CN104821852B - 一种基于多天线瞬时功率的频谱感知方法 - Google Patents
一种基于多天线瞬时功率的频谱感知方法 Download PDFInfo
- Publication number
- CN104821852B CN104821852B CN201510195623.3A CN201510195623A CN104821852B CN 104821852 B CN104821852 B CN 104821852B CN 201510195623 A CN201510195623 A CN 201510195623A CN 104821852 B CN104821852 B CN 104821852B
- Authority
- CN
- China
- Prior art keywords
- time domain
- instantaneous power
- domain sampling
- time
- value
- 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
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Abstract
本发明公开了一种基于多天线瞬时功率的频谱感知方法，其利用多根接收天线接收时域连续的射频信号，然后对每个时域连续的射频信号进行下变频、时域采样得到时域离散的基带信号，接着计算每个时域离散的基带信号中的每个时域采样时刻的时域采样点的瞬时功率，再用在每同一时域采样时刻的多个时域采样点的瞬时功率及值最大与值最小的瞬时功率的功率差值的排序并重新赋值的结果来计算检验统计量，最后通过比较检验统计量与判决门限的大小，判定是否有其它无线通信业务占用频段，实现频谱感知；优点是频谱感知性能良好，且克服了能量检测法需要知道噪声功率的缺陷，也克服了特征值检测法在接收信号之间的相关性较低或不相关时频谱感知性能较差的缺点。
Description
技术领域
本发明涉及一种认知无线电系统中的频谱感知技术，尤其是涉及一种基于多天线瞬时功率的频谱感知方法。
背景技术
随着无线通信业务的快速增长，人们对频谱资源的需求量不断提高，频谱资源缺乏的现象变得越来越严重。一方面，无线通信业务的快速发展和各种系统、协议、网络的不断出现，使更多的人需要使用无线电频谱；另一方面，许多频段已经分配给了授权用户，非授权用户只能使用那些没有被授权的频段，而没有被授权的频段又是十分稀缺的，现有的固定的频谱资源分配策略的频谱资源利用率低下是造成这种现象的主要原因之一。认知无线电(Cognitive Radio，CR)技术能够有效提高频谱资源利用率，是实现频谱资源动态分配的主要方案之一。频谱感知是认知无线电技术中的重要组成部分，其可以有效防止采用认知无线电技术的无线通信业务对在同一频段中的其它无线通信业务产生干扰，频谱感知的性能直接关系到无线通信业务的质量。
现有的频谱感知方法主要有能量检测法、循环特征检测法、协方差矩阵检测法、特征值检测法等。在这些方法中，能量检测法需要知道噪声功率，循环特征检测法需要知道授权用户信号的循环频率。当不知道噪声功率和授权用户信号的循环频率时，能量检测法和循环特征检测法的频谱感知性能会严重下降。在多天线的情况下，协方差矩阵检测法和特征值检测法能够利用接收信号之间的相关性来实现频谱感知，但是在实际应用中，为了获得分集增益，接收信号之间的相关性较低甚至不相关，此时这两种方法的频谱感知性能较差。
发明内容
本发明所要解决的技术问题是提供一种基于多天线瞬时功率的频谱感知方法，其频谱感知性能良好。
本发明解决上述技术问题所采用的技术方案为：一种基于多天线瞬时功率的频谱感知方法，其特征在于包括以下步骤：
①假设认知无线电系统中有M根接收天线均用于接收时域连续的射频信号，其中，M表示认知无线电系统中的接收天线的总数，M≥2；
②对每根接收天线接收到的时域连续的射频信号进行下变频处理，得到每根接收天线接收到的时域连续的射频信号对应的时域连续的基带信号；然后对每根接收天线接收到的时域连续的射频信号对应的时域连续的基带信号进行时域采样处理，得到每根接收天线接收到的时域连续的射频信号对应的时域离散的基带信号，将第i根接收天线接收到的时域连续的射频信号对应的时域离散的基带信号中的第n个时域采样时刻的时域采样点的采样值记为xi,n，其中，i＝1,2,…,M，n＝1,2,…,N，N表示时域采样处理的采样点数，N≥15；
③计算每根接收天线接收到的时域连续的射频信号对应的时域离散的基带信号中的每个时域采样时刻的时域采样点的瞬时功率，将第i根接收天线接收到的时域连续的射频信号对应的时域离散的基带信号中的第n个时域采样时刻的时域采样点的瞬时功率记为ri,n，ri,n＝(|xi,n|)2，其中，符号“||”为取绝对值符号；
④计算在每同一时域采样时刻的M个时域采样点的瞬时功率中值最大的瞬时功率与值最小的瞬时功率的功率差值，将在第n个时域采样时刻的M个时域采样点的瞬时功率中值最大的瞬时功率与值最小的瞬时功率的功率差值记为qn，其中，max()为取最大值函数，min()为取最小值函数；然后对N个时域采样时刻各自对应的功率差值按从小到大的顺序进行排序，再将数值1到N共N个正整数一一对应赋值给按从小到大的顺序排序后的N个功率差值，将在第n个时域采样时刻的M个时域采样点的瞬时功率中值最大的瞬时功率与值最小的瞬时功率的功率差值重新赋值后的值记为qn'；
⑤对在每同一时域采样时刻的M个时域采样点的瞬时功率按从小到大的顺序进行排序，再将数值1到M共M个正整数一一对应赋值给每同一时域采样时刻的按从小到大的顺序排序后的M个瞬时功率，将第i根接收天线接收到的时域连续的射频信号对应的时域离散的基带信号中的第n个时域采样时刻的时域采样点的瞬时功率重新赋值后的值记为ri,n'；
⑥计算检验统计量，记为T，
⑦根据虚警概率Pf及认知无线电系统中的接收天线的总数M和时域采样处理的采样点数N，计算判决门限，记为λ，λ的值是自由度为(M-1,(N-1)×(M-1))的F分布的上Pf分位点的值，其中，0≤Pf≤1；
⑧比较检验统计量T与判决门限λ的大小，如果T≥λ，则判定其它无线通信业务正占用频段；如果T<λ，则判定其它无线通信业务未占用频段。
与现有技术相比，本发明的优点在于：
1)本发明方法在计算判决门限时仅利用了虚警概率和认知无线电系统中的接收天线的总数及时域采样处理的采样点数，不需要知道噪声功率，因此本发明方法有效地克服了已有的能量检测法需要知道噪声功率的缺陷。
2)本发明方法先对接收信号进行下变频处理得到时域连续的基带信号，然后对时域连续的基带信号进行时域采样得到时域离散的基带信号，再计算时域离散的基带信号中的每个时域采样点的瞬时功率，并对所有瞬时功率从小到大排序后重新赋值，接着计算同一时域采样时刻的所有时域采样点的瞬时功率中值最大的瞬时功率与值最小的瞬时功率的功率差值，并对所有时域采样时刻各自对应的功率差值从小到大排序后重新赋值，最后根据重新赋值后的瞬时功率值和重新赋值后的功率差值计算检验统计量，这使得本发明方法在接收信号之间的相关性较低或不相关时仍然具有较好的频谱感知性能，因此本发明方法有效地克服了现有的特征值检测法在接收信号之间的相关性较低或不相关时频谱感知较差的缺点。
附图说明
图1为本发明方法的总体实现框图；
图2为本发明方法与能量检测法和特征值检测法的频谱感知性能比较示意图。
具体实施方式
以下结合附图实施例对本发明作进一步详细描述。
本发明提出的一种基于多天线瞬时功率的频谱感知方法，其总体实现框图如图1所示，其包括以下步骤：
①假设认知无线电系统中有M根接收天线均用于接收时域连续的射频信号，其中，M表示认知无线电系统中的接收天线的总数，M≥2。
图1中x1(t)表示第1根接收天线接收到的时域连续的射频信号，x2(t)表示第2根接收天线接收到的时域连续的射频信号，xM(t)表示第M根接收天线接收到的时域连续的射频信号。
②利用现有的下变频处理技术对每根接收天线接收到的时域连续的射频信号进行下变频处理，得到每根接收天线接收到的时域连续的射频信号对应的时域连续的基带信号；然后利用现有的时域采样处理技术对每根接收天线接收到的时域连续的射频信号对应的时域连续的基带信号进行时域采样处理，得到每根接收天线接收到的时域连续的射频信号对应的时域离散的基带信号，将第i根接收天线接收到的时域连续的射频信号对应的时域离散的基带信号中的第n个时域采样时刻的时域采样点的采样值记为xi,n，其中，i＝1,2,…,M，n＝1,2,…,N，N表示时域采样处理的采样点数，N≥15。
在此，时域采样处理时采样周期可以等间隔，也可以不等间隔。
③计算每根接收天线接收到的时域连续的射频信号对应的时域离散的基带信号中的每个时域采样时刻的时域采样点的瞬时功率，将第i根接收天线接收到的时域连续的射频信号对应的时域离散的基带信号中的第n个时域采样时刻的时域采样点的瞬时功率记为ri,n，ri,n＝(|xi,n|)2，其中，符号“||”为取绝对值符号。
④计算在每同一时域采样时刻的M个时域采样点的瞬时功率中值最大的瞬时功率与值最小的瞬时功率的功率差值，将在第n个时域采样时刻的M个时域采样点的瞬时功率中值最大的瞬时功率与值最小的瞬时功率的功率差值记为qn，其中，max()为取最大值函数，min()为取最小值函数；然后对N个时域采样时刻各自对应的功率差值按从小到大的顺序进行排序，再将数值1到N共N个正整数一一对应赋值给按从小到大的顺序排序后的N个功率差值，将在第n个时域采样时刻的M个时域采样点的瞬时功率中值最大的瞬时功率与值最小的瞬时功率的功率差值重新赋值后的值记为qn'。
⑤对在每同一时域采样时刻的M个时域采样点的瞬时功率按从小到大的顺序进行排序，再将数值1到M共M个正整数一一对应赋值给每同一时域采样时刻的按从小到大的顺序排序后的M个瞬时功率，即对于在第n个时域采样时刻的M个时域采样点的瞬时功率，先按从小到大的顺序进行排序，再将数值1到M共M个正整数一一对应赋值给按从小到大的顺序排序后的M个瞬时功率，将第i根接收天线接收到的时域连续的射频信号对应的时域离散的基带信号中的第n个时域采样时刻的时域采样点的瞬时功率重新赋值后的值记为ri,n'。
⑥计算检验统计量，记为T，
⑦根据虚警概率Pf及认知无线电系统中的接收天线的总数M和时域采样处理的采样点数N，计算判决门限，记为λ，λ的值是自由度为(M-1,(N-1)×(M-1))的F分布的上Pf分位点的值，其中，0≤Pf≤1。
⑧比较检验统计量T与判决门限λ的大小，如果T≥λ，则判定其它无线通信业务正占用频段；如果T<λ，则判定其它无线通信业务未占用频段。
以下通过计算机仿真，进一步说明本发明的频谱感知方法的可行性和有效性。
假设认知无线电系统中有M＝10根接收天线，时域采样处理的采样点数为N＝200，并假设接收天线上的信道相互独立，且服从Nakagami分布，信噪比设为-15dB。图2给出了本发明方法与能量检测法和特征值检测法的检测概率随着虚警概率变化的频谱感知性能比较，其中能量检测法不知道噪声功率，但是知道噪声功率的两个上限，这两个上限对应的噪声不确定度分别为0.1dB和0.2dB。从图2中可以看出，当虚警概率为0.1、噪声不确定度从0.1dB增加到0.2dB时，能量检测法的检测概率从0.95下降到0.77，而本发明方法在不知道噪声功率和噪声功率的上限的情况下仍然能够达到0.99的检测概率；另外，当虚警概率为0.1时，本发明方法的检测概率能够达到0.99，而特征值检测法的检测概率只能达到0.52。
Claims (1)
1.一种基于多天线瞬时功率的频谱感知方法，其特征在于包括以下步骤：
①认知无线电系统中有M根接收天线均用于接收时域连续的射频信号，其中，M表示认知无线电系统中的接收天线的总数，M≥2；
②对每根接收天线接收到的时域连续的射频信号进行下变频处理，得到每根接收天线接收到的时域连续的射频信号对应的时域连续的基带信号；然后对每根接收天线接收到的时域连续的射频信号对应的时域连续的基带信号进行时域采样处理，得到每根接收天线接收到的时域连续的射频信号对应的时域离散的基带信号，将第i根接收天线接收到的时域连续的射频信号对应的时域离散的基带信号中的第n个时域采样时刻的时域采样点的采样值记为xi,n，其中，i＝1,2,…,M，n＝1,2,…,N，N表示时域采样处理的采样点数，N≥15；
③计算每根接收天线接收到的时域连续的射频信号对应的时域离散的基带信号中的每个时域采样时刻的时域采样点的瞬时功率，将第i根接收天线接收到的时域连续的射频信号对应的时域离散的基带信号中的第n个时域采样时刻的时域采样点的瞬时功率记为ri,n，ri,n＝(|xi,n|)2，其中，符号“| |”为取绝对值符号；
④计算在每同一时域采样时刻的M个时域采样点的瞬时功率中值最大的瞬时功率与值最小的瞬时功率的功率差值，将在第n个时域采样时刻的M个时域采样点的瞬时功率中值最大的瞬时功率与值最小的瞬时功率的功率差值记为qn，其中，max( )为取最大值函数，min( )为取最小值函数；然后对N个时域采样时刻各自对应的功率差值按从小到大的顺序进行排序，再将数值1到N共N个正整数一一对应赋值给按从小到大的顺序排序后的N个功率差值，将在第n个时域采样时刻的M个时域采样点的瞬时功率中值最大的瞬时功率与值最小的瞬时功率的功率差值重新赋值后的值记为qn'；
⑤对在每同一时域采样时刻的M个时域采样点的瞬时功率按从小到大的顺序进行排序，再将数值1到M共M个正整数一一对应赋值给每同一时域采样时刻的按从小到大的顺序排序后的M个瞬时功率，将第i根接收天线接收到的时域连续的射频信号对应的时域离散的基带信号中的第n个时域采样时刻的时域采样点的瞬时功率重新赋值后的值记为ri,n'；
⑥计算检验统计量，记为T，
⑦根据虚警概率Pf及认知无线电系统中的接收天线的总数M和时域采样处理的采样点数N，计算判决门限，记为λ，λ的值是自由度为(M-1,(N-1)×(M-1))的F分布的上Pf分位点的值，其中，0≤Pf≤1；
⑧比较检验统计量T与判决门限λ的大小，如果T≥λ，则判定其它无线通信业务正占用频段；如果T<λ，则判定其它无线通信业务未占用频段。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510195623.3A CN104821852B (zh) | 2015-04-22 | 2015-04-22 | 一种基于多天线瞬时功率的频谱感知方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510195623.3A CN104821852B (zh) | 2015-04-22 | 2015-04-22 | 一种基于多天线瞬时功率的频谱感知方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104821852A CN104821852A (zh) | 2015-08-05 |
| CN104821852B true CN104821852B (zh) | 2017-03-08 |
Family
ID=53732036
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510195623.3A Active CN104821852B (zh) | 2015-04-22 | 2015-04-22 | 一种基于多天线瞬时功率的频谱感知方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104821852B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105898756B (zh) * | 2016-05-05 | 2019-04-16 | 宁波大学 | 一种对抗噪声不确定性的循环特征检测方法 |
| CN110798270B (zh) * | 2019-09-27 | 2021-09-14 | 宁波大学 | 一种基于功率方差比较的多频带频谱感知方法 |
| CN110798272B (zh) * | 2019-09-27 | 2021-09-10 | 宁波大学 | 一种基于功率比较的多频带频谱感知方法 |
| CN110868723B (zh) * | 2019-09-27 | 2021-07-16 | 宁波大学 | 一种基于功率方差比较的多频带迭代频谱感知方法 |
| CN110855386B (zh) * | 2019-09-27 | 2021-07-20 | 宁波大学 | 一种基于功率比较的多频带迭代频谱感知方法 |
| CN116318476B (zh) * | 2023-05-23 | 2023-09-19 | 北京星河亮点技术股份有限公司 | 基于功率比较的信道占用状态预测方法及装置 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102013928A (zh) * | 2010-11-22 | 2011-04-13 | 宁波大学 | 一种认知无线电系统中的快速频谱感知方法 |
| CN102324959A (zh) * | 2011-06-10 | 2012-01-18 | 宁波大学 | 一种基于多天线系统协方差矩阵的频谱感知方法 |
| US8160163B1 (en) * | 2007-08-06 | 2012-04-17 | University Of South Florida | Method for OFDM signal identification and parameter estimation |
| CN102710345A (zh) * | 2012-04-27 | 2012-10-03 | 宁波大学 | 一种基于多天线Friedman检验的认知无线电频谱感知方法 |
-
2015
- 2015-04-22 CN CN201510195623.3A patent/CN104821852B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8160163B1 (en) * | 2007-08-06 | 2012-04-17 | University Of South Florida | Method for OFDM signal identification and parameter estimation |
| CN102013928A (zh) * | 2010-11-22 | 2011-04-13 | 宁波大学 | 一种认知无线电系统中的快速频谱感知方法 |
| CN102324959A (zh) * | 2011-06-10 | 2012-01-18 | 宁波大学 | 一种基于多天线系统协方差矩阵的频谱感知方法 |
| CN102710345A (zh) * | 2012-04-27 | 2012-10-03 | 宁波大学 | 一种基于多天线Friedman检验的认知无线电频谱感知方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104821852A (zh) | 2015-08-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104821852B (zh) | 一种基于多天线瞬时功率的频谱感知方法 | |
| CN102710345B (zh) | 一种基于多天线Friedman检验的认知无线电频谱感知方法 | |
| CN104954089B (zh) | 一种基于多天线瞬时功率比较的频谱感知方法 | |
| CN110868723B (zh) | 一种基于功率方差比较的多频带迭代频谱感知方法 | |
| CN104469784A (zh) | 一种异构网络中频谱感知数据的处理方法及装置 | |
| CN110798270B (zh) | 一种基于功率方差比较的多频带频谱感知方法 | |
| Lei et al. | A K-means clustering based blind multiband spectrum sensing algorithm for cognitive radio | |
| CN109194417A (zh) | 一种协方差矩阵频谱感知方法 | |
| Fanan et al. | Comparison of spectrum occupancy measurements using software defined radio RTL-SDR with a conventional spectrum analyzer approach | |
| CN101384069A (zh) | 功率控制参数配置方法及相关装置 | |
| CN104821856B (zh) | 一种用于ofdm频谱感知的噪声功率估计方法 | |
| CN105813089B (zh) | 一种对抗噪声不确定性的匹配滤波频谱感知方法 | |
| Zheng et al. | Cooperative spectrum sensing based on blind source separation for cognitive radio | |
| Liu et al. | An adaptive double thresholds scheme for spectrum sensing in cognitive radio networks | |
| CN103516447B (zh) | 一种多天线信号合并方法和网络侧设备 | |
| CN103596184A (zh) | 一种认知无线电系统的频谱感知方法及设备 | |
| WO2011079558A1 (zh) | 无线网络中的组网实现方法、装置及系统 | |
| Dhope et al. | Analyzing the performance of spectrum sensing algorithms for IEEE 802.11 af standard in cognitive radio network | |
| CN108900268A (zh) | 利用小特征值估计噪声功率的最大特征值频谱感知方法 | |
| CN101026607B (zh) | 一种同频小区下行同步码的检测方法及装置 | |
| CN102300115B (zh) | 模拟、数字电视信号的快速识别方法、装置及通信接收端 | |
| CN109150342A (zh) | 一种最大特征值频谱感知方法 | |
| US20180351712A1 (en) | Assigning method of pilot signals and base station using the same | |
| Abdullah et al. | Energy consumption control in cooperative and non-cooperative cognitive radio using variable spectrum sensing sampling | |
| CN110798272B (zh) | 一种基于功率比较的多频带频谱感知方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| EXSB | Decision made by sipo to initiate substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant |