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

认知无线电中基于特征向量的双节点协方差盲检测方法 Download PDF

Info

Publication number
CN104954308A
CN104954308A CN201510296316.4A CN201510296316A CN104954308A CN 104954308 A CN104954308 A CN 104954308A CN 201510296316 A CN201510296316 A CN 201510296316A CN 104954308 A CN104954308 A CN 104954308A
Authority
CN
China
Prior art keywords
cognitive
signal
binode
covariance
sampling
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.)
Pending
Application number
CN201510296316.4A
Other languages
English (en)
Inventor
李映雪
朱文广
黄春明
钟士元
雷静
王伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
Economic and Technological Research Institute of State Grid Jiangxi Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Economic and Technological Research Institute of State Grid Jiangxi Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, Economic and Technological Research Institute of State Grid Jiangxi Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201510296316.4A priority Critical patent/CN104954308A/zh
Publication of CN104954308A publication Critical patent/CN104954308A/zh
Pending legal-status Critical Current

Links

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L27/00Modulated-carrier systems
    • H04L27/0006Assessment of spectral gaps suitable for allocating digitally modulated signals, e.g. for carrier allocation in cognitive radio

Landscapes

  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)

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。
si(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:si(n)=[si1(n),si2(n),…,siK(n)]T
xi(n)表示FU接收到的来自第i个CR的信号向量,以下式表示:xi(n)=[xi1(n),xi2(n),…,xiK(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Ns,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:
xi(n)=si(n)+vi(n)  0≤n<Ns 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xi(n)服从分布:
x i ( n ) ~ N ( 0 , σ v 2 I ) H 0 N ( 0 , R + σ v 2 I ) H 1 , i = 1 , 2
假设R=E(ssT),E(·)表示数学期望,R为正定对称实矩阵。假设R的特征值为λN≤λN-1…≤λ1,对应的特征向量为lN…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Ns次采样;
(2)第二步,CR把Ns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
R ^ i = 1 N s Σ i = 1 N s x i ( n ) x i ( n ) 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Ns
(2)CR分别把Ns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Ns次采样;
(2)第二步,CR把Ns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
R ^ i = 1 N s Σ i = 1 N s x i ( n ) x i ( n ) 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 ( n ) = a 1 T b 1 > H 1 < H 0 &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xi(n)表示FU接收到的来自第i个CR的信号向量,xi(n)=[xi1(n),xi2(n),…,xiK(n)]T;(·)T表示矩阵转置。
CN201510296316.4A 2015-06-02 2015-06-02 认知无线电中基于特征向量的双节点协方差盲检测方法 Pending CN104954308A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510296316.4A CN104954308A (zh) 2015-06-02 2015-06-02 认知无线电中基于特征向量的双节点协方差盲检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510296316.4A CN104954308A (zh) 2015-06-02 2015-06-02 认知无线电中基于特征向量的双节点协方差盲检测方法

Publications (1)

Publication Number Publication Date
CN104954308A true CN104954308A (zh) 2015-09-30

Family

ID=54168668

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510296316.4A Pending CN104954308A (zh) 2015-06-02 2015-06-02 认知无线电中基于特征向量的双节点协方差盲检测方法

Country Status (1)

Country Link
CN (1) CN104954308A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108307398A (zh) * 2017-01-13 2018-07-20 中国移动通信集团四川有限公司 识别基站天线的阻挡情况的方法及系统
CN112260781A (zh) * 2020-09-11 2021-01-22 南京邮电大学 一种基于反向散射与空中计算的协作频谱检测方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103259631A (zh) * 2013-05-13 2013-08-21 杭州电子科技大学 Mimo系统中基于特征函数的频谱盲检测方法
CN103297159A (zh) * 2013-05-10 2013-09-11 东南大学 一种频谱感知方法、频谱感知装置
CN103391143A (zh) * 2013-07-29 2013-11-13 哈尔滨工业大学深圳研究生院 基于特征值的多天线盲频谱感知方法及系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103297159A (zh) * 2013-05-10 2013-09-11 东南大学 一种频谱感知方法、频谱感知装置
CN103259631A (zh) * 2013-05-13 2013-08-21 杭州电子科技大学 Mimo系统中基于特征函数的频谱盲检测方法
CN103391143A (zh) * 2013-07-29 2013-11-13 哈尔滨工业大学深圳研究生院 基于特征值的多天线盲频谱感知方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李映雪: ""认知无线电中的频谱感知技术研究"", 《中国博士学位论文全文数据库 信息科技辑》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108307398A (zh) * 2017-01-13 2018-07-20 中国移动通信集团四川有限公司 识别基站天线的阻挡情况的方法及系统
CN108307398B (zh) * 2017-01-13 2021-09-28 中国移动通信集团四川有限公司 识别基站天线的阻挡情况的方法及系统
CN112260781A (zh) * 2020-09-11 2021-01-22 南京邮电大学 一种基于反向散射与空中计算的协作频谱检测方法
CN112260781B (zh) * 2020-09-11 2021-10-19 南京邮电大学 一种基于反向散射与空中计算的协作频谱检测方法
JP2022543911A (ja) * 2020-09-11 2022-10-14 南京郵電大学 後方散乱及び空中計算に基づく協調スペクトル検出方法
JP7169036B2 (ja) 2020-09-11 2022-11-10 南京郵電大学 後方散乱及び空中計算に基づく協調スペクトル検出方法

Similar Documents

Publication Publication Date Title
CN107769828B (zh) 一种基于特征值提取的csi-mimo室内定位方法及系统
CN102118199B (zh) 基于空时分集的多天线频谱感知方案的实现方法
Kortun et al. On the performance of eigenvalue-based cooperative spectrum sensing for cognitive radio
Chen et al. Taming the inconsistency of Wi-Fi fingerprints for device-free passive indoor localization
US20110177786A1 (en) Method and system for identification and mitigation of errors in non-line-of-sight distance estimation
CN103220052B (zh) 一种认知无线电中检测频谱空洞的方法
CN107820255B (zh) 一种改进的协方差绝对值协作频谱感知方法
CN104320845B (zh) 一种基于传感器和量子智能计算的主用户定位方法
CN103795479B (zh) 一种基于特征值的协作频谱感知方法
KR100948412B1 (ko) 수신 신호 강도를 이용한 위치추정 방법 및 시스템
CN108038419B (zh) 基于Wi-Fi的室内人员被动检测方法
CN109714737B (zh) 一种具有全双工基站蜂窝网络的d2d隐蔽通信系统及其通信方法
CN103873171B (zh) 基于多用户互协作的协作频谱感知决策融合方法
CN102412918A (zh) 一种基于过采样的空时相关的glrt检测方法
CN103491551B (zh) 一种基于特征向量的加权协作频谱感知方法
CN104780006A (zh) 基于最小错误概率准则的频谱检测器软融合方法
CN104702355A (zh) 一种大小尺度衰落信道下宽带协作频谱感知方法
CN110535546A (zh) 一种基于稀疏多径感知的滑动互相关帧检测方法
Tian et al. WiFi-based adaptive indoor passive intrusion detection
CN104079359B (zh) 一种认知无线网络中协作频谱感知门限优化方法
CN106100776B (zh) 基于无线台站网格监测系统的频谱感知方法
CN104954308A (zh) 认知无线电中基于特征向量的双节点协方差盲检测方法
Chatzinotas et al. Asymptotic analysis of eigenvalue-based blind spectrum sensing techniques
Kortun et al. Exact performance analysis of blindly combined energy detection for spectrum sensing
CN103117821B (zh) 一种基于瑞利商的加权协作频谱感知方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20150930

WD01 Invention patent application deemed withdrawn after publication