CN102386984B - 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 PDFInfo
- Publication number
- CN102386984B CN102386984B CN201110318152.2A CN201110318152A CN102386984B CN 102386984 B CN102386984 B CN 102386984B CN 201110318152 A CN201110318152 A CN 201110318152A CN 102386984 B CN102386984 B CN 102386984B
- 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.)
- Expired - Fee Related
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
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,此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λk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,如果在这些被授权信号占用的频带中有连接在一起的频带,把它们合并成一个被授权信号占用的频带;
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。
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 CN102386984A (zh) | 2012-03-21 |
CN102386984B true 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) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2993119B1 (fr) * | 2012-07-05 | 2014-08-08 | Sigfox Wireless | Procede de recherche d'un signal utile dans une bande de multiplexage |
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 |
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 |
Citations (3)
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 |
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 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8213868B2 (en) * | 2009-04-17 | 2012-07-03 | Lingna Holdings Pte., Llc | Exploiting multiple antennas for spectrum sensing in cognitive radio networks |
-
2011
- 2011-10-19 CN CN201110318152.2A patent/CN102386984B/zh not_active Expired - Fee Related
Patent Citations (3)
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 |
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 |
Also Published As
Publication number | Publication date |
---|---|
CN102386984A (zh) | 2012-03-21 |
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 | |
CN102118201A (zh) | 一种基于协方差矩阵分解的盲频谱感知方法 | |
CN102386984B (zh) | 一种认知无线电宽带频谱检测方法 | |
CN104780008A (zh) | 一种基于自适应压缩感知的宽带频谱感知方法 | |
CN101951274A (zh) | 低复杂度的合作频谱感知方法 | |
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 | |
Kumar et al. | Improved wavelet transform based edge detection for wide band spectrum sensing in Cognitive Radio | |
De Vito | Methods and technologies for wideband spectrum sensing | |
WO2015126486A1 (en) | Process for tunnelized cyclostationary to achieve low-energy spectrum sensing | |
CN108063641B (zh) | 单通道多信号检测方法 | |
CN101854219B (zh) | 基于随机共振的能量检测装置及其检测方法 | |
CN102013928A (zh) | 一种认知无线电系统中的快速频谱感知方法 | |
Xu et al. | Spectrum sensing based on cyclostationarity | |
Taşcıoğlu et al. | Effect of sampling rate on transient based RF fingerprinting | |
CN109004996A (zh) | 基于多正弦窗功率谱峰值的信号检测方法 | |
CN103051401B (zh) | 基于小波的认知无线电频谱感知方法 | |
Qin et al. | Adaptive threshold for energy detector based on discrete wavelet packet transform | |
Nguyen et al. | Estimation and extraction of radio-frequency interference from ultra-wideband radar signals | |
CN114584227B (zh) | 自动化突发信号检测方法 | |
Munjuluri et al. | Towards faster spectrum sensing techniques in cognitive radio architectures | |
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 | |
Narendar et al. | An algorithm for spectrum sensing in cognitive radio using tree-structured filter bank | |
Huang et al. | Low False Alarm and Narrow-Wide Band Compatible Signal Detection Algorithm Combining the Multiscale Wavelet Transform Extremum Detection with the Spectrum Energy Detection |
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: 20140625 Termination date: 20161019 |
|
CF01 | Termination of patent right due to non-payment of annual fee |