CN113422662B - 一种信号盲检测方法、系统、存储介质、计算机设备 - Google Patents

一种信号盲检测方法、系统、存储介质、计算机设备 Download PDF

Info

Publication number
CN113422662B
CN113422662B CN202110555822.6A CN202110555822A CN113422662B CN 113422662 B CN113422662 B CN 113422662B CN 202110555822 A CN202110555822 A CN 202110555822A CN 113422662 B CN113422662 B CN 113422662B
Authority
CN
China
Prior art keywords
spectral density
power spectral
signal
calculating
mean value
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
Application number
CN202110555822.6A
Other languages
English (en)
Other versions
CN113422662A (zh
Inventor
宫丰奎
王越
宋佩阳
李果
惠腾飞
许鹏飞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xidian University
Original Assignee
Xidian University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xidian University filed Critical Xidian University
Priority to CN202110555822.6A priority Critical patent/CN113422662B/zh
Publication of CN113422662A publication Critical patent/CN113422662A/zh
Application granted granted Critical
Publication of CN113422662B publication Critical patent/CN113422662B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L27/00—Modulated-carrier systems
    • H04L27/0014—Carrier regulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Monitoring And Testing Of Transmission In General (AREA)

Abstract

本发明属于通信技术领域，公开了一种信号盲检测方法、系统、存储介质、计算机设备，所述信号盲检测方法包括：利用平均周期图法对输入信号序列求解M点信号功率谱密度Pd(k)；寻找功率密度最大值位置；依据功率谱密度最大值位置对功率谱密度向左循环移位；计算信号功率谱密度均值
Figure DDA0003077141800000012
计算噪声功率谱密度均值
Figure DDA0003077141800000011
求解判决变量T；计算门限λ；利用判决准则进行信号判决。本发明提供的信号盲检测方法，可用于突发系统的粗略信号捕获以及频谱感知，主要解决现有算法无法在大频偏环境下工作的问题，提高了在大频偏环境下的信号盲检测性能。同时，本发明的判决变量与判决门限并不包含噪声方差，因此克服了现有方法需要估计噪声方差的缺点。

Description

一种信号盲检测方法、系统、存储介质、计算机设备
技术领域
本发明属于通信技术领域，尤其涉及一种信号盲检测方法、系统、存储介质、计算机设备。
背景技术
目前，信号盲检测方法是一种无需数据辅助的信号检测方式，其实现方式可以为能量检测、匹配滤波、循环平稳特征等，可以在无导频序列以及独特字的情况下检测通信信号是否存在，主要用于通信系统的信号粗略捕获以及频谱感知。
毛翊君、赵知劲和吕曦在其发表的论文“利用功率谱最大最小平均比的频谱感知算法”中提到了一种基于功率谱不同位置均值的信号盲检测方法，该方法步骤是，第一，对输入信号求解功率谱密度；第二，在功率谱密度零频附近求最大均值；第三，在功率谱密度中点位置求最小均值；第四，将最大均值除以最小均值得到判决变量；第五，计算判决门限；第六，将判决变量与判决门限进行比较，若判决变量大于门限，则判决信号存在，若小于门限，则判决信号不存在。该方法的通过频域均值相除的方式进行判决变量计算，实现时无需估计噪声功率，有着良好的抗噪声不稳定度的性能；但是该方法仍然存在不足之处是，该方法的最大均值与最小均值的计算窗口恒定，在大频偏环境下，无法正常计算信号的最大均值与最小均值，检测性能会急剧下降。
长春理工大学的张晨洁、郭滨、白雪梅等人其申请的专利文献“基于双门限功率谱双平均比值的能量检测方法”(申请号：201910813502.9，公开号：CN110601779A)中提出了基于双门限功率谱双平均比值的能量检测方法。以能量计算的方式对信号进行盲检测，该方法步骤是，第一，计算双门限能量检测下的上下双阈值和检测统计量，判断所述检测统计量是否大于下阈值并小于上阈值，如果否，执行第二步；如果是，执行第三步；第二，判断所述检测统计量是否大于等于上阈值，如果是，则判断信号存在，如果否，则检测统计量小于下阈值，则判断信号不存在；第三，采用功率谱双平均比值算法计算功率谱最大值、最小值、检验统计量以检验及检验阈值；第四，判断所述检验统计量是否大于等于检验阈值，如果是，则判断信号存在，如果否，则判断信号不存在。该发明在双门限间加入另一种算法进行处理的检测算法，提高了算法的处理效率，能够显著提高信号检测的性能。但是该方法仍然存在不足之处是，该方法的上下双阈值计算需要噪声方差才能计算，实际使用时需要对噪声方差进行估计，增加了实现复杂度且噪声方差的估计误差对该方法的检测性能产生严重影响。因此，亟需一种新的信号盲检测方法。
通过上述分析，现有技术存在的问题及缺陷为：
(1)现有基于功率谱不同位置均值的信号盲检测方法的最大均值与最小均值的计算窗口恒定，在大频偏环境下，无法正常计算信号的最大均值与最小均值，检测性能会急剧下降。
(2)现有基于双门限功率谱双平均比值的能量检测方法的上下双阈值计算需要噪声方差才能计算，实际使用时需要对噪声方差进行估计，增加了实现复杂度且噪声方差的估计误差对该方法的检测性能产生严重影响。
解决以上问题及缺陷的难度为：
(1)在无线通信尤其是卫星通信领域，大频偏场景普遍存在，且对于未知的待检测信号，频偏大小难以估计，其对信号功率谱密度的造成的移位难以抵消。
(2)在未知信号存在的场景下，很难消除信号的影响，从而准确估计噪声的方差。
解决以上问题及缺陷的意义为：通过解决以上问题，可以扩大信号盲检测方法的使用范围，使其在不同的场景下均能应用，同时减少实现复杂度，降低实现成本。
发明内容
针对现有技术存在的问题，本发明提供了一种信号盲检测方法、系统、存储介质、计算机设备，尤其涉及一种基于谱移位信号噪声平均比的信号盲检测方法、系统，旨在解决现有算法无法在大频偏环境下工作的问题。
本发明是这样实现的，一种信号盲检测方法，所述信号盲检测方法包括以下步骤：
步骤一，利用平均周期图法对输入信号序列求解M点信号功率谱密度Pd(k)；
步骤二，寻找功率密度最大值位置；
步骤三，依据功率谱密度最大值位置对功率谱密度向左循环移位；
步骤四，计算信号功率谱密度均值
Figure BDA0003077141780000031
步骤五，计算噪声功率谱密度均值
Figure BDA0003077141780000032
步骤六，求解判决变量T；
步骤七，计算门限λ；
步骤八，利用判决准则进行信号判决。
步骤二、步骤三：用于部分抵消频偏导致的信号功率谱密度偏移；步骤六：通过相除的方式抵消噪声方差，使得本发明无需估计噪声功率。
进一步，步骤一中，所述利用平均周期图法对输入信号序列求解M点信号功率谱密度Pd(k)，包括：
Figure BDA0003077141780000033
其中，LM表示原始数据分段数，|·|2表示取模值的平方，M表示功率谱密度的点数，x(m)表示总长度为LMM的输入信号序列的第m个数据。
进一步，步骤二中，所述寻找功率密度最大值位置，包括：
Figure BDA0003077141780000034
其中，kmax表示功率谱密度最大值位置。
进一步，步骤三中，所述依据功率谱密度最大值位置对功率谱密度向左循环移位，包括：
Pc(k)＝lcshift(Pd(k),kmax-1)；
其中，Pc(k)表示循环移位后功率谱密度，lcshift(a,b)表示将序列a向左循环移位b位。
进一步，步骤四中，所述计算信号功率谱密度均值
Figure BDA0003077141780000041
包括：
Figure BDA0003077141780000042
其中，K0表示计算信号功率谱密度均值
Figure BDA0003077141780000049
所需要的功率谱密度的谱线数，
Figure BDA0003077141780000043
表示向下取整，K″0＝K0-K′0。
进一步，步骤五中，所述计算噪声功率谱密度均值
Figure BDA0003077141780000044
包括：
Figure BDA0003077141780000045
其中，K1表示计算噪声功率谱密度均值
Figure BDA0003077141780000046
所需要的功率谱密度的谱线数。
进一步，步骤六中，所述求解判决变量T，包括：
Figure BDA0003077141780000047
进一步，步骤七中，所述计算门限λ，包括：
Figure BDA0003077141780000048
其中，Λ表示常数[erf-1(2Pf-1)]2，Pf为设定的检测虚警概率，erf-1(·)为误差函数的反函数。
进一步，步骤八中，所述用判决准则进行信号判决，包括：
Figure BDA0003077141780000051
其中，H0表示信号不存在，H1表示信号存在。
本发明的另一目的在于提供一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如下步骤：
步骤一，利用平均周期图法对输入信号序列求解M点信号功率谱密度Pd(k)；
步骤二，寻找功率密度最大值位置；
步骤三，依据功率谱密度最大值位置对功率谱密度向左循环移位；
步骤四，计算信号功率谱密度均值
Figure BDA0003077141780000052
步骤五，计算噪声功率谱密度均值
Figure BDA0003077141780000053
步骤六，求解判决变量T；
步骤七，计算门限λ；
步骤八，利用判决准则进行信号判决。
本发明的另一目的在于提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如下步骤：
步骤一，利用平均周期图法对输入信号序列求解M点信号功率谱密度Pd(k)；
步骤二，寻找功率密度最大值位置；
步骤三，依据功率谱密度最大值位置对功率谱密度向左循环移位；
步骤四，计算信号功率谱密度均值
Figure BDA0003077141780000054
步骤五，计算噪声功率谱密度均值
Figure BDA0003077141780000055
步骤六，求解判决变量T；
步骤七，计算门限λ；
步骤八，利用判决准则进行信号判决。
本发明的另一目的在于提供一种应用所述的信号盲检测方法的信号盲检测系统，所述信号盲检测系统包括：
信号功率谱密度求解模块，用于利用平均周期图法对输入信号序列求解M点信号功率谱密度Pd(k)；
功率谱密度最大值位置寻找模块，用于寻找功率密度最大值位置；
功率谱密度循环移位模块，用于依据功率谱密度最大值位置对功率谱密度向左循环移位；
信号功率谱密度均值计算模块，用于计算信号功率谱密度均值
Figure BDA0003077141780000061
噪声功率谱密度均值计算模块，用于计算噪声功率谱密度均值
Figure BDA0003077141780000062
判决变量求解模块，用于求解判决变量T；
门限计算模块，用于计算门限λ；
信号判决模块，用于利用判决准则进行信号判决。
结合上述的所有技术方案，本发明所具备的优点及积极效果为：本发明提供的信号盲检测方法，可用于突发系统的粗略信号捕获以及频谱感知，主要解决现有算法无法在大频偏环境下工作的问题，提高了在大频偏环境下的信号盲检测性能，可用于突发系统的粗略信号捕获以及频谱感知。
由于本发明利用寻找功率密度最大值位置并依据功率谱密度最大值位置对功率谱密度向左循环移位的方式克服了现有方法无法在大频偏环境下工作的缺点。同时，本发明的判决门限并不包含噪声方差，因此克服了现有方法需要估计噪声方差的缺点。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图做简单的介绍，显而易见地，下面所描述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是本发明实施例提供的信号盲检测方法流程图。
图2是本发明实施例提供的信号盲检测方法原理图。
图3是本发明实施例提供的信号盲检测系统结构框图；
图中：1、信号功率谱密度求解模块；2、功率谱密度最大值位置寻找模块；3、功率谱密度循环移位模块；4、信号功率谱密度均值计算模块；5、噪声功率谱密度均值计算模块；6、判决变量求解模块；7、门限计算模块；8、信号判决模块。
图4是本发明实施例提供的仿真实验的结果图。
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仅用以解释本发明，并不用于限定本发明。
针对现有技术存在的问题，本发明提供了一种信号盲检测方法、系统、存储介质、计算机设备，下面结合附图对本发明作详细的描述。
如图1所示，本发明实施例提供的信号盲检测方法包括以下步骤：
S101，求解信号功率谱密度；
S102，寻找功率谱密度最大值位置；
S103，对功率谱密度进行循环移位；
S104，计算信号功率谱密度均值；
S105，计算噪声功率谱密度均值；
S106，求解判决变量；
S107，计算门限；
S108，进行信号判决。
本发明实施例提供的信号盲检测方法原理图如图2所示。
如图3所示，本发明实施例提供的信号盲检测系统包括：
信号功率谱密度求解模块1，用于利用平均周期图法对输入信号序列求解M点信号功率谱密度Pd(k)；
功率谱密度最大值位置寻找模块2，用于寻找功率密度最大值位置；
功率谱密度循环移位模块3，用于依据功率谱密度最大值位置对功率谱密度向左循环移位；
信号功率谱密度均值计算模块4，用于计算信号功率谱密度均值
Figure BDA0003077141780000081
噪声功率谱密度均值计算模块5，用于计算噪声功率谱密度均值
Figure BDA0003077141780000082
判决变量求解模块6，用于求解判决变量T；
门限计算模块7，用于计算门限λ；
信号判决模块8，用于利用判决准则进行信号判决。
下面结合实施例对本发明的技术方案作进一步描述。
参照图2，本实施例的具体实现步骤如下：
步骤1，求解信号功率谱密度。
利用平均周期图法对输入信号序列求解M点信号功率谱密度Pd(k)：
Figure BDA0003077141780000083
其中，LM表示原始数据段数，|·|2表示取模值的平方，M表示功率谱密度的点数，x(m)表示总长度为LMM的输入信号序列的第m个数据。
步骤2，寻找功率谱密度最大值位置。
依据下式，寻找功率谱密度最大值位置
Figure BDA0003077141780000084
其中，kmax表示功率谱密度最大值位置。
步骤3，对功率谱密度进行循环移位。
依据功率谱密度最大值位置对功率谱密度向左循环移位：
Pc(k)＝lcshift(Pd(k),kmax-1)
其中，Pc(k)表示循环移位后功率谱密度，lcshift(a,b)表示将序列a向左循环移位b位。
步骤4，计算信号功率谱密度均值。
依据下式，计算功率谱密度最大均值
Figure BDA0003077141780000091
Figure BDA0003077141780000092
其中，K0表示计算信号功率谱密度均值
Figure BDA0003077141780000093
所需要的功率谱密度的谱线数，
Figure BDA0003077141780000094
表示向下取整，K0″＝K0-K0′；
步骤5，计算噪声功率谱密度均值。
计算噪声功率谱密度均值
Figure BDA0003077141780000095
Figure BDA0003077141780000096
其中，K1表示计算噪声功率谱密度均值
Figure BDA0003077141780000097
所需要的功率谱密度的谱线数。
步骤6，求解判决变量。
依据下式，求解判决变量T：
Figure BDA0003077141780000098
步骤7，计算门限。
依据下式，计算门限λ：
Figure BDA0003077141780000099
其中，Λ表示常数[erf-1(2Pf-1)]2，Pf为设定的检测虚警概率，erf-1(·)为误差函数的反函数。
步骤8，进行信号判决。
依据下式，利用判决准则进行信号判决：
Figure BDA0003077141780000101
其中，H0表示信号不存在，H1表示信号存在。
下面结合仿真实验对本发明的技术效果作详细的描述。
1.仿真条件：
本发明的仿真实验是在MATLAB2020B软件下进行的，设单载波通信系统基带带宽为180KHz，采用QPSK调制，符号数为1024，上采样倍数为4倍，总采样点数为4096，参数LM＝32，M＝128，K0＝16，K1＝32，Pf＝10-4，设置频偏为240KHz，符号信噪比EsNo为[-10,0]dB，仿真次数为同一EsNo下10万次。
2.仿真内容与结果分析：
本发明的仿真是采用本发明与现有技术(利用功率谱最大最小平均比的频谱感知算法)对不同EsNo下受频偏影响信号进行检测性能仿真对比，得到不同EsNo下的检测概率仿真图，如图4所示。
参照图4对本发明的仿真实验结果作进一步描述。
图4为仿真实验结果图，其中三角标号的仿真曲线为本发明仿真结果，圆形标号的仿真曲线为现有技术的仿真结果，从图4中可以很直观的看出，随着EsNo的增大，本发明的检测概率逐渐上升，在EsNo＝-2dB及以上时能够达到1，而现有技术由于受到频偏影响，检测概率一直趋向于0，说明本发明的方法在大频偏下能够更好的进行信号检测。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现，所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘SolidStateDisk(SSD))等。
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，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。

Claims (7)

1.一种信号盲检测方法，其特征在于，所述信号盲检测方法包括以下步骤：
步骤一，利用平均周期图法对输入信号序列求解M点信号功率谱密度Pd(k)；
步骤二，寻找功率密度最大值位置；
步骤三，依据功率谱密度最大值位置对功率谱密度向左循环移位；
步骤四，计算信号功率谱密度均值
Figure FDA0003496562340000011
步骤五，计算噪声功率谱密度均值
Figure FDA0003496562340000012
步骤六，求解判决变量T；
步骤七，计算门限λ；
步骤八，利用判决准则进行信号判决；
步骤四中，所述计算信号功率谱密度均值
Figure FDA0003496562340000013
包括：
Figure FDA0003496562340000014
其中，K0表示计算信号功率谱密度均值
Figure FDA0003496562340000015
所需要的功率谱密度的谱线数，
Figure FDA0003496562340000016
Figure FDA0003496562340000017
表示向下取整，K″0＝K0-K′0；
步骤五中，所述计算噪声功率谱密度均值
Figure FDA0003496562340000018
包括：
Figure FDA0003496562340000019
其中，K1表示计算噪声功率谱密度均值
Figure FDA00034965623400000110
所需要的功率谱密度的谱线数；
步骤六中，所述求解判决变量T，包括：
Figure FDA00034965623400000111
步骤七中，所述计算门限λ，包括：
Figure FDA0003496562340000021
其中，Λ表示常数[erf-1(2Pf-1)]2，Pf为设定的检测虚警概率，erf-1(·)为误差函数的反函数；
步骤八中，所述用判决准则进行信号判决，包括：
Figure FDA0003496562340000022
其中，H0表示信号不存在，H1表示信号存在。
2.如权利要求1所述的信号盲检测方法，其特征在于，步骤一中，所述利用平均周期图法对输入信号序列求解M点信号功率谱密度Pd(k)，包括：
Figure FDA0003496562340000023
其中，LM表示原始数据分段数，|·|2表示取模值的平方，M表示功率谱密度的点数，x(m)表示总长度为LMM的输入信号序列的第m个数据。
3.如权利要求1所述的信号盲检测方法，其特征在于，步骤二中，所述寻找功率密度最大值位置，包括：
Figure FDA0003496562340000024
其中，kmax表示功率谱密度最大值位置，
Figure FDA0003496562340000025
表示当a(b)取最大值时对应的b的值。
4.如权利要求1所述的信号盲检测方法，其特征在于，步骤三中，所述依据功率谱密度最大值位置对功率谱密度向左循环移位，包括：
Pc(k)＝lcshift(Pd(k),kmax-1)；
其中，Pc(k)表示循环移位后功率谱密度，lcshift(a,b)表示将序列a向左循环移位b位。
5.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如下步骤：
步骤一，利用平均周期图法对输入信号序列求解M点信号功率谱密度Pd(k)；
步骤二，寻找功率密度最大值位置；
步骤三，依据功率谱密度最大值位置对功率谱密度向左循环移位；
步骤四，计算信号功率谱密度均值
Figure FDA0003496562340000031
步骤五，计算噪声功率谱密度均值
Figure FDA0003496562340000032
步骤六，求解判决变量T；
步骤七，计算门限λ；
步骤八，利用判决准则进行信号判决；
步骤四中，所述计算信号功率谱密度均值
Figure FDA0003496562340000033
包括：
Figure FDA0003496562340000034
其中，K0表示计算信号功率谱密度均值
Figure FDA0003496562340000035
所需要的功率谱密度的谱线数，
Figure FDA0003496562340000036
Figure FDA0003496562340000037
表示向下取整，K″0＝K0-K′0；
步骤五中，所述计算噪声功率谱密度均值
Figure FDA0003496562340000038
包括：
Figure FDA0003496562340000039
其中，K1表示计算噪声功率谱密度均值
Figure FDA00034965623400000310
所需要的功率谱密度的谱线数；
步骤六中，所述求解判决变量T，包括：
Figure FDA00034965623400000311
步骤七中，所述计算门限λ，包括：
Figure FDA0003496562340000041
其中，Λ表示常数[erf-1(2Pf-1)]2，Pf为设定的检测虚警概率，erf-1(·)为误差函数的反函数；
步骤八中，所述用判决准则进行信号判决，包括：
Figure FDA0003496562340000042
其中，H0表示信号不存在，H1表示信号存在。
6.一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如下步骤：
步骤一，利用平均周期图法对输入信号序列求解M点信号功率谱密度Pd(k)；
步骤二，寻找功率密度最大值位置；
步骤三，依据功率谱密度最大值位置对功率谱密度向左循环移位；
步骤四，计算信号功率谱密度均值
Figure FDA0003496562340000043
步骤五，计算噪声功率谱密度均值
Figure FDA0003496562340000044
步骤六，求解判决变量T；
步骤七，计算门限λ；
步骤八，利用判决准则进行信号判决；
步骤四中，所述计算信号功率谱密度均值
Figure FDA0003496562340000045
包括：
Figure FDA0003496562340000046
其中，K0表示计算信号功率谱密度均值
Figure FDA0003496562340000047
所需要的功率谱密度的谱线数，
Figure FDA0003496562340000048
Figure FDA0003496562340000049
表示向下取整，K″0＝K0-K′0；
步骤五中，所述计算噪声功率谱密度均值
Figure FDA00034965623400000410
包括：
Figure FDA0003496562340000051
其中，K1表示计算噪声功率谱密度均值
Figure FDA0003496562340000052
所需要的功率谱密度的谱线数；
步骤六中，所述求解判决变量T，包括：
Figure FDA0003496562340000053
步骤七中，所述计算门限λ，包括：
Figure FDA0003496562340000054
其中，Λ表示常数[erf-1(2Pf-1)]2，Pf为设定的检测虚警概率，erf-1(·)为误差函数的反函数；
步骤八中，所述用判决准则进行信号判决，包括：
Figure FDA0003496562340000055
其中，H0表示信号不存在，H1表示信号存在。
7.一种应用如权利要求1～4任意一项所述的信号盲检测方法的信号盲检测系统，其特征在于，所述信号盲检测系统包括：
信号功率谱密度求解模块，用于利用平均周期图法对输入信号序列求解M点信号功率谱密度Pd(k)；
功率谱密度最大值位置寻找模块，用于寻找功率密度最大值位置；
功率谱密度循环移位模块，用于依据功率谱密度最大值位置对功率谱密度向左循环移位；
信号功率谱密度均值计算模块，用于计算信号功率谱密度均值
Figure FDA0003496562340000056
噪声功率谱密度均值计算模块，用于计算噪声功率谱密度均值
Figure FDA0003496562340000057
判决变量求解模块，用于求解判决变量T；
门限计算模块，用于计算门限λ；
信号判决模块，用于利用判决准则进行信号判决。
CN202110555822.6A 2021-05-21 2021-05-21 一种信号盲检测方法、系统、存储介质、计算机设备 Active CN113422662B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110555822.6A CN113422662B (zh) 2021-05-21 2021-05-21 一种信号盲检测方法、系统、存储介质、计算机设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110555822.6A CN113422662B (zh) 2021-05-21 2021-05-21 一种信号盲检测方法、系统、存储介质、计算机设备

Publications (2)

Publication Number Publication Date
CN113422662A CN113422662A (zh) 2021-09-21
CN113422662B true CN113422662B (zh) 2022-04-12

Family

ID=77712673

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110555822.6A Active CN113422662B (zh) 2021-05-21 2021-05-21 一种信号盲检测方法、系统、存储介质、计算机设备

Country Status (1)

Country Link
CN (1) CN113422662B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101588191A (zh) * 2008-05-23 2009-11-25 华为技术有限公司 无线电信号认知方法及设备
EP2367387A1 (en) * 2010-03-15 2011-09-21 Stichting IMEC Nederland Device and method for searching selected frequency channels
CN105264813A (zh) * 2013-03-15 2016-01-20 美国亚德诺半导体公司 正交误差检测和校正
CN105406929A (zh) * 2015-12-21 2016-03-16 哈尔滨工业大学 基于频域的频谱感知方法
CN106452627A (zh) * 2016-10-18 2017-02-22 中国电子科技集团公司第三十六研究所 一种用于宽带频谱感知的噪声功率估计方法和装置
CN109802736A (zh) * 2019-03-13 2019-05-24 西安电子科技大学 一种频谱感知的方法、装置及计算机存储介质
CN110601779A (zh) * 2019-08-30 2019-12-20 长春理工大学 基于双门限功率谱双平均比值的能量检测方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102008054070B4 (de) * 2008-10-31 2012-03-29 Innovationszentrum für Telekommunikationstechnik GmbH IZT Vorrichtung und Verfahren zur frequenzselektiven Belegungserfassung
CN105119668B (zh) * 2015-07-22 2019-02-19 南京邮电大学 一种采用双重判决的迭代频谱感知方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101588191A (zh) * 2008-05-23 2009-11-25 华为技术有限公司 无线电信号认知方法及设备
EP2367387A1 (en) * 2010-03-15 2011-09-21 Stichting IMEC Nederland Device and method for searching selected frequency channels
CN105264813A (zh) * 2013-03-15 2016-01-20 美国亚德诺半导体公司 正交误差检测和校正
CN105406929A (zh) * 2015-12-21 2016-03-16 哈尔滨工业大学 基于频域的频谱感知方法
CN106452627A (zh) * 2016-10-18 2017-02-22 中国电子科技集团公司第三十六研究所 一种用于宽带频谱感知的噪声功率估计方法和装置
CN109802736A (zh) * 2019-03-13 2019-05-24 西安电子科技大学 一种频谱感知的方法、装置及计算机存储介质
CN110601779A (zh) * 2019-08-30 2019-12-20 长春理工大学 基于双门限功率谱双平均比值的能量检测方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Toward Overcoming a Hidden Terminal Problem Arising in MIMO Cognitive Radio Networks: A Tensor-Based Spectrum Sensing Algorithm;Tilahun M. Getu 等;《IEEE Transactions on Vehicular Technology》;20190808;全文 *
基于认知的变换域水声通信技术;王永刚;《中国博士学位论文全文数据库 信息科技辑》;20190115;第I136-149页 *
认知无线网络多域认知技术研究;张莹莹;《中国优秀硕士学位论文全文数据库 信息科技辑》;20170316;第I136-1276页 *

Also Published As

Publication number Publication date
CN113422662A (zh) 2021-09-21

Similar Documents

Publication Publication Date Title
US9628996B2 (en) Spectrum sensing apparatus and method for cooperative cognitive radio network in non-gaussian noise environment, and fusion center apparatus and cooperative cognitive radio system using the same
US7327794B2 (en) Method and apparatus for detecting a jammed channel in a block oriented digital communication system
CN110690931B (zh) 一种基于多小波基联合的数字信号自适应码率估计方法和装置
JP2021521716A (ja) 非協調システムにおける干渉検出および抑制
CN113422662B (zh) 一种信号盲检测方法、系统、存储介质、计算机设备
EP3297240B1 (en) Phase ambiguity processing method and device for quadrature amplitude modulation signal
CN108400826B (zh) 一种基于循环矩阵特征值的频谱感知方法
US11310083B2 (en) Method and system for selecting important delay taps of channel impulse response
US20120020400A1 (en) Method for identifying received symbols corrupted by burst noise and related device
US20020007257A1 (en) Reliable symbols as a means of improving the performance of information transmission systems
CN111031609B (zh) 一种信道的选择方法及装置
CN115032606B (zh) 一种基于局部最小选定单元平均的恒虚警检测器
CN108512614A (zh) 一种低信噪比电磁信号识别的方法及装置
US9806921B2 (en) Communication device and method for signal determination in radio communication
CN114189407A (zh) 一种dft信道估计方法、系统、介质、设备及终端
EP2017965A1 (en) Sliding map detector for partial response channels
KR101419808B1 (ko) 인지 무선 시스템에서 유휴 주파수 검출 방법 및 그 장치
CN117411754B (zh) 基于决策树综合判决的数字信号调制识别方法及系统
Bouhdjeur et al. Autonomous Global Threshold Adjustment Algorithm For Energy Detection In Self-Reconfigurable Cognitive Radio Systems
JP2003244263A (ja) 信号処理装置
Rabiei et al. An analytical expression for the BER of an individually optimal single cochannel interferer BPSK receiver
KR101999776B1 (ko) 위상 및 주파수 오프셋에 강인한 자동 변조 분류 방법 및 장치
US20120196552A1 (en) Methods for Determining Whether a Signal Includes a Wanted Signal and Apparatuses Configured to Determine Whether a Signal Includes a Wanted Signal
WO2020073255A1 (zh) 一种信道的选择方法及装置
CN114938321B (zh) 一种利用数据符号用作参考信号进行信道估计的方法

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