CN109600181B - 一种用于多天线的频谱感知方法 - Google Patents

一种用于多天线的频谱感知方法 Download PDF

Info

Publication number
CN109600181B
CN109600181B CN201811540929.8A CN201811540929A CN109600181B CN 109600181 B CN109600181 B CN 109600181B CN 201811540929 A CN201811540929 A CN 201811540929A CN 109600181 B CN109600181 B CN 109600181B
Authority
CN
China
Prior art keywords
decision threshold
user
test statistic
wcd
emr
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
Application number
CN201811540929.8A
Other languages
English (en)
Other versions
CN109600181A (zh
Inventor
陈安志
史治平
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Electronic Science and Technology of China
Original Assignee
University of Electronic Science and Technology of China
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by University of Electronic Science and Technology of China filed Critical University of Electronic Science and Technology of China
Priority to CN201811540929.8A priority Critical patent/CN109600181B/zh
Publication of CN109600181A publication Critical patent/CN109600181A/zh
Application granted granted Critical
Publication of CN109600181B publication Critical patent/CN109600181B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/391—Modelling the propagation channel

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)

Abstract

本发明属于认知无线电技术领域，涉及一种用于多天线频谱感知方法。本发明基于特征值矩比(eigenvalue moment ratio，EMR)和加权协方差检测(weighted covariance‑based detection，WCD)两种频谱感知方法，由于EMR方法在慢衰落信道性能较好，在快衰落信道性能较差，因此采用在此基础上级联慢衰落信道性能较差，快衰落信道性能较好的WCD方法。本发明的两阶检测方法融合了EMR和WCD两种方法的优点，提高了检测器在不同信道环境下的鲁棒性。

Description

一种用于多天线的频谱感知方法
技术领域
本发明属于认知无线电技术领域，涉及一种用于多天线频谱感知方法。
背景技术
随着无线通信技术的快速发展和通信业务的需求不断增长，频谱资源稀缺问题越来越严重。一方面，分配给授权主用户(primary users,PU)的频谱资源未能充分利用。认知无线电(Cognitive Radio,CR)采用动态频谱接入机制，在主用户未使用该频谱资源前提下，允许未授权次用户(secondary users,SU)利用该频谱资源进行传输数据，能有效地提高频谱利用率。频谱感知作为实现认知无线电技术中的基础，在不引起对主用户干扰的情况下，使次用户检测可利用的频谱资源。传统的频谱感知方法大多数只适用于某种特定的信道，当信道变化时，检测性能可能下降。如文献1“An eigenvalue-moment-ratioapproach to blind spectrum sensing for cognitive radio under sample-starvingenvironment,”(L.Huang,J.Fang,K.Liu,H.C.So,and H.Li.IEEE Trans.Veh.Technol.,Aug.2015)提出的特征值矩比(eigenvalue moment ratio，EMR)方法在慢衰落信道能取得可靠的检测性能，但EMR方法在快衰落信道性能严重下降。与文献1相反，文献2“Spectrumsensing using weighted covariance matrix in rayleigh fading channels,”(M.Jin,Q.Guo,J.Xi,Y.Li,Y.Yu,and D.Huang.IEEE Trans.Veh.Technol.,Nov.2015)提出的加权协方差检测(weighted covariance-based detection，WCD)方法在快衰落信道能取得可靠的检测性能，但在慢衰落信道环境性能严重下降。
发明内容
本发明的目的在于克服现有检测方法只适用于某种特定信道环境的缺点，将特征值矩比(eigenvalue moment ratio，EMR)和加权协方差检测(weighted covariance-baseddetection，WCD)两种频谱感知方法级联，提出一种EMR-WCD两阶的频谱感知方法。该方法融合了EMR和WCD两种方法的优点，提高了检测器在不同信道环境下的鲁棒性。
具体步骤如下：
a.次用户SU利用M根相关接收天线的认知接收待感知频段的复时域信号，H0表示主用户不存在；H1表示主用户存在。数学上，频谱感知问题可以用以下二元假设模型描述：
Figure GDA0002732986010000011
其中
Figure GDA0002732986010000021
表示主用户到次用户之间的信道增益系数矢量，服从零均值方差为
Figure GDA0002732986010000022
的循环对称复高斯分布，其中
Figure GDA0002732986010000023
为每天线的信道功率，和φh为信道的相关矩阵，s(n)为主用户发射信号，
Figure GDA0002732986010000024
为零均值方差为
Figure GDA0002732986010000025
的复高斯循环对称噪声矢量，
Figure GDA0002732986010000026
和IM分别表示每根天线的噪声方差和M×M单位阵。
b.计算样本协方差矩阵
Figure GDA0002732986010000027
Figure GDA0002732986010000028
其中N为次用户接收的总样本数，符号H表示共轭转置.
c.计算EMR方法的检验统计量TE；根据给定的虚警概率
Figure GDA0002732986010000029
确定判决门限λE：
Figure GDA00027329860100000210
Figure GDA00027329860100000211
其中
Figure GDA00027329860100000212
为矩阵
Figure GDA00027329860100000213
的迹，
Figure GDA00027329860100000214
Q-1(·)为
Figure GDA00027329860100000215
的反函数，M/N→c。
d.将统计量TE与判决门限λE进行比较：
若检验统计量TE大于判决门限λE，则主用户存在，结束检测；
若检验统计量TE小于判决门限λE，则继续进行以下步骤：
e.计算WCD方法的检验统计量TW；根据给定的虚警概率
Figure GDA00027329860100000216
确定判决门限λW：
Figure GDA00027329860100000217
Figure GDA00027329860100000218
其中
Figure GDA00027329860100000219
为加权系数，
Figure GDA00027329860100000220
为协方差矩阵
Figure GDA00027329860100000221
的第i行j列元素，
Figure GDA00027329860100000222
Figure GDA0002732986010000031
上式中
Figure GDA0002732986010000032
和
Figure GDA0002732986010000033
f.将统计量TW与判决门限λW进行比较：
若检验统计量TW大于判决门限λW，则主用户存在，结束检测；
若检验统计量TW小于判决门限λW，则主用户不存在，结束检测。
本发明的有益效果为，在快/慢衰落信道环境下，都能可靠地检测主用户是否存在。
附图说明
图1为本发明的EMR-WCD两阶方法流程示意图；
图2为检测概率VS信噪比示意图；具体的是，在系统参数为天线数M＝6，样本数N＝200，α＝{0.3,0.7}，γ＝0.4下的EMR，WCD和EMR-WCD检测性能比较；
图3为检测概率VS信噪比示意图；具体的是，在系统参数为天线数M＝6，样本数N＝200，虚警概率Pf＝0.05，α＝{0.3,0.7}，γ＝0.8下的EMR，WCD和EMR-WCD检测性能比较。
具体实施方式
发明内容部分已经对本发明的技术方案做了详细描述，下面结合附图，描述本发明技术方案的效果。
考虑噪声方差不确定性对所有比较检测器的影响。实际噪声方差
Figure GDA0002732986010000034
其中
Figure GDA0002732986010000035
为名义上的噪声方差，η为衡量噪声方差不确定性水平参数，通常用
Figure GDA0002732986010000036
表示。另外，采用“最坏”的情况描述噪声方差不确定性，即在H0情况下，
Figure GDA0002732986010000037
在H1情况下，
Figure GDA0002732986010000038
主用户信号s(n)服从零均值方差为Ps的循环对称复高斯分布；信道由
Figure GDA0002732986010000041
产生，其中矢量
Figure GDA0002732986010000042
服从零均值方差为
Figure GDA0002732986010000043
的循环对称复高斯分布，
Figure GDA0002732986010000044
信道在每次实现时，慢衰落信道的概率为α，代表
Figure GDA0002732986010000045
快衰落信道的概率为1-α，代表
Figure GDA0002732986010000046
图2和图3的仿真曲线在
Figure GDA0002732986010000047
下由蒙特卡洛次数为100000描绘出，设置EMR-WCD虚警概率为Pf＝0.05，然后根据公式
Figure GDA0002732986010000048
计算EMR和WCD方法的虚警概率
Figure GDA0002732986010000049
和
Figure GDA00027329860100000410
(1)图2在系统参数为天线数M＝6，样本数N＝200，α＝{0.3,0.7}，γ＝0.4下的EMR，WCD和EMR-WCD检测性能比较；
(2)图3在系统参数为天线数M＝6，样本数N＝200，虚警概率Pf＝0.05，α＝{0.3,0.7}，γ＝0.8下的EMR，WCD和EMR-WCD检测性能比较。

Claims (1)

1.一种用于多天线的频谱感知方法，其特征在于，包括以下步骤：
a.次用户SU利用M根相关接收天线的认知接收待感知频段的复时域信号，定义H0表示主用户不存在；H1表示主用户存在，将频谱感知问题用以下二元假设模型描述：
Figure FDA0002732984000000011
其中
Figure FDA0002732984000000012
表示主用户到次用户之间的信道增益系数矢量，服从零均值方差为
Figure FDA0002732984000000013
的循环对称复高斯分布，其中
Figure FDA0002732984000000014
为每天线的信道功率，φh为信道的相关矩阵，s(n)为主用户发射信号，
Figure FDA0002732984000000015
为零均值方差为
Figure FDA0002732984000000016
的复高斯循环对称噪声矢量，
Figure FDA0002732984000000017
和IM分别表示每根天线的噪声方差和M×M单位阵；
b.计算样本协方差矩阵
Figure FDA0002732984000000018
Figure FDA0002732984000000019
其中N为次用户接收的总样本数，符号H表示共轭转置；
c.计算EMR方法的检验统计量TE；根据给定的虚警概率
Figure FDA00027329840000000110
确定判决门限λE：
Figure FDA00027329840000000111
Figure FDA00027329840000000112
其中
Figure FDA00027329840000000113
为矩阵
Figure FDA00027329840000000114
的迹，
Figure FDA00027329840000000115
Q-1(·)为
Figure FDA00027329840000000116
的反函数，M/N→c；
d.将统计量TE与判决门限λE进行比较：
若检验统计量TE大于判决门限λE，则主用户存在，结束检测；
若检验统计量TE小于判决门限λE，则进入步骤e；
e.计算WCD方法的检验统计量TW；根据给定的虚警概率
Figure FDA00027329840000000117
确定判决门限λW：
Figure FDA0002732984000000021
Figure FDA0002732984000000022
其中
Figure FDA0002732984000000023
为加权系数，
Figure FDA0002732984000000024
Figure FDA0002732984000000025
为协方差矩阵
Figure FDA0002732984000000026
的第i行j列元素，
Figure FDA0002732984000000027
Figure FDA0002732984000000028
上式中
Figure FDA0002732984000000029
f.将统计量TW与判决门限λW进行比较：
若检验统计量TW大于判决门限λW，则主用户存在，结束检测；
若检验统计量TW小于判决门限λW，则主用户不存在，结束检测。
CN201811540929.8A 2018-12-17 2018-12-17 一种用于多天线的频谱感知方法 Active CN109600181B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811540929.8A CN109600181B (zh) 2018-12-17 2018-12-17 一种用于多天线的频谱感知方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811540929.8A CN109600181B (zh) 2018-12-17 2018-12-17 一种用于多天线的频谱感知方法

Publications (2)

Publication Number Publication Date
CN109600181A CN109600181A (zh) 2019-04-09
CN109600181B true CN109600181B (zh) 2020-12-18

Family

ID=65962635

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811540929.8A Active CN109600181B (zh) 2018-12-17 2018-12-17 一种用于多天线的频谱感知方法

Country Status (1)

Country Link
CN (1) CN109600181B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110138478B (zh) * 2019-05-30 2021-03-30 电子科技大学 一种用于非圆信号的多天线频谱感知方法
CN110912630B (zh) * 2019-11-26 2021-05-14 电子科技大学 一种基于多天线的空域频谱感知方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101877855A (zh) * 2009-04-29 2010-11-03 勒斯塔尔技术有限责任公司 使用认知无线电的频谱共享
CN103391143A (zh) * 2013-07-29 2013-11-13 哈尔滨工业大学深圳研究生院 基于特征值的多天线盲频谱感知方法及系统
CN106254002A (zh) * 2016-09-22 2016-12-21 哈尔滨工业大学 认知网络中加权的基于信号相关特性的频谱检测方法
CN108111213A (zh) * 2017-12-22 2018-06-01 电子科技大学 一种用于多天线的频谱感知方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8717922B2 (en) * 2011-01-28 2014-05-06 Nec Laboratories America, Inc. Multitaper spectrum sensing systems and methods

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101877855A (zh) * 2009-04-29 2010-11-03 勒斯塔尔技术有限责任公司 使用认知无线电的频谱共享
CN103391143A (zh) * 2013-07-29 2013-11-13 哈尔滨工业大学深圳研究生院 基于特征值的多天线盲频谱感知方法及系统
CN106254002A (zh) * 2016-09-22 2016-12-21 哈尔滨工业大学 认知网络中加权的基于信号相关特性的频谱检测方法
CN108111213A (zh) * 2017-12-22 2018-06-01 电子科技大学 一种用于多天线的频谱感知方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
A Robust Blind Detection Algorithm for Cognitive Radio Networks With Correlated Multiple Antennas;An-Zhi Chen;《IEEE》;20180331;第22卷(第3期);全文 *
An Eigenvalue-Moment-Ratio Approach to Blind Spectrum Sensing for Cognitive Radio Under Sample-Starving Environment;Lei Huang;《IEEE》;20150831;第64卷(第8期);全文 *
Spectrum Sensing Using Weighted Covariance Matrix in Rayleigh Fading Channels;Ming Jin;《IEEE》;20151130;第64卷(第11期);全文 *

Also Published As

Publication number Publication date
CN109600181A (zh) 2019-04-09

Similar Documents

Publication Publication Date Title
CN101521896B (zh) 认知无线电中的基于似然比的协同频谱感知方法
CN102291186B (zh) 一种基于信号到达方向估计的频谱感知方法
Zhang et al. A spectrum sensing method based on signal feature and clustering algorithm in cognitive wireless multimedia sensor networks
CN102324959B (zh) 一种基于多天线系统协方差矩阵的频谱感知方法
CN113595664B (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
CN110932806B (zh) 一种alpha稳定噪声衰落信道下多天线频谱感知方法及系统
CN108322277B (zh) 一种基于协方差矩阵反特征值的频谱感知方法
CN107682103B (zh) 一种基于最大特征值和主特征向量的双特征频谱感知方法
CN110932807B (zh) 一种非高斯噪声下mimo系统的频谱感知方法及系统
CN106713190B (zh) 基于随机矩阵理论和特征阈值估计的mimo发射天线数目盲估计算法
CN104780006A (zh) 基于最小错误概率准则的频谱检测器软融合方法
CN103684626A (zh) 多用户协同频谱感知的数据融合方法及装置
CN109600181B (zh) 一种用于多天线的频谱感知方法
CN108111213B (zh) 一种用于多天线的频谱感知方法
CN106972900B (zh) 基于广义t2统计量的盲频谱感知方法
CN113556157B (zh) 非高斯干扰下mimo系统发射天线数估计方法及系统
CN114337883B (zh) 协方差矩阵Cholesky分解的CNN协作频谱感知方法及系统
CN110138478B (zh) 一种用于非圆信号的多天线频谱感知方法
Li et al. Feasibly efficient cooperative spectrum sensing scheme based on Cholesky decomposition of the correlation matrix
Mu Research and Application of Computer Collaborative Spectrum Sensing Guided by Radio Technology
Zhao et al. Multi-feature collaborative spectrum sensing method based on support vector machine
CN117614572A (zh) 一种基于深度学习的非圆信号频谱感知方法
CN110690933B (zh) 一种基于fcm聚类算法的合作频谱感知方法
CN114448536B (zh) 一种全双工频谱感知方法
CN114222305A (zh) 一种基于粘性隐马尔可夫模型的协同频谱感知方法

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