CN104954308A - 认知无线电中基于特征向量的双节点协方差盲检测方法 - Google Patents

Abstract

认知无线电中基于特征向量的双节点协方差盲检测方法，该方法通过双中继多天线认知检测系统，采用双认知节点对频谱进行感知，对采样信号进行统计，计算采样协方差矩阵中最大特征向量，并进行比对，判断系统存在PU信号与否。所述认知检测系统包括主用户PU、融合中心FU和两个多天线认知中继用户CR；主用户PU发送固定频道信号，在可感知范围内，认知中继用户采集空中信号，认知中继转发收集到的采样数据发送到融合中心进行处理。本发明通过双中继多天线的认知检测系统，采用双认知节点对频谱进行感知，对采样信号进行统计，计算采样协方差矩阵中最大特征向量。较好地解决了多用户频谱协作感知在低信噪比条件下性能较低的问题，实现了盲检测。

Description

认知无线电中基于特征向量的双节点协方差盲检测方法

技术领域

本发明涉及一种认知无线电中基于特征向量的双节点协方差盲检测方法，属无线通信技术领域。

背景技术

认知无线电技术是当前解决频谱资源紧缺、提高频谱利用效率的重要方法，频谱检测是认知无线电的关键技术。多用户协作频谱检测不仅能有效解决隐藏终端的问题，并且提升了检测性能和整个系统的鲁棒性。传统的多用户协作频谱感知方法基于能量检测。然而能量检测需要信道状态信息，在低信噪比环境中很难对主用户(PU)信号进行有效检测。协方差盲检测利用发射信号与噪声自相关性的差异识别PU信号，由于该方法不需要任何先验信息就能够检测到PU信号，有较好的检测性能，受到极大关注。近年来相继提出了CAV(covariance absolution value)、MME(Maximum Minimum Estimation)和MET(maximum eigenvalue trace)等协方差盲检测算法，MME和MET利用协方差矩阵特征值的差异进行PU信号检测，MET则根据协方差矩阵行列式与迹比值的不同进行判断。这些算法虽然实现了盲检测，但是在低复杂度条件下几乎无检测能力。有学者提出的FLA和FTM算法虽然利用特征向量性质提高了检测效率，但是其假定协方差矩阵的秩为1且采用复杂的特征学习算法，使得该算法在实际中操作性不高。

发明内容

本发明的目的是，针对多用户频谱协作感知在低信噪比条件下性能较低的问题，仅需要2个认知感知节点，不需要其他先验信息，利用主用户信号与噪 声信号特征向量相关性的不同，用较小的代价实现较高的检测性能。提出一种认知无线电中基于特征向量的双节点协方差盲检测方法。

实现发明的技术方案是，本发明通过双中继多天线的认知检测系统，采用双认知节点对频谱进行感知，对采样信号进行统计，计算采样协方差矩阵中最大特征向量，并进行比对。

本发明一种双中继多天线的认知检测系统，包括主用户(PU)、融合中心(FU)和两个多天线认知中继用户(CR)。主用户(PU)发送固定频道信号，在可感知范围内，认知中继用户(CR)采集空中信号，认知中继转发收集到的采样数据发送到融合中心(FU)进行处理。每个中继用户配有K根天线，认知中继配置的天线间的距离和夹角均完全相同。

s_i(n)表示第i个CR节点上K根天线接收到的PU信号向量，以下式表示：s_i(n)＝[s_i1(n),s_i2(n),…,s_iK(n)]^T。

x_i(n)表示FU接收到的来自第i个CR的信号向量，以下式表示:x_i(n)＝[x_i1(n),x_i2(n),…,x_iK(n)]^T；(·)^T表示矩阵转置。

假设PU到各个认知中继的信道条件相同，均为高斯信道，则噪声向量 其中N(·)为复高斯分布函数。

假设一个采样周期内采样数为N_s，从FU能完全无差错的接收来自CR用户的信息。采样周期内FU接收到来自CR的采样信号数据为：

x_i(n)＝s_i(n)+v_i(n)  0≤n＜N_s i＝1,2

假设发射信号与噪声信号独立。设PU发射信号为均值为0方差为1的独立随机信号。由于多天线状态完全相同，FU接收到的信号可以看作是服从相同的协方差矩阵。则FU处接收到第i个CR的信号x_i(n)服从分布：

$x_i\left(n\right)~\left\{\begin{array}{cc}N(0,{\mathrm{\σ}}_v^{2}I)& H_0\\ N(0,R+{\mathrm{\σ}}_v^{2}I)& H_1\end{array}\right.,i=1,2$

假设R＝E(ss^T)，E(·)表示数学期望，R为正定对称实矩阵。假设R的特征值为λ_N≤λ_N-1…≤λ₁，对应的特征向量为l_N…l₁，H₀和H₁分别表示不存在PU信号和存在PU信号时接收机的状态。

本发明一种认知无线电中基于特征向量的双节点协方差盲检测方法的实现步骤如下：

(1)第一步，系统中双CR同步对空中信号进行N_s次采样；

(2)第二步，CR把N_s个信号采样值转发给数据融合中心；

(3)第三步，融合中心计算2个CR采集数据的样本协方差矩阵，得

${\hat{R}}_i=\frac{1}{N_s}\underset{i=1}{\overset{Ns}{\Σ}}{x}_i\left(n\right)x_i{\left(n\right)}^T,i=1,2$

(4)第四步，对分别求出其最大特征值对应的特征向量a₁和b₁；

(5)第五步，求解向量a₁和b₁的相关系数； 

(6)第六步，相关系数与设定门限值ε进行比较，a₁ ^Tb₁＞ε，当相关系数大于门限值ε时，判断系统存在PU信号，反之判断系统中不存在PU信号，即

式中，T(n)表示判决函数，用来判断是否存在主用户信号；H₀表示不存在PU信号时接收机的状态；H₁表示存在PU信号时接收机的状态。

本发明的有益效果是，本发明通过双中继多天线的认知检测系统，采用双认知节点对频谱进行感知，对采样信号进行统计，计算采样协方差矩阵中最大特征向量，并进行比对。较好地解决了多用户频谱协作感知在低信噪比条件下性能较低的问题，实现了盲检测。

附图说明

图1本发明认知检测系统网络结构模型图；

图2基于特征向量的双用户分集协方差盲检测方法流程图。

具体实施方式

本发明的具体实施方式如图2所示。

本发明包含以下六个步骤：

(1)2个CR同步在一段时间内对空中信号进行采样，采样次数为N_s；

(2)CR分别把N_s个信号采样值转发给数据融合中心；

(3)融合中心分别计算2个CR采集数据的样本协方差矩阵；

(4)对样本协方差矩阵分别求出其最大特征值对应的特征向量；

(5)求解2个特征向量a₁和b₁之间的相关系数；

(6)相关系数与设定门限值进行比较，当相关系数大于门限值时，判断系统存在PU信号，反之判断系统中不存在PU信号。

Claims (4)

1.一种认知无线电中基于特征向量的双节点协方差盲检测方法，其特征在于，所述方法通过双中继多天线的认知检测系统，采用双认知节点对频谱进行感知，对采样信号进行统计，计算采样协方差矩阵中最大特征向量，并进行比对，判断系统存在PU信号与否。

2.根据权利要求1所述的认知无线电中基于特征向量的双节点协方差盲检测方法，其特征在于，所述认知检测系统包括主用户PU、融合中心FU和两个多天线认知中继用户CR；主用户PU发送固定频道信号，在可感知范围内，认知中继用户CR采集空中信号，认知中继转发收集到的采样数据发送到融合中心(FU)进行处理；每个中继用户配有K根天线，认知中继配置的天线间的距离和夹角均完全相同。

3.根据权利要求1所述的认知无线电中基于特征向量的双节点协方差盲检测方法，其特征在于，所述方法的实现步骤包括：

(1)第一步，所述检测系统中双CR同步对空中信号进行N_s次采样；

(2)第二步，CR把N_s个信号采样值转发给数据融合中心；

(3)第三步，所述融合中心计算2个CR采集数据的样本协方差矩阵，得

${\hat{R}}_i=\frac{1}{N_s}\underset{i=1}{\overset{Ns}{\Σ}}{x}_i\left(n\right)x_i{\left(n\right)}^T,i=1,2$

(4)第四步，对分别求出其最大特征值对应的特征向量a₁和b₁；

(5)第五步，求解向量a₁和b₁的相关系数；

(6)第六步，相关系数与设定门限值ε进行比较，a₁ ^Tb₁＞ε，当相关系数大于门限值ε时，判断系统存在PU信号，反之判断系统中不存在PU信号，即

$T\left(n\right)={a_1}^T{b}_1\frac{\stackrel{H_1}{>}}{\underset{H_0}{<}}\mathrm{\&epsiv;};$

式中，T(n)表示判决函数，用来判断是否存在主用户信号；H₀表示不存在PU信号时接收机的状态；H₁表示存在PU信号时接收机的状态。

4.根据权利要求3所述的认知无线电中基于特征向量的双节点协方差盲检测方法，其特征在于，所述x_i(n)表示FU接收到的来自第i个CR的信号向量，x_i(n)＝[x_i1(n),x_i2(n),…,x_iK(n)]^T；(·)^T表示矩阵转置。