CN111327395A - 一种宽带信号的盲检测方法、装置、设备及存储介质 - Google Patents
一种宽带信号的盲检测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN111327395A CN111327395A CN201911150762.9A CN201911150762A CN111327395A CN 111327395 A CN111327395 A CN 111327395A CN 201911150762 A CN201911150762 A CN 201911150762A CN 111327395 A CN111327395 A CN 111327395A
- Authority
- CN
- China
- Prior art keywords
- sub
- band
- current
- spectrum
- signal
- 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.)
- Granted
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L1/00—Arrangements for detecting or preventing errors in the information received
- H04L1/0001—Systems modifying transmission characteristics according to link quality, e.g. power backoff
- H04L1/0036—Systems modifying transmission characteristics according to link quality, e.g. power backoff arrangements specific to the receiver
- H04L1/0038—Blind format detection
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Abstract
本发明公开了一种宽带信号的盲检测方法、装置、设备及计算机可读存储介质,包括:将当前宽带频谱等间隔划分为多个子带;利用基于频谱峰值局部密度的频谱感知法对每个子带进行粗检测,确定存在信号的目标子带,并将相邻目标子带组合为一个待处理子带块;根据与每个待处理子带块相邻的子带,确定判决门限;依据判决门限,对每个待处理子带块进行搜索,确定每个待处理子带块内的初始信号;将当前宽带频谱内搜索到的多个初始信号进行过滤与整合后,确定当前宽带频谱中的多个目标信号及其参数信息。本发明所提供的方法、装置、设备及计算机可读存储介质,减少了参数设置对宽带频谱检测性能的影响,且不依赖于其它先验信息。
Description
技术领域
本发明涉及宽带频谱感知技术领域,特别是涉及一种宽带信号的盲检测方法、装置、设备以及计算机可读存储介质。
背景技术
频谱是一种有限的自然资源,无线电管理委员会把所有频谱资源进行了规划,一旦某频段频谱资源分配给授权用户,其他用户就无法使用这个频段。而现实中频谱资源并未充分利用,美国联邦通信委员会研究表明,在大部分时间和地区,频谱利用率在15%到85%之间。
为了缓解频谱资源匮乏以及授权频段频谱利用率不足的问题,人们提出了认知无线电(Cognitive Radio,CR)来动态、高效的利用频谱。频谱感知是实现认知无线电技术的前提和先决条件,只有在感知和检测的基础上,才能够进行空闲频谱资源的使用和通信,因此,需要在宽带范围内进行频谱搜索。
针对宽带频谱感知问题,已有方法可以分为以下两类。第一类直接对宽带信号进行处理,检测信号的上升沿、下降沿,认为信号在频域变化的幅度或者奇异性大于噪声,典型的如:小波变换法、奇异值分解法(Singular Value Decomposition,SVD)、子带能量梯度法等。
其中,小波变换法需要在不同尺度下多次进行小波变换,计算复杂度高且在噪声基底起伏较大时误检率增高性能不理想。奇异值分解法利用信号构造出合适的矩阵经过分解就能表现出与小波变换相似的处理效果,并且奇异值的不同分量可以检测出具有不同奇异性指数的奇异点。此方法虽然克服了小波变换法复杂度大的缺点,但是无法克服宽带中色噪声的影响只适用于噪声基底较平坦的条件。子带能量梯度法,将宽带频谱分成各个子带,计算各子带间的能量差值对其设置判决门限寻找上升沿、下降沿,此方法可检测的信号带宽受子带划分的影响严重。虽然现有文献中在四个尺度下分别进行检测再将结果进行整合,但是检测效果仍然受制于每个尺度的设置更重要的是其门限设置需要已知噪声功率为前提在色噪声背景下实用性不强。
第二类宽带频谱感知方法,首先对宽带信号的频谱进行预处理,估计色噪声的基底去除噪声影响后,再设置水平门限进行搜索。典型的算法包括:基于非线性滤波法对噪声基底进行估计、基于形态学滤波法估计基底、柔性形态学滤波法、多尺度形态学滤波法等。现有文献中提出使用线性滤波、中值滤波、非线性自回归平滑滤波对噪声基底进行估计,从而滤除信号尖峰得到噪声基底。此方法当信号频谱覆盖的离散谱线较少时,可以较好地估计出噪声基底,而当信号带宽很宽、占用的离散普线较多时,则误差较大。而无论是基于形态学还是柔性形态学滤波的方法都存在一个问题即如何合理设置结构元素的尺度。虽然现有文献中也提出应用不同尺度对频谱进行形态学滤波解决了以往单一结构尺度滤波的缺陷,但是尺度的步进仍然会对结果造成影响并且只适用于噪声起伏的带宽大于信号的情况,否则会将凸起的噪声频谱当作信号滤掉。此类算法的效果严重依赖于对噪声基底的估计,并且参数的设置与色噪声、信号的最大带宽均有关联。
综上所述可以看出,如何减少参数设置对宽带频谱检测性能的影响是目前有待解决的问题。
发明内容
本发明的目的是提供一种宽带信号的盲检测方法、装置、设备以及计算机可读存储介质,以解决现有技术中宽带频谱检测性能受参数设置影响严重的问题。
为解决上述技术问题,本发明提供一种宽带信号的盲检测方法,包括:S1:将待检测的整段宽带频谱等间隔划分为多个宽带频谱,将当前宽带频谱等间隔划分为多个子带;S2:利用基于频谱峰值局部密度的频谱感知方法分别对每个子带进行检测,查找所述多个子带中存在信号的目标子带,并对相连的目标子带进行合并,整合为多个待处理子带块;S3:根据与当前待处理子带块相邻的左子带的功率谱均值与右子带的功率谱均值,确定与所述当前待处理子带块对应的判决门限;S4:依据所述判决门限,在所述当前待处理子带块内搜索成对的上升沿与下降沿,并将所述成对的上升沿与下降沿组合存储为一个初始信号;S5:判断所述当前待处理子带块内是否存在未成对上升沿或未成对下降沿,若不存在,将下一待处理子带块设为当前待处理子带块;S6:循环执行S3至S5,直至完成所述当前宽带频谱内最后一个待处理子带块的搜索;S7:将所述当前宽带频谱内搜索到的多个初始信号进行过滤与整合后,确定所述当前宽带频谱中的多个目标信号,并记录所述多个目标信号的参数信息。
优选地,所述判断所述当前待处理子带块内是否存在未成对上升沿或未成对下降沿后包括:
若所述当前待处理子带块内搜索的结果中存在一个未成对上升沿时,则从所述当前待处理子带块的右侧子带开始直至所述当前宽带频谱的最后一个子带为止逐个子带进行搜索,查找是否存在与所述未成对上升沿对应的下降沿;
若存在与所述未成对上升沿对应的下降沿,则终止搜索操作,并将所述未成对上升沿与该下降沿组合存储为一个完整的初始信号;
若不存在与所述未成对上升沿对应的下降沿,则存储所述未成对上升沿。
优选地,所述判断所述当前待处理子带块内是否存在未成对上升沿或未成对下降沿后包括:
若所述当前待处理子带块内搜索的结果存在一个未成对下降沿时,则从所述当前待处理子带块的左侧子带开始直至所述当前宽带频谱的第一个子带为止逐个子带进行搜索,查找是否存在与所述下降沿对应的上升沿;
若存在与所述未成对下降沿对应的上升沿,则将所述未成对下降沿与该上升沿组合存储为一个完整的初始信号;
若不存在与所述未成对下降沿对应的上升沿,则丢弃所述未成对下降沿。
优选地,所述根据与当前待处理子带块相邻的左子带的功率谱均值与右子带的功率谱均值,确定与所述当前待处理子带块对应的判决门限包括:
判断所述左子带的功率谱均值是否小于所述右子带的功率谱均值;若是,则利用所述左子带的功率谱均值确定与所述当前待处理子带块对应的判决门限。
优选地,所述将所述当前宽带频谱内搜索到的多个初始信号进行过滤与整合后,确定所述当前宽带频谱中的多个目标信号,并记录所述多个目标信号的参数信息包括:
将所述当前宽带频谱内搜索到的多个初始信号的带宽分别与预设带宽阈值进行比较,并将带宽小于所述预设带宽阈值的初始信号进行过滤;
若当前初始信号中包括其他初始信号时,将所述当前初始信号判定为噪声,过滤所述当前初始信号;
分别判断相邻的两个初始信号之间的间隔是否小于预设间隔阈值,若小于,则将所述相邻的两个初始信号整合为一个信号;
完成所述多个初始信号的过滤与整合操作后,确定所述当前宽带频谱中的多个目标信号;
分别记录所述多个目标信号的序号、载频与带宽。
本发明还提供了一种宽带信号的盲检测装置,包括:
划分模块,用于将待检测的整段宽带频谱等间隔划分为多个宽带频谱,将当前宽带频谱等间隔划分为多个子带;
检测模块,用于利用基于频谱峰值局部密度的频谱感知方法分别对每个子带进行检测,查找所述多个子带中存在信号的目标子带,并对相连的目标子带进行组合,整合为多个待处理子带块;
判决门限设定模块,用于根据与当前待处理子带块相邻的左子带的功率谱均值与右子带的功率谱均值,确定与所述当前待处理子带块对应的判决门限;
搜索模块,用于依据所述判决门限,在所述当前待处理子带块内搜索成对的上升沿与下降沿,并将所述成对的上升沿与下降沿组合存储为一个初始信号;
判断模块,用于判断所述当前待处理子带块内是否存在未成对上升沿或未成对下降沿,若不存在,将下一待处理子带块设为当前待处理子带块;
循环模块,用于循环执行所述判决门限设定模块、所述搜索模块与所述判断模块的启动步骤,直至完成所述当前宽带频谱内最后一个待处理子带块的搜索;
确定模块,用于将所述当前宽带频谱内搜索到的多个初始信号进行过滤与整合后,确定所述当前宽带频谱中的多个目标信号,并记录所述多个目标信号的参数信息。
优选地,所述判断模块后包括:
第一搜索单元,用于若所述当前待处理子带块内搜索的结果中存在一个未成对上升沿时,则从所述当前待处理子带块的右侧子带开始直至所述当前宽带频谱的最后一个子带为止逐个子带进行搜索,查找是否存在与所述未成对上升沿对应的下降沿;
第一整合单元,用于若存在与所述未成对上升沿对应的下降沿,则将所述未成对上升沿与该下降沿组合存储为一个完整的初始信号;
第一存储单元,用于若不存在与所述未成对上升沿对应的下降沿,则存储所述未成对上升沿;
优选地,所述确定模块包括:
第一过滤单元,用于将所述当前宽带频谱内搜索到的多个初始信号的带宽分别与预设带宽阈值进行比较,并将带宽小于所述预设带宽阈值的初始信号进行过滤;
第二过滤单元,用于若当前初始信号中包括另一个初始信号时,将所述当前初始信号判定为噪声,过滤所述当前初始信号;
第二整合单元,用于分别判断相邻的两个初始信号之间的间隔是否小于预设间隔阈值,若小于,则将所述相邻的两个初始信号整合为一个信号;
确定单元,用于完成所述多个初始信号的过滤与整合操作后,确定所述当前宽带频谱中的多个目标信号;
记录单元,用于分别记录所述多个目标信号的序号、载频与带宽。
本发明还提供了一种宽带信号的盲检测设备,包括:
存储器,用于存储计算机程序;处理器,用于执行所述计算机程序时实现上述一种宽带信号的盲检测方法的步骤。
本发明还提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述一种宽带信号的盲检测方法的步骤。
本发明所提供方法,基于子带检测与局部搜索实现了宽带信号的盲检测。本发明以频谱峰值局部密度的频谱感知方法为基础首先在宽带中对每个子带进行粗检测,然后对输出为“1”,即可能存在信号的目标子带进行处理,以所述目标子带的邻近信道为参考计算判决门限,对指定信道进行精确搜索并将搜索结果进行整合后得到宽带范围内存在的多个信号以及各个信号的参数信息。本发明所提供的方法以频谱峰值局部密度的频谱感知方法为基础保证了窄带检测的可靠性,只需根据用户要求设置虚警概率即可,相比于其它宽带信号检测算法所需设置的参数少。同时利用本发明所提供宽带频谱检测算法搜索上升沿与下降沿时的判决门限是以输出为“0”的子带为参考进行计算可较准确的估计出局部噪声的功率,因此能够适应宽带中噪声基底起伏的情况,并且对噪声与信号带宽没有任何限制,真正做到了宽带接收条件下信号的盲检测。
附图说明
为了更清楚的说明本发明实施例或现有技术的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明所提供的宽带信号的盲检测方法的第一种具体实施例的流程图;
图2为待检测宽带的功率谱示意图;
图3a为利用MTSE-MLD方法对子带进行检测得到的第一种检测结果示意图;
图3b为利用MTSE-MLD方法对子带进行检测得到的第二种检测结果示意图;
图3c为利用MTSE-MLD方法对子带进行检测得到的第三种检测结果示意图;
图4为色噪声等效的凹凸部分与子带的关系示意图;
图5为本发明所提供的宽带信号的盲检测方法的第二种具体实施例的流程图;
图6为本发明所提供的宽带信号的盲检测方法的第三种具体实施例的流程图;
图7为直方统计图与分布概率的对比图;
图8为噪声基底滤波器幅频特性示意图;
图9a为未经滤波处理的高斯白噪声条件下的宽带信号频谱;
图9b为经过滤波处理后的噪声基底不平坦的宽带信号;
图10为宽带检测中每个子信道的窄带检测结果示意图;
图11为MMFOS方法分别在PfMTSE=10-2,10-3,10-4时的检测结果示意图;
图12为多尺度形态学滤波法中结构元素的宽带设置两种不同方式时的检测结果示意图;
图13为本发明实施例提供的一种宽带信号的盲检测装置的结构框图。
具体实施方式
本发明的核心是提供一种宽带信号的盲检测方法、装置、设备以及计算机可读存储介质,降低了参数设置对宽带信号检测性能的影响,同时可以适应宽带中噪声基底起伏的情况,并且对噪声与信号宽带没有任何限制,真正做到了宽带接收条件下信号的盲检测。
为了使本技术领域的人员更好地理解本发明方案,下面结合附图和具体实施方式对本发明作进一步的详细说明。显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参考图1,图1为本发明所提供的宽带信号的盲检测方法的第一种具体实施例的流程图;具体操作步骤如下:
步骤S101:将待检测的整段宽带频谱等间隔划分为多个宽带频谱,将当前宽带频谱等间隔划分为多个子带;
在宽带接收收条件下,噪声是功率在频域分布不均匀的色噪声。设待检测宽带信号表示为x(n):
其中,si(n)为第i个信号,w(n)为加性的频域能量非平坦的高斯色噪声。
设所述待检测宽带信号的频段范围为Bs=[fL,fR],共有P个信号,按频率从低到高排列,设第i个信号占用的频段范围为Bi=[fiL,fiR],其中,且fiL与fiR为第i个信号在频域的左边界与右边界,满足fL<f1L<f1R<…<fPR<fiR;所述待检测宽带信号的功率谱如图2所示。
所述待检测宽带信号x(n)的功率谱Sx(f)为:
在本发明所提供的实施例对待检测宽带信号进行盲检测时,已知所述待检测宽带信号的频谱范围Bs=[fL,fR],宽带中信号数量P和每个信号的边界位置Bi=[fiL,fiR]未知。在功率谱估计时间ΔT内,宽带中信号个数、载波频率、调制方式、码元速率等信息保持不变;宽带中各信号带宽变化范围大(几十KHz到几MHz)。
步骤S102:利用基于频谱峰值局部密度的频谱感知方法分别对每个子带进行检测,查找所述多个子带中存在信号的目标子带,并对相连的目标子带进行合并,整合为多个待处理子带块;
基于频谱峰值局部密度的频谱感知(MTSE-MLD)方法为一种基于频谱峰值特征的窄带频谱感知方法,可以在全盲条件下实现窄带频谱感知。MTSE-MLD方法的核心思想是信号在频域的幅度高于噪声,如果频谱范围内是高斯白噪声那么不同时刻频谱的峰值会均匀的分布于频带中,如果存在信号那么频谱的峰值会分布在其载频处。MTSE-MLD方法借鉴了聚类的思想,利用局部密度最大值刻画了频谱峰值的分布特性,并推导出其服从Ⅱ型极值分布。MTSE-MLD方法对接收信号采用多窗谱法(MTSE)估计功率谱,提取其最大值组成峰值序列,借鉴聚类思想利用频谱峰值局部密度的最大值(MLD)作为检测统计量,理论推导并仿真验证了其服从Ⅱ型极值分布,从而得到给定虚警概率下的检测门限,实现信号的盲检测。
MTSE-MLD方法无需任何先验信息,对噪声功率不敏感,并且适用于加性高斯白噪声信道与多径衰落信道,但其只能给出所检测的带宽内是否存在信号,并不能精确给出存在信号的个数,信号的带宽等参数,不能满足宽带信号检测的需要。
将所述待检测宽带信号等间隔划分为各个子带(或子信道),设每个子带的带宽为Bn,采用MTSE-MLD方法对各子带进行窄带检测;检测结果会出现以下三种情况:
(1)信号只存在于一个子带内,此时信号带宽Bi小于子带的带宽Bn,即Bi<Bn;
(2)信号存在于两个子带内,此时信号带宽小于两倍子带的带宽,即Bi<2Bn;
(3)信号存在于两个以上子带内,此时信号带宽大于两倍子带的带宽,即Bi≥2Bn;
对上述三种情况进行仿真实验,MTSE-MLD方法中N=400、M=33、在PfMTSE-MLD=10-2时对不同码元速率和载波频率的QPSK进行检测,上述三种情况的检测结果分别如图3a、3b、3c所示。图中Bn=200kHz,Bs=800kHz,等间隔划分后得到4个信道,图中虚线代表窄带频谱感知输出结果,高电平表示有信号,低电平表示无信号。
在本发明中,将信道内无信号只存在高斯白噪声的信道定义为N(Noise)信道;将信道内只存在信号的左半面或上升部分的信道定义为L(Left)信道;将信道内完全被信号占据的信道定义为M(Middle)信道;将信道内只有信号的右半面或下降部分的信道定义为R(Right)信道;将信道内至少有一个信号的信道定义为S(Signal)信道。
图3a中信道2中只存在一个带宽小于的信号Bn,此时MTSE-MLD方法能给出正确的判决结果。对于第一种情况也有可能在信道内同时存在多个信号的现象本实施例中不考虑,这里仅给出存在一个信号的情况。图3b中信道2、3内存在一个信号,此时MTSE-MLD方法可以给出正确的判决结果。图3c中信道1、2、3内存在一个信号,此时MTSE-MLD方法在信道2中给出的结果是不存在信号造成了误检,而其它几个信道则给出了正确结果。
图3c中只给出了信号存在于三个信道中的情况,实际中由于信号带宽变化大可能会存在于更多的信道中,但是仍然可以等效的认为其频谱是由L、M、R三种信道组合而成,只是L、M、R三种信道由图3c中的一个变为了多个。
综上,利用MTSE-MLD方法对每个子带进行检测,理想条件下三种情况对S信道、L信道和R信道均可以给出H1的正确判决结果,对N信道会给出H0的正确判决结果。而在第三种情况中对M信道则会给出H0的错误判决结果,这是因为按照MTSE-MLD方法在M信道中功率谱没有明显的峰值特征,故造成误检。需要注意的是图3c中的信号用的是QPSK如果换成模拟调制方式如FM,那么在第三种情况下中间的一个或者多个M信道,可能也会给出H1的正确判决结果。因此,本实施例所提供的宽带信号的盲检测算法中需要对M信道的情况进行修正,以避免误检。
在本实施例中还对信号检测的另一个方面色噪声进行了分析,给出了子带与色噪声可能存在的位置关系。高斯白噪声的功率谱密度在整个频带范围内是平坦的,可以认为其近似为一条直线,而高斯色噪声的功率谱密度则存在起伏。可将式中的噪声基底分解为凹凸部分的组合,而凹的部分可以分解为下降过程(descend),平坦过程(flat)和上升过程(ascend),同理凸的部分又可以分解为上升过程,平坦过程和下降过程。
为表述方便,定义以下名称,当信道中噪声的右侧功率大于左侧时此信道为A信道,当信道中噪声的右侧功率小于左侧时此信道为D信道,当信道中噪声的功率变化不大时此信道为F信道。因此,凹的部分可分解为D、F和A信道,而凸的部分可分解为A、F和D信道的组合,其中每种信道可以为一个也可以为多个。色噪声等效的凹凸部分与子带的关系如图4所示。
图4中噪声的功率谱虽然有起伏但是可以将其分解为凹凸部分的组合,并最终等效分解为A、F和D三种信道。根据MTSE-MLD方法的原理,可知如果噪声在频域变化较快即在感知带宽Bn内上升、下降明显则对于A、D信道均会给出H1的错误判决结果。而对于F信道则既有可能给出H1的错误判决结果也有可能给出H0的正确判决结果,其输出与虚警概率的设置和噪声的平坦度均有一定关联存在不确定因素。当然对于A、D信道,如果合理选择感知带宽Bn,每个信道内的噪声在频域仍可以看作近似平坦。因此,本实施例所提供的宽带信号的盲检测算法中还需要对A、D信道的情况进行修正避免造成误检。
步骤S103:根据与当前待处理子带块相邻的左子带的功率谱均值与右子带的功率谱均值,确定与所述当前待处理子带块对应的判决门限;
在本实施例中,根据与所述当前待处理子带块相邻的左右子带的功率谱均值计算判决门限;例如:将所述待检测宽带信号划分为10个子带时,第2、3、4个子带的检测结果为“1”,第1和第5个子带的检测结果为“0”,则根据第1个子带的功率谱均值与第5个子带的功率谱均值计算第2、3、4个子带组成的待处理子带块对应的判决门限。
如果所述当前待处理子带块的第一个子带为所述待检测的整段宽带频谱的第一个子带,则直接利用所述当前待处理子带块的右子带的功率谱均值计算与所述当前待处理子带块对应的判决门限。
如果所述当前待处理子带块的最后一个子带为所述待检测的整段宽带频谱的最后一个子带,则直接利用所述当前待处理子带块的左子带的功率谱均值计算与所述当前待处理子带块对应的判决门限。
在上述步骤中,MTSE-MLD方法只能给出子带中是否存在信号或者说子带内频谱是否平坦有无谱峰,而不能精确给出信号个数、载波频率和信号带宽等参数。因此,在本实施例的下述步骤中需要动态设置门限对频谱进行搜索,判断信号的起始位置,并计算得到载波频率、信号带宽等参数。
多窗谱估计得到的信号功率谱密度如下所示:
在高斯白噪声条件下,多窗谱估计得到的中每根谱线服从的分布,当噪声时,其服从形状参数α=K尺度参数的Gamma分布,记为Γ(α,β)。其中,它的数学期望为K=2C0-1,方差为E(x)=αβ,概率密度函数为:
其中,γ(x,a)为下不完全Gamma函数,定义为:
thMTSE=F-1(1-PfMTSE)=βγ-1(1-PfMTSE,α) (8)
将α、β代入上式中,可以得到搜索门限thMTSE的闭合表达式为:
实际应用中通常选择某一子带作为噪声信道用来估计,代入式(9)中计算所述判决门限。假设MTSE-MLD方法中判决帧为N、C0=2,可将其计算的判决帧中N次功率谱结果叠加作为进行信号搜索时的功率谱得到由Gamma分布的可加性知,如果随机变量X1、X2、…、Xn相互独立并且都服从Gamma分布,即Xi~Γ(αi,β),i=1,2,…,n,则X1+X2+…+Xn~Γ(α1+α2+…αn,β)。
因此,由于假设在感知时间内噪声不变化,故α=α1=α2=…=αn,从而它的期望和方差分别为和可计算出的期望和方差分别为和因此可认为经叠加后的功率谱服从的分布为:只要使计算中的各分析帧互不重叠,即可认为之间相互独立,例如:当MTSE-MLD方法中每个分析帧重叠长度为L/2时,可取所有奇数帧来计算作为最后信号精确搜索的频谱。再将参数代入式(8)中,即可得到所述判决门限。
步骤S104:依据所述判决门限,在所述当前待处理子带块内搜索成对的上升沿与下降沿,并将所述成对的上升沿与下降沿组合存储为一个初始信号;
步骤S105:判断所述当前待处理子带块内是否存在未成对上升沿或未成对下降沿,若不存在,将下一待处理子带块设为当前待处理子带块;
步骤S106:循环执行S103至S105,直至完成所述当前宽带频谱内最后一个待处理子带块的搜索;
步骤S107:将所述当前宽带频谱内搜索到的多个初始信号进行过滤与整合后,确定所述当前宽带频谱中的多个目标信号,并记录所述多个目标信号的参数信息。
在本实施例中,利用MTSE-MLD方法对所述待检测宽带信号的各个子带进行检测。当子带的检测结果为“1”时说明当前子带频谱不平坦,可能存在谱峰也可能频谱呈现上升趋势或者下降趋势。当子带的检测结果为“0”时,则说明当前子带频谱较平缓不存在幅度剧烈变化的情况。完成每个子带的检测后,将输出为“1”的相邻子带组合为待处理子带块,对每个待处理子带块进行处理便可以得到所述当前宽带频谱中各个目标信号。
由于噪声存在起伏,假设其频域幅度相对于Bn变化并不剧烈那么有可能在A、D信道时输出为“0”,而如果噪声在Bn内上升或下降非常明显那么有可能输出为“1”。因此,单纯凭借MTSE-MLD方法并不能准确的排除A、D信道的影响。综上分析可知,频谱不可能一直上升或者下降,A、D信道的两侧其必然会存在F信道,故可以通过F信道中噪声的频域幅度来设置判决门限,对A、D信道进行搜索。当A、D信道中输出为“0”时则不需要处理,如果输出为“1”则寻找其附近输出为“0”的信道利用式(8)来计算判决门限,从输出为“1”的信道进行搜索,如果A、D信道中不存在信号,则只会检测出一个上升沿或下降沿。如果A、D信道中存在信号,则只要合理设置门限会检测出成对的上升、下降沿。
完成所述待检测宽带信号中各个待处理子带块的搜索后,将搜索得到的多个初始信号进行整合与过滤,从而得到所述当前宽带信号中多个目标信号,并统计目标信号的个数,记录各个目标信号的边界位置、带宽、载频等参数信息。
基于上述实施例,在本实施例中,首先将待检测的整段宽带频谱等间隔划分为多个待检测的宽带频谱,将当前宽带频谱等间隔划分为多个子带。对每个子带进行粗检测后整合出所述当前宽带频谱的各个待处理子带块。根据设置的判决门限对所述各个待处理子带块进行精确搜索,得到所述当前宽带频谱的多个初始信号。完成所述当前宽带频谱中全部待处理子带块的搜索后,将搜索到的多个初始信号进行过滤以排除噪声的干扰,并将临近的初始信号进行合并,得到所述当前宽带频谱的目标信号以及各个目标信号的参数信息。
请参考图5,图5为本发明所提供的宽带信号的盲检测方法的第二种具体实施例的流程图;具体操作步骤如下:
步骤S501:将待检测的整段宽带频谱等间隔划分为多个宽带频谱,将当前宽带频谱等间隔划分为多个子带后,利用MTSE-MLD方法分别对每个子带进行检测,查找所述多个子带中存在信号的目标子带,并将相邻的目标子带组合为一个待处理子带块;
步骤S502:根据与当前待处理子带块相邻的左子带的功率谱均值与右子带的功率谱均值,确定与所述当前待处理子带块对应的判决门限,以便依据所述判决门限,在所述当前待处理子带块内搜索信号;
步骤S503:依据所述判决门限,在所述当前待处理子带块内搜索成对的上升沿与下降沿,并将所述成对的上升沿与下降沿组合存储为一个初始信号;
步骤S504:判断所述当前待处理子带块内是否存在未成对上升沿或未成对下降沿;
步骤S505:若在所述当前待处理子带块内搜索的结果中存在一个未成对上升沿时,则从所述当前待处理子带块的右侧子带开始直至所述当前宽带频谱的最后一个子带为止逐个子带进行搜索,查找是否存在与所述未成对上升沿对应的下降沿;
步骤S506:若存在与所述未成对上升沿对应的下降沿,则将所述未成对上升沿与该下降沿组合存储为一个完整的初始信号;若不存在与所述未成对上升沿对应的下降沿,则存储所述未成对上升沿;
步骤S507:若在所述当前待处理子带块内搜索的结果中存在一个未成对下降沿时,则从所述当前待处理子带块的左侧子带开始直至所述当前宽带频谱的第一个子带为止逐个子带进行搜索,查找是否存在与所述下降沿对应的上升沿;
步骤S508:若存在与所述未成对下降沿对应的上升沿,则将所述未成对下降沿与该上升沿组合存储为一个完整的初始信号;若不存在与所述未成对下降沿对应的上升沿,则丢弃所述未成对下降沿;
步骤S509:若所述当前待处理子带块内不存在未成对上升沿或下降沿,则将下一待处理子带块设为当前待处理子带块;
步骤S510:循环执行S502至S509,直至完成所述当前宽带频谱内最后一个待处理子带块的搜索;
步骤S511:将所述当前宽带频谱内搜索到的多个初始信号的带宽分别与预设带宽阈值进行比较,并将带宽小于所述预设带宽阈值的初始信号进行过滤;
步骤S512:若当前初始信号中包括另一个初始信号时,将所述当前初始信号判定为噪声,过滤所述当前初始信号;
步骤S513:分别判断相邻的两个初始信号之间的间隔是否小于预设间隔阈值,若小于,则将所述相邻的两个初始信号整合为一个信号;
步骤S514:完成所述多个初始信号的过滤与整合操作后,确定所述当前宽带频谱中的多个目标信号,分别记录所述多个目标信号的序号、载频与带宽。
在本实施例中,为了确定当前宽带信号内存在的目标信号个数及其边界位置,可利用输出为“1”的子带两侧的“0”信道计算判决门限,从“1”子带开始进行搜索,可以得到一个由幅度大于检测门限的谱线组成的稀疏向量。需要对其进行处理,主要考虑两个方面,一是排除噪声的干扰,由于噪声的干扰导致频谱幅度的升高会造成虚假谱峰,针对这种情况可以设置一个信号的最小带宽如果信号的上升沿、下降沿间隔小于此带宽则认为是噪声。另一方面是信号的合并,由于谱估计的随机性有可能在一个信号内部出现幅度较低的谱线,针对这种情况对稀疏向量中临近的两个信号间隔进行判决,如果信号的间隔小于设置的信号最小间隔,则认为这是同一个信号进行合并处理,并计算相应的参数。
利用本实施例所提供的方法,可以准确找到上述三种情况下存在的信号,并且能抑制A、D信道的影响,给出待检测宽带信号中存在的信号数量P和每个信号边界位置Bi=[fiL,fiR]、带宽、频载等参数信息。
在本实施例中,设用多窗谱法对待检测宽带信号全频带Bs=[fL,fR]估计得到的功率谱为子带总个数为D,子带的带宽为B=Bs/D,当前处理的子带编号为i,子带估计的功率谱为子带的功率谱均值为H(i)为每个子带应用MTSE-MLD方法进行窄带检测后的判决结果,、分别为功率谱的上升沿和下降沿对应的频率,l、r分别为左、右侧参考子带的编号。基于上述实施例及上述设定条件,在本实施例中,对本发明所提供的宽带信号的盲检测方法进行进一步的解释说明。
如图6所示,图6为本发明所提供的宽带信号的盲检测方法的另三种具体实施例的流程图;具体操作步骤如下:
步骤S603:对H(i)进行判断,如果H(i)=0,则当i<D时,i=i+1重复执行步骤S603,当i≥D时取下一个频段宽带频谱的数据并转至步骤S601,如果H(i)=1,则执行步骤S604;
步骤S604:如果f2∈[fL+(i-1)×B,fL+i×B],则当i<D时,i=i+1跳转到步骤S603,当i≥D时取下一个频段宽带频谱的数据并转到步骤S601,如果则l=i-1,当i<D时,i=i+1执行步骤S605,否则执行步骤S606;
步骤S605:对H(i)进行判断,如果H(i)=1,则f2对进行判断,如果f2∈[fL+(i-1)×B,fL+i×B]则执行步骤S606,否则当i<D时,继续重复当前步骤,当i≥D时执行步骤S606,如果H(i)=0,则r=i执行步骤S607;
步骤S608:记录在频带范围内成对存在的上升沿、下降沿,并统计其组成的信号总个数,若存在未成对上升沿,则将所述未成对上升沿记为f1后执行步骤S609,若存在未成对下降沿则将所述未成对下降沿记为f2后执行步骤S610,否则,当i<D时,i=i+1跳转至步骤S603,当i≥D时取下一个频段宽带频谱的数据并跳转至步骤S601;
步骤S609:在第r个子带内继续搜索,如果存在下降沿则将其记为f2,与f1组合为一个信号,当i<D时,i=i+1跳转至步骤S603,当i≥D时取下一个频段宽带频谱的数据并跳转至步骤S601;如果未找到下降沿,则当r<D时令r=r+1,重复步骤S609,如果r≥D则保存相关数据及参数跳转至步骤S601;
步骤S610:将f2与上一段宽带频谱中的f1组合为一个信号,当i<D时,i=i+1跳转至步骤3,当i≥D时取下一个频段宽带频谱的数据并跳转至步骤S601。
如图4所示,对子带进行搜索时,需要对搜索的结果进行处理,排除噪声的干扰并对临近信号进行合并。在多余下降沿的时候,需要将此下降沿与保存的上升沿进行合并组成一个信号并存储。而在多余上升沿的时候,则对右侧子带继续搜索直至找到下降沿,如果整段频谱均搜索完毕没有找到下降沿则保存上升沿的数据,待下一段宽带信号找到下降沿后组合成一个完整信号。而如果在此完整信号内又同时存在其它信号,则可以判定此信号是幅度变化的噪声将其排除。该搜索策略可以将上升沿、下降沿成对找出,并且能够有效抑制噪声带来的影响,不受噪声变化带宽的影响,不受信号带宽的影响。并且由于信号搜索时是通过谱线来进行判决,因此对信号起止点的估计与载波频率的估计准确度较高。
由于本实施例是以MTSE-MLD方法为基础,并且本质上是在找到“1”的条件下才进行信号搜索,故将本实施例所提供的宽带信号的盲检测方法命名为MMFOS(MTSE-MLD FindOne Search)方法。
在本实施例中从算法的虚警概率、检测概率进行性能分析,需要特别说明的是由于宽带中色噪声的情况较复杂以下性能分析是建立在高斯白噪声基础上,而对于色噪声的情况将在仿真实验中给出定性描述从而验证本算法能够适应噪声基底起伏的情况。虚警概率定义为在宽带内没有信号而检测出存在信号的概率,由图6检测流程可知,判断信号存在需要满足以下条件:(1)MTSE-MLD方法至少有一个子带的输出为“1”,(2)在信号搜索时上升沿和下降沿的带宽大于最小信号带宽Bmin。满足第一个条件要求1-(1-PfMTSE-MLD)D,满足第二个条件要求因此,MMFOS方法的虚警概率Pf为:
其中,Nmin为与信号最小带宽Bmin对应的谱线个数。可见当D、Nmin、Pf给定后,PfMTSE-MLD与PfMTSE是一对相反变化的量。如果PfMTSE-MLD设置的过大,会增加虚警的子带个数导致后续信号搜索的运算量增加,虽然由于PfMTSE的控制使整体的Pf不变但是却增加了算法整体的计算量。如果PfMTSE-MLD设置的过小,虽然直观感觉增加了子带漏检的可能性,但在后续的搜索中由于有PfMTSE的控制使整体的Pf不变,同时减小了算法整体的计算量。当Nmin、PfMTSE、PfMTSE-MLD给定后随着子带个数D的增加Pf变大,当D、PfMTSE、PfMTSE-MLD给定后随着信号最小带宽Nmin的增加Pf变小。
在本实施例中将检测概率定义为宽带内存在Nsum个信号算法能够准确检测出所有信号的概率。NSi为第i个信号占用的谱线个数,如果NSi根谱线中至少存在连续Nmin根高于检测门限且不存在间隔Ngap大于的其他连续Nmin根以上高于检测门限的谱线,则认为正确检测到第i个信号。由图6检测流程可知,在不考虑信号合并的情况下正确检测必须满足以下条件:(1)MTSE-MLD方法至少在信号占用的一个子带中输出为“1”。(2)在信号搜索时信号覆盖的谱线至少Nmin个连续大于判决门限thMTSE。设i为宽带内第i个信号,NBi为第i个信号占用的子带个数,NSi为第i个信号占用的谱线个数,对第i个信号NSi根谱线中如果至少有连续Nmin个大于判决门限则认为此处有信号检测正确。正确检测第i个信号,满足第一个条件要求满足第二个条件要求因此,MMFOS方法的检测概率为:
其中,PdMTSE-MLD为MTSE-MLD方法的检测概率,NB为信号占用的子带总数,Numgap为搜索的信号间隔个数,Nums为搜索的信号个数且Nums=Numgap+1,NSn为第n个搜索的信号占用的谱线个数,Ngn为第n个搜索的信号间隔占用的谱线个数。NSn≥Nmin,Ngn≤Ng由于实际宽带接收中噪声基底复杂多变,而信号存在的位置及带宽也存在不确定性,因此检测概率只是给出了表达式无法具体计算数值解。
本发明对上述实施例所提供的宽带信号的盲检测方法进行了仿真实验,在下述仿真实验中如无特明说明,则均在采样率为fs=80MHz,信道个数为D=200,多窗谱估计L=256×D=51200,频谱分辨率Δf=3.125kHz,W=Δf/fs=3.90625×10-5,C0=LW=2,每个分析帧重叠L/2的条件下在PfMTSE-MLD=10-2时对每个子信道应用MTSE-MLD方法进行检测。宽带信号搜索时信号的最小带宽为10kHz(即3根谱线),信号间的最小间隔为15kHz(即4根谱线),所有数字调制信号的滚降系数均为0.3。
首先进行拟合优度检验。对均值为0,方差为1的高斯白噪声进行多窗谱估计,验证对其幅度分布推导的正确性。参数设置如下:MTSE-MLD方法中判决帧中分析帧个数N=600,每次宽带信号的谱估计为共有谱线数量6401根,得到进行信号精确搜索的功率谱:共进行两次实验总共得到谱线12802根,在其中随机的选取10000根,应用最大似然估计法得到Gamma分布参数分别为α=912.62、β=0.0011。根据前文对其进行的分析可知代入相关参数得对实验数据进行直方图统计与理论计算出的概率密度进行对比,结果如图7所示。
从图7中可以直观的看出直方图统计结果与计算得到的概率密度曲线拟合完好。同时利用χ2拟合检验,进行定量检测计算详情如表1所示。χ2=10006.84-10000=6.84,通过查表得故在显著性水平0.05下,服从α=900、β=1/900的Gamma分布。
表1频谱幅度χ2拟合检验计算表
其次对本发明所提供的MMFOS算法进行宽带检测性能测试。为验证本发明提出的MMFOS算法,首先构造一宽带信号,然后设计噪声基底滤波器,使宽带信号经过滤波后变为基底不平坦的信号,以测试算法在色噪声下的性能。宽带信号详细参数如表2所示,噪声基底滤波器幅频特性如图8所示,构造的噪声基底滤波器噪声的最大起伏为5dB。当然本实验在带宽40MHz范围内给出的噪声起伏还是比较极端的,实际接收信号的频谱在40MHz范围内一般不会出现如此起伏。
表2宽带信号参数一
序号 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 |
载频(MHz) | 3.3 | 7.16 | 12.81 | 16.25 | 20.25 | 23.21 | 28 | 31.92 | 37.7 |
符号速率(kB) | 80 | 50 | 100 | 240 | 320 | 160 | 2000 | 1000 | 80 |
E<sub>s</sub>/N<sub>0</sub> | 3 | 9 | 13 | 10 | 8 | 7 | 10 | 8 | -2 |
调制方式 | BPSK | BPSK | OQPSK | 8PSK | 8PSK | QPSK | π/4QPSK | 16QAM | BPSK |
本发明之所以如此设计,是为了能够在宽带内出现A、F、D三种信道,观察在每种信道下三种信号存在情况下算法的鲁棒性。在F信道中情况一为信号1,情况二为信号3、9(Bi<Bn)、5(Bn<Bi<2Bn),情况三为信号7。在A信道中情况一为信号2,情况二为信号6(Bi<Bn)。在D信道中情况二为信号4(Bn<Bi<2Bn),情况三为信号8。图9a为未经滤波处理的高斯白噪声条件下的宽带信号频谱,图9b为经过滤波处理后的噪声基底不平坦的宽带信号。以下实验均是对图9b中的宽带数据进行处理。
之后验证分析帧个数对算法的影响。MTSE-MLD方法中分别在N=50、100、200、400、600的条件下进行实验,观察宽带检测中每个子信道的窄带检测结果,如图10所示。由本文提出的宽带信号检测算法可知只有在信号占用的子通道内有一个输出为“1”才会进行搜索,因此如果为“0”则肯定会对信号造成漏检,假设只要为“1”则能够在信道内搜索出信号认为检测正确。则对9个信号的检测率与虚警率来衡量,可见只有在N=50的时候对信号造成了漏检,在N=50、100、200、400、600每个条件下的虚警次数分别为3、1、1、2、1。因此,为了提高检测概率需要增大数据量,而最终信号的搜索可以通过设置搜索时的虚警概率PfMTSE来设置门限,以控制整体的虚警概率。
再者对算法的性能进行测试。MMFOS方法中,令第一步MTSE-MLD方法的参数固定,测试算法对信号搜索时的虚警概率PfMTSE的适应性。在N=600的条件下进行实验,观察MMFOS方法在PfMTSE=10-2,10-3,10-4的检测结果,如图11所示。可见在三种不同的频谱搜索虚警概率下均能给出正确结果,但是经过对程序的跟踪运行发现,在PfMTSE=10-2时检测到的上升沿、下降沿个数是最多的,并且在7至17MHz范围内给出了存在信号的检测结果,错误的将起伏的噪声当作了信号。只是由于最后对检测结果的修正,才最终得到了正确结果。而PfMTSE=10-4当时检测到的上升沿、下降沿个数是最少的,并且在7至17MHz范围内没有给出存在信号的检测结果,这是由于门限是根据“1”信道左侧的信道计算出来的,当虚警概率较小时得到的门限较高此时只能检测出信号的上升沿、下降沿,而将上升并不明显的噪声排除在外。同时观察实验数据还可发现,在23MHz检测出了一个上升沿,而在之后并没有找到与此上升沿对应的下降沿,这是因为如图8知从22至26MHz噪声升高了5dB而之后的30至34MHz噪声只降低了2dB。当然已经将此上升沿在程序中进行了保存,待下一频段数据检测后如果找到了对应的下降沿则首先会将其合并为一个信号。然后在数据整合过程中,判断在此信号范围内是否有其它信号如果还存在其它信号按照本文的处理流程,则会将此整合后的信号判为噪声。实验结果证明了MMFOS方法中对搜索到的信号进行的后续处理能够有效抑制噪声的影响。在实际应用中,如果PfMTSE设置的较大则会增加后续数据处理的运算量,如果PfMTSE设置的较小则可能会对弱信号造成漏检,PfMTSE的设置应根据需要折中考虑。
选取现有技术中提出的子带能量梯度法(gradient of the mean of subbands,GMSB)和多尺度形态学滤波法与本发明所提供的MMFOS方法进行对比,对图9b中宽带信号进行检测。其中GMSB方法中子带带宽同样设为200kHz,多尺度形态学滤波法中结构元素的带宽设置两种方式分别为Bw1={100kHz,200kHz,…,10MHz}、Bw2={100kHz,200kHz,…,1MHz},检测结果如图12所示。
由图12可知按照GMSB方法中对上升沿、下降沿的处理,只能对情况三中的信号正确检出即信号7、8,而对于情况一、二则均会给出错误的判决结果。当然在本发明的仿真中只是在子带带宽为200kHz的条件下进行的,当然如果减小子带带宽那么是可以将其它信号正确检出的,但是随着带宽减小对于带宽较宽的信号其上升沿、下降沿将变得非常平缓,不利于宽带信号的检测。因此,不失一般性对于GMSB方法,其检测性能与子带带宽的设置有关,当带宽过小则会减小对宽带信号的检测率,而当子带带宽过大时则会对带宽与子带带宽相似的窄带信号造成漏检。
分析在Bw1时多尺度形态学滤波中的检测结果可知,由于尺度元素最大带宽为10MHz因此将带宽小于10MHz的凸起部分全部当作信号滤除。对修正后的频谱再重新进行检测,将7至17MHz中凸起的噪声与信号3、4,当作了一个宽带信号造成了误检。分析在Bw2时多尺度形态学滤波中的检测结果可知,由于尺度元素最大带宽为1MHz因此只能将带宽小于1MHz的凸起部分滤除。而对于信号7的带宽为2MHz,故将其错误的当成了噪声基底进行修正,对其造成了漏检。因此,对于多尺度形态学滤波算法只能滤除带宽小于等于结构元素最大带宽的信号,而无法滤除带宽更大的信号,只适用于信号带宽相差不大的条件下进行检测。而如果将尺度元素的最大带宽设置过大,则有可能将频域内凸起的噪声当作信号,此时对频谱进行修正后会将此凸起的噪声当作信号检出造成误检。故该算法对尺度元素的最大带宽敏感。
综上所述,本发明对认知无线电中的宽带信号盲检测问题进行了研究,提出了基于子带检测与局部搜索的宽带信号盲检测(MMFOS)方法。本发明所提供的方法以MTSE-MLD方法为基础首先在宽带中对每个子带进行粗检测,然后对输出为“1”的子带进行处理,以其邻近子带为参考计算判决门限,对指定子带进行精确搜索并将搜索结果进行整合后得到宽带范围内存在的信号个数及每个信号的载频、带宽等信息。MMFOS方法以MTSE-MLD方法为基础保证了窄带检测的可靠性,只需根据用户要求设置虚警概率即可,相比于其它宽带信号检测算法所需设置的参数少。同时算法进行搜索时的门限是以输出为“0”的信道为参考进行计算可较准确的估计出局部噪声的功率,因此能够适应宽带中噪声基底起伏的情况,并且对噪声与信号带宽没有任何限制,真正做到了宽带接收条件下信号的盲检测。
请参考图13,图13为本发明实施例提供的一种宽带信号的盲检测装置的结构框图;具体装置可以包括:
划分模块100,用于将待检测的整段宽带频谱等间隔划分为多个宽带频谱,将当前宽带频谱等间隔划分为多个子带;
检测模块200,用于利用基于频谱峰值局部密度的频谱感知方法分别对每个子带进行检测,查找所述多个子带中存在信号的目标子带,并对相连的目标子带进行合并,整合为多个待处理子带块;
判决门限设定模块300,用于根据与当前待处理子带块相邻的左子带的功率谱均值与右子带的功率谱均值,确定与所述当前待处理子带块对应的判决门限;
搜索模块400,用于依据所述判决门限,在所述当前待处理子带块内搜索成对的上升沿与下降沿,并将所述成对的上升沿与下降沿组合存储为一个初始信号;
判断模块500,用于判断所述当前待处理子带块内是否存在未成对上升沿或未成对下降沿,若不存在,将下一待处理子带块设为当前待处理子带块;
循环模块600,用于循环执行所述判决门限设定模块、所述搜索模块与所述判断模块的启动步骤,直至完成所述当前宽带频谱内最后一个待处理子带块的搜索;
确定模块700,用于将所述当前宽带频谱内搜索到的多个初始信号进行过滤与整合后,确定所述当前宽带频谱中的多个目标信号,并记录所述多个目标信号的参数信息。
本实施例的宽带信号的盲检测装置用于实现前述的宽带信号的盲检测方法,因此宽带信号的盲检测装置中的具体实施方式可见前文中的宽带信号的盲检测方法的实施例部分,例如,划分模块100,检测模块200,判决门限设定模块300,搜索模块400,判断模块500,循环模块600,确定模块700分别用于实现上述宽带信号的盲检测方法中步骤S101,S102,S103,S104,S105,S106和S107,所以,其具体实施方式可以参照相应的各个部分实施例的描述,在此不再赘述。
本发明具体实施例还提供了一种宽带信号的盲检测设备,包括:存储器,用于存储计算机程序;处理器,用于执行所述计算机程序时实现上述一种宽带信号的盲检测方法的步骤。
本发明具体实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述一种宽带信号的盲检测方法的步骤。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上对本发明所提供的宽带信号的盲检测方法、装置、设备以及计算机可读存储介质进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以对本发明进行若干改进和修饰,这些改进和修饰也落入本发明权利要求的保护范围内。
Claims (10)
1.一种宽带信号的盲检测方法,其特征在于,包括:
S1:将待检测的整段宽带频谱等间隔划分为多个宽带频谱,将当前宽带频谱等间隔划分为多个子带;
S2:利用基于频谱峰值局部密度的频谱感知方法分别对每个子带进行粗检测,查找所述多个子带中存在信号的目标子带,并对相连的目标子带进行合并,整合为多个待处理子带块;
S3:根据与当前待处理子带块相邻的左子带的功率谱均值与右子带的功率谱均值,确定与所述当前待处理子带块对应的判决门限;
S4:依据所述判决门限,在所述当前待处理子带块内搜索成对的上升沿与下降沿,并将所述成对的上升沿与下降沿组合存储为一个初始信号;
S5:判断所述当前待处理子带块内是否存在未成对上升沿或未成对下降沿,若不存在,将下一待处理子带块设为当前待处理子带块;
S6:循环执行S3至S5,直至完成所述当前宽带频谱内最后一个待处理子带块的搜索;
S7:将所述当前宽带频谱内搜索到的多个初始信号进行过滤与整合后,得到所述当前宽带频谱中的多个目标信号,并记录所述多个目标信号的参数信息。
2.如权利要求1所述的方法,其特征在于,所述判断所述当前待处理子带块内是否存在未成对上升沿或未成对下降沿后包括:
若所述当前待处理子带块内搜索的结果中存在一个未成对上升沿时,则从所述当前待处理子带块的右侧子带开始直至所述当前宽带频谱的最后一个子带为止逐个子带进行搜索,查找是否存在与所述未成对上升沿对应的下降沿;
若存在与所述未成对上升沿对应的下降沿,则终止搜索操作,并将所述未成对上升沿与该下降沿组合存储为一个完整的初始信号;
若不存在与所述未成对上升沿对应的下降沿,则存储所述未成对上升沿。
3.如权利要求2所述的方法,其特征在于,所述判断所述当前待处理子带块内是否存在未成对上升沿或未成对下降沿后包括:若所述当前待处理子带块内搜索的结果存在一个未成对下降沿时,则从所述当前待处理子带块的左侧子带开始直至所述当前宽带频谱的第一个子带为止逐个子带进行搜索,查找是否存在与所述下降沿对应的上升沿;
若存在与所述未成对下降沿对应的上升沿,则将所述未成对下降沿与该上升沿组合存储为一个完整的初始信号;
若不存在与所述未成对下降沿对应的上升沿,则丢弃所述未成对下降沿。
4.如权利要求1所述的方法,其特征在于,所述根据与当前待处理子带块相邻的左子带的功率谱均值与右子带的功率谱均值,确定与所述当前待处理子带块对应的判决门限包括:
判断所述左子带的功率谱均值是否小于所述右子带的功率谱均值;若是,则利用所述左子带的功率谱均值确定与所述当前待处理子带块对应的判决门限。
5.如权利要求1所述的方法,其特征在于,所述将所述当前宽带频谱内搜索到的多个初始信号进行过滤与整合后,确定所述当前宽带频谱中的多个目标信号,并记录所述多个目标信号的参数信息包括:
将所述当前宽带频谱内搜索到的多个初始信号的带宽分别与预设带宽阈值进行比较,并将带宽小于所述预设带宽阈值的初始信号进行过滤;
若当前初始信号中包括其他初始信号时,将所述当前初始信号判定为噪声,过滤所述当前初始信号;
分别判断相邻的两个初始信号之间的间隔是否小于预设间隔阈值,若小于,则将所述相邻的两个初始信号整合为一个信号;
完成所述多个初始信号的过滤与整合操作后,确定所述当前宽带频谱中的多个目标信号;
分别记录所述多个目标信号的序号、载频与带宽。
6.一种宽带信号的盲检测装置,其特征在于,包括:
划分模块,用于将待检测的整段宽带频谱等间隔划分为多个宽带频谱,将当前宽带频谱等间隔划分为多个子带;
检测模块,用于利用基于频谱峰值局部密度的频谱感知方法分别对每个子带进行检测,查找所述多个子带中存在信号的目标子带,并对相连的目标子带进行合并,整合为多个待处理子带块;
判决门限设定模块,用于根据与当前待处理子带块相邻的左子带的功率谱均值与右子带的功率谱均值,确定与所述当前待处理子带块对应的判决门限;
搜索模块,用于依据所述判决门限,在所述当前待处理子带块内搜索成对的上升沿与下降沿,并将所述成对的上升沿与下降沿组合存储为一个初始信号;
判断模块,用于判断所述当前待处理子带块内是否存在未成对上升沿或未成对下降沿,若不存在,将下一待处理子带块设为当前待处理子带块;
循环模块,用于循环执行所述判决门限设定模块、所述搜索模块与所述判断模块的启动步骤,直至完成所述当前宽带频谱内最后一个待处理子带块的搜索;
确定模块,用于将所述当前宽带频谱内搜索到的多个初始信号进行过滤与整合后,确定所述当前宽带频谱中的多个目标信号,并记录所述多个目标信号的参数信息。
7.如权利要求6所述的装置,其特征在于,所述判断,模块后包括:
第一搜索单元,用于若所述当前待处理子带块内搜索的结果中存在一个未成对上升沿时,则从所述当前待处理子带块的右侧子带开始直至所述当前宽带频谱的最后一个子带为止逐个子带进行搜索,查找是否存在与所述未成对上升沿对应的下降沿;
第一整合单元,用于若存在与所述未成对上升沿对应的下降沿,则终止搜索,并将所述未成对上升沿与该下降沿组合存储为一个完整的初始信号;
第一存储单元,用于若不存在与所述未成对上升沿对应的下降沿,则存储所述未成对上升沿。
8.如权利要求6所述的装置,其特征在于,所述确定模块包括:
第一过滤单元,用于将所述当前宽带频谱内搜索到的多个初始信号的带宽分别与预设带宽阈值进行比较,并将带宽小于所述预设带宽阈值的初始信号进行过滤;
第二过滤单元,用于若当前初始信号中包括其他初始信号时,将所述当前初始信号判定为噪声,过滤所述当前初始信号;
第二整合单元,用于分别判断相邻的两个初始信号之间的间隔是否小于预设间隔阈值,若小于,则将所述相邻的两个初始信号整合为一个信号;
确定单元,用于完成所述多个初始信号的过滤与整合操作后,确定所述当前宽带频谱中的多个目标信号;
记录单元,用于分别记录所述多个目标信号的序号、载频与带宽。
9.一种宽带信号的盲检测设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至5任一项所述一种宽带信号的盲检测方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至5任一项所述一种宽带信号的盲检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911150762.9A CN111327395B (zh) | 2019-11-21 | 2019-11-21 | 一种宽带信号的盲检测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911150762.9A CN111327395B (zh) | 2019-11-21 | 2019-11-21 | 一种宽带信号的盲检测方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111327395A true CN111327395A (zh) | 2020-06-23 |
CN111327395B CN111327395B (zh) | 2023-04-11 |
Family
ID=71172624
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911150762.9A Active CN111327395B (zh) | 2019-11-21 | 2019-11-21 | 一种宽带信号的盲检测方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111327395B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112737711A (zh) * | 2020-12-24 | 2021-04-30 | 成都戎星科技有限公司 | 一种自适应噪声基底估计方法及其宽带载波检测方法 |
CN113472483A (zh) * | 2021-06-30 | 2021-10-01 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 数字调制信号码元速率及码元转换时刻盲估计方法 |
CN113708863A (zh) * | 2021-09-10 | 2021-11-26 | 中国人民解放军63891部队 | 频谱感知训练数据集的构建方法及装置 |
CN113726458A (zh) * | 2021-08-25 | 2021-11-30 | 中国电子科技集团公司第五十四研究所 | 一种低信噪比下水声通信信号实时检测提取方法 |
CN113824518A (zh) * | 2021-09-16 | 2021-12-21 | 中国电子科技集团公司第二十研究所 | 基于频谱的非合作信号检测方法 |
WO2023193473A1 (zh) * | 2022-04-06 | 2023-10-12 | 中兴通讯股份有限公司 | 频谱感知方法、电子设备和存储介质 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040236571A1 (en) * | 1999-01-18 | 2004-11-25 | Kari Laurila | Subband method and apparatus for determining speech pauses adapting to background noise variation |
CN101577564A (zh) * | 2009-06-04 | 2009-11-11 | 南通大学 | 基于判决门限自适应的信号频谱感知与检测方法 |
CN101944961A (zh) * | 2010-09-03 | 2011-01-12 | 电子科技大学 | 一种认知无线网络中的双门限合作感知方法 |
CN102075263A (zh) * | 2010-12-21 | 2011-05-25 | 西安电子科技大学 | 基于分段能量处理的截尾型序贯检验方法 |
CN102263601A (zh) * | 2011-06-09 | 2011-11-30 | 中国工程物理研究院电子工程研究所 | 一种宽带多信号检测方法 |
CN102346246A (zh) * | 2010-07-29 | 2012-02-08 | 上海无线通信研究中心 | 基于小波变换来感知认知无线电系统中的脉冲信号的方法 |
CN102394707A (zh) * | 2011-10-12 | 2012-03-28 | 中国电子科技集团公司第三十六研究所 | 调制宽带转换器采样系统中的宽带频谱感知方法 |
CN105263144A (zh) * | 2015-09-15 | 2016-01-20 | 南京邮电大学 | 一种基于高阶统计量的压缩宽带频谱盲检测方法 |
US20160197748A1 (en) * | 2013-05-27 | 2016-07-07 | Southeast University | Blind spectrum sensing method and device based on fast fourier transform |
US20170026107A1 (en) * | 2014-04-08 | 2017-01-26 | Commscope Technologies Llc | Digital repeater system |
CN106656303A (zh) * | 2016-09-30 | 2017-05-10 | 西安电子科技大学 | 一种基于星载天线捕获跟踪指向系统的信号检测方法 |
CN109474306A (zh) * | 2018-09-20 | 2019-03-15 | 中国人民解放军63653部队 | 一种基于直扩信号捕获的检测判决方法 |
CN110266401A (zh) * | 2019-05-28 | 2019-09-20 | 西北大学 | 一种快速无线电频谱检测方法和系统 |
-
2019
- 2019-11-21 CN CN201911150762.9A patent/CN111327395B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040236571A1 (en) * | 1999-01-18 | 2004-11-25 | Kari Laurila | Subband method and apparatus for determining speech pauses adapting to background noise variation |
CN101577564A (zh) * | 2009-06-04 | 2009-11-11 | 南通大学 | 基于判决门限自适应的信号频谱感知与检测方法 |
CN102346246A (zh) * | 2010-07-29 | 2012-02-08 | 上海无线通信研究中心 | 基于小波变换来感知认知无线电系统中的脉冲信号的方法 |
CN101944961A (zh) * | 2010-09-03 | 2011-01-12 | 电子科技大学 | 一种认知无线网络中的双门限合作感知方法 |
CN102075263A (zh) * | 2010-12-21 | 2011-05-25 | 西安电子科技大学 | 基于分段能量处理的截尾型序贯检验方法 |
CN102263601A (zh) * | 2011-06-09 | 2011-11-30 | 中国工程物理研究院电子工程研究所 | 一种宽带多信号检测方法 |
CN102394707A (zh) * | 2011-10-12 | 2012-03-28 | 中国电子科技集团公司第三十六研究所 | 调制宽带转换器采样系统中的宽带频谱感知方法 |
US20160197748A1 (en) * | 2013-05-27 | 2016-07-07 | Southeast University | Blind spectrum sensing method and device based on fast fourier transform |
US20170026107A1 (en) * | 2014-04-08 | 2017-01-26 | Commscope Technologies Llc | Digital repeater system |
CN105263144A (zh) * | 2015-09-15 | 2016-01-20 | 南京邮电大学 | 一种基于高阶统计量的压缩宽带频谱盲检测方法 |
CN106656303A (zh) * | 2016-09-30 | 2017-05-10 | 西安电子科技大学 | 一种基于星载天线捕获跟踪指向系统的信号检测方法 |
CN109474306A (zh) * | 2018-09-20 | 2019-03-15 | 中国人民解放军63653部队 | 一种基于直扩信号捕获的检测判决方法 |
CN110266401A (zh) * | 2019-05-28 | 2019-09-20 | 西北大学 | 一种快速无线电频谱检测方法和系统 |
Non-Patent Citations (6)
Title |
---|
OLUYOMI SIMPSON ETAL.: "Relay-Based Cooperative Spectrum Sensing with Improved Energy Detection in Cognitive Radio" * |
WEIJIA HAN ET AL.: "Double Thresholds for Judgment in Cognitive Spectrum Sensing" * |
张洋: "宽带多信号检测与单通道混合信号调制参数分析" * |
李东波: "卫星宽带多信号检测与参数估计技术研究" * |
李晓光,潘克刚,杨群,王鹏伟: "基于GNURadio 分段差分双阈值的宽带信号检测技术研究与实现", 《通信技术》 * |
沈连腾,巩克现,潘一苇,范磊: "利用频谱峰值特征的窄带频谱感知方法", 《西安交通大学学报》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112737711A (zh) * | 2020-12-24 | 2021-04-30 | 成都戎星科技有限公司 | 一种自适应噪声基底估计方法及其宽带载波检测方法 |
CN113472483A (zh) * | 2021-06-30 | 2021-10-01 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 数字调制信号码元速率及码元转换时刻盲估计方法 |
CN113472483B (zh) * | 2021-06-30 | 2023-06-02 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 数字调制信号码元速率及码元转换时刻盲估计方法 |
CN113726458A (zh) * | 2021-08-25 | 2021-11-30 | 中国电子科技集团公司第五十四研究所 | 一种低信噪比下水声通信信号实时检测提取方法 |
CN113726458B (zh) * | 2021-08-25 | 2022-07-01 | 中国电子科技集团公司第五十四研究所 | 一种低信噪比下水声通信信号实时检测提取方法 |
CN113708863A (zh) * | 2021-09-10 | 2021-11-26 | 中国人民解放军63891部队 | 频谱感知训练数据集的构建方法及装置 |
CN113708863B (zh) * | 2021-09-10 | 2023-08-01 | 中国人民解放军63891部队 | 频谱感知训练数据集的构建方法及装置 |
CN113824518A (zh) * | 2021-09-16 | 2021-12-21 | 中国电子科技集团公司第二十研究所 | 基于频谱的非合作信号检测方法 |
WO2023193473A1 (zh) * | 2022-04-06 | 2023-10-12 | 中兴通讯股份有限公司 | 频谱感知方法、电子设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111327395B (zh) | 2023-04-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111327395B (zh) | 一种宽带信号的盲检测方法、装置、设备及存储介质 | |
Koçkaya et al. | Spectrum sensing in cognitive radio networks: threshold optimization and analysis | |
US8059768B2 (en) | Method and device for removing narrow band interference in spreading frequency system | |
US8958750B1 (en) | Peak detection method using blind source separation | |
Yu et al. | Cognitive radio wideband spectrum sensing using multitap windowing and power detection with threshold adaptation | |
CN107595247A (zh) | 一种基于脑电信号的麻醉深度的监测方法及系统 | |
CN113325277A (zh) | 一种局部放电处理方法 | |
Kim et al. | Rate-optimal and reduced-complexity sequential sensing algorithms for cognitive OFDM radios | |
Swetha et al. | Analysis of spectrum sensing based on energy detection method in cognitive radio networks | |
US9760540B2 (en) | Methods for processing sequential data to identify possible peak points and to estimate peak to noise ratio of sequential data | |
CN110601779A (zh) | 基于双门限功率谱双平均比值的能量检测方法 | |
CN112968720B (zh) | 非均匀跳频信号时域检测及拼接方法 | |
Al-Badrawi et al. | An EMD-based double threshold detector for spectrum sensing in cognitive radio networks | |
Nikonowicz et al. | A novel method of blind signal detection using the distribution of the bin values of the power spectrum density and the moving average | |
CN110190917B (zh) | 一种LTE230MHz电力无线专网的频谱空洞感知方法、装置及设备 | |
Guibene et al. | A complete framework for spectrum sensing based on spectrum change points detection for wideband signals | |
CN115378776A (zh) | 一种基于循环谱参数的mfsk调制识别方法 | |
Imani et al. | Using weighted multilevel wavelet decomposition for wideband spectrum sensing in cognitive radios | |
CN105187143B (zh) | 一种基于二项分布的快速频谱感知方法和装置 | |
CN111682881A (zh) | 一种适用于多用户信号的通信侦察仿真方法及系统 | |
CN103051402A (zh) | 一种基于直流偏移自适应频谱能量的用户信号检测方法 | |
Mahmood et al. | Robust communication in bursty impulsive noise and Rayleigh block fading | |
CN106100775B (zh) | 基于邻接矩阵的ofdm频谱感知方法 | |
US8892052B2 (en) | Methods for determining whether a signal includes a wanted signal and apparatuses configured to determine whether a signal includes a wanted signal | |
Li et al. | Two-branch wavelet denoising for accurate spectrum sensing in cognitive radios |
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 |