CN102439880B - Fm无线麦克风信号的频谱感测的方法和装置 - Google Patents

Abstract

提供FM无线麦克风信号的频谱感测的方法和装置。假如频率偏移比载波频率小得多并且相关延迟小，则开发的频谱感测算法使用FM信号的自相关函数是正弦函数的性质。基于该性质，通过计算接收信号的自相关函数和正弦函数的匹配滤波来设计FM信号的简单频谱感测算法。通过该途径提供的频谱传感器在强相邻信道干扰存在并且信号功率与-114dBm一样低时可以可靠地检测目标信号。

Description

FM无线麦克风信号的频谱感测的方法和装置

相关申请的交叉引用

本申请要求2009年5月22日提交的名称为“SPECTRUM SENSING FORTV WHITE SPACE IN NORTH AMERICA”的美国临时申请序列号61/216872和2009年11月2日提交的名称为“SPECTRUM SENSING FOR FMWIRELESS MICROPHONE SIGNALS”的美国临时申请序列号61/280336的权益，其通过参考的方式全部并入于此。

技术领域

本原理涉及FM无线麦克风信号和系统的频谱感测。

背景技术

提出认知无线电(Cognitive Radio)来实现协议(negotiated)或条件(opportunistic)频谱共享以提高频谱效率。近来，联邦通信委员会(FCC)已经批准在某些规则下在受许可服务未使用的频率的广播电视频谱(该未使用的TV频谱经常称为“白色空间”)的未许可无线电传送器的操作。主要规定是将需要白色空间设备在与-114dBm一样低的等级感测TV信号(数字和模拟)、无线麦克风(WM)信号以及基于间歇的TV频带中操作的其他服务的信号。因此频谱感测是用于在TV白色空间中展现认知无线电的重要使能技术。注意假设感测设备的噪声指数是10dB在正常温度下6MHz TV信道的噪声功率是大约-96dBm。由此，在信噪功率比(SNR)方面FCC设置的感测要求是大约-18dB，这导致相当困难的任务。

强干扰下的FM无线麦克风信号的频谱感测是非常挑战的任务。为了解决该问题，在此开发利用FM信号的重要属性的简单频谱感测方法，即如果频率偏移比其载波频率小得多并且相关延迟小，其自相关函数可以近似为正弦函数。计算机仿真演示当强相邻信道干扰存在并且信号功率如联邦通信委员会(FCC)在他们的报告中对所谓的白色空间设备设置的与-114dBm一样低时，该提出的频谱传感器可以可靠地检测目标信号。

已经在姊妹申请(PCT/US10/000961)中提出ATSC/NTSC信号的频谱感测的统一框架。在此描述的原理将针对无线麦克风信号的感测。在美国，无线麦克风是TV频带的低功率二次许可信号并且在联邦法令(CFR)第47条第74部分(47CFR74)中由FCC无线电广播法规来规定。对于无线麦克风使用有四条主要规定：(1)允许无线麦克风在未使用的47CFR74中列出的VHF或UHF TV频带中操作。(2)频率选择将从较高或较低频带极限偏置25kHz或者是其整数倍。(3)可以结合可分配频率内的一个或多个相邻25kHz段，以形成其最大带宽将不超过200kHz的信道。(4)在VHF频带的最大传送器功率是50mW并且在UHF频带是250mW。在其他国家，由不同机构规定无线麦克风操作，但是技术特性一般类似美国的技术特性。虽然在市场上的多种FM设备中也使用诸如数字或者混合模拟/数字调制之类的其他类型的调制，多数无线麦克风设备使用模拟频率调制(FM)。盲频谱感测方法，例如基于特征值的算法无论其调制类型可以应用于感测无线麦克风信号。另一方法寻找频率域中的频谱峰值。无线麦克风信号的带宽小于200kHz，比TV频带(6MHz)的要小得多。结果，无线麦克风信号的功率很集中，而噪声功率在整个6MHz频带上均匀分布。因此，频谱峰值通常在无线麦克风信号的频谱中出现。然而，当存在强相邻信道干扰时，两种方法产生高误报警率。在存在相邻信道干扰的情况下，感测无线麦克风信号的问题很难。依据FCC的相邻信道干扰测试模型中的相邻信道边缘，无线麦克风信号的中心频率可以仅仅是50kHz。从较低相邻信道中的TV信号泄露的干扰严重地影响该频率带周围的信号。由此，相邻信道干扰可以完全遮蔽无线麦克风信号。

在本发明中，描述使用FM调制的无线麦克风信号的频谱感测方法。提出的方法甚至在强相邻信道干扰的情况下可以确定基于FM的无线麦克风信号的存在。下面描述频谱感测方法，之后用误报警的对应概率(P_FA)设置的感测阈值。提出的频谱传感器的感测性能由计算机仿真估计并且还被描述，之后是结论。

发明内容

通过本原理解决现有技术的这些和其他不利和缺点，本原理关注基于FM的无线麦克风信号的频谱感测方法和装置。

根据本原理的一个方面，提供一种用于频谱感测的方法。该方法包括以下步骤：对接收信号生成自相关函数，使用匹配滤波器滤波自相关的输出，通过找到匹配滤波器输出的最大值生成判定统计，以及通过使用判定统计确定占用的频谱空间。

根据本原理的另一方面，提供一种频谱感测装置。该装置包括：处理电路，用于对接收信号生成自相关函数；匹配滤波器，用于滤波自相关输出；判定电路，用于通过找到匹配滤波器输出的最大值生成判定统计；以及检测单元，用于使用所述判定统计确定占用频谱空间。

根据本原理的另一方面，提供另一种执行频谱感测方法。该方法包括以下步骤：对接收信号生成自相关函数，使用自相关输出计算较高阶统计，通过找到所述较高阶统计的最大值生成判定统计，以及使用所述判定统计确定占用频谱空间。

根据本原理的另一方面，提供另一装置。该装置包括：处理电路，用于对接收信号生成自相关函数；计算电路，用于使用自相关输出计算较高阶统计；判定电路，用于通过找到匹配滤波器输出的最大值生成判定统计；以及检测单元，用于使用所述判定统计来确定占用频谱空间。

依据要结合附图阅读的以下示例性实施例的详细描述，本原理的这些和其他方面、特征和优点将变得明显。

附图说明

图1示出无线麦克风信号的仿真模型。

图2示出没有干扰的情况下并且5ms感测时间的无线麦克风信号的感测性能。

图3示出没有不同级SNR干扰的情况下并且5ms感测时间的无线麦克风信号的接收器操作特性(ROC)曲线族。

图4示出具有干扰和100ms感测时间的无线麦克风信号的感测性能。

图5示出具有不同级SNR的干扰和100ms感测时间的无线麦克风信号的ROC曲线族。

图6示出例示本发明原理的第一示例性方法的步骤。

图7示出例示本发明原理的第一示例性装置。

图8示出例示本发明原理的第二示例性方法的步骤。

图9示出例示本发明原理的第二示例性装置。

具体实施方式

在此描述FM无线麦克风信号的频谱感测办法。

FM信号的自相关函数

频率调制是模拟调制方案。正弦载波的频率根据基带信号变化。FM信号x(t)可以描述为

$x\left(t\right)=A_c\cos [2\mathrm{\π}{f}_{c}t+2\mathrm{\π\Δf}{\∫}_0^{t}m\left(u\right)\mathrm{du}+\mathrm{\θ}]---\left(1\right)$

其中，θ是在(0，2π)上均匀分布的随机相位并且m(t)是传送的语音信号。其是零平均值并且其幅度是|m(t)|≤1。参数A_c和f_c分别是载波幅度和载波频率。常数Δf是FM调制器的频率偏移，代表FM信号的瞬时频率相对于载波频率f_c的最大偏离。此外，可以示出FM信号x(t)的自相关函数给定为

$R_x\left(\mathrm{\τ}\right)=E\left[x(t+\mathrm{\τ})x\left(t\right)\right]$

$=\frac{A_c^2}{2}E\left[\cos (2\mathrm{\π}{f}_c\mathrm{\τ}+2\mathrm{\π\Δf}{\∫}^{+\mathrm{\τ}}m\left(u\right)\mathrm{du})\right]---\left(2\right)$

其中第一期望值是在θ和m(t)上，而第二期望值是在m(t)上。余弦函数内的整数项具有2πΔfτ的最大值。若干现有无线麦克风仿真模型使用建议的最大频率偏移32.6kHz。载波频率f_c是MHz量级。例如，使得f_c＝3.26MHz，其是Δf最大值的100倍。对于时期0≤τ≤10μs，载波频率引起的相位变化是65.2π(32.6个周期)，而在τ＝10μs整数项贡献最大值仅大约0.6π。因此，当f_c＞＞Δf并且相关延迟τ小时，载波频率支配相位变化并且可以忽略整数项的贡献。基于上面的观察，假定f_c＞＞Δf并且τ小，具有

$R_x\left(\mathrm{\τ}\right);\frac{A_c^2}{2}\cos \left(2\mathrm{\π}{f}_c\mathrm{\τ}\right)---\left(3\right)$

没有干扰情况下的频谱感测算法

假设接收到的模拟信号是r(t)，

r(t)＝x(t)+w(t)                               (4)

其中w(t)是加性白高斯噪声(AWGN)。模拟信号r(t)由模数转换器(ADC)以采样频率f_s采样，即r[n]＝r(n/f_s)。自相关函数计算为

$R_r\left[m\right]=\frac{1}{N_r}\underset{n=0}{\overset{N_r-1}{\mathrm{\Σ}}}r[n+m]\·r\left[n\right]---\left(5\right)$

其中N_r是用于计算R_r[m]的样本数量。注意在(5)中给出的估计自相关函数由相同数量的滞后积(lag product)的平均计算。这意味着不是所有可用的信号样品都被用于计算估计自相关函数。通过这样做，样品自相关函数R_r[m]对于不同相关延迟m具有相同方差。还将简化阈值设置的公式化。注意估计自相关函数的准确性不被影响，这是因为N_r比最大的相关延迟大得多。由于FM信号x(t)和噪声w(t)二者是零平均值并且它们是独立的，因此接收信号r[n]的自相关函数由这两个信号的自相关函数的总和组成，

R_r[m]＝R_x[m]+R_w[m]

$;\frac{A_c^2}{2}\cos (2\mathrm{\π}{f}_{c}m/f_s)+R_w\left[m\right]---\left(6\right)$

注意，理想地，噪声的自相关函数R_w[m]对于m≠0是零。实际上，虽然R_w[m]的值对于m≠0不是零，然而其相比于R_w[0]的值相对小。如果FM信号的载波频率是已知的，则最优检测器是匹配滤波器，即最优检测器的判定统计给定为

$T_R\left(f_c\right)=\frac{1}{M}\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{R}_r\left[m\right]\·\cos (2\mathrm{\π}{f}_{c}m/f_s).---\left(7\right)$

其中M是对于不同m计算的R_r[m]值的数量。然而，无线麦克风设备的载波频率可以是TV信道内的任何频率，只要相对于电视信道边缘的载频偏移是25kHz的倍数。假设接收信号占用从P MHz到(P+6)MHz的频带。无线麦克风设备可以选择f₀＝P MHz+50kHz，f₁＝P MHz+75kHz，…，作为其载波频率。总共有N_f＝1+(6MHz-100kHz)/(25kHz)＝237个可能的载波频率。作为结果，最优FM信号传感器的判定统计给定为

$T_R=\underset{0\≤n\≤N_f-1}{\max }{T}_R\left(f_n\right).---\left(8\right)$

有干扰情况下的频谱感测算法

当接收的模拟信号r(t)包含干扰信号时，具有

r(t)＝x(t)+i(t)+w(t)                         (9)

其中i(t)是干扰信号。因为FM信号x(t)、干扰信号i(t)和噪声w(t)是零平均值，并且它们彼此独立，因此接收信号r[n]的自相关函数由这三个信号的自相关函数的总和组成，

R_r[m]＝R_x[m]+R_i[m]+R_w[m]

$;\frac{A_c^2}{2}\cos (2\mathrm{\π}{f}_{c}m/f_s)+R_i\left[m\right]+R_w\left[m\right]---\left(10\right)$

观察是当相关延迟m小时，干扰信号的自相关函数R_i[m]具有明显的大值。另一观察是像多数信号一样，当相关延迟m增加时，R_i[m]消失。当相关延迟m小时，R_i[m]破坏R_r[m]的正弦特性。然而，对于足够大的m，假设m≥D，R_r[m]将展示FM信号的正弦特性。注意D依赖相邻信道干扰的统计属性并且被启发式地确定。由此，将使用反映FM信号正弦属性的样品自相关函数的值，以形成FM信号频谱感测设备的判定统计，即对于已知的载波频率f_c

$T_R\left(f_c\right)=\frac{1}{M}\underset{m=D}{\overset{M+D-1}{\mathrm{\Σ}}}{R}_r\left[m\right]\·\cos (2\mathrm{\π}{f}_{c}m/f_s).---\left(11\right)$

然而，调用(3)中作出的近似对于相关延迟的小值是正确的。D值很大是可能的，使得(3)中作出的近似无效。在该情况中，(11)中给出的频谱感测算法仅仅对于小频率偏移有用。为了解决该问题，让我们考虑以下给出的更高阶的统计

$Z_x\left(\mathrm{\λ}\right)=\frac{1}{T}{\∫}_{\mathrm{\τ}=T_D}^{T_D+T}{R}_x(\mathrm{\τ}+\mathrm{\λ})R_x\left(\mathrm{\τ}\right)\mathrm{d\τ}.---\left(12\right)$

积分从T_D开始并且只要积分时间T足够大，结果不受T_D影响。函数Z(λ)由所示的两项组成。

$Z_x\left(\mathrm{\λ}\right)=\frac{A_c^4}{4}\frac{1}{T}{\∫}_{\mathrm{\τ}=T_D}^{T_D+T}\cos (2\mathrm{\π}{f}_c\mathrm{\λ}+2\mathrm{\π\Δf}{\∫}_{t+\mathrm{\τ}}^{t+\mathrm{\τ}+\mathrm{\λ}}m\left(u\right)\mathrm{du})\mathrm{d\τ}$

$+\frac{A_c^4}{4}\frac{1}{T}{\∫}_{\mathrm{\τ}=T_D}^{T_D+T}\cos (4\mathrm{\π}{f}_c\mathrm{\τ}+2\mathrm{\π}{f}_c\mathrm{\λ}+2\mathrm{\π\Δf}{\∫}^{\mathrm{\τ}+t}m\left(u\right)\mathrm{du}+2\mathrm{\π\Δf}{\∫}^{t+\mathrm{\τ}+\mathrm{\λ}}m\left(u\right)\mathrm{du})\mathrm{d\τ}---\left(13\right)$

当T变大时，第二项接近零。结果，由于在获得(3)中的相同原因，假定f_c＞＞Δf并且λ小，

$Z_x\left(\mathrm{\λ}\right);\frac{A_c^4}{4}\cos \left(2\mathrm{\π}{f}_c\mathrm{\λ}\right)---\left(14\right)$

注意函数Z(λ)仅仅涉及(12)中定义的R(τ)的相关的时间差。由此，可以使具有大值τ的R(τ)来计算Z(λ)。

由以下计算更高阶的统计

$Z_r\left[k\right]=\frac{1}{M-k}\underset{n=D}{\overset{D+M-k-1}{\mathrm{\Σ}}}{R}_r[n+k]R_r\left[n\right]---\left(15\right)$

以及

$Z_r\left[k\right];\frac{A_c^4}{4}\cos (2\mathrm{\π}{f}_{c}k/f_s)+Z_i\left[k\right]+Z_w\left[k\right].---\left(16\right)$

最优FM检测器的判定统计然后给定为

$T_Z=\underset{0\≤n\≤N_f-1}{\max }{T}_Z\left(f_n\right)---\left(17\right)$

其中

$T_Z\left(f_n\right)=\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{Z}_r\left[k\right]\·\cos (2\mathrm{\π}{f}_{n}k/f_s).---\left(18\right)$

误报警特定概率的阈值设置

考虑仅仅存在AWGN噪声并且(8)中规定的基于自相关的频谱传感器用于执行频谱感测。通过在(5)中用w[n]替代r[n]，具有

$R_w\left[m\right]=\frac{1}{N_r}\underset{n=0}{\overset{N_r-1}{\mathrm{\Σ}}}w[n+m]\·w\left[n\right]---\left(19\right)$

假设噪声方差是E(w²[n])＝σ²并且依据中心极限定理，当N_r足够大时，R_w[m]接近具有方差的零平均值高斯随机变量。此外，是独立并且相同分布(i.i.d.)的高斯随机变量。由于高斯随机变量的加法仍是高斯的，随机变量是具有方差的相同的零平均值高斯随机变量。考虑的两个序列的相关性，

$R_c(f_n,f_k)=\frac{1}{M}\underset{m=1}{\overset{M}{\mathrm{\Σ}}}\cos (2\mathrm{\π}{f}_{n}m/f_s)\·\cos (2\mathrm{\π}{f}_{k}m/f_s).---\left(20\right)$

当序列的长度M足够大时，具有

$R_c(f_n,f_k)=\left\{\begin{array}{cc}\frac{1}{2}& f_n=f_k\\ 0& f_n\≠f_k\end{array}\right.---\left(21\right)$

由此，当序列的长度足够大时，是正交序列。所以，是i.i.d.高斯随机变量。因此，判定统计的累积分布函数给定为

$F_{T_R}(x:H_0)={\left({\∫}_{-\∞}^x\frac{1}{\sqrt{2\mathrm{\π}}{\mathrm{\σ}}_{T_R}}{e}^{-\frac{u^2}{2{\mathrm{\σ}}_{T_R}^2}}\mathrm{du}\right)}^{N_f}---\left(22\right)$

然后，对于特定的P_FA，对应阈值可以求解为

$P_{\mathrm{FA}}=1-F_T({\mathrm{\γ}}_{T_R}:H_0).---\left(22\right)$

最后，一些直接计算之后，具有

${\mathrm{\γ}}_{T_R}={\mathrm{\σ}}_{T_R}\·Q^{-1}(1-{(1-P_{\mathrm{FA}})}^{1/N_f})---\left(24\right)$

其中Q^-1(·)是函数的逆函数

$Q\left(x\right)={\∫}_x^{\∞}\frac{1}{\sqrt{2\mathrm{\π}}}{e}^{-\frac{1}{2}{u}^2}\mathrm{du}.---\left(25\right)$

当考虑相邻信道干扰时，在(18)中规定的基于更高阶统计的频谱传感器用于执行频谱感测。因为干扰信号的统计是未知的，因此可以由启发式方法确定阈值。例如，可以运行10000次仿真并且记录作为结果的统计。对于P_FA＝0.5％，以降序分类的10000个统计的第51个统计是需要的阈值。

仿真结果

现有途径已经建议三种无线麦克风操作情况和两种环境条件，以测试无线麦克风信号的频谱感测算法。这三种系统操作情况是：

1.寂静(silent)模式：

系统用户是寂静的。在该情况中，m(t)是32kHz正弦信号并且FM偏移因数是±5kHz。

2.软扬声器(soft speaker)模式：

系统用户是软扬声器。在该情况中，m(t)建模为3.9kHz正弦信号，FM偏移因数为±15kHz。

3.扩音器(loud speaker)模式：

系统用户是扩音器。在该情况中，m(t)建模为13.4kHz正弦信号，FM偏移因数为±32.6kHz。

两种环境条件是：

1.室外，LOS：

在该情形中，在室外环境中使用无线麦克风系统，其中，存在传送器和接收器之间的视线(LOS)传输路径。因此，其是AWGN信道模型。

2.室内，瑞利衰落(Rayleigh Faded)

在该情形中，在室内环境中使用无线麦克风系统。因为，传送器和接收器之间的距离短，所以单个路径瑞利衰落信道对于建模室内信道足够良好。因此使用平衰落信道。此外，用户的速度假设为0.6m/s。在该速度并且在该最大载波频率806MHz，最大多普勒频移计算为1.612Hz。因为最大多普勒频移很小，所以可以忽略多普勒效应。所以，该信道是单个路径时间不变信道。

而且，在某些现有技术方法中使用更准确的语音信号模型。在FM调制之前将音频信号m(t)建模成通过将白噪声通过在预加重(pre-emphasis)滤波器之前的电路生成的彩色噪声。在此，在仿真中使用三个室内环境操作情况以及具有Δf＝32.6kHz的彩色噪声语音模型生成FM无线麦克风信号。

图1例示无线麦克风信号的仿真模型。以速率f_s采样转换为较低中心中间频(f_IF)的无线麦克风信号，以生成离散信号x[n]。如果考虑相邻信道干扰，根据两信号(相邻信道干扰)模型，则添加来自较低TV信道的干扰信号。较低相邻信道的信号功率是-28dBm并且总的频带外发射(干扰)功率是-90dBm。添加加性白高斯噪声(AWGN)w[n]以形成实验性接收信号r[n]。将近一步假设w[n]是零平均值并且噪声功率频谱密度(PSD)是N₀＝-174+10＝-164dBm/Hz，其中-174dBm/Hz是正常温度条件下的热噪声功率频谱密度，并且10是接收器噪声指数。因此，噪声功率是N₀B＝-164dBm/Hz·6MHz≈-96dBm。注意干扰信号功率是-90dBm并且噪声功率是大约-96dBm。干扰加噪声功率是-89dBm。由此，在信号对干扰加噪声功率比率(SINR)方面由FCC设置的-114dBm的敏感度等效地是-25dB，这是极其难的条件。当载波频率接近信道边缘时，干扰信号完全遮蔽无线麦克风信号是可能的。这使得无线麦克风信号的频谱感测是非常难的任务。在描述的仿真中，使用f_IF＝5.38MHz和f_s＝21.52MHz的相同设置。如早先提及的，从2.38MHz到8.38MHz的6MHz频带的N_f＝237个可能的载波频率中随机选择FM无线麦克风信号的载波频率。

图2示出没有干扰并且具有5ms感测时间的P_FA＝0.5％的FM无线麦克风信号在(7)和(8)中规定的自相关检测器的感测性能(N_r＝107622)。图的曲线示出在对应SNR的丢失检测的概率(P_MD)。参数M等于100。对于四个不同语音源感测性能类似。实现P_MD＜0.01需要的SNR是-26dB。其演示了(8)中规定的自相关检测器对于FM无线麦克风信号具有很有希望的感测能力。当FM频率偏移因数由于(3)中作出的近似准确性而增加时，该感测性能下降。图4示出有干扰并且具有100ms感测时间的P_FA＝0.5％的FM无线麦克风信号在(18)中规定的更高阶统计检测器的感测性能(N_r＝21524400)。参数D、M和K是200、500和200。由于需要干扰进行平均而大大增加感测时间。对于所有无线麦克风仿真模型实现P_MD＜0.1的要求的SNR是-18dB。在图3(没有干扰)和图5(有干扰)点画出不同级SNR的接收器操作特性(ROC)曲线族，以总结提出的频谱传感器的感测性能。在这两个图中，选择使用彩色噪声作为语音源的仿真模型，这是因为其比音调信号更接近语音信号。可靠的频谱传感器将实现关于低P_FA的高检测概率(P_D)。依据ROC曲线，当存在强相邻信道干扰时，在SNR是-23dB时提出的FM无线麦克风频谱传感器是可靠的。

在图6中例示本原理的一个实施例，其示出第一示例性方法600，方法包括在步骤610中对接收信号执行自相关，接收信号可以包括FM无线麦克风信号。自相关输出下面在步骤620通过匹配滤波器被滤波。匹配滤波器输出下面在步骤630中用于确定判定统计。判定统计用于在步骤640中指示占用的频谱。

在图7中例示本原理的另一实施例，其示出第一示例性装置700。装置包括处理电路710，用于对接收信号生成自相关函数。处理电路的输出与匹配滤波器720在信号通信中连接，匹配滤波器720用于滤波处理电路710的自相关输出。匹配滤波器720的输出与判定电路730在信号通信中连接，判定电路730用于通过找到匹配滤波器输出720的最大值来生成判定统计。判定电路730输出与检测单元740在信号通信中连接，以通过使用判定统计来指示占用的频谱空间。

在图8中例示本原理的另一实施例，其示出第二示例性方法800。方法包括在步骤810对接收信号执行自相关，接收信号可以包括FM无线麦克风信号。自相关输出下面在步骤820中用于计算较高阶统计。步骤820的输出下面在步骤830用于确定判定统计。判定统计用于在步骤840指示占用的频谱。

在图9中例示本原理的另一实施例，其示出第一示例性装置900。装置包括用于对接收信号生成自相关函数的处理电路910。处理电路输出与计算电路920在信号通信中连接，计算电路920用于使用处理电路910的自相关输出来计算较高阶统计。计算电路920的输出与判定电路930在信号通信中连接，判定电路930用于通过找到计算电路输出920的最大值来生成判定统计。判定电路930输出与检测单元940在信号通信中连接，以通过使用判定统计指示占用的频谱。

可以通过使用专用硬件以及能够与恰当的软件相关联地执行软件的硬件来提供图中所示的多种元件的功能。在由处理器提供时，可以由单个专用处理器、由单个共享处理器、或由多个单独的处理器(其中的一些可以被共享)来提供所述功能。此外，术语“处理器”或“控制器”的显式使用不应被理解为仅仅指能够运行软件的硬件，而可以不加限制地隐式地包括数字信号处理器(“DSP”)硬件、用于存储软件的只读存储器(“ROM”)、随机存取存储器(“RAM”)和非易失性存储器。

还可以包括传统的和/或定制(custom)的其他硬件。相似地，图中所示的任何开关都仅仅是概念性的。可以通过程序逻辑的操作、通过专用逻辑、通过程序控制和专用逻辑的交互、或甚至手动地执行它们的功能，如同从上下文中更具体地理解的那样，具体的技术可由实施者选择。

现在将给出本原理的很多伴随优点和特征的描述，上面已经提到其中的一些。例如，一种用于FM无线麦克风信号的频谱感测的方法，其执行自相关函数，然后匹配滤波，并且生成用于确定频谱空间内的FM无线麦克风信号存在的判定统计。另一特征是用包括正弦信号的函数近似之前方法中的自相关函数。另一优点是用于执行FM无线麦克风信号的频谱感测的装置，其包括用于生成自相关函数的处理电路、匹配滤波器、用于生成判定统计的判定电路，以及用于使用判定统计以指示占用的频谱空间的检测单元。又进一个优点是刚刚提及的装置，其中用包括正弦信号的函数近似自相关函数。本原理的另一优点是用于FM无线麦克风信号的频谱感测的方法，其执行自相关函数，随后从自相关输出形成较高阶统计，并且通过找到较高阶统计的最大值生成判定统计，用于在频谱空间内确定FM无线麦克风信号的存在。本原理的又一优点是刚刚提及的方法，但是其中，通过累计自相关函数乘积来形成较高阶统计。本原理的又进一个是刚刚提及的方法，但是其中，通过包括正弦信号的函数近似较高阶统计。本原理的另一优点是用于FM无线麦克风信号的频谱感测的装置，包括执行自相关函数的处理电路，其与用于从自相关输出形成较高阶统计的计算电路信号通信。较高阶统计被输入到判定电路，用于通过找到较高阶统计的最大值来生成判定统计，用于在检测单元中确定频谱空间内的FM无线麦克风信号的存在。本原理的另外优点是刚刚提及的装置，其中计算电路通过累计自相关函数乘积来计算较高阶统计。本原理的另一优点是刚刚提及的装置，但是其中，计算电路用包括正弦信号的函数近似较高阶统计。

本描述例示了本原理。因而应当理解，本领域技术人员将能够设计出虽然未在这里显式地描述或示出、但具体化本原理并被包括在其精神和范围内的多种布置。

在这里所叙述的全部示例和条件性语言意图在于辅助读者理解本原理和由(一个或多个)发明人为发展本领域而贡献的构思的教学目的，并且应当被理解为对这样的具体叙述的示例和条件没有限制。

此外，在这里叙述本原理的原理、方面和实施例，以及其具体例子的全部陈述，意图包括其结构性和功能性等效物的两者。另外，这样的等效物意图包括当前已知的等效物以及在将来开发的等效物，即无论结构如何而执行相同的功能的所开发的任何要素。

因而，例如，本领域技术人员将理解，在这里所呈现的框图代表具体化本原理的阐释性电路的概念视图。相似地，要理解，任何流程表、流程图、状态转换图、伪代码等代表可以在计算机可读介质中被实质性地代表、并且由计算机或处理器如此执行的各种过程，而无论这样的计算机或处理器是否被显式地示出。

在本文的权利要求中，被表达为用于执行所指定的功能的部件的任何元件意图包括执行该功能的任何方式，所述任何方式例如包括：a)执行该功能的电路元件的组合或b)因此包括固件、微代码(microcode)等的任何形式的软件，其与用于执行该软件的恰当的电路组合以执行该功能。这样的权利要求所定义的本原理存在于以下事实中：以权利要求所要求的方式将由多种所叙述的部件所提供的功能组合并放在一起。因而认为可以提供那些功能的任何部件与这里所示出的那些部件等效。

本说明书中对本原理的“一个实施例”或“实施例”以及它们的其他变型的引用意味着在本原理的至少一个实施例中包括与该实施例相联系地描述的具体的特征、结构、特性等。因而，贯穿本说明书的多处出现的短语“在一个实施例中”或“在实施例中”以及任何其他变型的出现不一定全部指相同的实施例。

总之，仿真结果展现当SNR是-23dB时，提出的频谱传感器变得可靠。当存在强相邻信道干扰时，如FCC所规定的，呈现的频谱感测算法可以实现SNR＝-18dB的感测阈值。

Claims (6)

1.一种频谱感测的方法，包括：

对接收信号生成自相关函数；

使用匹配滤波器滤波所述自相关输出；

通过找到匹配滤波器输出的最大值生成判定统计；以及

通过使用所述判定统计指示占用的频谱空间，

其中，自相关函数用包括正弦信号的函数近似。

2.一种用于频谱感测的装置，包括：

处理电路，用于对接收信号生成自相关函数；

匹配滤波器，用于滤波所述自相关输出；

判定电路，用于通过找到匹配滤波器输出的最大值生成判定统计；以及

检测单元，用于使用所述判定统计指示占用的频谱空间，

其中，自相关函数用包括正弦信号的函数近似。

3.一种频谱感测的方法，包括：

对接收信号生成自相关函数；

使用所述自相关输出计算较高阶统计；

通过找到所述较高阶统计的最大值生成判定统计；以及

通过使用所述判定统计指示占用的频谱空间，

其中，自相关函数用包括正弦信号的函数近似。

4.根据权利要求3所述的方法，其中，通过累计自相关函数乘积形成较高阶统计。

5.一种用于频谱感测的装置，包括：

处理电路，用于对接收信号生成自相关函数；

计算电路，用于使用所述自相关输出计算较高阶统计；

判定电路，用于通过找到所述较高阶统计的最大值生成判定统计；以及

检测单元，用于使用所述判定统计指示占用的频谱空间，

其中，自相关函数用包括正弦信号的函数近似。

6.根据权利要求5所述的装置，其中，计算电路通过累计自相关函数乘积计算较高阶统计。