基于非高斯性测度的无线通信系统频谱感知方法

技术领域

本发明涉及一种认知无线电技术中的频谱感知方法，该方法能够检测到某一 频带内授权用户无线通信系统发射信号的存在。

背景技术

随着无线通信技术的飞速发展，无线通信系统和设备对于频谱资源的需求量 日益增加。各种新型无线通信设备的使用，以及各种无线通信业务的开展，使得 现有的无线频谱资源划分方法变得越加不灵活。如何利用认知无线电技术，能够 动态的管理和使用频谱资源，是解决当前频谱资源紧缺的一种有效方法。

认知无线电技术通过智能地感知已有无线通信系统所占用的频谱资源，可以 快速地找到空闲的频段，进而通过调整无线通信系统的载波频率和调制方法等系 统参数，使得无线通信设备能够在当前空闲的频段上传输数据。因此，如何动态 和准确地获得频谱使用情况，即实现高效地频谱感知，是实现认知无线电技术的 关键。

频谱感知技术可以通过检测某一频段内是否有授权的无线通信系统发射信 号存在，来确定该频段是否是空闲频谱；如果是空闲频段，认知用户就可以在一 定的时间内使用该频段的信道资源；相反，如果该频段不是空闲的或是又有授权 用户使用该频段，则认知用户必须及时退出该频段的信道。

已有的频谱感知方法虽然可以实现对某一频段的频谱监测，然而，目前的方 法需要已知噪声方差等统计知识，因此对于小尺度无线设备以及低功率无线设备 (如无线麦克风)的频谱感知能力有限。当前，对于小尺度低功率无线通信系统的 频谱感知方法研究，成为认知无线电领域的研究热点。

发明内容

为了解决上述存在的技术问题，本发明提出一种基于非高斯性测度的频谱感 知方法，该方法无需已知噪声方差等统计信息，能够同时实现对大尺度/大功率 无线设备以及小尺度/小功率无线设备的频谱检测。

本发明的目的是通过下述技术方案实现的：

一种基于非高斯性测度的无线通信系统频谱感知方法，具体实现步骤如下：

(1)由认知用户天线接收到的无线信号，对应的基带等效离散时间接收信号 可以表示为x[n]＝s[n]+v[n]，其中s[n]为授权用户发出的无线信号，v[n]为噪声；

(2)将接收到的N个信号采样点{x[n],n＝1,2,...,N}分为M份子信号，则第i个 子信号可以表示为x_i[n]＝x[n+(i-1)N/M]，n＝1,2,...,N/M；

(3)对每段子信号{x_i[n],n＝1,2,...,N/M}进行快速傅里叶变换，得到每段子信号 的功率谱；

(4)利用所有M段子信号的功率谱，计算得到N点认知用户接收信号的功率 谱$\bar{X}\left[n\right]=1/M\underset{i=1}{\overset{M}{\Sigma }}{X}_i\left[n\right];$

(5)利用harr小波函数，对认知用户接收信号的功率谱进行二层小波多 分辨率分解，得到接收信号功率谱的小波系数向量X[n]；

(6)计算小波系数向量X[n]的均值

(7)计算小波系数向量X[n]的陡度值，

(8)计算非高斯性测度测试统计量，

(9)将测试统计量T_X与检测阈值τ进行比较，如果T_X大于τ，说明授权用户信 号存在，反之，表明授权用户不存在。检测阈值τ可以通过多次反复试验计算得 到。

优选的，所述的步骤(3)中针对每段子信号{x_i[n],n＝1,2,...,N/M}进行快速傅里 叶变换计算，并得到其功率谱密度，其过程如下：

$X_i\left[n\right]=\frac{M}{N}{\left|\underset{k=1}{\overset{N/M}{\Sigma }}{x}_i\right[k\left]e^{-j2\mathrm{\pi nk}}\right|}^2,n=\mathrm{1,2},...,N_f,i=\mathrm{1,2},...,M;$

式中，N_f表示傅里叶变换的点数；通过该式可以得出，当不存在授权用户 无线信号时，即s[n]＝0时，X_i[n]近似满足自由度为2的卡方分布。

优选的，所述的步骤(5)中，利用harr小波函数，对认知用户接收信号的功 率谱进行二层小波多分辨率分解，然后构造得到功率谱的小波系数向量 X[n]，其过程如下：

$C_1\left[n\right]=\bar{X}\left[n\right]*L\left[n\right]$

$D_1\left[n\right]=\bar{X}\left[n\right]*H\left[n\right]$

C₂[n]＝C₁[n]*L[n]

D₂[n]＝C₁[n]*H[n]

[X[1],…,X[n],…,X[N]]＝[C₁[1],…,C₁[N/2],C₂[1],…,C₂[N/4],D₂[1],…,D₂[N/4]]

式中，L[n]和H[n]分别为harr小波函数对应的低通滤波器和高通滤波器系 数，C₁[n]和D₁[n]为一层小波分解后得到的低频和高频小波系数，C₂[n]和D₂[n]为 二层小波分解后得到，{X[n],n＝1,…,N}为构造得到的功率谱的小波系数向量。

本发明的优点是，提出了一种基于非高斯性测度的频谱感知方法。传统的频 谱感知方法需要已知噪声方差等统计信息，与之不同的是，本发明不依赖于噪声 统计特性，能够同时实现对大尺度/大功率无线设备以及小尺度/小功率无线设备 的频谱检测。由于本方法无需已知噪声统计信息，因此在低信噪比时仍具有较好 的频谱感知性能，并且能够实现对小尺度小功率无线通信设备(如无线麦克风) 的有效检测。

附图说明

图1是本方法流程图。

图2显示了假设虚警概率等于1％使用本发明对无线麦克风进行检测时，信噪 比对检测概率的影响。

图3显示了当虚警概率等于1％信噪比为-25dB时，快速傅里叶变换的点数对 本发明检测概率的影响。

具体实施方式

下面结合附图及具体实例，对本发明的实施过程给予详细的说明。

(1)如图1所示，认知用户通过天线接收某一频段内的无线信号。经过认知 用户接收机的处理，可以写出如下所示基带等效离散时间接收信号： x[n]＝s[n]+v[n]，n＝1,2,...,N；

式中s[n]表示授权用户经过信道传输的无线信号采样值，v[n]表示相应的噪 声采样值，N为接收信号的采样点数。

(2)将N点接收信号采样值平均分为M份，可以得到M段子信号，每段子信 号包含有N/M个采样点，第i段子信号可以表示为x_i[n]＝x[n+(i-1)N/M]， n＝1,2,...,N/M，i＝1,2,...,M。

(3)对于M段子信号，分别进行快速傅里叶变换等计算，如下所示：

$X_i\left[n\right]=\frac{M}{N}{\left|\underset{k=1}{\overset{N/M}{\Sigma }}{x}_i\right[k\left]e^{-j2\mathrm{\pi nk}}\right|}^2,n=\mathrm{1,2},...,N_f,i=\mathrm{1,2},...,M;$

式中，N_f表示傅里叶变换的点数。通过该式可以得出，当不存在授权用户无线 信号时(即s[n]＝0)，X_i[n]近似满足自由度为2的卡方分布。

(4)通过M段子信号子信号的功率谱{X_i[n],i＝1,2,...,M}，可以进一步实现对认 知用户接收信号{x[n],n＝1,2,...,N}的功率谱估计，计算方法如下：

$\bar{X}\left[n\right]=\frac{1}{M}\underset{i=1}{\overset{M}{\Sigma }}{X}_i\left[n\right];$

由于X_i[n]满足自由度为2的卡方分布，因此根据上式可以得出，当授权用户不 存在时，X[n]近似满足自由度为2M的卡方分布。相反，当授权用户信号s[n]等 于0时，认知用户接收信号的功率谱近似满足自由度为2M的卡方分布。据此， 可以设计一个非高斯性测度测试统计量来检测认知用户接收信号功率谱的非高 斯分布变化程度，并进而判断是否有授权用户信号频谱存在。

(5)利用harr小波函数，对认知用户接收信号的功率谱X[n]进行二层小波多 分辨率分解，然后构造得到功率谱的小波系数向量X[n]：

$C_1\left[n\right]=\bar{X}\left[n\right]*L\left[n\right]$

$D_1\left[n\right]=\bar{X}\left[n\right]*H\left[n\right]$

C₂[n]＝C₁[n]*L[n]

D₂[n]＝C₁[n]*H[n]

[X[1],…,X[n],…,X[N]]＝[C₁[1],…,C₁[N/2],C₂[1],…,C₂[N/4],D₂[1],…,D₂[N/4]]

式中，L[n]和H[n]分别为harr小波函数对应的低通滤波器和高通滤波器系 数，C₁[n]和D₁[n]为一层小波分解后得到的低频和高频小波系数，C₂[n]和D₂[n]为 二层小波分解后得到，{X[n],n＝1,…,N}为构造得到的功率谱的小波系数向量。

(6)计算认知用户接收信号功率谱的均值：

$\mu =\underset{n=1}{\overset{N}{\Sigma }}X\left[n\right];$

(7)计算认知用户接收信号功率谱的陡度值：

$S_X=\frac{1/N\underset{n=1}{\overset{N}{\Sigma }}{\left(X\right[n]-\mu )}^3}{{(1/N\underset{n=1}{\overset{N}{\Sigma }}{\left(X\right[n]-\mu )}^2)}^{3/2}};$

(8)计算非高斯性测度测试统计量，

(9)最后，根据多次反复试验计算出检测阈值τ。然后将测试统计量T_X与检 测阈值τ进行比较，如果T_X大于τ，说明授权用户信号存在，反之，表明授权用 户不存在。

图2显示了当虚警概率等于1％本发明对无线麦克风进行检测时，信噪比对检 测概率的影响。由图2可以看出，随着信噪比的增大，本方法可以获得较好的检 测结果。此外，在相同信噪比条件下，本发明可以取得比传统能量检测法更高的 成功检测概率。换言之，在低信噪比状态下，由于无法准确获得噪声方差等统计 信息，本发明的频谱感知性能要好于传统的能量检测法。

图3显示了当虚警概率等于1％信噪比为-25dB时，快速傅里叶变换的点数对 本发明检测概率的影响。由该图可以看出，当傅里叶变换的点数增加时，本方法 的频谱检测性能会变得更好。其主要原因为，随着傅里叶变换点数的增多，对于 认知用户接收信号功率谱的计算更加精确，同时对于功率谱小波系数陡度的计算 也更加准确，其反应的统计特征更加明显，更便于分辨在授权用户信号存在和不 存在时，认知用户接收信号功率谱统计特性的变化。因此，计算得到的频谱检测 结果也更加准确。