專利名稱：本地、中心檢測信號的方法及本地、中心檢測裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及檢測技術(shù)領(lǐng)域，特別涉及一種本地檢測信號的方法、中心檢測信號的方法、本地檢測裝置和中心檢測裝置。

背景技術(shù)：
在無線傳感器網(wǎng)絡(luò)及認識無線電(Cognitive Radio，CR)等通信領(lǐng)域中，在對有效信號進行檢測時，常采用分布式檢測方式，由至少一個本地節(jié)點對待檢測信號進行檢測，在本地得到一個檢測統(tǒng)計量，然后向中心節(jié)點上報，由中心節(jié)點根據(jù)各個檢測統(tǒng)計量，得出一個“待檢測信號是否是有效信號”的全局判決結(jié)果。比如，在CR網(wǎng)絡(luò)中，為了提高頻譜利用率，具有認知功能的無線通信設(shè)備可以按照某種“伺機(Opportunistic Way)”的方式工作在已授權(quán)的頻段內(nèi)。這里，已授權(quán)用戶也可以稱為主用戶(Primary User，PU)。因此，CR系統(tǒng)需要檢測目標(biāo)頻段上是否存在PU信號，以便為認知無線電提供未被PU占用的可供CR系統(tǒng)接入的候選頻道。
通常，這種實現(xiàn)分布式檢測信號的系統(tǒng)包括本地節(jié)點和中心節(jié)點，本地節(jié)點用于根據(jù)本地檢測算法得到有效信號是否存在的本地判決結(jié)果或者得到用于判決的待檢測信號的檢測統(tǒng)計量，中心節(jié)點用于融合各個本地節(jié)點的本地判決結(jié)果或檢測統(tǒng)計量得到最終判決，從而判斷出是否存在有效信號的檢測結(jié)果。比如，目前檢測PU信號的頻譜感知技術(shù)可以分為單節(jié)點感知和協(xié)同感知兩大類，在協(xié)同感知中，按傳輸開銷的不同可以分為兩類一種是各本地檢測節(jié)點做出“PU信號是否存在”的本地判決后，將本地判決結(jié)果傳送至中心節(jié)點，然后由中心節(jié)點采用“與”和“或”準(zhǔn)則，對各個本地節(jié)點進行數(shù)據(jù)融合，得出“是否存在PU信號”的全局判決結(jié)果。由于本地節(jié)點只提供1比特的判決結(jié)果，無法提供更多信息，比如，用于判決的能量信號等，因此該協(xié)同方案的性能有限。這種方案適用于系統(tǒng)對傳輸開銷要求很嚴格的情況。第二種是各本地檢測節(jié)點不做判決，將檢測到的部分或全部連續(xù)數(shù)據(jù)傳送至中心節(jié)點，比如待檢測信號的能量數(shù)據(jù)，然后，中心節(jié)點可以采用參考文獻[1]“一種基于可靠度的分布式頻譜檢測方法”(專利申請?zhí)?00610020800.5)中提到的“D-S”證據(jù)理論等方法進行數(shù)據(jù)融合，或采用參考文獻[2]“信號檢測和估計”(M.Barkat.“Signal detection and estimation.Second edition”，Artech House，Inc.2005)中提出的貝葉斯準(zhǔn)則進行數(shù)據(jù)融合，做出綜合判決得到一個全局判決結(jié)果。這種方法檢測性能較好，但由于傳輸檢測數(shù)據(jù)的動態(tài)范圍較大，因而傳輸開銷往往很大，在實際中較難實現(xiàn)，因而實際應(yīng)用的可能性不大。
可見，目前檢測信號的方法，還不能有效地提高信號檢測性能。


發(fā)明內(nèi)容
本發(fā)明實施例提供一種本地檢測信號的方法，該方法能夠有效地提高信號檢測性能。
本發(fā)明實施例還提供一種中心檢測信號的方法，該方法能夠有效地提高信號檢測性能。
本發(fā)明實施例另外提供一種本地檢測裝置，該本地檢測裝置能夠有效地提高信號檢測性能。
本發(fā)明實施例另外提供一種中心檢測裝置，該中心檢測裝置能夠有效地提高信號檢測性能。
為達到上述目的，本發(fā)明實施例的技術(shù)方案具體是這樣實現(xiàn)的 一種本地檢測信號的方法，該方法包括 根據(jù)本地節(jié)點對應(yīng)的量化閾值，對待檢測信號對應(yīng)的檢測統(tǒng)計量進行量化，得到量化結(jié)果，所述量化結(jié)果用于判決所述待檢測信號是否為有效信號。根據(jù)對每一個所述檢測統(tǒng)計量量化后的量化結(jié)果，得出表征所述待檢測信號是否為有效信號的全局判決結(jié)果。
一種中心檢測信號的方法，該方法包括 獲取本地節(jié)點的量化結(jié)果，所述量化結(jié)果為對檢測統(tǒng)計量進行量化后，得到的結(jié)果；根據(jù)所述量化結(jié)果，得出表征待檢測信號是否為有效信號的全局判決結(jié)果。
一種本地檢測裝置，該本地檢測裝置包括 檢測器，用于檢測得到在所述本地節(jié)點中待檢測信號對應(yīng)的檢測統(tǒng)計量； 量化器，用于根據(jù)預(yù)先確定的量化閾值，對所述檢測器得到的所述檢測統(tǒng)計量進行量化。
一種中心檢測裝置，該中心檢測裝置包括 獲取模塊，用于獲取本地檢測裝置的量化結(jié)果，所述量化結(jié)果為對待檢測信號對應(yīng)的檢測統(tǒng)計量進行量化后，得到的量化結(jié)果； 執(zhí)行模塊，根據(jù)所述獲取模塊得到的量化結(jié)果，得出表征待檢測信號是否為有效信號的全局判決結(jié)果。量化器，用于根據(jù)預(yù)先確定的量化閾值，對所述檢測器得到的所述檢測統(tǒng)計量進行量化。
由上述技術(shù)方案可見，本發(fā)明實施例提供的本地、中心檢測信號的方法及本地、中心檢測裝置，通過對每一個本地節(jié)點的檢測統(tǒng)計量進行量化，能夠調(diào)整向中心節(jié)點傳輸?shù)谋忍財?shù)，向中心節(jié)點提供較多的檢測統(tǒng)計量信息，因而能夠有效地提高檢測性能。



圖1為本發(fā)明實施例中檢測信號的系統(tǒng)結(jié)構(gòu)示意圖； 圖2本發(fā)明實施例一中檢測信號的方法流程示意圖； 圖3為本發(fā)明實施例二中檢測信號的方法流程示意圖； 圖3-1為本發(fā)明實施例二中步驟三的流程示意圖； 圖4為本發(fā)明實施例中本地檢測裝置的結(jié)構(gòu)示意圖； 圖5為本發(fā)明實施例中中心檢測裝置的結(jié)構(gòu)示意圖； 圖6為錯誤概率和本地檢測節(jié)點數(shù)量的關(guān)系曲線圖； 圖7為錯誤概率和本地檢測節(jié)點數(shù)量的關(guān)系曲線圖。

具體實施例方式 以下參照附圖并舉實施例，對本發(fā)明作進一步詳細說明。
圖1為本發(fā)明實施例中檢測信號的系統(tǒng)結(jié)構(gòu)示例圖。如圖1所示，該系統(tǒng)包括至少一個本地節(jié)點和一個中心節(jié)點，在本地節(jié)點和中心節(jié)點之間通過信道相聯(lián)。這里，本地節(jié)點可以是在本地實現(xiàn)檢測的物理實體，而中心節(jié)點則集中至少個本地節(jié)點的檢測結(jié)果的特理實體。其中，本地節(jié)點包括用于在本地對待檢測信號進行檢測的檢測器和對檢測器得到的檢測統(tǒng)計量進行量化的量化器；而中心節(jié)點包括用于根據(jù)來自各本地節(jié)點的量化結(jié)果，估計各本地節(jié)點似然比的估計器和對各個估計器得到的似然比及各量化結(jié)果進行融合的執(zhí)行模塊。
在本實施例檢測信號的系統(tǒng)中，本地節(jié)點中的量化器對本地檢測后的判決數(shù)據(jù)做進一步壓縮，用Q(·)表示量化器的量化過程，表示為公式(1) Q(x)＝vl，iff x∈Δl，l＝1，2，…，q (1) 其中，iff的含義為當(dāng)且僅當(dāng)，x表示被量化的數(shù)據(jù)，vl表示量化器輸出，q表示量化電平數(shù)，Δl為量化間隔，且Δl＝[al，al+1)，這里的al表示量化閾值。
本實施例中使用的量化器可以是局部最優(yōu)量化器和勻均量化器。
對于第一種量化器，設(shè)計為在系統(tǒng)要求的最低信噪比下是最優(yōu)的，這是因為在信號檢測中，由于對于微弱信號的檢測更具有挑戰(zhàn)性，而對于信噪比較高的信號，即使采用一些非最優(yōu)的技術(shù)也很容易就能達到系統(tǒng)要求。在設(shè)計量化器時，其SNR正好是系統(tǒng)要求的最低水平，在這種假設(shè)下得到的最優(yōu)量化器實際就是所說的局部最優(yōu)量化器(Locally Optimal Quantizer，LOQ)?？刹捎闷顪?zhǔn)則(deflection criteria)來設(shè)計局部最優(yōu)量化器，偏差用來表示檢測統(tǒng)計量在H0和H1兩種情況下的統(tǒng)計距離，偏差越大，表明檢測性能越好，Q表示量化后的檢測統(tǒng)計量，則偏差D(Q)可以表示為公式(2) 其中，E1表示在假設(shè)H1條件下的數(shù)學(xué)期望，E0表示在假設(shè)H0條件下的數(shù)學(xué)期望。V0表示在假設(shè)H0條件下的方差。
假設(shè)對于任意一個量化間隔Δl，檢測統(tǒng)計量在Δl的范圍內(nèi)的概率為 其中，j＝0，1，分別對應(yīng)H0和H1兩種假設(shè)，pj(x)表示概率密度函數(shù)。則根據(jù)公式(8)以及期望和方差的定義，將公式(2)改寫為 其中，vl表示概率的系數(shù)，v為由vl構(gòu)成的向量，對于一個給定的量化間隔Δ，根據(jù)參考文獻[3]“檢測中的最優(yōu)量化”(B.Picinbono，P.Duvaut，“Optimum Quantization for Detection”，IEEE Trans.on Commun.vol.36，No.11，Nov.1988)中的推導(dǎo)，得到使公式(7)最大的v滿足 在滿足公式(10)時，對應(yīng)得到在該量化間隔Δ下的偏差D(Δ)為 D(Δ)＝l(D)-1(6) 式(11)中， 而確定量化間隔的最終目標(biāo)，是使得在該量化間隔Δ下的偏差最大，因而可由公式(12)推導(dǎo)出最終確定的量化間隔為Δ 假設(shè)檢測統(tǒng)計量的分布函數(shù)F1(x)和F0(x)可以通過理論分析法或仿真法兩種方法求出。則P1(l)和P0(l)可以通過分布函數(shù)求出，即 P1(l)＝F1(al+1)-F1(al)，P0(l)＝F0(al+1)-F0(al) 這里，al為量化閾值，且有a1＝-∞和aq+1＝+∞，這里的-∞表示負無窮，+∞表示正無窮。
公式(8)可以轉(zhuǎn)換成 對于第二種量化器，是基于動態(tài)范圍的均勻量化器(Dynamic Rangebased Uniform Quantizer，DRUQ)該量化器根據(jù)確定的量化電平數(shù)q，將檢測統(tǒng)計量的動態(tài)范圍均勻地劃分成q個量化間隔，假設(shè)某個本地檢測節(jié)點第i個時刻的檢測統(tǒng)計量為Ti，i＝1，2，…，n統(tǒng)計出這n個時刻內(nèi)Ti的最大值Tmax和最小值Tmin，則經(jīng)過均勻量化后，得到量化間隔為 最后，確定出量化閾值ai為ai＝Tmin+(i-1)Δ，i＝1，2，…，q+1 為實現(xiàn)上述確定量化閾值的功能，本地節(jié)點還可以包括 量化閾值確定器，用于根據(jù)所述本地節(jié)點到中心節(jié)點的傳輸開銷要求，確定量化電平數(shù)。根據(jù)所述檢測器得到的檢測統(tǒng)計量的統(tǒng)計規(guī)律，確定出該本地節(jié)點對應(yīng)的量化閾值。
對于第一種量化器，量化閾值確定器包括 統(tǒng)計獲取單元，用于獲取檢測統(tǒng)計量的分布函數(shù)、均值或方差； 第一量化閾值確定單元，用于根據(jù)統(tǒng)計獲取單元得到的檢測統(tǒng)計量的分布函數(shù)、均值或方差，確定出使得所述檢測統(tǒng)計量在H0和H1之間偏差最大的量化間隔，根據(jù)所述量化間隔，確定出所述本地節(jié)點對應(yīng)的量化閾值，這里，H0表示所述待檢測信號為有效信號，H1表示所述待檢測信號不是有效信號。
對于第二種量化器，量化閾值確定器包括 動態(tài)范圍確定單元，用于根據(jù)檢測統(tǒng)計量的最大值和最小值，確定出檢測統(tǒng)計量的動態(tài)范圍。
第二量化閾值確定單元，用于動態(tài)范圍確定單元得到的動態(tài)范圍與量化電平數(shù)相除，得到所述本地節(jié)點的量化間隔，根據(jù)本地節(jié)點量化間隔和檢測統(tǒng)計量的最小值，確定出該本地節(jié)點對應(yīng)的量化閾值。
本實施例通過在本地節(jié)點增加量化器的方式來對本地節(jié)點檢測到的本地檢測統(tǒng)計量的傳輸數(shù)據(jù)進行調(diào)整，向中心節(jié)點提供較多的檢測統(tǒng)計量信息的同時，有較好的協(xié)同增益，可以在較少本地節(jié)點和較低本地檢測性能的條件下獲得較好的性能。從而能夠減輕系統(tǒng)拓撲的設(shè)計難度和本地感知算法的設(shè)計難度，因而能夠有效地提高檢測性能。
圖2為本發(fā)明實施例一中檢測信號的方法流程示意圖。本實施例中，使用了局部最優(yōu)量化器對本地檢測統(tǒng)計量進行量化，如圖2所示，具體包括以下步驟 步驟201根據(jù)傳輸開銷的要求，確定本地節(jié)點的量化電平數(shù)。
本實施例中，本地節(jié)點為m個，(m≥1)。量化電平數(shù)可以根據(jù)本地節(jié)點到中心節(jié)點的傳輸開銷要求確定，即在系統(tǒng)能夠容忍較大傳輸開銷時，可以將量化器的量化電平設(shè)置成較多位數(shù)，以增加判決的準(zhǔn)確性，而在系統(tǒng)不能容忍較大傳輸開銷時，則將量化器的量化電平設(shè)置成較少位數(shù)，以減少傳輸開銷。
步驟202根據(jù)本地節(jié)點的量化電平數(shù)，確定本地節(jié)點的量化閾值。
本實施例中，使用了局部最優(yōu)量化器，其確定量化閾值方法為根據(jù)分布函數(shù)，確定出使得檢測統(tǒng)計量在H0和H1兩種情況下的統(tǒng)計距離，也就是偏差，最大的量化間隔和量化閾值al l＝1，2，…，q。
這里，本地節(jié)點利用理論分析法求出檢測統(tǒng)計量的分布函數(shù)F1(x)和F0(x)，本實施例中，假設(shè)利用理論分析法通過檢測統(tǒng)計量的解析式以及噪聲和信號的信息來確定F1(x)和F0(x)的表達式。并假設(shè)本地節(jié)點使用能量檢測得到檢測統(tǒng)計量，則F1(x)和F0(x)由噪聲、信號的功率和檢測時間三個因素所決定，通常使用熱噪聲來估計或者在空載的信道上測量，這樣可以根據(jù)F0(x)的定義，求出F0(x)。同時，由于本實施例使用了局部最優(yōu)量化準(zhǔn)則，使得信號的功率為系統(tǒng)要求的最低水平，因而能夠求出F1(x)。
當(dāng)然，本實施在較難通過理論分析法求出F1(x)和F0(x)的情況下，還可以通過仿真法來求取。由于不同時刻的檢測統(tǒng)計量可以看作是獨立同分布的，根據(jù)中心極限定理，檢測統(tǒng)計量可以看作服從正態(tài)分布。因此只需要根據(jù)信號類型、噪聲功率等易于得出的信息，通過運行仿真直接得到檢測統(tǒng)計量均值和方差。而后，根據(jù)檢測統(tǒng)計量均值和方差，確定出使得檢測統(tǒng)計量在H0和H1兩種情況下的偏差最大的量化間隔和量化閾值al l＝1，2，…，q。
步驟203本地節(jié)點在本地進行檢測，得到量化前的本地檢測統(tǒng)計量。
本實施例，可以采用現(xiàn)有技術(shù)中本地檢測的方法，得到量化前的本地檢測統(tǒng)計量，比如信號能量數(shù)據(jù)。
步驟204根據(jù)確定的量化閾值，對本地檢測統(tǒng)計量進行量化。
本實施例，根據(jù)確定的量化閾值，利用公式(1)對本地檢測統(tǒng)計量進行量化。
步驟205中心節(jié)點獲取在對各本地檢測統(tǒng)計量進行量化后的量化結(jié)果。
步驟206中心節(jié)點對各個量化結(jié)果進行數(shù)據(jù)融合，得出一個全局判決結(jié)果。
本實施例中，采用了最小錯誤概率準(zhǔn)則的方法來對各個量化結(jié)果進行數(shù)據(jù)融合。
假設(shè)量化結(jié)果為ul，其中l(wèi)表示本地節(jié)點的編號，且l＝1，2，…，n。在沒有代價信息的情況下，它是最優(yōu)的融合準(zhǔn)則。最小錯誤概率準(zhǔn)則可以表示為 其中，H1和H0分別表示待檢測信號為有效信號和不存在兩種情況，P(H1)表示待檢測信號為有效信號的先驗概率，P(H0)表示待檢測信號不是有效信號的先驗概率，公式左邊表示檢測結(jié)果的似然比，右邊表示判決門限。該判決門限表示當(dāng)時，在中心節(jié)點得到“H1為真”的全局判決結(jié)果，當(dāng)時，在中心節(jié)點得到“H1為真”的全局判決結(jié)果，當(dāng)時，可以根據(jù)設(shè)置的策略，得到“H1為真”或“H0為真”的全局判決結(jié)果。
將公式(11)轉(zhuǎn)化為對數(shù)似然比檢驗形式，得到公式(12) 如果各檢測節(jié)點的檢測統(tǒng)計量相互獨立，并且為簡便起見，假設(shè)量化后得到的檢測統(tǒng)計量為1、2......q個取值結(jié)果，則有 其中Sj表示檢測統(tǒng)計量取值為j的所有節(jié)點ul的集合。類似的，得到公式(14) 將公式(13)和公式(14)式代入(12)式并化簡得到 其中，這里的Λlj可以看作是第l個檢測節(jié)點的檢測統(tǒng)計量取值為j時的似然比。因而，中心節(jié)點得到全局判決結(jié)果是由各個本地節(jié)點的先驗概率和似然比確定的。
當(dāng)然，如果量化后的本地檢測統(tǒng)計量為一個比特，也可以采用現(xiàn)有技術(shù)中使用的“與”“或”準(zhǔn)則來進行數(shù)據(jù)融合。
本實施例中，通過采用局部最優(yōu)量化器來對本地檢測統(tǒng)計量進行量化后，并且能夠?qū)⒘炕蟮碾x散的本地檢測統(tǒng)計量，通過最小錯誤準(zhǔn)則來進行數(shù)據(jù)融合，從而估計出較正確的全局判決結(jié)果。
下面以在CR系統(tǒng)檢測PU信號為例進行詳細說明。圖3使用了均勻量化器對本地檢測統(tǒng)計量進行量化，為本發(fā)明實施例一中檢測信號的方法流程示意圖，本實施例還具體給出了最小錯誤概率準(zhǔn)則的具體實現(xiàn)方法。
步驟301各本地節(jié)點根據(jù)預(yù)先確定的量化閾值，對本地檢測統(tǒng)計量進行量化。
本實施例中，使用了均勻量化器，在初始時刻，各本地節(jié)點自行檢測目標(biāo)頻段，并根據(jù)公式(10)確定的量化閾值進行量化，得到量化后的檢測統(tǒng)計量ui(0)＝l，l＝1，2，…，q。
步驟302中心節(jié)點將初始時刻各本地節(jié)點量化后的檢測統(tǒng)計量ui(0)＝l，l＝1，2，…，q和設(shè)置的初始先驗概率Λ0(0)和初始似然比Λil(0)，得到全局判決結(jié)果的初始值。
為了保障迭代算法的收斂性，應(yīng)當(dāng)盡量將初始值設(shè)計的接近真實值。在沒有先驗信息的前提下，本實施例將Λ0(0)設(shè)置為1，將Λil(0)設(shè)置為根據(jù)l的增加而遞增。利用公式(15)對各檢測統(tǒng)計量ui(0)＝l，l＝1，2，…，q進行數(shù)據(jù)融合，計算出全局判決結(jié)果的初始值u0(0)。
步驟303根據(jù)先前時刻的全局判決結(jié)果和所述本地節(jié)點的量化結(jié)果，估計當(dāng)前時刻本地節(jié)點的先驗概率和似然比。
下面具體以估計k時刻的先驗概率Λ0(k)和初始似然比Λil(k)為例進行說明。
步驟303可具體分作以下步驟 303-1根據(jù)第k時刻的全局判決結(jié)果u0(k)和各本地節(jié)點量化后的檢測統(tǒng)計量ui(k)＝l，l＝1，2，…，q，確定各本地節(jié)點在第k時刻的判決狀態(tài)Si(k)(i＝1，2，…，n)的取值。
考慮到經(jīng)過數(shù)據(jù)融合后的判決結(jié)果具有較高的準(zhǔn)確性，本實施例以全局判決結(jié)果來代替待檢測信號是否為有效信號的實際信號信息，可以獲得等于或接近于真實情況的估計值。假設(shè)D0表示H0為真的全局判決空間，D1表示H1為真的全局判決空間，在全局判決結(jié)果具有較高的正確度時，則滿足以下公式 P(Dj)≈P(Hj)，j＝0，1 (16) P(ui＝l|Dj)≈P(ui＝l|Hj)，j＝0，1(17) 所以P(H1)、P(H0)、P(ui＝l|H1)和P(ui＝l|H0)概率值的計算可轉(zhuǎn)化為對P(D1)、P(D0)、P(ui＝l|D1)和P(ui＝l|D0)的計算。這時，Si(k)來表示第i個本地節(jié)點在第k時刻的判決狀態(tài)值 Si(k)∈{Slj|l＝1，2，…，q；j＝0，1}(18) 其中，slj表示判決狀態(tài)可能的取值空間。j表示全局判決結(jié)果，j＝0表示判決待檢測信號不是有效信號，j＝1表示判決待檢測信號為有效信號。l表示量化后的本地檢測統(tǒng)計量。
303-2根據(jù)第k時刻的判決狀態(tài)值Si(k)(i＝1，2，…，n)，更新判決狀態(tài)的累計值Ji(k)。
本實施例中，累計值Ji(k)定義為 其中，Nlj(k)表示在k時刻，狀態(tài)slj發(fā)生的次數(shù)。公式(19)可以改寫為 Ji(k)＝Ji(k-1)+Si(k)(20) 本實施例可采用了限定記憶法來避免歷史數(shù)據(jù)的影響，具體為可以根據(jù)預(yù)先設(shè)置的固定窗長，確定出更新前的判決狀態(tài)值的累計值，將前一時刻的判決狀態(tài)值疊加到更新前的判決狀態(tài)的累計值中。也就是在統(tǒng)計判決狀態(tài)值時，使用一個固定長度的窗，每統(tǒng)計一個新時刻的判決狀態(tài)值，就去掉最早時刻的一個判決狀態(tài)值。設(shè)前一時刻為k時刻，N為預(yù)先設(shè)置的固定窗長，Si(k)來表示第i個本地節(jié)點在第k時刻的判決狀態(tài)值，則可以對公式(20)進行調(diào)整得到公式(21) 本實施例也可以采用遺忘因子法來更新判決狀態(tài)的累積值，具體為先將更新前的判決狀態(tài)的累積值乘以一個小于1的數(shù)值，再與前一時刻的判決狀態(tài)的累積值相加，得到更新后的判決狀態(tài)的累積值?？梢詫⒐?20)調(diào)整為 其中，遺忘因子γ為大于0.9小于1的數(shù)。通過(22)式的迭代，越早時刻的判決結(jié)果狀態(tài)值對應(yīng)的權(quán)重越小，而當(dāng)前時刻的判決結(jié)果狀態(tài)值對應(yīng)的權(quán)重為1，從而逐步消除歷史數(shù)據(jù)的影響。
303-3根據(jù)更新后的判決狀態(tài)的累積值提取出判決狀態(tài)值的加權(quán)值，估計出k+1時刻使用的先驗概率Λ0(k)和初始似然比Λil(k) 303-4判斷k+1時刻使用的先驗概率Λ0(k)和初始似然比Λil(k)是否收斂，如果是，執(zhí)行步驟304，否則，令k＝k+1，執(zhí)行303-1。
本實施例中，判斷Λ0(k)和Λil(k)(i＝1，2，...，m)是否收斂的方法，可以采用現(xiàn)有技術(shù)常使用的判斷|Λ0(k)-Λ0(k-1)|和|Λil(k)-Λil(k-1)|是否小于設(shè)定的數(shù)值，如果是，則認為收斂。
步驟304根據(jù)估計的先驗概率Λ0(k)和初始似然比Λil(k)和當(dāng)前時刻量化后的各本地檢測統(tǒng)計量，計算得到一個較準(zhǔn)確全局判斷結(jié)果。
本實施例中，通過采用均勻量化器來對本地檢測統(tǒng)計量進行量化后，并且能夠?qū)⒘炕蟮碾x散的本地檢測統(tǒng)計量，通過最小錯誤準(zhǔn)則來進行數(shù)據(jù)融合，從而估計出較正確的全局判決結(jié)果，還使用了限定記憶法來消除歷史數(shù)據(jù)的影響，能夠增加估計算法對時變的檢測環(huán)境的適應(yīng)性。
圖4為本發(fā)明實施例中本地檢測裝置結(jié)構(gòu)示意圖。如圖4所示，該本地檢測裝置包括檢測器410，檢測得到在所述本地節(jié)點中待檢測信號對應(yīng)的檢測統(tǒng)計量。量化器420，用于根據(jù)該本地檢測裝置對應(yīng)的量化閾值，對所述檢測器得到的所述檢測統(tǒng)計量進行量化。
本地檢測裝置還可以包括 量化閾值確定器430，根據(jù)該本地檢測裝置到中心節(jié)點間的傳輸開銷要求，確定量化電平數(shù)；根據(jù)檢測器410得到的檢測統(tǒng)計量的統(tǒng)計規(guī)律，確定出該本地檢測裝置對應(yīng)的量化閾值。
量化閾值確定模塊430包括 統(tǒng)計獲取單元431，獲取所述檢測統(tǒng)計量的分布函數(shù)、均值或方差。
第一量化閾值確定單元432，根據(jù)統(tǒng)計獲取單元431得到的檢測統(tǒng)計量的分布函數(shù)、均值或方差，確定出使得檢測統(tǒng)計量在H0和H1之間偏差最大的量化間隔，根據(jù)量化間隔，確定出該本地檢測裝置對應(yīng)的量化閾值，這里，H0表示所述待檢測信號為有效信號，H1表示所述待檢測信號不是有效信號。
當(dāng)然，本實施例若采用動態(tài)范圍的方法確定量化閾值，則量化閾值確定模塊包括 動態(tài)范圍確定單元，用于根據(jù)檢測統(tǒng)計量的最大值和最小值，確定出檢測統(tǒng)計量的動態(tài)范圍。
第二量化閾值確定單元，用于動態(tài)范圍確定單元得到的檢測統(tǒng)計量的動態(tài)范圍與所述量化電平數(shù)相除，得到該本地檢測裝置的量化間隔，根據(jù)該本地檢測裝置的量化間隔和檢測統(tǒng)計量的最小值，確定出該本地檢測裝置對應(yīng)的量化閾值。
圖5為本發(fā)明實施例中本地檢測裝置結(jié)構(gòu)示意圖。如圖5所示，該中心檢測裝置包括 獲取模塊510，獲取至少一個本地檢測裝置的量化結(jié)果，這里，量化結(jié)果為對待檢測信號對應(yīng)的檢測統(tǒng)計量進行量化后，得到的量化結(jié)果。
執(zhí)行模塊520，根據(jù)獲取模塊510得到的量化結(jié)果，得出表征待檢測信號是否為有效信號的全局判決結(jié)果。
執(zhí)行模塊520包括 估計單元521，根據(jù)先前時刻的全局判決結(jié)果和獲取模塊510得到的量化結(jié)果，估計當(dāng)前時刻的本地節(jié)點的先驗概率和似然比。
數(shù)據(jù)融合單元522，根據(jù)估計單元521估計出的當(dāng)前時刻的本地節(jié)點的先驗概率和似然比，得到全局判決結(jié)果。
估計單元521包括 累加子單元523，對先前時刻的判決狀態(tài)值進行累加，這里，判決狀態(tài)值通過比較根據(jù)先前時刻的全局判決結(jié)果和所述獲取模塊得到的量化結(jié)果產(chǎn)生。
選擇子單元524，從累加子單元523的累加結(jié)果中，選擇出各個判決狀態(tài)值的加權(quán)值，利用所述各個判決狀態(tài)值的加權(quán)值，計算得到本地節(jié)點的先驗概率和似然比的估計值。
為了更好體現(xiàn)算法的性能，假設(shè)CR系統(tǒng)處在很困難的檢測環(huán)境中。如果算法能在極端困難的情況下取得好的表現(xiàn)，自然也會在較好的檢測環(huán)境下達到令人滿意的效果。檢測環(huán)境的困難性體現(xiàn)在兩個方面首先，本地檢測算法的性能有限，假設(shè)本地節(jié)點采用能量檢測，且檢測時間只有10000個采樣的持續(xù)時間，在主用戶是DVB-T數(shù)字電視信號時，對應(yīng)的時間大約為1ms。其次，所有的本地節(jié)點處的信號都處在深度衰落中，它們的SNR分布在-21dB到-19dB之間，這個SNR范圍大約系統(tǒng)所要求的最低信噪比。
用全局判決的錯誤概率Pe來衡量算法的性能，可以表示為 Pe＝P(H1)PGM+P(H0)PGF 其中，P(H1)和P(H0)表示主用戶待檢測信號為有效信號和不存在條件下的先驗概率，在仿真中我們令它們均為0.5。PGM和PGF分布表示全局漏檢概率和全局虛警概率。
在上述假設(shè)條件下運行仿真，得到錯誤概率和本地檢測節(jié)點的數(shù)量的關(guān)系曲線如圖6和圖7所示。圖6中的“LOQ-x Bit”表示采用局部最優(yōu)量化器，圖7中的“LOQ-x Bit”基于動態(tài)范圍的均勻量化器將本地檢測數(shù)據(jù)量化為x個比特的情況?！癛aw Data”表示將全部檢測數(shù)據(jù)傳送至中心節(jié)點，中心節(jié)點采用最小錯誤準(zhǔn)則進行數(shù)據(jù)融合的情況。對于1比特的檢測統(tǒng)計量使用“或”和“與”準(zhǔn)則與本實施例二中使用的數(shù)據(jù)融合方法進行比較，通過在圖6和圖7中的仿真比較，可以看出，不管采用哪種量化方法，本發(fā)明實施例二中使用的協(xié)同感知方法都比“或”和“與”準(zhǔn)則的性能好很多。即使只將本地檢測結(jié)果量化為1個比特，也只需要不到50個本地檢測節(jié)點，全局錯誤概率就可以控制在一個較低的水平，大約為0.1。而采用“或”和“與”融合準(zhǔn)則的協(xié)同感知方法，隨著節(jié)點數(shù)量的增加，其錯誤概率雖有減小，但變化十分緩慢，甚至當(dāng)節(jié)點數(shù)增加到1000個的時候，錯誤概率仍然處在一個較高的水平，大約為0.15。這說明當(dāng)檢測環(huán)境很差時，由于檢測統(tǒng)計量的信息有限，因而“或”和“與”準(zhǔn)則能提供的協(xié)同增益也有限，即使大量增加檢測節(jié)點，也不能明顯改善檢測性能。而本發(fā)明實施例中的協(xié)同感知方法，由于從本地節(jié)點能夠獲得更多的檢測統(tǒng)計量信息，因而通過適當(dāng)增加本地檢測節(jié)點的數(shù)量，能夠滿足系統(tǒng)對檢測性能的要求。
本領(lǐng)域技術(shù)人員可以理解附圖只是一個優(yōu)選實施例的示意圖，附圖中的模塊或步驟并不一定是實施本發(fā)明所必須的。
上述實施例“步驟”一詞不代表實施例流程處理存在先后順序，本發(fā)明實施例序號也僅僅為了描述，不代表實施例的優(yōu)劣。
權(quán)利要求的內(nèi)容記載的方案也是本發(fā)明實施例的保護范圍。
本領(lǐng)域普通技術(shù)人員可以理解上述實施例方法中的全部或部分處理是可以通過程序來指令相關(guān)的硬件完成，所述的程序可以存儲于一種計算機可讀存儲介質(zhì)中。
以上所述僅為本發(fā)明的較佳實施例而已，并非用于限定本發(fā)明的保護范圍。凡在本發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換、改進等，均應(yīng)包含在本發(fā)明的保護范圍之內(nèi)。
權(quán)利要求
1、一種本地檢測信號的方法，其特征在于，該方法包括
根據(jù)本地節(jié)點對應(yīng)的量化閾值，對待檢測信號對應(yīng)的檢測統(tǒng)計量進行量化，得到量化結(jié)果，所述量化結(jié)果用于判決所述待檢測信號是否為有效信號。
2、根據(jù)權(quán)利要求1所述的方法，其特征在于，所述確定所述量化閾值包括根據(jù)所述本地節(jié)點與中心節(jié)點間的傳輸開銷要求，確定量化電平數(shù)；根據(jù)所述檢測統(tǒng)計量的統(tǒng)計規(guī)律，確定出所述本地節(jié)點對應(yīng)的量化閾值。
3、根據(jù)權(quán)利要求2所述的方法，其特征在于，設(shè)H0表示所述待檢測信號為有效信號，H1表示所述待檢測信號不是有效信號，所述確定出本地節(jié)點對應(yīng)的量化閾值包括
根據(jù)所述檢測統(tǒng)計量的分布函數(shù)、均值或方差，確定出使得所述檢測統(tǒng)計量在H0和H1之間偏差最大的量化間隔，根據(jù)所述量化間隔，確定出所述本地節(jié)點對應(yīng)的量化閾值。
4、根據(jù)權(quán)利要求2所述的方法，其特征在于，所述確定出本地節(jié)點對應(yīng)的量化閾值包括
根據(jù)所述檢測統(tǒng)計量的最大值和最小值，確定出所述檢測統(tǒng)計量的動態(tài)范圍，將所述動態(tài)范圍與所述量化電平數(shù)相除，得到所述本地節(jié)點的量化間隔，根據(jù)所述本地節(jié)點的量化間隔和所述檢測統(tǒng)計量的最小值，確定出所述本地節(jié)點對應(yīng)的量化閾值。
5、一種中心檢測信號的方法，其特征在于，該方法包括
獲取本地節(jié)點的量化結(jié)果，所述量化結(jié)果為對檢測統(tǒng)計量進行量化后，得到的結(jié)果；根據(jù)所述量化結(jié)果，得出表征待檢測信號是否為有效信號的全局判決結(jié)果。
6、根據(jù)權(quán)利要求5所述的方法，其特征在于，所述得出表征待檢測信號是否為有效信號的全局判決結(jié)果包括
根據(jù)最小錯誤準(zhǔn)則，對所述量化結(jié)果進行數(shù)據(jù)融合，得到全局判決結(jié)果的估計值。
7、根據(jù)權(quán)利要求6所述的方法，其特征在于，所述對所述量化結(jié)果進行數(shù)據(jù)融合包括
根據(jù)先前時刻的全局判決結(jié)果和所述本地節(jié)點的量化結(jié)果，估計當(dāng)前時刻本地節(jié)點的先驗概率和似然比；
根據(jù)估計出的所述當(dāng)前時刻本地節(jié)點的先驗概率和似然比，得到全局判決結(jié)果。
8、根據(jù)權(quán)利要求7所述的方法，其特征在于，所述估計當(dāng)前時刻本地節(jié)點的先驗概率和似然比包括對先前時刻的判決狀態(tài)值進行累加，所述判決狀態(tài)值通過比較所述本地節(jié)點的量化結(jié)果和全局判決結(jié)果得到；
從累加結(jié)果中選擇出各個判決狀態(tài)值的加權(quán)值，利用所述各個判決狀態(tài)值的加權(quán)值，計算得到所述本地節(jié)點的先驗概率和似然比的估計值。
9、根據(jù)權(quán)利要求8所述的方法，其特征在于，所述對先前時刻的判決狀態(tài)值進行累加包括
通過比較前一時刻所述量化結(jié)果和全局判決結(jié)果，確定出前一時刻本地節(jié)點的判決狀態(tài)值；
根據(jù)所述前一時刻本地節(jié)點的判決狀態(tài)值，更新本地節(jié)點的判決狀態(tài)的累積值，所述判決狀態(tài)的累積值為先前時刻判決狀態(tài)值的累加函數(shù)。
10、根據(jù)權(quán)利要求5、6、7、8或9所述的方法，其特征在于，所述本地節(jié)點為一個或一個以上。
11、一種本地檢測裝置，其特征在于，該本地檢測裝置包括
檢測器，用于檢測得到在所述本地節(jié)點中待檢測信號對應(yīng)的檢測統(tǒng)計量；
量化器，用于根據(jù)該本地檢測裝置對應(yīng)的量化閾值，對所述檢測器得到的所述檢測統(tǒng)計量進行量化。
12、根據(jù)權(quán)利要求11所述的本地檢測裝置，其特征在于，所述本地檢測裝置進一步包括
量化閾值確定器，用于根據(jù)所述本地檢測裝置到中心節(jié)點間的傳輸開銷要求，確定量化電平數(shù)；根據(jù)所述檢測器得到的檢測統(tǒng)計量的統(tǒng)計規(guī)律，確定出該本地檢測裝置對應(yīng)的量化閾值。
13、根據(jù)權(quán)利要求12所述的本地檢測裝置，其特征在于，設(shè)H0表示所述待檢測信號為有效信號，H1表示所述待檢測信號不是有效信號，所述量化閾值確定器包括
統(tǒng)計獲取單元，用于獲取所述檢測統(tǒng)計量的分布函數(shù)、均值或方差；
第一量化閾值確定單元，用于根據(jù)統(tǒng)計獲取單元得到的所述檢測統(tǒng)計量的分布函數(shù)、均值或方差，確定出使得所述檢測統(tǒng)計量在H0和H1之間偏差最大的量化間隔，根據(jù)所述量化間隔，確定出所述本地檢測裝置對應(yīng)的量化閾值。
14、根據(jù)權(quán)利要求12所述的檢測裝置，其特征在于，所述量化閾值確定器包括
動態(tài)范圍確定單元，用于根據(jù)所述檢測統(tǒng)計量的最大值和最小值，確定出所述檢測統(tǒng)計量的動態(tài)范圍；
第二量化閾值確定單元，用于所述動態(tài)范圍確定單元得到的動態(tài)范圍與所述量化電平數(shù)相除，得到所述本地檢測裝置的量化間隔，根據(jù)所述本地檢測裝置量化間隔和所述檢測統(tǒng)計量的最小值，確定出該本地檢測裝置對應(yīng)的量化閾值。
15、一種中心檢測裝置，其特征在于，該中心檢測裝置包括
獲取模塊，用于獲取本地檢測裝置的量化結(jié)果，所述量化結(jié)果為對待檢測信號對應(yīng)的檢測統(tǒng)計量進行量化后，得到的量化結(jié)果；
執(zhí)行模塊，根據(jù)所述獲取模塊得到的量化結(jié)果，得出表征待檢測信號是否為有效信號的全局判決結(jié)果。
16、根據(jù)權(quán)利要求15所述的中心檢測裝置，其特征在于，所述執(zhí)行模塊包括
估計單元，用于根據(jù)先前時刻的全局判決結(jié)果和所述獲取模塊得到的量化結(jié)果，估計當(dāng)前時刻的本地節(jié)點的先驗概率和似然比；
數(shù)據(jù)融合單元，用于根據(jù)所述估計單元估計出的所述當(dāng)前時刻的本地節(jié)點的先驗概率和似然比，得到全局判決結(jié)果。
17、根據(jù)權(quán)利要求16所述的中心檢測裝置，其特征在于，所述估計單元包括
累加子單元，用于對先前時刻的判決狀態(tài)值進行累加，所述判決狀態(tài)值通過比較根據(jù)先前時刻的全局判決結(jié)果和所述獲取模塊得到的量化結(jié)果產(chǎn)生；
選擇子單元，用于從所述累加單元的累加子結(jié)果中，選擇出各個判決狀態(tài)值的加權(quán)值，利用所述各個判決狀態(tài)值的加權(quán)值，計算得到所述本地節(jié)點的先驗概率和似然比的估計值。
全文摘要
本發(fā)明實施例中公開了一種本地檢測信號的方法，該方法包括根據(jù)本地節(jié)點對應(yīng)的量化閾值，對待檢測信號對應(yīng)的檢測統(tǒng)計量進行量化，得到量化結(jié)果，所述量化結(jié)果用于判決所述待檢測信號是否為有效信號。本發(fā)明實施例中還公開了一種中心檢測信號的方法，該方法為獲取本地節(jié)點的量化結(jié)果，所述量化結(jié)果為對檢測統(tǒng)計量進行量化后，得到的結(jié)果；根據(jù)所述量化結(jié)果，得出表征待檢測信號是否為有效信號的全局判決結(jié)果。本發(fā)明實施例中另外公開了本地檢測裝置和中心檢測裝置。應(yīng)用本發(fā)明實施例能夠方便、簡單地提高檢測性能。
文檔編號H04B17/00GK101499859SQ20081000608
公開日2009年8月5日 申請日期2008年2月1日 優(yōu)先權(quán)日2008年2月1日
發(fā)明者磊 陳, 軍 王, 李少謙, 呂林軍 申請人:華為技術(shù)有限公司, 電子科技大學(xué)