CN105375996B - 在脉冲噪声环境下基于顺序统计的频谱感知方法 - Google Patents
在脉冲噪声环境下基于顺序统计的频谱感知方法 Download PDFInfo
- Publication number
- CN105375996B CN105375996B CN201510659322.1A CN201510659322A CN105375996B CN 105375996 B CN105375996 B CN 105375996B CN 201510659322 A CN201510659322 A CN 201510659322A CN 105375996 B CN105375996 B CN 105375996B
- Authority
- CN
- China
- Prior art keywords
- sampled point
- mrow
- msub
- frequency spectrum
- msup
- 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
- Noise Elimination (AREA)
Abstract
本发明公开一种在脉冲噪声环境下基于顺序统计的频谱感知方法,首先从认知无线电监测信道中进行多次采样,经过下变频及模数变换后得到基带采样点;接着对该采样点进行范数估计;接着根据所求范数估计值再计算脉冲噪声在接收采样点集合中所占比例;然后对其进行排序且选取排序后幅值较大的采样点,并把它们作为一个集合;再利用预设的临界值去计算幅度门限值并且筛选出幅度大于幅度门限值的采样点作为一个集合;接着把从排序后得到的较大采样点集合与幅度值大于幅度门限值的采样点集合取并集,并把去除该并集内的采样点后的采样点用来做频谱感知,并把得到的结果和两倍的方差值作比较,然后根据比较结果则判定该监测信道是否被占用。
Description
技术领域
本发明涉及认知无线电的频谱感知技术领域,具体涉及一种在脉冲噪声环境下基于顺序统计的频谱感知方法。
背景技术
随着无线通信业务需求的快速增长,可用频谱资源变得愈来愈稀缺,认知无线电已经成为解决现有频谱资源匮乏的非常有前景的技术。认知无线电是一种智能的无线通信系统,它能感知周围的无线环境,通过一定的方法相应的改变某些工作参数来实时的适应环境,从而达到提高频谱利用率、缓解频谱资源紧张的目的。而频谱感知是认知无线电中最具有挑战的问题之一。
目前国内外提出的感知方法主要有以下三种:一是基于能量检测的频谱感知方法;二是基于信号特征的频谱感知方法;三是分布式协作感知方法。这些频谱感知方法是在考虑平稳噪声环境下,直接利用所有采样数据进行频谱检测。但在存在雷电、汽车打火等引起的脉冲干扰的情况下,已有频谱感知方法的虚警概率会急剧增加,从而使得频谱资源利用率严重下降。
发明内容
本发明所要解决的现有感知方法在脉冲噪声干扰下存在虚警概率增加及频谱资源利用率低的问题,提供一种在脉冲噪声环境下基于顺序统计的频谱感知方法,其能够有效降低在脉冲噪声环境下的虚警概率,提高频谱资源利用率。
为解决上述问题,本发明是通过以下技术方案实现的:
在脉冲噪声环境下基于顺序统计的频谱感知方法,包括如下步骤:
步骤1、对无线电监测信道中进行采样,得到采样点集合;
步骤2、计算脉冲噪声在采样点集合中的比例A,即
式中,A表示脉冲噪声在采样点集合中所占比例;m4表示四阶范数估计值,m6表示六阶范数估计值,r(n)表示采样点的接收信号的幅值,N表示采样点的个数;
步骤3、根据采样点的幅值,对采样点集合的所有采样点即N个采样点进行排序后,并从排序后的采样点集合中由大到小选取出M个采样点,形成第一集合φ;上述M的计算公式如下:
M=AN+ξ
式中,A表示脉冲噪声在采样点集合中所占比例;N表示采样点的个数;ξ表示可调参数;
步骤4、设定幅度门限xα,并从采样点集合的N个采样点中选取出幅值大于幅度门限xa的采样点,形成第二集合ψ;
步骤5、求第一集合φ与第二集合ψ的并集,并从采样点集合的N个采样点中将并集中的采样点去除,形成用于频谱感知的感知集合θ;
步骤6、对感知集合θ进行频谱感知。
上述步骤3中,对采样点集合进行排序的目的仅是为了能够从中选取出M个幅值较大的采样点。其既可以对采样点集合的N个采样点的幅值进行大到小的排序,此时由前向后从排序后的采样点集合中选取出M个采样点即为幅值较大的采样点;又可以对采样点集合的N个采样点的幅值进行小到大的排序,此时由后向前从排序后的采样点集合中选取出M个采样点即为幅值较大的采样点。
上述步骤4中,幅度门限xa可以根据经验采用直接人为设定的方式进行确定,也可以通过以下公式进行确定,即
式中,α表示预设的临界值; A表示脉冲噪声在采样点集合中所占比例;m2表示二阶范数估计值;m4表示四阶范数估计值;m6表示六阶范数估计值;r(n)表示采样点的幅值,N表示采样点的个数。
上述步骤6中,对感知集合θ进行频谱感知的具体方法如下,即当时,说明频谱被占用状态;当时,说明频谱处于空闲状态;其中r(ni)表示感知集合的采样点的幅值;i=1,2,...,π,π表示感知集合的采样点的个数;α0表示设定的感知阈值。
与现有技术相比,本发明通过在无线电监测信道中进行多次采样,并对其进行下变频、模数变换、范数估计、计算噪声脉冲在该采样点集合中所占比例,然后对采样点集合进行排序并筛选出其中较大幅值的样点作为一个集合,再通过设定一个幅度门限值筛选出大于该值的样点作为另一个集合;取出去除这两个集合求并集后的采样点与两倍的方差值作比较,从而判断频谱是否处于空闲状态,进而实现频谱感知。本发明有效的避免了现有频谱感知方法所存在的在脉冲噪声干扰下虚警概率大幅增加的缺陷,从而有效的提高了频谱资源的利用率。
附图说明
图1为在脉冲噪声环境下基于顺序统计的频谱感知方法的流程图。
具体实施方式
本发明所设计的一种在脉冲噪声环境下基于顺序统计的频谱感知方法,首先从认知无线电监测信道中进行多次采样,并把采样的采样点作为一个集合,其经过下变频及模数变换后得到基带采样点;接着对该采样点进行二阶、四阶及六阶范数估计;接着根据所求范数估计值再计算脉冲噪声在接收采样点集合中所占比例;然后对其进行从小到大的排序且选取排序后幅值较大的采样点,并把它们作为一个集合;再利用预设的临界值去计算幅度门限值并且筛选出幅度大于幅度门限值的采样点作为一个集合;接着把从排序后得到的较大采样点集合与幅度值大于幅度门限值的采样点集合取并集,并把去除该并集内的采样点后的采样点用来做频谱感知,并把得到的结果和两倍的方差值作比较,然后根据比较结果则判定该监测信道是否被占用。
具体来说,一种在脉冲噪声环境下基于顺序统计的频谱感知方法,参见图1,包括如下步骤:
步骤A、在认知无线电监测信道中,对监测信道内的信号进行多次采样,并将其作为一个采样点集合,然后经下变频和模数变换等基带信号处理后,得各个采样点的幅值r(n);其中,n=1,2...,N,N表示采样点的个数;
步骤B、对基于接收信号的采样点集合进行二阶范数估计、四阶范数估计及六阶范数估计;
式中,m2表示二阶范数估计值,m4表示四阶范数估计值,m6表示六阶范数估计值,r(n)表示采样点的幅值,N表示采样点的个数;
步骤C、计算脉冲噪声在采样点集合中的比例;
式中,A表示脉冲噪声在采样点集合中所占比例;m4表示四阶范数估计值;m6表示六阶范数估计值;
步骤D、对采样点集合的N个采样点的幅值进行排序,并从中选取M个接收信号的幅值较大的采样点,形成第一集合φ,φ={r(n1),r(n2)...r(nM)};上述排序方式可以采用从小到大的排序方式,也可以采用从大到小的排序方式;上述M的计算公式如下:
M=AN+ξ (3)
式中,A表示脉冲噪声在采样点集合中所占比例;N表示采样点的个数;ξ表示可调参数,该值为设定值,通常取2;
步骤E、设定幅度门限xα,并从采样点集合的N个采样点中选取出接收信号的幅值大于幅度门限xα的采样点,形成第二集合ψ,ψ={r(n)>xα},n=1,2,...,N;
上述幅度门限xa可以采用直接设定的方式进行确定,也可以通过以下计算方式进行确定,即:
1-α=F(xa)N (4)
式中,先预设一个临界值α;F(xα)是考虑脉冲噪声的接收信号的CDF(累积分布函数),其PDF(概率密度函数)为:
于是有
式中,是由二阶、四阶、六阶范数估计值及噪声比例A构成,m2表示二阶范数估计值,m4表示四阶范数估计值;m6表示六阶范数估计值;A表示脉冲噪声在采样点集合中所占比例;
步骤F、求第一集合φ与第二集合ψ的并集γ,γ=φ∪ψ,并从采样点集合的N个采样点中将并集γ中的采样点去除,形成用于频谱感知的感知集合θ,θ={r(ni)},i=1,2,...,π,其中π表示感知集合的采样点的个数;
步骤G、对步骤F所得的用于频谱感知的感知集合θ进行频谱感知。其中进行频谱感知的具体公式可以采用现有技术已有的感知判断方法,也可以采用如下公式进行感,即
式中,r(ni)表示感知集合的采样点的幅值;i=1,2,...,π,π表示感知集合中采样点的个数;a0表示设定的感知阈值,其通常取为接收信号的方差。当时,说明频谱被占用状态;当时,说明频谱处于空闲状态。
Claims (4)
1.在脉冲噪声环境下基于顺序统计的频谱感知方法,其特征是,包括如下步骤:
步骤1、对无线电监测信道中进行采样,得到采样点集合;
步骤1.1、在认知无线电监测信道中,对监测信道内的信号进行多次采样,并将其作为一个采样点集合,然后经下变频和模数变换等基带信号处理后,得各个采样点的幅值r(n);其中,n=1,2...,N,N表示采样点的个数;
步骤1.2、对基于接收信号的采样点集合进行二阶范数估计、四阶范数估计及六阶范数估计;
<mrow>
<msub>
<mi>m</mi>
<mn>2</mn>
</msub>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mi>N</mi>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>n</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msup>
<mi>r</mi>
<mn>2</mn>
</msup>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
<mo>,</mo>
<msub>
<mi>m</mi>
<mn>4</mn>
</msub>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mi>N</mi>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>n</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msup>
<mi>r</mi>
<mn>4</mn>
</msup>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
<mo>,</mo>
<msub>
<mi>m</mi>
<mn>6</mn>
</msub>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mi>N</mi>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>n</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msup>
<mi>r</mi>
<mn>6</mn>
</msup>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
式中,m2表示二阶范数估计值,m4表示四阶范数估计值,m6表示六阶范数估计值,r(n)表示采样点的幅值,N表示采样点的个数;
步骤2、计算脉冲噪声在采样点集合中的比例A,即
<mrow>
<mi>A</mi>
<mo>=</mo>
<mfrac>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>m</mi>
<mn>4</mn>
</msub>
<mo>/</mo>
<mn>2</mn>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mn>3</mn>
</msup>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>m</mi>
<mn>6</mn>
</msub>
<mo>/</mo>
<mn>6</mn>
<mo>-</mo>
<mn>3</mn>
<msub>
<mi>m</mi>
<mn>4</mn>
</msub>
<mo>/</mo>
<mn>2</mn>
<mo>+</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mfrac>
</mrow>
式中,A表示脉冲噪声在采样点集合中所占比例;m4表示四阶范数估计值,m6表示六阶范数估计值,r(n)表示采样点的接收信号的幅值,N表示采样点的个数;
步骤3、根据采样点的幅值,对采样点集合的所有采样点即N个采样点进行排序后,并从排序后的采样点集合中由大到小选取出M个采样点,形成第一集合φ;上述M的计算公式如下:
M=AN+ξ
式中,A表示脉冲噪声在采样点集合中所占比例;N表示采样点的个数;ξ表示可调参数;
步骤4、设定幅度门限xα,并从采样点集合的N个采样点中选取出幅值大于幅度门限xα的采样点,形成第二集合ψ;
步骤5、求第一集合φ与第二集合ψ的并集,并从采样点集合的N个采样点中将并集中的采样点去除,形成用于频谱感知的感知集合θ;
步骤6、对感知集合θ进行频谱感知。
2.根据权利要求1所述在脉冲噪声环境下基于顺序统计的频谱感知方法,其特征是,步骤3中,对采样点集合的N个采样点的幅值进行小到大的排序。
3.根据权利要求1所述在脉冲噪声环境下基于顺序统计的频谱感知方法,其特征是,步骤4中,幅度门限xα通过以下公式进行确定,即
<mrow>
<mn>1</mn>
<mo>-</mo>
<mi>&alpha;</mi>
<mo>=</mo>
<msup>
<mrow>
<mo>&lsqb;</mo>
<mfrac>
<msup>
<mi>e</mi>
<mrow>
<mo>-</mo>
<mi>A</mi>
</mrow>
</msup>
<mn>2</mn>
</mfrac>
<mi>e</mi>
<mi>r</mi>
<mi>f</mi>
<mi>c</mi>
<mrow>
<mo>(</mo>
<mo>-</mo>
<mfrac>
<msub>
<mi>x</mi>
<mi>&alpha;</mi>
</msub>
<mrow>
<msqrt>
<mn>2</mn>
</msqrt>
<msub>
<mi>&sigma;</mi>
<mn>0</mn>
</msub>
</mrow>
</mfrac>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mfrac>
<mrow>
<mn>1</mn>
<mo>-</mo>
<msup>
<mi>e</mi>
<mrow>
<mo>-</mo>
<mi>A</mi>
</mrow>
</msup>
</mrow>
<mn>2</mn>
</mfrac>
<mi>e</mi>
<mi>r</mi>
<mi>f</mi>
<mi>c</mi>
<mrow>
<mo>(</mo>
<mo>-</mo>
<mfrac>
<msub>
<mi>x</mi>
<mi>&alpha;</mi>
</msub>
<mrow>
<mn>2</mn>
<msub>
<mi>&sigma;</mi>
<mn>1</mn>
</msub>
</mrow>
</mfrac>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mi>N</mi>
</msup>
</mrow>
式中,α表示预设的临界值; A表示脉冲噪声在采样点集合中所占比例;m2表示二阶范数估计值;m4表示四阶范数估计值;m6表示六阶范数估计值;r(n)表示采样点的幅值,N表示采样点的个数,e表示指数函数,erfc表示误差函数。
4.根据权利要求1所述在脉冲噪声环境下基于顺序统计的频谱感知方法,其特征是,步骤6中,对感知集合θ进行频谱感知的具体方法如下,即当时,说明频谱被占用状态;当时,说明频谱处于空闲状态;其中r(ni)表示感知集合的采样点的幅值;i=1,2,...,π,π表示感知集合的采样点的个数;α0表示设定的感知阈值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510659322.1A CN105375996B (zh) | 2015-10-12 | 2015-10-12 | 在脉冲噪声环境下基于顺序统计的频谱感知方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510659322.1A CN105375996B (zh) | 2015-10-12 | 2015-10-12 | 在脉冲噪声环境下基于顺序统计的频谱感知方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105375996A CN105375996A (zh) | 2016-03-02 |
CN105375996B true CN105375996B (zh) | 2017-10-03 |
Family
ID=55377837
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510659322.1A Active CN105375996B (zh) | 2015-10-12 | 2015-10-12 | 在脉冲噪声环境下基于顺序统计的频谱感知方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105375996B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106597243B (zh) * | 2017-02-14 | 2018-12-07 | 吴笃贵 | 一种基于局部放电全息数据的概率特征参数提取方法 |
CN114745027B (zh) * | 2022-03-23 | 2024-05-28 | 深圳市国电科技通信有限公司 | 电力线通信脉冲噪声识别方法和系统、存储介质 |
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 (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101359930A (zh) * | 2008-09-12 | 2009-02-04 | 南京邮电大学 | 认知无线电系统中基于最大特征值的频谱感知方法 |
CN102710349A (zh) * | 2012-05-31 | 2012-10-03 | 宁波大学 | 一种脉冲干扰环境下基于数据挑选的频谱感知方法 |
CN102946288A (zh) * | 2012-11-23 | 2013-02-27 | 西安电子科技大学 | 基于自相关矩阵重构的压缩频谱感知方法 |
CN102111228B (zh) * | 2011-02-28 | 2013-05-01 | 哈尔滨工业大学 | 一种基于循环对称性的认知无线电频谱感知方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103141067B (zh) * | 2010-08-30 | 2016-11-09 | 新加坡科技研究局 | 频带识别方法、装置 |
CN102882616A (zh) * | 2012-09-25 | 2013-01-16 | 哈尔滨工程大学 | 一种基于复杂度的快速盲频谱感知方法 |
-
2015
- 2015-10-12 CN CN201510659322.1A patent/CN105375996B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101359930A (zh) * | 2008-09-12 | 2009-02-04 | 南京邮电大学 | 认知无线电系统中基于最大特征值的频谱感知方法 |
CN102111228B (zh) * | 2011-02-28 | 2013-05-01 | 哈尔滨工业大学 | 一种基于循环对称性的认知无线电频谱感知方法 |
CN102710349A (zh) * | 2012-05-31 | 2012-10-03 | 宁波大学 | 一种脉冲干扰环境下基于数据挑选的频谱感知方法 |
CN102946288A (zh) * | 2012-11-23 | 2013-02-27 | 西安电子科技大学 | 基于自相关矩阵重构的压缩频谱感知方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105375996A (zh) | 2016-03-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110191071B (zh) | 一种窄带物联网系统中基于信道估计的测量方法及装置 | |
CN106169945A (zh) | 一种基于最大最小特征值之差的协作频谱感知方法 | |
CN105375996B (zh) | 在脉冲噪声环境下基于顺序统计的频谱感知方法 | |
CN101764786B (zh) | 基于聚类算法的mqam信号识别方法 | |
CN103716262B (zh) | 基于时域参数提取的信道估计方法 | |
CN105680905B (zh) | 一种适用于任意调制度的fm、pm信号载波捕获方法 | |
CN103281142B (zh) | 联合时域双门限和频域变点数的能量检测方法和装置 | |
CN108901029B (zh) | 一种基于深度学习的室内外用户区分方法 | |
CN106534019A (zh) | 小区测量的方法、装置及用户设备 | |
CN113447893B (zh) | 一种雷达脉冲信号频谱自动检测方法、系统及介质 | |
CN105721080A (zh) | 一种频谱感知方法及装置 | |
CN107070568A (zh) | 一种基于希尔伯特黄变换的频谱感知方法 | |
CN106357575A (zh) | 一种多参数联合估计的干扰类型识别方法 | |
CN107370548A (zh) | 一种基于无线电环境地图的协作宽带频谱感知方法 | |
CN103841566B (zh) | 移动模型下存在恶意用户攻击的基于d‑s证据理论的协作频谱感知方法 | |
CN105491572B (zh) | 基于判决门限优化的联合频谱感知方法 | |
CN102843316B (zh) | 一种莫尔斯报信号处理装置和处理方法 | |
CN101383629A (zh) | 非相干能量检测uwb接收机误码率性能优化方法 | |
CN102386985A (zh) | 适用于马尔可夫业务模型的频谱感知方法 | |
CN102137051A (zh) | 用于无线传感器网络的干扰检测方法及其检测装置 | |
CN105704070B (zh) | 一种终端及其时域内插控制方法和装置 | |
CN103051401A (zh) | 基于小波的认知无线电频谱感知方法 | |
CN203423805U (zh) | Lte信号识别装置 | |
CN104464747B (zh) | 分段处理机载选择呼叫系统选呼信号的解码方法 | |
CN102868654B (zh) | 一种认知网络中数字调制信号的分类方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |