CN110972144A - 一种全双工认知无线电网络多电平频谱感知方法及系统 - Google Patents

Abstract

本发明公开了一种全双工认知无线电网络多电平频谱感知方法，认知用户对接收到的一个感知周期内授权信号的N个样本信号进行采样，并计算样本信号的平均能量T(y)，再将M个等级的授权用户的发射功率分为A、B、C三个区，然后分别计算授权用户的发射功率落在A、B、C区域的概率密度，并利用广义似然比检测判断授权用户的发射功率的区域，最后再次利用广义似然比检测授权用户的发射功率具体等级。本发明可在授权用户信号特征参数未知时，实现对授权用户多阶发射电平的检测和区分，当认知用户获得更精细的授权用户状态参数之后，通过调整自身的传输参数可以有效地提高全双工认知无线电网络吞吐量。

Description

一种全双工认知无线电网络多电平频谱感知方法及系统

技术领域

本发明涉及无线通信技术领域，尤其涉及一种全双工认知无线电网络多电平频谱感知方法及系统。

背景技术

近年来，随着无线通信技术的飞速发展，无线数据传输业务呈现出指数级的爆发式增长。相应的，人们对无线频谱资源的需求也越来越大。频谱感知接入技术是认知无线电网络的支撑技术，认知用户通过频谱感知技术来检测接收到的授权用户信号，从而判别授权信道状态，并调整自身的传输参数，以在保障授权用户通信质量的同时，实现与授权用户共享授权频谱。

现有的全双工认知无线电网络中频谱感知接入技术均假设授权用户发射功率恒定，此时频谱感知可以被认为是一个判断授权用户是否出现的二元假设检测问题，频谱感知主要任务是判断授权用户是否出现。然而随着无线通信技术的发展，现有的无线通信系统标准，例如LTE、LTE-A、802.11系列等，用户均可以工作在多个不同阶发射功率，以适应不同的工作环境。与传统的单电平频谱感知技术相比较，多电平频谱感知技术是一个多元假设检测问题，认知用户通过多电平频谱感知技术实现对授权用户多阶发射电平的检测和区分。并且，当认知用户获得更精细的授权用户状态参数之后，通过调整自身的传输参数可以有效地提高认知无线电网络吞吐量。现有的多电平频谱感知接入工作主要集中在传统的半双工认知无线电网络，而授权用户具备多阶发射电平条件下的全双工认知无线电网络多电平感知接入技术问题并没有得到很好的解决。在新的全双工认知无线电网络场景下，已有的半双工认知无线电网络多电平感知技术不再适用。

首先，全双工通信模式在提升频谱效率的同时，因为发送和接收同时在同一频段工作，会带来严重的自干扰问题。在非理想干扰抑制条件下，全双工认知无线电网络中的自干扰信号会影响频谱感精度。并且自干扰信号通常由自干扰估计和重建过程中的误差、放大器非线性因素等造成，在时间长度很短的一个感知周期内，自干扰信号是一个部分参数未知的不确定性信号。如何在全双工通信自干扰信号不确定的条件下，实现对授权用户多阶发射电平的检测和区分是一个新的挑战。本发明拟在全双工认知无线电网络中同时考虑授权用户具有多阶发射电平和非理想全双工通信自干扰抑制技术的条件下，在授权用户信号特征参数未知时，实现对授权用户多阶发射电平的检测和区分。

发明内容

本发明要解决的技术问题在于针对现有技术中自干扰信号下无法进行多阶发射电平检测和区分的缺陷，提供一种全双工认知无线电网络多电平频谱感知方法。

本发明解决其技术问题所采用的技术方案是：

提供一种全双工认知无线电网络多电平频谱感知方法，包括以下步骤：

S1、在全双工发射感知模式下，认知用户对接收到的授权信号的N个样本信号进行采样，并计算一个感知周期内接收到的N个样本信号的平均能量，作为认知用户接收变量T(y)，其中第i个样本信号表示为：

其中，n_i为高斯白噪声，ω_i为认知用户自干扰信号，P_k为发射功率，γ为授权用户与次用户之间的信道增益，x_i为授权用户发射信号，H₀为授权用户在信道空闲时的状态，H_k表示授权用户工作在发射功率P_k等级时的状态，M为发射功率级别数量；

S2、对M个等级的授权用户的发射功率P_k,k＝1,...,M进行排序，并分为A、B、C三个区，A＝{P₁,…,P_m,}，B＝{P_m+1,…,P_M-m}，C＝{P_M-m+1,…,P_M}，其中

γ为分区系数；

S3、根据认知用户接收变量T(y)在H_k发生下的概率密度函数，初步估计授权用户的发射功率落在A、B、C区域的概率密度，再利用广义似然比检测计算每一个假设对的条件概率密度比值，找出最大的一个，以确定授权用户的发射功率状态落在A、B、C三个区中的哪一个，所述广义似然比检测计算每一个假设对的条件概率密度比值的公式为：

其中，H_i,H_j为一假设对，

分别为α²在H_i,H_j下的最大似然估计，通过判断ε_i,j(y)是否大于1，找出其中最大的一个；

S4、通过对相邻的两个假设对的条件概率密度比值取对数，即：lnε_k-1,k(y)＝1和lnε_k,k+1(y)＝1，计算每个授权用户的发射功率等级所对应的决策区间(ω_k,ω_k+1)，当ω_k<T(y)<ω_k+1时，判定授权用户的发射功率为第k级发射功率等级。

接上述技术方案，所述高斯白噪声为均值为0，方差为σ_n ²加性高斯白噪声。

接上述技术方案，步骤S1中一个感知周期内接收到的N个样本信号的平均能量的计算公式为：

其中，y_i为一个感知周期内授权信号的第i个样本信号。

接上述技术方案，所述用户认知自干扰信号为一个服从均值为0，方差为P_Sα²的瑞利分布的不确定变量，其中,P_S是认知用户的发射功率，由前一时隙的感知结果确定，α²为当前感知周期内认知用户的自干扰抑制能力。

接上述技术方案，所述当前感知周期内认知用户的自干扰抑制能力的模型为

其中，

为归一化自干扰信号方差，μ为α²的不确定程度，并且μ＞1。

接上述技术方案，所述认知用户接收变量y在H_k发生下的概率密度函数为：

接上述技术方案，所述授权用户的发射功率落在A、B、C区域的概率密度为：

其中，

为α²在H_k下的最大似然估计。

接上述技术方案，所述α²在H_k下的最大似然估计的计算公式为：

接上述技术方案，所述分区系数的取值范围为0.25～0.3。

提供一种全双工认知无线电网络多电平频谱感知系统，包括：

采样模块，用于采集全双工认知无线电网络中的授权信号，用于对一个感知周期内授权信号的N个样本信号进行采样，并计算一个感知周期内接收到的所有样本信号的平均能量，得到认知用户接收变量T(y)；

发射功率分区模块，用于对M个等级的授权用户的发射功率P_k,k＝1,...,M进行排序，并分为A、B、C三个区，A＝{P₁,…,P_m,}，B＝{P_m+1,…,P_M-m}，C＝{P_M-m+1,…,P_M}，其中

γ为分区系数；

发射功率所属功率分区估算模块，用于根据认知用户接收变量T(y)在H_k发生下的概率密度函数，计算授权用户的发射功率落在A、B、C区域的概率密度，再利广义似然比检测计算每一个假设对的条件概率密度比值并进行比较以确定授权用户的发射功率状态所述的功率等级分区；

发射功率等级估算模块，用于通过对相邻的两个假设对的条件概率密度比值取对数，即：lnε_k-1,k(y)＝1和lnε_k,k+1(y)＝1，计算每个授权用户的发射功率等级所对应的决策区间(ω_k,ω_k+1)，当ω_k<T(y)<ω_k+1时，判定授权用户的发射功率为第k级发射功率等级。

本发明产生的有益效果是：本发明提供的一种全双工认知无线电网络多电平频谱感知方法，根据认知用户接收变量T(y)在H_k发生下的概率密度函数结合广义似然比检测先判断授权用户的发射功率的大致分区，缩小授权用户的发射功率的范围，再次利用广义似然比检测授权用户发射功率的具体功率等级，进而完成授权用户电平等级的检测。本发明的方法同时考虑授权用户具有多阶发射电平和非理想全双工通信自干扰抑制技术的条件下，在授权用户信号特征参数未知时，实现对授权用户多阶发射电平的检测和区分，当认知用户获得更精细的授权用户状态参数之后，通过调整自身的传输参数可以有效地将认知无线电网络吞吐量提高20％以上。

附图说明

下面将结合附图及实施例对本发明作进一步说明，附图中：

图1是本发明多电平频谱感知技术的系统模型；

图2是本发明实施例多电平频谱感知方法的实现流程图；

图3是本发明多电平频谱感知技术的功率等级分区示意图；

图4是本发明多电平频谱感知技术的功率等级所对应的授权决策区间；

图5是本发明实施例全双工认知无线电网络多电平频谱感知系统。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

如图1所示，一个全双工认知无线电网络包含有一个授权用户链接和多个认知用户(Cognitive User)链接，并且全双工认知无线电网络工作在频谱衬垫模式(spectrumunderlay)，即认知用户通过控制自己的发射功率，在保证授权用户的通信质量的条件下，与授权用户共用授权频谱。授权用户具有多阶发射电平，而认知用户利用全双工通信技术，通过两根射频天线可以同时发送和接收信号。但在非理想自干扰抑制的条件下，认知用户发射信号会对频谱感知过程和接收认知信号产生自干扰。因为非理想自干扰抑制通常是由自干扰估计和重建过程中的误差、放大器非线性因素所造成，因此自干扰信号是一个部分参数未知的不确定性信号。同时，认知用户在时域上的帧结构如图1所示，认知用户在全双工接入授权信道之前首先执行一个初始化感知TS0,利用初始感知结果接入信道后，认知用户可以依据自身的感知接入协调策略工作在以下两种全双工通信模式：全双工发射感知或者全双工发射接收模式。在全双工发射感知模式中，认知用户利用全双工通信技术，通过两根射频天线可以同时发送和检测授权信号，以及时的检测授权信道的状态变化。而在全双工发射接收模式中，认知用户链接利用全双工通信技术同时发送和接收认知用户信号，以获取更大的吞吐量增益。同时，在两种工作模式中，认知用户均需要控制自身的发射功率，在保障授权用户通信质量的同时，实现与授权用户共享授权频谱。

如图2所示，本发明提供的一种全双工认知无线电网络多电平频谱感知方法，包括以下步骤：

S1、在全双工发射感知模式下，认知用户对接收到的授权信号的N个样本信号进行采样，并计算一个感知周期内接收到的N个样本信号的平均能量，作为认知用户接收变量T(y)，其中第i个样本信号表示为：

其中，n_i为高斯白噪声，ω_i为认知用户自干扰信号，P_k为发射功率，γ为授权用户与次用户之间的信道增益，x_i为授权用户发射信号，H₀为授权用户在信道空闲时的状态，H_k表示授权用户工作在发射功率P_k等级时的状态，M为发射功率级别数量；该授权信号为授权用户在授权信道上的发射信号。

S2、对M个等级的授权用户的发射功率P_k,k＝1,...,M进行排序，并分为A、B、C三个区，如图3所示，A＝{P₁,…,P_m,}，B＝{P_m+1,…,P_M-m}，C＝{P_M-m+1,…,P_M}，其中

γ为分区系数；

S3、根据认知用户接收变量T(y)在H_k发生下的概率密度函数，初步估计授权用户的发射功率落在A、B、C区域的概率密度，再利用广义似然比检测计算每一个假设对的条件概率密度比值，找出最大的一个，以确定授权用户的发射功率状态落在A、B、C三个区中的哪一个，所述广义似然比检测计算每一个假设对的条件概率密度比值的公式为：

其中，H_i,H_j为一假设对，

分别为α²在H_i,H_j下的最大似然估计，通过判断ε_i,j(y)是否大于1，找出其中最大的一个；

S4、通过对相邻的两个假设对的条件概率密度比值取对数，即：lnε_k-1,k(y)＝1和lnε_k,k+1(y)＝1，计算每个授权用户的发射功率等级所对应的决策区间(ω_k,ω_k+1)，如图4所示，当ω_k<T(y)<ω_k+1时，判定授权用户的发射功率为第k级发射功率等级。

进一步地，还包括步骤S5，当认知用户获得更精细的授权用户的发射功率之后，通过调整自身的传输参数，以实现在不影响授权用户正常工作的条件下，与授权用户共享授权信道。所调整的自身传输参数包括是否接入授权信道、自身发射功率等。本发明与传统的只判断授权用户是否出现的频谱感知技术相比较，本发明可以有效地提高全双工认知无线电网络吞吐量。

进一步地，高斯白噪声为均值为0，方差为

加性高斯白噪声。

进一步地，步骤S1中一个感知周期内接收到的N个样本信号的平均能量的计算公式为：

其中，y_i为一个感知周期内授权信号的第i个样本信号。

进一步地，用户认知自干扰信号为一个服从均值为0，方差为P_Sα²的瑞利分布的不确定变量，其中,P_S是认知用户的发射功率，由前一时隙的感知结果确定，α²为当前感知周期内认知用户的自干扰抑制能力。

进一步地，当前感知周期内认知用户的自干扰抑制能力的模型为

其中，

为归一化自干扰信号方差，μ为α²的不确定程度，并且μ＞1。

进一步地，认知用户接收变量y在H_k发生下的概率密度函数为：

其中，H_k表示授权用户工作在发射功率P_k等级时的状态，

为加性高斯白噪声的方差，P_S是认知用户的发射功率，α²为当前感知周期内认知用户的自干扰抑制能力，γ为授权用户与次用户之间的信道增益。

进一步地，授权用户的发射功率落在A、B、C区域的概率密度为：

其中，H_k表示授权用户工作在发射功率P_k等级时的状态，

为α²在H_k下的最大似然估计，

为加性高斯白噪声的方差，P_S是认知用户的发射功率，α²为当前感知周期内认知用户的自干扰抑制能力，γ为授权用户与次用户之间的信道增益，

为归一化自干扰信号方差，μ为α²的不确定程度，N为一个感知周期内授权信号样本采样个数，T(y)为一个感知周期内接收到的所有样本信号的平均能量。

进一步地，α²在H_k下的最大似然估计的计算公式为：

其中，H_k表示授权用户工作在发射功率P_k等级时的状态，

为加性高斯白噪声的方差，P_S是认知用户的发射功率，α²为当前感知周期内认知用户的自干扰抑制能力，γ为授权用户与次用户之间的信道增益，

为归一化自干扰信号方差，μ为α²的不确定程度,T(y)为一个感知周期内接收到的所有样本信号的平均能量。

进一步地，分区系数的取值范围为0.25～0.3。

本发明实施例全双工认知无线电网络多电平频谱感知系统，如图5所示，包括：

采样模块，用于采集全双工认知无线电网络中的授权信号，用于对一个感知周期内授权信号的N个样本信号进行采样，并计算一个感知周期内接收到的所有样本信号的平均能量，得到认知用户接收变量T(y)；

发射功率分区模块，用于对M个等级的授权用户的发射功率P_k,k＝1,...,M进行排序，并分为A、B、C三个区，A＝{P₁,…,P_m,}，B＝{P_m+1,…,P_M-m}，C＝{P_M-m+1,…,P_M}，其中

γ为分区系数；

发射功率所属功率分区估算模块，用于根据认知用户接收变量T(y)在H_k发生下的概率密度函数，计算授权用户的发射功率落在A、B、C区域的概率密度，再利广义似然比检测计算每一个假设对的条件概率密度比值并进行比较以确定授权用户的发射功率状态所述的功率等级分区；

发射功率等级估算模块，用于通过对相邻的两个假设对的条件概率密度比值取对数，即：lnε_k-1,k(y)＝1和lnε_k,k+1(y)＝1，计算每个授权用户的发射功率等级所对应的决策区间(ω_k,ω_k+1)，当ω_k<T(y)<ω_k+1时，判定授权用户的发射功率为第k级发射功率等级。

该系统还可以包括调整模块，用于当认知用户获得更精细的授权用户的发射功率之后，通过调整自身的传输参数，以实现在不影响授权用户正常工作的条件下，与授权用户共享授权信道。所调整的自身传输参数包括是否接入授权信道、自身发射功率等。本发明与传统的只判断授权用户是否出现的频谱感知技术相比较，本发明可以有效地提高全双工认知无线电网络吞吐量。

本实施例的系统的各个模块主要为了实现上述感知方法，相同功能部分不再赘述。

实验数据表明，在信噪比为-10dB,μ＝2时，本申请提出的检测方法正确检测出授权用户电平等级的概率超过90％。当认知用户获得更精细的授权用户状态参数之后，通过调整自身的传输参数可以有效地提高全双工认知无线电网络吞吐量，与传统的只判断授权用户出现与否的频谱感知技术相比较，利用本申请提出的全双工认知无线电多电平频谱感知技术，全双工认知无线电网络吞吐量提高20％以上。

应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims (10)

1.一种全双工认知无线电网络多电平频谱感知方法，其特征在于，包括以下步骤：

S1、在全双工发射感知模式下，认知用户对接收到的授权信号的N个样本信号进行采样，并计算一个感知周期内接收到的N个样本信号的平均能量，作为认知用户接收变量T(y)，其中第i个样本信号表示为：

其中，n_i为高斯白噪声，ω_i为认知用户自干扰信号，P_k为发射功率，γ为授权用户与次用户之间的信道增益，x_i为授权用户发射信号，H₀为授权用户在信道空闲时的状态，H_k表示授权用户工作在发射功率P_k等级时的状态，M为发射功率级别数量；

S2、对M个等级的授权用户的发射功率P_k,k＝1,...,M进行排序，并分为A、B、C三个区，A＝{P₁,…,P_m,}，B＝{P_m+1,…,P_M-m}，C＝{P_M-m+1,…,P_M}，其中

γ为分区系数；

S3、根据认知用户接收变量T(y)在H_k发生下的概率密度函数，初步估计授权用户的发射功率落在A、B、C区域的概率密度，再利用广义似然比检测计算每一个假设对的条件概率密度比值，找出最大的一个，以确定授权用户的发射功率状态落在A、B、C三个区中的哪一个，所述广义似然比检测计算每一个假设对的条件概率密度比值的公式为：

其中，H_i,H_j为一假设对，

分别为α²在H_i,H_j下的最大似然估计，通过判断ε_i,j(y)是否大于1，找出其中最大的一个；

S4、通过对相邻的两个假设对的条件概率密度比值取对数，即：

lnε_k-1,k(y)＝1和lnε_k,k+1(y)＝1，计算每个授权用户的发射功率等级所对应的决策区间(ω_k,ω_k+1)，当ω_k<T(y)<ω_k+1时，判定授权用户的发射功率为第k级发射功率等级。

2.根据权利要求1所述的多电平频谱感知方法，其特征在于，所述高斯白噪声为均值为0，方差为

加性高斯白噪声。

3.根据权利要求1所述的多电平频谱感知方法，其特征在于，步骤S1中一个感知周期内接收到的N个样本信号的平均能量的计算公式为：

其中，y_i为一个感知周期内授权信号的第i个样本信号。

4.根据权利要求1所述的多电平频谱感知方法，其特征在于，所述用户认知自干扰信号为一个服从均值为0，方差为P_Sα²的瑞利分布的不确定变量，其中,P_S是认知用户的发射功率，由前一时隙的感知结果确定，α²为当前感知周期内认知用户的自干扰抑制能力。

5.根据权利要求3所述的多电平频谱感知方法，其特征在于，所述当前感知周期内认知用户的自干扰抑制能力的模型为

其中，

为归一化自干扰信号方差，μ为α²的不确定程度，并且μ＞1。

6.根据权利要求1所述的多电平频谱感知方法，其特征在于，所述认知用户接收变量y在H_k发生下的概率密度函数为：

7.根据权利要求1所述的多电平频谱感知方法，其特征在于，所述授权用户的发射功率落在A、B、C区域的概率密度为：

其中，

为α²在H_k下的最大似然估计。

8.根据权利要求6所述的多电平频谱感知方法，其特征在于，所述α²在H_k下的最大似然估计的计算公式为：

9.根据权利要求1所述的多电平频谱感知方法，其特征在于，所述分区系数的取值范围为0.25～0.3。

10.一种全双工认知无线电网络多电平频谱感知系统，其特征在于，包括：

采样模块，用于采集全双工认知无线电网络中的授权信号，用于对一个感知周期内授权信号的N个样本信号进行采样，并计算一个感知周期内接收到的所有样本信号的平均能量，得到认知用户接收变量T(y)；

发射功率分区模块，用于对M个等级的授权用户的发射功率P_k,k＝1,...,M进行排序，并分为A、B、C三个区，A＝{P₁,…,P_m,}，B＝{P_m+1,…,P_M-m}，C＝{P_M-m+1,…,P_M}，其中

γ为分区系数；

发射功率所属功率分区估算模块，用于根据认知用户接收变量T(y)在H_k发生下的概率密度函数，计算授权用户的发射功率落在A、B、C区域的概率密度，再利广义似然比检测计算每一个假设对的条件概率密度比值并进行比较以确定授权用户的发射功率状态所述的功率等级分区；

发射功率等级估算模块，用于通过对相邻的两个假设对的条件概率密度比值取对数，即：lnε_k-1,k(y)＝1和lnε_k,k+1(y)＝1，计算每个授权用户的发射功率等级所对应的决策区间(ω_k,ω_k+1)，当ω_k<T(y)<ω_k+1时，判定授权用户的发射功率为第k级发射功率等级。

Images