CN103259631A - Mimo系统中基于特征函数的频谱盲检测方法 - Google Patents
Mimo系统中基于特征函数的频谱盲检测方法 Download PDFInfo
- Publication number
- CN103259631A CN103259631A CN2013101773765A CN201310177376A CN103259631A CN 103259631 A CN103259631 A CN 103259631A CN 2013101773765 A CN2013101773765 A CN 2013101773765A CN 201310177376 A CN201310177376 A CN 201310177376A CN 103259631 A CN103259631 A CN 103259631A
- Authority
- CN
- China
- Prior art keywords
- channel
- function
- vector
- covariance
- sample
- 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.)
- Pending
Links
Images
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
Description
技术领域
本发明属于无线通信技术领域,特别涉及无线通信多天线技术领域,具体是一种MIMO系统中基于特征函数的频谱盲检测方法。
背景技术
随着无线通信的发展,频谱资源越来越拥挤,但是很多已经分配的频谱资源的并没有得到有效利用。认知无线电系统,通过容许非授权用户使用空闲的频谱, 在不妨碍主用户通信的情况下, 提高频谱的使用率,得到了很大的关注。频谱检测,也就是检测信道中是否存在主用户信号的传输,是认知无线电系统一个重要的研究内容。到目前为止,已经有很多种频谱检测方法被提出来。主要有匹配滤波器法、能量检测法、循环谱检测法、特征值检测法。这些检测方法既可以用在单天线系统中,也可以用在多天线系统中。匹配滤波器法是一种最佳检测,能使接收输出信噪比最大,但是需要知道授权用户的所有先验知识,在先验知识不足时,无法应用。循环谱检测法利用已知授权用户的调制信息来提高低信噪比条件下频谱检测的性能,但所需样本时间长,计算复杂度高。能量检测算法由于不需要知道授权用户的任何先验知识,近年来被广泛应用到认知无线电系统的频谱检测中。但在低信噪比条件下,噪声干扰与授权用户的能量区分度变小,能量检测法性能下降。在噪声方差未知情况下,如果噪声方差估计不准确,能量检测法性能急剧下降。特征值检测方法利用接收到的信号样本协方差的特征值来进行信号检测,其理论基础是随机矩阵理论。特征值检测不需要知道授权用户信号的信息,也不需要知道信道噪声的方差,实现了盲检测。但样本协方差特征值计算的计算量和复杂度都比较大。以上的频谱检测法,在本质上都是基于局部参数假设检验的频谱检测方法,以某个局部参数作为标准进行信号检测。
发明内容
本发明的目的是针对现有技术的不足,提出了一种MIMO系统中基于特征函数的频谱盲检测方法,本发明详细分析了基于多元特征函数的频谱盲检测的检测性能。
本发明解决其技术问题所采用的技术方案具体包括如下步骤:
步骤1.设认知无线电系统中,授权主用户发送端有 根天线,次用户接收端有根天线,且用户接收端的每根天线有L个样本;设次用户接收端第根天线第个样本记为;把根天线中每根天线接收的第个样本共同组成一个向量,令该向量, 连续采样次,得到个样本向量,记为;其中,、、为自然数,;
1-2 当信道中存在授权用户信号传输时,由于受信号调制特性和信道传输特性的影响,不服从维均值为零,协方差为的多元高斯分布;此时,其特征函数也不服从,MIMO系统中,基于特征函数的频谱检测等价于下列检验,具体如下:
定义随机向量的经验特征函数为:
(3)
步骤2.用样本协方差对信号进行归一化,定义修正的特征函数距离为:
当信道中不存在授权用户传输时,趋向无穷大,归一化经验特征函数趋向;当信道中存在授权用户传输的时候,不趋向于,此时,通过修正后的特征函数距离检测,而的计算,不需要知道噪声的协方差,实现了对信道的盲检测。
本发明有益效果如下:
本发明通过度量接收到信号的样本特征函数与已知特征函数之间的距离进行频谱检测,比传统的基于局部参数假设检验的频谱检测方法具有更好的性能,不需要知道授权用户的所有先验知识,也不需要知道信道的噪声方差。
附图说明
具体实施方式
下面结合附图和实施例对本发明作进一步说明。
MIMO系统中基于特征函数的频谱盲检测方法,具体包括如下步骤:
步骤1.设认知无线电系统中,授权主用户发送端有根天线,次用户接收端有根天线,且用户接收端的每根天线有L个样本;设次用户接收端第根天线第个样本记为;把根天线中每根天线接收的第个样本共同组成一个向量,令该向量, 连续采样次,得到个样本向量,记为;其中,、、为自然数,;
1-2 当信道中存在授权用户信号传输时,由于受信号调制特性和信道传输特性的影响,不服从维均值为零,协方差为的多元高斯分布;此时,其特征函数也不服从,MIMO系统中,基于特征函数的频谱检测等价于下列检验,具体如下:
定义随机向量的经验特征函数为:
步骤2.用样本协方差对信号进行归一化,定义修正的特征函数距离为:
当信道中不存在授权用户传输时,趋向无穷大,归一化经验特征函数趋向;当信道中存在授权用户传输的时候,不趋向于,此时,通过修正后的特征函数距离检测,而的计算,不需要知道噪声的协方差,实现了对信道的盲检测。
由此能够得到,信道噪声方差未知情况下,基于特征函数的频谱盲检测等价于下面的检验: (11)
实施例1:
实施例2:
实施例3:
如图3所示,给出了三种检测方法的工作区间,仿真条件同样为授权用户发射天线个数, 次用户接收天线个数,采样向量样本个数。从图3可以看到,在MIMO系统中,基于特征函数的频谱盲检测方法比基于能量检测的频谱检测方法和基于特征值的频谱盲检测方法具有更好的性能。特别是在虚警概率小于0.1的区域,这个区域是实际工作环境对应的工作区间。
本发明还可有其他多种实施例,在不背离发明精神及其实质的情况下,本领域的技术人员可根据本发明做出各种相应的改变和变形,但这些相应的改变和变形都落入本发明的保护范围。
Claims (1)
1. MIMO系统中基于特征函数的频谱盲检测方法,其特征在于包括如下步骤:
步骤1.设认知无线电系统中,授权主用户发送端有 根天线,次用户接收端有根天线,且用户接收端的每根天线有L个样本;设次用户接收端第根天线第个样本记为;把根天线中每根天线接收的第个样本共同组成一个向量,令该向量, 连续采样次,得到个样本向量,记为;其中,、、为自然数,;
1-2 当信道中存在授权用户信号传输时,由于受信号调制特性和信道传输特性的影响,不服从维均值为零,协方差为的多元高斯分布;此时,其特征函数也不服从,MIMO系统中,基于特征函数的频谱检测等价于下列检验,具体如下:
向量服从的特征函数为公式(2)的随机向量:
定义随机向量的经验特征函数为:
(3)
(4)
步骤2.用样本协方差对信号进行归一化,定义修正的特征函数距离为:
这里是协方差归一化的经验特征函数:
当信道中不存在授权用户传输时,趋向无穷大,归一化经验特征函数趋向;当信道中存在授权用户传输的时候,不趋向于,此时,通过修正后的特征函数距离检测,而的计算,不需要知道噪声的协方差,实现了对信道的盲检测;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013101773765A CN103259631A (zh) | 2013-05-13 | 2013-05-13 | Mimo系统中基于特征函数的频谱盲检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013101773765A CN103259631A (zh) | 2013-05-13 | 2013-05-13 | Mimo系统中基于特征函数的频谱盲检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103259631A true CN103259631A (zh) | 2013-08-21 |
Family
ID=48963352
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2013101773765A Pending CN103259631A (zh) | 2013-05-13 | 2013-05-13 | Mimo系统中基于特征函数的频谱盲检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103259631A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104954308A (zh) * | 2015-06-02 | 2015-09-30 | 国家电网公司 | 认知无线电中基于特征向量的双节点协方差盲检测方法 |
CN106254002A (zh) * | 2016-09-22 | 2016-12-21 | 哈尔滨工业大学 | 认知网络中加权的基于信号相关特性的频谱检测方法 |
CN113839744A (zh) * | 2021-09-22 | 2021-12-24 | 重庆大学 | 一种基于深度学习的广义无线光mimo系统的盲检测方法 |
-
2013
- 2013-05-13 CN CN2013101773765A patent/CN103259631A/zh active Pending
Non-Patent Citations (4)
Title |
---|
L.BARINGHAUS AND N.HENZE: "A Consistent Test for Multivariate Normality Based on the Empirical Characteristic Function", 《METRIKA》 * |
LEI SHEN, HAIQUAN WANG, WEI ZHANG, AND ZHIJIN ZHAO: "Blind Spectrum Sensing for Cognitive Radio Channels with Noise Uncertainty", 《IEEE TRANSACTIONS ON WIRELESS COMMUNICATIONS》 * |
LEI SHEN, HAIQUAN WANG, WEI ZHANG, ZHIJIN ZHAO: "Multiple antennas assisted blind spectrum sensing in cognitive radio channels", 《IEEE COMMUNICATIONS LETTERS》 * |
沈雷,王海泉,赵知劲,孙闽红: "认知无线电中基于拟合优度的频谱盲检测算法研究", 《通信学报》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104954308A (zh) * | 2015-06-02 | 2015-09-30 | 国家电网公司 | 认知无线电中基于特征向量的双节点协方差盲检测方法 |
CN106254002A (zh) * | 2016-09-22 | 2016-12-21 | 哈尔滨工业大学 | 认知网络中加权的基于信号相关特性的频谱检测方法 |
CN113839744A (zh) * | 2021-09-22 | 2021-12-24 | 重庆大学 | 一种基于深度学习的广义无线光mimo系统的盲检测方法 |
CN113839744B (zh) * | 2021-09-22 | 2022-09-02 | 重庆大学 | 一种基于深度学习的广义无线光mimo系统的盲检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11150320B2 (en) | Device-free subject localization methods and systems using wireless signals | |
US10609582B2 (en) | Interference detection and identification in wireless network from RF or digitized signal | |
CN103795479B (zh) | 一种基于特征值的协作频谱感知方法 | |
CN101615926B (zh) | 认知无线电中的异步协同频谱感知方法 | |
US11330434B2 (en) | Security detection for a physical layer authentication system that considers signal-discriminating capability of an active adversary | |
CN105025583A (zh) | 基于能量与协方差检测的分步频谱感知方法 | |
CN106357369B (zh) | 一种基于相关谱超阈值特征的mimo码型识别方法 | |
CN110932806A (zh) | 一种alpha稳定噪声衰落信道下多天线频谱感知方法 | |
CN103259631A (zh) | Mimo系统中基于特征函数的频谱盲检测方法 | |
CN108282789A (zh) | LTE-U/WiFi共用未授权频段公平性保障方法 | |
Hu et al. | An algorithm for energy detection based on noise variance estimation under noise uncertainty | |
CN109600181B (zh) | 一种用于多天线的频谱感知方法 | |
El Bahi et al. | Real-time spectrum sensing of multiple OFDM signals using low cost sdr based prototype for cognitive radio | |
Qin et al. | Adaptive threshold for energy detector based on discrete wavelet packet transform | |
CN105743594B (zh) | 一种认知无线电系统中基于用户间协作的主用户仿冒攻击检测方法 | |
Yan et al. | Improved energy detector for full duplex sensing | |
CN107493147A (zh) | 一种面向全双工授权用户的极化相似度认知信号学习方法 | |
CN102946368B (zh) | 多径衰落信道下含有频偏和相偏的数字调制信号识别方法 | |
CN104767578A (zh) | 基于自适应检测长度的双门限能量感知方法和系统 | |
Yu et al. | Spectrum sensing algorithm based on improved MME-Cyclic stationary feature | |
CN105407491B (zh) | 基于多电平的序列检测与识别方法 | |
CN107528674A (zh) | 一种基于切比雪夫不等式的sm/al空时码识别方法 | |
Marwanto et al. | Software defined radio design for OFDM based spectrum exchange information using arduino UNO and X-Bee | |
CN104270205B (zh) | 一种用于用电信息采集系统的无线通信干扰检测装置及方法 | |
CN104270206B (zh) | 一种用于用电信息采集系统的干扰类型辨识装置及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20130821 |