CN109347584B - 基于指数平滑预测的频谱感知方法 - Google Patents

Abstract

本发明提出了一种基于指数平滑预测的频谱感知方法，主要解决现有频谱感知方法中的能量检测法检测率低的技术问题，实现步骤为：1.计算噪声能量的高门限与低门限；2.计算接收信号能量的强化后的值；3.采用指数平滑法确定判决门限；4.将接收信号能量强化后的值与判决门限比较，并设置状态值；5.输出频带状态。本发明利用信号具有相关性而噪声不具有相关性这一特点，对接收信号能量进行加强，提高能量检测的检测率，同时借助指数平滑预测法短期预测精度高的优势对频带繁忙可能性进行预测，并按照可能性合理调整判决门限值，实现提高频谱感知方法检测率以及增强对环境的适应性。

Description

基于指数平滑预测的频谱感知方法

技术领域

本发明属于信号与信息处理技术领域，涉及一种认知无线电中的频谱感知方法，具体涉一种基于指数平滑预测的频谱感知方法，适用于认知无线电中协作与非协作频谱感知方法，可用于信号频段实时监测，信号截获等。

背景技术

为提高频谱资源利用率，Mitola博士在软件无线电基础上提出了认知无线电的概念，即在不对授权用户通信产生干扰的前提下，允许未授权用户接入空闲的授权频段。认知无线电的研究主要在频谱感知、频谱管理以及频谱共享三部分的研究。

频谱感知的主要目的是解决频带利用率低的问题，通过合适的频谱感知算法输出指定频段内是否有信号存在，如果频段内有信号存在则该频段不能再接入信号，继续查看其余频带状态直至找到一段空闲的频段并接入信号，这样能避免频谱资源浪费的情况发生，达到提高频谱利用率的目的。常见的频谱感知算法主要有能量检测法、循环谱检测法以及匹配滤波检测法。循环谱检测算法因其复杂度较高，不利于工程中实现以及实时检测；匹配滤波器检测算法，需要知道信号的先验信息，这在实际工程中几乎很难获得，因此工程使用较少。

能量检测法因其具有复杂度低，无需信号先验知识，工程上实现简单等优点而常用于实际工程中。双门限能量检测是能量检测中的一种，它在能量检测的基础上将噪声能量门限从一个增加到两个，并采用合理的方法处理接收信号能量处于两个门限之间(称为困惑区)的信号，达到提高检测率以及增强环境适应性的目的。如申请公布号为CN104767578A，名称为“基于自适应检测长度的双门限能量感知方法和系统”的专利申请，公开了一种基于自适应检测长度的双门限能量感知方法，该方法首先根据噪声不确定性大小设置上下判决门限，当检测统计量位于双门限之外时直接判决，否则增加采样数并再次比较，直到得出判决结果或采样数达到上限。该方法通过牺牲了系统开销的前提下实现低信噪比检测概率的提高，由于设置了最大采样点数，在判决结果仍旧存在无法判断的情况，并且增加采样点数并未对低信噪比检测率有太大提高，而又带来了时间复杂度的缺陷。又如申请公布号为CN103856946A，名称为“基于差分能量检测的双门限协作频谱感知方法”的专利申请，公开了一种基于差分能量检测的双门限协作频谱感知方法：该方法首先对每个认知用户进行本地感知，在传统双门限能量检测的基础上，对处于双门限之间的能量值采用差分能量检测，对处于双门限之外的能量值采用传统能量检测，并将检测结果输出。该方法结合了差分检测和双门限检测，提高了检测概率并在一定程度上克服了噪声不确定性影响，由于该方法仅利用了在计算差分能量均值时并未利用所接收到所有信号能量，仅利用了初始信号能量及当前时刻能量，导致信息利用率不足，对检测率提高并不多，并且在低信噪比下，差分能量并不是一个很好的特征，并未有效提高低信噪比检测率。

综上所述，现有的频谱感知算法中的能量检测方法中，仍很难找到一种低信噪比检测率高的方法。

发明内容

本发明的目的在于克服上述现有技术存在的缺陷，提出了一种基于指数平滑预测的频谱感知方法，用以解决现有技术中存在的低信噪比检测率低的技术问题。

本发明的技术思路是：根据背景噪声信号方差的最大值与最小值并由此计算出噪声能量的高低门限，将接收信号分解成小段信号，将所有小段信号能量与信号间的相关之和作为增强后的能量，通过指数平滑法预测频带忙碌的可能性，并在噪声能量的高低门限基础上计算合适的判决门限值，通过比较接收信号增强后的能量值以及判决门限值之间的对比，得出频带状态值，最后输出频带状态，实现步骤为：

(1)计算噪声能量的高门限V_h和低门限V_l：

采用逆Q函数Q^-1(·)，并根据噪声信号方差的最小值β_l和最大值β_h，计算噪声能量的高门限V_h和低高门限V_l：

其中，N为采样点数，N＝τf_s，τ为检测周期，f_s为采样频率,f_s＝2W，W为接收带宽，P_f为虚警概率；

(2)对i时刻i≥1接收信号X的能量进行强化，得到强化后的能量Y：

(2a)将接收信号X平均划分为2K段，K为正整数，且K≥1，其中第l段接收信号用X_l表示，l＝1,2,...,2K；

(2b)按照接收的先后顺序，将划分后的2K段接收信号每两段分为一组，第k组接收信号用X_2k-1与X_2k表示，k＝1,2,...,K，并计算第k组中两段接收信号之和A_k及两段接收信号之差B_k：A_k＝X_2k-1+X_2k，B_k＝X_2k-1-X_2k；

(2c)计算A_k的能量M_k及B_k的能量N_k，并令第k组接收信号的能量为Y_k,Y_k＝max{M_k,N_k}，再计算K组接收信号能量之和Y，将其作为接收信号X强化后的能量，

(3)采用指数平滑预测方法，确定噪声能量的判决门限值V_th：

(3a)采用指数平滑法预测法，预测i时刻频带的状态值S_i＝1的可能性P；

(3b)计算噪声能量判决门限V_th：

V_th＝(1-P)(V_h-V_l)+V_l；

(4)确定i时刻频带的状态值S_i：

当Y≥V_th时，记录i时刻频带的状态值S_i＝1；当Y＜V_th时，记录i时刻频带的状态值S_i＝0；

(5)判断i时刻的频带状态并输出：

如果S_i＝1，则i时刻的频带状态为忙碌；如果S_i＝0，则i时刻的频带状态为空闲，并输出该时刻的频带状态。

本发明与现有技术相比，具有如下优点：

1.本发明在计算频带状态值时，采用判决门限与能量值比较，判决门限根据指数平滑预测结果设定，由于指数平滑预测方法拥有短期预测以及对趋势性变化数据预测具有精度高的优点，使得在低信噪比情况下的预测频带使用情况可能性准确率仍能达到很高，进而达到提高低信噪比检测率的效果。

2.本发明在计算接收信号能量时，依据信号具有相关性而噪声不相关这一特性，增强了接收信号能量，进一步达到提高低信噪比检测率的效果。

3.本发明在计算频带状态值时，采用判决门限与能量值比较，判决门限的设定按照频带繁忙可能性高则判决门限低，频带空闲可能性高的准则设定，能更好的适应环境的变化。

附图说明

图1为本发明的实现流程图；

图2为本发明、基于自适应检测长度的双门限能量感知方法和基于差分能量检测的双门限协作频谱感知方法三种方法在非协作频谱感知条件下对QPSK信号在环境噪声信号不确定度为0.05，信噪比在-30dB-0dB变化的检测概率的曲线；

图3为本发明、基于自适应检测长度的双门限能量感知方法和基于差分能量检测的双门限协作频谱感知方法三种方法在非协作频谱感知条件下对QPSK信号在环境噪声信号不确定度为0.05，信噪比为-10dB下不同虚警概率下的检测概率ROC曲线；

图4为本发明、基于自适应检测长度的双门限能量感知方法和基于差分能量检测的双门限协作频谱感知方法三种方法在非协作频谱感知条件下对2FSK信号在环境噪声信号不确定度为0.05，信噪比在-30dB-0dB变化的检测概率的曲线；

图5为本发明、基于自适应检测长度的双门限能量感知方法和基于差分能量检测的双门限协作频谱感知方法三种方法在非协作频谱感知条件下对QPSK信号在环境噪声信号不确定度为0.05，信噪比为-10dB下不同虚警概率下的检测概率ROC曲线；

图6为本发明在非协作频谱感知条件下对QPSK信号在背景噪声不确定度分别为0，0.05，0.1，信噪比在-30dB-0dB变化的检测概率的检测曲线。

具体实施方式

以下结合附图和具体实施例，对本发明作进一步详细描述。

参照图1，一种基于指数平滑预测的频谱感知方法，包括以下步骤：

步骤1)计算噪声能量的高门限V_h和低门限V_l：

采用逆Q函数Q^-1(·)(标准正态分布的右尾函数的逆函数)，并确定噪声信号方差的最小值β_l和最大值β_h：

步骤1a)计算背景噪声信号n_zj的幅度均值e_z：

其中，z表示第z次采集，z＝1,2,...,M，M表示背景噪声信号的采集次数，j表示第j个采样点，j＝1,2,...,N，N为采样点数；

步骤1b)获取归一化后的背景噪声信号

步骤1c)构建归一化后的背景噪声信号

的方差向量V：

其中，

表示归一化后的背景噪声信号

的方差，

步骤1d)计算归一化后的背景噪声信号

的方差向量V中向量均值η以及向量方差S：

步骤1e)计算归一化后的背景噪声信号

的方差

的最小值β_l和最大值β_h：

β_l＝η

计算噪声能量的高门限V_h和低高门限V_l：

其中，N为采样点数，N＝τf_s，τ为检测周期，f_s为采样频率,f_s＝2W，W为接收带宽，P_f为虚警概率；

步骤2)对i时刻i≥1接收信号X的能量进行强化，得到强化后的能量Y：

步骤2a)将接收信号X平均划分为2K段(因为后续处理信号是需要两段两段处理，所以必须是偶数段)，K为正整数，且K≥1，划分后的信号段保持未划分信号时出现的先后顺序排列，其中第l段接收信号用X_l表示，l＝1,2,...,2K；

步骤2b)按照接收的先后顺序即保持未划分信号时的时域出现顺序，将划分后的2K段接收信号每两段分为一组，第k组接收信号用X_2k-1与X_2k表示，k＝1,2,...,K，并计算第k组中两段接收信号之和A_k及两段接收信号之差B_k：A_k＝X_2k-1+X_2k，B_k＝X_2k-1-X_2k；

步骤2c)计算A_k的能量M_k及B_k的能量N_k，A_k的能量M_k等价于信号的能量加上接收信号的相关和，B_k的能量N_k等价于信号的能量减去接收信号的相关和，并令第k组接收信号的能量为Y_k，Y_k＝max{M_k,N_k}，即如果信号具有负相关特性便取接收信号的能量Y_k为B_k的能量N_k，反之信号具有正相关特性便取接收信号的能量Y_k为A_k的能量M_k；再计算K组接收信号能量之和Y，将其作为接收信号X强化后的能量，

步骤3)采用指数平滑预测方法，确定噪声能量的判决门限值V_th：

步骤3a)采用指数平滑法预测法，预测i时刻频带的状态值S_i＝1(表示频段处于繁忙状态)的可能性P：

由于指数平滑预测方法中三次指数平滑预测法对具有周期性趋势变化的数据预测效果最好，而环境中频带的使用状况一般具有宏观的周期性，因此采用三次指数平滑预测法，实现步骤为：

步骤3a1)设置静态平滑系数的值为α，α∈[0,1]；

步骤3a2)设置一次指数平滑预测的初始值为l₁(可设置为范围内任意值)，l₁∈[0,1]，二次指数平滑预测的初始值为m₁(可设置为范围内任意值)，m₁∈[0,1]，三次指数平滑预测的初始值为n₁(可设置为范围内任意值)，n₁∈[0,1]，，令i≥2，时刻值h的初始值为0，并按如下公式迭代i-1次，得到一次指数平滑预测的当前值l_i，二次指数平滑预测的当前值m_i和三次指数平滑预测的当前值n_i；

h＝h+1

l_h+1＝(1-α)l_h+S_h

m_h+1＝(1-α)m_h+αl_h+1

n_h+1＝(1-α)n_h+αm_h+1

其中，S_h表示h时刻的频带的状态值；

步骤3a3)通过l_i、m_i和n_i，分别计算一次指数平滑预测参数的值a、二次指数平滑预测参数的值b和三次指数平滑预测参数的值c：

a＝3l_i-3m_i+n_i

步骤3a4)根据计算一次指数平滑预测参数的值a、二次指数平滑预测参数的值b和三次指数平滑预测参数的值c计算三次指数平滑预测结果值pre：

pre＝a+bs+cs²

其中，s表示预测时刻间隔，在本发明中s＝i-h；

步骤3a5)确定i时刻频带的状态值S_i＝1的可能性P：

步骤3b)计算噪声能量判决门限V_th：

V_th＝(1-P)(V_h-V_l)+V_l；

步骤4)确定i时刻频带的状态值S_i：

当Y≥V_th时，记录i时刻频带的状态值S_i＝1(表示频带繁忙)；当Y＜V_th时，记录i时刻频带的状态值S_i＝0(表示频带空闲)；

步骤5)判断i时刻的频带状态并输出：

如果S_i＝1，则i时刻的频带状态为忙碌，反馈用户该频段不能使用，需切换至其余频段；如果S_i＝0，则i时刻的频带状态为空闲，反馈用户可接入该频段。

以下结合仿真实验，对本发明的技术效果作进一步说明：

1、仿真条件

下述所有仿真实验均是在Win10操作系统下采用MATLAB2016a软件实现；

2、仿真内容

仿真1

将本发明、基于自适应检测长度的双门限能量感知方法和基于差分能量检测的双门限协作频谱感知方法三种方法应用于非协作场景中在对信噪比变化范围为-31dB-0dB的接收信号的检测率进行对比，其中接收信号为QPSK信号加上加性高斯白噪声信号，背景噪声不确定度为0.05，虚警概率为0.1，将接收信号分解为4段信号，三次指数平滑系数设置为0.3，本发明与现有发明技术在不同信噪比下的检测结果曲线如图2所示；

仿真2

将本发明与基于自适应检测长度的双门限能量感知方法和基于差分能量检测的双门限协作频谱感知方法三种方法应用于非协作场景中在不同虚警概率下的接收信号检测率进行对比，其中接收信号为QPSK信号加上加性高斯白噪声信号，背景噪声不确定度为0.05，信噪比为，将接收信号分解为4段信号，三次指数平滑系数设置为0.3，本发明与现有发明技术在不同虚警概率下的ROC曲线如图3所示；

仿真3

将本发明与基于自适应检测长度的双门限能量感知方法和基于差分能量检测的双门限协作频谱感知方法三种方法应用于非协作场景中在对信噪比变化范围为-31dB-0dB的接收信号的检测率结果进行对比，其中接收信号为2FSK信号加上加性高斯白噪声信号，背景噪声不确定度为0.05，虚警概率为0.1，将接收信号分解为4段信号，三次指数平滑系数设置为0.3，本发明与现有发明技术在不同信噪比下的检测结果曲线如图4所示；

仿真4

将本发明与基于自适应检测长度的双门限能量感知方法和基于差分能量检测的双门限协作频谱感知方法三种方法应用于非协作场景中在不同虚警概率下的接收信号检测率进行对比，其中接收信号为2FSK信号加上加性高斯白噪声信号，背景噪声不确定度为0.05，信噪比为，将接收信号分解为4段信号，三次指数平滑系数设置为0.3，本发明与现有发明技术在不同虚警概率下的ROC曲线如图5所示；

仿真5

本发明应用到不同背景噪声不确定度环境下对信噪比变化范围为-31dB-0dB接收信号的检测率结果，其中接收信号为2FSK信号加上加性高斯白噪声信号，背景噪声不确定度为0.05，虚警概率为0.1，将接收信号分解为4段信号，三次指数平滑系数设置为0.3，本发明与在不同噪声不确定度下不同信噪比下的检测结果曲线如图6所示。

3、仿真结果分析

图2-图3表明，对于QPSK信号本发明所采用的方法在低信噪比检测率上优于现有方法。

图4-图5表明，对于2FSK信号本发明所采用的方法在低信噪比检测率上优于现有方法。

图2-图5表明，本发明信号对于不同调制信号均有着良好的检测特性，且检测效果均优于现有方法。

图6表明，在不同环境噪声不确定度下对算法检测效果并没有太大影响，本发明对于不同的背景环境有着良好的适应性。

以上描述仅是本发明的一个具体实例，并未构成对本发明的任何限制。显然对于本领域的专业人士来说，在了解了本发明内容和原理后，都可能在不背离本发明原理、结构的情况下，进行形式和细节上的各种修正和改变，但是这些基于本发明思想的修正和改变仍在本发明的权利要求保护范围之内。

Claims (2)

1.一种基于指数平滑预测的频谱感知方法，其特征在于：包括以下步骤：

(1)计算噪声能量的高门限V_h和低门限V_l：

(1a)计算背景噪声信号n_zj的幅度均值e_z：

其中，z表示第z次采集，z＝1,2,...,M，M表示背景噪声信号的采集次数，j表示第j个采样点，j＝1,2,...,N，N为采样点数；

(1b)获取归一化后的背景噪声信号

(1c)构建归一化后的背景噪声信号

的方差向量V：

其中，

表示归一化后的背景噪声信号

的方差，

(1d)计算归一化后的背景噪声信号

的方差向量V中向量均值η以及向量方差S：

(1e)计算归一化后的背景噪声信号

的方差

的最小值β_l和最大值β_h：

β_l＝η

(1f)采用逆Q函数Q^-1(·)，并根据噪声信号方差的最小值β_l和最大值β_h，计算噪声能量的高门限V_h和低高门限V_l：

其中，N＝τf_s，τ为检测周期，f_s为采样频率,f_s＝2W，W为接收带宽，P_f为虚警概率；

(2)对i时刻i≥1接收信号X的能量进行强化，得到强化后的能量Y：

(2a)将接收信号X平均划分为2K段，K为正整数，且K≥1，其中第l段接收信号用X_l表示，l＝1,2,...,2K；

(2b)按照接收的先后顺序，将划分后的2K段接收信号每两段分为一组，第k组接收信号用X_2k-1与X_2k表示，k＝1,2,...,K，并计算第k组中两段接收信号之和A_k及两段接收信号之差B_k：A_k＝X_2k-1+X_2k，B_k＝X_2k-1-X_2k；

(2c)计算A_k的能量M_k及B_k的能量N_k，并令第k组接收信号的能量为Y_k,Y_k＝max{M_k,N_k}，再计算K组接收信号能量之和Y，将其作为接收信号X强化后的能量，

(3)采用指数平滑预测方法，确定噪声能量的判决门限值V_th：

(3a)采用指数平滑法预测法，预测i时刻频带的状态值S_i＝1的可能性P；

(3b)计算噪声能量判决门限V_th：

V_th＝(1-P)(V_h-V_l)+V_l；

(4)确定i时刻频带的状态值S_i：

当Y≥V_th时，记录i时刻频带的状态值S_i＝1；当Y＜V_th时，记录i时刻频带的状态值S_i＝0；

(5)判断i时刻的频带状态并输出：

如果S_i＝1，则i时刻的频带状态为忙碌；如果S_i＝0，则i时刻的频带状态为空闲，并输出该时刻的频带状态。

2.根据权利要求1所述的基于指数平滑预测的频谱感知方法，其特征在于，步骤(3a)中所述的预测i时刻频带的状态值S_i＝1的可能性P，采用三次指数平滑预测法，实现步骤为：

(3a1)设置静态平滑系数的值为α，α∈[0,1]；

(3a2)设置一次指数平滑预测的初始值为l₁，l₁∈[0,1]，二次指数平滑预测的初始值为m₁，m₁∈[0,1]，三次指数平滑预测的初始值为n₁，n₁∈[0,1]，令i≥2，h的初始值为0，并按如下公式迭代i-1次，得到一次指数平滑预测的当前值l_i，二次指数平滑预测的当前值m_i和三次指数平滑预测的当前值n_i；

h＝h+1

l_h+1＝(1-α)l_h+S_h

m_h+1＝(1-α)m_h+αl_h+1

n_h+1＝(1-α)n_h+αm_h+1

其中，S_h表示h时刻的频带的状态值；

(3a3)通过l_i、m_i和n_i，分别计算一次指数平滑预测参数的值a、二次指数平滑预测参数的值b和三次指数平滑预测参数的值c：

a＝3l_i-3m_i+n_i

(3a4)根据计算一次指数平滑预测参数的值a、二次指数平滑预测参数的值b和三次指数平滑预测参数的值c来计算三次指数平滑预测结果值pre：

pre＝a+bs+cs²

其中，s表示预测的时刻间隔；

(3a5)确定i时刻频带的状态值S_i＝1的可能性P：

Images