本發(fā)明涉及認(rèn)知無線通信技術(shù)領(lǐng)域，特別涉及一種認(rèn)知無線電的頻譜感知方法及系統(tǒng)。

背景技術(shù)：

隨著無線電技術(shù)的進(jìn)步和社會(huì)的發(fā)展，各行各業(yè)對無線電頻率的需求越來越多，頻譜資源匱乏的問題日益嚴(yán)重。目前，頻譜資源采用國家統(tǒng)一分配授權(quán)的管理模式，將頻譜分為兩種類型：授權(quán)頻段和非授權(quán)頻段。其中，授權(quán)頻段占據(jù)著大部分頻譜資源，如電視廣播頻段，但不少授權(quán)頻段處于空閑狀態(tài)；開放使用的非授權(quán)頻段占整個(gè)頻譜資源的很少一部分，如無線局域網(wǎng)、無線城域網(wǎng)等無線網(wǎng)絡(luò)大多使用非授權(quán)頻段在工作，該頻段上的用戶很多，業(yè)務(wù)量也很大，無線電頻段已基本趨于飽和。據(jù)美國聯(lián)邦通信委員會(huì)的研究表明，已分配的頻譜利用率為15％～85％。所以說，頻譜資源的匱乏并不是真正意義上的頻譜資源不足，更多是由頻譜利用率過低造成的。

現(xiàn)有技術(shù)中，頻譜感知的方法大多采用能量檢測(ed)算法，該算法是一種最基本、最簡單的信號檢測方法，它無需知道信號的先驗(yàn)信息，復(fù)雜度低，容易實(shí)現(xiàn)，在現(xiàn)階段的研究中廣泛應(yīng)用于信號檢測中。能量檢測方法是一種非連貫性、非相干的檢測算法，檢測的對象是特定頻帶內(nèi)的頻譜能量，而與具體信號的波形無關(guān)，特別適用于未知信號的檢測。

然而，能量檢測算法的判決門限比較難確定，在低信噪比環(huán)境下容易受到噪聲不確定性影響產(chǎn)生誤判，從而導(dǎo)致檢測性能急劇下降，即使是能夠自適應(yīng)的門限值，檢測器也不能做出正確的判斷。因此，如何避免在低信噪比環(huán)境下容易受到噪聲不確定性影響產(chǎn)生的誤判，提高頻譜感知的準(zhǔn)確性和可靠性，是現(xiàn)今急需解決的問題。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的是提供一種認(rèn)知無線電的頻譜感知方法及系統(tǒng)，以利用信號分解和最大特征值與矩陣跡之比算法結(jié)合的頻譜感知方法，提高頻譜感知的準(zhǔn)確性和可靠性。

為解決上述技術(shù)問題，本發(fā)明提供一種認(rèn)知無線電的頻譜感知方法，包括：

分別將預(yù)設(shè)數(shù)量的次用戶接收到的信號分解成各自對應(yīng)的i信號和q信號；

根據(jù)所述i信號和所述q信號生成分解矩陣，并獲取所述分解矩陣的協(xié)方差矩陣；

根據(jù)所述協(xié)方差矩陣獲取最大特征值和矩陣跡，并獲取判決統(tǒng)計(jì)量；其中，所述判決統(tǒng)計(jì)量為所述最大特征值和所述矩陣跡之比；

判斷所述判決統(tǒng)計(jì)量是否大于判決門限；

若是，則存在主用戶；

若否，則不存在主用戶。

可選的，所述分別將預(yù)設(shè)數(shù)量的次用戶接收到的信號分解成各自對應(yīng)的i信號和q信號，包括：

將每個(gè)次用戶各自接收到的信號xi分解成各自對應(yīng)的i信號和q信號

其中，xi＝[xi(1)xi(2)...xi(n)]，n＝1,2,...,n，fc為載波頻率，fs為采樣頻率，i為所述預(yù)設(shè)數(shù)量的次用戶中任意一個(gè)次用戶，n為所述信號xi的采樣次數(shù)。

可選的，所述根據(jù)所述i信號和所述q信號生成分解矩陣，并獲取所述分解矩陣的協(xié)方差矩陣，包括：

根據(jù)所述i信號和所述q信號生成分解矩陣y；

其中，y為m×n維的所述分解矩陣，m＝2k，k為所述預(yù)設(shè)數(shù)量；

獲取所述分解矩陣y的協(xié)方差矩陣ry(n)；

其中，ry(n)＝e[yy^h]＝rs(n)+rn(n)，im為m階單位矩陣，rs(n)為信號空間，rn(n)為噪聲空間，w為所述信號xi中的噪聲信號，wi＝[wi(1)wi(2)...wi(n)]，σ²為噪聲矩陣的特征值。

可選的，所述判決統(tǒng)計(jì)量，具體為：

其中，λmax為所述最大特征值，tr(ry(n))為所述矩陣跡。

可選的，所述判斷所述判決統(tǒng)計(jì)量是否大于判決門限，包括：

判斷tgrmet是否大于判決門限γ；

其中，所述判決門限γ為根據(jù)隨機(jī)矩陣推導(dǎo)得到的數(shù)值，pfa為虛警概率。

此外，本發(fā)明還提供了一種認(rèn)知無線電的頻譜感知系統(tǒng)，包括：

分解模塊，用于分別將預(yù)設(shè)數(shù)量的次用戶接收到的信號分解成各自對應(yīng)的i信號和q信號；

獲取模塊，用于根據(jù)所述i信號和所述q信號生成分解矩陣，并獲取所述分解矩陣的協(xié)方差矩陣；

計(jì)算模塊，用于根據(jù)所述協(xié)方差矩陣獲取最大特征值和矩陣跡，并獲取判決統(tǒng)計(jì)量；其中，所述判決統(tǒng)計(jì)量為所述最大特征值和所述矩陣跡之比；

判斷模塊，用于判斷所述判決統(tǒng)計(jì)量是否大于判決門限；若是，則存在主用戶；若否，則不存在所述主用戶。

可選的，所述分解模塊，包括：

分解子模塊，用于將每個(gè)次用戶各自接收到的信號xi分解成各自對應(yīng)的i信號和q信號

其中，xi＝[xi(1)xi(2)...xi(n)]，n＝1,2,...,n，fc為載波頻率，fs為采樣頻率，i為所述預(yù)設(shè)數(shù)量的次用戶中任意一個(gè)次用戶，n為所述信號xi的采樣次數(shù)。

可選的，所述獲取模塊，包括：

第一獲取子模塊，用于根據(jù)所述i信號和所述q信號生成分解矩陣y；

其中，y為m×n維的所述分解矩陣，m＝2k，k為所述預(yù)設(shè)數(shù)量；

第二獲取子模塊，用于獲取所述分解矩陣y的協(xié)方差矩陣ry(n)；

其中，ry(n)＝e[yy^h]＝rs(n)+rn(n)，im為m階單位矩陣，rs(n)為信號空間，rn(n)為噪聲空間，w為所述信號xi中的噪聲信號，wi＝[wi(1)wi(2)...wi(n)]，σ²為噪聲矩陣的特征值。

可選的，所述計(jì)算模塊，包括：

計(jì)算子模塊，用于根據(jù)所述協(xié)方差矩陣y獲取最大特征值λmax和矩陣跡tr(ry(n))，并獲取判決統(tǒng)計(jì)量tgrmet；

其中，

可選的，所述判斷模塊，包括：

判斷子模塊，用于判斷所述判決統(tǒng)計(jì)量tgrmet是否大于判決門限γ；若是，則存在所述主用戶；若否，則不存在所述主用戶；

其中，所述判決門限γ為根據(jù)隨機(jī)矩陣推導(dǎo)得到的數(shù)值，pfa為虛警概率。

本發(fā)明所提供的一種認(rèn)知無線電的頻譜感知方法，包括：分別將預(yù)設(shè)數(shù)量的次用戶接收到的信號分解成各自對應(yīng)的i信號和q信號；根據(jù)所述i信號和所述q信號生成分解矩陣，并獲取所述分解矩陣的協(xié)方差矩陣；根據(jù)所述協(xié)方差矩陣獲取最大特征值和矩陣跡，并獲取判決統(tǒng)計(jì)量；其中，所述判決統(tǒng)計(jì)量為所述最大特征值和所述矩陣跡之比；判斷所述判決統(tǒng)計(jì)量是否大于判決門限；若是，則存在主用戶；若否，則不存在主用戶；

可見，本發(fā)明通過分別將預(yù)設(shè)數(shù)量的次用戶接收到的信號分解成各自對應(yīng)的i信號和q信號，可以對信號進(jìn)行分解；通過根據(jù)i信號和q信號生成的分解矩陣的協(xié)方差矩陣獲取最大特征值和矩陣跡，并獲取判決統(tǒng)計(jì)量，可以將信號分解與最大特征值與矩陣跡之比算法結(jié)合，從而提高頻譜感知方法的準(zhǔn)確性和可靠性，提升了用戶體驗(yàn)。此外，本發(fā)明還提供了一種認(rèn)知無線電的頻譜感知系統(tǒng)，同樣具有上述有益效果。

附圖說明

為了更清楚地說明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的實(shí)施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)提供的附圖獲得其他的附圖。

圖1為本發(fā)明實(shí)施例所提供的一種認(rèn)知無線電的頻譜感知方法的流程圖；

圖2為本發(fā)明實(shí)施例所提供的一種認(rèn)知無線電的頻譜感知方法的檢測性能的仿真圖；

圖3為本發(fā)明實(shí)施例所提供的一種認(rèn)知無線電的頻譜感知系統(tǒng)的結(jié)構(gòu)圖。

具體實(shí)施方式

為使本發(fā)明實(shí)施例的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例。基于本發(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

請參考圖1，圖1為本發(fā)明實(shí)施例所提供的一種認(rèn)知無線電的頻譜感知方法的流程圖。該方法可以包括：

步驟101：分別將預(yù)設(shè)數(shù)量的次用戶接收到的信號分解成各自對應(yīng)的i信號和q信號。

其中，預(yù)設(shè)數(shù)量可以為頻譜感知系統(tǒng)中的次用戶的數(shù)量，對于預(yù)設(shè)數(shù)量的具體數(shù)值的設(shè)置，可以由設(shè)計(jì)人員或用戶根據(jù)實(shí)用場景和用戶需求自行設(shè)置，本實(shí)施例對此不受任何限制。

具體的，可以假設(shè)頻譜感知系統(tǒng)由k個(gè)次用戶組成，對于任何一個(gè)次用戶，主用戶的信號檢測可以歸納為一個(gè)二元假設(shè)檢驗(yàn)問題：

式中：h0表示次用戶接收信號中只存在噪聲；h1表示次用戶接收信號中同時(shí)存在信號和噪聲；si(n)表示主用戶信號，wi(n)表示為零均值方差為σ²的高斯白噪聲。

其中，第i個(gè)次用戶n次采集到的信號可以為xi＝[xi(1)xi(2)...xi(n)]，噪聲信號為wi＝[wi(1)wi(2)...wi(n)]。通過所有次用戶進(jìn)行n次采樣，采樣數(shù)據(jù)可構(gòu)成一個(gè)k×n維的矩陣，可以表示為：

通過分解信號，增加信號數(shù)量可以獲的更多的相關(guān)信息。將上面的第i個(gè)次用戶采集到的信號xi＝[xi(1)xi(2)...xi(n)]分解為i信號和q信號兩部分，表示為：

式中，fc表示載波頻率，fs表示采樣頻率。

可以理解的是，對于將預(yù)設(shè)數(shù)量的次用戶接收到的信號分解成各自對應(yīng)的i信號和q信號的具體方式，可以采用上述方式，也可以采用其他方式，本實(shí)施例對此不受任何限制。

步驟102：根據(jù)i信號和q信號生成分解矩陣，并獲取分解矩陣的協(xié)方差矩陣。

其中，分解矩陣可以為i信號和q信號組成的矩陣。

具體的，可以將式(3)中k×n維的矩陣，變?yōu)閕信號和q信號組成的m×n維矩陣，其中，m＝2k，可以表示為

從而可以獲得分解矩陣y的協(xié)方差矩陣為：

ry(n)＝e[yy^h]＝rs(n)+rn(n)(5)

式中，im為m階單位矩陣，σ²為噪聲矩陣的特征值。從式(5)可以看出協(xié)方差矩陣ry(n)可以由信號空間rs(n)和噪聲空間rn(n)兩部分組成。

步驟103：根據(jù)協(xié)方差矩陣獲取最大特征值和矩陣跡，并獲取判決統(tǒng)計(jì)量；其中，判決統(tǒng)計(jì)量為最大特征值和矩陣跡之比。

其中，本步驟的目的是通過最大特征值與矩陣跡之比構(gòu)建判決統(tǒng)計(jì)量，以信號分解獲取的分解矩陣的協(xié)方差矩陣的最大特征值的極限近似代替最大特征值，從而無需獲知主信號的先驗(yàn)知識(shí)，在不增加算法復(fù)雜度的情況下，獲得比傳統(tǒng)的最大特征值與矩陣跡之比算法的認(rèn)知無線電的頻譜感知方法(rmet)更好的可靠性和準(zhǔn)確性。

可以理解的是，對于根據(jù)協(xié)方差矩陣獲取最大特征值和矩陣跡的具體方式，可以采用與現(xiàn)有技術(shù)中傳統(tǒng)的最大特征值與矩陣跡之差算法的認(rèn)知無線電的頻譜感知方法相似的方式獲取，也可以采用其他方式獲取，本實(shí)施例對此不受任何限制。

具體的，判決統(tǒng)計(jì)量可以為：

式中，λmax為最大特征值，tr(ry(n))為矩陣跡。

步驟104：判斷判決統(tǒng)計(jì)量是否大于判決門限；若是，則進(jìn)入步驟105；若否，則進(jìn)入步驟106。

其中，判決門限可以根據(jù)隨機(jī)矩陣?yán)碚撏瞥觯梢詾椋?/p>

可以理解的是，式(8)中，pfa為虛警概率。從式(8)可以看出，判決門限與噪聲無關(guān)，算法克服了噪聲不確定性對檢測精度帶來的影響，因此本實(shí)施例所提供的利用信號分解和最大特征值與矩陣跡之比算法結(jié)合的頻譜感知方法(grmet)能有效克服噪聲不確定性對檢測性能的影響。

步驟105：存在主用戶。

步驟106：不存在主用戶。

可以理解的是，步驟105和步驟106可以為根據(jù)本實(shí)施所提供的grmet，對主用戶檢測的兩種結(jié)果，對于檢測出存在或不存在主用戶之后的操作，可以由設(shè)計(jì)人員或用戶根據(jù)實(shí)用場景和用戶需求自行設(shè)置，本實(shí)施例對此不受任何限制。

需要說明的是，本實(shí)施例所提供的方法可以在現(xiàn)有的最大特征值與矩陣跡之比算法的認(rèn)知無線電的頻譜感知方法的基礎(chǔ)上，加入信號分解，從而以信號分解獲取的分解矩陣的協(xié)方差矩陣的最大特征值的極限近似代替最大特征值，在無需獲知主信號的先驗(yàn)知識(shí)，不增加算法復(fù)雜度的情況下，獲得更好的可靠性和準(zhǔn)確性。

具體的，可以參考圖2(橫坐標(biāo)為信噪比，縱坐標(biāo)為檢測概率)，由圖2所示的仿真結(jié)果可知，與原來rmet算法對比，本實(shí)施例所提供的grmet的檢測性能有所提升。

本實(shí)施例中，本發(fā)明實(shí)施例通過分別將預(yù)設(shè)數(shù)量的次用戶接收到的信號分解成各自對應(yīng)的i信號和q信號，可以對信號進(jìn)行分解；通過根據(jù)i信號和q信號生成的分解矩陣的協(xié)方差矩陣獲取最大特征值和矩陣跡，并獲取判決統(tǒng)計(jì)量，可以將信號分解與最大特征值與矩陣跡之比算法結(jié)合，從而提高頻譜感知方法的準(zhǔn)確性和可靠性，提升了用戶體驗(yàn)。

請參考圖3，圖3為本發(fā)明實(shí)施例所提供的一種認(rèn)知無線電的頻譜感知系統(tǒng)的結(jié)構(gòu)圖。該系統(tǒng)可以包括：

分解模塊100，用于分別將預(yù)設(shè)數(shù)量的次用戶接收到的信號分解成各自對應(yīng)的i信號和q信號；

獲取模塊200，用于根據(jù)i信號和q信號生成分解矩陣，并獲取分解矩陣的協(xié)方差矩陣；

計(jì)算模塊300，用于根據(jù)協(xié)方差矩陣獲取最大特征值和矩陣跡，并獲取判決統(tǒng)計(jì)量；其中，判決統(tǒng)計(jì)量為最大特征值和矩陣跡之比；

判斷模塊400，用于判斷判決統(tǒng)計(jì)量是否大于判決門限；若是，則存在主用戶；若否，則不存在主用戶。

可選的，分解模塊100，可以包括：

分解子模塊，用于將每個(gè)次用戶各自接收到的信號xi分解成各自對應(yīng)的i信號和q信號

其中，xi＝[xi(1)xi(2)...xi(n)]，n＝1,2,...,n，fc為載波頻率，fs為采樣頻率，i為預(yù)設(shè)數(shù)量的次用戶中任意一個(gè)次用戶，n為信號xi的采樣次數(shù)。

可選的，獲取模塊200，可以包括：

第一獲取子模塊，用于根據(jù)i信號和q信號生成分解矩陣y；

其中，y為m×n維的分解矩陣，m＝2k，k為預(yù)設(shè)數(shù)量；

第二獲取子模塊，用于獲取分解矩陣y的協(xié)方差矩陣ry(n)；

其中，ry(n)＝e[yy^h]＝rs(n)+rn(n)，im為m階單位矩陣，rs(n)為信號空間，rn(n)為噪聲空間，w為信號xi中的噪聲信號，wi＝[wi(1)wi(2)...wi(n)]，σ²為噪聲矩陣的特征值。

可選的，計(jì)算模塊300，可以包括：

計(jì)算子模塊，用于根據(jù)協(xié)方差矩陣y獲取最大特征值λmax和矩陣跡tr(ry(n))，并獲取判決統(tǒng)計(jì)量tgrmet；

其中，

可選的，判斷模塊400，可以包括：

判斷子模塊，用于判斷判決統(tǒng)計(jì)量tgrmet是否大于判決門限γ；若是，則存在主用戶；若否，則不存在主用戶；

其中，判決門限γ為根據(jù)隨機(jī)矩陣推導(dǎo)得到的數(shù)值，pfa為虛警概率。

本實(shí)施例中，本發(fā)明實(shí)施例通過分解模塊100分別將預(yù)設(shè)數(shù)量的次用戶接收到的信號分解成各自對應(yīng)的i信號和q信號，可以對信號進(jìn)行分解；通過計(jì)算模塊300根據(jù)i信號和q信號生成的分解矩陣的協(xié)方差矩陣獲取最大特征值和矩陣跡，并獲取判決統(tǒng)計(jì)量，可以將信號分解與最大特征值與矩陣跡之比算法結(jié)合，從而提高頻譜感知方法的準(zhǔn)確性和可靠性，提升了用戶體驗(yàn)。

說明書中各個(gè)實(shí)施例采用遞進(jìn)的方式描述，每個(gè)實(shí)施例重點(diǎn)說明的都是與其他實(shí)施例的不同之處，各個(gè)實(shí)施例之間相同相似部分互相參見即可。對于實(shí)施例公開的系統(tǒng)而言，由于其與實(shí)施例公開的方法相對應(yīng)，所以描述的比較簡單，相關(guān)之處參見方法部分說明即可。

專業(yè)人員還可以進(jìn)一步意識(shí)到，結(jié)合本文中所公開的實(shí)施例描述的各示例的單元及算法步驟，能夠以電子硬件、計(jì)算機(jī)軟件或者二者的結(jié)合來實(shí)現(xiàn)，為了清楚地說明硬件和軟件的可互換性，在上述說明中已經(jīng)按照功能一般性地描述了各示例的組成及步驟。這些功能究竟以硬件還是軟件方式來執(zhí)行，取決于技術(shù)方案的特定應(yīng)用和設(shè)計(jì)約束條件。專業(yè)技術(shù)人員可以對每個(gè)特定的應(yīng)用來使用不同方法來實(shí)現(xiàn)所描述的功能，但是這種實(shí)現(xiàn)不應(yīng)認(rèn)為超出本發(fā)明的范圍。

結(jié)合本文中所公開的實(shí)施例描述的方法或算法的步驟可以直接用硬件、處理器執(zhí)行的軟件模塊，或者二者的結(jié)合來實(shí)施。軟件模塊可以置于隨機(jī)存儲(chǔ)器(ram)、內(nèi)存、只讀存儲(chǔ)器(rom)、電可編程rom、電可擦除可編程rom、寄存器、硬盤、可移動(dòng)磁盤、cd-rom、或技術(shù)領(lǐng)域內(nèi)所公知的任意其它形式的存儲(chǔ)介質(zhì)中。

以上對本發(fā)明所提供的認(rèn)知無線電的頻譜感知方法及系統(tǒng)進(jìn)行了詳細(xì)介紹。本文中應(yīng)用了具體個(gè)例對本發(fā)明的原理及實(shí)施方式進(jìn)行了闡述，以上實(shí)施例的說明只是用于幫助理解本發(fā)明的方法及其核心思想。應(yīng)當(dāng)指出，對于本技術(shù)領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明原理的前提下，還可以對本發(fā)明進(jìn)行若干改進(jìn)和修飾，這些改進(jìn)和修飾也落入本發(fā)明權(quán)利要求的保護(hù)范圍內(nèi)。