较,结果表明:MTM-SVD不需要任何主用户的先验信息,并且,MTM-SVD能有效处理淹没在有色噪声中信号的检测和重建,算法速度快,能应用到实际环境下。
目前虽然在研究基于MTM-SVD的方法上增加传感器的个数M来提高频谱检测的精度,抗干扰及多径效应的能力,但对于实际环境下M到底取多少却没有得到研究,也没有提到在认知无线电系统中需要的传感器个数要求。
发明内容
本发明的目在于克服上述现有技术存在的不足和缺失,提供一种认知无线电系统中基于MTM-SVD自适应传感器个数的频谱检测方法。本发明首先计算接收信号抽样的谱特征函数矩阵的特征值之和,利用其分布特性计算其概率密度函数;然后根据Neyman-Pearson准则,成功推导出满足Pf下的门限值th及所需要的传感器个数。
本发明对每个传感器上的接收信号进行抽样、计算所需传感器个数及抽样信号的特征谱,并由得到的特征谱计算新的判决量,将该判决量与满足虚警概率Pf的门限进行比较,以此判定频谱是否被占用。该方法分为6个部分实现:对接收信号进行抽样;计算能成功检测所需传感器个数;计算接收信号抽样的特征谱;计算新的判决量;计算满足虚警概率Pf的门限值th;判断该频谱是否被占用;以达到自适应选择传感器个数的功能。具体方法为:
1.对接收信号进行抽样:设xm(t)为第m个传感器接收到的连续时间信号,信号的中心频率为fc且带宽为W,以抽样速率为fs对xm(t)进行抽样,抽样时间为Ts=1/fs,则第m个传感器上接收到的离散信号为ym(n)=xm(nTs);n=0,1,…,N;
2.计算满足虚警概率Pf下成功检测所需传感器个数M:
M ≈ ψ ′ ( K ) ln ( 1 + γ ) 2
其中,γ表示主用户信号与噪声的方差比,K是所用Slepian序列(DPSS)的最大阶数;ψ(K)是Digamma函数;ψ′(x)是Trigamma函数;
3.计算接收信号抽样的特征谱:第m个传感器上的第k阶Slepian序列的特征谱为:
Y k m ( f i ) = Σ n = 0 N - 1 v ( k ) ( n ) y m ( n ) e - j 2 π f i n
其中,fi=0,1/N,…,N-1/N表示归一化频率点,v(k)(n)是第k阶的N点Slepian序列。
4.计算新的判决量:
Λ ( f i ) = ( K - 1 M ) Σ m = 1 M ln η m Rx ( f i )
其中,
Figure BDA0000038666290000034
接收信号在fi频点上的谱估计,上标Rx表示接收信号中既有主用户信号又有噪声信号,
Figure BDA0000038666290000041
上标m表示第m个传感器;
5.计算满足虚警概率Pf的门限值th:
th=σ0·Q-1(Pf)+μ0
μ 0 = ( K - 1 M ) · M · [ ln ( 2 ) + ψ ( K ) - ln ( 2 MK ) ] + ( K - 1 M ) · Σ m = 1 M ln [ η m n ( f i ) ]
σ 0 = ( K - 1 M ) 2 · M · ψ ′ ( K )
其中
Figure BDA0000038666290000044
上标n表示接收信号中只有噪声信号,是噪声序列在fi频点上的谱估计,i=1,2,…,N;Q-1(x)是Q(x)的逆函数,
Figure BDA0000038666290000045
6.判断该频谱是否被占用:采用判决量Λ(fi)与满足虚警概率Pf的门限th进行比较,以此判定频谱是否被占用,如果Λ(fi)>th,则表明该频谱被占用,反之,当Λ(fi)<th,表明该频谱未被占用。
本发明所述的传感器是无线通信中基站或移动终端的天线或无线传感器网络中的射频模块。
综上所述,本发明运用MTM进行谱估计,求取特征谱并根据Neyman-Pearson准则推导出需要的最佳传感器个数,有效降低了系统的复杂度。该方法不需要任何主用户的先验信息,且能有效处理淹没在有色噪声中信号的检测和重建,算法速度快。相对于传统的能量检测法,该方法更能有效地精确地对频谱进行检测,复杂度也更低。
附图说明
图1是基于MTM-SVD自适应传感器个数的频谱检测方法流程图。
具体实施方式
以下结合附图和实施例对本发明作进一步的描述
基于MTM-SVD自适应传感器个数的频谱检测方法具体设计步骤如下:
1.对xm(t)进行抽样,假设xm(t)为第m个传感器接收到的连续时间信号,以抽样速率为fs抽样时间为Ts=1/fs,则第m个传感器上接收到的离散信号为ym(n)=xm(nTs);n=0,1,…,N;v(k)(n)是K阶Slepian序列(DPSS)(n=0,1,…,N-1;k=1,2,…,K),γ表示主用户信号与噪声的方差比。
2.计算所需传感器个数 M = ψ ′ ( K ) ln ( 1 + γ ) 2 .
3.计算第m个传感器上抽样信号的第k阶Slepian序列的特征谱为:
Y k m ( f i ) = Σ n = 0 N - 1 v ( k ) ( n ) y m ( n ) e - j 2 π f i n .
并将每个传感器得到的联合特征谱排列成矩阵形式:
A ( f i ) = Y 1 1 ( f i ) Y 2 1 ( f i ) · Y K 1 ( f i ) Y 1 2 ( f i ) Y 2 2 ( f i ) · Y K 2 ( f i ) · · · Y 1 M ( f i ) Y 2 M · Y K M ( f i ) .
4.计算A(fi)AH(fi)主对角线上的元素之和
Figure BDA0000038666290000054
计算判决量:
Λ ( f i ) = ( K - 1 M ) Σ m = 1 M ln ( η m Rx ( f i ) / ( M * K ) ) .
5.th=σ0·Q-1(PFA)+μ0
6.判断频谱是否被占用。
如果Λ(fi)>th,则表明该频谱被占用,反之,当Λ(fi)<th,表明该频谱未被占用。
本发明基于MTM-SVD算法,根据Neyman-Pearson准则推导了在认知无线电系统中的门限公式,并确定了需要传感器的最佳个数要求,相对于传统的能量检测,本发明在正确检测主用户信号的同时,又降低了系统的复杂度。

Claims (3)

1.一种基于MTM-SVD自适应传感器个数的频谱检测方法,其特征在于,在认知无线电系统中,对每个传感器上的接收信号进行抽样、计算所需传感器个数及抽样信号的特征谱,并由得到的特征谱计算新的判决量,将该判决量与满足虚警概率Pf的门限进行比较,以此判定频谱是否被占用。
2.如权利要求1所述的基于MTM-SVD自适应传感器个数的频谱检测方法,其特征在于,包括如下步骤:
a.对接收信号进行抽样:设xm(t)为第m个传感器接收到的连续时间信号,信号的中心频率为fc且带宽为W,以抽样速率为fs对xm(t)进行抽样,抽样时间为Ts=1/fs,则第m个传感器上接收到的离散信号为ym(n)=xm(nTs);n=0,1,…,N;
b.计算满足虚警概率Pf下成功检测所需传感器个数M:
M ≈ ψ ′ ( K ) ln ( 1 + γ ) 2
其中,γ表示主用户信号与噪声的方差比,K是所用Slepian序列(DPSS)的最大阶数;ψ(K)是Digamma函数;ψ′(x)是Trigamma函数;
c.计算抽样信号的特征谱:第m个传感器上的第k阶Slepian序列的特征谱为
Y k m ( f i ) = Σ n = 0 N - 1 v ( k ) ( n ) y m ( n ) e - j 2 π f i n
其中,fi=0,1/N,…,N-1/N表示归一化频率点,v(k)(n)是第k阶的N点Slepian序列。k=1,2,…,K。
d.计算新的判决量:
Λ ( f i ) = ( K - 1 M ) Σ m = 1 M ln η m Rx ( f i )
其中,
Figure FDA0000038666280000022
是接收信号在fi频点上的谱估计,上标Rx表示接收信号中既有主用户信号又有噪声信号,
Figure FDA0000038666280000023
上标m表示第m个传感器;
e.计算满足虚警概率Pf的门限值th:
th=σ0·Q-1(Pf)+μ0
μ 0 = ( K - 1 M ) · M · [ ln ( 2 ) + ψ ( K ) - ln ( 2 MK ) ] + ( K - 1 M ) · Σ m = 1 M ln [ η m n ( f i ) ]
σ 0 = ( K - 1 M ) 2 · M · ψ ′ ( K )
其中
Figure FDA0000038666280000026
上标n表示接收信号中只有噪声信号,是噪声序列在fi频点上的谱估计,i=1,2,…,N;Q-1(x)是Q(x)的逆函数,
Figure FDA0000038666280000027
f.判断该频谱是否被占用:采用判决量Λ(fi)与满足虚警概率Pf的门限th进行比较,以此判定频谱是否被占用,如果Λ(fi)>th,则表明该频谱被占用,反之,当Λ(fi)<th,表明该频谱未被占用。
3.如权利要求1所述的基于MTM-SVD自适应传感器个数的频谱检测方法,其特征在于,所述的传感器是无线通信中基站或移动终端的天线或无线传感器网络中的射频模块。
CN201010591437.9A 2010-12-16 2010-12-16 基于mtm-svd自适应传感器个数的频谱检测方法 Expired - Fee Related CN102082617B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201010591437.9A CN102082617B (zh) 2010-12-16 2010-12-16 基于mtm-svd自适应传感器个数的频谱检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201010591437.9A CN102082617B (zh) 2010-12-16 2010-12-16 基于mtm-svd自适应传感器个数的频谱检测方法

Publications (2)

Publication Number Publication Date
CN102082617A true CN102082617A (zh) 2011-06-01
CN102082617B CN102082617B (zh) 2014-10-08

Family

ID=44088380

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201010591437.9A Expired - Fee Related CN102082617B (zh) 2010-12-16 2010-12-16 基于mtm-svd自适应传感器个数的频谱检测方法

Country Status (1)

Country Link
CN (1) CN102082617B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN103297160A (zh) * 2013-05-27 2013-09-11 东南大学 基于归一化特征值的拟合优度检验的频谱感知方法及装置
CN103929254A (zh) * 2014-04-03 2014-07-16 北京邮电大学 一种针对电视频段的多域特征挖掘及分析方法
CN103987051A (zh) * 2014-04-28 2014-08-13 南京邮电大学 基于无线传感器网络可靠感知的频谱共享方法
CN106100775A (zh) * 2016-08-23 2016-11-09 桂林电子科技大学 基于邻接矩阵的ofdm频谱感知方法
CN110572181A (zh) * 2019-08-12 2019-12-13 广东电网有限责任公司 一种电力线的信道检测方法、装置及设备
CN115021845A (zh) * 2022-06-20 2022-09-06 西安航空学院 一种频谱感知方法、系统、介质、设备及终端

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101615926A (zh) * 2009-07-31 2009-12-30 东南大学 认知无线电中的异步协同频谱感知方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101615926A (zh) * 2009-07-31 2009-12-30 东南大学 认知无线电中的异步协同频谱感知方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
邹丹等: "无线认知传感器网络的节能频谱感知策略", 《中国科学技术大学学报》 *

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN103297160A (zh) * 2013-05-27 2013-09-11 东南大学 基于归一化特征值的拟合优度检验的频谱感知方法及装置
CN103929254A (zh) * 2014-04-03 2014-07-16 北京邮电大学 一种针对电视频段的多域特征挖掘及分析方法
CN103929254B (zh) * 2014-04-03 2016-05-18 北京邮电大学 一种针对电视频段的多域特征挖掘及分析方法
CN103987051A (zh) * 2014-04-28 2014-08-13 南京邮电大学 基于无线传感器网络可靠感知的频谱共享方法
CN103987051B (zh) * 2014-04-28 2017-05-31 南京邮电大学 基于无线传感器网络可靠感知的频谱共享方法
CN106100775A (zh) * 2016-08-23 2016-11-09 桂林电子科技大学 基于邻接矩阵的ofdm频谱感知方法
CN106100775B (zh) * 2016-08-23 2018-05-04 桂林电子科技大学 基于邻接矩阵的ofdm频谱感知方法
CN110572181A (zh) * 2019-08-12 2019-12-13 广东电网有限责任公司 一种电力线的信道检测方法、装置及设备
CN115021845A (zh) * 2022-06-20 2022-09-06 西安航空学院 一种频谱感知方法、系统、介质、设备及终端
CN115021845B (zh) * 2022-06-20 2023-04-18 西安航空学院 一种频谱感知方法、系统、介质、设备及终端

Also Published As

Publication number Publication date
CN102082617B (zh) 2014-10-08

Similar Documents

Publication Publication Date Title
CN102082617B (zh) 基于mtm-svd自适应传感器个数的频谱检测方法
CN101547453B (zh) 基站装置以及信道分配方法
CN102324959B (zh) 一种基于多天线系统协方差矩阵的频谱感知方法
CN101577564B (zh) 基于判决门限自适应的信号频谱感知与检测方法
CN102291186B (zh) 一种基于信号到达方向估计的频谱感知方法
CN100574139C (zh) 认知无线电中频谱空洞的探测方法
CN101640570A (zh) 频谱感知方法、能量检测方法及装置
CN108322277B (zh) 一种基于协方差矩阵反特征值的频谱感知方法
CN110912630B (zh) 一种基于多天线的空域频谱感知方法
CN103281142B (zh) 联合时域双门限和频域变点数的能量检测方法和装置
CN102710345B (zh) 一种基于多天线Friedman检验的认知无线电频谱感知方法
JP2003519996A (ja) ワイヤレス通信システムにおいて署名領域に関する無線周波数署名を作成するための方法およびシステム
JP2003519995A (ja) ワイヤレス通信システムにおいて被測定無線周波数信号伝播特性を比較するための方法およびシステム
Schiphorst et al. Evaluation of spectrum occupancy in Amsterdam using mobile monitoring vehicles
CN102271022B (zh) 一种基于最大广义特征值的频谱感知方法
KR100970757B1 (ko) 무선 인지 시스템에서 멀티 유저들을 위한 에너지 검출기반의 협력 채널 센싱 방법
Suchański et al. Radio environment map to support frequency allocation in military communications systems
Suchanski et al. Radio environment maps for military cognitive networks: construction techniques vs. map quality
CN102497239B (zh) 一种基于极化度的频谱感知方法
CN105634634B (zh) 一种存在未知定时的异步信道感知方法
CN105723748B (zh) 无线电信道利用
CN103117821A (zh) 一种基于瑞利商的加权协作频谱感知方法
CN102869091B (zh) 一种确定定位参考信号到达时间的方法及装置
Keawbunsong et al. Quantitative Measurement of Path Loss Model Adaptation Using the Least Squares Method in an Urban DVB‐T2 System
Chen et al. Cooperative energy detection algorithm based on background noise and direction finding error

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20141008

Termination date: 20161216

CF01 Termination of patent right due to non-payment of annual fee