CN109067483A - 一种利用以往感知时隙数据的最大特征值频谱感知方法 - Google Patents
一种利用以往感知时隙数据的最大特征值频谱感知方法 Download PDFInfo
- Publication number
- CN109067483A CN109067483A CN201811059965.2A CN201811059965A CN109067483A CN 109067483 A CN109067483 A CN 109067483A CN 201811059965 A CN201811059965 A CN 201811059965A CN 109067483 A CN109067483 A CN 109067483A
- Authority
- CN
- China
- Prior art keywords
- time slot
- perception time
- perception
- covariance matrix
- sample
- 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.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/382—Monitoring; Testing of propagation channels for resource allocation, admission control or handover
Landscapes
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Monitoring And Testing Of Transmission In General (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种利用以往感知时隙数据的最大特征值频谱感知方法,其针对当前感知时隙及多个以往感知时隙,对来自多个通道的信号进行多次采样,每次采样得到多个样本;然后将相应的感知时隙内每次采样得到的多个样本构成样本向量;接着根据相应的感知时隙内得到的所有样本向量计算相应的感知时隙对应的协方差矩阵;之后对所有以往感知时隙对应的协方差矩阵的迹按从小到大的顺序进行排序,利用排序后的迹来估计噪声功率;再根据当前感知时隙对应的协方差矩阵的最大特征值及噪声功率,计算检验统计量;最后通过比较检验统计量与判决门限的大小,判定当前感知时隙内是否存在授权用户信号;优点是其无需知道噪声功率本身,且感知性能好。
Description
技术领域
本发明涉及一种认知无线电频谱感知技术,尤其是涉及一种利用以往感知时隙数据的最大特征值频谱感知方法。
背景技术
移动通信业务多样化的迅猛发展极大程度地丰富和便利了人们的工作和生活,但是,相应地无线设备数量和移动数据流量的需求呈爆炸式增长,这就导致了频谱资源短缺问题。近几年,频谱资源短缺问题已经逐渐显现,而且在可预见的未来会变得愈加严重。然而,这却不是因为物理频谱资源不足造成的,而是因为现有的固定频谱分配策略使很多频谱资源无法得到充分利用,极大地降低了频谱利用率。因此,提高频谱利用率成为了解决这个问题的关键。针对这个问题,Mitola博士提出了认知无线电技术。认知无线电技术是指无线设备能够与所处的通信环境进行交互并根据交互结果改变自身传输参数,从而实现以动态、自适应的方式灵活地利用潜在的空闲频谱。为了避免对授权用户产生干扰,认知无线电技术需要能够准确、快速地发现空闲频谱,实现稳健地频谱感知。因此,频谱感知成为了认知无线电的关键技术之一。
目前,接收信号协方差矩阵的特征值已被广泛应用于认知无线电的频谱感知中,Li等人在2016年发表的《Maximum-eigenvalue-based sensing and power recognitionfor multiantenna cognitive radio system》(用于多天线认知无线电系统的最大特征值感知与功率认知)中提到的传统的最大特征值频谱感知方法被大量的应用。然而,传统的最大特征值频谱感知方法需要知道噪声功率,而实际中噪声功率往往是未知的,当噪声功率未知时,传统的最大特征值频谱感知方法使用人为设定的噪声功率的上界值来代替噪声功率,这会引起噪声功率不确定性的问题,从而会严重降低频谱感知的性能。
发明内容
本发明所要解决的技术问题是提供一种利用以往感知时隙数据的最大特征值频谱感知方法,其无需知道噪声功率本身,且感知性能好。
本发明解决上述技术问题所采用的技术方案为:一种利用以往感知时隙数据的最大特征值频谱感知方法,其特征在于处理过程为:针对当前感知时隙及多个以往感知时隙,在相应的感知时隙内,对来自多个通道的信号进行多次采样,每次采样得到多个样本;然后将相应的感知时隙内每次采样得到的多个样本构成样本向量;接着根据相应的感知时隙内得到的所有样本向量计算相应的感知时隙对应的协方差矩阵;之后计算当前感知时隙对应的协方差矩阵的所有特征值,及每个以往感知时隙对应的协方差矩阵的迹,对所有以往感知时隙对应的协方差矩阵的迹按从小到大的顺序进行排序,利用排序后的迹来估计噪声功率;再根据当前感知时隙对应的协方差矩阵的最大特征值及噪声功率,计算检验统计量;最后通过比较检验统计量与判决门限的大小,判定当前感知时隙内是否存在授权用户信号。
该利用以往感知时隙数据的最大特征值频谱感知方法具体包括以下步骤:
步骤一:在认知无线电系统中配置有M个通道;将当前想要采样的感知时隙定义为当前感知时隙;其中,M≥3;
步骤二:在当前感知时隙内,对来自M个通道的信号进行同时采样,共进行N次采样,每次采样得到M个样本;接着将当前感知时隙内每次采样得到的M个样本构成一个样本向量,将当前感知时隙内第n次采样得到的M个样本构成的样本向量记为x(n),x(n)=[x1(n),x2(n),…,xM(n)]T;其中,N≥2M,n为正整数,1≤n≤N,符号“[]”为向量表示符号,[x1(n),x2(n),…,xM(n)]T为[x1(n),x2(n),…,xM(n)]的转置,x1(n),x2(n),…,xM(n)对应表示当前感知时隙内第n次采样得到的第1个样本、第n次采样得到的第2个样本、……、第n次采样得到的第M个样本;
步骤三:根据当前感知时隙内得到的N个样本向量,计算当前感知时隙对应的协方差矩阵,记为R,其中,R的维数为M×M,(x(n))H为x(n)的共轭转置;
步骤四:在下一个想要采样的感知时隙来临时,将该感知时隙作为当前感知时隙,然后返回步骤二继续执行,直至计算得到当前感知时隙对应的协方差矩阵及当前感知时隙之前的至少K个感知时隙各自对应的协方差矩阵,再执行步骤五;其中,K≥10;
步骤五:将当前感知时隙之前的最近的K个感知时隙定义为以往感知时隙;然后计算当前感知时隙对应的协方差矩阵的M个特征值,找出最大特征值,记为λmax;并计算K个以往感知时隙各自对应的协方差矩阵的迹;
步骤六:对K个以往感知时隙对应的协方差矩阵的迹按从小到大的顺序进行排序,将排序后的第k个迹记为其中,k为正整数,1≤k≤K,对应表示排序后的第1个迹、排序后的第2个迹、排序后的第K个迹;
步骤七:利用的平均值来估计噪声功率,记为 其中,表示排序后的第个迹,符号为向下取整运算符号,q为正整数, 表示排序后的第q个迹;
步骤八:根据λmax和计算检验统计量,记为T,
步骤九:判断T是否大于判决门限d,如果T>d,则判定当前感知时隙内存在授权用户信号;否则,判定当前感知时隙内不存在授权用户信号;其中,d满足给定的虚警概率Pf,并通过计算机仿真获得,Pf∈[0,1]。
与现有技术相比,本发明的优点在于:
1)本发明方法利用以往感知时隙数据来估计噪声功率,由于采用了具有较小的协方差矩阵的迹的以往感知时隙的数据,因此能够准确地估计出噪声功率,解决了传统的最大特征值频谱感知方法需要知道噪声功率本身的问题,同时,解决了利用接收信号的协方差矩阵的小特征值进行噪声功率估计,当授权用户的信号的协方差矩阵的秩比较大时,估计得到的噪声功率会偏大的问题。
2)本发明方法在计算检验统计量时利用了协方差矩阵的最大特征值和估计的噪声功率,能够避免传统的最大特征值频谱感知方法中的噪声功率不确定性的问题,从而使得本发明方法能够获得较好的感知性能。
附图说明
图1为本发明方法的总体流程框图;
图2为取M=6、N=100、K=100、Pf=0.1、信噪比区间为-15分贝到0分贝时,采用本发明方法和传统的最大特征值频谱感知方法的检测概率示意图。
具体实施方式
以下结合附图实施例对本发明作进一步详细描述。
本发明提出的一种利用以往感知时隙数据的最大特征值频谱感知方法,其总体流程框图如图1所示,其处理过程为:针对当前感知时隙及多个以往感知时隙,在相应的感知时隙内,对来自多个通道的信号进行多次采样,每次采样得到多个样本;然后将相应的感知时隙内每次采样得到的多个样本构成样本向量;接着根据相应的感知时隙内得到的所有样本向量计算相应的感知时隙对应的协方差矩阵;之后计算当前感知时隙对应的协方差矩阵的所有特征值,及每个以往感知时隙对应的协方差矩阵的迹,对所有以往感知时隙对应的协方差矩阵的迹按从小到大的顺序进行排序,利用排序后的迹来估计噪声功率;再根据当前感知时隙对应的协方差矩阵的最大特征值及噪声功率,计算检验统计量;最后通过比较检验统计量与判决门限的大小,判定当前感知时隙内是否存在授权用户信号。
本发明的利用以往感知时隙数据的最大特征值频谱感知方法,其具体包括以下步骤:
步骤一:在认知无线电系统中配置有M个通道;将当前想要采样的感知时隙定义为当前感知时隙;其中,M≥3,在本实施例中取M=6。
步骤二:在当前感知时隙内,对来自M个通道的信号进行同时采样,共进行N次采样,每次采样得到M个样本;接着将当前感知时隙内每次采样得到的M个样本构成一个样本向量,将当前感知时隙内第n次采样得到的M个样本构成的样本向量记为x(n),x(n)=[x1(n),x2(n),…,xM(n)]T;其中,N≥2M,在本实施例中取N=100,n为正整数,1≤n≤N,符号“[]”为向量表示符号,[x1(n),x2(n),…,xM(n)]T为[x1(n),x2(n),…,xM(n)]的转置,x1(n),x2(n),…,xM(n)对应表示当前感知时隙内第n次采样得到的第1个样本、第n次采样得到的第2个样本、……、第n次采样得到的第M个样本。
步骤三:根据当前感知时隙内得到的N个样本向量,计算当前感知时隙对应的协方差矩阵,记为R,其中,R的维数为M×M,(x(n))H为x(n)的共轭转置。
步骤四:在下一个想要采样的感知时隙来临时,将该感知时隙作为当前感知时隙,然后返回步骤二继续执行,直至计算得到当前感知时隙对应的协方差矩阵及当前感知时隙之前的至少K个感知时隙各自对应的协方差矩阵,再执行步骤五;其中,K≥10,在本实施例中取K=100;取K=100时,若步骤一中当前想要采样的感知时隙为第j个感知时隙,则当步骤四执行时的当前感知时隙为第100+j个感知时隙时,第j个感知时隙至第100+j-1个感知时隙为以往感知时隙,j为正整数。
步骤五:将当前感知时隙之前的最近的K个感知时隙定义为以往感知时隙;然后采用现有的特征值计算方法计算当前感知时隙对应的协方差矩阵的M个特征值,找出最大特征值,记为λmax;并计算K个以往感知时隙各自对应的协方差矩阵的迹(协方差矩阵的迹是协方差矩阵的对角元素之和)。
步骤六:对K个以往感知时隙对应的协方差矩阵的迹按从小到大的顺序进行排序,将排序后的第k个迹记为其中,k为正整数,1≤k≤K,对应表示排序后的第1个迹、排序后的第2个迹、排序后的第K个迹。
步骤七:利用的平均值来估计噪声功率,记为其中,表示排序后的第个迹,符号为向下取整运算符号,q为正整数, 表示排序后的第q个迹。
步骤八:根据λmax和计算检验统计量,记为T,
步骤九:判断T是否大于判决门限d,如果T>d,则判定当前感知时隙内存在授权用户信号;否则,判定当前感知时隙内不存在授权用户信号;其中,d满足给定的虚警概率Pf,并通过计算机仿真获得,Pf∈[0,1],在本实施例中取Pf=0.1,满足给定的虚警概率Pf的判决门限可采用现有技术并通过计算机仿真获得。
本发明方法的可行性和有效性可以通过以下仿真结果进一步说明。
假设认知无线电系统中的通道个数为M=6、信号采样次数为N=100,以往感知时隙的个数K=100,给定的虚警概率为Pf=0.1,信噪比区间为-15分贝到0分贝,采用本发明方法和传统的最大特征值频谱感知方法的检测概率如图2所示。从图2中可以看出,随着信噪比的增大,采用本发明方法的检测概率和采用传统的最大特征值频谱感知方法的检测概率都在增大,但是信噪比小于-11分贝时,采用传统的最大特征值频谱感知方法的检测概率随信噪比的增大变化不明显,而采用本发明方法的检测概率明显得到提升;当信噪比为-8贝时,采用本发明方法的检测概率超过0.95,而采用传统的最大特征值频谱感知方法的检测概率只有0.85左右;当信噪比大于或等于-6分贝时,采用本发明方法的检测概率和采用传统的最大特征值频谱感知方法的检测概率相当,达到了1,这足以说明本发明方法的感知性能优于传统的协方差矩阵频谱感知方法的感知性能。
Claims (2)
1.一种利用以往感知时隙数据的最大特征值频谱感知方法,其特征在于处理过程为:针对当前感知时隙及多个以往感知时隙,在相应的感知时隙内,对来自多个通道的信号进行多次采样,每次采样得到多个样本;然后将相应的感知时隙内每次采样得到的多个样本构成样本向量;接着根据相应的感知时隙内得到的所有样本向量计算相应的感知时隙对应的协方差矩阵;之后计算当前感知时隙对应的协方差矩阵的所有特征值,及每个以往感知时隙对应的协方差矩阵的迹,对所有以往感知时隙对应的协方差矩阵的迹按从小到大的顺序进行排序,利用排序后的迹来估计噪声功率;再根据当前感知时隙对应的协方差矩阵的最大特征值及噪声功率,计算检验统计量;最后通过比较检验统计量与判决门限的大小,判定当前感知时隙内是否存在授权用户信号。
2.根据权利要求1所述的一种利用以往感知时隙数据的最大特征值频谱感知方法,其特征在于具体包括以下步骤:
步骤一:在认知无线电系统中配置有M个通道;将当前想要采样的感知时隙定义为当前感知时隙;其中,M≥3;
步骤二:在当前感知时隙内,对来自M个通道的信号进行同时采样,共进行N次采样,每次采样得到M个样本;接着将当前感知时隙内每次采样得到的M个样本构成一个样本向量,将当前感知时隙内第n次采样得到的M个样本构成的样本向量记为x(n),x(n)=[x1(n),x2(n),…,xM(n)]T;其中,N≥2M,n为正整数,1≤n≤N,符号“[]”为向量表示符号,[x1(n),x2(n),…,xM(n)]T为[x1(n),x2(n),…,xM(n)]的转置,x1(n),x2(n),…,xM(n)对应表示当前感知时隙内第n次采样得到的第1个样本、第n次采样得到的第2个样本、……、第n次采样得到的第M个样本;
步骤三:根据当前感知时隙内得到的N个样本向量,计算当前感知时隙对应的协方差矩阵,记为R,其中,R的维数为M×M,(x(n))H为x(n)的共轭转置;
步骤四:在下一个想要采样的感知时隙来临时,将该感知时隙作为当前感知时隙,然后返回步骤二继续执行,直至计算得到当前感知时隙对应的协方差矩阵及当前感知时隙之前的至少K个感知时隙各自对应的协方差矩阵,再执行步骤五;其中,K≥10;
步骤五:将当前感知时隙之前的最近的K个感知时隙定义为以往感知时隙;然后计算当前感知时隙对应的协方差矩阵的M个特征值,找出最大特征值,记为λmax;并计算K个以往感知时隙各自对应的协方差矩阵的迹;
步骤六:对K个以往感知时隙对应的协方差矩阵的迹按从小到大的顺序进行排序,将排序后的第k个迹记为其中,k为正整数,1≤k≤K,对应表示排序后的第1个迹、排序后的第2个迹、排序后的第K个迹;
步骤七:利用的平均值来估计噪声功率,记为其中,表示排序后的第个迹,符号为向下取整运算符号,q为正整数, 表示排序后的第q个迹;
步骤八:根据λmax和计算检验统计量,记为T,
步骤九:判断T是否大于判决门限d,如果T>d,则判定当前感知时隙内存在授权用户信号;否则,判定当前感知时隙内不存在授权用户信号;其中,d满足给定的虚警概率Pf,并通过计算机仿真获得,Pf∈[0,1]。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811059965.2A CN109067483B (zh) | 2018-09-12 | 2018-09-12 | 一种利用以往感知时隙数据的最大特征值频谱感知方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811059965.2A CN109067483B (zh) | 2018-09-12 | 2018-09-12 | 一种利用以往感知时隙数据的最大特征值频谱感知方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109067483A true CN109067483A (zh) | 2018-12-21 |
CN109067483B CN109067483B (zh) | 2021-06-15 |
Family
ID=64761445
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811059965.2A Active CN109067483B (zh) | 2018-09-12 | 2018-09-12 | 一种利用以往感知时隙数据的最大特征值频谱感知方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109067483B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110350992A (zh) * | 2019-07-26 | 2019-10-18 | 西安电子科技大学 | 一种基于差分特征值的鲁棒性频谱感知方法、装置及计算机存储介质 |
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 |
CN102256286A (zh) * | 2011-05-06 | 2011-11-23 | 中国人民解放军理工大学 | 基于状态转移概率估计的感知时隙长度优化方法 |
CN106549722A (zh) * | 2016-11-09 | 2017-03-29 | 宁波大学 | 一种基于历史感知信息的双门限能量检测方法 |
CN106972899A (zh) * | 2017-05-11 | 2017-07-21 | 同济大学 | 一种基于多用户历史感知数据挖掘的协作频谱感知方法 |
-
2018
- 2018-09-12 CN CN201811059965.2A patent/CN109067483B/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 |
CN102256286A (zh) * | 2011-05-06 | 2011-11-23 | 中国人民解放军理工大学 | 基于状态转移概率估计的感知时隙长度优化方法 |
CN106549722A (zh) * | 2016-11-09 | 2017-03-29 | 宁波大学 | 一种基于历史感知信息的双门限能量检测方法 |
CN106972899A (zh) * | 2017-05-11 | 2017-07-21 | 同济大学 | 一种基于多用户历史感知数据挖掘的协作频谱感知方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110350992A (zh) * | 2019-07-26 | 2019-10-18 | 西安电子科技大学 | 一种基于差分特征值的鲁棒性频谱感知方法、装置及计算机存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109067483B (zh) | 2021-06-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106549722B (zh) | 一种基于历史感知信息的双门限能量检测方法 | |
CN101507151B (zh) | 用于对接收信号进行分类的方法和装置 | |
CN109194417A (zh) | 一种协方差矩阵频谱感知方法 | |
CN104821852B (zh) | 一种基于多天线瞬时功率的频谱感知方法 | |
CN108322277B (zh) | 一种基于协方差矩阵反特征值的频谱感知方法 | |
CN101521896A (zh) | 认知无线电中的基于似然比的协同频谱感知方法 | |
CN113595664A (zh) | 一种基于深度学习的多用户宽带通信系统的频谱感知方法 | |
CN109889288B (zh) | 一种基于集合平均值迭代检测的连续频谱感知方法 | |
CN102271022B (zh) | 一种基于最大广义特征值的频谱感知方法 | |
CN103118394A (zh) | 一种适用于宽带系统的多天线频谱感知方法及装置 | |
CN105721083B (zh) | 一种基于自相关能量的频谱检测方法 | |
CN102932047A (zh) | 一种适用于多天线系统的认知无线电多带频谱检测方法 | |
CN109120360A (zh) | 在授权用户静默期估计噪声功率的能量检测频谱感知方法 | |
CN108900268A (zh) | 利用小特征值估计噪声功率的最大特征值频谱感知方法 | |
CN109150342A (zh) | 一种最大特征值频谱感知方法 | |
CN106788817A (zh) | 一种基于贝叶斯准则和能量检测法的频谱感知方法 | |
CN105429913B (zh) | 基于特征值的多电平检测与识别方法 | |
CN109067483A (zh) | 一种利用以往感知时隙数据的最大特征值频谱感知方法 | |
CN109219055A (zh) | 一种主用户占空比估计方法 | |
CN102412911B (zh) | 两极频谱检测方法 | |
CN109286937A (zh) | 利用小特征值估计噪声功率的协方差矩阵频谱感知方法 | |
KR20210128161A (ko) | 인지 무선 통신을 위한 순환 신경망 기반 스펙트럼 센싱 방법 및 장치 | |
CN108270495B (zh) | 一种背景噪声的提取方法及提取系统 | |
CN109120361A (zh) | 一种利用以往感知时隙数据的协方差矩阵频谱感知方法 | |
CN104734794B (zh) | 一种认知无线网络数据量与能量消耗比最大化频谱感知方法 |
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 |