CN109274438A - 一种自适应双门限协同干扰检测方法及装置 - Google Patents

Abstract

本发明提出一种自适应双门限协同干扰检测方法,包括以下步骤：步骤一：通过检测保护频带得到每个节点的信道状态信息；步骤二：设定信道状态的门限值以及噪声不确定系数；步骤三：确定噪声不确定系数之后，计算上下门限值；步骤四：当确定好双门限值之后，对每个节点的检测统计量进行双门限准则判决，当硬判决结果中有一个节点的判决结果为1时，直接判定干扰信号存在；否则，则对融合中心接收到的软判决结果进行数据合并，当合并后的数据大于判决门限值，则干扰信号存在，否则干扰信号不存在。本发明在噪声不确定度未知的情况下，通过噪声环境的变化自适应的调整噪声不确定系数，不仅可以在信道环境较差时保持较好的检测性能，还可以降低计算复杂度。

Description

一种自适应双门限协同干扰检测方法及装置

技术领域

本发明属于通信领域，具体涉及一种自适应双门限协同干扰检测方法及装置。

背景技术

随着GNSS在军、民等领域应用越来越广，GNSS无线电磁环境也越来越复杂，GNSS面临着各种各样有意或者无意的干扰，这些干扰将影响导航系统对地面的监控以及用户的正常使用，对卫星导航的精度、可用性以及完整性等构成非常严重的威胁。到目前为止，为了抑制干扰信号对GNSS接收机的影响，提高卫星导航通信的频谱利用率，关于GNSS干扰监测与抗干扰技术的研究越来越多。干扰检测作为干扰监测技术的基础，如何保证干扰检测的准确性和高效性对整个干扰监测系统具有重大意义。

现有的GNSS干扰检测技术很多，包括能量检测、小波变换、时频分析以及循环平稳分析等。其中能量检测具有复杂度低、实现简单以及无需先验知识的优点，从实际应用出发，能量检测在GNSS干扰检测领域得到广泛的应用。

但是由于能量检测并不能区分主用户信号和噪声信号，在实际的GNSS导航系统中具有不可预测性和时变性，导致认知节点无法准确地估计出噪声功率，故而能量检测的检测性能受噪声不确定性的影响很大。有学者研究了噪声不确定性下信号检测问题，研究表明，在给定噪声不确定度的条件下，当信噪比低于某门限值时，能量检测性能严重恶化。

目前用于抑制噪声不确定性影响的方法主要包括双门限检测、协作检测、联合检测、自适应频谱检测以及利用与噪声无关的特征进行检测等。现有技术研究了认知无线电噪声不确定条件下的频谱感知技术，采用双门限协作检测算法，门限值根据各节点的噪声不确定度设置，仿真表明在各节点噪声不确定度不同的条件下，拥有良好的检测性能。现有技术提出一种将双门限检测和循环平稳检测相结合的检测算法，不仅在噪声不确定条件下拥有良好的检测性能，而且计算复杂度低于循环平稳检测。现有技术根据随机矩阵原理，通过信号协方差矩阵最大最小特征之比进行认知无线电信号检测，此算法不仅不需要信号先验信息，而且能克服噪声不确定性的影响，仿真通过ATSC DTV信号验证了算法的可行性。虽然可以抑制噪声不确定性的影响，但是有的需要知道各节点噪声不确定度的大小，而有的计算复杂度较高。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种自适应双门限协同干扰检测方法及装置。该方法在噪声不确定度未知的情况下，通过噪声环境的变化自适应的调整噪声不确定系数，不仅可以在信道环境较差时保持较好的检测性能，而且可以在信道环境较好时降低计算复杂度。

为实现上述目的及其他相关目的，本发明提供一种自适应双门限协同干扰检测方法，该方法包括以下步骤：

步骤一：通过检测保护频带得到每个节点的信道状态信息γ；

步骤二：设定信道状态的门限值为γ_b；

当信道状态信息γ≥γ_b时，将噪声不确定系数ρ设为1；当信道状态信息γ＜γ_b时，噪声不确定系数ρ为：

式中，a为调整因子；

步骤三：确定噪声不确定系数ρ之后，计算上下门限值；

λ₁表示上门限值，λ₂表示下门限值，为标准的高斯白噪声功率，M为采样点数，表示虚警概率，表示标准正态分布的右尾函数；

步骤四：当确定好双门限值之后，对每个节点的检测统计量J_i进行双门限准则判决，当硬判决结果中有一个节点的判决结果为1时，直接判定干扰信号存在；否则，则对融合中心接收到的软判决结果进行数据合并，当合并后的数据大于判决门限值，则干扰信号存在，否则干扰信号不存在。

可选地，检测统计量J_i不属于λ₁和λ₂之间；

若检测统计量J_i大于λ₂，则判决为H₁，若检测统计量J_i小于λ₁，则判为H₀。

可选地，所述软判决的方法为：检测统计量属于λ₁和λ₂之间，软判决标准如下：

其中，U_i是第i个用户的判决结果。X_i是本地节点硬判决之后的数据，J_i是发送给融合中心的软数据,融合中心对J_i经过基于可信度的加权协同双门限检测再判决输出D。J_i是即接收的原始数据，未进行硬判决，直接发送给融合中心的软数据。

可选地，对融合中心接收到的软判决结果进行数据合并的方法为：

假设N个节点检测到的噪声功率为p_ni，i＝1,......N，接收信号功率为p_ri，则每个本地节点的信道状态信息表示为：

权重ω_i表示为：

假设融合中心的数据为R_i，收到的两类数据为：

其中，X_i是本地节点硬判决之后的数据，J_i是发送给融合中心的软数据(即接收的原始数据，未进行硬判决)，融合中心再次判决之后的数据为D，即：

通过双门限协同检测之后的检测概率与虚警概率为：

P_d＝P(D＝1|H₁)+P(X_i＝1|H₁)

P_f＝P(D＝1|H₀)+P(X_i＝1|H₀)

其中,P_d与P_f分别为全局检测概率与虚警概率，P(D＝1|H₁)为节点对统计量的判决结果为H₁时融合中心判决为1的概率，P(X_i＝1|H₁)为节点对统计量的判决结果为H₁时本地节点硬判决为1的概率，P(D＝1|H₀)为节点对统计量的判决结果为H₀时融合中心判决为1的概率，P(X_i＝1|H₀)为节点对统计量的判决结果为H₀时本地节点硬判决为1的概率。

为实现上述目的及其他相关目的，本发明还提供一种自适应双门限协同干扰检测装置，该装置包括：

信道状态信息获取模块，用于通过检测保护频带得到每个节点的信道状态信息γ；

设置模块，用于设定信道状态的门限值γ_b；

上下门限值计算模块，用于在确定噪声不确定系数ρ之后，计算上门限值λ₁和和下门限值λ₂；

判决模块，用于对每个节点的检测统计量J_i进行双门限准则判决，若硬判决结果中有一个节点的判决结果为1时，直接判定干扰信号存在；否则，则对融合中心接收到的软判决结果进行数据合并，当合并后的数据大于判决门限值，则干扰信号存在，否则干扰信号不存在；

可选地，所述硬判决的方法为：检测统计量J_i不属于λ₁和λ₂之间；

若检测统计量J_i大于λ₂，则判决为H₁，若检测统计量J_i小于λ₁，则判为H₀。

可选地，所述软判决的方法为：检测统计量属于λ₁和λ₂之间，软判决标准如下：

其中，U_i是第i个用户的判决结果,X_i是本地节点硬判决之后的数据，J_i是发送给融合中心的软数据，融合中心对J_i经过基于可信度的加权协同双门限检测再判决输出D。

可选地，对融合中心接收到的软判决结果进行数据合并的方法为：

假设N个节点检测到的噪声功率为p_ni，i＝1,......N，接收信号功率为p_ri，则每个本地节点的信道状态信息表示为：

权重ω_i表示为：

假设融合中心的数据为R_i，收到的两类数据为：

其中，X_i是本地节点硬判决之后的数据，J_i是发送给融合中心的软数据，融合中心再次判决之后的数据为D，即：

通过双门限协同检测之后的检测概率与虚警概率为：

P_d＝P(D＝1|H₁)+P(X_i＝1|H₁)

P_f＝P(D＝1|H₀)+P(X_i＝1|H₀)

其中,P_d与P_f分别为全局检测概率与虚警概率，P(D＝1|H₁)为节点对统计量的判决结果为H₁时融合中心判决为1的概率，P(X_i＝1|H₁)为节点对统计量的判决结果为H₁时本地节点硬判决为1的概率，P(D＝1|H₀)为节点对统计量的判决结果为H₀时融合中心判决为1的概率，P(X_i＝1|H₀)为节点对统计量的判决结果为H₀时本地节点硬判决为1的概率。

如上所述，本发明的一种自适应双门限协同干扰检测方法及装置，具有以下有益效果：

本发明提出自适应双门限协同干扰检测算法，在噪声不确定度未知的情况下，通过噪声环境的变化自适应的调整噪声不确定系数，不仅可以在信道环境较差时保持较好的检测性能，而且可以在信道环境较好时降低计算复杂度。

本发明在环境噪声不确定下，采用基于可信度的加权协同双门限干扰检测，可以有效地抑制噪声不确定性对干扰检测的影响，提高低干噪比下的检测性能。

附图说明

为了进一步阐述本发明所描述的内容，下面结合附图对本发明的具体实施方式作进一步详细的说明。应当理解，这些附图仅作为典型示例，而不应看作是对本发明的范围的限定。

图1为双门限混合判决示意图；

图2为滑动窗口滤波器寻找保护频带结构框图；

图3为噪声不确定度自适应设置；

图4为不同融合准则的检测性能；

图5为不同ρ值的检测性能；

图6为不同a值下的检测概率随干噪比变化曲线；

图7为不同a值下的检测概率随虚警概率变化曲线；

图8为不同噪声门限值下的检测概率随干噪比变化曲线；

图9为不同噪声门限值下的检测概率随虚警概率变化曲线；

图10为本发明所述方法的流程图。

具体实施方式

以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。

需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。

能量检测的思想是在一定时间内求能量累积值，把检测出来的能量值与阈值进行比较，从而判断干扰信号的有无。为了能够有效地测量出接收信号的能量值，首先将接收信号经过带通滤波器进行滤波，再经过一个A/D转换器，把模拟信号转换为数字信号，然后对离散信号进行平方、累加平均运算，最后经过门限判决器与门限值比较并做出判决。

不含干扰信号与含干扰信号问题可表示为：

式中，x(t)为GNSS接收信号，j(t)为干扰信号，n(t)为噪声信号，n(t)和j(t)之间相互独立。

在高斯白噪声环境下对干扰信号进行检测，检测统计量近似的服从高斯分布：

式中，为高斯白噪声的方差，为干扰信号的平均功率，可以得到检测概率P_d和虚警概率P_f为：

上式中，为标准正态分布的右尾函数。P_d为干扰存在时，判定为H₁的概率，P_f为干扰不存在时，判定为H₁的概率，λ是判决门限，由式(4)可以得到门限值为：

进一步可得到检测概率为：

其中，干噪比由上式可以看出，影响检测概率的因素主要有干噪比、虚警概率以及采样点数。

通常情况下，都是假设接收信号的噪声功率为一确定值。但是，在真实的电磁环境中，还存在一些未知的干扰或者噪声信号对噪声功率产生影响，使得噪声功率会随环境和时间的变化而变化，这就是噪声不确定性。由于噪声不确定性的影响，能量检测值会在一定范围内浮动，导致检测概率降低以及虚警概率加大，对检测性能造成严重的影响，因此，为了降低噪声不确定性对检测性能的影响，采用双门限协作干扰检测。

定义一个噪声不确定区间，即：

式中，为实际信号的噪声功率，为标准的高斯白噪声功率；ρ为噪声不确定系数。10lgρ的上边界为A(单位：dB)，为导航环境下存在的最大噪声不确定度，10lgρ均匀分布在区间[-A,A]。

由噪声不确定系数ρ和虚警概率，双门限值可以表示为：

如图1所示，设定两个检测门限将整个检测区域分为3个部分，当检测统计量处于不确定空间(λ₁和λ₂之间)之外时，将直接采用硬判决，发送本地判决结果给融合中心，若检测统计量大于λ₂，则判决为H₁，若检测统计量小于λ₁，则判为H₀。

当检测统计量处于不确定空间时，将不确定空间的信息发送至融合进行软合并判决，判决标准如下：

上式中，U_i是第i个用户的判决结果。采用软判决可以减小干扰检测误检概率，提高判决的可靠性，当ρ＝1时λ₂＝λ₁，此时采用单门限判决，当ρ＞1时采用双门限软判决。J_i是接收的原始数据，未进行硬判决，直接发送给融合中心的软数据。

双门限值的设置对干扰检测精度的影响很大，而门限值的设定与噪声不确定系数ρ有关，怎样合理的设置ρ的大小对检测结果有很大的影响，本发明主要研究噪声不确定系数ρ随着噪声环境的变化而自适应调整的一种方案。在信道环境差的情况下，增大ρ值，提高检测精度，而当信道环境较好的时候，减少ρ值，可以降低检测算法复杂度，当达到某一设定的噪声环境时ρ＝1，此时由双门限检测变为单门限检测。

因此，噪声不确定系数ρ的取值由图3所示，自适应双门限协同检测算法的具体步骤说明如下：

步骤一：通过检测保护频带得到每个节点的信道状态信息γ。

步骤二：设定信道状态的门限值为γ_b，噪声不确定度的上限值设为ρ_λ，此值应根据实际测试设置。

当信道状态信息γ≥γ_b时，此时的信道环境较好，将噪声不确定系数ρ设为1。当γ＜γ_b时，根据下面的公式自适应调整噪声不确定系数：

式中，a为调整因子，但是ρ值并不是一直增加，当ρ＝ρ_λ时，此时由于增加噪声不确定系数对性能增益不明显，即当γ继续变小时，将ρ设为固定值ρ_λ。

步骤三：确定噪声不确定系数ρ之后，通过式(8)和式(9)计算上下门限值。

步骤四：当确定好双门限值之后，对每个节点进行双门限准则判决，将每个节点的判决结果送入到融合中心，当融合中心收到的硬判决结果中有一个节点的判决结果为1时，此时将不在融合中心进行操作，直接判定干扰信号存在；否则，则对融合中心接收到的软信息采用基于可信度合并方法进行数据合并，设置合适的判决门限值，当合并后的信息大于门限值，则干扰信号存在，否则干扰信号不存在。

在实际环境中，单门限判决容易受到衰落，多径等因素的影响，导致检测性能不理想，而协作频谱感知可以有效解决此问题。

由于各节点的噪声环境与可信度存在差异，仅对各节点的判决结果进行逻辑操作或者直接累加，并不能得到较好的检测性能。为了体现对各节点的偏好情况，使中心节点的数据融合更偏向于噪声环境较好的节点，等权重的融合方案并不适用复杂的环境。基于此，采用基于信任度的合并方式在数据融合方面得到了广泛的应用，将影响检测准确度的因素作为融合权重，使中心节点在数据融合时偏向噪声环境好的节点，从而使得检测准确度更高。

具体方法为：假设N个节点检测到的噪声功率为p_ni，i＝1,......N，接收信号功率为p_ri，则每个本地节点的信道状态信息可近似表示为：

那么权重ω_i可表示为：

假设融合中心的数据为R_i，收到的两类数据为：

其中，X_i是本地节点硬判决之后的数据，J_i是发送给融合中心的软数据。融合中心再次判决之后的数据为D，即：

通过双门限协同检测之后的检测概率与虚警概率为：

P_d＝P(D＝1|H₁)+P(X_i＝1|H₁) (16)

P_f＝P(D＝1|H₀)+P(X_i＝1|H₀) (17)

其中，P_d与P_f为全局检测概率与虚警概率，可以看出协作检测比较关键的是如何获得噪声功率p_ni，接下来将会介绍如何有效的估计出噪声功率。

本发明采用通过滑动窗口滤波寻找保护频带的方法求得噪声功率，首先对接收到的信号进行滑动滤波，求出功率值，如果低于预设阈值，则判定为保护频带，基本框图如2所示。

接收信号x(t)首先进行抽样处理得到数字信号，再进行N点FFT变换得到局部频谱，频域抽样之后的信号x(k)可以表示为：

功率值p(k)可以通过样点频率x(k)的平方获得：

p(k)＝X²(k),0≤k≤N-1 (19)

其中滑动窗处理的算法可以表示为：利用滑动窗计算所有频点的平均功率值，直到将所有样点数据处理完毕为止。第k路滑窗函数ω(k)可以表示为：

通过上述方法可以快速找到保护频带，在保护频带内基本只有噪声而没有其他信号，此时只要检测该频段内的噪声功率便可得到所需的噪声功率。

下面以仿真的方式对上述方法进行验证：

将每个节点的噪声环境设成不同，依次仿真了采用“或”融合准则，等增益合并，最大比合并的检测性能随着虚警概率不断变化的曲线。其中最大比合并采用基于可信度的加权协同检测，平均干噪比设为-18dB，噪声不确定系数设为4，虚警概率为0.1，采样点数N＝4096，最大不确定度A＝7，如图4所示。

由图4可以看出，“或”融合准则虽然可以在一定程度上提高检测性能，但是在单个用户的检测概率较低的情况下，“或”融合准则提升性能不大，等增益合并较“或”准则在低检测概率下有不小的性能提升，最大比合并性能最佳。理由是因为硬判决“或”合并是将本地信息进行判决之后再传递给融合中心，这样使得融合中心丢失了很多信息，所以性能较差，而等增益合并虽然是将各节点的信息传回了融合中心，但是没有利用任何先验信息，给每个节点的信任度相同，故而其性能比“或”准则好，比最大比合并较差，最大比合并估计出了每个节点的噪声环境信息，在融合中心进行判决时偏向于信道环境较好的节点，故而其性能最佳。

当采用基于可信度的加权协作干扰检测时，噪声不确定系数ρ的不同也会给检测性能造成较大的影响，图5给出了在不同ρ值下面的ROC曲线。

由图5可以看出，随着ρ值得不断增大，检测性能也会随之变好，但是当ρ的取值超过4之后，性能增益不明显，再继续增大ρ值，只会增加计算复杂度，因此我们可以设定ρ的门限值ρ_λ为5。

由于实际GNSS信号很微弱，已经完全淹没在噪声之中，可以把GNSS信号当做噪声处理，只考虑干扰信号对干扰检测的影响，干扰信号选择脉冲干扰。仿真环境为高斯白噪声，加入具有不确定性的白噪声，最大不确定度A＝7。

当设置不同的调整因子a值，以及不同的门限值γ_b时，基于门限自适应的双门限协同检测算法在低干噪比下的性能曲线如下：

预设γ_b＝0.5，虚警概率设为0.1，用户数为4，采样点数N＝4096，当干噪比不断变化时，调整因子a的取值对检测性能的影响如图6所示。

预设γ_b＝0.5，平均干噪比设为-18dB，用户数为4，采样点数N＝4096，当虚警概率不断变化时，调整因子a的取值对检测性能的影响如图7所示。

当调整因子设为0.5，虚警概率设为0.1，用户数为4，采样点数N＝4096，干噪比不断变化时，门限值γ_b对检测性能的影响如图8所示。

当调整因子设为0.5，平均干噪比设为-18dB，用户数为4，采样点数N＝4096，虚警概率不断变化时，门限值γ_b对检测性能的影响如图9所示。

由图6到图9所示，随着调整因子变大或者门限值γ_b越大，检测性能越好，当干噪比大于-14dB时，可以保持检测概率在0.95以上，检测性能较好，满足在GNSS低干噪比下对压制式干扰的检测。

门限值γ_b的设置对检测性能和计算复杂度影响较大，若γ_b设置太大，此时性能提升较小，而且也会相应地增多送入融合中心的软信息数据，增大花销；若γ_b设置太小，检测性能较差，因此应该根据实际需求设置门限值γ_b大小。调整因子主要是对噪声不确定系数的微调，当γ_b确定之后，若得到的检测性能不满足要求，则可以增大调整因子，若此时检测性能比需求的要好，则可以相应降低调整因子以相应降低噪声不确定系数，从而降低复杂度。

本发明在环境噪声不确定下，采用基于可信度的加权协同双门限干扰检测，可以有效地抑制噪声不确定性对干扰检测的影响，提高低干噪比下的检测性能。

针对协作检测复杂度高的问题，本发明提出自适应双门限协同干扰检测算法，在噪声不确定度未知的情况下，通过噪声环境的变化自适应的调整噪声不确定系数，不仅可以在信道环境较差时保持较好的检测性能，而且可以在信道环境较好时降低计算复杂度。

上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。

Claims (8)

1.一种自适应双门限协同干扰检测方法，其特征在于，该方法包括以下步骤：

步骤一：通过检测保护频带得到每个节点的信道状态信息γ；

步骤二：设定信道状态的门限值为γ_b；

当信道状态信息γ≥γ_b时，将噪声不确定系数ρ设为1；当信道状态信息γ＜γ_b时，噪声不确定系数ρ为：

式中，a为调整因子；

步骤三：确定噪声不确定系数ρ之后，计算上下门限值；

λ₁表示上门限值，λ₂表示下门限值，为标准的高斯白噪声功率，M为采样点数，表示虚警概率，表示标准正态分布的右尾函数；

步骤四：当确定好双门限值之后，对每个节点的检测统计量J_i进行双门限准则判决，当硬判决结果中有一个节点的判决结果为1时，直接判定干扰信号存在；否则，则对融合中心接收到的软判决结果进行数据合并，当合并后的数据大于判决门限值，则干扰信号存在，否则干扰信号不存在。

2.根据权利要求1所述的一种自适应双门限协同干扰检测方法，其特征在于，所述硬判决的方法为：检测统计量J_i不属于λ₁和λ₂之间；

若检测统计量J_i大于λ₂，则判决为H₁，若检测统计量J_i小于λ₁，则判为H₀。

3.根据权利要求1所述的一种自适应双门限协同干扰检测方法，其特征在于，所述软判决的方法为：检测统计量属于λ₁和λ₂之间，软判决标准如下：

其中，U_i是第i个用户的判决结果,X_i是本地节点硬判决之后的数据，J_i是发送给融合中心的软数据,融合中心对J_i经过基于可信度的加权协同双门限检测再判决输出D。

4.根据权利要求3所述的一种自适应双门限协同干扰检测方法，其特征在于，对融合中心接收到的软判决结果进行数据合并的方法为：

假设N个节点检测到的噪声功率为p_ni，i＝1,......N，接收信号功率为p_ri，则每个本地节点的信道状态信息表示为：

权重ω_i表示为：

假设融合中心的数据为R_i，收到的两类数据为：

其中，X_i是本地节点硬判决之后的数据，J_i是发送给融合中心的软数据，融合中心再次判决之后的数据为D，即：

通过双门限协同检测之后的检测概率与虚警概率为：

P_d＝P(D＝1|H₁)+P(X_i＝1|H₁)

P_f＝P(D＝1|H₀)+P(X_i＝1|H₀)

其中,P_d与P_f分别为全局检测概率与虚警概率，P(D＝1|H₁)为节点对统计量的判决结果为H₁时融合中心判决为1的概率，P(X_i＝1|H₁)为节点对统计量的判决结果为H₁时本地节点硬判决为1的概率，P(D＝1|H₀)为节点对统计量的判决结果为H₀时融合中心判决为1的概率，P(X_i＝1|H₀)为节点对统计量的判决结果为H₀时本地节点硬判决为1的概率。

5.一种自适应双门限协同干扰检测装置，其特征在于，该装置包括：

信道状态信息获取模块，用于通过检测保护频带得到每个节点的信道状态信息γ；

设置模块，用于设定信道状态的门限值γ_b；

上下门限值计算模块，用于在确定噪声不确定系数ρ之后，计算上门限值λ₁和和下门限值λ₂；

判决模块，用于对每个节点的检测统计量J_i进行双门限准则判决，若硬判决结果中有一个节点的判决结果为1时，直接判定干扰信号存在；否则，则对融合中心接收到的软判决结果进行数据合并，当合并后的数据大于判决门限值，则干扰信号存在，否则干扰信号不存在。

6.根据权利要求5所述的一种自适应双门限协同干扰检测装置，其特征在于，所述硬判决的方法为：检测统计量J_i不属于λ₁和λ₂之间；

若检测统计量J_i大于λ₂，则判决为H₁，若检测统计量J_i小于λ₁，则判为H₀。

7.根据权利要求6所述的一种自适应双门限协同干扰检测方法，其特征在于，所述软判决的方法为：检测统计量属于λ₁和λ₂之间，软判决标准如下：

其中，U_i是第i个用户的判决结果,X_i是本地节点硬判决之后的数据，J_i是发送给融合中心的软数据，融合中心对J_i经过基于可信度的加权协同双门限检测再判决输出D。

8.根据权利要求7所述的一种自适应双门限协同干扰检测装置，其特征在于，对融合中心接收到的软判决结果进行数据合并的方法为：

假设N个节点检测到的噪声功率为p_ni，i＝1,......N，接收信号功率为p_ri，则每个本地节点的信道状态信息表示为：

权重ω_i表示为：

假设融合中心的数据为R_i，收到的两类数据为：

其中，X_i是本地节点硬判决之后的数据，J_i是发送给融合中心的软数据，融合中心再次判决之后的数据为D，即：

通过双门限协同检测之后的检测概率与虚警概率为：

P_d＝P(D＝1|H₁)+P(X_i＝1|H₁)

P_f＝P(D＝1|H₀)+P(X_i＝1|H₀)

其中,P_d与P_f分别为全局检测概率与虚警概率，P(D＝1|H₁)为节点对统计量的判决结果为H₁时融合中心判决为1的概率，P(X_i＝1|H₁)为节点对统计量的判决结果为H₁时本地节点硬判决为1的概率，P(D＝1|H₀)为节点对统计量的判决结果为H₀时融合中心判决为1的概率，P(X_i＝1|H₀)为节点对统计量的判决结果为H₀时本地节点硬判决为1的概率。