CN103051401B - 基于小波的认知无线电频谱感知方法 - Google Patents

Abstract

本发明公开了基于小波的认知无线电频谱感知方法，其包括如下步骤：（1）接受天线在接受信号之后，首先对信号进行采样将其变换成数字信号；（2）利用带通滤波器将数字信号中不需要的频段信号滤除；（3）利用小波去噪技术对滤波后的信号值进行去噪处理；（4）将经小波去噪后的信号波形与去噪前的信号波形进行对比，若信号波形的幅值没有发生改变，则说明存在PU信号；若信号波形的幅值发生大改变，则说明不存在PU信号。本方法将会比传统的能量检测方法准确、比传统的匹配滤波方法更不需要任何先验知识、比传统的循环平稳检测方法更加节省计算成本。

Description

基于小波的认知无线电频谱感知方法

技术领域

本发明涉及认知无线电技术，具体涉及基于小波的认知无线电频谱感知技术。

背景技术

认知无线电技术是以频谱资源动态利用的思想为基础的，而认知无线电所解决的问题也集中在如何解决频谱短缺上。在目前频谱资源日趋紧张的同时，这种技术俨然成为通信领域未来发展的方向，所以认知无线电技术在无线电通信领域，具有很好的前景和不可估量的意义。为了解决频谱短缺，认知无线电技术将把当前没有被利用的主用户频谱资源进行再分配。而这次分配的主要受益者是感知用户，感知用户在保证不对主用户造成干扰的同时，可以利用主用户没有被利用的频谱段。而这种频谱段在认知无线电领域被称为频谱空洞。

随着无线网络设备高速的不断发展，将在无线通信上需要更多的频段，所以频谱也变得更紧缺了。区别于传统的固定频谱分配方法，认知无线电技术可以使频谱资源得到更好的利用。在认知无线电网络（CRN）中，主用户（PU）拥有频谱的使用特权，而且随时可以利用这段频谱。感知用户（SU）没有频谱的使用特权，可以通过检测主用户没有使用的频段来使用频谱资源。它们有机会在不影响主用户的情况下使用频谱。在一定的时间内，这让SU可以利用频谱。在CRN中，一个最基本的设计目标就是开发频谱有效利用的技术，使当前时间内的频谱利用达到最大化。

为了确保SU不对PU造成危害，SU需要对当前频段频谱的利用进行检测。频谱感知就是要快速的连续的准确的检测PU是否存在，或者是否回归。在IEEE802.22标准文献里面，频段将会在每两秒内被检测一次，用漏验概率（Pmd）和虚警概率（Pfa）来衡量检测的性能。要求虚警概率不能超过0.1.毫无疑问，短的检测时间，低的虚警概率和低的漏验概率是被提倡的。

频谱感知是一个近些年里面非常热门的研究而且研究者们完成了大量的工作。现有的方法在大体上可以被分成两类。一种假设SU知道PU的大量信息，一般说这种情况为已知先验知识。比如说，匹配滤波法假设一些PU的信息是可以被利用的，但是这些信息在实际中很难被SU所掌握。另一类方法就是假设很少的PU信息。能量检测假设白噪声的能量是已知的，并且当接受能量大于某一个门限的时候，PU是存在的。循环平稳检测法提取一些接收到的PU信号的特征。当这些特征被确认的时候，认为PU是存在的。然后判决PU存在。

匹配滤波算法最初是用作信号处理的一种方法的，现在也可以用来做频谱感知。它需要大量主用户的先验知识，比如主用户的调制方式，数据结构，信道利用度等等。匹配滤波的本质是看接受的信号序列是否匹配上已知的序列，而且一个好的匹配意味着主用户的存在。匹配滤波法有短的采样和短的计算时间。它需要主用户充足的信息，这是匹配滤波的缺点。

作为最简单的算法，能量检测被广泛的提倡和研究。感知用户检测了在频谱中的接受信号强度，然后把这个强度和门限进行比较。这个门限是用白噪声的能量推导出来的。当检测的信号强度超过了这个门限，这意味着另外有一些用户存在，可能是主用户正在利用这个频谱。能量检测的主要局限在于这个白噪声的门限需要事先给定。因为信号能量是受到很多因素影响的，比如传输距离，多径效应，和信源的功率。这个门限是很难确定的。而且，没有检测到主用户的出现将会造成干扰主用户正常通信的风险。另外，白噪声的能量是一个统计平均值。因为白噪声其实就是一个幅值随机的信号，只测量很短的接收数据也会对判决结果造成不确定影响。换句话说，在低信噪比的环境中，能量检测的检测错误概率会很高。

要处理先验知识和白噪声的问题，循环平稳检测方法被提出来了。循环平稳检测方法可以在低信噪比下区别信号和噪声。这种方法利用了自相关函数来计算信号的循环平稳特性。当循环谱很高的时候，循环平稳检测法认为在频谱中具有一个信号。大多数情况下，这个信号将被当做主用户对待。循环平稳检测方法不需要主用户的任何先验也不需要知道噪声功率，而且可以在一个低信噪比下区别信号和噪声。循环平稳方法主要有两个缺点。它需要大量的计算时间，着大量的计算时间会使检测时间变长。另外，此方法下需要一个快速的AD转换器来实现，这增加了硬件的难度。

发明内容

本发明针对现有各种频谱感知技术所存在的问题，而提供一种鲁棒性更强的认知无线电频谱感知方法。该种频谱感知方法比能量检测更准，比匹配滤波法需要更少的先验知识，比循环平稳检测需要更少的计算资源。

为了达到上述目的，本发明采用如下的技术方案：

基于小波的认知无线电频谱感知方法，该方法包括如下步骤：

（1）接受天线在接受信号之后，首先对信号进行采样将其变换成数字信号；

（2）利用带通滤波器将数字信号中不需要的频段信号滤除；

（3）利用小波去噪技术对滤波后的信号值进行去噪处理；

（4）将经小波去噪后的信号波形与去噪前的信号波形进行对比，若信号波形的幅值没有发生改变，则说明存在PU信号；若信号波形的幅值发生大改变，则说明不存在PU信号。

在本发明的优选实例中，所述步骤（2）利用混频器和低通滤波器组合形成的带通滤波器进行滤波处理，所述混频器对数字信号进行单路混频，再将混频后的信号传至低通滤波器，所述低通滤波器信号进行低通滤波处理滤除高频信号，剩下的低频信号。

进一步的，所述低通滤波器采用梳状滤波器。

本发明提供的方案根据在小波域中信号和噪声的统计规律不同原理，对接收到的波形应用小波变换之后，在小波域中寻找这种差异，并且量化这种差异。该方案不需要噪声和信号的先验知识，即可完成基于小波去噪的频谱感知，并且本方案法比能量检测更准，比匹配滤波法需要更少的先验知识，比循环平稳检测需要更少的计算资源。

附图说明

以下结合附图和具体实施方式来进一步说明本发明。

图1为本发明的实现原理图；

图2a为混频后信号的波形示意图；

图2b为图2a所示信号经过下采样滤波器滤除高频信号后，剩余低频信号的示意图；

图2c为图2a所示信号经过fir低通滤波器滤除高频信号后，剩余低频信号的示意图；

图2d为噪声信号的波形图；

图2e为图2d所示噪声信号经下采样滤波器滤波后的波形示意图；

图2f为图2d所示噪声信号经fir低通滤波器滤波后的波形示意图。

具体实施方式

为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体图示，进一步阐述本发明。

本发明专利提供的基于小波的认知无线电频谱感知的方法，具体实现步骤如下：

首先，对于每一个SU来说，它的频谱感知工作其实可以简化为在已知x(t)的时候判断两个假定：

H₀:x(n)=w(n)

（1）

H₁:x(n)=s(n)+w(n)

此处，H₀是PU没有存在，H₁是有一个PU存在。即，给定一个软件的测量序列x(n)，需要检测出来是H₀还是H₁，而且感知的目的在于：在约束检测时间的条件下增加感知精度。由于感知精度可以用以下的两种尺度来衡量：一个是漏验概率P_MD。它被定义为当实际上是H₁的时候，我们错误的将其判断为H₀的概率；还有一种是虚警概率P_FA，它和漏验概率很相近，只是将在输入和输出上面转换了H₀和H₁的位置。

参见图1，其所示为本发明进行认知无线电频谱感知的实现流程图。由此，对于一般的频谱感知，唯一的输入是从天线接受到的信号，而输出是关于H₀和H₁的判决。如图1所示，未加工的模拟信号需要混频和采样来变成数字信号；再由一个带通滤波器，这个带通滤波器通常由一个低通滤波器和一个高通滤波器组成，将会让数字信号处理成后续判断所需要的频段内的数据；最后，通过小波变换算法对经滤波处理的信号的进行处理，并由此来决定原始接受的信号中是否包含PU信号（H₀还是H₁）。

在本方案中，带通滤波器（BPF）用于对接收的数字信号进行处理，使得去其只保留后续计算所需的频段信号，滤除其它频段的波形。

为了后续能够精确地感知频谱，这个需要带通滤波器（BPF）有两点要求：当接收的波形在选定的频谱之外的时候，带通滤波器（BPF）需要很干净的将它们滤除；如果波形在所需要的频谱里，这个BPF需要带来最小的干扰，而且带内的信号和噪声的特性要保持不变。

为了达到上述目的，最简单而且最直接的解决方法就是SU上直接安排一个带通滤波器用来完成这个工作。但是这个在实际中并不是一个低消耗的方法，而且BPF在硬件上面实施是要很大代价的。而且，普通的带通滤波器将可能将噪声的频率集中化，这样会将某些噪声的特性抹去，不适合频谱感知的方案。

为了处理这个问题，在本发明中，提供一种可供选择的方法来实现带通滤波器（BPF）：利用混频器和低通滤波器来代替带通滤波器，该方案不仅可以找出所需的频段，而且在实际应用中，可以用这个方案来解调信号。为此，在本发明中采用混频器和一个简单的低通滤波器（LPF）可以完成这个工作。

两者进行工作的过程如下：

假设输入的采样之后的测量值x(t),t=1，….,n,可通过公式2进行描述这个过程如下。

x(t)=a₁(t)·cos(2πft)+a₂(t)·sin(2πft)   （2）

a₁(t)和a₂(t)分别是中频的I路和Q路信号。由于本方案中只是检测有没有信号，而不是还原信号，所以在本方案中只对信号进行类似于相干解调式的单路混频。

y(t)=x(t)·cos(2πf't)   （3）

在这里f'是混频器的频率。通过LPF,波形y(t)变成：

$y\left(t\right)=\frac{1}{2}{a}_1\left(t\right)\cos \left(2\mathrm{\πt}(f-f^{\′})\right)+\frac{1}{2}{a}_2\left(t\right)\sin \left(2\mathrm{\πt}(f-f^{\′})\right)---\left(4\right)$

即，波形的频率减小了f'。如果这个f′是故意选择的，那一个简单的LPF滤波器可以完成一个带通滤波器所具有的功能。

对于组成带通滤波器的低通滤波器的选定，如果采用FIR滤波器来实现低通滤波器，那白噪声通过FIR滤波器后，就会变得平滑。由于本法案是通过波形是否平滑为依据来对是H₀还是H₁作出判决的。所以采用FIR滤波器会使白噪声更加像信号，而且这样会明显的增加虚警概率。

而，下采样低通滤波器并不改变高斯白噪声的性质，使经过低通滤波器之后，信号和噪声还是可以分辨的。

由于下采样低通滤波器的低通原理是在奈圭斯特准则中，要求采样频率必须大于等于信号频率的二倍。若人为的下调采样率的话，信号的可以解析的最高频率也势必会下降。这样就把信号的高频部分去掉了，达到了低通滤波的效果。这类似于DFT的可分辨最高频率是采样频率的二倍。一旦采样频率下降，可分辨的最高频率也随之下降。而且梳状滤波器用来处理下采样造成的频谱混叠。

针对上述两个滤波器的，本发明通过硬件实验，验证了这个两者的特性。参见图2(a)到图2(f)，这6附图展示了FIR滤波器与下采样滤波器对信号处理的不同结果。

实验一

图2(a)是一个信号的混频后的波形。本方案的目的是将信号的高频部分去掉，留下的是信号的低频部分。

图2(b)是图2(a)的信号经过下采样滤波器滤除高频信号后，剩下的低频信号。图2(c)使用fir低通滤波器滤除高频信号后所得的低频信号。

通过对比可知，图2(a)所示的波形与图2(c)所示信号在去高频留低频后的波形，是没有明显的区别的。在普通的通信中，这两种滤波器都能胜任滤波的任务。而且，通用的方法，是fir低通滤波器，因为此低通滤波器具有不改变信号采样率的特点。

实验二

图2(d)是一个噪声的波形图。

图2(f)是图2(d)所示噪声经过了fir低通滤波之后的样子。通过对比可以发现滤除了高频噪声后，信号变得平滑了。由于噪声的频段是无限长的，若只保留它的低频部分，必然会出现低频信号所有特有的平滑性。

图2(e)所示，经过下采样低通滤波器后，噪声仍然是噪声，仍然是不平滑的，这个不平滑使噪声仍然为噪声。

为此，在本发明中采用下采样低通滤波器，这样能够使得带内的信号和噪声的特性要保持不变。

由此可知，通过使用带通滤波器，只有在所需频段内的信号被剩下了。针对剩余的信号，本方案采用基于小波变换技术来实现频谱感知。

在该部分，本方案对经滤波后的信号进行小波变换对信号实现去噪。由于信号波形的测量值在信号进行进行小波变换来去噪后会发生变化。由此，本年发明通过检查去噪前和去噪之后的信号波形的变化，如果是来自PU的信号的话，经过去噪之后，信号波形的幅值将不会发生改变；而噪声在小波去噪之后，幅值会大大下降。

本方案中进行小波去噪的实现过程如下：

需要n个信号波形的采样点，高斯白噪声的小波系数服从高斯分布。σ²是噪声的方差，而且

$T=\mathrm{\σ}\sqrt{2\ln n}---\left(5\right)$

噪声有很大的可能低于阈值T。

$\underset{n\→+\∞}{\lim }\mathrm{Pr}\left(\underset{0\≤j\≤n}{\max }\right|W(i,j)|\≤T)=1---\left(6\right)$

在这里W(i，j)是噪声的小波系数。在实际中可以利用下面的公式来估计噪声的方差。

σ≈1.4826E(median{W(1,j)})   （7）

在这里median{W(1,j)}代表了最高尺度小波系数的中位数。相反，从PU而来的信号就没有这个特征。这样的话，给定了一个在感兴趣频谱段里面的x(t)。

从公式(5)里面计算出的阈值T，然后将每一个小波系数减去这个阈值。如果剩余部分非常小，就说明这个接收到的信号波形是有噪声组成的，如果剩余部分比较大，就说明这个接受到的信号包含PU的信号。

为此，本发明中设定一个简单的门限（剩下的/开始的=0.5），通过该门限值来进行最好的判决。

另外的一个重要的因素就是软阈值和硬阈值算法。软阈值是所有的小波系数W(i，j)都减去门限T。而在硬阈值方法中，只有那些小于等于阈值的小波系数被完全的去掉，而另外的小波系数却没有什么变化。总体说来，软阈值方法不仅去掉了噪声而且也减少了PU信号的幅值(如果有PU的话)。软阈值会有很小的虚警概率但是有很高的漏验概率。而作为硬阈值来说，因为只有噪声受到影响，所以表现出了一个很好的漏验概率，但是以虚警概率很高作为代价。

在完成小波去噪之后，如果原有的频带内只有信号，那么信号将会被剩下。如果原有频带内只有噪声，那么经过小波去噪之后，接受波形的能量将会大幅度下降。我们通过这个来判定所选频带内是信号还是噪声。

基于上述方案，具体的实施如下：

A1、接受天线在接受信号之后，首先对信号进行采样。接着对数据进行下变频，将高频的信号下降到了0频中。

A2、接着用下采样梳妆滤波器，0频率的信号进行低通滤波。

A3、接着利用小波去噪技术利用梳妆滤波器滤波之后的信号值进行处理。

A4、对小波去噪后的信号能量与1值进行比对。如果，能量值接近于1说明当前存在PU信号。如果能量值远远小于说明当前环境内不存在PU信号。

通过上述方案可知，本发明提供的基于小波的认知无线电频谱感知方法将会比传统的能量检测方法准确；比传统的匹配滤波方法更不需要任何先验知识；比传统的循环平稳检测方法更加节省计算成本。

以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (3)

1.基于小波的认知无线电频谱感知方法，其特征在于，所述方法包括如下步骤：

(1)接受天线在接受信号之后，首先对信号进行采样将其变换成数字信号，并对数据进行下变频，将高频的信号下降到了0频中；

(2)利用带通滤波器将数字信号中不需要的频段信号滤除；

(3)利用小波去噪技术对滤波后的信号值进行去噪处理；

(4)将经小波去噪后的信号波形与去噪前的信号波形进行对比，若信号波形的幅值没有发生改变，则说明存在PU信号；若信号波形的幅值发生大改变，则说明不存在PU信号。

2.根据权利要求1所述的基于小波的认知无线电频谱感知方法，其特征在于，所述步骤(2)利用混频器和低通滤波器组合形成的带通滤波器进行滤波处理，所述混频器对数字信号进行单路混频，再将混频后的信号传至低通滤波器，所述低通滤波器信号进行低通滤波处理滤除高频信号，剩下的低频信号。

3.根据权利要求2所述的基于小波的认知无线电频谱感知方法，其特征在于，所述低通滤波器采用梳状滤波器。