CN102324959B - 一种基于多天线系统协方差矩阵的频谱感知方法 - Google Patents

Abstract

本发明公开了一种基于多天线系统协方差矩阵的频谱感知方法，在频谱感知之前，先根据认知无线电系统的天线个数，通过预设信号采样次数和恒虚警概率，并对计算机模拟的噪声信号进行归一化操作，设定判决门限λ；在频谱感知期间，多天线系统对监测信道上的信号进行采样，并对采样获得的信号进行归一化；然后利用归一化的采样信号计算协方差矩阵；利用协方差矩阵计算自适应加权系数；利用协方差矩阵和自适应加权系数计算加权的检验统计量；判断加权的检验统计量是否大于判决门限，如果是，则判决为监测信道繁忙，否则，判决为监测信道空闲；本发明的优点在于不但可以在天线相关性较高时获得较好的感知性能，在天线相关性较低时仍然具有较佳的感知性能。

Description

一种基于多天线系统协方差矩阵的频谱感知方法

技术领域

本发明涉及一种认知无线电频谱感知问题，尤其是涉及一种基于多天线系统协方差矩阵的频谱感知方法。

背景技术

随着信息时代的到来，无线通信在社会经济发展中发挥着越来越重要的战略作用，并渗透到社会各领域。无线通信发展显现出高速化、宽带化、异构化和泛在化的趋势。与此同时，无线通信也面临着严峻的挑战，随着无线通信业务需求的快速增长，频谱资源变得越来越稀缺。这主要体现在两个方面：首先，无线局域网(WLAN)、无线个人局域网(WPAN)等业务接入的非授权频段已经趋于饱和；其次，随着越来越多的授权频段频谱被分配利用，可以提供给新业务使用的空闲频段出现短缺。然而，美国联邦通信委员会(Federal Communications Commission，FCC)频谱政策任务组的调查表明，由频率管理部门分配的授权频段在不同的时间段、不同的地理区域里的使用率在15％到85％之间，这些频段大部分时间里未被占用，还有一些只是被部分占用，频谱的利用情况极不平衡。可见当前的频谱短缺现状并不是由于频率资源物理上的不足，而主要是由于现有的固定频谱分配管理机制导致频谱利用率低造成的。认知无线电(CognitiveRadio，CR)技术的提出，为提高授权频段频谱利用率提供了一种新的解决思路。

不管是非授权频段的不同用户之间共存，还是授权频段的认知无线电用户和授权用户的共存，为了保证不同用户之间互不干扰，某个用户在接入某段频段之前，必须先判断该频段是否正在被其它用户使用。也就是说在使用某段频段之前，需要对该频段进行频谱感知。当频谱感知结果是该段频谱没有被其它用户使用时，则该用户可以利用该频段进行通信，否则不能利用此频段以免干扰正在使用此频段的用户。如果不进行频谱感知直接利用该段频谱，则会造成对正在使用该频谱的其它用户的干扰，进而造成频谱利用率的下降(即该段频谱由于存在干扰而无法利用)。因此，频谱感知是提高频谱效率的关键技术之一。

频谱感知方法分为协作频谱感知方法和单点频谱感知方法两大类。其中，协作频谱感知方法是利用多个用户之间的协作进行频谱感知。单点频谱感知方法只利用一个认知用户对频谱进行感知。

现有的单点频谱感知方法主要有匹配滤波器检测、能量检测，循环特征检测和基于协方差的检测等方法。其中匹配滤波器检测法具有较好的检测性能，但它需要被检测信号的全部先验知识，而被检测信号的先验知识在大部分情况下是无法知道的。能量检测方法被广泛研究，其具有实现简单、复杂度低且不需要信号先验知识等优点，但是其存在一个较为严重的缺点，就是该方法对噪声不确定性非常敏感。针对能量检测方法对噪声不确定性敏感的问题，Zeng等人在2009年发表的《Spectrum-Sensing Algorithms forCognitive Radio Based on Statistical Covariances》(认知无线电中基于统计协方差的频谱感知方法)中提出了一种基于统计协方差矩阵的频谱感知方法，该方法利用了信号的时域相关性而噪声时域不相关的特点，并且该方法对噪声不确定性不敏感。Lee等人在2010年发表的《Antenna Correlation Based Spectrum Sensing in Cognitive Radio systems》(认知无线电中基于天线相关性的频谱感知方法)把基于统计协方差矩阵的频谱感知方法从利用信号时域相关性推广到了利用信号空域相关性。但是该方法在天线相关性较低的感知性能较差。

发明内容

本发明所要解决的技术问题是提供一种通过对检验统计量进行自适应加权，不需要预先知道噪声功率就能够有效提高频谱感知性能的基于多天线系统协方差矩阵的频谱感知方法。

本发明解决上述技术问题所采用的技术方案为：一种基于多天线系统协方差矩阵的频谱感知方法，包括以下步骤：

①在频谱感知之前，首先根据认知无线电系统的天线个数，通过预设信号采样次数和恒虚警概率，并利用计算机模拟的噪声设定判决门限λ；

②在频谱感知期间，用M个天线对监测信道的信号进行K次采样，采样得到的信号表示为x(k)＝[x₁(k)，x₂(k)，…x_m(k)…，x_M(k)]^T，其中x_m(k)表示第m(m＝1，2，…，M)个天线上第k(k＝1，2，…，K)次采样的信号，上标(·)^T表示转置操作。然后对采样信号进行归一化，即

$\hat{x}\left(k\right)=\frac{x\left(k\right)}{A_x},k=\mathrm{1,2},\·\·\·,K$

式中

表示采样信号归一化系数，|·|表示求绝对值操作；

③利用归一化的采样信号计算协方差矩阵

式中上标(·)^H表示共轭转置操作；

④利用协方差矩阵计算自适应加权系数；利用R_x的主对角线上下最临近的两条对角线元素计算加权系数如下 $w_x=\frac{1}{M-1}\underset{m=1}{\overset{M-1}{\mathrm{\Σ}}}[R_x(m,m+1)+R_x(m+1,m)],$ 式中R_x(m，m+1)表示R_x的第m行、第m+1列元素，R_x(m+1，m)表示R_x的第m+1行、第m列元素；

⑤利用协方差矩阵和自适应加权系数计算加权的检验统计量式中R_x(m，l)表示R_x的第m行、第l列元素；表示R_x的所有非主对角线元素之和；表示R_x的主对角线元素之和；

⑥最后判断加权的检验统计量T_x是否大于判决门限λ，如果是T_x＞λ，则判决为监测信道繁忙，否则，判决为监测信道空闲。

设定判决门限的具体步骤如下：①-1将认知无线电系统的天线个数记为M，预设的信号采样次数记为K，预设的恒虚警概率记为P_f；①-2用计算机模拟产生M个天线上K次采样的噪声向量n(k)＝[n₁(k)，n₂(k)，…n_m(k)…，n_M(k)]^T，其中n_m(k)表示第m(m＝1，2，…，M)个天线上第k(k＝1，2，…，K)次采样的噪声；①-3对模拟产生的噪声向量进行归一化，即 $\hat{n}\left(k\right)=\frac{n\left(k\right)}{A_n},$ k＝1，2，…，K，式中 $A_n={\mathrm{\Σ}}_{k=1}^K{\mathrm{\Σ}}_{m=1}^M\left|n_m\left(k\right)\right|/\mathrm{MK}$ 表示噪声归一化系数；①-4利用归一化后的噪声向量求协方差矩阵R_n如下：

①-5利用R_n的主对角线上下最临近的两条对角线元素计算加权系数如下：

式中R_n(m，m+1)表示R_n的第m行、第m+1列元素，R_n(m+1，m)表示R_n的第m+1行、第m列元素；①-6计算加权的检验统计量如下：

式中R_n(m，l)表示R_n的第m行、第l列元素；

表示R_n的所有非主对角线元素之和；

表示R_n的主对角线元素之和；①-7利用蒙特卡洛方法对以上六个步骤进行Q次重复，重复次数Q≥10⁶，产生总共Q个加权的检验统计量值；①-8定义判别式

且ε≤10^-4，将满足上述判别式的检验统计量值定义为判决门限λ，式中q为检验统计量值大于λ的加权的检验统计量值的个数。

与现有技术相比，本发明的优点在于有效解决了在天线相关性较低的情况下频谱感知的性能低下问题，不需要噪声功率的先验知识，在天线相关性较高时，能够获得较好的感知性能；在天线相关性较低时仍然具有较高的感知性能。

附图说明

图1为本发明频谱感知结构框图；

图2为在天线高相关条件下本发明方法与已有方法的比较；

图3为在天线低相关条件下本发明方法与已有方法的比较。

具体实施方式

以下结合附图实施例对本发明作进一步详细描述。

如图1所示，一种基于多天线系统协方差矩阵的频谱感知方法，包括以下步骤：

首先在频谱感知之前，首先根据认知无线电系统的天线个数，通过预设信号采样次数和恒虚警概率，并利用计算机模拟的噪声设定判决门限λ；具体的步骤为：1、将认知无线电系统的天线个数记为M，预设的信号采样次数记为K，预设的恒虚警概率记为P_f；2、用计算机模拟产生M个天线上K次采样的噪声向量n(k)＝[n₁(k)，n₂(k)，…n_m(k)…，n_M(k)]^T，其中n_m(k)表示第m(m＝1，2，…，M)个天线上第k(k＝1，2，…，K)次采样的噪声；3、对模拟产生的噪声向量进行归一化，即

k＝1，2，…，K，式中

表示噪声归一化系数；4、利用归一化后的噪声向量求协方差矩阵R_n如下：式中上标(·)^H表示共轭转置操作；5、利用R_n的主对角线上下最临近的两条对角线元素计算加权系数如下：

式中R_n(m，m+1)表示R_n的第m行、第m+1列元素，R_n(m+1，m)表示R_n的第m+1行、第m列元素；6、计算加权的检验统计量如下：

式中R_n(m，l)表示R_n的第m行、第l列元素；表示R_n的所有非主对角线元素之和；表示R_n的主对角线元素之和；7、利用蒙特卡洛方法对以上六个步骤进行Q次重复，重复次数Q≥10⁶，产生总共Q个加权的检验统计量值；8、定义判别式且ε≤10^-4，将满足上述判别式的检验统计量值定义为判决门限λ，式中q为检验统计量值大于λ的加权的检验统计量值的个数。

其后的频谱感知过程如下：

①用M个天线对监测信道的信号进行K次采样，采样得到的信号表示为x(k)＝[x₁(k)，x₂(k)，…x_m(k)…，x_M(k)]^T，其中x_m(k)表示第m(m＝1，2，…，M)个天线上第k(k＝1，2，…，K)次采样的信号，上标(·)^T表示转置操作。然后对采样信号进行归一化，即

$\hat{x}\left(k\right)=\frac{x\left(k\right)}{A_x},k=\mathrm{1,2},\·\·\·,K$

式中

表示采样信号归一化系数，|·|表示求绝对值操作；

②利用归一化的采样信号计算协方差矩阵

式中上标(·)^H表示共轭转置操作；

③利用协方差矩阵计算自适应加权系数；利用R_x的主对角线上下最临近的两条对角线元素计算加权系数如下 $w_x=\frac{1}{M-1}\underset{m=1}{\overset{M-1}{\mathrm{\Σ}}}[R_x(m,m+1)+R_x(m+1,m)],$ 式中R_x(m，m+1)表示R_x的第m行、第m+1列元素，R_x(m+1，m)表示R_x的第m+1行、第m列元素；

④利用协方差矩阵和自适应加权系数计算加权的检验统计量

式中R_x(m，l)表示R_x的第m行、第l列元素；

表示R_x的所有非主对角线元素之和；

表示R_x的主对角线元素之和；

⑤判断加权的检验统计量T_x是否大于判决门限λ，如果是T_x＞λ，则判决为监测信道繁忙，否则，判决为监测信道空闲。

本发明的快速频谱感知方法的可行性和有效性可以通过以下仿真结果进一步说明。

假设认知无线电系统配置M＝4个天线，信号采样次数为K＝100，采样信号的信噪比为-5dB，首先假设相邻天线的相关系数为0.7，则采用本发明和CAV(covarianceabsolute value，协方差绝对值)方法(即Zeng等人在2009年发表的《Spectrum-SensingAlgorithms 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方法)和Lee等人在2010年发表的《Antenna Correlation BasedSpectrum Sensing in Cognitive Radio systems》(认知无线电中基于天线相关性的频谱感知方法)中采用的方法)的频谱感知性能如图2所示。图2表明在高天线相关性条件下，本发明方法的感知性能优于CAV方法。

图3所示为当天线的相关系数降为0.5时的感知性能结果。仿真结果表明，当相关系数从0.7降到0.5(即相关系数较低)时，CAV方法的感知性能(特别是虚警概率较小情况下)急剧下降，而本发明方法仍然具有较佳的感知性能。

Claims (2)

1.一种基于多天线系统协方差矩阵的频谱感知方法，其特征在于包括以下步骤：

①在频谱感知之前，首先根据认知无线电系统的天线个数，通过预设信号采样次数和恒虚警概率，并利用计算机模拟的噪声设定判决门限λ；

②在频谱感知期间，用M个天线对监测信道的信号进行K次采样，采样得到的信号表示为x(k)=[x₁(k),x₂(k),…x_m(k)…,x_M(k)]^T，其中x_m(k)表示第m（m=1,2,…,M）个天线上第k（k=1,2,…,K）次采样的信号，上标(·)^T表示转置操作，然后对采样信号进行归一化，即

$\hat{x}\left(k\right)=\frac{x\left(k\right)}{A_x},k=\mathrm{1,2},\·\·\·,K$

式中

表示采样信号归一化系数，|·|表示求绝对值操作；

③利用归一化的采样信号计算协方差矩阵

式中上标(·)^H表示共轭转置操作；

④利用协方差矩阵计算自适应加权系数；利用R_x的主对角线上下最临近的两条对角线元素计算加权系数如下 $w_x=\frac{1}{M-1}\underset{m=1}{\overset{M-1}{\mathrm{\Σ}}}[R_x(m,m+1)+R_x(m+1,m)],$ 式中R_x(m,m+1)表示R_x的第m行、第m+1列元素，R_x(m+1,m)表示R_x的第m+1行、第m列元素；

⑤利用协方差矩阵和自适应加权系数计算加权的检验统计量

式中R_x(m,l)表示R_x的第m行、第l列元素；表示R_x的所有非主对角线元素之和；

表示R_x的主对角线元素之和；

⑥判断加权的检验统计量T_x是否大于判决门限λ，如果是T_x>λ，则判决为监测信道繁忙，否则，判决为监测信道空闲。

2.如权利要求1所述的一种基于多天线系统协方差矩阵的频谱感知方法，其特征在于设定判决门限的具体步骤如下：①-1将认知无线电系统的天线个数记为M，预设的信号采样次数记为K，预设的恒虚警概率记为P_f；①-2用计算机模拟产生M个天线上K次采样的噪声向量n(k)=[n₁(k),n₂(k),…n_m(k)…,n_M(k)]^T，其中n_m(k)表示第m（m=1,2,…,M）个天线上第k（k=1,2,…,K）次采样的噪声；①-3对模拟产生的噪声向量进行归一化，即

k=1,2,…,K，式中

表示噪声归一化系数；①-4利用归一化后的噪声向量求协方差矩阵R_n如下：

式中上标(·)^H表示共轭转置操作；①-5利用R_n的主对角线上下最临近的两条对角线元素计算加权系数如下： $w_n=\frac{1}{M-1}\underset{m=1}{\overset{M-1}{\mathrm{\Σ}}}[R_n(m,m+1)+R_n(m+1,m)],$ 式中R_n(m,m+1)表示R_n的第m行、第m+1列元素，R_n(m+1,m)表示R_n的第m+1行、第m列元素；①-6计算加权的检验统计量如下：

式中R_n(m,l)表示R_n的第m行、第l列元素；表示R_n的所有非主对角线元素之和；

表示R_n的主对角线元素之和；①-7利用蒙特卡洛方法对以上六个步骤进行Q次重复，重复次数Q≥10⁶，产生总共Q个加权的检验统计量值；①-8定义判别式且ε≤10^-4，将满足上述判别式的检验统计量值定义为判决门限λ，式中q为检验统计量值大于λ的加权的检验统计量值的个数。

Images