CN108401255B - 一种双阶段盲频谱感知方案 - Google Patents
一种双阶段盲频谱感知方案 Download PDFInfo
- Publication number
- CN108401255B CN108401255B CN201810044583.6A CN201810044583A CN108401255B CN 108401255 B CN108401255 B CN 108401255B CN 201810044583 A CN201810044583 A CN 201810044583A CN 108401255 B CN108401255 B CN 108401255B
- Authority
- CN
- China
- Prior art keywords
- signal
- frequency band
- covariance matrix
- spectrum sensing
- noise ratio
- 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
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/14—Spectrum sharing arrangements between different networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明充分利用单个频谱感知器的优势,公开了一种双阶段盲频谱感知方法。根据评估的无线电环境中的信噪比,在信噪比较高的情况下使用能量检测法来检测频谱空洞;在信噪比较低的情况下,使用协方差矩阵检测法来确定目标频段的占用情况。由此极大地提高了频谱感知的有效性和可靠性。
Description
技术领域
本发明涉及认知无线电技术领域,尤其涉及一种认知无线电频谱感知方法。
背景技术
随着无线通信技术的快速发展以及注册频段较低的频谱利用率,无线电频谱成为一种稀缺资源。为此,Joseph Mitola博士提出了认知无线电技术,允许未授权用户(次级用户)在授权用户(主用户)没有占用频段的情况下使用该频段进行自己的通信。认知无线电的关键技术主要有频谱感知、频谱分配、频谱决策、频谱共享等。频谱感知是认知无线电(CR)最核心的一个技术,它的主要目的是检测目标频段是否为空闲。感知精度和感知复杂度决定着一个认知无线电装置的性能。而检测概率,虚警概率以及可得到的吞吐量影响着感知精度。
常用的频谱感知方法主要包括能量检测(ED)、匹配滤波检测、循环特征检测、协方差矩阵检测(CMM)等。匹配滤波检测是一种相干检测技术,在接收端采用相干检测器去匹配信号特征如导频等。然而,作为最佳的检测技术,匹配滤波检测需要关于主用户信号的完整信息,如工作频率,带宽,调制类型和顺序,脉冲形状和分组格式。由于较低的感知复杂度以及不依赖于检测信号先验知识等优点,能量检测是一种广泛认可的频谱感知方法。然而随着信噪比的降低,由于噪声方差的不精确估计,基于能量检测的频谱感知准确性急剧下降。为了提高频谱感知性能,提出了循环平稳特征检测方法,通过观察接收信号的平均值和自相关,利用频谱循环周期性检测频谱空洞。循环平稳特征检测需要主信号的载波频率,并且对采样时钟频率同步情况要求较高;相比于能量检测和匹配滤波检测,其计算复杂度也更高。不同于以上检测方案,协方差矩阵检测是一种盲检测方法,不需要主信号和噪声信息的先验知识。另外,协方差矩阵检测适用于相关信号检测,而我们日常接触到的大部分信号都是相关信号。所以协方差矩阵检测是一种贴近于现实的检测方案。相比于能量检测,协方差矩阵检测需要更高的感知复杂度。不过,在强噪声环境下,协方差矩阵检测方法具有更高的检测准确性。
发明内容
有鉴于此,本发明的目的在于充分利用单个频谱感知器的优势,提高认知无线电频谱感知的有效性和可靠性。
基于上述目的本发明提供一种双阶段盲频谱感知方法,包括以下步骤:
步骤一,接收第一频段的信号,并按特定频率对所述信号进行抽样;
步骤二,对抽样得到的离散时间信号序列,求自相关,并构造Toeplitz协方差矩阵;
步骤三,对Toeplitz协方差矩阵进行特征值分解,评估无线电环境的实时信噪比;
步骤四,根据无线电环境的实时信噪比以及预先设定的信噪比阈值,确定最优的频谱感知方案;
步骤五:根据确定的频谱感知方案,计算接收信号的能量值或Toeplitz协方差矩阵对角元素绝对值之和与全部元素绝对值之和的比值;
步骤六:根据所述比值判定目标频段的状态。
其中,所述第一频段的信号是通过认知无线电(CR)设备的天线接收的。
进一步地,所述根据所述比值判定目标频段的状态,包括根据所述比值判定目标频谱是否空闲。
进一步地,所述根据所述比值判定目标频谱是否空闲,具体为:判断所述接收信号的能量值或Toeplitz协方差矩阵对角元素绝对值之和与全部元素绝对值之和的比值是否大于预设阈值。
进一步地,若判断结果为是,则确定所述目标频段处于忙碌状态,否则确定所述目标频段处于空闲状态。
本发明提供的一种双阶段盲频谱感知装置,包括以下模块:
抽样模块,用于接收第一频段的信号,并按特定频率对所述信号进行抽样;
构造模块,用于对抽样得到的离散时间信号序列,求自相关,并构造Toeplitz协方差矩阵;
评估模块,用于对Toeplitz协方差矩阵进行特征值分解,评估无线电环境的实时信噪比;
确定模块,根据无线电环境的实时信噪比以及预先设定的信噪比阈值,确定最优的频谱感知方案;
计算模块:根据确定的频谱感知方案,计算接收信号的能量值或Toeplitz协方差矩阵对角元素绝对值之和与全部元素绝对值之和的比值;
判定模块:用于根据所述比值判定目标频段的状态。
其中,所述第一频段的信号是通过认知无线电(CR)设备的天线接收的。
进一步地,所述根据所述比值判定目标频段的状态,包括根据所述比值判定目标频谱是否空闲。
进一步地,所述根据所述比值判定目标频谱是否空闲,具体为:判断所述接收信号的能量值或Toeplitz协方差矩阵对角元素绝对值之和与全部元素绝对值之和的比值是否大于预设阈值。
进一步地,若判断结果为是,则确定所述目标频段处于忙碌状态,否则确定所述目标频段处于空闲状态。
从上面所述可以看出,本发明提供的适用于认知无线电环境的盲频谱感知方案,有效提高了感知的有效性和可靠性。一般来说,虚警概率、检测概率、吞吐量和复杂度是判断一个频谱感知方案好坏的关键指标。本发明提供了一种双阶段盲频谱感知方法,在强噪声环境下,使用协方差矩阵检测替代能量检测,在复杂度相当的情况下,显著降低了虚警概率,提高了检测概率及认知无线电系统的吞吐量。另外,本方案提供了一种认知无线电环境下信噪比的评估方案,根据评估的信噪比,非常方便的选择合适的频谱感知方案来实时检测目标频段的占用情况,极大地提高了频谱感知的可靠性。
附图说明
图1为本发明实施例的整体框架图;
图2为本发明实施例中双阶段盲频谱感知方法的实施步骤框图;
图3为本发明实施例中低信噪比情况下噪声不确定性对于能量检测性能的影响示意图;
图4为本发明实施例中不同信噪比下ED方法和CMM方法的性能对比示意图;
图5为本发明实施例中不同信噪比情况下双阶段盲频谱感知方法与ED方法和CMM方法的吞吐量对比示意图。
图6为本发明实施例中双阶段盲频谱感知装置的结构框图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本发明进一步详细说明。
由于传统的盲频谱感知方案,只是适用于特定环境下,如能量检测适用于高信噪比环境而协方差矩阵检测算法复杂度较高。本发明提出了一种两阶段频谱感知方案(简称为ED-CMM)。当信噪比处于较高水平时,能量检测方法用于检测频谱空洞;当信噪比处于较低水平时,基于协方差矩阵的频谱感知方法用来感知目标频段。另外本发明提供了一种认知无线环境下信噪比的评估方案,该方案便于实时评估环境信噪比,可依据信噪比情况选择合适的频谱感知方案,该信噪比评估方案还可以有效评估无线电环境的噪声方差并且有助于减少协方差矩阵检测的计算复杂度,从而降低系统的整体复杂度。具体发明内容如下。
假设观测信号y(t)由主用户信号(主信号)xi(t)和高斯加性白噪声ui(t)组成,
其中M(1≤m≤M;M∈Z+,M≥1)代表主用户的个数,hi(t)表示每个主用户对应的信道衰减因子。
假设目标频段中心频率为fc,带宽为W。CR设备接收端的抽样频谱为fs(fs>W),因此抽样间隔为Ts=1//fs。考虑到信号检测中的二元假设理论,H1:主用户存在;H0:主用户不存在,CR终端抽样后的接收信号可以表示为
H0:r(n)=n(n) (2)
为了方便分析,我们定义了一个目标函数,用于评估一个频谱感知算法的性能
C=αPfa+(1-α)Pm, (4)
其中α(0<α≤1)为虚警概率Pfa的权重,(1-α)为漏检概率Pm(Pm=1-Pd)的权重,Pd为检测概率。
对于能量检测算法,目标函数可以表示为
证明:
对γ求导,等式(7)可以表示为
定理1表明能量检测在高信噪比下是一种低复杂度的最优方案。然而随着信噪比的下降,能量检测的性能急剧下降。因此如何提高强噪声环境下的频谱感知准确性值得进一步探讨。为了解决这一问题,本发明在低信噪比下考虑了基于协方差矩阵的频谱感知方法。
对于协方差矩阵检测方案,目标函数可以表示为
其中L表示构建协方差矩阵所需连续样本个数,Ns表示求接收信号自相关所需的样本数,Φ(x)=1-Q(x).
定理2.对于给定的Ns和L,CCMM在随着γ的增加单调递减,随着γ的降低而单调递增。
证明:依据公式(11),CCMM对γ求导可以表示为
将公式(16)代入公式(15),公式(15)进一步表示为
因此,CCMM对于任意的γ≥0单调递减。
尽管CCMM在γ上单调递减,然而根据公式(11),CCMM在强噪声环境下变化缓慢(γ→0).也就是说,噪声不确定性在强噪声环境下对CMM算法几乎没有影响。
定理3.当γ≈γ0,CED≈CCMM;当γ<γ0,CED<CCMM;当γ>γ0,CED>CCMM.其中
证明:
根据定理1-3,当γ>γ0时,能量检测是最优的频谱感知方案;然而,当信噪比下降到某一程度之后,基于能量检测的频谱感知性能急剧下降,明显低于基于协方差矩阵检测的感知性能。考虑到感知的复杂度和准确性,协方差矩阵检测在低信噪比下是一种最优盲频谱感知方案。
另外本发明提供了一种无线电环境中信噪比的近似评估方法。依据MDL准则,CMM协方差矩阵中表征信号加噪声部分的特征值个数可以近似评估为
其中κi表示Rr=E[r(n)rT(n)]的第i个特征值。无线电环境中的信噪比可以近似评估为
噪声方差也可以近似表示为
图1为本发明实施的例整体框架图,首先根据所提供的信噪比评估方法评估无线电环境中的实时信噪比,根据实时信噪比与γ0的关系确定最优频谱感知器,进而在检测周期内判断目标频段的空闲状况。
图2为本发明实施例中方法的流程图。接收的信号经过带通滤波器和抽样,得到时域增强后的离散目标信号序列;对离散目标信号序列构造Toeplitz协方差矩阵并进行特征值分解,根据公式(23)-(25),评估出认知无线电环境的实时信噪比;评估出的实时信噪比与定理3中的γ0做比较,若大于γ0,则为弱噪声环境,能量检测将作为目标频段空闲情况的检测方案,若小于γ0,则为强噪声环境,协方差矩阵检测将作为目标频段的检测方案。对于能量检测方案,借助平方模块和积分器计算出离散目标信号序列的能量值,并将该能量值与设定阈值做比较。若目标信号序列的能量值大于设定阈值,则认为该频段被占用;若目标信号序列的能量值小于设定阈值,则认为该频段空闲。对于协方差矩阵检测方案,首先计算接收的离散目标信号序列的自相关性(公式(14))和相关因子λL(公式(13));然后将公式(23)-(25)构造的Toeplitz协方差矩阵对角元素绝对值之和与全部元素绝对值之和的比值与以下判决阈值做比较:
若比值大于λ1则认为该频段忙碌,否则认为该频段空闲。
图3展示了低信噪比情况下噪声不确定性对于能量检测性能的影响。可以明显看出,强噪声环境下噪声不确定性对于能量检测的巨大影响。寻找一种适用于低信噪比环境下的频谱感知方案显得尤为重要。
图4分析了不同信噪比下ED方法和CMM方法的性能对比。从图4可以看出,随着信噪比的降低,基于能量检测的频谱感知性能大幅度下降;当信噪比处于较低水平时(SNR=-14dB),CMM方法的检测性能大幅度高于ED方法的检测性能,说明CMM方法在低信噪比情况下更适用于频谱感知。
图5重点讨论了不同信噪比情况下本发明提出的双阶段盲频谱感知方法与ED方法、CMM方法的吞吐量对比。由于本发明提出的双阶段盲频谱感知方法融合了ED方法和CMM方法的优点,因此本发明所述方法获得了最大的吞吐量。
图6示出了根据本发明实施例的一种双阶段盲频谱感知装置,所述装置包括以下模块:
抽样模块,用于接收第一频段的信号,并按特定频率对所述信号进行抽样;
构造模块,用于对抽样得到的离散时间信号序列,求自相关,并构造Toeplitz协方差矩阵;
评估模块,用于对Toeplitz协方差矩阵进行特征值分解,评估无线电环境的实时信噪比;
确定模块,根据无线电环境的实时信噪比以及预先设定的信噪比阈值,确定最优的频谱感知方案;
计算模块:根据确定的频谱感知方案,计算接收信号的能量值或Toeplitz协方差矩阵对角元素绝对值之和与全部元素绝对值之和的比值;
判定模块:用于根据所述比值判定目标频段的状态。
其中,所述第一频段的信号是通过认知无线电(CR)设备的天线接收的。
所述根据所述比值判定目标频段的状态,包括根据所述比值判定目标频谱是否空闲,具体为:判断所述接收信号的能量值或Toeplitz协方差矩阵对角元素绝对值之和与全部元素绝对值之和的比值是否大于预设阈值,若判断结果为是,则确定所述目标频段处于忙碌状态,否则确定所述目标频段处于空闲状态。
所属领域的普通技术人员应当理解:以上任何实施例的讨论仅为示例性的,并非旨在暗示本公开的范围(包括权利要求)被限于这些例子;在本发明的思路下,以上实施例或者不同实施例中的技术特征之间也可以进行组合,步骤可以以任意顺序实现,并存在如上所述的本发明的不同方面的许多其它变化,为了简明它们没有在细节中提供。
另外,为简化说明和讨论,并且为了不会使本发明难以理解,在所提供的附图中可以示出或可以不示出与集成电路(IC)芯片和其它部件的公知的电源/接地连接。此外,可以以框图的形式示出装置,以便避免使本发明难以理解,并且这也考虑了以下事实,即关于这些框图装置的实施方式的细节是高度取决于将要实施本发明的平台的(即,这些细节应当完全处于本领域技术人员的理解范围内)。在阐述了具体细节(例如,电路)以描述本发明的示例性实施例的情况下,对本领域技术人员来说显而易见的是,可以在没有这些具体细节的情况下或者这些具体细节有变化的情况下实施本发明。因此,这些描述应被认为是说明性的而不是限制性的。
尽管已经结合了本发明的具体实施例对本发明进行了描述,但是根据前面的描述,这些实施例的很多替换、修改和变型对本领域普通技术人员来说将是显而易见的。例如,其它存储器架构(例如,动态RAM(DRAM))可以使用所讨论的实施例。
本发明的实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此,凡在本发明的精神和原则之内,所做的任何省略、修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种双阶段盲频谱感知方法,其特征在于,所述方法包括以下步骤:
步骤一,接收第一频段的信号,并按特定频率对所述信号进行抽样;
步骤二,对抽样得到的离散时间信号序列,求自相关,并构造Toeplitz协方差矩阵;
步骤三,对Toeplitz协方差矩阵进行特征值分解,评估无线电环境的实时信噪比;
步骤四,根据无线电环境的实时信噪比以及预先设定的信噪比阈值,确定最优的频谱感知方案;
步骤五:根据确定的频谱感知方案,计算接收信号的能量值或Toeplitz协方差矩阵对角元素绝对值之和与全部元素绝对值之和的比值;
步骤六:根据所述比值判定目标频段的状态,包括:判断所述接收信号的能量值或Toeplitz协方差矩阵对角元素绝对值之和与全部元素绝对值之和的比值是否大于预设阈值,若判断结果为是,则确定所述目标频段处于忙碌状态,否则确定所述目标频段处于空闲状态。
2.根据权利要求1所述的方法,其特征在于,所述第一频段的信号是通过认知无线电(CR)设备的天线接收的。
3.一种双阶段盲频谱感知装置,其特征在于,所述装置包括以下模块:
抽样模块,用于接收第一频段的信号,并按特定频率对所述信号进行抽样;
构造模块,用于对抽样得到的离散时间信号序列,求自相关,并构造Toeplitz协方差矩阵;
评估模块,用于对Toeplitz协方差矩阵进行特征值分解,评估无线电环境的实时信噪比;
确定模块,根据无线电环境的实时信噪比以及预先设定的信噪比阈值,确定最优的频谱感知方案;
计算模块:根据确定的频谱感知方案,计算接收信号的能量值或Toeplitz协方差矩阵对角元素绝对值之和与全部元素绝对值之和的比值;
判定模块:用于根据所述比值判定目标频段的状态,包括:判断所述接收信号的能量值或Toeplitz协方差矩阵对角元素绝对值之和与全部元素绝对值之和的比值是否大于预设阈值,若判断结果为是,则确定所述目标频段处于忙碌状态,否则确定所述目标频段处于空闲状态。
4.根据权利要求3所述的装置,其特征在于,所述第一频段的信号是通过认知无线电(CR)设备的天线接收的。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810044583.6A CN108401255B (zh) | 2018-01-17 | 2018-01-17 | 一种双阶段盲频谱感知方案 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810044583.6A CN108401255B (zh) | 2018-01-17 | 2018-01-17 | 一种双阶段盲频谱感知方案 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108401255A CN108401255A (zh) | 2018-08-14 |
CN108401255B true CN108401255B (zh) | 2020-11-20 |
Family
ID=63094583
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810044583.6A Active CN108401255B (zh) | 2018-01-17 | 2018-01-17 | 一种双阶段盲频谱感知方案 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108401255B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109036452A (zh) * | 2018-09-05 | 2018-12-18 | 北京邮电大学 | 一种语音信息处理方法、装置、电子设备及存储介质 |
US11076299B1 (en) | 2020-05-08 | 2021-07-27 | King Abdulaziz University | Multiple antenna based spectrum sensing solution for cognitive radio |
US10895635B1 (en) | 2020-08-14 | 2021-01-19 | King Abdulaziz University | Method of processing waveforms at a multiple-input-multiple-output (MIMO) radar for an unknown target |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105025583A (zh) * | 2015-07-02 | 2015-11-04 | 哈尔滨工业大学 | 基于能量与协方差检测的分步频谱感知方法 |
US9559417B1 (en) * | 2010-10-29 | 2017-01-31 | The Boeing Company | Signal processing |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100011041A1 (en) * | 2008-07-11 | 2010-01-14 | James Vannucci | Device and method for determining signals |
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 |
US20150057041A1 (en) * | 2013-08-22 | 2015-02-26 | Nokia Corporation | Blind Spectrum Sensing Based on Maximum Correlation Coefficients and use Thereof |
-
2018
- 2018-01-17 CN CN201810044583.6A patent/CN108401255B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9559417B1 (en) * | 2010-10-29 | 2017-01-31 | The Boeing Company | Signal processing |
CN105025583A (zh) * | 2015-07-02 | 2015-11-04 | 哈尔滨工业大学 | 基于能量与协方差检测的分步频谱感知方法 |
Non-Patent Citations (2)
Title |
---|
An improved spectrum sensing algorithm based on energy detection and covariance detection;Min Jia等;《2015 IEEE/CIC International Conference on Communications in China (ICCC)》;20160407;全文 * |
基于能量和协方差的两步频谱感知;黄浩等;《无线电通信技术》;20140630;第40卷(第6期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN108401255A (zh) | 2018-08-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108401255B (zh) | 一种双阶段盲频谱感知方案 | |
CN102244548B (zh) | 一种联合频谱检测方法 | |
Hamid et al. | Energy and eigenvalue based combined fully blind self adapted spectrum sensing algorithm | |
WO2008057053A1 (en) | A method of determining as to whether a received signal includes an information signal | |
CN107426736B (zh) | 一种认知无线电的频谱感知方法及系统 | |
CN113938228B (zh) | 网络域协作干扰位置检测方法及系统 | |
WO2007083269A1 (en) | Detection of the presence of television signals embedded in noise using cyclostationary toolbox | |
Khalaf et al. | Hybrid spectrum sensing architecture for cognitive radio equipment | |
Khalaf et al. | Enhanced hybrid spectrum sensing architecture for cognitive radio equipment | |
CN105025583A (zh) | 基于能量与协方差检测的分步频谱感知方法 | |
Eslami et al. | Performance analysis of double threshold energy detection-based spectrum sensing in low SNRs over Nakagami-m fading channels with noise uncertainty | |
Verma et al. | Cognitive Radio: Energy detection using wavelet packet transform for spectrum sensing | |
Parmaksız et al. | A review of recent developments on secure authentication using RF fingerprints techniques | |
Xie et al. | A study of clear channel assessment performance for low power wide area networks | |
CN107171752B (zh) | 一种认知无线电的频谱感知方法及系统 | |
EP3596852A1 (en) | Signal detection based on stochastic resonance | |
EP2086255B1 (en) | Process for sensing vacant sub-space over the spectrum bandwidth and apparatus for performing the same | |
CN113702703A (zh) | 一种微弱信号检测识别方法及系统 | |
CN108718223B (zh) | 一种非合作信号的盲频谱感知方法 | |
Long et al. | A mechanism for detecting session hijacks in wireless networks | |
Qin et al. | Adaptive threshold for energy detector based on discrete wavelet packet transform | |
CN112994813B (zh) | 自适应采样的频谱感知方法及相关装置 | |
CN114268393A (zh) | 一种基于连通分量个数特征的认知无线电频谱感知方法 | |
CN110337106B (zh) | 一种抗ssdf攻击的协作频谱感知方法、装置及系统 | |
US20050089087A1 (en) | Signal detection method with high detection probability and low false alarm rate |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |