CN113179143B - 一种基于最大最小值的融合频谱感知方法及系统 - Google Patents
一种基于最大最小值的融合频谱感知方法及系统 Download PDFInfo
- Publication number
- CN113179143B CN113179143B CN202110407081.7A CN202110407081A CN113179143B CN 113179143 B CN113179143 B CN 113179143B CN 202110407081 A CN202110407081 A CN 202110407081A CN 113179143 B CN113179143 B CN 113179143B
- Authority
- CN
- China
- Prior art keywords
- expression
- spectrum sensing
- fusion
- false alarm
- detection
- 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
- 230000004927 fusion Effects 0.000 title claims abstract description 46
- 238000001228 spectrum Methods 0.000 title claims abstract description 45
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000001514 detection method Methods 0.000 claims abstract description 67
- 239000011159 matrix material Substances 0.000 claims description 22
- 238000005070 sampling Methods 0.000 claims description 14
- 230000001186 cumulative effect Effects 0.000 claims description 6
- 238000005315 distribution function Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 3
- 238000002474 experimental method Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/02—Resource partitioning among network components, e.g. reuse partitioning
- H04W16/10—Dynamic resource partitioning
-
- 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
本发明公开了物联网频谱感知技术领域的一种基于最大最小值的融合频谱感知方法及系统,包括:基于构造的检测统计量的表达式,判断信道中是否存在主用户信号;当主用户信号不存在时,基于检测门限值关于融合参数的表达式,求取融合参数,使得系统在满足给定虚警概率的条件下取得最优检测性能,消除了噪声不确定性对频谱感知系统的影响,在满足给定虚警概率的前提下提高了频谱感知系统的检测概率。
Description
技术领域
本发明属于物联网频谱感知技术领域,具体涉及一种基于最大最小值的融合频谱感知方法及系统。
背景技术
随着社会的进步以及5G通信技术的快速发展,对频谱资源的需求也与日俱增。目前全球范围内的频谱资源都是统一分配的,部分频段资源分配不合理导致利用率较低,而新一代的新兴业务和无线通信系统的蓬勃发展,导致了频谱资源更加的紧缺。为解决上述问题,认知无线电(CR,cognitive radio)技术应运而生。CR技术的基本思想是次用户通过在时域和频域等多维空间对授权频谱不间断检测,当授权频谱处于空闲状态时动态接入,以提高频谱资源的利用率。次用户需要检测主用户是否存在,当授权频谱存在主用户时,为了避免对主用户信号的干扰,次用户需要及时退出该授权频谱。由于噪声不确定性的影响,频谱感知系统的检测概率较低。
发明内容
为解决现有技术中的不足,本发明提供一种基于最大最小值的融合频谱感知方法及系统,消除了噪声不确定性对频谱感知系统的影响,在满足给定虚警概率的前提下提高了频谱感知系统的检测概率。
为达到上述目的,本发明所采用的技术方案是:
第一方面,提供一种融合频谱感知方法,包括:基于构造的检测统计量的表达式,判断信道中是否存在主用户信号;当主用户信号不存在时,基于检测门限值关于融合参数的表达式,求取融合参数,使得系统在满足给定虚警概率的条件下取得最优检测性能。
进一步地,所述检测统计量的表达式的构造方法,包括:获取频谱感知采样中的接收信号及接收信号的样本协方差矩阵;求取样本协方差矩阵的特征值,包括最大特征值λmax,最小特征值λmin和特征值平均值检测统计量T的表达式为:
其中,α表示融合参数,α≥0。
进一步地,所述判断信道中是否存在主用户信号的方法为:当T≥γ时,即检测统计量T大于等于检测门限γ时,认为信道中存在主用户;否则,认为信道中不存在主用户。
进一步地,所述检测门限值关于融合参数的表达式为:
其中,L表示次用户的个数,N表示每个次用户的采样点数,Pf表示系统虚警概率,/>表示一阶Tracy-Widom逆累积分布函数。
进一步地,所述求取融合参数的方法为:S1、将α=0,带入检测门限值关于融合参数的表达式,得到门限值,基于实验得到虚警概率;S2、若虚警概率大于系统虚警概率,则α+0.1,重复S1;S3:若虚警概率小于给定虚警概率,则结束。
进一步地,当主用户信号不存在时,所述虚警概率为:
其中,FTW表示一阶Tracy-Widom累积分布函数。
第二方面,提供一种融合频谱感知系统,包括:第一模块,用于基于构造的检测统计量的表达式,判断信道中是否存在主用户信号;第二模块,用于当主用户信号不存在时,基于检测门限值关于融合参数的表达式,求取融合参数,使得系统在满足给定虚警概率的条件下取得最优检测性能。
与现有技术相比,本发明所达到的有益效果:
(1)本发明通过构建检测统计量的表达式,判断信道中是否存在主用户信号;当主用户信号不存在时,基于检测门限值关于融合参数的表达式,求取融合参数,使得系统在满足给定虚警概率的条件下取得最优检测性能;消除了噪声不确定性对频谱感知系统的影响,在满足给定虚警概率的前提下提高了频谱感知系统的检测概率;
(2)本发明在检测过程中,不需知道要主用户的先验信息和噪声的方差,属于盲检测技术,有更广泛的应用范围。
具体实施方式
下面对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
实施例一:
一种基于最大最小值的融合频谱感知方法,包括:基于构造的检测统计量的表达式,判断信道中是否存在主用户信号;当主用户信号不存在时,基于检测门限值关于融合参数的表达式,求取融合参数,使得系统在满足给定虚警概率的条件下取得最优检测性能。
本实施例主要包括两个方面的内容:一是提出一种融合特征值方法,构造出检测统计量的表达式,并利用最小特征值分布求得检测门限值的表达式;二是在满足给定虚警概率条件下,求得最优的融合参数α,从而确定系统的门限值,实现最优的检测性能。首先使用二元假设模型对系统进行建模,然后根据接收信号向量构造样本协方差矩阵,并求得其特征值,再根据融合特征值检测算法确定检测统计量T,利用随机矩阵理论中的最小特征值分布和给定的虚警概率Pf求得检测门限值γ的表达式,当检测统计量大于检测门限时,认为信道中存在主用户信号。最后在满足给定虚警概率条件下,求得最优的融合参数α,从而确定最优检测性能下系统的门限值。
融合特征值方法为:
在依据接收信号向量构造样本协方差矩阵后,求得其最大特征值,最小特征值和特征值的平均值。然后以最大最小特征值方法检测统计量的α次幂和特征值平均值与最小特征值之比的1-α次幂构造检测统计量,其中,α为大于0的融合参数。再利用最小特征值分布推导出检测门限关于虚警概率和融合参数的表达式,最后调整融合参数使系统的检测概率和虚警概率达到最优值。
具体过程如下:
获取频谱感知采样中的接收信号及接收信号的样本协方差矩阵;首先,将频谱感知建模成二元假设检验模型,考虑到噪声不确定性的影响,将信道噪声设为均值为0,噪声功率在[0.5σw 2,2σw 2]范围内波动的加性高斯白噪声。有L个次用户独立地对同一频谱资源进行频谱感知,每个次用户的采样点数为N,然后所有次用户同一时刻的采样矩阵可以表示为:
其中,n=1,2····N,ym(n)表示第m个次用户在第n次采样时的接收信号。
接收信号的样本协方差矩阵可以表示为:
在此基础上对协方差矩阵进行分解,求出其特征值,包括最大特征值、最小特征值和特征值的平均值。当主用户不存在时,采样协方差矩阵为Wishart矩阵,即随机矩阵。基于随机矩阵理论的研究结果,可以获知随机矩阵的最大特征值和最小特征值的极限理论值,以及随机矩阵的最小特征值分布情况。
求取样本协方差矩阵的特征值,包括最大特征值λmax,最小特征值λmin和特征值平均值检测统计量T的表达式为:
其中,a表示融合参数,a≥0。当T≥γ时,即检测统计量T大于等于检测门限γ时,认为信道中存在主用户;否则,认为信道中不存在主用户。因此,系统虚警概率可以表示为:
当主用户信号不存在时,且当采样点数N足够大时,/>服从一阶Tracy-Widom分布,此时虚警概率表示为:
其中,L表示次用户的个数,N表示每个次用户的采样点数,Pf表示系统虚警概率,FTW表示一阶Tracy-Widom累积分布函数;根据式(4)可知,虚警概率只与门限γ,采样点个数N,用户参与数L及融合参数a有关,与噪声功率无关。由公式(4)可以推导出检测门限表达式:
其中,表示一阶Tracy-Widom逆累积分布函数。在实际应用中,采样点数N和虚警概率Pf一般是固定的,而融合参数α需要在具体的实验环境下测得,具体步骤如下:
S1、将a=0,带入公式(5),得到门限值,基于实验得到虚警概率;
S2、若虚警概率大于系统虚警概率,则a+0.1,重复S1;
S3、若虚警概率小于给定虚警概率,则结束。
本实施例通过以合适的步长遍历α可能的取值区间,得到使得系统在满足给定虚警概率得条件下取得最优检测性能的融合参数α。
本实施例通过构建检测统计量的表达式,判断信道中是否存在主用户信号;当主用户信号不存在时,基于检测门限值关于融合参数的表达式,求取融合参数,使得系统在满足给定虚警概率的条件下取得最优检测性能;消除了噪声不确定性对频谱感知系统的影响,在满足给定虚警概率的前提下提高了频谱感知系统的检测概率;在检测过程中,不需知道要主用户的先验信息和噪声的方差,属于盲检测技术,有更广泛的应用范围。
实施例二:
基于实施例一所述的一种基于最大最小值的融合频谱感知方法,本实施例提供一种基于最大最小值的融合频谱感知系统,包括:第一模块,用于基于构造的检测统计量的表达式,判断信道中是否存在主用户信号;第二模块,用于当主用户信号不存在时,基于检测门限值关于融合参数的表达式,求取融合参数,使得系统在满足给定虚警概率的条件下取得最优检测性能。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。
Claims (6)
1.一种基于最大最小值的融合频谱感知方法,其特征是,包括:
基于构造的检测统计量的表达式,判断信道中是否存在主用户信号;
当主用户信号不存在时,基于检测门限值关于融合参数的表达式,求取融合参数,使得系统在满足给定虚警概率的条件下取得最优检测性能;
其中,所述检测统计量的表达式的构造方法,包括:
获取频谱感知采样中的接收信号及接收信号的样本协方差矩阵;
求取样本协方差矩阵的特征值,包括最大特征值λmax,最小特征值λmin和特征值平均值检测统计量T的表达式为:
其中,α表示融合参数,α≥0。
2.根据权利要求1所述的基于最大最小值的融合频谱感知方法,其特征是,所述判断信道中是否存在主用户信号的方法为:当T≥γ时,即检测统计量T大于等于检测门限γ时,认为信道中存在主用户;否则,认为信道中不存在主用户。
3.根据权利要求1所述的基于最大最小值的融合频谱感知方法,其特征是,所述检测门限值关于融合参数的表达式为:
其中,L表示次用户的个数,N表示每个次用户的采样点数,Pf表示系统虚警概率,/>表示一阶Tracy-Widom逆累积分布函数。
4.根据权利要求1所述的基于最大最小值的融合频谱感知方法,其特征是,所述求取融合参数的方法为:
S1、将α=0,带入检测门限值关于融合参数的表达式,得到门限值,基于实验得到虚警概率;
S2、若虚警概率大于系统虚警概率,则α+0.1,重复S1;
S3:若虚警概率小于给定虚警概率,则结束。
5.根据权利要求3所述的基于最大最小值的融合频谱感知方法,其特征是,当主用户信号不存在时,所述虚警概率为:
其中,FTW表示一阶Tracy-Widom累积分布函数。
6.一种基于最大最小值的融合频谱感知系统,其特征是,包括:
第一模块,用于基于构造的检测统计量的表达式,判断信道中是否存在主用户信号;
第二模块,用于当主用户信号不存在时,基于检测门限值关于融合参数的表达式,求取融合参数,使得系统在满足给定虚警概率的条件下取得最优检测性能;
其中,所述检测统计量的表达式的构造方法,包括:
获取频谱感知采样中的接收信号及接收信号的样本协方差矩阵;
求取样本协方差矩阵的特征值,包括最大特征值λmax,最小特征值λmin和特征值平均值检测统计量T的表达式为:
其中,α表示融合参数,α≥0。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110407081.7A CN113179143B (zh) | 2021-04-15 | 2021-04-15 | 一种基于最大最小值的融合频谱感知方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110407081.7A CN113179143B (zh) | 2021-04-15 | 2021-04-15 | 一种基于最大最小值的融合频谱感知方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113179143A CN113179143A (zh) | 2021-07-27 |
CN113179143B true CN113179143B (zh) | 2023-12-12 |
Family
ID=76923422
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110407081.7A Active CN113179143B (zh) | 2021-04-15 | 2021-04-15 | 一种基于最大最小值的融合频谱感知方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113179143B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114070437A (zh) * | 2021-11-19 | 2022-02-18 | 中国人民武装警察部队工程大学 | 一种基于能量和特征值方差的联合频谱感知方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102571240A (zh) * | 2012-02-15 | 2012-07-11 | 上海大学 | 一种运用改进能量检测器的协作频谱感知参数优化方法 |
WO2015035804A1 (zh) * | 2013-09-11 | 2015-03-19 | 中兴通讯股份有限公司 | 宽带频谱感知方法、数据融合中心、感知节点及系统 |
CN104660356A (zh) * | 2015-03-13 | 2015-05-27 | 湖南大学 | 一种具有可靠虚警性能的半盲协作式频谱感知方法 |
CN104780006A (zh) * | 2015-01-14 | 2015-07-15 | 东南大学 | 基于最小错误概率准则的频谱检测器软融合方法 |
KR101850621B1 (ko) * | 2016-11-02 | 2018-04-20 | 중앙대학교 산학협력단 | 협력 스펙트럼 센싱 방법 및 그 장치 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8213868B2 (en) * | 2009-04-17 | 2012-07-03 | Lingna Holdings Pte., Llc | Exploiting multiple antennas for spectrum sensing in cognitive radio networks |
-
2021
- 2021-04-15 CN CN202110407081.7A patent/CN113179143B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102571240A (zh) * | 2012-02-15 | 2012-07-11 | 上海大学 | 一种运用改进能量检测器的协作频谱感知参数优化方法 |
WO2015035804A1 (zh) * | 2013-09-11 | 2015-03-19 | 中兴通讯股份有限公司 | 宽带频谱感知方法、数据融合中心、感知节点及系统 |
CN104780006A (zh) * | 2015-01-14 | 2015-07-15 | 东南大学 | 基于最小错误概率准则的频谱检测器软融合方法 |
CN104660356A (zh) * | 2015-03-13 | 2015-05-27 | 湖南大学 | 一种具有可靠虚警性能的半盲协作式频谱感知方法 |
KR101850621B1 (ko) * | 2016-11-02 | 2018-04-20 | 중앙대학교 산학협력단 | 협력 스펙트럼 센싱 방법 및 그 장치 |
Non-Patent Citations (1)
Title |
---|
一种基于特征值的多天线认知无线电盲感知算法;刘会衡;邓小鸿;陈伟;;计算机应用研究(01);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113179143A (zh) | 2021-07-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhu et al. | Spectrum sensing based on fractional lower order moments for cognitive radios in α-stable distributed noise | |
Han et al. | An enhanced DS theory cooperative spectrum sensing algorithm against SSDF attack | |
Yu et al. | Adaptive double-threshold cooperative spectrum sensing algorithm based on history energy detection | |
CN109347584B (zh) | 基于指数平滑预测的频谱感知方法 | |
CN108322277B (zh) | 一种基于协方差矩阵反特征值的频谱感知方法 | |
CN113179143B (zh) | 一种基于最大最小值的融合频谱感知方法及系统 | |
CN102324959A (zh) | 一种基于多天线系统协方差矩阵的频谱感知方法 | |
CN102013928B (zh) | 一种认知无线电系统中的快速频谱感知方法 | |
Luís et al. | RF-spectrum opportunities for cognitive radio networks operating over GSM channels | |
CN110932807A (zh) | 一种非高斯噪声下mimo系统的频谱感知方法 | |
CN110649982B (zh) | 基于次用户节点选择的双阈值能量检测方法 | |
CN102075263A (zh) | 基于分段能量处理的截尾型序贯检验方法 | |
CN108900267B (zh) | 基于特征值的单边右尾拟合优度检验频谱感知方法及装置 | |
CN109219054B (zh) | 一种认知网络内双次用户的频谱感知方法 | |
CN106972900B (zh) | 基于广义t2统计量的盲频谱感知方法 | |
CN102497239B (zh) | 一种基于极化度的频谱感知方法 | |
CN109600181B (zh) | 一种用于多天线的频谱感知方法 | |
Hou et al. | Cooperative spectrum sensing for non-time-slotted full-duplex cognitive radio networks | |
Mohammadi et al. | Cooperative spectrum sensing using fuzzy membership function of energy statistics | |
CN112073138B (zh) | 一种基于量化的双门限协作频谱感知方法 | |
CN112260777B (zh) | 一种基于序贯检测的特征值频谱感知方法 | |
Gao et al. | Improved cooperative spectrum sensing scheme using truncated SPRT in internet of things | |
Rao et al. | Cooperative spectrum sensing over non-identical nakagami fading channels | |
CN106851538B (zh) | 一种抗ssdf的协作频谱感知方法 | |
CN108322276B (zh) | 一种基于d-s证据理论的频谱感知准确率提升技术 |
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 |