CN109951237B - 一种信号检测的方法、装置及计算机存储介质 - Google Patents
一种信号检测的方法、装置及计算机存储介质 Download PDFInfo
- Publication number
- CN109951237B CN109951237B CN201910258780.2A CN201910258780A CN109951237B CN 109951237 B CN109951237 B CN 109951237B CN 201910258780 A CN201910258780 A CN 201910258780A CN 109951237 B CN109951237 B CN 109951237B
- Authority
- CN
- China
- Prior art keywords
- sample
- signal
- authorized user
- vector
- order
- 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
Landscapes
- Mobile Radio Communication Systems (AREA)
- Complex Calculations (AREA)
Abstract
本发明实施例公开了一种信号检测的方法、装置及计算机存储介质;该方法可以包括:根据接收信号的信号样本获取所述信号样本的k阶样本累积量以及所述信号样本的样本累积量向量;根据所述信号样本的k阶样本累积量获取协方差矩阵;根据所述协方差矩阵以及所述信号样本的样本累积量向量构建检验统计量;根据所述信号样本的样本累积量向量的概率密度,按照最大后验概率准则确定用于表征授权用户工作状态所对应的功率判决域;根据所述检验统计量以及所述功率判决域进行判决,确定所述授权用户的工作状态。
Description
技术领域
本发明涉及信号处理技术领域,尤其涉及一种信号检测的方法、装置及计算机存储介质。
背景技术
随着通信技术的发展,日益增长的频谱需求和有限的频谱资源之间的矛盾,成为目前制约无线通信发展的主要因素之一。在当前这种现状下,以频谱感知和系统的智能学习为核心思想的认知无线电的概念应运而生,期望能够实现动态频谱分配和频谱共享。认知无线电技术包含了频谱感知、动态频谱分配和无线频谱管理三大关键技术;其中,频谱感知技术因为其所具备的基础性作用而成为研究的热点。
在常规的无线通信系统中,为了适应环境变化或者不同的速率需求,授权用户经常工作在多个传输功率状态,因此,针对授权用户是否处于工作状态以及授权用户的工作功率进行检测和识别,成为在多主传输功率情况下频谱感知的两大基本问题。
针对上述两大基本问题,目前已经出现了多个考虑多主传输功率传输过程的信号检测方案;举例来说:
基于能量的信号检测与识别方案主要是通过累加认知用户观测时间内的信号能量值,并将累加得到的信号能量值与预设阈值进行比较,根据比较结果得出是否存在授权用户信号的判决结果。该方案的优点是不需要授权用户信号的先验知识,容易实现,运算复杂度较低。但是,该方案仅适用于检测信号的有无,不能检测信号的波形,而且该方案较容易受到噪声的影响,在信噪比较低的情况下检测性能较差。
基于序贯检测的信号检测与识别方案是一种不限定采样点数的观测方案,即边采样边判决,根据已采集到的采样点所获得的判决结果来决定是否继续观测。比如,若第k次观测仍不能完成判决,那么就先不做出判决,继续进行第k+1次观测,直到能够完成最终判决为止。该方案在个别情况下所需要的采样点数过多,达不到认知用户的实时性要求;尤其是在低信噪比情况下,控制信道的开销会非常大。
基于最大最小特征值的信号检测与识别方案利用样本协方差矩阵的最大特征值和最小特征值之间的比值作为检验统计量,然后将该检验统计量与预先设定的门限进行比较,从而获得对授权用户存在性的判断。该方案要求授权用户的传输信号是已知噪声功率的高斯过程,但在实际信号传输过程中,认知用户很难获知授权用户的传输噪声功率。而且在雷达信号、声呐信号、数字调制信号等诸多应用中授权用户的传输信号都可能为非高斯信号。所以在实际的认知环境中,无法实现对非高斯信号检测。
而目前已有的在非高斯信号条件下的多主传输功率传输过程的信号检测方案都存在无法充分利用接收信号丰富的统计信息,以及计算量较大的问题。
发明内容
有鉴于此,本发明实施例期望提供一种信号检测的方法、装置及计算机存储介质。利用接收信号的混合高阶累积量实现对授权用户在多传输功率场景中非高斯传输信号的精确检测,使得检测结果避免受到授权用户传输信号的非高斯分布统计特性的影响,并且在非高斯噪声和噪声不确定度下具有鲁棒性。
本发明的技术方案是这样实现的:
第一方面,本发明实施例提供了一种信号检测的方法,所述方法包括:
根据接收信号的信号样本获取所述信号样本的k阶样本累积量以及所述信号样本的样本累积量向量;
根据所述信号样本的k阶样本累积量获取协方差矩阵;
根据所述协方差矩阵以及所述信号样本的样本累积量向量构建检验统计量;
根据所述信号样本的样本累积量向量的概率密度,按照最大后验概率准则确定用于表征授权用户工作状态所对应的功率判决域;
根据所述检验统计量以及所述功率判决域进行判决,确定所述授权用户的工作状态。
第二方面,本发明实施例提供了一种信号检测的装置,所述装置包括:第一获取部分、第二获取部分、构建部分、确定部分和判决部分;其中,
所述第一获取部分,配置为根据接收信号的信号样本获取所述信号样本的k阶样本累积量以及所述信号样本的样本累积量向量;
所述第二获取部分,配置为根据所述信号样本的k阶样本累积量获取协方差矩阵;
所述构建部分,配置为根据所述协方差矩阵以及所述信号样本的样本累积量向量构建检验统计量;
所述确定部分,配置为根据所述信号样本的样本累积量向量的概率密度,按照最大后验概率准则确定用于表征授权用户工作状态所对应的功率判决域;
所述判决部分,配置为根据所述检验统计量以及所述功率判决域进行判决,确定所述授权用户的工作状态。
第三方面,本发明实施例提供了一种信号检测的装置,所述装置包括:通信接口,存储器和处理器;其中,
所述通信接口,用于在与其他外部网元之间进行收发信息过程中,信号的接收和发送;
所述存储器,用于存储能够在所述处理器上运行的计算机程序;
所述处理器,用于在运行所述计算机程序时,执行第一方面所述信号检测的方法步骤。
第四方面,本发明实施例提供了一种计算机存储介质,所述计算机存储介质存储有信号检测的程序,所述信号检测的程序被至少一个处理器执行时实现第一方面所述信号检测的方法步骤。
本发明实施例提供了一种信号检测的方法、装置及计算机存储介质。利用接收信号的混合高阶累积量构建检验统计量,并采用符合贝叶斯检测准则的最大后验概率准则确定授权用户的各工作状态对应的功率判决域,以使得对授权用户的工作状态进行准确识别。由于考虑到接收信号的多阶次和多时延信息,以使得有效地提取接收信号中丰富的统计信息,从而实现对授权用户在多传输功率场景中非高斯传输信号的精确检测,使得检测结果避免受到授权用户传输信号的非高斯分布统计特性的影响,并且在非高斯噪声和噪声不确定度下具有鲁棒性。
附图说明
图1为本发明实施例提供的一种信号检测的方法流程示意图;
图2为本发明实施例提供的一种工作状态判决流程示意图;
图3为本发明实施例提供的一种仿真结果示意图;
图4为本发明实施例提供的另一种仿真结果示意图;
图5为本发明实施例提供的又一种仿真结果示意图;
图6为本发明实施例提供的一种信号检测的装置组成示意图;
图7为本发明实施例提供的一种信号检测的具体硬件结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述。
参见图1,其示出了本发明实施例提供的一种信号检测的方法,该方法可以应用于无线通信系统中的接收端设备,该方法可以包括:
S101:根据接收信号的信号样本获取所述信号样本的k阶样本累积量以及所述信号样本的样本累积量向量;
S102:根据所述信号样本的k阶样本累积量获取协方差矩阵;
S103:根据所述协方差矩阵以及所述信号样本的样本累积量向量构建检验统计量;
S104:根据所述信号样本的样本累积量向量的概率密度,按照最大后验概率准则确定用于表征授权用户工作状态所对应的功率判决域;
S105:根据所述检验统计量以及所述功率判决域进行判决,确定所述授权用户的工作状态。
通过图1所示的技术方案,利用接收信号的混合高阶累积量构建检验统计量,并采用符合贝叶斯检测准则的最大后验概率准则确定授权用户的各工作状态对应的功率判决域,以使得对授权用户的工作状态进行准确识别。由于图1所示的技术方案考虑到接收信号的多阶次和多时延信息,以使得有效地提取接收信号中丰富的统计信息,从而实现对授权用户在多传输功率场景中非高斯传输信号的精确检测,使得检测结果避免受到授权用户传输信号的非高斯分布统计特性的影响,并且在非高斯噪声和噪声不确定度下具有鲁棒性。
对于图1所示的技术方案,在一种可能的实现方式中,所述根据接收信号的信号样本获取所述信号样本的k阶样本累积量以及所述信号样本的样本累积量向量,包括:
针对接收信号进行采样,获得所述接收信号的信号样本x(n);
其中,时延τi为时延向量τ=(τ1,…,τk-1),τ1=0中的元素,*表示共轭运算符,且0≤l≤k;
其中,p为样本矩数目;
对于上述实现方式,在获得了所述信号样本的k阶样本累积量以及所述信号样本的样本累积量向量之后,优选地,所述根据所述信号样本的k阶样本累积量获取协方差矩阵,可以包括:
对于上述优选示例,在获得了所述协方差矩阵以及所述信号样本的样本累积量向量之后,优选地,所述根据所述协方差矩阵以及所述信号样本的样本累积量向量构建检验统计量,包括:
根据所述协方差矩阵以及所述信号样本的样本累积量向量,按照式7构建检验统计量THCSR:
上述优选示例实现完成之后,就需要针对授权用户所处工作状态对应的功率判决域的生成,该判决域用来确定授权用户当前的传输功率所处的等级。基于此,优选来说,所述根据所述信号样本的样本累积量向量的概率密度,按照最大后验概率准则确定用于表征授权用户工作状态所对应的功率判决域,包括:
按照最大后验概率准则,确定用于判断授权用户工作在第i个功率级别对应的工作状态所采用的判断条件如式9所示:
其中,Hi代表授权用户的工作状态为工作在功率电平为Pi,i=0,1,2,…,L;
将式8代入式9,获取如式10所示的判断准则:
根据式10获得式11所示的判决门限Ξ(i,j):
根据所述判决门限Ξ(i,j),确定在Hi,i∈{0,1,2,…,L}条件下,用于表征授权用户工作状态所对应的功率判决域。
对于上述优选示例,进一步地,所述根据所述判决门限Ξ(i,j),确定在Hi,i∈{0,1,2,…,L}条件下,用于表征授权用户工作状态所对应的功率判决域,包括:
相应于授权用户的工作功率满足0=P0<P1<P2<…<PL的大小关系以及对于j=0,1,…,i-1,Pi>Pj以及对于j=i+1,…,L,Pi<Pj的状态下,根据式10以及式11获得式12:
由式12确定在Hi,i∈{0,1,2,…,L}条件下,用于表征授权用户工作状态所对应的功率判决域为:
需要说明的是,通过上述优选示例,获得了功率判决域,从而可以接收端设备能够根据检验统计量以及功率判决域来确定授权用户的传输信号功率等级,从而能够确定授权用户的工作状态。基于此,所述根据所述检验统计量以及所述功率判决域进行判决,确定所述授权用户的工作状态,包括:
具体来说,上述对授权用户的工作状态进行确定过程的具体实施流程如图2所示:
S205:判断THCSR是否大于若是,则转至S206:确定授权用户的工作状态为HL,并结束该流程。需要说明的是,S205为最后一种可能性的判断步骤,因此,在整个流程中,当执行至S205时,没有可能存在否的情况。
对于上述图1及图2所示的技术方案,本发明实施例通过具体的仿真环境对上述技术方案的技术性能及效果进行进一步的阐述。具体的仿真条件和参数如下:
设定授权用户的通信链路采用四相相移键控(QPSK,Quadrature Phase ShiftKeying)信号,符号速率为5MHz/s。计算高阶累积量时选取k=4,l=2。认知用户设备,也就是接收端设备的采样频率为符号传输速率的8倍,即采样频率为40MHz/s。授权用户通信链路共有4个非零传输功率,假设所有非零传输功率的先验概率相等,为Pr(Hi)=0.15,i=1,2,3,4,则授权用户通信链路处于空闲状态的先验概率为Pr(H0)=0.4。授权用户通信链路各非零传输功率之间满足关系P1:P2:P3:P4=3:5:7:9。平均信噪比定义为接收白高斯噪声均值为零、方差为1。当存在噪声不确定度时,噪声的功率不再是恒定的常数,而是服从之间的均匀分布的随机变量,η为噪声不确定度因子。令ρ=10log10η表示对数域的噪声不确定度因子。所有的仿真结果都是通过进行10000次蒙特卡洛仿真取平均得到。
对于上述仿真条件及参数进行以下仿真:
仿真1:在平均信噪比为-1dB的条件下,针对上述技术方案的判决概率随样本点数变化进行仿真,仿真结果如图3所示。
仿真2:在样本点数N分别为400、800和1600的条件下,对上述技术方案的判别性能随着信噪比的变化进行仿真,仿真结果如图4所示。
仿真3:在无噪声不确定度和噪声不确定度ρ=1dB的条件下,对上述技术方案的判别性能进行仿真,仿真结果如图5所示。
通过上述仿真,结果如下:
针对仿真1,由图3可以看出,在任意样本点数(Number of sample)时,上述技术方案的正确判决概率(Decision Probability)均高于90%。
针对仿真2,由图4可以看出,在低信噪比SNR区域内,当样本点数N为1600时与样本点数N为400时,上述技术方案的判别概率Discrimination Probability基本相同;这说明在低信噪比条件时,单纯地增加样本点数并不能换来有效的性能提升。而随着平均信噪比的增加,采用不同样本点数时,对应的判别概率之间的差异逐渐增大;这说明在高信噪比条件下,增加样本点数可以有效提高认知用户的判别性能。
针对仿真3,由图5可见,存在噪声不确定度时的判别概率DiscriminationProbability曲线与不存在噪声不确定度时的判别概率曲线重合,说明上述技术方案对噪声不确定度有鲁棒性。这是因为在通过上述技术方案确定判决门限的过程中,并不需要精确的噪声功率。
综合上述仿真结果和分析,上述技术方案不受授权用户传输信号的非高斯分布统计特性的影响,且在非高斯噪声和噪声不确定度下具有鲁棒性。
基于前述实施例相同的发明构思,参见图6,其示出了本发明实施例提供的一种信号检测的装置60,所述装置60可以包括:第一获取部分601、第二获取部分602、构建部分603、确定部分604和判决部分605;其中,
所述第一获取部分601,配置为根据接收信号的信号样本获取所述信号样本的k阶样本累积量以及所述信号样本的样本累积量向量;
所述第二获取部分602,配置为根据所述信号样本的k阶样本累积量获取协方差矩阵;
所述构建部分603,配置为根据所述协方差矩阵以及所述信号样本的样本累积量向量构建检验统计量;
所述确定部分604,配置为根据所述信号样本的样本累积量向量的概率密度,按照最大后验概率准则确定用于表征授权用户工作状态所对应的功率判决域;
所述判决部分605,配置为根据所述检验统计量以及所述功率判决域进行判决,确定所述授权用户的工作状态。
在上述方案中,所述第一获取部分601,配置为:
针对接收信号进行采样,获得所述接收信号的信号样本x(n);
在上述方案中,所述第二获取部分602,配置为:
在上述方案中,所述构建部分603,配置为:
根据所述协方差矩阵以及所述信号样本的样本累积量向量,按照式7构建检验统计量THCSR。
在上述方案中,所述确定部分604,配置为:
按照最大后验概率准则,确定用于判断授权用户工作在第i个功率级别对应的工作状态所采用的判断条件如式9所示;
将式8代入式9,获取如式10所示的判断准则;
根据式10获得式11所示的判决门限Ξ(i,j);
根据所述判决门限Ξ(i,j),确定在Hi,i∈{0,1,2,…,L}条件下,用于表征授权用户工作状态所对应的功率判决域。
在上述方案中,所述确定部分604,配置为:
相应于授权用户的工作功率满足0=P0<P1<P2<…<PL的大小关系以及对于j=0,1,…,i-1,Pi>Pj以及对于j=i+1,…,L,Pi<Pj的状态下,根据式10以及式11获得式12;
由式12确定在Hi,i∈{0,1,2,…,L}条件下,用于表征授权用户工作状态所对应的功率判决域为:
在上述方案中,所述判决部分605,配置为:
可以理解地,在本实施例中,“部分”可以是部分电路、部分处理器、部分程序或软件等等,当然也可以是单元,还可以是模块也可以是非模块化的。
另外,在本实施例中的各组成部分可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。
所述集成的单元如果以软件功能模块的形式实现并非作为独立的产品进行销售或使用时,可以存储在一个计算机可读取存储介质中,基于这样的理解,本实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或processor(处理器)执行本实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
因此,本实施例提供了一种计算机存储介质,所述计算机存储介质存储有信号检测的程序,所述信号检测的程序被至少一个处理器执行时实现上述技术方案中所述信号检测的方法步骤。
基于上述信号检测装置60以及计算机存储介质,参见图7,其示出了本发明实施例提供的一种信号检测装置60的具体硬件结构,包括:通信接口701,存储器702和处理器703;各个组件通过总线系统704耦合在一起。可理解,总线系统704用于实现这些组件之间的连接通信。总线系统704除包括数据总线之外,还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见,在图7中将各种总线都标为总线系统704。其中,
所述通信接口701,用于在与其他外部网元之间进行收发信息过程中,信号的接收和发送;
所述存储器702,用于存储能够在所述处理器703上运行的计算机程序;
所述处理器703,用于在运行所述计算机程序时,执行以下步骤:
根据接收信号的信号样本获取所述信号样本的k阶样本累积量以及所述信号样本的样本累积量向量;
根据所述信号样本的k阶样本累积量获取协方差矩阵;
根据所述协方差矩阵以及所述信号样本的样本累积量向量构建检验统计量;
根据所述信号样本的样本累积量向量的概率密度,按照最大后验概率准则确定用于表征授权用户工作状态所对应的功率判决域;
根据所述检验统计量以及所述功率判决域进行判决,确定所述授权用户的工作状态。
可以理解,本发明实施例中的存储器702可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。其中,非易失性存储器可以是只读存储器(Read-Only Memory,ROM)、可编程只读存储器(Programmable ROM,PROM)、可擦除可编程只读存储器(Erasable PROM,EPROM)、电可擦除可编程只读存储器(Electrically EPROM,EEPROM)或闪存。易失性存储器可以是随机存取存储器(Random Access Memory,RAM),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM可用,例如静态随机存取存储器(Static RAM,SRAM)、动态随机存取存储器(Dynamic RAM,DRAM)、同步动态随机存取存储器(Synchronous DRAM,SDRAM)、双倍数据速率同步动态随机存取存储器(Double Data RateSDRAM,DDRSDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM,ESDRAM)、同步连接动态随机存取存储器(Synchlink DRAM,SLDRAM)和直接内存总线随机存取存储器(DirectRambus RAM,DRRAM)。本文描述的系统和方法的存储器702旨在包括但不限于这些和任意其它适合类型的存储器。
而处理器703可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器703中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器703可以是通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器702,处理器703读取存储器702中的信息,结合其硬件完成上述方法的步骤。
可以理解的是,本文描述的这些实施例可以用硬件、软件、固件、中间件、微码或其组合来实现。对于硬件实现,处理单元可以实现在一个或多个专用集成电路(ApplicationSpecific Integrated Circuits,ASIC)、数字信号处理器(Digital Signal Processing,DSP)、数字信号处理设备(DSP Device,DSPD)、可编程逻辑设备(Programmable LogicDevice,PLD)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)、通用处理器、控制器、微控制器、微处理器、用于执行本申请所述功能的其它电子单元或其组合中。
对于软件实现,可通过执行本文所述功能的模块(例如过程、函数等)来实现本文所述的技术。软件代码可存储在存储器中并通过处理器执行。存储器可以在处理器中或在处理器外部实现。
具体来说,处理器703还配置为运行所述计算机程序时,执行前述技术方案中所述信号检测的方法步骤,这里不再进行赘述。
需要说明的是:本发明实施例所记载的技术方案之间,在不冲突的情况下,可以任意组合。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (9)
1.一种信号检测的方法,其特征在于,所述方法包括:
根据接收信号的信号样本获取所述信号样本的k阶样本累积量以及所述信号样本的样本累积量向量;
根据所述信号样本的k阶样本累积量获取协方差矩阵;
根据所述协方差矩阵以及所述信号样本的样本累积量向量构建检验统计量;
根据所述信号样本的样本累积量向量的概率密度,按照最大后验概率准则确定用于表征授权用户工作状态所对应的功率判决域;
根据所述检验统计量以及所述功率判决域进行判决,确定所述授权用户的工作状态,
其中,所述根据接收信号的信号样本获取所述信号样本的k阶样本累积量以及所述信号样本的样本累积量向量,包括:
针对接收信号进行采样,获得所述接收信号的信号样本x(n);
其中,时延τi为时延向量τ=(τ1,…,τk-1),τ1=0中的元素,*表示共轭运算符,且0≤l≤k;
其中,p为样本矩数目;
4.根据权利要求3所述的方法,其特征在于,所述根据所述信号样本的样本累积量向量的概率密度,按照最大后验概率准则确定用于表征授权用户工作状态所对应的功率判决域,包括:
按照最大后验概率准则,确定用于判断授权用户工作在第i个功率级别对应的工作状态所采用的判断条件如式9所示:
其中,Hi代表授权用户的工作状态为工作在功率电平为Pi,i=0,1,2,…,L;
将式8代入式9,获取如式10所示的判断准则:
根据式10获得式11所示的判决门限Ξ(i,j):
根据所述判决门限Ξ(i,j),确定在Hi,i∈{0,1,2,…,L}条件下,用于表征授权用户工作状态所对应的功率判决域。
7.一种信号检测的装置,其特征在于,所述装置包括:第一获取部分、第二获取部分、构建部分、确定部分和判决部分;其中,
所述第一获取部分,配置为根据接收信号的信号样本获取所述信号样本的k阶样本累积量以及所述信号样本的样本累积量向量;
所述第二获取部分,配置为根据所述信号样本的k阶样本累积量获取协方差矩阵;
所述构建部分,配置为根据所述协方差矩阵以及所述信号样本的样本累积量向量构建检验统计量;
所述确定部分,配置为根据所述信号样本的样本累积量向量的概率密度,按照最大后验概率准则确定用于表征授权用户工作状态所对应的功率判决域;
所述判决部分,配置为根据所述检验统计量以及所述功率判决域进行判决,确定所述授权用户的工作状态,
其中,所述根据接收信号的信号样本获取所述信号样本的k阶样本累积量以及所述信号样本的样本累积量向量,包括:
针对接收信号进行采样,获得所述接收信号的信号样本x(n);
其中,时延τi为时延向量τ=(τ1,…,τk-1),τ1=0中的元素,*表示共轭运算符,且0≤l≤k;
其中,p为样本矩数目;
8.一种信号检测的装置,其特征在于,所述装置包括:通信接口,存储器和处理器;其中,
所述通信接口,用于在与其他外部网元之间进行收发信息过程中,信号的接收和发送;
所述存储器,用于存储能够在所述处理器上运行的计算机程序;
所述处理器,用于在运行所述计算机程序时,执行权利要求1至6任一项所述信号检测的方法步骤。
9.一种计算机存储介质,其特征在于,所述计算机存储介质存储有信号检测的程序,所述信号检测的程序被至少一个处理器执行时实现权利要求1至6中任一项所述信号检测的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910258780.2A CN109951237B (zh) | 2019-04-01 | 2019-04-01 | 一种信号检测的方法、装置及计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910258780.2A CN109951237B (zh) | 2019-04-01 | 2019-04-01 | 一种信号检测的方法、装置及计算机存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109951237A CN109951237A (zh) | 2019-06-28 |
CN109951237B true CN109951237B (zh) | 2020-08-14 |
Family
ID=67013341
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910258780.2A Active CN109951237B (zh) | 2019-04-01 | 2019-04-01 | 一种信号检测的方法、装置及计算机存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109951237B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105978641A (zh) * | 2016-04-28 | 2016-09-28 | 西安电子科技大学 | 一种认知无线电中时频重叠信号的信噪比估计方法 |
CN107196720A (zh) * | 2017-06-21 | 2017-09-22 | 宁波大学 | 针对时间同步且不存在频偏情况下的ofdm信号频谱感知方法 |
CN108900268A (zh) * | 2018-09-12 | 2018-11-27 | 宁波大学 | 利用小特征值估计噪声功率的最大特征值频谱感知方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102271022B (zh) * | 2011-07-22 | 2013-07-17 | 宁波大学 | 一种基于最大广义特征值的频谱感知方法 |
CN106972900B (zh) * | 2017-05-16 | 2020-04-14 | 西安熠泽丰电子科技有限公司 | 基于广义t2统计量的盲频谱感知方法 |
CN109194417A (zh) * | 2018-09-12 | 2019-01-11 | 宁波大学 | 一种协方差矩阵频谱感知方法 |
-
2019
- 2019-04-01 CN CN201910258780.2A patent/CN109951237B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105978641A (zh) * | 2016-04-28 | 2016-09-28 | 西安电子科技大学 | 一种认知无线电中时频重叠信号的信噪比估计方法 |
CN107196720A (zh) * | 2017-06-21 | 2017-09-22 | 宁波大学 | 针对时间同步且不存在频偏情况下的ofdm信号频谱感知方法 |
CN108900268A (zh) * | 2018-09-12 | 2018-11-27 | 宁波大学 | 利用小特征值估计噪声功率的最大特征值频谱感知方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109951237A (zh) | 2019-06-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9077446B2 (en) | Method for controlling random access for the efficient sensing of the cooperative spectrum in a cognitive radio-based frequency resource sharing system | |
Mehrnia et al. | Wireless channel modeling based on extreme value theory for ultra-reliable communications | |
WO2011112562A2 (en) | Efficient channel search with sequential probability ratio testing | |
CN109219055B (zh) | 一种主用户占空比估计方法 | |
CN109219054B (zh) | 一种认知网络内双次用户的频谱感知方法 | |
CN109951237B (zh) | 一种信号检测的方法、装置及计算机存储介质 | |
CN110649982A (zh) | 基于次用户节点选择的双阈值能量检测方法 | |
CN106936527B (zh) | 一种基于双门限的多用户合作频谱感知方法 | |
Chen et al. | Triple-threshold cooperative spectrum sensing algorithm based on energy detection | |
Liao et al. | Distributed edge detection with composite hypothesis test in wireless sensor networks | |
Treeumnuk et al. | Enhanced spectrum utilisation in dynamic cognitive radios with adaptive sensing | |
CN105763273A (zh) | 一种认知无线电频谱感知方法 | |
Zhang et al. | Detecting abnormal power emission for orderly spectrum usage | |
CN115460608A (zh) | 一种网络安全策略的执行方法、装置及电子设备 | |
CN109756283B (zh) | Geo卫星通信系统下行链路的频谱感知方法、装置及介质 | |
Jiang et al. | Unilateral left‐tail Anderson Darling test‐based spectrum sensing with Laplacian noise | |
CN113420817B (zh) | 基于网络结构特征归纳的半监督调制类型识别方法、装置及介质 | |
WO2019221927A1 (en) | Computing statistics for mixture distributions | |
CN115086965A (zh) | 基于降元处理和联合迭代优化的动态频谱分配方法及系统 | |
JP2007334589A (ja) | 決定木構築方法および装置および状態判定装置 | |
CN111294128B (zh) | 一种基于马尔可夫信道模型的机会频谱接入方法 | |
CN109104741B (zh) | 一种样本分组方法及使用其估计主用户占空比的方法 | |
Zhou et al. | Sensing nodes selection and data fusion in cooperative spectrum sensing | |
Soltanmohammadi et al. | Nonparametric density estimation, hypotheses testing, and sensor classification in centralized detection | |
US20120196552A1 (en) | Methods for Determining Whether a Signal Includes a Wanted Signal and Apparatuses Configured to Determine Whether a Signal Includes a Wanted Signal |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20210804 Address after: 400031 unit 1, building 1, phase 3, R & D building, Xiyong micro power park, Shapingba District, Chongqing Patentee after: Chongqing Institute of integrated circuit innovation Xi'an University of Electronic Science and technology Address before: 710071 Taibai South Road, Yanta District, Xi'an, Shaanxi Province, No. 2 Patentee before: XIDIAN University |
|
TR01 | Transfer of patent right |