CN111342922B - 一种宽频带频谱感知中的快速边界识别方法 - Google Patents

Abstract

本发明涉及一种一种宽频带频谱感知中的快速边界识别方法，包括：步骤S1，建立宽带认知无线电网络模型；步骤S2，设定所述宽带认知无线电网络模型中的各个参数；步骤S3，对发射信号进行采样，将完整带宽上的采样样本作为一个帧；步骤S4，以L‑1帧接收到的信号样本检测每个子频带的边界，以第L帧的信号样本进行子频带的状态判定，其中，L＜L_p，L_p为采样到的总帧数。本发明能够适用于子频带的带宽不同的情况，并且准确性高、复杂度低。

Description

一种宽频带频谱感知中的快速边界识别方法

技术领域

本发明涉及无线通信领域，更具体地涉及一种宽频带频谱感知中的快 速边界识别方法。

背景技术

近年来，随着社会的发展和科技的进步，无线通信系统得以快速发展 和更新。频谱资源紧缺是现今难题，而认知无线电技术(Cognitive Radio,CR) 是提高无线网络中频谱效率的重要方式之一，其关键步骤是通过频谱感知 (Spectrum Sensing)了解周围无线电环境，就是让次用户(Secondary User,SU) 在不影响主用户(Primary User,PU)通信的情况下，利用频谱空洞(Spectrum Hole)。

自上世纪末相关概念提出以来，频谱感知相关研究尤其是窄带频谱感 知得到了长足的发展。常见的算法主要有：匹配滤波器检测(Matched Filter Detection,MFD)，能量检测(Energy detection,ED)及循环平稳特征检测 (Cyclostationary FeatureDetection,CFD)等。

对于宽频带频谱感知，早期主要是基于窄带的串行或并行分段感知， 串行所需扫描时间长，且要求扫描时间内频谱无变化，需要复杂的控制电路， 流程如图1所示；并行所需硬件及其成本较高，结构不灵活，流程如图2所 示。然而，当信号带和噪声带的宽度不一样时，如图3所示(其中2号、6号 子频带为噪声带而其余子频带均为信号带)，采用前述两种算法无法感知各子 频带的边界，因而无法充分利用频谱空洞。

另外，相较于子频带判定的方法，边界识别的方法提出的较少。常见 的如能量阈值法、一阶导数法、小波变换法(Wavelet Transform,WT)等。这些 方法都是对信号的PSD进行检测，一阶导数法以局部梯度最大点作为信号边 界点，小波变换法中检测局部奇异点来作为信号边界点，但上述方法分别存 在准确性低、复杂度高等缺点。

发明内容

针对现有技术中的串行或并行分段感知不适用于信号带和噪声带宽度 不一样的情况，且目前子频带边界识别方法存在准确性低、复杂度高等问题， 本发明提供一种宽频带频谱感知中的快速边界识别方法。

本发明提供的一种宽频带频谱感知中的快速边界识别方法，包括：

步骤S1，建立宽带认知无线电网络模型；

步骤S2，设定所述宽带认知无线电网络模型中的各个参数；

步骤S3，对发射信号进行采样，将完整带宽上的采样样本作为一个帧；

步骤S4，以L-1帧接收到的信号样本检测每个子频带的边界，以第L 帧的信号样本进行子频带的状态判定，其中，L＜L_p，L_p为采样到的总帧数。

所述步骤S2中的各参数包括发射信号的信噪比、每个子频带的最小带 宽、子频带的总个数以及比较阈值。

所述步骤S3中的采样频率为亚奈奎斯特频率。

所述步骤S4中检测每个子频带边界的方法包括：

步骤S41，设定一个检测块，将该检测块以一定的频率偏移量依次滑过 整个频率区间；

步骤S42，建立关于检测块相邻带宽间平均能量的比值关系Re，并计 算L-1帧的比值平均统计量R_eL；其中，L＜L_p，L_p为采样到的总帧数；

步骤S43，将设定的比较阈值与所述比值平均统计量R_eL进行比较，当 R_eL大于所述比较阈值时，则确定当前检测块的中间位置为子频带的边界。

所述检测块的带宽与所述每个子频带的最小带宽相等。

所述检测块的频率偏移量△f＝B/Ne，其中，B表示采样频率，单位为 Hz，Ne表示总采样点数。

所述步骤S42中的比值关系Re以及比值平均统计量R_eL表示为：

式中，L＜L_p，L_p为采样到的总帧数；Rei是第i帧得到的比值关系Re 的对应值；Neh＝Ne/2，为总采样点数的一半；

表示检测块带宽[0：B_minh] 间的平均能量，单位为W/HZ，

表示检测块带宽[B_minh：B_min]间的平均能量， 单位为W/HZ，B_min表示检测块的带宽，单位为Hz，B_minh＝B_min/2。

所述平均能量

和

表示为：

式中，Neh＝Ne/2，为总采样点数的一半；r[m]为每一帧接收信号采样 后的离散傅里叶变换。

所述步骤S4中判定子频带状态的方法包括：

步骤S44，从确定好边界的子频带中选取参考子频带，以所述参考子频 带的平均能量均值作为参考能量值；

步骤S45，将第L帧中各个子频带的平均能量值与所述参考能量值做 比较，若二者比值为1，则判断所述待判定子频带处于空闲状态，否则判断所 述待判定子频带处于被占用状态。

所述步骤S44中的参考子频带为平均能量最低的一个或多个子频带。

本发明设定一个检测块，根据该检测块建立比值关系，并基于比值关 系进行子频带边界的识别，能够适用于子频带的带宽不同的情况，并且准确 性高、复杂度低。

附图说明

图1是现有技术中宽频带频谱串行分段感知的流程图。

图2是现有技术中宽频带频谱并行分段感知的流程图。

图3是通常宽频带中信号带和噪声带宽度不相同的频谱图。

图4是按照本发明的宽频带频谱感知中的快速边界识别方法的流程图。

图5是按本发明的帧的结构图。

图6是按照本发明的宽频带频谱感知中的快速边界识别方法中检测块 的滑动过程示意图。

图7是按照本发明的宽频带频谱感知中的快速边界识别方法的仿真图。

具体实施方式

下面结合附图，给出本发明的较佳实施例，并予以详细描述。

本发明所述的宽频带频谱感知中的快速边界识别方法，如图4所示， 包括：

步骤S1，建立宽带认知无线电(CR)网络模型。其中，主发射机与认 知设备、次发射机与接收机之间的通道均为加性高斯白噪声(Additive White Gaussian Noise，AWGN)，宽带CR网络在带宽为B Hz的频谱上工作，其含 有的子频带数大于等于2，且不同的子频带具有不同的功率谱密度PSD(Power Spectrum density)。

步骤S2，设定宽带CR网络模型中的各个参数。具体包括：发射信号 的信噪比大于等于γ_min，该γ_min值可根据实际情况具体设定，当低于此值时不 能保证理论性能；每个子频带的最小带宽为B_min Hz，且子频带总的个数S_sb满足2≤S_sb≤S_max，其中S_max的值为对(B/B_min)取整，则每个子频带的最小带宽 B_min＝B/S_max。

步骤S3，认知设备以亚奈奎斯特频率(Sub-Nyquist Sampling)对发射信 号进行采样，即采样频率为B Hz，并将完整的、总的带宽上的采样样本作为 一个帧。在每个帧中，各个子频带间的噪声方差没有变化。也就是说，在整 个宽带CR网络中，每个帧，也就是完整采集一遍总的带宽的时间内，噪声的 方差是统一的，但该噪声方差是未知的。并且在每个帧中，被检测子频带包 含至少一个空子带(如图3中2和6号子频带)，但空子带的位置是未知的。对 于连续的帧，帧与帧间的噪声方差可以变化，且帧与帧间各个子频带的边界 保持不变，即在感知时间这段比较短的时间内，子频带的个数、各个子频带 的带宽以及在总带宽中的位置是不变的，但其工作状态(空闲或被使用、使 用的程度)是可以变化的。

本发明之所以使用亚奈奎斯特频率进行采样，是因为若采用熟知的奈 奎斯特采样即以2倍带宽为采样率，在总带宽较大时对硬件的采样率要求很 高，而采用亚奈奎斯特采样能有效缓解该问题。

步骤S4，以L-1帧接收到的信号样本检测每个子频带的边界，以第L 帧的信号样本进行子频带的状态判定，即各个子频带处于空闲或是被使用的 状态。其中，L＜L_p，L_p为采样到的总帧数。

这里所述的帧的结构图如图5所示，其中目标帧为第i帧，第一帧为第 i-(L-1)帧，要判断该目标帧中各个子频带的工作状况，首先要根据该帧及其之 前的L-1帧进行边界检测。当i＝L时，第L帧即为目标帧。其中每一帧的持 续时间为T_f＝T_o+(T_f-T_o)，时间T_o用于检测与感知，其余时间T_f-T_o用于CR 网络传输等。

将r(t)作为每一帧的接收信号，则可表示为：

r(t)＝s(t)+w(t)，0≤t≤T (1)

其中，s(t)和w(t)分别为信号和噪声，T为总的采样时间。

对每一帧的接收信号采样后可表示为：

r[n]＝s[n]+w[n]，n＝1,2,....,Ne (2)

其中，

为总采样点数，

表示向下取整。

由每个帧中各子频带间的噪声方差没有变化可知，w[n]是高斯白噪声的 采样值，在均值为零但方差未知的情况下，将这些独立于该分布的数据点称 为独立恒等分布的，且其是具有不完全已知方差的零均值循环对称复形高斯 随机函数(zero mean circularlysymmetric complex Gaussian,ZMCSCG)，则r[n] 的离散傅里叶变换(DFT)为：

子频带的边界可以由相邻子频带间的PSD差来表征，由于子频带的带 宽至少为B_min Hz，如果比较每个子频带在两个B_min/2Hz宽的平均能量，就可 以确定子频带边界的位置。

因此，步骤S41：设定一个带宽恰好为B_min Hz的检测块，如图6所示， 将该检测块从0至B-B_min Hz依次滑过整个频率区间，检测块的频率偏移量为 △f，由DFT可设定△f＝B/Ne。在滑动过程中有两种情况，一是该检测块处于 某一子频带中，另一是该检测块中存在边界，则有以下两个比值关系:

其中，B_minh＝B_min/2，AE([a:b])表示带宽[a:b]间的平均能量。

当Te约为1时表示检测块内没有边界，不等于1时表示边界存在。又 可知当且仅当检测块的中间位置，即B_minh处恰好处于边界时，Te的值为区间 内的极值。

PSD的函数值g(f)与r[m]关系为：g(f)＝|r[m]|²，则(4)式中的平均能量 AE([0:B_minh])和AE([B_minh:B_min])(单位为W/Hz)可改写为：

其中，Neh＝Ne/2，为采样点总数的一半。

步骤S42：根据上述原理及公式，建立关于检测块相邻带宽间平均能量 的比值关系Re，并计算L-1帧的比值平均统计量R_eL，如下式(6)：

其中，Rei是第i帧得到的比值关系Re的对应值。当检测块处于某一 子频带中时，比值关系Re的对应值服从标准正态分布，即Re～N(0,1)。

进而，步骤S43：由设定的比较阈值(由实际的CR网络决定)对比值平 均统计量R_eL进行检测，当R_eL大于该比较阈值时，即可确定当前检测块的中 间位置即为子频带的边界。

判断子频带状态的步骤包括：

步骤S44，对于已经确定好边界的子频带，选取其中平均能量最低的一 个或多个子频带作为参考子频带，并以参考子频带的平均能量均值作为参考 能量值；

步骤S45，将第L帧中各个子频带的平均能量值与所述参考能量值做 比较，若二者比值为1，则判断所述待判定子频带处于空闲状态，否则判断所 述待判定子频带处于被占用状态，从而对每个子频带的使用状况进行判定。

MATLAB仿真后结果如图7所示，该图是在SNR＝-10DB，且选取帧数 L＝8时的结果，能够快速识别出子频带的边界。本发明的方法能解决传统分 段感知中不能应对不同带宽子频带的不足，并且，本发明基于检测块的方法， 通过比较平均能量并利用目标帧之前的若干帧的统计量平均值作为依据，有 效避免了偶然性，理论上在SNR大于等于-15DB时仍可识别出子频带的边界。

以上所述的，仅为本发明的较佳实施例，并非用以限定本发明的范围， 本发明的上述实施例还可以做出各种变化。即凡是依据本发明申请的权利要 求书及说明书内容所作的简单、等效变化与修饰，皆落入本发明专利的权利 要求保护范围。本发明未详尽描述的均为常规技术内容。

Claims (6)

1.一种宽频带频谱感知中的快速边界识别方法，其特征在于，包括：

步骤S1，建立宽带认知无线电网络模型；

步骤S2，设定所述宽带认知无线电网络模型中的各个参数；

步骤S3，对发射信号进行采样，将完整带宽上的采样样本作为一个帧；

步骤S4，以L-1帧接收到的信号样本检测每个子频带的边界，以第L帧的信号样本进行子频带的状态判定，其中，L＜L_p，L_p为采样到的总帧数；其中，

检测每个子频带边界的方法包括：

步骤S41，设定一个检测块，将该检测块以一定的频率偏移量依次滑过整个频率区间；

步骤S42，建立关于检测块相邻带宽间平均能量的比值关系Re，并计算L-1帧的比值平均统计量R_eL；其中，L＜L_p，L_p为采样到的总帧数；

所述比值关系Re以及所述比值平均统计量R_eL表示为：

式中，L＜L_p，L_p为采样到的总帧数；R_ei是第i帧得到的比值关系Re的对应值；Neh＝Ne/2，为总采样点数的一半；

表示检测块带宽[0：B_minh]间的平均能量，单位为W/HZ，

表示检测块带宽[B_minh：B_min]间的平均能量，单位为W/HZ，B_min表示检测块的带宽，单位为Hz，B_minh＝B_min/2；

所述平均能量

和

表示为：

式中，Neh＝Ne/2，为总采样点数的一半；r[m]为每一帧接收信号采样后的离散傅里叶变换；m表示第m个采样点；

步骤S43，将设定的比较阈值与所述比值平均统计量R_eL进行比较，当R_eL大于所述比较阈值时，则确定当前检测块的中间位置为子频带的边界；

判定子频带状态的方法包括：

步骤S44，从确定好边界的子频带中选取参考子频带，以所述参考子频带的平均能量均值作为参考能量值；

步骤S45，将第L帧中各个子频带的平均能量值与所述参考能量值做比较，若二者比值为1，则判断待判定子频带处于空闲状态，否则判断待判定子频带处于被占用状态。

2.根据权利要求1所述的宽频带频谱感知中的快速边界识别方法，其特征在于，所述步骤S2中的各参数包括发射信号的信噪比、每个子频带的最小带宽、子频带的总个数以及比较阈值。

3.根据权利要求1所述的宽频带频谱感知中的快速边界识别方法，其特征在于，所述步骤S3中的采样频率为亚奈奎斯特频率。

4.根据权利要求1所述的宽频带频谱感知中的快速边界识别方法，其特征在于，所述检测块的带宽与所述每个子频带的最小带宽相等。

5.根据权利要求1所述的宽频带频谱感知中的快速边界识别方法，其特征在于，所述检测块的频率偏移量△f＝B/Ne，其中，B表示采样频率，单位为Hz，Ne表示总采样点数。

6.根据权利要求1所述的宽频带频谱感知中的快速边界识别方法，其特征在于，所述步骤S44中的参考子频带为平均能量最低的一个或多个子频带。

Images