CN104734793B - 基于p次方的无线协作频谱感知的能量检测方法 - Google Patents
基于p次方的无线协作频谱感知的能量检测方法 Download PDFInfo
- Publication number
- CN104734793B CN104734793B CN201510126399.2A CN201510126399A CN104734793B CN 104734793 B CN104734793 B CN 104734793B CN 201510126399 A CN201510126399 A CN 201510126399A CN 104734793 B CN104734793 B CN 104734793B
- Authority
- CN
- China
- Prior art keywords
- powers
- detection
- frequency spectrum
- signal
- energy
- 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.)
- Active
Links
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种基于p次方的无线协作频谱感知的能量检测方法,包括以下步骤:在高斯信道环境下用p次方替代2次方得到每路无线电信号的能量,将检测信号代入似然函数,得到检测统计量;利用Neyman‑Pearson准则,根据给定的虚警概率,求出p次方检测的判决门限;将得到的检测统计量与基于p次方检测的判决门限进行比较。本发明用p次方替代固定不变的2次方应用到协作频谱检测中,同时通过将决策变量p次方的均值和方差近似为Gamma分布的均值和方差,实现了基于p次方的无线协作频谱感知的能量检测,复杂度低,实时性强,从而可以根据不同的信道环境以及信号强弱来选择p值,从而有效地提高检测性能。
Description
技术领域
本发明属于认知无线电领域,具体涉及一种高斯信道条件下的认知无线电协作频谱感知能量检测方法。
背景技术
能量检测是认知无线电协作频谱感知的一种有效频谱检测方法,它不需要任何先验信息。其优点是实现复杂度低且不需要获取授权用户的准确信息,避免了由于信息获取不准确而产生的误检。能量检测的等增益合并(Equal Gain Combing,EGC)方法是直接将检测信号采样的幅度值取二次方后进行累加并与相关的判决门限进行比较的一种能量检测方法,即每个采样幅值二次方前面的加权系数都相同,不管传输数据是否可靠。尽管这种方法性能不是最优的,但是这种方法复杂度低,实时性强,所以被广泛使用。然而上述方法都是基于信号采样幅值2次方的操作,应用中存在检测概率较低的问题,该问题有待解决。
发明内容
发明目的:为了克服现有技术中存在的不足,本发明在高斯信道环境下,给出一种基于p次方的无线协作频谱感知的能量检测方法,以有效提高检测性能。
技术方案:为解决上述技术问题,本发明提供的基于p次方的无线协作频谱感知的能量检测方法,包括以下步骤:1)在高斯信道环境下,用p次方替代2次方得到每路无线电信号的能量,将检测信号代入似然函数,得到对应p次方的检测统计量;2)利用Neyman-Pearson准则,根据给定的虚警概率,求出p次方检测的判决门限;3)将步骤1)得到的检测统计量与步骤2)得到的基于p次方检测的判决门限进行比较,以实现基于p次方的无线协作频谱感知的能量检测。
当决策变量X服从均值为0方差为1的正态分布时,即X~N(0,1),则X2服从χ2分布,χ2(n)分布就是分布,用p替代2次方后,决策变量将不服从Gamma分布,且分布函数很难获得。但是,用p次方取代后,随机变量的均值和方差可以很好近似为Gamma随机变量的均值和方差,因而可将p次方型的均值和方差近似为Gamma分布的均值和方差。
本发明提供的基于p次方的无线协作频谱感知的能量检测方法,其通过将决策变量p次方的均值和方差近似为Gamma分布的均值和方差,从而得到比传统的固定2次方形式更有效的频谱检测准则,具体包括如下步骤:
1)在高斯信道环境下,用p次方替代2次方得到每路无线电信号的能量,将检测信号代入似然函数,得到对应p次方的检测统计量:
1.1)构建认知无线电系统的p次方频谱检测模型,即:
其中信号采样样本空间有N个采样值,n=1,2,…,N;H0表示授权用户信号不存在,H1表示授权用户信号存在;yn表示第n个信号采样;sn是授权主用户所发射的信号部分;α为信道增益参数;噪声部分ωn是均值为0方差为σ2高斯噪声,发射信号sn是均值为0,方差为σs 2随机信号,且噪声和信号是相互独立的;
1.2)用p次方取代2次方,获得p次方取代2次方时的每路无线电信号的能量:
1.3)在高斯信道环境下,结合采样值的联合概率密度函数,将检测信号代入似然函数,得到所构建的检测统计量:
2)利用Neyman-Pearson准则,根据给定的虚警概率,求出p次方检测的判决门限:
2.1)将p次方取代2次方后的随机变量的均值和方差近似为Gamma分布的均值和方差,结合高斯分布的二次方服从Γ(k,θ)分布,获得H0、H1下的随机变量的概率密度函数为:
其中,θ0',θ1'为p次方下的尺度参数,k0',k1'为p次方下的形状参数;
其中γ为信噪比,
2.2)基于给定的虚警概率P′FA=Pr{D'EGC>η'EGC|H0},利用Neyman-Pearson准则和Gamma分布得出p次方检测的判决门限为:
3)将步骤1.3)得到的检测统计量与步骤2.2)得到的基于p次方检测的判决门限进行比较得到如下判决准则,以实现基于p次方的无线协作频谱感知的能量检测:
进一步的,还可包括4)根据基于p次方检测的判决门限获得对应的检测概率,所述p次方检测的判决门限对应的检测概率为:
本发明提供了用可动态调整的p次方替代固定不变的2次方实现基于p次方的无线协作频谱感知的能量检测方法,优选的,p值是根据认知无线电系统协作通讯前的频谱感知在每个频谱检测阶段从0.01到10按0.01步进经过网格搜索试算来动态确定的。
有益效果:本发明用p次方替代固定不变的2次方应用到协作频谱检测中,同时通过将决策变量p次方的均值和方差近似为Gamma分布的均值和方差,实现了基于p次方的无线协作频谱感知的能量检测,复杂度低,实时性强,有效地提高了检测性能。这样就可以根据不同的信道环境以及信号强弱来选择p值,从而得到更优的检测性能,实验结果显示在相同虚警率条件下,本文提出的基于p次方的能量检测在确定p值后的检测概率明显高于传统的基于2次方能量检测的检测概率。
附图说明
图1是本发明提供的能量检测方法的处理流程;
图2是本发明在SNR=-5dB时对应不同的p次方的检测概率曲线;
图3是本发明在不同SNR条件下的检测概率曲线。
具体实施方式
下面结合实施例对本发明做进一步的详细说明,本实施列对本发明不构成限定。
本实施例提供的基于p次方的无线协作频谱感知的能量检测方法,具体为:
(构建p次方模型)
对于二元假设检验:
其中,n=1,2,…,N,表示信号的采样样本空间有N个采样值。在认知无线电系统中,H0表示授权用户信号不存在,H1表示授权用户信号存在。yn表示第n个信号采样,sn是授权主用户所发射的信号部分,α为信道增益参数。假设噪声部分ωn是均值为0方差为σ2高斯噪声,发射信号sn是均值为0,方差为σs 2随机信号,且噪声和信号是相互独立的。
对于每路无线电信号的能量为用p次方取代2次方,则:
(构建检测统计量)
对于认知无线电系统,两种假设检验条件下接收信号采样值的联合概率密度函数分别为:
对于EGC方法利用似然比检测得到的检测统计量为:
对应判决门限ηEGC判决准则为:
用p次方替代2次方后,本实施例获得的检测统计量为:
p次方下对应判决门限η'EGC本发明的判决准则为:
(P次方下频谱检测的仿真方法)
由于高斯分布的二次方服从χ2分布,χ2(n)分布就是分布,所以高斯分布的二次方服从Γ(k,θ)分布,在H0下的概率密度函数:
在H1下的概率密度函数:
其中,θ0,θ1为2次方下的尺度参数,k0,k1为2次方下的形状参数, γ为信噪比;
对于给定的虚警概率PFA利用Neyman-Pearson准则,
PFA=Pr{DEGC>ηEGC|H0} (11);
得出二次方对应的判决门限:
对于检测概率PD=Pr{DEGC>ηEGC|H1}可进一步由上述虚警概率求出的判决门限求出检测概率:
其中:
当用p次方取代2次方后,可获得H0、H1下的随机变量的概率密度函数分别为:
其中,θ0',θ1'为p次方下的尺度参数,k0',k1'为p次方下的形状参数;
然而当用p次方取代2次方后,决策变量将不服从Gamma分布,且分布函数很难获得。但是用p次方取代后,随机变量的均值和方差可以很好地近似为Gamma分布随机变量的均值和方差,所以将p次方型的均值和方差近似为Gamma分布的均值和方差。
当授权用户不存在时,
当授权用户存在时,
进而获得p次方下的尺度参数θ0',θ1'和形状参数k0',k1';,
对于给定的虚警概率P′FA=Pr{D'EGC>η'EGC|H0}获得本实施例在p次方下的判决门限为:
其中:
如图1所示,本实施例中y(t)是接收信号,处理流程为对y(t)经过A/D采用得到N个采样值yn,然后用p次方取代2次方后,经过基于p次方的累加求和得到p次方的检测统计量结合式(7)获得的检测统计量与判决门限η'EGC进行基于p次方的无线协作频谱感知的能量检测,其判决准则为:
对于检测概率P′D=Pr{D'EGC>η'EGC|H1}结合p次方下的判决门限获得p次方下的检测概率为:
本发明中p值可以为整数,也可能为小数,是根据实际系统环境进行动态调整的值,以替代固定不变的2次方实现基于p次方的无线协作频谱感知的能量检测方法。P值可以根据不同的信道环境以及信号强弱来选择,本实施例中p值是根据认知无线电系统协作通讯前的频谱感知在每个频谱检测阶段从0.01到10按0.01步进经过网格搜索试算来动态确定的。
仿真实验1:采样点数N=5,协作检测无线电路数M=4,在信噪比固定为SNR=-5dB的情况下,通过本发明提供的技术方案精确计算出的对应不同虚警概率不同p次方下的检测概率曲线如图2所示,图2中横坐标Pfa对应本文中虚警概率P′FA,纵坐标Pd对应本文中检测概率P′D。
仿真实验2:采样点数N=5,协作检测无线电路数M=4,在信噪比分别为SNR=-5dB,0dB,5dB的情况下,通过本发明提供的技术方案精确计算出的p=2,p=3时不同SNR条件下的对应不同虚警概率的检测概率曲线如图3所示,图3中横坐标Pfa对应本文中虚警概率P′FA,纵坐标Pd对应本文中检测概率P′D。
由上述仿真实验和图2、图3给出的实验结果可见,在各信噪比情况下,采用相同采样点数和相同协作检测无线电路数,在仿真实验1中,p=2.5和p=3时的检测概率明显优于p=2的检测概率,在仿真实验2中,p=3时的检测概率明显优于p=2的检测概率。由此可见,在相同虚警率条件下,本文提出的基于p次方的能量检测在确定p值后的检测概率可明显高于传统的2次方的能量检测的检测概率,利用根据不同的信道环境以及信号强弱来动态调整得到的p值,来实现p次方替代固定不变的2次方应用到协作频谱检测中的技术方案,兼具复杂度低、实时性强的特点,更为重要的是有效地提高了检测性能。
Claims (3)
1.一种基于p次方的无线协作频谱感知的能量检测方法,其特征在于该方法包括以下步骤:
1)在高斯信道环境下,用p次方替代2次方得到每路无线电信号的能量,将检测信号代入似然函数,得到对应p次方检测的检测统计量;
2)利用Neyman-Pearson准则,根据给定的虚警概率,求出p次方检测的判决门限;
3)将步骤1)得到的检测统计量与步骤2)得到的基于p次方检测的判决门限进行比较,以实现基于p次方的无线协作频谱感知的能量检测;
所述步骤1)包括:
1.1)构建认知无线电系统的p次方频谱检测模型,即:
其中信号采样样本空间有N个采样值,n=1,2,…,N;H0表示授权用户信号不存在,H1表示授权用户信号存在;yn表示第n个信号采样;sn是授权主用户所发射的信号部分;α为信道增益参数;噪声部分ωn是均值为0方差为σ2高斯噪声,发射信号sn是均值为0,方差为σs 2随机信号,且噪声和信号是相互独立的;
1.2)用p次方取代2次方,获得p次方取代2次方时的每路无线电信号的能量:
1.3)在高斯信道环境下,结合采样值的联合概率密度函数,将检测信号代入似然函数,得到所构建的检测统计量:
所述步骤2)包括:
2.1)将p次方取代2次方后的随机变量的均值和方差近似为Gamma分布的均值和方差,结合高斯分布的二次方服从Γ(k,θ)分布,获得H0、H1下的随机变量的概率密度函数为:
其中,θ0',θ1'为p次方下的尺度参数,k0',k1'为p次方下的形状参数;
1
其中γ为信噪比,
2.2)基于给定的虚警概率P′FA=Pr{D'EGC>η'EGC|H0},利用Neyman-Pearson准则和Gamma分布得出p次方检测的判决门限为:
所述步骤3)中:将步骤1.3)得到的检测统计量与步骤2.2)得到的基于p次方检测的判决门限进行比较得到如下判决准则,以实现基于p次方的无线协作频谱感知的能量检测:
2.根据权利要求1所述的基于p次方的无线协作频谱感知的能量检测方法,其特征在于:所述p次方检测的判决门限对应的检测概率为:
3.根据权利要求1或2所述的基于p次方的无线协作频谱感知的能量检测方法,其特征在于:是用可动态调整的p次方替代固定不变的2次方实现基于p次方的无线协作频谱感知的能量检测,p值是根据认知无线电系统协作通讯前的频谱感知在每个频谱检测阶段从0.01到10按0.01步进经过网格搜索试算来动态确定的。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510126399.2A CN104734793B (zh) | 2015-03-20 | 2015-03-20 | 基于p次方的无线协作频谱感知的能量检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510126399.2A CN104734793B (zh) | 2015-03-20 | 2015-03-20 | 基于p次方的无线协作频谱感知的能量检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104734793A CN104734793A (zh) | 2015-06-24 |
CN104734793B true CN104734793B (zh) | 2017-08-15 |
Family
ID=53458272
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510126399.2A Active CN104734793B (zh) | 2015-03-20 | 2015-03-20 | 基于p次方的无线协作频谱感知的能量检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104734793B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105721080A (zh) * | 2016-01-27 | 2016-06-29 | 北京邮电大学 | 一种频谱感知方法及装置 |
CN110913398B (zh) * | 2019-11-29 | 2020-07-31 | 北京邮电大学 | 一种无线通信系统的频谱识别方法及装置 |
CN112968741B (zh) * | 2021-02-01 | 2022-05-24 | 中国民航大学 | 基于最小二乘向量机的自适应宽带压缩频谱感知算法 |
CN115021845B (zh) * | 2022-06-20 | 2023-04-18 | 西安航空学院 | 一种频谱感知方法、系统、介质、设备及终端 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101404513A (zh) * | 2008-10-21 | 2009-04-08 | 浙江大学 | 认知无线通信系统中基于推理的快速多信道联合检测方法 |
CN101521896A (zh) * | 2009-04-17 | 2009-09-02 | 东南大学 | 认知无线电中的基于似然比的协同频谱感知方法 |
-
2015
- 2015-03-20 CN CN201510126399.2A patent/CN104734793B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101404513A (zh) * | 2008-10-21 | 2009-04-08 | 浙江大学 | 认知无线通信系统中基于推理的快速多信道联合检测方法 |
CN101521896A (zh) * | 2009-04-17 | 2009-09-02 | 东南大学 | 认知无线电中的基于似然比的协同频谱感知方法 |
Non-Patent Citations (1)
Title |
---|
P次方检测器协作频谱感知系统性能优化;张春平;《云南大学学报》;20140110;第36卷(第1期);第26-31页 * |
Also Published As
Publication number | Publication date |
---|---|
CN104734793A (zh) | 2015-06-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104734793B (zh) | 基于p次方的无线协作频谱感知的能量检测方法 | |
CN112308008B (zh) | 基于迁移学习的工作模式开集的雷达辐射源个体识别方法 | |
Nguyen-Thanh et al. | Log-likelihood ratio optimal quantizer for cooperative spectrum sensing in cognitive radio | |
CN107370521A (zh) | 一种认知无线电多用户协作频谱感知方法 | |
CN103873171B (zh) | 基于多用户互协作的协作频谱感知决策融合方法 | |
Javadi et al. | Fusion of weighted decisions in wireless sensor networks | |
CN113962381B (zh) | 微弱信号数据增强方法 | |
He et al. | Random forests based path loss prediction in mobile communication systems | |
CN112182961A (zh) | 一种换流站无线网络信道大尺度衰落建模预测方法 | |
Sardar et al. | Vehicle detection and classification using LTE‐CommSense | |
Su et al. | Statistical detection of weak pulse signal under chaotic noise based on Elman neural network | |
CN103888203A (zh) | 一种基于信噪比筛选的协作频谱感知优化方法 | |
CN104079359A (zh) | 一种认知无线网络中协作频谱感知门限优化方法 | |
CN105307185B (zh) | 一种基于数据净化的群智协同频谱感知方法 | |
CN109450573A (zh) | 一种基于深度神经网络的频谱感知方法 | |
CN106599908A (zh) | 基于模块化神经网络的场强预测方法 | |
Kavaiya et al. | On the energy detection performance of multi‐antenna correlated receiver for vehicular communication using MGF approach | |
Tian et al. | Performance comparison between matched filter and locally optimal detector for composite hypothesis test with inaccurate noise | |
Ujjinimatad et al. | Mathematical analysis for detection probability in cognitive radio networks over wireless communication channels | |
CN110531321A (zh) | 基于特征值的动态信道化子带频谱检测方法 | |
CN104618909A (zh) | 一种基于信誉度的航空无线电协作频谱感知方法 | |
CN104243072B (zh) | 一种基于均匀量化结构的多比特频谱感知方法 | |
CN104348563B (zh) | 认知无线网络中基于h无穷滤波理论的协作频谱感知方法 | |
CN110830130A (zh) | 一种认知无线电中的统计频谱检测方法 | |
Zhang et al. | DTV radio spectrum anomaly detection based on an improved GAN |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |