CN102386984A - 一种认知无线电宽带频谱检测方法 - Google Patents

一种认知无线电宽带频谱检测方法 Download PDF

Info

Publication number
CN102386984A
CN102386984A CN2011103181522A CN201110318152A CN102386984A CN 102386984 A CN102386984 A CN 102386984A CN 2011103181522 A CN2011103181522 A CN 2011103181522A CN 201110318152 A CN201110318152 A CN 201110318152A CN 102386984 A CN102386984 A CN 102386984A
Authority
CN
China
Prior art keywords
frequency band
frequency
signal
wavelet
layer
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
CN2011103181522A
Other languages
English (en)
Other versions
CN102386984B (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 CN201110318152.2A priority Critical patent/CN102386984B/zh
Publication of CN102386984A publication Critical patent/CN102386984A/zh
Application granted granted Critical
Publication of CN102386984B publication Critical patent/CN102386984B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Monitoring And Testing Of Transmission In General (AREA)

Abstract

本发明公开一种认知无线电宽带频谱检测方法，包括步骤：对接收信号进行抽样，将连续信号转换成离散信号；计算所述离散信号的功率谱密度PSD；对所述功率谱密度PSD进行L层的小波多分辨率分析，获得第L层上的近似低频分量，所述L≥1且为整数；计算所述近似低频分量的概率密度函数PDF；通过寻找所述概率密度函数PDF的局部极小点确定检测门限；将第L层上的近似低频分量与检测门限进行比较，判断在小波频域上被授权信号占用的频带范围；将小波频域上被授权信号占用的频带映射到真实的频带上，映射关系为小波频域上的频带范围的2L倍为真实频带的范围。

Description

一种认知无线电宽带频谱检测方法
技术领域
本发明涉及认知无线电宽带频谱检测方法技术领域。
背景技术
由于传统的静态频谱分配模式已经日益无法满足当前社会在无线通信领域的发展需求，认知无线电技术正成为当今无线通信领域的前沿课题。认知无线电技术能主动寻找频谱范围内的空洞，并伺机在不影响授权用户的条件下使用该频段。认知无线电的提出，极大地促进频谱最大化的合理应用。目前美国政府已经开放一部分电视频带，并已授权具有认知功能的通信设备在合理的情况下使用该频段。
认知无线电中，频谱检测技术是重中之重。只有快速，准确的检测出当前频谱中存在的空洞，才能在不影响授权用户的情况下合理使用该频段。目前，频谱检测技术主要可以分为三类：能量检测，匹配滤波器检测以及基于特征值的检测。这三类检测均只能在一个特定的频带下对单一授权用户信号进行检测，被称为窄带频谱检测技术。然而，实际情况是，由于认知用户并没有授权在哪个特定频带，所以，它需要对一段很长的频谱进行频谱检测，通常，这个频谱可以长达几个GHz。因此，宽带频谱检测技术应运而生。宽带频谱检测技术可以实现在一段很长的频谱范围内对多个频带进行检测，在一次检测周期内可以判断多个频带是否被占用。从一定意义上说，窄带频谱检测是宽带频谱检测技术的一个特例(仅检测一个特定频带)。
目前，基于宽带频谱检测技术的研究还很少，主要的方法是基于小波的宽带频谱检测技术，它通过检测信号频谱的陡峭位置来确定授权信号占用的频带边缘。然而，实际环境却是复杂的。比如：频带的边缘也可以没有陡峭的变化；而且，当信号受噪声影响严重，低信噪比(SNR)会导致信号频谱出现许多假陡峭边缘。因此，传统的基于小波的宽带频谱检测技术并不能有效的划分授权信号占用的频带。
发明内容
本发明的目的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宽带频谱检测方法，包括以下处理步骤：
1)对接收信号进行抽样，将连续信号转换成离散信号；
2)计算所述离散信号的功率谱密度PSD；
3)对所述功率谱密度PSD进行L层的小波多分辨率分析，获得第L层上的近似低频分量，所述L≥1且为整数；
4)计算所述近似低频分量的概率密度函数PDF；
5)通过寻找所述概率密度函数PDF的局部极小点确定检测门限；
6)将第L层上的近似低频分量与检测门限进行比较，判断在小波频域上被授权信号占用的频带范围；
7)将小波频域上被授权信号占用的频带映射到真实的频带上，映射关系为小波频域上的频带范围的2L倍为真实频带的范围。
具体步骤为：
a.对接收信号进行抽样：设x(t)为接收到的连续时间信号，对接收到的连续信号进行抽样，转换为离散信号，记为y(n)，n＝0，1，…，Ns-1，其中Ns为抽样点数；
b.计算所述离散信号的功率谱密度PSD，是真实频率的函数；
c.对所述功率谱密度PSD进行L层的小波多分辨率分析，获得第L层上的近似低频分量，记为a(f)，这里f比例于真实的频率量纲；
d.计算所述近似低频分量的概率密度函数PDF，设计算得到的概率密度函数PDF为p(x)；
e.计算所述概率密度函数PDF的局部极小点，把它的横坐标设为检测门限，设检测门限为λk，k＝0，1，…，K-1，其中，设λ0≤λ1≤...≤λK-1，K为局部极小点的个数；
f.将近似低频分量a(f)与求得的检测门限入k进行比较，对小波频谱范围内的频带进行分类：
a(f)＜λ0         Cn
λ0≤a(f)＜λ1    C0
      ·          ·
      ·          ·
      ·          ·
a(f)≥λK-1       CK-1
判别C0，C1…CK-1对应的频带为小波频谱范围内被授权信号占用的频带，如果在这些被占用的频带中有连接在一起的频带，把它们合并成一个被占用的频带；
g.将小波频域上被授权信号占用的频带映射到真实的频带上，映射关系为小波频域上的频带范围的2L倍为真实频带的范围。
本发明提出的算法，通过贝叶斯分类和小波多分辨率分析的方法划分授权信号占用的频带范围，克服了频带边缘没有陡峭变化带来的检测难题，同时提高低SNR环境下算法的鲁棒性。
附图说明
图1是本发明的方法流程图；
图2是本发明在一个场景中对接收信号的PSD用小波的宽带频谱检测的检测效果；
图3是本发明在一个场景中对接收信号的PSD进行2层的小波多分辨率分析及其近似低频分量的PDF；
图4是本发明在场景一中与现有技术的检测性能比较；
图5是本发明在另一个场景中对接收信号的PSD用小波的宽带频谱检测的检测效果；
图6是本发明在另一场景中对接收信号的PSD进行2层的小波多分辨率分析及其近似低频分量的PDF；
图7是本发明在场景二中与现有技术的检测性能比较。
具体实施方式
以下结合附图和实例对本发明作进一步的描述。
一种认知无线电宽带频谱检测方法具体设计步骤如下：
1.对接收信号进行抽样：设x(t)为接收到的连续时间信号，对接收到的连续信号进行抽样，转换为离散信号，记为y(n)，n＝0，1，…，Ns-1，其中Ns为抽样点数。
2.计算所述离散信号的功率谱密度PSD，是真实频率的函数。
3.对功率谱密度PSD进行L层的小波多分辨率分析，获得第L层上的近似低频分量，记为a(f)，这里f比例于真实的频率量纲。
4.计算该近似低频分量的概率密度函数PDF，设计算得到的概率密度函数PDF为p(x)。
5.计算该PDF的局部极小点，把它的横坐标设为检测门限，设检测门限为λk，k＝0，1，...，K-1，其中，设λ0≤λ1≤...≤λK-1，K为局部极小点的个数。
6.将近似低频分量a(f)与求得的检测门限入k进行比较，对小波频谱范围内的频带进行分类：
a(f)＜λ0         Cn
λ0≤a(f)＜λ1    C0
      ·          ·
      ·          ·
      ·          ·
a(f)≥λK-1       CK-1
判别C0，C1…CK-1对应的频带为小波频谱范围内被授权信号占用的频带，如果在这些被占用的频带中有连接在一起的频带，把它们合并成一个被占用的频带。
7.将小波频域上被授权信号占用的频带映射到真实的频带上，映射关系为小波频域上的频带范围的2L倍为真实频带的范围。
以下是本发明与现有的基于小波的宽带频谱检测技术效果对比：
场景一：接收信号的频带边缘是陡峭的，整个频谱的SNR为10dB。
图2(a)是接收信号的PSD，图2(b)是基于小波的宽带频谱检测的检测效果，可以看出，通过小波系数(Wavelet Coefficient)的极大值可以成功检测出授权信号占用的频带边缘。
图3(a)是对接收信号的PSD进行2层的小波多分辨率分析，图3(b)是第2层小波多分辨率分析的近似低频分量(Approximation Coefficient)的PDF。从图3(b)找出局部极小点为(10.169，6.581×10-20)，(32.063，1.445×10-20)和(53.176，9.723×10-22)。因此，检测门限为λ0＝10.169，λ1＝32.063，λ2＝53.176。对小波频谱范围内的频带进行分类，结果如图3(a)所示。最后，将小波频域上被授权信号占用的频带映射到真实的频带上，最终得到授权信号占用的频带[30.768MHz，61.156MHz]，[76.924MHz，107.308MHz]，[138.46MHz，168.848MHz]。
图4是在不同SNR下本发明(L＝1，L＝2，L＝3，L＝4)与现有的基于小波的宽带频谱检测技术的性能对比，Pd(probability of detection)是检测成功率。从图4中可以看出，本发明在相对较低的SNR环境下检测性能优于现有的基于小波的宽带频谱检测技术。
场景二：接收信号的频带边缘是缓变的，整个频谱的SNR同样为10dB。
图5(a)是场景二下接收信号的PSD，图5(b)是基于小波的宽带频谱检测的检测效果，可以看出，当频带边缘是缓变时，通过小波系数(Wavelet Coefficient)的极大值不能成功检测出授权信号占用的频带边缘。
图6(a)是场景二下对接收信号的PSD进行2层的小波多分辨率分析，图6(b)是第2层小波多分辨率分析的近似低频分量(Approximation Coefficient)的PDF。从图6(b)可以得出检测门限为λ0＝17.273，λ1＝35.155，λ2＝＝57.743。对小波频谱范围内的频带进行分类，结果如图6(a)所示。图6(a)中第一个被授权信号占用的频带由C0，C1，C0对应的频带构成，第二个被占用频带由C0对应的频带构成，最后一个被占用频带由C0，C1，C2，C1，C0对应的频带构成。合并这些连接在一起的频带并将最终被授权信号占用的三个频带映射到真实的频带上，得到授权信号占用的频带范围[13.44MHz，42.72MHz]，[85.76MHz，110.56MHz]和[152.64MHz，185.12MHz]。
图7是场景二下，不同SNR环境下本发明(L＝1，L＝2，L＝3，L＝4)与现有的基于小波的宽带频谱检测技术的性能对比。从图7中可以看出，当频带边缘是缓变时，现有的基于小波的宽带频谱检测技术失效，然而，本发明依旧能成功检测出授权信号占用的频带范围。

Claims (2)

1.一种认知无线电宽带频谱检测方法，其特征在于包括以下处理步骤：
1)对接收信号进行抽样，将连续信号转换成离散信号；
2)计算所述离散信号的功率谱密度PSD；
3)对所述功率谱密度PSD进行L层的小波多分辨率分析，获得第L层上的近似低频分量，所述L≥1且为整数；
4)计算所述近似低频分量的概率密度函数PDF；
5)通过寻找所述概率密度函数PDF的局部极小点确定检测门限；
6)将第L层上的近似低频分量与检测门限进行比较，判断在小波频域上被授权信号占用的频带范围；
7)将小波频域上被授权信号占用的频带映射到真实的频带上，映射关系为小波频域上的频带范围的2L倍为真实频带的范围。
2.根据权利要求1所述的一种认知无线电宽带频谱检测方法，其特征在于，具体步骤为：
a.对接收信号进行抽样：设x(t)为接收到的连续时间信号，对接收到的连续信号进行抽样，转换为离散信号，记为y(n)，n＝0，1，…，Ns-1，其中Ns为抽样点数；
b.计算所述离散信号的功率谱密度PSD，是真实频率的函数；
c.对所述功率谱密度PSD进行L层的小波多分辨率分析，获得第L层上的近似低频分量，记为a(f)，这里f比例于真实的频率量纲；
d.计算所述近似低频分量的概率密度函数PDF，设计算得到的概率密度函数PDF为p(x)；
e.计算所述概率密度函数PDF的局部极小点，把它的横坐标设为检测门限，设检测门限为λk，k＝0，1，…，K-1，其中，设λ0≤λ1≤...≤λK-1，K为局部极小点的个数；
f.将近似低频分量a(f)与求得的检测门限入k进行比较，对小波频谱范围内的频带进行分类：
a(f)＜λ0         Cn
λ0≤a(f)＜λ1    C0
      ·          ·
      ·          ·
      ·          ·
a(f)≥λK-1       CK-1
判别C0，C1…CK-1对应的频带为小波频谱范围内被授权信号占用的频带，如果在这些被占用的频带中有连接在一起的频带，把它们合并成一个被占用的频带；
g.将小波频域上被授权信号占用的频带映射到真实的频带上，映射关系为小波频域上的频带范围的2L倍为真实频带的范围。
CN201110318152.2A 2011-10-19 2011-10-19 一种认知无线电宽带频谱检测方法 Expired - Fee Related CN102386984B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201110318152.2A CN102386984B (zh) 2011-10-19 2011-10-19 一种认知无线电宽带频谱检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201110318152.2A CN102386984B (zh) 2011-10-19 2011-10-19 一种认知无线电宽带频谱检测方法

Publications (2)

Publication Number Publication Date
CN102386984A true CN102386984A (zh) 2012-03-21
CN102386984B CN102386984B (zh) 2014-06-25

Family

ID=45825996

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201110318152.2A Expired - Fee Related CN102386984B (zh) 2011-10-19 2011-10-19 一种认知无线电宽带频谱检测方法

Country Status (1)

Country Link
CN (1) CN102386984B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103957066A (zh) * 2014-05-21 2014-07-30 电子科技大学 一种基于非参数核函数的短时突发通信信号检测方法
CN104509056A (zh) * 2012-07-05 2015-04-08 西格弗克斯公司 在多路复用频带中搜索有用信号的方法
CN105099587A (zh) * 2015-09-23 2015-11-25 哈尔滨工业大学 移动场景下认知无线电频谱感知系统检测性能参量获得方法
CN108830135A (zh) * 2018-04-25 2018-11-16 中国电子科技集团公司电子科学研究院 计算机电磁泄漏信号识别方法、装置及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101807960A (zh) * 2009-02-18 2010-08-18 三星电子株式会社 基于小波包变换实现自适应频谱感知的方法
US20100266002A1 (en) * 2009-04-17 2010-10-21 The Hong Kong University Of Science And Technology Exploiting multiple antennas for spectrum sensing in cognitive radio networks
US20110105036A1 (en) * 2009-11-04 2011-05-05 Motorola, Inc. Method and apparatus for sensing presence of an incumbent signal on a secondary radio channel
CN102082617A (zh) * 2010-12-16 2011-06-01 上海师范大学 基于mtm-svd自适应传感器个数的频谱检测方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101807960A (zh) * 2009-02-18 2010-08-18 三星电子株式会社 基于小波包变换实现自适应频谱感知的方法
US20100266002A1 (en) * 2009-04-17 2010-10-21 The Hong Kong University Of Science And Technology Exploiting multiple antennas for spectrum sensing in cognitive radio networks
US20110105036A1 (en) * 2009-11-04 2011-05-05 Motorola, Inc. Method and apparatus for sensing presence of an incumbent signal on a secondary radio channel
CN102082617A (zh) * 2010-12-16 2011-06-01 上海师范大学 基于mtm-svd自适应传感器个数的频谱检测方法

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104509056A (zh) * 2012-07-05 2015-04-08 西格弗克斯公司 在多路复用频带中搜索有用信号的方法
CN104509056B (zh) * 2012-07-05 2018-02-09 西格弗克斯公司 在多路复用频带中搜索有用信号的方法
CN103957066A (zh) * 2014-05-21 2014-07-30 电子科技大学 一种基于非参数核函数的短时突发通信信号检测方法
CN103957066B (zh) * 2014-05-21 2015-09-09 电子科技大学 一种基于非参数核函数的短时突发通信信号检测方法
CN105099587A (zh) * 2015-09-23 2015-11-25 哈尔滨工业大学 移动场景下认知无线电频谱感知系统检测性能参量获得方法
CN105099587B (zh) * 2015-09-23 2017-06-23 哈尔滨工业大学 移动场景下认知无线电频谱感知系统检测性能参量获得方法
CN108830135A (zh) * 2018-04-25 2018-11-16 中国电子科技集团公司电子科学研究院 计算机电磁泄漏信号识别方法、装置及存储介质

Also Published As

Publication number Publication date
CN102386984B (zh) 2014-06-25

Similar Documents

Publication Publication Date Title
De Vito A review of wideband spectrum sensing methods for cognitive radios
US8447252B2 (en) Adaptive channel scanning for detection and classification of RF signals
Yue et al. Combined energy detection and one-order cyclostationary feature detection techniques in cognitive radio systems
CN102088324B (zh) 一种认知无线电系统的频谱检测方法
CN102386984B (zh) 一种认知无线电宽带频谱检测方法
Hur et al. WLC05-1: A Cognitive Radio (CR) system employing a dual-stage spectrum sensing technique: a multi-resolution spectrum sensing (MRSS) and a temporal signature detection (TSD) technique
WO2012030301A1 (en) A method, apparatus and computer program product for identifying frequency bands, and a method, apparatus and computer program product for evaluating performance
CN104780008A (zh) 一种基于自适应压缩感知的宽带频谱感知方法
WO2015126486A1 (en) Process for tunnelized cyclostationary to achieve low-energy spectrum sensing
CN103118394A (zh) 一种适用于宽带系统的多天线频谱感知方法及装置
Kumar et al. Improved wavelet transform based edge detection for wide band spectrum sensing in Cognitive Radio
CN102075263B (zh) 基于分段能量处理的截尾型序贯检验方法
Xu et al. Spectrum sensing based on cyclostationarity
CN108063641B (zh) 单通道多信号检测方法
US10548037B2 (en) System and method for cellular network identification
Taşcıoğlu et al. Effect of sampling rate on transient based RF fingerprinting
Qin et al. Adaptive threshold for energy detector based on discrete wavelet packet transform
Narendar et al. A tree-structured DFT filter bank based spectrum sensor for estimation of radio channel edge frequencies in military wideband receivers
Aziz et al. Spectrum sensing for cognitive radio using multicoset sampling
Munjuluri et al. Towards faster spectrum sensing techniques in cognitive radio architectures
CN114584227B (zh) 自动化突发信号检测方法
CN107329123A (zh) 一种弱雷达脉冲包络信号检测方法和装置
Narendar et al. An algorithm for spectrum sensing in cognitive radio using tree-structured filter bank
Aziz et al. Non-uniform spectrum sensing for cognitive radio using sub-nyquist sampling
Lee Blind spectrum sensing techniques for cognitive radio system

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

Granted publication date: 20140625

Termination date: 20161019