CN103944656B - 一种基于匹配滤波器的频谱感知和主用户功率识别方法 - Google Patents

Abstract

本发明公开了一种基于匹配滤波器的频谱感知和主用户功率识别方法。所述方法包括以下步骤：接收所述主用户发送的信号，根据接收到的信号确定所述主用户的统计量；根据所述统计量确定所述主用户的忙闲状态；当所述主用户处于忙碌状态时，确定所述主用户的实际工作功率。本发明通过基于匹配滤波器的频谱感知，不仅实现了对于主用户的忙闲状态的判断，而且确定了主用户的实际工作功率。

Description

一种基于匹配滤波器的频谱感知和主用户功率识别方法

技术领域

本发明涉及无线通信领域，尤其涉及一种基于匹配滤波器的频谱感知和主用户（PU,PrimaryUser）工作功率识别方法及装置。

背景技术

随着无线电技术在广播电视、移动通信等领域中的应用越来越广泛，以及各种无线应用的不断涌现，致使频谱资源的供应面临着巨大的挑战。因此，目前的静态频谱资源分配策略已经无法适应对速率要求越来越高的设备需求。

在现有的认知无线电网络中，次用户可以在主用户状态为空闲或者对主用户的干扰在某门限值以下时接入授权用户的频段。因此，频谱感知是认知无线电中至关重要的技术。在现有技术中，常用的频谱感知方法有：能量检测、匹配滤波器检测、特征检测等。在本发明中，主要针对匹配滤波器检测的频谱感知方法进行研究说明。

具体地，在传统的匹配滤波器检测中，主用户只有两个状态，即“工作在固定电平上”和“空闲”状态。然而，在实际应用中，主用户必然工作在标准规定的不同功率下，因此，我们很有必要考虑主用户在多功率环境下基于匹配滤波器的频谱感知方法。实际上，FCC（FederalCommunicationsCommission，美国联邦通讯委员会）已经提出了对不同电视功率的干扰保护需求，包括全功耗数字电视，全功耗模拟电视，低功耗模拟电视，低功耗数字电视等。在这种情况下，为了满足FCC的干扰规定，次用户要根据主用户的功率而调节自身的传输功率。而且，对于考虑主用户的功率变化，也是近十年来对功率分配的主要研究对象。

综上所述，由于主用户需要在不同的功率下传输，而传统的二元假设检验方法已经不再适用该种传输环境。所以，我们需要在传统频谱感知的思路上进一步拓展，通过建立一套新的基于匹配滤波器的频谱感知方法及评价标准，来实现对于主用户的功率识别。

发明内容

本发明实施例的目的在于提供一种基于匹配滤波器的频谱感知和主用户功率识别方法，实现了对于主用户的忙闲状态的判断，而且确定了主用户的实际工作功率。

为了达到上述目的，本发明实施例提供了一种基于匹配滤波器的频谱感知和主用户功率识别方法，所述方法包括以下步骤：

接收所述主用户发送的信号，根据接收到的信号确定所述主用户的统计量；

根据所述统计量确定所述主用户的忙闲状态；

当所述主用户处于忙碌状态时，确定所述主用户的实际工作功率。

优选地，接收所述主用户的信号之前，还包括：

系统参数初始化，得到主用户的待确定工作功率的所有可能值。

优选地，所述方法还包括：

利用聂曼-皮尔逊NP准则，或最大后验概率MAP准则确定所述主用户的忙闲状态阈值区间。

优选地，确定所述主用户的实际工作功率，具体包括：

利用最大后验概率MAP准则得到主用户的工作功率判决域区间，根据得到的所述主用户的工作功率判决域区间确定所述主用户的实际工作功率。

优选地，所述主用户的工作功率判决域区间具体为：

其中，

所述R（H_i）表示工作功率的判决域，y表示信号的统计量，θ_on/off表示主用户的忙闲状态阈值，P_i表示主用户的每个工作功率大小，i∈{1,2，...，M}，Pr（H_i）表示主用户的各个工作功率的出现概率，（i=0，1,2，...，M），γ为主用户与次用户间信道瞬时值，σ²为噪声方差。

优选地，在根据得到的所述主用户的工作功率判决域区间确定所述主用户的实际工作功率时，还包括：

当 $\max \{{\mathrm{\&theta;}}_{\mathrm{on}/\mathrm{off}},\underset{1\&le;j<i_0}{\max }\mathrm{\&Theta;}(i_0,g)\}>\underset{i_0<j\&le;M}{\min }\mathrm{\&Theta;}(i_0,j)$ 时，所述判决域R（H_i）,i>1个数小于等于主用户的工作功率个数；

当除了P₀之外的各个工作功率具有相等的出现概率时，非零工作功率不能相互淹没。

与现有技术相比，本发明实施例所提出的技术方案具有以下优点：

本发明的上述实施例，通过基于匹配滤波器的频谱感知，不仅实现了对于主用户的忙闲状态的判断，而且确定了主用户的实际工作功率，且为后续此用户的功率分配及干扰限制等提供了参数保障。

附图说明

图1是本发明实施例所提供的基于匹配滤波器的频谱感知和主用户功率识别的流程示意图；

图2是本发明实施例所提供的基于匹配滤波器的频谱感知和主用户功率识别的模型组成示意图；

图3是本发明实施例所提供的检测概率与虚警概率的关系图；

图4是本发明实施例所提供的检测概率及识别概率关于不同信噪比的理论值和仿真值的关系图；

图5是本发明实施例所提供的偏差概率在不同偏差情况关于训练长度的关系图。

具体实施方式

下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，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它实施例，都属于本发明保护的范围。

参见图1，为本发明实施例所提供的基于匹配滤波器的频谱感知方法和主用户功率识别的流程示意图，该流程可包括：

步骤101，接收主用户发送的信号，并根据接收到的信号确定所述主用户的统计量。

在该步骤之前，该无线通信系统会进行参数初始化处理，其中，进行初始化处理的参数包括主用户各工作状态下的工作功率的大小，主用户各个工作功率的出现概率，主用户与次用户间信道瞬时值，以及噪声参数等。

具体的，在确定主用户的统计量时，是通过MAP（Maximumaposteriori，最大后验概率）准则进行确定的，同时，还会获取到虚警概率以及检测概率。

步骤102，根据所述统计量确定所述主用户的忙闲状态。

具体的，在确定所述主用户的忙闲状态阈值区间时，还包括：

利用NP（Neyman—Pearson，聂曼-皮尔逊）准则，或MAP准则确定所述主用户的忙闲状态阈值区间。

步骤103，当所述主用户处于忙碌状态时，确定所述主用户的实际工作功率。

具体地，确定所述主用户的实际工作功率，具体包括：

利用最大后验概率MAP准则得到主用户的工作功率判决域区间，根据得到的所述主用户的工作功率判决域区间确定所述主用户的实际工作功率。

以及具体的，所述主用户的工作功率判决域区间具体为：

其中，

所述R（H_i）表示工作功率的判决域，y表示信号的统计量，θ_on/off表示主用户的忙闲状态阈值，P_i表示主用户的每个工作功率大小，i∈{1,2，...，M}，Pr（H_i）表示主用户的各个工作功率的出现概率，（i=0，1,2，...，M），γ为主用户与次用户间信道瞬时值，σ²为噪声方差。

具体的，在根据得到的所述主用户的工作功率判决域区间确定所述主用户的实际工作功率时，还包括：

当 $\max \{{\mathrm{\&theta;}}_{\mathrm{on}/\mathrm{off}},\underset{1\&le;j<i_0}{\max }\mathrm{\&Theta;}(i_0,g)\}>\underset{i_0<j\&le;M}{\min }\mathrm{\&Theta;}(i_0,j)$ 时，所述判决域R（H_i）,i>1个数小于等于主用户的工作功率个数；

当除了P₀之外的各个工作功率具有相等的出现概率时，非零工作功率不能相互淹没。

本实施例通过基于匹配滤波器的频谱感知，不仅实现了对于主用户的忙闲状态的判断，而且确定了主用户的实际工作功率。

为了更清楚的对本发明实施例提供的基于匹配滤波器的频谱感知和主用户功率识别过程进行描述，下面以一个具体的实施例进行详细描述。

步骤1：系统参数初始化。

其中，主用户具有多个发射功率，设为P_i，i∈{1，2，...，M}，不失一般性有0＜P_i＜P_i+1，i=1，...，M。SU（SecondaryUser，次用户）利用PU的N个已知训练序列进行频谱感知。在感知阶段，SU接收到的信号可以表示为：

其中，表示假设PU处于空闲状态，表示假设PU以功率P_i进行传输，也即和分别表示主用户是否存在；s[n]是PU发送的已知复信号，ω[n]是均值为0，方差为σ²的CSCG（CircularlysymmetriccomplexGauss，循环对称复高斯）噪声，γ表示PU到SU的信道功率增益瞬时值。P₀=0表示PU状态为空闲状态时的等效功率，为PU在各个状态的先验概率，其中的状态具体指的是空闲状态以及工作（忙碌）状态。显然，PU为工作状态时包括将其记为当PU为空闲状态时，

步骤2：基于匹配滤波器进行频谱感知，采用最大后验概率准则，得到：

根据上述公式，得出主用户工作功率的检测统计量为由此可知，其中 $\mathrm{\&epsiv;}={\left|\right|s\left|\right|}^2.$ 由此，y的条件概率密度函数可以表示为：

进一步地，根据上述得到的y的条件概率密度函数，能够得到虚警概率P_fa和检测概率P_d，对于P_fa以及P_d，是用于评价频谱感知的参数，其中，P_fa以及P_d的表达式分别表示为：

其中，对于θ_on/off，可在L(θ_on/off)=1时，根据MAP准则得到，等价于Φ(θ)=0，通过Φ(θ)对θ进行求导，得到当ε足够大或者足够大时，能够得到Φ(θ)=0。因此，可以知道，有且仅有一个θ′能够使得Φ(θ)=0，从而得到θ_on/off。对于θ_on/off的获取，也可由相应的P_fa求得，即利用NP准则，求得 ${\mathrm{\&theta;}}_{\mathrm{on}/\mathrm{off}}=Q^{-1}\left(P_{\mathrm{fa}}\right)\sqrt{{2\mathrm{\&epsiv;\&sigma;}}^2}.$

步骤3：当主用户处于工作状态时，则基于匹配滤波器检测进行主用户工作功率的识别。

具体的，在进行主用户工作功率识别时，通过采用MAP准则，结合贝叶斯定理，能够得到主用户功率判别表达式和各判决域闭值区间，从而使得能够根据各判决域闭值区间讨论功率淹没情况，以及判决域连续性问题。其具体过程如下：

在多元假设检验中，仍采用MAP准则，如果：

则判定为也即主用户存在并处于工作状态；其中的等价域为x∈χ。由贝叶斯定理可得：

由上可知，MAP准则可以简化为：

据此，检测主用户功率的方法可以简单地描述为：

因此，定义比值函数：

由上可知ξ(x)是随着y=x^Hs+s^Hx值而变化。其中，当P_i＞P_j时，ξ(x)在y上严格单调递增。所以，如果P_i＞P_j，那么的判决域一定处于的左边。由此可得的判决域表达式：

其中，

对于上述给出的判决域的具体表达式，下面通过一具体的过程来对其进行证明，具体如下：

由MAP准则和各状态后验概率比值关系可得：

其中，如果P_i＞P_j，则有

如果P_i＞P_j，则有

因此，对于任意1＜i＜M,其的下限均为上限为另一方面，MAP准则检测是定义在x∈χ上的，也就是y＞θ_on/off，所以各功率的非空判决域都在区间(θ_on/off+∞)中。再有对于一些特殊的i,θ_on/off可能比大，故证明结束。

然而，对于一些特殊的情形，其判决域中，1＜i₀＜M，下限比上限大，也即 ${\mathrm{\&theta;}}_{\mathrm{on}/\mathrm{off}},{\max }_{1\&le;j<i_0}\mathrm{\&Theta;}(i_0,j){\min }_{i_0<j\&le;M}\mathrm{\&Theta;}(i_0,j).$ 一但这种情况发生，的判决域就为空，此时所对应的功率P_i0就不会被检测到，我们将这种现象叫做功率淹没。因此，主用户工作状态判决域的个数小于等于M。为了完整性，定义表示PU状态为空闲状态时的判决域，则

如果θ_on/off＞max_1≤j＜i0Θ(i₀，j)＞min_i0＜j≤MΘ(i₀，j)，那么R就从左边淹没P_i0；如果max_1≤j＜i0Θ(i₀，j)＞θ_on/off＞min_i0＜j≤MΘ(i₀，j)，那么P_i0-1和P_i0+1就从两边淹没P_i0。据此，从直观上解释，判决域是受多个参数影响，等。比如，如果非常小,PiC很少被CR用到，P_io很容易在MAP准则检测中被忽略，就可能被相邻的功率所淹没。再如，当P_i0与P_i0-1和P_i0+1非常接近，且σ²足够大的时候，由于噪声的不确定性，P_i0-1和P_i0+1就很容易将P_i0淹没。然而，对于P₀和P_M，其永远不会被淹没。

当时，Θ(i，j)与无关，且Θ(i，j)在P_j上对任何P_i都是单调递增函数。

对于上述特殊的情形，由于会影响功率淹没，下面通过一具体的过程来对其进行证明，具体如下：

当Pr(P_i)=Pr(P_j)时，

因此，Θ(i，j)在P_j上对于任何P_i都是单调递增函数，至此，证明结束。

由以上结论，有

max_1≤j＜iΘ(i，j)=Θ(i，i-1)＜Θ(i,i+1)=mini_0＜j≤MΘ(i，j)。故当各功率（除了P₀）等概率出现时，非零功率不能相互淹没，唯一功率淹没的情形是P₀淹没了其右的非零功率。

由于各门限将坐标轴划分成了多个区间，对此，有必要检查是否连续。首先，在Pr(P_i)=Rr(P_j)，i，j≥1的特殊情况下，定义第一个没有被P₀淹没的功率是P_i0。据此，可以很容易的计算出

Θ(i，i+1)=Θ(i+1，i)。因此，对于任意在P_i0右方的P_i来说，的上界等于的下界。故在任意两个连续的判决域之间没有间隙，即判决域连续。然而，对于一般情况，由于功率淹没的离散型，不能从数学上证明这种连续性。但是，根据MAP准则检测，对于任意y，都有一个判决域与其相对应。也即任意相邻的都满足连续性。

而实际上，可以通过所有Θ(i，j)和θ_on/off的值预先计算出判决域

的值。将和判决的门限值记为θ_i，i∈{1，2，...，M}来统一表示，并定义同时，如果因为功率淹没而导致P_i0没有被检测到，有θ_i0=θ_i0+1，所以此时相应的判决域[θi0，θ_i0+1]为空。

步骤4：与传统的二元假设检验不同，在多元假设检验中，仅仅依靠P_d(θ)和P_fa(θ)的值来判定主用户多功率环境下的检测性能还不够充分，为此，引入了新的概念来描述主用户多功率环境下检测性能。通过决策概率来表示当实际功率是P_i而SU检测为P_j的概率，计算式为：

显然，那些被淹没的功率不会被检测到，故被淹没的功率决策概率为零。通过相应的的和，可以很容易的通过决策概率来表示P_d，记为：

并根据决策概率定义了新的检测性能评价参数，即区别概率P_dis和误差概率P_err，分别记为：

通过新的概率参数的设计，使得多元假设检验中对于主用户多功率环境下的性能检测，得到了充分的测试。且为后续主用户的功率分配提高了参数保障。

在仿真检测阶段，设置参数为信道增益和噪声方差都设为单位值1。各功率满足P₁∶P₂∶P₃=3∶5∶7,并定义平均SNR为

图3给出了检测概率与虚警概率的关系（N=100），通过该图可以看出，检测概率随着虚警概率的增大而增大。而在实际应用时，二者之间需要找到一个平衡点。

图4给出了在不同信噪比下（N=100），检测概率和识别概率理论值和仿真值的对比图，通过该图可以看出，理论值和仿真值相当吻合。图5给出了不同训练长度（SNR=-12dB）下偏差概率的变化，通过该图可以看出，偏差概率主要出现在状态偏差σ=1的情况，并且随着训练长度的增大，偏差概率逐渐减小。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述的方法。

本领域技术人员可以理解附图只是一个优选实施例的示意图，附图中的模块或流程并不一定是实施本发明所必须的。

本领域技术人员可以理解实施例中的装置中的模块可以按照实施例描述进行分布于实施例的装置中，也可以进行相应变化位于不同于本实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块，也可以进一步拆分成多个子模块。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

以上公开的仅为本发明的几个具体实施例，但是，本发明并非局限于此，任何本领域的技术人员能思之的变化都应落入本发明的保护范围。

Claims (5)

1.一种基于匹配滤波器的频谱感知和主用户功率识别方法，其特征在于，所述方法包括以下步骤：

接收所述主用户发送的信号，根据接收到的信号确定所述主用户的统计量；

根据所述统计量确定所述主用户的忙闲状态；

当所述主用户处于忙碌状态时，确定所述主用户的实际工作功率；

利用聂曼-皮尔逊NP准则，或最大后验概率MAP准则确定所述主用户的忙闲状态阈值区间。

2.如权利要求1所述的方法，其特征在于，接收所述主用户的信号之前，还包括：

系统参数初始化，得到主用户的待确定工作功率的所有可能值。

3.如权利要求1所述的方法，其特征在于，确定所述主用户的实际工作功率，具体包括：

利用最大后验概率MAP准则得到主用户的工作功率判决域区间，根据得到的所述主用户的工作功率判决域区间确定所述主用户的实际工作功率。

4.如权利要求3所述的方法，其特征在于，所述主用户的工作功率判决域区间具体为：

其中，

所述R(H_i)表示工作功率的判决域，y表示信号的统计量，θ_on/off表示主用户的忙闲状态阈值，P_i表示主用户的每个工作功率大小，i∈{1,2，...，M}，Pr(H_i)表示主用户的各个工作功率的出现概率，(i＝0，1,2，...，M)，γ为主用户与次用户间信道瞬时值，σ²为噪声方差。

5.如权利要求4所述的方法，其特征在于，在根据得到的所述主用户的工作功率判决域区间确定所述主用户的实际工作功率时，还包括：

当 $\max \left\{{\mathrm{\&theta;}}_{on/off},\underset{1\&le;j<i_0}{\max }\mathrm{\&Theta;}\left(i_0,j\right)\right\}>\underset{i_0<j\&le;M}{\min }\mathrm{\&Theta;}\left(i_0,j\right)$ 时，所述判决域R(H_i),i>0个数小于等于主用户的工作功率个数；

当除了P₀之外的各个工作功率具有相等的出现概率时，非零工作功率不能相互淹没。