CN102118201B - 一种基于协方差矩阵分解的盲频谱感知方法 - Google Patents
一种基于协方差矩阵分解的盲频谱感知方法 Download PDFInfo
- Publication number
- CN102118201B CN102118201B CN2010106185200A CN201010618520A CN102118201B CN 102118201 B CN102118201 B CN 102118201B CN 2010106185200 A CN2010106185200 A CN 2010106185200A CN 201010618520 A CN201010618520 A CN 201010618520A CN 102118201 B CN102118201 B CN 102118201B
- Authority
- CN
- China
- Prior art keywords
- frequency spectrum
- matrix
- covariance matrix
- quadratic sum
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
一种基于协方差矩阵分解的盲频谱感知方法涉及无线通信中认知无线电领域次级用户检测频谱空洞的方法,该方法首先对接收信号向量的取样协方差矩阵作Bartlett分解得到相应的上三角矩阵;然后利用该矩阵非对角元素的平方和与对角元素的平方和之商作为检测频谱空洞的统计判决量,当该判决量大于某一门限值时,判定频谱空洞不存在,反之,判定频谱空洞存在。本发明所涉及的感知方法的理论判决门限具有简单的闭式形式,能够快速而精确地被计算出来,且适合于任何取样规模的感知场景;另一方面该方法不需要主用户信号、信道和噪声的统计特征来参与实施频谱感知,是一种全盲检测方法,能够有效地克服经典的能量检测方法所遭遇的“噪声不确定性”问题。
Description
技术领域
本发明涉及一种适应于认知无线电中空闲频段感知的实现方法,属于无线通信中的认知无线电技术领域。
背景技术
频谱是无线通信的宝贵资源。在传统的无线通信系统中,频谱分配是固定的。一旦一段频谱授权给某个用户,这个用户(授权用户,主用户)便对其具有独占性,即使自身不使用也禁止其它用户(非授权用户,次级用户)占用。这种频谱分配模式实现简单,有利于保证主用户的服务质量,在无线通信发展伊始就得到了广泛应用,并一直沿用至今。然而,近来的研究表明,主用户在独享授权频段的同时,却没有充分利用该频段。根据美国联邦通信委员会的调查报告,授权频段的利用率在15%到85%之间波动;很多授权频段在不同的时间段内、不同的地理区域里都未被利用,形成了大量的频谱空洞。在频谱需求日益增大的今天,合理回收利用这些频谱空洞,可以极大地缓解当前频谱资源紧张的问题。
认知无线电是一种有效利用频谱空洞的新技术。这一技术允许次级用户在主用户未使用授权频段(频谱空洞存在)的前提下使用该频段;一旦主用户重新使用授权频段(频谱空洞消失),次级用户必须马上停止使用,以免对主用户产生干扰。为了达到这一目标,次级用户首先必须检测频谱空洞是否存在。只有当检测到主用户信号没有出现时,次级用户才可以使用主用户空出来的频谱资源。因此,有效地实施频谱感知是认知无线电得以实现的前提和基础,而频谱感知技术也就成为认知无线电技术的关键技术之一。
常用的感知技术包括能量检测方法、匹配滤波检测方法和循环相关检测方法。由于基于能量的检测实现简单,检测无需利用信道和主用户信号的信息,因而能量检测方法成为应用最为广泛的检测方法之一。在检测零均值独立高斯主用户信号时,能量检测方法具有最优的检测性能。然而,当检测相关信号时,研究表明该检测方法性能将显著下降。另一方面,在检测过程中,能量检测方法需要利用噪声方差信息,而现实环境中噪声方差是时变的、随机的,即所谓的“噪声不确定性(noise uncertainty)”问题。现有的研究结果表明,能量检测方法的检测性能将随着“噪声不确定性”问题的出现而显著下降,最终导致所谓的“噪声墙(SNR wall)”现象,一旦出现这种现象,即使增加再多的采样点数,能量检测方法的检测性能也得不到提高。
为了克服能量检测方法的上述问题,一些学者提出了基于信号相关性的检测方法。经对现有文献检索发现,Y. H. Zeng 和 Y. C. Liang在《IEEE Transactions on Vehicular Technology, 58, no. 4, pp. 1804-1815, May 2009》发表了题为“Spectrum-sensing algorithms for cognitive radio based on statistical covariances (认知无线电中基于统计协方差的频谱感知算法)”的文章,该文提出一种基于协方差对角线/非对角线元素绝对值比的盲频谱感知方法。紧接着,这两位学者在《IEEE Transactions on Communications, vol. 57, no. 6, pp. 1784-1793, June 2009》上发表题为“Eigenvalue based spectrum sensing algorithms for cognitive radio (认知无线电中基于特征值的频谱感知算法)”的文章,该文提出了包括最大/最小特征值比方法、能量/最小特征值比的两种全新的盲频谱感知方法。这三种频谱感知方法都克服了前面提到的“噪声不确定性”问题,并且在信号取样存在很高的相关性时表现出比能量检测方法更好的检测性能。由于上述优点,使得这三种方法成为广为应用和研究的盲感知算法。但是一个共同的难题是:到目前为止,由于数学上的难题,上述三种方法的理论检测门限都是在基于取样规模 为无穷大(对于最大/最小特征值比方法和能量/最小特征值比方法而言,要求取样向量的维数也为无穷大)的假定下求得,而在实际的感知场景中,由于感知时间的限制,不可能为无穷大,并且取样向量的维数一般也非常小。显然,实际感知场景中的这些限制条件将使得上述求得的理论门限值将变得极其不准确,导致这些方法在实际的感知应用当中的检测性能变得不可靠,限制了其进一步的应用和推广。
经典的能量检测方法仅仅利用接收信号的能量信息判断主用户信号的有无,当信号取样存在相关性或者发生噪声不确定现象时,该方法的检测性能将显著下降。另一方面,经典的三种盲频谱感知方法(包括最大/最小特征值比方法、能量/最小特征值比方法和协方差对角线/非对角线元素绝对值比方法)的理论门限的准确程度受取样规模的影响很大,理论上只有在取样规模为无限大的情况下才能通过计算获得比较准确的感知门限。
发明内容
技术问题:本发明提出了一种基于协方差矩阵分解的盲频谱感知方法,有效地克服了能量检测方法的上述缺点;且理论门限确定简单、准确,不受取样规模的限制,能很好地应用到实际的认知无线电频谱感知当中。
技术方案:本发明提出的基于协方差矩阵分解的盲频谱感知方法,该方法通过对接收信号向量的取样协方差矩阵作Bartlett分解后所得的上三角矩阵来构造统计判决量;即首先对作Bartlett分解,即,这里分解得到的矩阵为一个上三角矩阵;然后利用矩阵的非对角线元素的平方和与对角线元素的平方和之商作为频谱空洞检测的统计判决量,当该判决量大于某一门限值时,判定频谱空洞不存在,反之,当该判决量小于该门限值时,则判定频谱空洞存在。
该方案具体实施方案为:
有益效果:本发明的有益效果主要体现在以下三个方面:
1) 判决门限的确定独立于信号和噪声方差,可以预先计算,并且相对于现有的盲频谱感知方法,本发明的最大优点在于其理论门限能被简单而精确地确定,对取样规模没有任何限制性的假定;
2) 基于协方差矩阵分解的盲频谱感知方法不需要信道、主用户信号和噪声的统计特征来参与实施感知,克服了能量检测方法所遭遇的“噪声不确定性”问题;
附图说明
图1 基于协方差矩阵分解的盲检测方法流程图。
具体实施方式
基于协方差矩阵分解的盲频谱感知方法首先对接收信号向量的取样协方差矩阵作Bartlett分解得到一个上三角矩阵;然后利用的非对角线元素的平方和与对角线元素的平方和之商作为频谱空洞检测的统计判决量,当该判决量大于某一门限值时,判定频谱空洞不存在,反之,当该判决量小于该门限值时,则判定频谱空洞存在。其具体步骤表述为:
下面从频谱感知模型的建立、基于协方差矩阵分解的频谱感知方法的确立到具体感知流程等三个方面进行详细阐述。
(一)频谱感知模型
(二)实施方法
从频谱感知模型(4)可知:在成立时,由于信道和主用户信号的影响,接收信号向量的统计协方差矩阵变得不再是一个对角阵。这样导致对统计协方差矩阵进行乔里斯基分解后所得的上三角矩阵的非对角线上应该存在非零元素;而在成立时,由于只有白噪声数据存在,统计协方差矩阵分解后所得的上三角矩阵为一对角矩阵,因此该矩阵的非对角线上不存在非零元素。如果定义某个变量为该上三角矩阵的非对角线元素的平方和与对角线元素的平方和之商,则该变量在没有主用户信号出现(成立)时为0,而在主用户信号出现(成立)时为非0值,因此该变量的大小实际上标示着主用户信号是否存在,可以作为判断频谱空洞是否存在的依据。然而在信道、主用户信号和噪声统计特征未知的情况下,我们无法得到接收信号的统计协方差矩阵。在实际的感知过程中,我们可以通过对有限的样本数据进行计算获得接收信号的取样协方差矩阵,该矩阵定义为:
依据Bartlett分解定理,我们可以获得如下分解:
(三)具体实施步骤
这里结合上面的模型和流程图1,对本发明所涉及的基于协方差矩阵分解的盲频谱感知方法作进一步的说明:
(e) 根据式(8)计算判决门限;
Claims (2)
1.一种基于协方差矩阵分解的盲频谱感知方法,其特征在于该方法通过对接收信号向量的取样协方差矩阵作Bartlett分解后所得的上三角矩阵L来构造统计判决量:首先对作Bartlett分解得到这里分解后所得的矩阵L为一个上三角矩阵;然后利用矩阵L的非对角线元素的平方和与对角线元素的平方和之商作为频谱空洞检测的统计判决量,当该判决量大于某一门限值时,判定频谱空洞不存在,反之,当该判决量小于该门限值时,则判定频谱空洞存在;接收信号向量 1≤i≤N;其中:表示第j根天线的第i个采样信号,上标T表示转置运算;
4).计算判决量:
5).计算判决门限:
6).判决过程:
如果Λ>γ,则判定主用户信号存在,即频谱空洞不存在;如果Λ<γ,则判定主用户信号不存在,即频谱空洞存在。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010106185200A CN102118201B (zh) | 2010-12-31 | 2010-12-31 | 一种基于协方差矩阵分解的盲频谱感知方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010106185200A CN102118201B (zh) | 2010-12-31 | 2010-12-31 | 一种基于协方差矩阵分解的盲频谱感知方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102118201A CN102118201A (zh) | 2011-07-06 |
CN102118201B true CN102118201B (zh) | 2013-09-11 |
Family
ID=44216818
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2010106185200A Expired - Fee Related CN102118201B (zh) | 2010-12-31 | 2010-12-31 | 一种基于协方差矩阵分解的盲频谱感知方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102118201B (zh) |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102946288B (zh) * | 2012-11-23 | 2014-08-06 | 西安电子科技大学 | 基于自相关矩阵重构的压缩频谱感知方法 |
CN103297159A (zh) * | 2013-05-10 | 2013-09-11 | 东南大学 | 一种频谱感知方法、频谱感知装置 |
CN103281141A (zh) * | 2013-05-24 | 2013-09-04 | 东南大学 | 一种盲频谱感知方法及装置 |
CN103391143B (zh) * | 2013-07-29 | 2015-05-20 | 哈尔滨工业大学深圳研究生院 | 基于特征值的多天线盲频谱感知方法及系统 |
CN103490835B (zh) * | 2013-10-14 | 2015-05-06 | 哈尔滨工业大学深圳研究生院 | 一种基于超几何体体积频谱感知的方法及系统 |
CN103795481B (zh) * | 2014-01-28 | 2017-02-22 | 南京邮电大学 | 一种基于自由概率理论的协作频谱感知方法 |
CN103973382B (zh) * | 2014-05-19 | 2016-04-27 | 西安电子科技大学 | 基于有限随机矩阵的频谱检测方法 |
CN103973383B (zh) * | 2014-05-19 | 2016-01-20 | 西安电子科技大学 | 基于Cholesky分解与特征值的协作频谱检测方法 |
CN103973381B (zh) * | 2014-05-19 | 2016-01-20 | 西安电子科技大学 | 基于Cholesky矩阵分解的协作频谱检测方法 |
CN104683050B (zh) * | 2015-01-29 | 2017-05-17 | 吉首大学 | 一种能有效对抗噪声不确定性的多天线全盲频谱感知方法 |
CN104601264B (zh) * | 2015-02-27 | 2018-06-05 | 吉首大学 | 一种适用于高维有限样本条件的多天线频谱感知方法 |
CN104660356B (zh) * | 2015-03-13 | 2017-11-10 | 湖南大学 | 一种具有可靠虚警性能的半盲协作式频谱感知方法 |
CN106972900B (zh) * | 2017-05-16 | 2020-04-14 | 西安熠泽丰电子科技有限公司 | 基于广义t2统计量的盲频谱感知方法 |
CN107682103B (zh) * | 2017-10-20 | 2020-07-28 | 宁波大学 | 一种基于最大特征值和主特征向量的双特征频谱感知方法 |
CN109286937B (zh) * | 2018-09-12 | 2023-03-24 | 宁波大学 | 利用小特征值估计噪声功率的协方差矩阵频谱感知方法 |
CN110190917B (zh) * | 2019-05-28 | 2021-08-31 | 海南电网有限责任公司 | 一种LTE230MHz电力无线专网的频谱空洞感知方法、装置及设备 |
CN115276857B (zh) * | 2022-07-04 | 2024-06-14 | 吉首大学 | 基于Cholesky分解和卷积神经网络相结合的全盲频谱检测方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101359930A (zh) * | 2008-09-12 | 2009-02-04 | 南京邮电大学 | 认知无线电系统中基于最大特征值的频谱感知方法 |
-
2010
- 2010-12-31 CN CN2010106185200A patent/CN102118201B/zh not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101359930A (zh) * | 2008-09-12 | 2009-02-04 | 南京邮电大学 | 认知无线电系统中基于最大特征值的频谱感知方法 |
Non-Patent Citations (4)
Title |
---|
Eigenvalue-Based Spectrum Sensing Algorithms for Cognitive Radio;Yonghong Zeng,Ying-Chang Liang;《IEEE transactions on communications》;20090630;第57卷(第6期);全文 * |
Spectrum-Sensing Algorithms for Cognitive Radio Based on Statistical Covariances;Yonghong Zeng,Ying-Chang Liang;《IEEE Transactions on Vehicular technology》;20090531;第58卷(第4期);全文 * |
Yonghong Zeng,Ying-Chang Liang.Eigenvalue-Based Spectrum Sensing Algorithms for Cognitive Radio.《IEEE transactions on communications》.2009,第57卷(第6期),全文. |
Yonghong Zeng,Ying-Chang Liang.Spectrum-Sensing Algorithms for Cognitive Radio Based on Statistical Covariances.《IEEE Transactions on Vehicular technology》.2009,第58卷(第4期),全文. |
Also Published As
Publication number | Publication date |
---|---|
CN102118201A (zh) | 2011-07-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102118201B (zh) | 一种基于协方差矩阵分解的盲频谱感知方法 | |
CN101986583B (zh) | 基于协方差匹配的多天线频谱感知方法 | |
CN101557263B (zh) | 无线电信号处理方法与装置 | |
CN102291186B (zh) | 一种基于信号到达方向估计的频谱感知方法 | |
CN100518012C (zh) | 认知无线电系统的授权用户信号检测方法 | |
CN102088324B (zh) | 一种认知无线电系统的频谱检测方法 | |
CN102324959B (zh) | 一种基于多天线系统协方差矩阵的频谱感知方法 | |
CN103795479B (zh) | 一种基于特征值的协作频谱感知方法 | |
CN103220052B (zh) | 一种认知无线电中检测频谱空洞的方法 | |
CN107370521A (zh) | 一种认知无线电多用户协作频谱感知方法 | |
CN101808334B (zh) | 一种认知无线电中检测授权用户到达角的频谱感知方法 | |
CN101640570A (zh) | 频谱感知方法、能量检测方法及装置 | |
CN104135327A (zh) | 基于支持向量机的频谱感知方法 | |
CN103873171B (zh) | 基于多用户互协作的协作频谱感知决策融合方法 | |
CN103297159A (zh) | 一种频谱感知方法、频谱感知装置 | |
CN101630983A (zh) | 认知无线电中利用循环谱统计量的空闲频谱检测方法 | |
CN102271022B (zh) | 一种基于最大广义特征值的频谱感知方法 | |
CN107820255A (zh) | 一种改进的协方差绝对值协作频谱感知方法 | |
CN103684626A (zh) | 多用户协同频谱感知的数据融合方法及装置 | |
CN103973382B (zh) | 基于有限随机矩阵的频谱检测方法 | |
CN104660356A (zh) | 一种具有可靠虚警性能的半盲协作式频谱感知方法 | |
CN105634634B (zh) | 一种存在未知定时的异步信道感知方法 | |
CN104079359A (zh) | 一种认知无线网络中协作频谱感知门限优化方法 | |
CN103888201A (zh) | 一种利用空间分集的协作频谱感知方法 | |
CN202918327U (zh) | 一种数字调制信号自动分类系统 |
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: 20130911 Termination date: 20151231 |
|
EXPY | Termination of patent right or utility model |