CN106792728A - 接近最优非参数化认知无线电循环平稳合作频谱感知方法 - Google Patents

Abstract

本发明涉及一种接近最优非参数化认知无线电循环平稳合作频谱感知方法：在认知无线电网络系统当中，通过每个次级用户的射频前端进行采样，构建单用户非参数化判决循环统计量；根据单用户非参数化判决循环统计量，通过非参数化方法与最优化算法得到加权因子；根据加权因子以及单用户非参数化判决循环统计量，通过线性合并方法构建总判决统计量；根据给定的虚警概率及加权因子，计算总判决门限；并将总判决统计量与总判决门限进行比较，若总判决统计量大于等于总判决门限，则判断主用户信号出现；否则判断主用户信号未出现。本发明解决了在多用户合作条件下，如何使用累积量技术通过非参数化以及最优化的方法，充分利用了搜索到的每个用户的信息。

Description

接近最优非参数化认知无线电循环平稳合作频谱感知方法

技术领域

本发明涉及一种接优近最非参数化认知无线电循环平稳合作频谱感知方法。

背景技术

随着近几十年来无线通信技术的应用以及业务的快速发展，人们对无线频谱资源的需求也变得越来越巨大。但是无线电频谱资源是一种有限的、不可再生的自然资源，并且一般是被政府机构所统一管理、分配。在当前分配机制下，每个特定的无线电频段都被分配给一个专有的无线业务，而其他未被授权的用户则不能使用已经被授权的无线电频段。这种静态的管理机制造成了一个严重的问题：在某些时刻、某些地方，一些无线电频段都处于未被授权用户使用的空闲状态，而在另一些时间或地点，人们对某些无线电频段的使用竞争却十分激烈。因此，瑞典皇家理工学院J.Mitola博士就提出了动态获取可用频谱的认知无线电概念。

根据认知无线电的定义，认知无线电将用户分成两组，一组是购买了频谱使用权的主用户或者授权用户，另一组则是当主用户未使用授权频段时，准备动态接入该空闲频段的次级用户或者未授权用户。因此次级用户就是一个智能无线通信系统，它能自动地感知周围无线电环境，通过对环境的理解和主动学习，实时地调整内部无线电参数(如功率、频率、调制和编码方案等)以适应环境的变化，在不对主用户造成干扰的情况下利用它的空闲频谱资源进行通信。可见，这种认知无线电这种通信方式比起以往的改变编码调制方式、改进接入复用方式等等是一种革命性的改变，对其的研究对未来通信具有深远的影响和光明的前景。

频谱感知技术是认知无线电技术的核心技术之一。在认知无线电系统工作时，次级用户最先进行的工作就是频谱感知并分析频谱环境，即通过感知技术来检测空闲频谱，然后在不干扰主用户的前提下利用这些空闲频谱进行通信。频谱感知技术不仅用于空闲频谱的搜索和判定，还可在次级用户的通信过程中对频谱状态进行实时监测。这种实时监测一方面可以搜集频谱环境的统计信息为高层的频谱管理提供帮助，另一方面也能够准确及时发现主用户的重新接入，使得次级用户能够尽快地主动避让以避免影响主用户的正常通信。由于主用户通信系统没有义务改变自身结构与次级用户共享频谱，因此次级用户只能通过频谱感知技术独立、可靠、连续地对主用户频谱进行监测以获得可用空闲频谱的信息。因此频谱感知技术是实现认知无线电技术的前提和先决条件，只有在频谱感知的基础上认知无线电才能真正实现自身功能。

目前来说，频谱感知技术从信号特点来分有基于能量的感知方法、基于相关特性的感知方法、基于累积量的感知方法和基于循环平稳的感知方法；从是否协作来看，有单用户感知方法、多用户感知方法，从待感知的频段数量上分有单频段感知方法、多频段感知方法等等。这些频谱感知方法针对不同的无线通信场景而设定，但是其目的都是为了快速而准确地对空闲频段是否存在主用户信号进行监测。

所谓的循环平稳，是信号的指统计特性呈周期性平稳变化的一种属性。信号的这种循环平稳特性在实际工程中是随处可见的，比如在通信系统当中，信号的循环平稳性可能来自于载波、导频、循环前缀、编码、为了信道估计或同步而增加的脉冲序列等等多个方面。可以看到，这种循环平稳特性的出现往往是由于人们为了某种目的而特地给通信信号进行的额外的添加，一般情形下是噪声所不具备的。因此，循环平稳性也就可以成为区别信号与噪声的一个依据。

现在，循环平稳在频谱感知方面的算法主要包括：包括相关谱估计的方法，循环累积量估计的方法，常见通信信号的循环谱分析方法，循环多谱估计方法，k阶循环谱估计方法，循环互谱估计方法，OFDM信号循环谱分析方法，参量型循环检测方法，非参量型单循环频谱感知方法，非参量联合型多循环频谱感知方法等等，可以说对循环平稳在频谱感知的研究和探讨是比较热门的。

发明内容

有鉴于此，本发明的目的在于提供一种接优近最非参数化认知无线电循环平稳合作频谱感知方法，解决了在多用户合作条件下，如何使用累积量技术通过非参数化以及最优化的方法，充分利用了搜索到的每个用户的信息。

为实现上述目的，本发明采用如下技术方案：一种接近最优非参数化认知无线电循环平稳合作频谱感知方法，其特征在于，包括以下步骤：

步骤一：在认知无线电网络系统当中，通过每个次级用户的射频前端进行采样，利用采集到的样本构建单用户非参数化判决循环统计量，并将所述单用户非参数化判决循环统计量通过无线信道发送到认知无线电数据融合中心；

步骤二：认知无线电数据融合中心根据收集到的各个用户发送的单用户非参数化判决循环统计量，通过非参数化方法与最优化算法得到加权因子；

步骤三：认知无线电数据融合中心根据计算出的加权因子以及收集到的各个次级用户发送的单用户非参数化判决循环统计量，通过线性合并方法构建总判决统计量；

步骤四：在认知无线电数据融合中心，根据给定的虚警概率及计算出的加权因子，计算总判决门限；并将总判决统计量与总判决门限进行比较，若总判决统计量大于等于总判决门限，则判断主用户信号出现；否则判断主用户信号未出现。

进一步的，所述步骤一中的单用户非参数化判决循环统计量的构建方法如下：

假设认知无线电网络系统中有K个次级用户，第j个次级用户接收到的信号为x_j(t)，接收到的样本个数是T，其中，j、K、T为自然数且1≤j≤K；给定循环频率α_i及与之对应的延迟向量τ_i，其中，1≤i≤n，n为循环频率和延迟向量的数量，然后定义一个1X2M维的横向量，

那么单用户非参数化判决循环统计量为其中为的协方差矩阵的估计。

进一步的，所述步骤二中的加权因子的计算方法如下：

假设认知无线电数据融合中心同时接收到K个用户的单用户非参数化判决循环统计量λ_c,j，其中1≤i≤K；则加权因子的构建方法为：

进一步的，所述步骤三中的总判决统计量的构建方法如下：

认知无线电数据融合中心通过线性合并的方法将计算出的加权因子和收集到的各个用户的单用户非参数化判决循环统计量λ_c,j加权平均，得到总判决统计量λ_FC，其构建方法为

进一步的，所述步骤四中的总判决门限的计算方法如下：

在认知无线电数据融合中心，根据给定的虚警概率P_fa及计算出的加权因子计算总判决门限η_FC，其计算方式为

本发明与现有技术相比具有以下有益效果：本发明解决了在多用户合作条件下，如何使用累积量技术通过非参数化以及最优化的方法并充分利用了搜索到的每个用户的信息，检测效果良好。

附图说明

图1是本发明的方法流程图。

图2是本发明在不同样本数量情况下的检测概率曲线图。

图3是本发明在不同信噪比条件下检测概率曲线图。

图4是本发明在瑞丽衰落信道下不同信噪比条件下检测概率曲线图。

具体实施方式

下面结合附图及实施例对本发明做进一步说明。

本发明提供一种接近最优非参数化认知无线电循环平稳合作频谱感知方法，其特征在于，包括以下步骤：

步骤一：在认知无线电网络系统当中，通过每个次级用户的射频前端进行采样，利用采集到的样本构建单用户非参数化判决循环统计量，并将所述单用户非参数化判决循环统计量通过无线信道发送到认知无线电数据融合中心；

其中，单用户非参数化判决循环统计量的构建方法如下：假设认知无线电网络系统中有K个次级用户，第j个次级用户接收到的信号为x_j(t)，接收到的样本个数是T，其中，j、K、T为自然数且1≤j≤K；给定循环频率α_i及与之对应的延迟向量τ_i，其中，1≤i≤n，n为循环频率和延迟向量的数量，然后定义一个1X2M维的横向量，2M指偶数，

那么单用户非参数化判决循环统计量为其中为的协方差矩阵的估计。

步骤二：认知无线电数据融合中心根据收集到的各个用户发送的单用户非参数化判决循环统计量，通过非参数化方法与最优化算法得到加权因子；但由于最优解不可被精确得到，因此采用估计量代替，因此得到的加权因子是非参数化且接近最优的。

其中，加权因子的计算方法如下：假设认知无线电数据融合中心同时接收到K个用户的单用户非参数化判决循环统计量λ_c,j，其中1≤i≤K；则加权因子的构建方法为：

步骤三：认知无线电数据融合中心根据计算出的加权因子以及收集到的各个次级用户发送的单用户非参数化判决循环统计量，通过线性合并方法构建总判决统计量；

其中，总判决统计量的构建方法如下：认知无线电数据融合中心通过线性合并的方法将计算出的加权因子和收集到的各个用户的单用户非参数化判决循环统计量λ_c,j加权平均，得到总判决统计量λ_FC，其构建方法为

步骤四：在认知无线电数据融合中心，根据给定的虚警概率及计算出的加权因子，计算总判决门限；并将总判决统计量与总判决门限进行比较，若总判决统计量大于等于总判决门限，则判断主用户信号出现；否则判断主用户信号未出现。

其中，总判决门限的计算方法如下：在认知无线电数据融合中心，根据给定的虚警概率P_fa及计算出的加权因子计算总判决门限η_FC，其计算方式为

为了进一步说明本发明的有效性和可行性，以下结合仿真进行具体说明。

假设主用户信号是一个64QAM-OFDM，其FFT长度为64，循环前缀长度为16，因此本发明方法使用的循环频率是1/80，1/40，选用的加权窗是一个长度为251，β参数为10的凯撒窗。图2给出了本发明方法在3用户合作和5用户合作时，样本数量为4000，信噪比为-10dB条件下的ROC接收机特性曲线图，从图中可以看出本发明方法的虚警概率与理论值一致，因此本发明方法关于门限及统计判决量建设的论断是正确的。图3给出了本发明方法在3用户合作和5用户合作时，在虚警概率为0.01，样本数量为4000条件下，不同信噪比条件下检测概率曲线图。从图中可以看到本发明方法的有效性和可行性。图4给出了本发明方法在瑞丽衰落信道条件下，3用户合作和5用户合作时，在虚警概率为0.01，样本数量为4000条件下，不同信噪比条件下检测概率曲线图。虽然由于衰落，检测概率有所下降，但是本发明方法依然是有效的和可行的。

以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本发明的涵盖范围。

Claims (5)

1.一种接近最优非参数化认知无线电循环平稳合作频谱感知方法，其特征在于，包括以下步骤：

步骤一：在认知无线电网络系统当中，通过每个次级用户的射频前端进行采样，利用采集到的样本构建单用户非参数化判决循环统计量，并将所述单用户非参数化判决循环统计量通过无线信道发送到认知无线电数据融合中心；

步骤二：认知无线电数据融合中心根据收集到的各个用户发送的单用户非参数化判决循环统计量，通过非参数化方法与最优化算法得到加权因子；

步骤三：认知无线电数据融合中心根据计算出的加权因子以及收集到的各个次级用户发送的单用户非参数化判决循环统计量，通过线性合并方法构建总判决统计量；

步骤四：在认知无线电数据融合中心，根据给定的虚警概率及计算出的加权因子，计算总判决门限；并将总判决统计量与总判决门限进行比较，若总判决统计量大于等于总判决门限，则判断主用户信号出现；否则判断主用户信号未出现。

2.根据权利要求1所述的接近最优非参数化认知无线电循环平稳合作频谱感知方法，其特征在于：所述步骤一中的单用户非参数化判决循环统计量的构建方法如下：

假设认知无线电网络系统中有K个次级用户，第j个次级用户接收到的信号为x_j(t)，接收到的样本个数是T，其中，j、K、T为自然数且1≤j≤K；给定循环频率α_i及与之对应的延迟向量τ_i，其中，1≤i≤n，n为循环频率和延迟向量的数量，然后定义一个1X2M维的横向量，

$\begin{array}{cc}\begin{array}{c}{\hat{r}}_{X,j}\left(T\right)\stackrel{\mathrm{\Δ}}{=}\[\mathrm{Re}\left\{{\hat{R}}_{x,j}^{{\mathrm{\α}}_1}\left({\mathrm{\τ}}_1^1\right)\right\},\mathrm{...},\mathrm{Re}\left\{{\hat{R}}_{x,j}^{{\mathrm{\α}}_1}\left({\mathrm{\τ}}_1^{n_1}\right)\right\},\mathrm{...},Re\left\{{\hat{R}}_{x,j}^{{\mathrm{\α}}_n}\left({\mathrm{\τ}}_n^1\right)\right\},\mathrm{...},\mathrm{Re}\{{\hat{R}}_{x,j}^{{\mathrm{\α}}_n}\left({{\mathrm{\τ}}_n}^{n_n}\right),\\ \mathrm{Im}\left\{{\hat{R}}_{x,j}^{{\mathrm{\α}}_1}\left({\mathrm{\τ}}_1^1\right)\right\},\mathrm{...},\mathrm{Im}\left\{{\hat{R}}_{x,j}^{{\mathrm{\α}}_1}\left({\mathrm{\τ}}_1^{n_1}\right)\right\},\mathrm{...},\mathrm{Im}\left\{{\hat{R}}_{x,j}^{{\mathrm{\α}}_n}\left({\mathrm{\τ}}_n^1\right)\right\},\mathrm{...},\mathrm{Im}\left\{{\hat{R}}_{x,j}^{{\mathrm{\α}}_n}\left({{\mathrm{\τ}}_n}^{n_n}\right)\right\}\end{array}& \left({\hat{R}}_{x,j}^{\mathrm{\α}}\right(\mathrm{\τ}\left)\stackrel{\mathrm{\Δ}}{=}\frac{1}{T}\underset{t=0}{\overset{T-1}{\Σ}}{x}_j\left(t\right)x_j^{*}\right(t+\mathrm{\τ}\left)e^{-j2\mathrm{\π}\mathrm{\α}t}\right)\end{array}$

那么单用户非参数化判决循环统计量为其中为的协方差矩阵的估计。

3.根据权利要求2所述的接近最优非参数化认知无线电循环平稳合作频谱感知方法，其特征在于：所述步骤二中的加权因子的计算方法如下：

假设认知无线电数据融合中心同时接收到K个用户的单用户非参数化判决循环统计量λ_c,j，其中1≤i≤K；则加权因子的构建方法为：

4.根据权利要求3所述的接近最优非参数化认知无线电循环平稳合作频谱感知方法，其特征在于：所述步骤三中的总判决统计量的构建方法如下：

认知无线电数据融合中心通过线性合并的方法将计算出的加权因子和收集到的各个用户的单用户非参数化判决循环统计量λ_c,j加权平均，得到总判决统计量λ_FC，其构建方法为

5.根据权利要求4所述的接近最优非参数化认知无线电循环平稳合作频谱感知方法，其特征在于：所述步骤四中的总判决门限的计算方法如下：

在认知无线电数据融合中心，根据给定的虚警概率P_fa及计算出的加权因子计算总判决门限η_FC，其计算方式为