CN103532648B - 一种无线通信网络中的子载波感知方法 - Google Patents

Abstract

本发明公开了一种无线通信网络中的子载波感知方法。本发明首先定义多级维纳滤波过程的初始化，接着执行多次迭代过程，得到期待信号的协方差矩阵，然后基于此计算盖氏圆盘半径和盖氏圆盘估计器，估计被占用子载波的数目，最后根据各子载波功率的大小，判断被占用子载波的位置，确定空闲子载波与被占用子载波。本发明提供的方法特征为：不依赖于传统的主观判决门限，而是利用信号子空间与噪声子空间的正交性做出判决；不需要噪声功率的先验信息，对噪声不确定性具有鲁棒性；不需要信道信息及信号的统计特性，属于一种盲的感知方法；上述方法可以有效地抑制无线通信网络中背景噪声对系统性能的影响，同时计算复杂度低，可行性强。

Description

一种无线通信网络中的子载波感知方法

技术领域

本发明属于无线通信技术领域，尤其涉及一种适用于无线通信网络的子载波感知方法及装置。

背景技术

无线通信网络中的频谱资源是非常有限的，具有不可再生性。如何最大化利用这些宝贵的频谱资源进行通信得到了业界广泛的关注。统计数据表明，目前的频谱分配机制下的频谱利用情况极其不合理，某些载波上承载了大量的用户数据，而更多的载波却处于空闲状态。在这种背景下，认知无线电技术应运而生，其基本思想是频谱重用/共享，通过载波感知获得频谱的利用信息，主动地接入空闲载波进行通信。

本发明采用了分布式正交频分多址（OFDMA）结构，将传输带宽划分为正交的互不重叠的一系列子载波集。在某个特定的时间和特定的空间内，这些子载波可能只有其中一部分正在为用户提供业务，其余的均处于空闲状态，可以供其它用户机会频谱接入。子载波感知技术则是通过检测这些空闲的子载波，允许多个用户在不同的子载波上共享相同的信道，增加系统容量，提供更好的通信质量。而传统的载波监听多路访问（CSMA）技术则只有当整个信道均处于空闲状态时才允许接入，即使仅是有一小部分子载波被利用时，整个信道也不能被使用。在进行子载波感知时，如果逐一检测各个子载波的占用情况，当子载波数很多时，将会消耗大量的感知时间。相反，如果能同时检测所有的子载波，并对其占用情况做出判决，将会缩短感知时间，提高频谱利用率。

由于无线通信网络中噪声的随机性，噪声方差不会提前预知，也就不可能得到噪声功率的精确估计，即存在噪声不确定性的现象，故能量检测的方法性能会严重恶化。同时，无线通信中的信道环境、信号统计特性也是未知的，匹配滤波器检测、循环平稳特征检测都不再适用。因此，亟需在无线通信网络中设计一种盲的、鲁棒的子载波感知方法。

基于以上问题，本发明提出一种适用于无线通信网络的子载波感知方法及装置，该方法及装置能有效的解决噪声不确定性对系统性能的影响，提高通信质量。同时，该方法及装置对整个信道的子载波占用情况同时做出判决，缩短感知时间，提高了频谱利用率。

发明内容

子载波的占用与否等效于下述的二元假设检验模型：

H₀:x_k(n)＝ε_k(n)

H₁:x_k(n)＝h_ks_k(n)+ε_k(n)

其中，H₀表示该子载波上没有信号/干扰，H₁表示该子载波上存在信号/干扰，x_k(n)是子载波上接收到的信号，s_k(n)是子载波上的信号/干扰，h_k代表信道增益，ε_k(n)表示无线通信中的背景噪声。子载波感知即需要在每个子载波上判断哪个假设检验成立。本发明把干扰也视为信号，以此避让存在强干扰的子载波。

假设无线通信系统接收端由M个均匀线性阵列组成，在背景噪声的干扰下，接收信号可以表示为

$r\left(n\right)={[r_1\left(n\right),r_2\left(n\right),\·\·\·,r_M\left(n\right)]}^T=\underset{i=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{s}}_i\left(n\right)a_i+\mathrm{\ϵ}\left(n\right)$

其中，

$a_i={[1,\exp \left(j\frac{2\mathrm{\π}}{c}d{f}_i\sin \left({\mathrm{\θ}}_i\right)\right),\·\·\·,\exp \left(j\frac{2\mathrm{\π}}{c}(M-1){\mathrm{df}}_i\sin \left({\mathrm{\θ}}_i\right)\right)]}^T$

上标(·)^T代表转置操作，θ_i是接收信号入射方向与阵列的夹角，是经历了信道衰落后的信号，f_i表示子载波的频率，d为相临阵元之间的间距。

该方法首先估计信道中被占用子载波的个数，然后判断被占用子载波的位置，区分出空闲子载波与被占用子载波，供用户机会频谱接入空闲子载波进行通信。

本发明提供了一种抗噪声不确定性的子载波感知方法及装置，其特征在于该方法及装置不依赖于噪声功率的先验信息，对噪声不确定性具有鲁棒性，能有效的抵抗噪声不确定性对系统性能的影响。该方法需满足无线通信系统接收端天线数大于被占用子载波数的前提条件，主要包括以下步骤：

步骤一：多级维纳滤波过程的初始化。采用J.Scott Goldstein等1998年于IEEE Trans.Inf.Theory44卷7期中提出的多级维纳滤波的结构，第一个阵元提供连续改良过程的参考信号，后M-1个阵元用来产生观测数据。这等效于移除一个天线阵元，牺牲其阵列增益，但仍然包含了所有信号的信息。

步骤二：多级维纳滤波过程的多级迭代。基于步骤一初始化的第一级多级维纳滤波过程，迭代计算各级的观测数据、期待信号、匹配滤波器等。

步骤三：计算期待信号的协方差矩阵及其盖氏圆盘半径。根据步骤二得到的期待信号向量组，计算其协方差矩阵，求解盖氏圆盘半径。

步骤四：估计被占用子载波的个数。根据步骤三中的盖氏圆盘半径，利用盖氏圆盘估计器准则估计被占用子载波的个数。

步骤五：区分空闲子载波与被占用子载波。注意到，被占用子载波上重叠了信号/干扰与噪声，而空闲子载波上则只有背景噪声存在。因此，被占用子载波的功率将会大于空闲子载波。假设步骤四中估计出的被占用子载波数为则功率最大的个子载波将被占用，余下的处于空闲状态，可以供无线通信系统接入使用。

所述步骤一的初始化过程中新的观测数据为

r₀(n)＝[r₂(n),r₃(n),…,r_M(n)]^T

新的参考信号为

$d_0\left(n\right)=r_1\left(n\right)={\tilde{s}}^T\left(n\right)1+{\mathrm{\ϵ}}_1\left(n\right)$

观测数据与参考信号之间的互相关表征为

$R_{r_0{d}_0}=E\left[r_0\left(n\right)d_0^{*}\left(n\right)\right]$

可以发现，由于信号空间和噪声空间的正交性，互相关项中将没有噪声项，即有效地滤除了噪声。因而，互相关可以视为一个匹配滤波器，从背景噪声中提取出期待信号。归一化的匹配滤波器如下

$h_1=\frac{R_{r_0{d}_0}}{\left|\right|R_{r_0{d}_0}\left|\right|}$

其中，||·||表示向量范数。

所述步骤二的多级迭代过程包括以下操作：

第i级的期待信号和观测数据分别表示为

$d_i\left(n\right)=h_i^H{r}_{i-1}\left(n\right)$

$r_i\left(n\right)=r_{i-1}\left(n\right)-h_i{d}_i\left(n\right)=(I-h_i{h}_i^H)r_{i-1}\left(n\right)$

进而求出归一化的匹配滤波器

$h_i=\frac{R_{r_{i-1}{d}_{i-1}}}{\left|\right|R_{r_{i-1}{d}_{i-1}}\left|\right|}=\frac{E\left[r_{-1}\left(n\right)d_{i-1}^{*}\right]}{\left|\right|E\left[r_{i-1}\left(n\right)d_{i-1}^{*}\right]\left|\right|}$

可见，期待信号d_i(n)是把上一级的观测数据r_i-1(n)通过匹配滤波器h_i进行滤波之后得到，而观测数据r_i(n)可以一级一级地分离出来。通过M-1次连续迭代，得到M-1级期待信号及匹配滤波器

d(n)＝[d₁(n),d₂(n),…,d_M-1(n)]^T＝H^Hr₀(n)

H＝[h₁,h₂,…,h_M-1]

所述步骤三计算协方差矩阵及盖氏圆盘半径包括以下操作：

其中，σ²代表噪声方差

${\mathrm{\σ}}_{d_i}^2=E\left[{\left|d_i\left(n\right)\right|}^2\right]$

${\mathrm{\δ}}_{i,i+1}=E\left[d_i\left(n\right)d_{i+1}^{*}\left(n\right)\right]$

${\mathrm{\σ}}_{d_{p+1}}^2=\·\·\·={\mathrm{\σ}}_{d_{M-1}}^2={\mathrm{\σ}}^2$

δ_p,p+1＝…＝δ_M-2,M-1＝0

根据盖氏圆盘定理，分别计算出盖氏圆盘的圆心和半径如下

$o_i={\mathrm{\σ}}_{d_i}^{2}i=\mathrm{1,2},\·\·\·,M-1$

$r_i=\left|{\mathrm{\δ}}_{i-1,i}^{*}\right|+\left|{\mathrm{\δ}}_{i,i+1}\right|i=\mathrm{1,2},\·\·\·,M-1$

其中，δ_0,1＝δ_M-1,M＝0。

所述步骤四估计被占用子载波的数目包括以下操作：

盖氏圆盘估计器通过一种试探性准则来分离信号和噪声的盖氏圆盘，其准则描述为

$\mathrm{GDE}\left(k\right)=r_k-\frac{D\left(N\right)}{M-1}\underset{i=1}{\overset{M-1}{\mathrm{\Σ}}}{r}_{i}k=\mathrm{1,2},\·\·\·,M-1$

其中，D(N)是一个0到1之间的可调变量，推荐取值为D(N)＝2.3log(N)，N表示采样数。当k从1逐渐递增时，一旦出现时，则判断被占用的子载波数为

所述步骤五区分空闲子载波与被占用子载波包括以下操作：

定义p＝{p₁,p₂,…,p_Q}，其中Q表示信道子载波数目，表示各子载波的功率。由p按从大到小降序排列得到，即步骤四通过估计得到的被占用信道数为则中前个子载波被占用，即对应的是被占用子载波，对应的是空闲子载波。

本发明提出的适用于无线通信系统的子载波感知方法及装置，利用了信号子空间与噪声子空间的正交性，结合盖氏圆盘估计器，对系统子载波的占用情况做出判决。本发明主要具有以下优点：

（1）本发明同时检测所有子载波，并做出判决，缩短了感知时间，提高频谱利用率。

（2）本发明不需要设置主观的判决门限，也不需要知道噪声功率的相关信息，对噪声不确定性具有鲁棒性。

（3）本发明是一种盲的检测方法，不需要信道的先验信息和信号的统计特性，应用范围广。

（4）本发明计算复杂度低，不涉及特征值分解及接收信号协方差矩阵的估计。同时，多级迭代过程中的互相关项滤除了噪声，消除了无线通信网络中的背景噪声对系统性能带来的影响。

在本发明的具体实施方式例中，给出了一个子载波感知的实施案例。

附图说明

下面将通过参照附图详细描述本发明的示例性实施例，使本领域的普通技术人员更清楚本发明的上述及其它特征和优点，附图中：

图1是本发明一个实施例的子载波利用分布示意图。

图2是本发明一个实施例的具体流程图。

具体实施方式

下面通过附图和实施例，对本发明进行详细阐述。

图1为本发明一个实施例的频谱利用分布示意图。无线通信网络覆盖了从f_sHz到f_eHz的频段范围，可以划分为Q个子载波。如图1所示，假设K个子载波被占用，则余下的Q-K个子载波是空闲的，可以供无线通信系统使用。

图2为本发明一个实施例的具体算法流程，主要包括以下步骤。

在步骤201中，执行多级维纳滤波过程的初始化，包括观测数据、参考信号、互相关项、归一化匹配滤波器等。

在步骤202中，多级维纳滤波过程的多级迭代。基于步骤201定义的初始化变量，执行M-1次连续的迭代，得到M-1个期待信号、观测数据、归一化匹配滤波器等。

在步骤203中，计算期待信号的协方差矩阵。根据步骤202中得到的M-1个期待信号组成向量，计算相应的协方差矩阵。

在步骤204中，计算盖氏圆盘半径。根据步骤203得到的期待信号协方差矩阵，利用盖氏圆盘定理计算盖氏圆盘的圆心及半径。

在步骤205中，计算盖氏圆盘估计器。基于步骤204得到的盖氏圆盘半径，算出盖氏圆盘估计器的值。

在步骤206中，估计被占用子载波的个数。寻找步骤205中盖氏圆盘估计器的第一个非正值，估计出整个信道中被占用子载波的数目。

在步骤207中，计算信道中各子载波的功率，并按功率的大小降序排列这些子载波。

在步骤208中，区分空闲子载波与被占用子载波。根据步骤206估计得到的被占用子载波数，结合步骤207中各子载波的功率大小，挑选出其中功率最大的个子载波，即为被占用，剩下的个子载波则处于空闲状态。

以上所述仅为本发明的一个实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (1)

1.一种无线通信网络中的子载波感知方法，其特征在于：

首先估计信道中被占用子载波的数目，然后判断被占用子载波的位置，区分空闲子载波与被占用子载波；

用户接收端的天线阵列数需大于被占用子载波数；

无线通信中的子载波感知方法包括以下步骤

第一步，多级维纳滤波过程的初始化：定义新的观测数据r₀(n)＝[r₂(n),r₃(n),…,r_M(n)]^T和新的参考信号以及相应的互相关和归一化匹配滤波器其中r_i(n)表示第i根(i＝1,2,…,M)阵元上的接收数据，是历经信道衰落的发射信号向量，ε₁(n)表示第一根天线阵元上的噪声，M代表接收端天线阵元数，上标(·)^T和(·)^*分别代表转置操与共轭操作，||·||表示向量范数；

第二步，多级维纳滤波过程的多级迭代：定义第i级的期待信号 $d_i\left(n\right)=h_i^H{r}_{i-1}\left(n\right),$ 观测数据 $r_i\left(n\right)=r_{i-1}\left(n\right){-h}_i{d}_i\left(n\right)=(I-h_i{H}_i^H)r_{i-1}\left(n\right)$ 以及匹配滤波器通过M-1次连续迭代，得到M-1级期待信号d(n)＝[d₁(n),d₂(n),…,d_M-1(n)]^T＝H^Hr₀(n)及匹配滤波器H＝[h₁,h₂,…,h_M-1]；

第三步，计算期待信号协方差矩阵及盖氏圆盘半径：期待信号协方差矩阵计算如下

其中 ${\mathrm{\σ}}_{d_i}^2=E\left[{\left|d_i\left(n\right)\right|}^2\right],$ ${\mathrm{\δ}}_{i,i+1}=E\left[d_i\left(n\right)d_{i+1}^{*}\left(n\right)\right],$ ${\mathrm{\σ}}_{d_{p+1}}^2=...={\mathrm{\σ}}_{d_{M-1}}^2={\mathrm{\σ}}^2,$ δ_p，p+1＝δ_M-2，M-1=0，σ²代表噪声方差，盖氏圆盘半径i＝1,2,…,M-1，其中δ_0,1＝δ_M-1,M＝0；

第四步，寻找盖氏圆盘估计器的第一个非正值，估计被占用子载波的个数：盖氏圆盘估计器估计被占用子载波数的准则k＝1,2,…,M-1，其中D(N)是一个0到1之间的可调变量，推荐取值为D(N)＝2.3/log(N)，N表示采样数，当k从1逐渐递增时，一旦出现时，则判断被占用的子载波数为

第五步，根据各子载波的接收功率，区分空闲子载波与被占用子载波：各子载波的功率为挑选出其中最大的个，其对应的索引即为被占用子载波，余下的皆处于空闲状态。