CN102412918B - 一种基于过采样的空时相关的glrt检测方法 - Google Patents

Abstract

本发明公开了一种基于过采样的空时相关的GLRT检测方法，具体包括：获取过采样信号样本矩阵；计算接收信号的平均能量；计算相关统计量；计算检测统计量；将得到的检测统计量与预先设置的判决门限比较作检测判断。本发明的方法通过对接收信号过采样得到接收信号的平均能量；在计算检测统计量时，利用MIMO信道的空间和时间相关性，即利用归一化信道时间和空间相关矩阵特征值分解得到U计算相关统计量，使得本发明的方法较现有频谱检测算法具有更好的检测性能，并且不受到噪声方差估计误差的影响，对噪声方差误差具有很强的鲁棒性。

Description

一种基于过采样的空时相关的GLRT检测方法

技术领域

本发明属于通信技术领域，涉及认知无线电（Cognitive Radio）中的频谱感知算法。

背景技术

认知无线电技术是为了解决目前面临的频谱资源稀缺提出来的，而频谱感知算法是认知无线电的关键技术之一。为了避免认知无线电系统对授权用户产生有害的干扰，要求频谱感知方法能够在低信噪比下可靠地检测出授权用户信号来。

现有的MIMO(Multiple-Input Multiple-Output)频谱检测算法有匹配滤波器检测算法（Matched Filter Detection,MF）、能量检测算法（Energy Detection,ED）、循环谱检测算法（Cyclostationary Feature Detection）等。然而这些算法都有自己显著的优缺点。循环谱检测算法需要知道主用户信号的频率周期特性，这对于实际的认知无线电用户来说很难得到，并且该算法具有很高的复杂度。当认知无线电用户知道主用户的调制方式、载波频率等信号信息时，匹配滤波器检测算法被认为是最优的检测算法。但这些信息同样在实际系统中很难得到，并且该算法需要认知无线电用户与主用户准确同步，这对于认知无线电用户同样是很难的。能量检测算法不需要主用户信号的先验信息和认知无线电用户与主用户之间的信道信息，并且当主用户信号采样满足独立同分布特性时可以获得很好的检测性能，但是能量检测具有一个致命的缺点，其性能极易受到噪声功率估计误差的影响。

以上检测算法均或多或少需要一些先验信息，这对于实际的认知无线电用户都是很难做到的。为了克服上述缺陷，文献：T.J.Lim,R.Zhang,Y.C.Liang,and Y.Zeng,GLRT-basedspectrum sensing for cognitive radio,in Proc.IEEE Global Telecommun.Conf.,New Orleans,LA,Nov.30–Dec.4,2008,pp.1–5，提出了一种基于广义似然比（Generalized Log-likelihood RatioTest，GLRT）的检测算法—AGM(Arithmetic-to-Geometric Mean)算法；文献Pu Wang,Jun Fang,Ning Han,and Hongbin Li,Multiantenna-Assisted Spectrum Sensing for Cognitive Radio,IEEETrans.Veh.Technol.,vol.59,no.4,pp.1791-1800,may2010，在AGM算法的基础上假设在感知时间内信道信息不变，得到另一种新的GLRT检测算法—MSE(Maximum-to-Sum ofEigenvalues)算法。以上这些GLRT检测算法不需要任何先验信息，但是都是假设接收信号样本为独立同分布的，所以这就导致接收机必须对信号按符号速率进行采样，这样就造成了两个问题：①无法在短时间内累积大量样本数，从而很难在较短的感知时间内获得很好的检测性能；②未能利用信道的时间相关特性。另外，现实应用中接收天线在空间上也具有相关性，而现有的GLRT检测算法未能充分利用天线间的空间相关性。

发明内容

本发明的目的是为了解决现有GLRT检测算法未能充分利用信道时间相关性、接收天线间的空间相关性和不能在短时间累积大量信号样本的问题，提出了一种基于过采样的空时相关的GLRT检测方法。

本发明技术方案是：一种基于过采样的空时相关的GLRT检测方法，所述GLRT具体为：广义似然比；具体包括如下步骤：

步骤1：认知无线电用户分别对M根接收天线的接收信号进行过采样率为L的过采样，然后将M根接收天线在第k个符号周期内过采样得到的样本信号组成ML×1的过采样信号样本向量y_k，1≤k≤K，其中，K表示过采样的符号周期数， $y_k=[y_k^1\left(1\right),...,y_k^1\left(L\right),y_k^2\left(1\right),...,y_k^m\left(l\right),...,y_k^M\left(L\right){]}^T,$ $y_k^m\left(l\right),1\≤m\≤M,1\≤l\≤L$ 表示认知无线电用户第m根接收天线在第k个符号周期内的第l个过采样信号样本；

步骤2：认知无线电用户根据步骤1得到的过采样信号样本向量y_k，得到K个符号周期内过采样信号样本组成的K×ML过采样信号样本矩阵Y,

$Y=\left[\begin{array}{c}{y}_1^T\\ \·\·\·\\ y_K^T\end{array}\right]$

步骤3：认知无线电用户根据步骤2得到的过采样信号样本矩阵Y计算接收信号的平均能量T₁：

其中，tr(·)表示矩阵迹运算；

步骤4：认知无线电用户根据步骤2得到的过采样信号样本矩阵Y计算矩阵B：B=YU，其中，U通过对归一化信道空间和时间相关矩阵

特征值分解得到，R

Σ=diag[λ_h,1,…,λ_h,ML],特征值λ_h,l,1≤l≤ML按降序排列；

步骤5：认知无线电用户根据步骤4的结果B，计算相关统计量T₂：

其中，B(:,l)表示矩阵B的第l列，||·||表示向量2范数运算；

步骤6：根据步骤3和步骤5的结果，计算检测统计量T：

$T=\frac{\frac{1}{\mathrm{ML}}\mathrm{tr}\left({\mathrm{YY}}^H\right)}{{\left(\underset{l=1}{\overset{\mathrm{ML}}{\mathrm{\Π}}}{\left|\right|B(:,l)\left|\right|}^2\right)}^{1/\mathrm{ML}}};$

步骤7：将得到的检测统计量T与预先设置的判决门限γ比较：

71：当检测统计量大于等于判决门限时，即T≥γ，认为当前频谱资源被主用户占用，认知无线电用户不能利用该频谱资源；

72：当检测统计量小于判决门限时，即T<γ，认为当前频谱资源空闲，认知无线电用户可以利用该频谱资源。

本发明的有益效果：本发明的方法通过对接收信号过采样得到接收信号的平均能量T₁；在计算统计量T₂时，利用MIMO信道的空间和时间相关性，即利用归一化信道时间和空间相关矩阵

特征值分解得到U计算相关统计量T₂，当主用户未发送信号时，认知无线电用户的接收信号只有白噪声，此时接收信号不具有空间和时间的相关性，而当主用户发送信号时，认知无线电用户的接收信号为主用户发送信号和白噪声之和，此时接收信号具有空间和时间相关性，因此，当主用户发送信号时相关统计量T₂大于主用未发送信号时的相关统计量T₂，使得本发明的方法较现有频谱检测算法具有更好的检测性能（尤其在低信噪比环境下），并且不受到噪声方差估计误差的影响，对噪声方差误差具有很强的鲁棒性。另外，本发明的方法在相同的系统要求检测性能下，需要的感知时间更短，可以实现快速、准确、高效地感知主用户信号，适用于实时性要求高的无线通信系统。

附图说明

图1为本发明方法的流程示意图。

图2为1ms感知时间下的本发明的方法与现有方法检测性能对比示意图。

具体实施方式

下面对本发明实施例中的技术方案进行清楚、完整地描述。可以理解的是，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明的方法的流程示意图如图1所示，包括：获取过采样信号样本矩阵；计算接收信号的平均能量；计算相关统计量；计算检测统计量；将得到的检测统计量与预先设置的判决门限比较作检测判断。

具体实施步骤如下：

步骤1：认知无线电用户分别对M根接收天线的接收信号进行过采样率为L的过采样，然后将M根接收天线在第k个符号周期内过采样得到的样本信号组成ML×1的过采样信号样本向量y_k，1≤k≤K，其中，K表示过采样的符号周期数， $y_k=[y_k^1\left(1\right),...,y_k^1\left(L\right),y_k^2\left(1\right),...,y_k^m\left(l\right),...,y_k^M\left(L\right){]}^T,$ $y_k^m\left(l\right),1\&le;m\&le;M,1\&le;l\&le;L$ 表示认知无线电用户第m根接收天线在第k个符号周期内的第l个过采样信号样本；

步骤2：认知无线电用户根据步骤1得到的过采样信号样本向量y_k，得到K个符号周期内过采样信号样本组成的K×ML过采样信号样本矩阵Y,

$Y=\left[\begin{array}{c}{y}_1^T\\ \&CenterDot;\&CenterDot;\&CenterDot;\\ y_K^T\end{array}\right]$

步骤3：认知无线电用户根据步骤2得到的过采样信号样本矩阵Y计算接收信号的平均能量T₁：

其中，tr(·)表示矩阵迹运算；

步骤4：认知无线电用户根据步骤2得到的过采样信号样本矩阵Y计算矩阵B：B=YU，其中，U通过对归一化信道空间和时间相关矩阵

特征值分解得到，可以提前计算好储存在认知无线电用户的储存器中直接调用。

Σ=diag[λ_h,1,…,λ_h,ML],特征值λ_h,l,1≤l≤ML按降序排列。

这里，归一化信道空间和时间相关矩阵

可以通过下式进行计算：

其中，h_k为对应于y_k的信道衰落系数向量，

为信道衰落系数的方差，H表示共轭转置运算，E{·}表示数学期望运算。

步骤5：认知无线电用户根据步骤4的结果B，计算相关统计量T₂：其中，B(:,l)表示矩阵B的第l列，||·||表示二范数运算；

步骤6：根据步骤3和步骤5的结果，计算检测统计量T：

$T=\frac{T_1}{T_2}=\frac{\frac{1}{\mathrm{ML}}\mathrm{tr}\left({\mathrm{YY}}^H\right)}{{\left(\underset{l=1}{\overset{\mathrm{ML}}{\mathrm{\&Pi;}}}{\left|\right|B(:,l)\left|\right|}^2\right)}^{1/\mathrm{ML}}};$

步骤7：将得到的检测统计量T与预先设置的判决门限γ比较，这里的判决门限γ一般根据系统的具体虚警概率来设置，在这里不再详细描述。

71：当检测统计量大于等于判决门限时，即T≥γ，认为当前频谱资源被主用户占用，认知无线电用户不能利用该频谱资源。

72：当检测统计量小于判决门限时，即T<γ，认为当前频谱资源空闲，认知无线电用户可以利用该频谱资源。

本发明提供的基于过采样的空时相关的GLRT检测方法，不仅可以在较短的时间内累积大量的信号样本，而且能充分利用信道的时间相关特性和接收天线间的空间相关特性，获得最优的检测性能。

采用本发明实施例所述方法进行仿真测试，1ms感知时间下的本发明的方法与现有方法检测性能对比示意图如图2所示，仿真结果表明：在Jakes功率谱平坦瑞利衰落信道，接收天线空间相关性为指数相关模型下，相关系数ρ=0.9，主用户采用BPSK调制，比特速率为270.883kb/s，当信噪比为-20dB，过采样率L=16，主用户发射天线数P=1，认知无线电用户接收天线数M=4，频谱感知时间为1ms时，采用本发明的基于过采样的空时相关的GLRT检测方法的检测概率能达到0.68，而现有的无噪声方差误差ED检测算法只有0.47，而现有的非过采样GLRT检测算法（如AGM）检测概率只有0.36。

本发明的方法与现有方法时间消耗对比，当SNR=-15dB，在Jakes功率谱平坦瑞利衰落信道，接收天线空间相关性为指数相关模型下，相关系数ρ=0.9，主用户采用BPSK调制，比特速率为270.883kb/s，当信噪比为-20dB，过采样率L=16，主用户发射天线数P=1，认知无线电用户接收天线数M=4，在相同条件下达到系统要求的检测概率P_d=0.9，本发明方法所需的感知时间最短，只需要192个符号周期的感知时间，无噪声方差误差ED需要600个符号周期的感知时间，现有非过采样GLRT检测算法AGM需要750个符号周期的感知时间，MSE需要700个符号周期的感知时间。

综上所述，本发明实施的基于过采样的空时相关的GLRT检测方法，通过对接收信号过采样，利用MIMO信道的时间相关性和接收天线间的空间相关特性，能在短频谱感知时间内，在低信噪比情况下获得较好的检测性能，可以实现快速、准确、高效地感知主用户信号，适用于实时性要求高的无线通信系统；并且，本发明在实施中不受到噪声方差估计误差的影响，对噪声方差误差具有很强的鲁棒性，所以具有稳定的检测性能。

本领域普通技术人员可以理解，实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于计算机可读存储介质中，例如只读存储器（简称ROM）、随机存取存储器（简称RAM）、磁盘、光盘等。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (1)

1.一种基于过采样的空时相关的GLRT检测方法，所述GLRT具体为：广义似然比；其特征在于，具体包括如下步骤：

步骤1：认知无线电用户分别对M根接收天线的接收信号进行过采样率为L的过采样，然后将M根接收天线在第k个符号周期内过采样得到的样本信号组成ML×1的过采样信号样本向量y_k，1≤k≤K，其中，K表示过采样的符号周期数， $y_k=[y_k^1\left(1\right),...,y_k^1\left(L\right),y_k^2\left(1\right),...,y_k^m\left(l\right),\&CenterDot;\&CenterDot;\&CenterDot;,y_k^M\left(L\right){]}^T,$ $y_k^m\left(l\right),1\&le;m\&le;M,1\&le;l\&le;L$ 表示认知无线电用户第m根接收天线在第k个符号周期内的第l个过采样信号样本；

步骤2：认知无线电用户根据步骤1得到的过采样信号样本向量y_k，得到K个符号周期内过采样信号样本组成的K×ML过采样信号样本矩阵Y,

$Y=\left[\begin{array}{c}{y}_1^T\\ \&CenterDot;\&CenterDot;\&CenterDot;\\ y_K^T\end{array}\right]$

步骤3：认知无线电用户根据步骤2得到的过采样信号样本矩阵Y计算接收信号的平均能量T₁：

其中，tr(·)表示矩阵迹运算；

步骤4：认知无线电用户根据步骤2得到的过采样信号样本矩阵Y计算矩阵B：B=YU，其中，U通过对归一化信道空间和时间相关矩阵

特征值分解得到，Σ=diag[λ_h，1,…,λ_h,ML],特征值λ_h,l,1≤l≤ML按降序排列；

所述归一化信道空间和时间相关矩阵

通过下式进行计算：其中，h_k为对应于y_k的信道衰落系数向量，

为信道衰落系数的方差，H表示共轭转置运算，E{·}表示数学期望运算；

步骤5：认知无线电用户根据步骤4的结果B，计算相关统计量T₂：其中，B(：,l)表示矩阵B的第l列，||·||表示向量2范数运算；

步骤6：根据步骤3和步骤5的结果，计算检测统计量T：

$T=\frac{\frac{1}{\mathrm{ML}}\mathrm{tr}\left({\mathrm{YY}}^H\right)}{{\left(\underset{l=1}{\overset{\mathrm{ML}}{\mathrm{\&Pi;}}}{\left|\right|B(:,l)\left|\right|}^2\right)}^{1/\mathrm{ML}}};$

步骤7：将得到的检测统计量T与预先设置的判决门限γ比较：

71：当检测统计量大于等于判决门限时，即T≥γ，认为当前频谱资源被主用户占用，认知无线电用户不能利用该频谱资源；

72：当检测统计量小于判决门限时，即T<γ，认为当前频谱资源空闲，认知无线电用户可以利用该频谱资源。

Images