CN1885741A - 认知无线电系统的授权用户信号检测方法 - Google Patents

Abstract

本发明公开了一种认知无线电系统中的授权用户信号检测方法，首先在认知无线电的工作区域设置M个传感器接收目标工作频段内的信号，其中第i个传感器接收到的信号为{x ⁽ⁱ⁾ (n)}(i＝1，2，...，M)；然后将信号汇总到认知无线电中心用户处进行多窗口谱估计结合奇异值分解的MTM－SVD计算，将最大奇异值的平方作为授权用户检测的检验统计量：D＝|σ₀ (f)| ²；得到的检验统计量与门限Λ对比，判断是否存在授权用户信号。采用本发明MTM－SVD方法可以有效提高对授权用户信号的检测性能，并可用于检测更为微弱的授权用户信号。

Description

认知无线电系统的授权用户信号检测方法

技术领域

本发明涉及一种授权用户信号检测的方法，特别涉及一种认知无线电系统中的授权用户信号检测方法。

背景技术

长久以来，对无线频谱的使用都是由政府有关部门统一规划，并分配给不同的授权用户使用。一方面，目前大多数可用频谱资源已经分配给特定的授权用户使用，而近来的多项调查表明绝大多数已被分配的无线电频谱的利用率很低；另一方面，不断出现的新兴无线应用对频谱资源的需求越来越大，频谱资源日趋紧张。在这种背景下，能够智能地使用无线频谱的认知无线电(Cognitive Radio)技术正成为研究的热点。

认知无线电是一种能够智能地感知周围无线环境，根据环境的变化改变其工作参数，使其能够伺机使用未被授权用户使用的频谱，从而可以在未被使用的授权频段进行工作的无线通信系统。通过不断地感知周围无线环境，认知无线电可以检测在某个频段是否有授权用户的信号存在，若有，则认为授权用户在使用该频段，认知无线电用户就不使用这个频段；若没有，则可以利用该频段来工作。当授权用户出现后，认知无线电立刻停止使用该频段转向寻找其它可用频段，从而在不影响授权用户工作的前提下，达到提高频谱利用效率的目的。

认知无线电这种伺机工作的特点决定了认知无线电必须对各授权用户的频段占用状态进行高效而精确的感知、分析，才能在不影响授权用户的前提下对已分配给授权用户使用的频段加以有效利用。因此授权用户检测技术成为了认知无线电中的重要技术之一。

授权用户检测的目标就是在下面的零假设和备择假设中做出判断：

                         H₀：x(t)＝n(t)

                        H₁：x(t)＝h·s(t)+n(t)

式中：x(t)表示由传感器所接收到的信号，s(t)表示授权用户所发射的信号，h表示信号所经历的信道的衰落因子，n(t)为加性高斯白噪声。

利用检测区域内多个传感器接收到的信号构造检验统计量D，并将其与某一门限Λ比较，得出检测结果。检测的误报概率P_f和检测概率P_d可分别表示为：

                      P_f＝P{D＞Λ|H₀}

                      P_d＝P{D＞Λ|H₁}

由检测概率可得漏报概率P_m＝1-P_d。

在认知无线电中，应当尽量减小授权用户检测的P_m，以降低对授权用户产生干扰的概率。同时，应当将P_f控制在一个合适的水平，因为过高的P_f则意味着由于检测时的误报，减少了认知无线电利用空闲频段的机会，使频谱的利用率降低。因此应当在P_m和P_f间适当的权衡，以尽量减小干扰授权用户的概率，同时提高频谱的利用率。

现有的授权用户信号检测主要采用能量检测法(energy detection)，也即利用信号的能量作为检测依据的方法。它由美国学者H.Urkowitz于上世纪60年代中期在其著名论文“Energy Detection of Unknown DeterministicSignals”中提出。其检测原理是依据信号加噪声的能量会大于噪声能量的理论，并利用通信信号可以长时间接收的特点，通过计算一定观测周期内信号的能量来判断信号是否存在。该方法主要针对确定信号进行分析，但同样适用于随机信号。能量检测法的原理框图如附图1所示，其检测的具体步骤是：

a.将接收到的宽带信号x(t)通过带通滤波器，获得期望频段内的信号y(t)；

b.将y(t)通过平方律器件，获得期望频带内信号功率的估计y²(t)；

c.将y²(t)输入积分器，获得在一定观测周期T内，该频段内信号能量的大小

${\∫}_{\mathrm{\τ}}^{\mathrm{\τ}+T}{y}^2\left(\mathrm{\τ}\right)\mathrm{d\τ};$

d.将观测周期T内，该频段内信号能量的大小作为检验统计量与某一门限Λ进行比较，判断是否存在信号。

能量检测方法的优点是不需要对信号的形式作任何假设，可以适合任何的调制方式，也能给出信号所在的大致频段。但是，这种检测方法的缺点是它仅能计算带通滤波器通带内的信号总能量，而不能清楚的反映频段内各个频点上能量的分布情况，不能给出信号的特征，如信号具体的载波频率，不能为具体的参数估计提供必需的信息；而且检测的性能强烈依赖于背景噪声的情况，背景噪声增强会严重降低检测的性能，因而不适于检测低信噪比的信号。而如果背景噪声不满足平稳条件，检测性能会急剧下降，变得不可实用。

发明内容

本发明针对现有的使用能量检测器进行授权用户检测方法不适于检测低信噪比信号、不能清楚的反映各个频点处信号能量分布等不足，提出一种采用多窗口谱估计(multitaper method，MTM)结合奇异值分解(singular-valuedecomposition，SVD)的多个传感器合作的授权用户信号检测方法(MultiTaperMethod Combined with Singular-Value Decomposition，MTM-SVD)。

为了实现上述目的，本发明是采用如下技术方案予以实现的：

一种认知无线电系统中的授权用户信号检测方法，包括下述步骤：

1)在认知无线电的工作区域设置M个传感器接收目标工作频段内的信号，其中第i个传感器接收到的信号为{x⁽ⁱ⁾(n)}(i＝1，2，...，M)；

2)传感器将接收的信号汇总到认知无线电中心用户处；

3)选取一组K个标准正交的长度为N的DPSS序列作为窗函数，表示为{h_n ^(k)}_n＝1 ^N(k＝1，2，...，K)；

4)针对接收到的每个信号{x⁽ⁱ⁾(n)}(i＝1，2，...，M)，分别在时域加DPSS窗，将无限长的信号序列变成短时序列，则给第i个传感器接收到的信号加第k个DPSS窗获得的N长信号序列可以表示为{h_n ^(k)x⁽ⁱ⁾(n)}_n＝1 ^N；

5)对N长的加窗信号序列进行傅里叶变换，求得其MTM谱估计的特征系数：

$Y_k^{\left(i\right)}\left(f\right)=\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{h}_n^{\left(k\right)}{x}^{\left(i\right)}\left(n\right)e^{-i2\mathrm{\πfn}},k=\mathrm{0,1},...,K-1,i=\mathrm{1,2},...,M;$

6)针对某一中心频率f，将不同地点、不同DPSS窗获得的Y_k ⁽ⁱ⁾(f)组成M×K维分析矩阵：

7)将分析矩阵A进行奇异值分解：

$A\left(f\right)=\underset{i=0}{\overset{K-1}{\mathrm{\Σ}}}{\mathrm{\σ}}_i\left(f\right)u_i\left(f\right)v_i{\left(f\right)}^H;$

8)取出奇异值分解结果中的最大的奇异值σ₀，构造授权用户检测的检验统计量；

9)将步骤8)得到的检验统计量与门限Λ对比，判断是否存在授权用户信号。

上述方法步骤8)中构造授权用户检测的检验统计量：

(1).当只需要对某一频率f上授权用户信号的存在与否进行检测，则将最大奇异值的平方作为授权用户检测的检验统计量：

                        D＝|σ₀(f)|²；

(2).当授权用户信号是多载波信号，载波频率表示为f₁，f₂，...，f_M，针对每一中心频率f_i重复步骤6)～7)，直到完成在所有中心频率上的计算，取出最大奇异值的平方|σ₀(f_i)|²，将每次计算获得的最大奇异值的平方组合成为一个检验统计量：

$D=\underset{i=1}{\overset{M}{\mathrm{\Σ}}}{\left|{\mathrm{\σ}}_0\left(f_i\right)\right|}^2;$

(3).当授权用户信号为宽带信号，则将授权用户信号所占的频段划分为相应的离散频率，令f_L表示授权用户信号所占频段的最低频率，Δf表示进行MTM谱估计时的频域分辨率带宽，N表示授权用户频段包含Δf的总个数，则可以由下式获得N个中心频率：

                    f_i＝f_L+m·Δf，m＝0，1，...，N-1

从而可将对该宽带信号的检测转变成为在N个中心频率上的检测，然后进行(2)的处理，构造检验统计量：

$D=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\left|{\mathrm{\σ}}_0\left(f_i\right)\right|}^2.$

本发明方法的优点是，多窗口谱估计(multitaper method，MTM)分析窄带信号性能优良；奇异值分解(singular-value decomposition，SVD)方法，可以从大量独立的空间信号的采样序列中提取空间相关的信号成分，去除了不相关的噪声成分，达到了抑制噪声的目的。本发明将MTM与SVD各自的特性结合起来，使得MTM-SVD方法具有优良的信号检测和信号、噪声分离的效果。与典型MTM方法不同之处在于：典型的MTM方法将使用不同的离散椭球序列(discrete prolate spheroidal sequence，DPSS)作为窗函数得到的“单一窗口”谱估计结果进行简单平均获得最终的谱估计值；而MTM-SVD则利用了各个“单一窗口”谱估计之间的相互信息，保留了MTM处理得到的K个统计信息独立的谱估计，再利用SVD寻求一种最大方差意义下的线性合并。

附图说明

图1是现有能量检测方法原理框图。

图2是本发明多传感器合作检测系统图。

图3是本发明多传感器合作检测MTM-SVD方法框图。

图4是本发明阴影条件下，不同数量的检测器合作检测授权用户的ROC性能曲线。

图5是本发明瑞利平衰落信道下，不同数量的检测器合作检测授权用户的ROC性能曲线。

图6是在阴影条件下两种方法检测的漏报概率(P_f＝0.05，σ_r ²＝1)比较图，其中图6(a)为采用本发明MTM-SVD方法检测的漏报概率，图6(b)为现有能量检测方法检测的漏报概率。

图7是在瑞利平衰落信道下两种方法检测的漏报概率(P_f＝0.05，σ_r ²＝1)比较图，其中图7(a)为采用本发明MTM-SVD方法检测的漏报概率，图7(b)为现有能量检测方法检测的漏报概率。

具体实施方式

以下结合附图及具体实施例来对本发明作进一步的详细说明。

如图2所示，在合作检测区域范围不同空间位置上设置多个传感器1、2......M，由于单个传感器可能处于阴影中而无法检测到授权用户信号，因此需要分布多个传感器合作检测认知无线电用户目标频段内的信号。通过多个传感器采集授权用户发射机的空间信号，然后汇总到认知无线电中心用户综合处理，中心用户使用MTM-SVD算法计算出检测频率处是否存在授权用户信号。传感器应设置于一些“热点”位置以便于检测授权用户信号，例如：在认知无线电使用空闲电视频段的应用中，在可能存在授权用户接收机(电视机)的住宅楼内和附近应设置一定数量的传感器，确保在授权用户接收机能接收到授权用户信号的同时传感器也能接收到，确保检测的有效性。

如图3所示，本发明多传感器合作检测MTM-SVD方法，包括下述步骤：

1)在认知无线电的工作区域设置的M个传感器接收目标工作频段内的信号，其中第i个传感器接收到的信号为{x⁽ⁱ⁾(n)}(i＝1，2，...，M)；

2)传感器将接收的信号汇总到认知无线电中心用户处；

3)选取一组K个标准正交的长度为N的DPSS序列作为窗函数，表示为{h_n ^(k)}_n＝1 ^N(k＝1，2，...，K)。

选择DPSS窗时首先确定分辨率带宽(resolution bandwidth)2W。W的值通常间接的由时间带宽积参数NW给出。与某一时间带宽积NW对应，可以获得K＝2NW-1个具有良好频域聚集性的DPSS窗。因此，在选择时间带宽积参数的大小时，需要进行合理的权衡。如果选择的NW较大，那么有着良好频域聚集特性的窗口的个数K会增多，将K个谱估计结果进行简单平均获得的谱估计的方差就会比较低。当NW增大时且N一定，则W会增大，相应地，谱估计的分辨率就会下降；如果选得W太大的话，就会使得功率谱遭到弥散。一般地，选择NW＝j，其中j＞1，按需要选为2、3或4，有时j也为非整数，但一般不会超过4。选定时间带宽积NW后，可以按实际情况在样本序列长度N和谱估计分辨率中进行折衷。N较大意味样本序列较长，可以获得较好的谱估计效果，但同时采样需要的时间也比较长；W较大意味着分辨率带宽较宽，谱估计的频率分辨率较差。在对频率分辨率有较高要求的场合，可以根据需要的谱估计精度选择W，再根据NW确定N；在对采样序列长度和采样时间有较高要求的场合，可以选择合适的采样长度N。

4)然后，对接收到的观测信号{x⁽ⁱ⁾(n)}乘以上面的DPSS窗得到N长的加窗信号序列{h_n ^(k)x⁽ⁱ⁾(n)}_n＝1 ^N；

5)对N长的加窗信号序列进行傅里叶变换得到：

$Y_k^{\left(i\right)}\left(f\right)=\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{h}_n^{\left(k\right)}{x}^{\left(i\right)}\left(n\right)e^{-i2\mathrm{\πfn}},k=\mathrm{0,1},...,K-1,i=\mathrm{1,2},...,M$

即为MTM中谱估计的特征系数。也可以把特征系数看作是由某一个单一窗口构成的改进周期图法的谱估计，相应的特征谱为

$\hat{S}\left(f\right)={\left|Y_k^{\left(i\right)}\left(f\right)\right|}^2={\left|\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{h}_n^{\left(k\right)}{x}^{\left(i\right)}\left(n\right)e^{-i2\mathrm{\πfn}}\right|}^2.$

6)对不同传感器接收到的信号、利用不同的DPSS窗分别得到一系列的特征系数Y_k ⁽ⁱ⁾(f)(i＝1，2，...，M，k＝1，2，...，K)，将其组成M×K维空时复数分析矩阵A。A中不同列表示使用不同的DPSS窗，不同行代表了不同的测量地点，可得：

7)将分析矩阵A进行奇异值分解可得：

$A\left(f\right)=\underset{i=0}{\overset{K-1}{\mathrm{\Σ}}}{\mathrm{\σ}}_i\left(f\right)u_i\left(f\right)v_i{\left(f\right)}^H$

式中，左奇异向量u_i(f)给出了信号的空间分布，右奇异向量v_i(f)是各个“单一窗口”谱估计结果合并时加权的系数。σ_i(f)是A的第i个奇异值，它衡量了第i个主成分幅度变化的大小。考虑到奇异值分解和特征值分解内在的联系，构造K×K的矩阵A^H(f)A(f)，可以看到这个矩阵主对角线上的元素分别表示了对应于每一个DPSS窗函数的特征谱在M个传感器上的空间平均。令矩阵A(f)的奇异值排序为|σ₀(f)|≥|σ₁(f)|≥...≥|σ_K-1(f)|，则矩阵A^H(f)A(f)第k个特征值即为λ_k＝|σ_k(f)|²。由主成分分析的知识，A^H(f)A(f)的特征值λ_k＝|σ_k(f)|²就是所对应的第k个主成分的方差，从功率的角度看，特征值的大小就是对该主成分功率大小的衡量。特别地，如果接收到的信号中只有一个授权用户信号，其余为噪声，则授权用户信号是起首要作用的成分，所以一般选择第一主成分对它进行描述，那么最大的特征值λ₀＝|σ₀(f)|²就是对信号功率大小的衡量，与实际值仅相差一个常数。

8)接下来，针对不同的授权用户信号特征，利用奇异值分解获得的最大奇异值的平方|σ₀(f)|²构造检验统计量：

(1).如果授权用户为单载波系统，则只需要对某一中心频率f上授权用户信号的存在与否进行检测，可以将最大奇异值的平方作为授权用户检测的检验统计量：

                          D＝|σ₀(f)|²

(2).如果授权用户信号存在多个载波频率(例如：电视信号中存在有视频信号的载波和伴音信号的载波)，设有M个载波频率，分别表示为f₁，f₂，...，f_M，针对每一中心频率f_i重复构造分析矩阵和奇异值分解的步骤，直到完成在所有中心频率上的计算。取出每次分解得到的最大奇异值的平方|σ₀(f_i)|²，将每次计算获得的最大奇异值的平方组合成为一个检验统计量：

$D=\underset{i=1}{\overset{M}{\mathrm{\Σ}}}{\left|{\mathrm{\σ}}_0\left(f_i\right)\right|}^2$

(3).如果授权用户信号为宽带信号(即信号的相对带宽 $\frac{\mathrm{\Δf}}{f}>10\%$ )，则将授权用户信号所占的频段划分为相应的离散频率，令f_i表示授权用户信号所占频段的最低频率，Δf表示进行MTM谱估计时的频域分辨率带宽，N表示授权用户频段包含Δf的总个数。则

                      f_i＝f_L+m·Δf，m＝0，1，...，N-1

从而可以将对该宽带信号的检测转变成为在N个中心频率上的检测，然后可以进行(2)的处理，构造检验统计量

$D=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\left|{\mathrm{\σ}}_0\left(f_i\right)\right|}^2.$

然后，使用通过观测和统计分析的方法测得不同频段、不同时间、不同地理位置上检测的判决门限。门限的确定，需要在没有授权用户信号而仅有白噪声存在的情况下，通过对大量观测数据的统计，获得满足某一显著性水平(即检测中的误报概率)α的判决门限Λ。因此，需要观测那些没有授权用户信号存在的频段，即那些实际中授权用户留作保护的频段、蜂窝系统中由于划分区群而在某些地区空闲的频段、由于授权用户关机而造成的空闲频段等。例如：在广播电视频段，有大量电视频道尚未被使用，因此不存在授权用户信号(即电视信号)，这些频段的噪声功率水平可以测量得到。由于无线通信环境中的噪声普遍符合白噪声的假设，在那些空闲频段内测得的噪声功率可以反映临近频段的噪声功率水平，进而可以获得VHF、UHF频段内的噪声功率，并获得满足某一显著性水平的判决门限。具体的实现方法：首先，在空闲频段内重复使用上面1)～8)所述的方法，获得一系列纯噪声对应的检验统计量{D_i}(i＝1，2，...，N)。其次，将{D_i}作为样本集合，利用统计学中的重采样自举法(bootstrapping)获得满足显著性水平α的门限Λ，即由纯噪声计算得到的检验统计量小于门限Λ的概率为1-α。例如：利用重采样自举法获得显著性水平为α＝0.05的门限Λ，则由噪声计算得到的检验统计量D小于该门限的概率为0.95(P{D＜Λ}＝0.95)。

9)最后，将构造的检验统计量与判决门限对比，判断是否存在授权用户信号。例如：对于单一频率的授权用户信号检测的情况，当检验统计量|σ₀(f)|²＜Λ时，即认为在α的显著性水平下，观测值与H₀假设无显著差异，即观测值中只有白噪声，接受H₀假设；反之，当|σ₀(f)|²＞Λ时，认为在α的显著性水平下，存在授权用户信号，拒绝H₀假设，接受H₁假设。

下述实例为分别仿真MTM-SVD合作检测算法在阴影衰落和瑞利平衰落这两种典型衰落环境下，对授权用户信号的检测性能。MTM的参数选择为N＝64，K＝3；各传感器所对应的信道衰落因子相互统计独立；由于存在传播路径差，各传感器获得的信号的相位随机；同时，分别给出能量检测器在阴影和瑞利衰落下性能曲线作为对比。

阴影效应的功率衰减可以表示为对数正态随机变量e^X，其中X是零均值方差为σ²的高斯随机变量。对数正态阴影通常用对数标准差σ_dB(σ＝0.1ln(10)σ_dB)描述，典型的σ_dB为8dB。

瑞利平衰落信道是一种典型的多径信道。经历了瑞利衰落的信号包络服从瑞利衰落，衰落因子可以表示为 $h=K\sqrt{x^2+y^2},$ 其中x，y是独立同分布的高斯随机变量，均值为0，方差为σ_r ²，K为比例因子，一般选为 $K=\sqrt{1/2}.$

图4、图5分别给出了在阴影和瑞利平衰落环境下，不同数量的检测器合作检测授权用户的ROC性能曲线。

图6、图7分别示出了在阴影和瑞利平衰落环境下，采用两种方法检测的漏报概率随接收平均信噪比γ变化的曲线。通过图6(a)与(b)、图7(a)与(b)的对比可以看到，相对于使用多个能量检测器合作检测，采用MTM-SVD方法可以有效的提高对授权用户信号的检测性能。具体的，在阴影条件下，为达到同样的漏报概率，使用MTM-SVD方法对授权用户信号的平均信噪比的要求比使用多个能量检测的方法降低8～10dB，而在瑞利平衰落信道条件下，则降低14～16dB。可见，相对于多个能量检测器合作检测的方法，MTM-SVD方法可以用于检测更为微弱的授权用户信号。

Claims (4)

1.一种认知无线电系统中的授权用户信号检测方法，其特征是，包括下述步骤：

1)在认知无线电的工作区域设置M个传感器接收目标工作频段内的信号，其中第i个传感器接收到的信号为{x⁽ⁱ⁾(n)}(i＝1，2，...，M)；

2)传感器将接收的信号汇总到认知无线电中心用户处；

3)选取一组K个标准正交的长度为N的DPSS序列作为窗函数，表示为{h_n ^(k)}_n＝1 ^N(k＝1，2，...，K)；

4)针对接收到的每个信号{x⁽ⁱ⁾(n)}(i＝1，2，...，M)，分别在时域加DPSS窗，将无限长的信号序列变成短时序列，则给第i个传感器接收到的信号加第k个DPSS窗获得的N长信号序列表示为{h_n ^(k)x⁽ⁱ⁾(n)}_n＝1 ^N；

5)对N长的加窗信号序列进行傅里叶变换，求得其MTM谱估计的特征系数：

$Y_k^{\left(i\right)}\left(f\right)=\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{h}_n^{\left(k\right)}{x}^{\left(i\right)}\left(n\right)e^{-i2\mathrm{\πfn}},k=\mathrm{0,1},...,K-1,i=\mathrm{1,2},...,M;$

6)针对某一中心频率f，将不同地点、不同DPSS窗获得的Y_k ⁽ⁱ⁾(f)组成M×K维分析矩阵：

7)将分析矩阵A进行奇异值分解：

$A\left(f\right)=\underset{i=0}{\overset{K-1}{\mathrm{\Σ}}}{\mathrm{\σ}}_i\left(f\right)u_i\left(f\right)v_i{\left(f\right)}^H;$

8)取出奇异值分解结果中的最大的奇异值σ₀，构造授权用户检测的检验统计量；

9)将步骤8)得到的检验统计量与门限Λ对比，判断是否存在授权用户信号。

2.根据权利要求1所述的认知无线电系统中的授权用户信号检测方法，其特征是，所述步骤8)中的构造授权用户检测的检验统计量：

(1).当只需要对某一频率f上授权用户信号的存在与否进行检测，则将最大奇异值的平方作为授权用户检测的检验统计量：

                       D＝|σ₀(f)|²；

(2).当授权用户信号是多载波信号，载波频率表示为f₁，f₂，...，f_M，针对每一中心频率f_i重复步骤6)～7)，直到完成在所有中心频率上的计算，取出最大奇异值的平方|σ₀(f_i)|²，将每次计算获得的最大奇异值的平方组合成为一个检验统计量：

$D=\underset{i=1}{\overset{M}{\mathrm{\Σ}}}{\left|{\mathrm{\σ}}_0\left(f_i\right)\right|}^2;$

(3).当授权用户信号为宽带信号，则将授权用户信号所占的频段划分为相应的离散频率，令f_L表示授权用户信号所占频段的最低频率，Δf表示进行MTM谱估计时的频域分辨率带宽，N表示授权用户频段包含Δf的总个数，则由下式获得N个中心频率：

                  f_i＝f_L+m·Δf，m＝0，1，...，N-1

从而将对该宽带信号的检测转变成为在N个中心频率上的检测，然后进行(2)的处理，构造检验统计量：

$D=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\left|{\mathrm{\σ}}_0\left(f_i\right)\right|}^2.$

3.根据权利要求1所述的认知无线电系统中的授权用户信号检测方法，其特征是，所述步骤3)中，选择DPSS窗时首先确定分辨率带宽2W，W的值间接由时间带宽积参数NW给出，DPSS窗的数量由K＝2NW-1确定。

4.根据权利要求3所述的认知无线电系统中的授权用户信号检测方法，其特征是，所述时间带宽积参数选择NW＝j，其中1＜j＜4。

Images