CN102142910A - 随机信号功率频域估计方法 - Google Patents
随机信号功率频域估计方法 Download PDFInfo
- Publication number
- CN102142910A CN102142910A CN2010102050191A CN201010205019A CN102142910A CN 102142910 A CN102142910 A CN 102142910A CN 2010102050191 A CN2010102050191 A CN 2010102050191A CN 201010205019 A CN201010205019 A CN 201010205019A CN 102142910 A CN102142910 A CN 102142910A
- Authority
- CN
- China
- Prior art keywords
- signal
- space
- power
- noise
- power estimation
- 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
Links
Images
Landscapes
- Monitoring And Testing Of Transmission In General (AREA)
- Measuring Frequencies, Analyzing Spectra (AREA)
Abstract
本发明涉及随机信号频域功率估计技术。假设随机信号为y(t)=s(t)+n(t),0≤t≤T。对随机信号中噪声功率和有用信号功率进行估计,其步骤是:采样、模拟信号y(t)转变成离散信号y(n);对信号y(n)进行时频变换,得信号y(t)、Y(l);将Y(l)信号空间匀分成上、下频带信号空间U(k)、D(k);在U(k)、D(k)频带信号空间选择能量较低的频带信号空间作为噪声功率估计空间N(k);估计空间N(k)中计算显著性水平比较两个显著性水平,直到满足不等式β≤β0;选择第一次分解中能量较高的频带信号空间作为信号功率估计空间X(k);以幅度最大的抽样点为有用信号频带中心,得有用信号估计功率优点是:凸现随机信号的频域特征,有效分离噪声与有用信号,提高功率实时估计的准确性,由此设置的判决门限能适应信道噪声和信号的动态变化,信号检测准确率高。
Description
技术领域
本发明涉及随机信号功率的估计技术,更具体地说涉及一种根据信号的频域特征估计随机信号功率的方法。
背景技术
当前,日益增长的频谱需求和有限的频谱资源之间的矛盾日显突出,严重制约了无线通信业务的发展。但从实际无线频谱运营情况来看,已分配(授权)的无线频谱在时间和空间上存在着相当程度的闲置,根据对无线频谱的测量数据报告,大部分无线频段的频谱使用率仅在10%左右。如何有效解决频谱资源稀缺与频谱使用率低之间的矛盾成为无线通信中的关键技术。赋予认知功能的无线电(CR)被公认为高效利用无线频谱的有效技术手段。
CR技术的核心则是通过动态频谱感知来探测“频谱空洞”,合理占用临时可用频段,并根据感知信息自适应、动态地改变自身信号发射功率、发射频率、调制方式等传输参数以规避正在通信的主用户(授权用户)。它要求次用户(CR用户)通过感知周围无线环境、改变自身传输参数以保证不对现存的主用户产生任何干扰。正是这种能迅速改变自身传输参数的特征使得CR技术被认为是未来通信的“下一次革命”。在频谱兼容性和互操作性变得越来越困难的今天,兼有物理层(PHY)和网络层(MAC)感知功能的CR技术被寄予了厚望。
正确感知和检测周围无线环境是CR工作的前提。常见的频谱检测器有匹配滤波检测器、能量检测器、循环平稳特征检测器、小波检测器和协方差检测器等。其中,能量检测器实现简单,无需信号的先验知识,只需测量频域或时域上一段观测空间内随机信号的总能量就可以判决是否有授权用户出现,是目前应用最广的一种频谱检测方法。
能量检测器的主要缺点是噪声干扰温度门限难以确定,特别当主信号极弱时,噪声的波动性对判决门限的预定影响非常大,很难准确设置判决门限以保证频谱检测的准确性。另外,能量检测器的判决门限有时还与信号功率相关。只有准确知道信道噪声功率和信号功率,才能有效、准确地设置能量检测器的判决门限,提高频谱检测性能。
实际上,在许多随机信号的检测过程中往往需要掌握待检测信号中噪声功率和有用信号功率,因此随机信号功率估计具有非常重要的现实意义和应用价值。
发明内容
本发明的目的在于克服上述现有技术的不足,解决噪声功率不确定性和信号功率不确定性对能量检测器性能的影响,设计一种在频域中估计信道高斯噪声和信号功率的方法,即一种随机信号功率频域估计方法。
上述目的通过下述技术方案予以实现:
设随机信号y(t)=s(t)+n(t),其中,n(t)表示加性高斯噪声,s(t)表示有用信号,对所述随机信号y(t)的所述功率估计包括下列步骤:
1)采样,在0≤t≤T内对随机信号y(t)进行抽样点数M的采样,将连续信号y(t)转变成离散信号y(m),0≤m≤M-1;
2)时频变换,将离散信号y(m)通过快速傅里叶变换器进行时频变换,得到随机信号y(t)的频域离散信号Y(m);
3)信号分解,以Y(m)作为本原信号空间Z(l),0≤l≤L-1,L为本原信号空间Z(l)的长度。将本原信号空间Z(l)均匀分成上频带信号空间U={U(k)}和下频带信号空间D={D(k)},0≤k≤K,K=L/2;
4)噪声空间选择,比较上频带信号空间U={U(k)}和下频带信号空间D={D(k)}的能量,选择能量较低的频带信号空间作为噪声功率估计空间N(k),0≤k≤K,K=L/2;
5)显著性水平计算,根据给定显著性水平因子β0和系数η,在噪声功率估计空间N(k)中计算显著性水平
6)噪声功率估计,比较上述两个显著性水平。如果
β≤β0
则认为在噪声功率估计空间N(k)中只有噪声,就是估计的噪声功率否则,将噪声功率估计空间N(k)作为新的本原信号空间Z(l),重复步骤3)~步骤6),直到对于给定的系数η和显著性水平β0,使所述两个显著性水平满足β≤β0;
7)信号空间选择,比较第一次分解的上频带信号空间U={U(k)}和下频带信号空间D={D(k)}的能量,选择能量较高的频带信号空间作为信号功率估计空间X(k);
所述方法进一步的设计在于,所述抽样点数M取2的幂指数。
所述方法进一步的设计在于,所述时频变换可先于采样,即可先进行时频变换,将时域信号y(t)变换成频域信号Y(f),然后再在频域中进行采样得到频域离散信号Y(m)。
所述方法进一步的设计在于,所述信号分解为频域中的如下均匀分解:
U={U(k)}
=[U(0) U(1) … U(K-1)]
=[Z(0) Z(1) … Z(K-1)]
D={D(k)}
=[D(0) D(1) … D(K-1)]
=[Z(K) Z(K+1) … Z(L-1)]
所述方法进一步的设计在于,所述显著性水平因子β0和系数η是根据实验测试或者实验仿真取得的。对于高斯噪声n(t),给定系数η,显著性水平因子β0取最小值,但必须满足
β0≥Pr{N(n)>η·σn} 0≤n≤M-1
所述方法进一步的设计在于,所述有用信号功率估计的具体步骤是:
1)以幅度最大的抽样点为有用信号的频带中心,在信号功率估计空间X(k)的3dB带宽上估计有用信号功率;
2)当选择第一次分解的上频带信号空间U={U(k)}作为信号功率估计空间X(k)时,如果最大抽样点位于信号功率估计空间X(k)的下边缘处时,将下频带信号空间D={D(k)}的相应抽样点的功率计在3dB带宽功率中,并由此估计信号功率;当选择第一次分解的下频带信号空间D={D(k)}作为信号功率估计空间X(k)时,如果最大抽样点位于信号功率估计空间X(k)的上边缘处时,将上频带信号空间U={U(k)}的相应抽样点的功率计在3dB带宽功率中,并由此估计信号功率。
本发明方法将随机信号变换到频域中进行处理,根据噪声和信号的频域特征,通过恰当选择噪声估计空间和信号功率估计空间、合理选择显著性水平因子,快速估计噪声功率和信号功率,为能量检测器判决门限的快速、准确设置提供必要的先验知识。具体来说就是时频变换与信号分离相结合,时频变换快速提取信号频域特征,信号分离提高了功率估计的准确性,解决了随机信号中噪声功率和有用信号功率估计的难题。从而产生以下的有益效果:
(1)通过时频变换,凸现噪声和信号的频域特征;
(2)通过信号空间分解,实现噪声与信号的有效分离;
(3)通过选择恰当的功率估计空间(范围),提高噪声功率和有用信号功率实时估计的准确性;
(4)根据估计的噪声功率和有用信号功率设置的判决门限具有自适应功能,能适应信道噪声功率和传输信号功率的动态变化,提高信号检测器检测准确率。
附图说明
图1是本发明方法的流程框图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明。
在时域0≤t≤T内,设随机信号为
y(t)=s(t)+n(t)
其中,n(t)表示加性高斯噪声,s(t)表示有用信号。现对该随机信号y(t)中噪声功率和有用信号功率进行估计,实施步骤如图1所示,具体如下:
首先对随机信号y(t)进行抽样点数为M的采样,M取2的幂指数。
y(m)=y(mTs) 0≤m≤M-1
Ts为采样周期,T为采样时间,M=T/Ts。上述的抽样过程实际上就是数模转换过程,采用的就是一个数模转换器,使模拟信号y(t)转变成离散信号y(m)。
将抽样后的离散信号y(m)通过快速傅里叶变换器进行时频变换,得到随机信号y(t)的频域离散抽样信号Y(m)
上述采用的先采样后时频变换的步骤也可以反过来,即可先进行时频变换,将时域信号y(t)变换成频域信号Y(f),然后再在频域中进行采样得到频域离散信号Y(m)。
将Y(m)作为本原信号空间Z(l),0≤l≤L-1,L为本原信号空间Z(l)的长度,对频域离散信号Z(l)进行频域空间长度的均匀分解。例如对信号空间Z(l)进行如下频域中的均匀分解:
U={U(k)}
=[U(0) U(1) … U(K-1)]
=[Z(0) Z(1) … Z(K-1)]
D={D(k)}
=[D(0) D(1) … D(K-1)]
=[Z(K) Z(K+1) … Z(L-1)]
其中0≤k≤K-1,K=L/2。
然后,比较上频带信号空间U=U(k)和下频带信号空间的D=D(k)的能量,选择能量较低的频带信号空间作为噪声功率估计空间N(k)。在噪声功率估计空间N(k)估计噪声功率。根据给定显著性水平因子β0和系数η,在噪声功率估计空间N(k)中计算显著性水平
上述的显著性水平因子β0和系数η是根据实验测试或者实验仿真取得的。一般来说,对于高斯噪声n(t),给定系数η,显著性水平因子β0取最小值,但必须满足
β0≥Pr{N(n)>η·σn} 0≤n≤M-1
其中N(n)为噪声n(t)的频域抽样信号,为噪声n(t)的功率。
将显著性水平β与给定显著性水平因子β0比较。如果β≤β0,则从统计的意义上认为在噪声功率估计空间N(k)中只有噪声,就是噪声功率否则,将进一步分解该空间,重新选择噪声估计空间进行新一轮噪声功率估计,直到满足β≤β0。
接着进行信号空间选择,比较第一次分解的上频带信号空间U={U(k)}和下频带信号空间D={D(k)}的能量,选择能量较高的频带信号空间作为信号功率估计空间X(k)。
其估计的具体步骤是:
1)以幅度最大的抽样点为有用信号的频带中心,在信号功率估计空间X(k)的3dB带宽上估计有用信号功率,而不是在整个信号功率估计空间上估计的;
2)当选择第一次分解的上频带信号空间U={U(k)}作为信号功率估计空间X(k)时,如果最大抽样点位于信号功率估计空间X(k)的下边缘处时,则根据3dB带宽,将下频带信号空间D={D(k)}的相应抽样点的功率计在3dB带宽功率中,并由此估计信号功率;当选择第一次分解的下频带信号空间D={D(k)}作为信号功率估计空间X(k)时,如果最大抽样点位于信号功率估计空间X(k)的上边缘处时,则根据3dB带宽,将上频带信号空间U={U(k)}的相应抽样点的功率计在3dB带宽功率中,并由此估计信号功率。功率估计器将估计得到的噪声功率和有用信号功率送到相关检测器,完成随机信号中噪声功率的估计和有用信号功率的估计。
Claims (6)
1.随机信号频域功率估计方法,其特征在于设随机信号y(t)=s(t)+n(t),其中,n(t)表示加性高斯噪声,s(t)表示有用信号,对所述随机信号y(t)的所述功率估计包括下列步骤:
1)采样,在0≤t≤T内对随机信号y(t)进行抽样点数为M的采样,将连续信号y(t)转变成离散信号y(m),0≤m≤M-1;
2)时频变换,将离散信号y(m)通过快速傅里叶变换器进行时频变换,得到随机信号y(t)的频域离散信号Y(m);
3)信号分解,以Y(m)作为本原信号空间Z(l),0≤l≤L-1,L为本原信号空间Z(l)的长度。将本原信号空间Z(l)均匀分成上频带信号空间U={U(k)}和下频带信号空间D={D(k)},0≤k≤K,K=L/2;
4)噪声空间选择,比较上频带信号空间U={U(k)}和下频带信号空间D={U(k)}的能量,选择能量较低的频带信号空间作为噪声功率估计空间N(k),0≤k≤K,K=L/2;
5)显著性水平计算,根据给定显著性水平因子β0和系数η,在噪声功率估计空间N(k)中计算显著性水平
6)噪声功率估计,比较上述两个显著性水平。如果
β≤β0
则认为在噪声功率估计空间N(k)中只有噪声,就是估计的噪声功率否则,将噪声功率估计空间N(k)作为新的本原信号空间Z(l),重复步骤3)至步骤6),直到对于给定的系数η和显著性水平β0,使所述两个显著性水平满足β≤β0;
7)信号空间选择,比较第一次分解的上频带信号空间U={U(k)}和下频带信号空间D={D(k)}的能量,选择能量较高的频带信号空间作为信号功率估计空间X(k);
2.根据权利要求1所述的随机信号频域功率估计法,其特征在于所述抽样点数M取2的幂指数。
3.根据权利要求1所述的随机信号频域功率估计法,其特征在于所述时频变换可先于采样,即可先进行时频变换,将时域信号y(t)变换成频域信号Y(f),然后再在频域中进行采样得到频域离散信号Y(n)。
4.根据权利要求1所述的随机信号频域功率估计法,其特征在于所述信号分解为频域中的如下均匀分解:
U={U(k)}
={U(0) U(1) … U(K-1)]
=[Z(0) Z(1) … Z(K-1)]
D={D(k)}
=[D(0) D(1) …D(K-1)]
=[Z(K) Z(K+1) … Z(L-1)]
6.根据权利要求1所述的随机信号频域功率估计法,其特征在于所述有用信号功率估计的具体步骤是
1)以幅度最大的抽样点为有用信号的频带中心,在信号功率估计空间X(k)的3dB带宽上估计有用信号功率;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010102050191A CN102142910B (zh) | 2010-06-21 | 2010-06-21 | 随机信号功率频域估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010102050191A CN102142910B (zh) | 2010-06-21 | 2010-06-21 | 随机信号功率频域估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102142910A true CN102142910A (zh) | 2011-08-03 |
CN102142910B CN102142910B (zh) | 2013-09-18 |
Family
ID=44410166
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2010102050191A Expired - Fee Related CN102142910B (zh) | 2010-06-21 | 2010-06-21 | 随机信号功率频域估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102142910B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107528648A (zh) * | 2017-10-23 | 2017-12-29 | 北京邮电大学 | 一种基于低秩稀疏矩阵分解的盲频谱感知方法和装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101242383A (zh) * | 2007-02-09 | 2008-08-13 | 株式会社Ntt都科摩 | 一种信道估计方法 |
WO2010132483A2 (en) * | 2009-05-11 | 2010-11-18 | Qualcomm Incorporated | Frequency domain feedback channel estimation for an interference cancellation repeater including sampling of non causal taps |
-
2010
- 2010-06-21 CN CN2010102050191A patent/CN102142910B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101242383A (zh) * | 2007-02-09 | 2008-08-13 | 株式会社Ntt都科摩 | 一种信道估计方法 |
WO2010132483A2 (en) * | 2009-05-11 | 2010-11-18 | Qualcomm Incorporated | Frequency domain feedback channel estimation for an interference cancellation repeater including sampling of non causal taps |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107528648A (zh) * | 2017-10-23 | 2017-12-29 | 北京邮电大学 | 一种基于低秩稀疏矩阵分解的盲频谱感知方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN102142910B (zh) | 2013-09-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101291055B (zh) | 一种输电线路故障行波初始波头到达时刻精确标定方法 | |
CN106597408B (zh) | 基于时频分析和瞬时频率曲线拟合的高阶pps信号参数估计方法 | |
CN101577564A (zh) | 基于判决门限自适应的信号频谱感知与检测方法 | |
CN105158740B (zh) | 基于高精度频率估计的噪声调幅干扰抑制方法 | |
CN100574139C (zh) | 认知无线电中频谱空洞的探测方法 | |
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 | |
CN105024951B (zh) | 一种功率时延谱pdp估计方法及装置 | |
CN102271022B (zh) | 一种基于最大广义特征值的频谱感知方法 | |
CN106170139B (zh) | 一种频谱检测方法及系统 | |
CN106100762B (zh) | 一种循环平稳谱分析的弱通信信号检测方法 | |
CN104218973A (zh) | 基于Myriad滤波的跳频信号参数估计方法 | |
CN101635598B (zh) | 一种估计噪声功率的方法和装置 | |
CN114785379A (zh) | 一种水声janus信号参数估计方法及系统 | |
CN104253659B (zh) | 一种频谱检测方法及其装置 | |
CN105634634B (zh) | 一种存在未知定时的异步信道感知方法 | |
CN102664843A (zh) | 一种单频干扰检测和消除的方法及其装置 | |
CN103139828B (zh) | 一种宽带频谱感知装置及方法 | |
CN102142910B (zh) | 随机信号功率频域估计方法 | |
CN105763273A (zh) | 一种认知无线电频谱感知方法 | |
CN102386985A (zh) | 适用于马尔可夫业务模型的频谱感知方法 | |
CN109120562B (zh) | 一种基于频谱累加匹配的mfsk信号频率估计方法 | |
CN102148650B (zh) | 基于检测率与虚警率加权合并的能量检测器的检测方法 | |
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 | |
CN103873163A (zh) | 一种基于渐近步长的稀疏度自适应压缩频谱感知方法 | |
CN107248964B (zh) | 一种underlay频谱共享时频重叠信号码速率估计方法 |
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: 20130918 Termination date: 20150621 |
|
EXPY | Termination of patent right or utility model |