CN105721083A - 一种基于自相关能量的频谱检测方法 - Google Patents

Abstract

本发明涉及以一种基于自相关能量的频谱检测方法，将接收信号的自相关函数应用于无线认知网络的频谱检测中，利用主用户信号与噪声的无关性，将被检信号中的有用信号和噪声进行有效分离，实现信号的快速、准确检测，解决了在低信噪比或噪声波动的环境下的频谱检难题。仿真结果表明采用本案的频谱检测方法，可以有效降低信道噪声对频谱检测的影响，提高了频谱检测精度。本发明与已有的频谱检测方法相比显著提高了频谱检测性能。

Description

一种基于自相关能量的频谱检测方法

技术领域

本发明涉及协作中继认知无线网络时隙分配方法，属于无线电通信领域。

背景技术

随着无线通信业务的快速发展，不断增长的频谱需求和日益匮乏的频谱资源之间的矛盾越来越突出。现有的固定频谱分配模式只能将可用的频谱资源分配给特定的用户，频谱利用率很低，已无法适应现代通信发展的需求。将认知无线电技术引入到无线通信中可以有效解决这一矛盾，认知无线电技术受到人们的青睐。

在认知无线网络中，次用户(认知用户)首先检测自身周围的频谱环境。当他发现存在空闲频谱时，他将调整自身的工作参数，接入空闲频段，传输数据。同时，次用户不停地检测信道状态。一旦发现主用户(授权用户)在该频段上工作(存在)，次用户得必须立刻退出该频段以免干扰主用户的信号传输，然后寻找新的空闲频谱重新接入。

典型的频谱检测方法有能量检测、匹配滤波器检测、循环平稳特征检测和特征值检测等。

能量检测方法简单，不需要主用户信号的先验信息，它根据接收信号的能量或功率大小来判断主用户信号是否存在。但它的判决门限容易受到信道噪声的影响，在低信噪比或噪声波动的环境下频谱检测性能很差。

匹配滤波器检测法根据主用户信号的特征构建匹配滤波器以达到最佳检测效果，但它需要主用户信号的先验信息，这在一般环境下是无法满足的。

循环平稳特征检测法根据主用户信号的内在周期性或循环平稳特征进行检测，对噪声波动具有很强的鲁棒性。但它计算复杂，需要较长的观察时间观察信号的循环特征，频谱检测的实时性较差。另外，对于没有循环特征的主信号就无法检测。

特征值检测法根据接收信号矩阵的特征值进行频谱检测，它对噪声波动具有较好的鲁棒性，适用于绝大多数主信号检测的。但它计算复杂，需要较长的观察时间以获取接收信号矩阵，频谱检测的实时性较差。

因此，如何设计一种快速简易的频谱检测方法，并且在低信噪比或噪声波动的环境下具有较好的频谱检测性能是目前认知无线网络中频谱检测的一个难题。

发明内容

为了克服上述现有技术的不足，本发明提出了一种快速简易的频谱检测方法。该方法在低信噪比或噪声波动的环境下具有较好的频谱检测性能，有效解决了当前认知无线网络中频谱检测的难题。

为了达到上述目的，本发明一种基于自相关能量的频谱检测方法，包括如下步骤：

第1步、自相关函数计算，对次用户在一个检测周期内接收到的信号y(n)，n＝0,1,…,N-1，其中N是样本数，按照如下公式计算自相关函数r_yy(m)：

$r_{yy}\left(m\right)=\frac{1}{N}\underset{n=0}{\overset{N-1}{\Σ}}y\left(n\right)y(n-m)$

其中m＝1,2,...,N-1；

第2步、自相关能量计算，按照如下公式计算次用户接收信号的自相关能量ε：

$\mathrm{\ϵ}=\frac{1}{N-1}\underset{m=1}{\overset{N-1}{\Σ}}|r_{yy}\left(m\right){|}^2;$

第3步、特征参数计算，按照如下公式分别计算次用户接收信号自相关函数r_yy(m)的均值μ₁和方差

${\mathrm{\μ}}_1=E\[r_{yy}\left(m\right)\]=\frac{1}{N-1}\underset{m=1}{\overset{N-1}{\Σ}}\[\frac{1}{N}\underset{n=0}{\overset{N-1}{\Σ}}y\left(n\right)y(n-m)\]$

${\mathrm{\σ}}_1^2=D\[r_{yy}\left(m\right)\]=\frac{1}{N-1}\underset{m=1}{\overset{N-1}{\Σ}}{\[r_{yy}\left(m\right)-{\mathrm{\μ}}_1\]}^2$

其中，E[x]、D[x]分别为x的均值和方差；

第4步、判决门限值计算，按照如下公式计算判决门限值γ：

$\mathrm{\γ}=\frac{-B+\sqrt{B^2-4AC}}{2A}$

其中

$A=({\mathrm{\σ}}_1^4+2{\mathrm{\σ}}_1^2{\mathrm{\μ}}_1^2-{\mathrm{\σ}}_0^4)$

$B=2{\mathrm{\σ}}_0^2\[{\mathrm{\σ}}_0^2({\mathrm{\σ}}_1^2+{{\mathrm{\μ}}_1}^2)-{\mathrm{\σ}}_1^2({\mathrm{\σ}}_1^2+2{{\mathrm{\μ}}_1}^2)\]$

$C=-{\mathrm{\σ}}_0^4{{\mathrm{\μ}}_1}^4-\frac{4{\mathrm{\σ}}_0^4{\mathrm{\σ}}_1^2({\mathrm{\σ}}_1^2+2{{\mathrm{\μ}}_1}^2)}{N-1}ln\[\frac{\sqrt{{\mathrm{\σ}}_1^2({\mathrm{\σ}}_1^2+2{{\mathrm{\μ}}_1}^2)}}{{\mathrm{\σ}}_0^2}\]$

${\mathrm{\σ}}_0^2=\frac{{\mathrm{\σ}}_n^4}{N}$

为信道噪声功率；

第5步、频谱判决，次用户根据第2步计算的接收信号自相关能量ε和第4步计算的判决门限值γ进行比较，如果ε>γ，则判定主用户信号存在；否则，主用户信号不存在。

本发明方法将接收信号的自相关函数应用于无线认知网络的频谱检测中，利用主用户信号与噪声的无关性，将被检信号中的有用信号和噪声进行有效分离，实现信号的快速、准确检测，解决了在低信噪比或噪声波动的环境下的频谱检难题。由此可产生如下的有益效果：

(1)通过接收信号的自相关函数计算，实现被检信号的有用信号和信道噪声的有效分离；

(2)根据信道噪声设定判决门限，并赋予自适应功能，能适应信道噪声的动态变化，提高信号感知与检测准确率；

(3)系统结构简单、运算复杂度低、检测时间短、应用范围广。

附图说明

下面结合附图对本发明作进一步的说明。

图1是本发明实施例频谱检测流程图。

具体实施方式

下面结合附图和具体实施例对本发明做进一步说明。

本发明实施一种基于自相关能量的频谱检测方法(流程图见图1)，包括如下步骤：

第1步、自相关函数计算，对次用户在一个检测周期内接收到的信号y(n)，n＝0,1,…,N-1，其中N是样本数，按照如下公式计算自相关函数r_yy(m)：

$r_{yy}\left(m\right)=\frac{1}{N}\underset{n=0}{\overset{N-1}{\Σ}}y\left(n\right)y(n-m)$

其中m＝1,2,...,N-1；

第2步、自相关能量计算，按照如下公式计算次用户接收信号的自相关能量ε：

$\mathrm{\ϵ}=\frac{1}{N-1}\underset{m=1}{\overset{N-1}{\Σ}}|r_{yy}\left(m\right){|}^2;$

第3步、特征参数计算，按照如下公式分别计算次用户接收信号自相关函数r_yy(m)的均值μ₁和方差

${\mathrm{\μ}}_1=E\[r_{yy}\left(m\right)\]=\frac{1}{N-1}\underset{m=1}{\overset{N-1}{\Σ}}\[\frac{1}{N}\underset{n=0}{\overset{N-1}{\Σ}}y\left(n\right)y(n-m)\]$

${\mathrm{\σ}}_1^2=D\[r_{yy}\left(m\right)\]=\frac{1}{N-1}\underset{m=1}{\overset{N-1}{\Σ}}{\[r_{yy}\left(m\right)-{\mathrm{\μ}}_1\]}^2$

其中，E[x]、D[x]分别为x的均值和方差；

第4步、判决门限值计算，按照如下公式计算判决门限值γ：

$\mathrm{\γ}=\frac{-B+\sqrt{B^2-4AC}}{2A}$

其中

$A=({\mathrm{\σ}}_1^4+2{\mathrm{\σ}}_1^2{\mathrm{\μ}}_1^2-{\mathrm{\σ}}_0^4)$

$B=2{\mathrm{\σ}}_0^2\[{\mathrm{\σ}}_0^2({\mathrm{\σ}}_1^2+{{\mathrm{\μ}}_1}^2)-{\mathrm{\σ}}_1^2({\mathrm{\σ}}_1^2+2{{\mathrm{\μ}}_1}^2)\]$

$C=-{\mathrm{\σ}}_0^4{{\mathrm{\μ}}_1}^4-\frac{4{\mathrm{\σ}}_0^4{\mathrm{\σ}}_1^2({\mathrm{\σ}}_1^2+2{{\mathrm{\μ}}_1}^2)}{N-1}ln\[\frac{\sqrt{{\mathrm{\σ}}_1^2({\mathrm{\σ}}_1^2+2{{\mathrm{\μ}}_1}^2)}}{{\mathrm{\σ}}_0^2}\]$

${\mathrm{\σ}}_0^2=\frac{{\mathrm{\σ}}_n^4}{N}$

为信道噪声功率；

第5步、频谱判决，次用户根据第2步计算的接收信号自相关能量ε和第4步计算的判决门限值γ进行比较，如果ε>γ，则判定主用户信号存在；否则，主用户信号不存在，次用户可以使用该频段进行数据传输。

对本实施例的频谱检测方法进行仿真，仿真结果表明采用本案的频谱检测方法，可以根据信道噪声和接收信号大小找到最优判决门限，提高了频谱检测精度。可见，本发明实施例与已有的频谱检测方法相比显著提高了频谱检测性能。

除上述实施例外，本发明还可以有其他实施方式。凡采用等同替换或等效变换形成的技术方案，均落在本发明要求的保护范围。

Claims (3)

1.一种基于自相关能量的频谱检测方法，包括如下步骤：

第1步、自相关函数计算，对次用户在一个检测周期内接收到的信号y(n)，n＝0,1,…,N-1，其中N是样本数，按照如下公式计算自相关函数r_yy(m)：

$r_{yy}\left(m\right)=\frac{1}{N}\underset{n=0}{\overset{N-1}{\Σ}}y\left(n\right)y(n-m)$

其中m＝1,2,...,N-1；

第2步、自相关能量计算，按照如下公式计算次用户接收信号的自相关能量ε：

$\mathrm{\ϵ}=\frac{1}{N-1}\underset{m=1}{\overset{N-1}{\Σ}}|r_{yy}\left(m\right){|}^2;$

第3步、特征参数计算，按照如下公式分别计算次用户接收信号自相关函数r_yy(m)的均值μ₁和方差

${\mathrm{\μ}}_1=E\[r_{yy}\left(m\right)\]=\frac{1}{N-1}\underset{m=1}{\overset{N-1}{\Σ}}\[\frac{1}{N}\underset{n=0}{\overset{N-1}{\Σ}}y\left(n\right)y(n-m)\]$

${\mathrm{\σ}}_1^2=D\[r_{yy}\left(m\right)\]=\frac{1}{N-1}\underset{m=1}{\overset{N-1}{\Σ}}{\[r_{yy}\left(m\right)-{\mathrm{\μ}}_1\]}^2$

其中，E[x]、D[x]分别为x的均值和方差；

第4步、判决门限值计算，按照如下公式计算判决门限值γ：

$\mathrm{\γ}=\frac{-B+\sqrt{B^2-4AC}}{2A}$

其中

$A=({\mathrm{\σ}}_1^4+2{\mathrm{\σ}}_1^2{{\mathrm{\μ}}_1}^2-{\mathrm{\σ}}_0^4)$

$B=2{\mathrm{\σ}}_0^2\[{\mathrm{\σ}}_0^2({\mathrm{\σ}}_1^2+{{\mathrm{\μ}}_1}^2)-{\mathrm{\σ}}_1^2({\mathrm{\σ}}_1^2+2{{\mathrm{\μ}}_1}^2)\]$

$C=-{\mathrm{\σ}}_0^4{{\mathrm{\μ}}_1}^4-\frac{4{\mathrm{\σ}}_0^4{\mathrm{\σ}}_1^2({\mathrm{\σ}}_1^2+2{{\mathrm{\μ}}_1}^2)}{N-1}ln\[\frac{\sqrt{{\mathrm{\σ}}_1^2({\mathrm{\σ}}_1^2+2{{\mathrm{\μ}}_1}^2)}}{{\mathrm{\σ}}_0^2}\]$

${\mathrm{\σ}}_0^2=\frac{{\mathrm{\σ}}_n^4}{N}$

为信道噪声功率；

第5步、频谱判决，次用户根据第2步计算的接收信号自相关能量ε和第4步计算的判决门限值γ进行比较，如果ε>γ，则判定主用户信号存在；否则，主用户信号不存在。

2.根据权利要求1所述基于自相关能量的频谱检测方法，其特征在于：步骤1中，次用户接收信号自相关函数是不包括零点的自相关函数，即自相关函数r_yy(m)中不包括r_yy(0)。

3.根据权利要求1所述基于自相关能量的频谱检测方法，其特征在于：步骤2中，次用户接收信号的自相关能量计算是根据步骤1计算到的次用户接收信号自相关函数进行计算的。