一种基于多天线系统协方差矩阵的频谱感知方法.pdf

摘要
申请专利号：	CN201110155330.4	申请日：	2011.06.10
公开号：	CN102324959A	公开日：	2012.01.18
当前法律状态：	终止	有效性：	无权
法律详情：	未缴年费专利权终止IPC(主分类):H04B 7/06申请日:20110610授权公告日:20131016终止日期:20160610\|\|\|授权\|\|\|实质审查的生效IPC(主分类):H04B 7/06申请日:20110610\|\|\|公开
IPC分类号：	H04B7/06; H04B7/08	主分类号：	H04B7/06
申请人：	宁波大学
发明人：	金明; 李有明; 俞建定
地址：	315211 浙江省宁波市江北区风华路818号
优先权：
专利代理机构：	宁波奥圣专利代理事务所(普通合伙) 33226	代理人：	程晓明
PDF下载：	PDF下载

内容摘要

本发明公开了一种基于多天线系统协方差矩阵的频谱感知方法，在频谱感知之前，先根据认知无线电系统的天线个数，通过预设信号采样次数和恒虚警概率，并对计算机模拟的噪声信号进行归一化操作，设定判决门限λ；在频谱感知期间，多天线系统对监测信道上的信号进行采样，并对采样获得的信号进行归一化；然后利用归一化的采样信号计算协方差矩阵；利用协方差矩阵计算自适应加权系数；利用协方差矩阵和自适应加权系数计算加权的检验统计量；判断加权的检验统计量是否大于判决门限，如果是，则判决为监测信道繁忙，否则，判决为监测信道空闲；本发明的优点在于不但可以在天线相关性较高时获得较好的感知性能，在天线相关性较低时仍然具有较佳的感知性能。

权利要求书

1：一种基于多天线系统协方差矩阵的频谱感知方法，其特征在于包括以下步骤： ①在频谱感知之前，首先根据认知无线电系统的天线个数，通过预设信号采样次数和恒虚警概率，并利用计算机模拟的噪声设定判决门限 λ ； ②在频谱感知期间，用 M 个天线对监测信道的信号进行 K 次采样，采样得到的信号表示 T 为 x(k) ＝ [x1(k)， x2(k)，… xm(k)…， xM(k)] ，其中 xm(k) 表示第 m(m ＝ 1， 2，…， M) 个天 T 线上第 k(k ＝ 1， 2，…， K) 次采样的信号，上标 (·) 表示转置操作。然后对采样信号进行归一化，即式中表示采样信号归一化系数， |·| 表示求绝对值操作；式中上标 (· )H 表示共轭 ③利用归一化的采样信号计算协方差矩阵转置操作； ④利用协方差矩阵计算自适应加权系数；利用 Rx 的主对角线上下最临近的两条对角线元素计算加权系数如下式中 Rx(m， m+1) 表示 Rx 的第 m 行、第 m+1 列元素， Rx(m+1， m) 表示 Rx 的第 m+1 行、第 m 列元素； ⑤利用协方差矩阵和自适应加权系数计算加权的检验统计量 Rx(m， l) 表示 Rx 的第 m 行、第 l 列元素；表示 Rx 的主对角线元素之和； ⑥判断加权的检验统计量 Tx 是否大于判决门限 λ，如果是 Tx ＞ λ，则判决为监测信道繁忙，否则，判决为监测信道空闲。
2：一种基于多天线系统协方差矩阵的频谱感知方法，其特征在于设定判决门限的具体步骤如下： ① -1 将认知无线电系统的天线个数记为 M，预设的信号采样次数记为 K，预设的恒虚警概率记为 Pf ； ① -2 用计算机模拟产生 M 个天线上 K 次采样的噪声向量 n(k) ＝ [n1(k)， n2(k)， … nm(k)…， nM(k)]T，其中 nm(k) 表示第 m(m ＝ 1， 2， …， M) 个天线上第 k(k ＝ 1， 2， …， K) 次采样的噪声； ① -3 对模拟产生的噪声向量进行归一化，即 k ＝ 1， 2， …， K，式中用归一化后的噪声向量求协方差矩阵 Rn 如下：表示噪声归一化系数； ① -4 利式中上标 (·)H 表示式中表示 Rx 的所有非主对角线元素之和；共轭转置操作； ① -5 利用 Rn 的主对角线上下最临近的两条对角线元素计算加权系数如下：式中 Rn(m， m+1) 表示 Rn 的第 m 行、第 m+1 列元素， Rn(m+1， m) 表示 Rn 的第 m+1 行、第 m 列元素； ① -6 计算加权的检验统计量如下： 2 式中 Rn(m， l) 表示 Rn 的第 m 行、第 l 列元素；对角线元素之和；表示 Rn 的所有非主表示 Rn 的主对角线元素之和； ① -7 利用蒙特卡洛方法对以上六个步骤进行 Q 次重复，重复次数 Q ≥ 106，产生总共 Q 个加权的检验统计量值； ① -8 定义判别式且 ε ≤ 10-4，将满足上述判别式的检验统计量值定义为判决门限 λ，式中 q 为检验统计量值大于 λ 的加权的检验统计量值的个数。

说明书

一种基于多天线系统协方差矩阵的频谱感知方法
    技术领域本发明涉及一种认知无线电频谱感知问题，尤其是涉及一种基于多天线系统协方差矩阵的频谱感知方法。
     背景技术随着信息时代的到来，无线通信在社会经济发展中发挥着越来越重要的战略作用，并渗透到社会各领域。无线通信发展显现出高速化、宽带化、异构化和泛在化的趋势。与此同时，无线通信也面临着严峻的挑战，随着无线通信业务需求的快速增长，频谱资源变得越来越稀缺。这主要体现在两个方面：首先，无线局域网 (WLAN)、无线个人局域网 (WPAN) 等业务接入的非授权频段已经趋于饱和；其次，随着越来越多的授权频段频谱被分配利用，可以提供给新业务使用的空闲频段出现短缺。然而，美国联邦通信委员会 (Federal Communications Commission， FCC) 频谱政策任务组的调查表明，由频率管理部门分配的授权频段在不同的时间段、不同的地理区域里的使用率在 15％到 85％之间，这些频段大部分时间里未被占用，还有一些只是被部分占用，频谱的利用情况极不平衡。可见当前的频谱短缺现状并不是由于频率资源物理上的不足，而主要是由于现有的固定频谱分配管理机制导致频谱利用率低造成的。认知无线电 (Cognitive Radio， CR) 技术的提出，为提高授权频段频谱利用率提供了一种新的解决思路。
     不管是非授权频段的不同用户之间共存，还是授权频段的认知无线电用户和授权用户的共存，为了保证不同用户之间互不干扰，某个用户在接入某段频段之前，必须先判断该频段是否正在被其它用户使用。也就是说在使用某段频段之前，需要对该频段进行频谱感知。当频谱感知结果是该段频谱没有被其它用户使用时，则该用户可以利用该频段进行通信，否则不能利用此频段以免干扰正在使用此频段的用户。如果不进行频谱感知直接利用该段频谱，则会造成对正在使用该频谱的其它用户的干扰，进而造成频谱利用率的下降 ( 即该段频谱由于存在干扰而无法利用 )。因此，频谱感知是提高频谱效率的关键技术之一。
     频谱感知方法分为协作频谱感知方法和单点频谱感知方法两大类。其中，协作频谱感知方法是利用多个用户之间的协作进行频谱感知。单点频谱感知方法只利用一个认知用户对频谱进行感知。
     现有的单点频谱感知方法主要有匹配滤波器检测、能量检测，循环特征检测和基于协方差的检测等方法。其中匹配滤波器检测法具有较好的检测性能，但它需要被检测信号的全部先验知识，而被检测信号的先验知识在大部分情况下是无法知道的。能量检测方法被广泛研究，其具有实现简单、复杂度低且不需要信号先验知识等优点，但是其存在一个较为严重的缺点，就是该方法对噪声不确定性非常敏感。针对能量检测方法对噪声不确定性敏感的问题， Zeng 等人在 2009 年发表的《Spectrum-Sensing Algorithms for Cognitive Radio Based on Statistical Covariances》 ( 认知无线电中基于统计协方差的频谱感知方法 ) 中提出了一种基于统计协方差矩阵的频谱感知方法，该方法利用了信号的时域相关
     性而噪声时域不相关的特点，并且该方法对噪声不确定性不敏感。Lee 等人在 2010 年发表的《Antenna Correlation Based Spectrum Sensing in Cognitive Radio systems》 (认知无线电中基于天线相关性的频谱感知方法 ) 把基于统计协方差矩阵的频谱感知方法从利用信号时域相关性推广到了利用信号空域相关性。但是该方法在天线相关性较低的感知性能较差。发明内容
     本发明所要解决的技术问题是提供一种通过对检验统计量进行自适应加权，不需要预先知道噪声功率就能够有效提高频谱感知性能的基于多天线系统协方差矩阵的频谱感知方法。
     本发明解决上述技术问题所采用的技术方案为：一种基于多天线系统协方差矩阵的频谱感知方法，包括以下步骤：
     ①在频谱感知之前，首先根据认知无线电系统的天线个数，通过预设信号采样次数和恒虚警概率，并利用计算机模拟的噪声设定判决门限 λ ；
     ②在频谱感知期间，用 M 个天线对监测信道的信号进行 K 次采样，采样得到的信号 T 表示为 x(k) ＝ [x1(k)， x2(k)，… xm(k)…， xM(k)] ，其中 xm(k) 表示第 m(m ＝ 1， 2，…， M) T 个天线上第 k(k ＝ 1， 2，…， K) 次采样的信号，上标 (·) 表示转置操作。然后对采样信号进行归一化，即
     式中表示采样信号归一化系数， |·| 表示求绝对值操作；式中上标 (· )H 表示③利用归一化的采样信号计算协方差矩阵共轭转置操作；
     ④利用协方差矩阵计算自适应加权系数；利用 Rx 的主对角线上下最临近的两条对角线元素计算加权系数如下式中 Rx(m， m+1) 表示 Rx的第 m 行、第 m+1 列元素， Rx(m+1， m) 表示 Rx 的第 m+1 行、第 m 列元素；
     ⑤利用协方差矩阵和自适应加权系数计算加权的检验统计量式中 Rx(m， l) 表示 Rx 的第 m 行、第 l 列元素；表示 Rx 的主对角线元素之和；表示 Rx 的所有非主对角线元素之和；⑥最后判断加权的检验统计量 Tx 是否大于判决门限 λ，如果是 Tx ＞ λ，则判决为监测信道繁忙，否则，判决为监测信道空闲。
     设定判决门限的具体步骤如下： ① -1 将认知无线电系统的天线个数记为 M，预设的信号采样次数记为 K，预设的恒虚警概率记为 Pf ； ① -2 用计算机模拟产生 M 个天线上 K 次采样的噪声向量 n(k) ＝ [n1(k)， n2(k)，… nm(k)…， nM(k)]T，其中 nm(k) 表示第 m(m ＝ 1， 2，…， M) 个天线上第 k(k ＝ 1， 2，…， K) 次采样的噪声； ① -3 对模拟产生的噪声向量进
     行归一化，即k ＝ 1， 2，…， K，式中表示噪声归一化系数； ① -5 利用 Rn 的① -4 利用归一化后的噪声向量求协方差矩阵 Rn 如下：主对角线上下最临近的两条对角线元素计算加权系数如下：
     式中 Rn(m， m+1) 表示 Rn 的第 m 行、第 m+1m) 表示 Rn 的第 m+1 行、第 m 列元素； ① -6 计算加权的检验统计量如下：列元素， Rn(m+1，式中 Rn(m， l) 表示 Rn 的第 m 行、第 l 列元素；对角线元素之和；表示 Rn 的所有非主表示 Rn 的主对角线元素之和； ① -7 利用蒙特卡洛方法对以上六个步骤进行 Q 次重复，重复次数 Q ≥ 106，产生总共 Q 个加权的检验统计量值； ① -8 定义判别式且 ε ≤ 10-4，将满足上述判别式的检验统计量值定义为判决门限 λ，式中 q为检验统计量值大于 λ 的加权的检验统计量值的个数。与现有技术相比，本发明的优点在于有效解决了在天线相关性较低的情况下频谱感知的性能低下问题，不需要噪声功率的先验知识，在天线相关性较高时，能够获得较好的感知性能；在天线相关性较低时仍然具有较高的感知性能。
     附图说明
     图 1 为本发明频谱感知结构框图；
     图 2 为在天线高相关条件下本发明方法与已有方法的比较；
     图 3 为在天线低相关条件下本发明方法与已有方法的比较。具体实施方式
     以下结合附图实施例对本发明作进一步详细描述。
     如图 1 所示，一种基于多天线系统协方差矩阵的频谱感知方法，包括以下步骤：
     首先在频谱感知之前，首先根据认知无线电系统的天线个数，通过预设信号采样次数和恒虚警概率，并利用计算机模拟的噪声设定判决门限 λ ；具体的步骤为： 1、将认知无线电系统的天线个数记为 M，预设的信号采样次数记为 K，预设的恒虚警概率记为 Pf ； 2、用计算机模拟产生 M 个天线上 K 次采样的噪声向量 n(k) ＝ [n1(k)， n2(k)， …nm(k)…， nM(k)] T ，其中 nm(k) 表示第 m(m ＝ 1， 2， …， M) 个天线上第 k(k ＝ 1， 2， …， K) 次采样的噪声； 3、对模拟产生的噪声向量进行归一化，即 k ＝ 1， 2， …， K，式中表示噪声归一化系数； 4、利用归一化后的噪声向量求协方差矩阵 Rn 如下：式中上标 (·)H 表示共轭转置操作； 5、利用 Rn 的主对角线上下最临近的两条对角线元素计算加权系数如下：6式中 Rn(m， m+1) 表示 Rn 的第 m 行、102324959 A CN 102324972说明书4/5 页第 m+1 列元素， Rn(m+1， m) 表示 Rn 的第 m+1 行、第 m 列元素； 6、计算加权的检验统计量如下：式中 Rn(m， l) 表示 Rn 的第 m 行、第 l 列元素；主对角线元素之和；表示 Rn 的所有非表示 Rn 的主对角线元素之和； 7、利用蒙特卡洛方法对以上六产生总共 Q 个加权的检验统计量值； 8、定义判别式个步骤进行 Q 次重复，重复次数 Q ≥ 106，且 ε ≤ 10-4，将满足上述判别式的检验统计量值定义为判决门限 λ，式中 q 为检验统计量值大于 λ 的加权的检验统计量值的个数。其后的频谱感知过程如下：
     ①用 M 个天线对监测信道的信号进行 K 次采样，采样得到的信号表示为 x(k) ＝ T [x1(k)， x2(k)，… xm(k)…， xM(k)] ，其中 xm(k) 表示第 m(m ＝ 1， 2，…， M) 个天线上第 k(k T ＝ 1， 2，…， K) 次采样的信号，上标 (·) 表示转置操作。然后对采样信号进行归一化，即
     式中表示采样信号归一化系数， |·| 表示求绝对值操作；式中上标 (· )H 表示②利用归一化的采样信号计算协方差矩阵共轭转置操作；
     ③利用协方差矩阵计算自适应加权系数；利用 Rx 的主对角线上下最临近的两条对角线元素计算加权系数如下式中 Rx(m， m+1) 表示 Rx的第 m 行、第 m+1 列元素， Rx(m+1， m) 表示 Rx 的第 m+1 行、第 m 列元素；
     ④利用协方差矩阵和自适应加权系数计算加权的检验统计量式l) 表示 Rx 的第 m 行、第 l 列元素；中 Rx(m，表示 Rx 的主对角线元素之和；表示 Rx 的所有非主对角线元素之和；⑤判断加权的检验统计量 Tx 是否大于判决门限 λ，如果是 Tx ＞ λ，则判决为监测信道繁忙，否则，判决为监测信道空闲。
     本发明的快速频谱感知方法的可行性和有效性可以通过以下仿真结果进一步说明。
     假设认知无线电系统配置 M ＝ 4 个天线，信号采样次数为 K ＝ 100，采样信号的信噪比为 -5dB，首先假设相邻天线的相关系数为 0.7，则采用本发明和 CAV(covariance absolute value，协方差绝对值 ) 方法 ( 即 Zeng 等人在 2009 年发表的《Spectrum-Sensing Algorithms for Cognitive Radio Based on Statistical Covariances》 ( 认知无线电中基于统计协方差的频谱感知方法 ) 和 Lee 等人在 2010 年发表的《Antenna Correlation Based Spectrum Sensing in Cognitive Radio systems》 ( 认知无线电中基于天线相关性
     的频谱感知方法 ) 中采用的方法 ) 的频谱感知性能如图 2 所示。图 2 表明在高天线相关性条件下，本发明方法的感知性能优于 CAV 方法。
     图 3 所示为当天线的相关系数降为 0.5 时的感知性能结果。仿真结果表明，当相关系数从 0.7 降到 0.5( 即相关系数较低 ) 时， CAV 方法的感知性能 ( 特别是虚警概率较小情况下 ) 急剧下降，而本发明方法仍然具有较佳的感知性能。

资源描述

《一种基于多天线系统协方差矩阵的频谱感知方法.pdf》由会员分享，可在线阅读，更多相关《一种基于多天线系统协方差矩阵的频谱感知方法.pdf（10页珍藏版）》请在专利查询网上搜索。

1、10申请公布号CN102324959A43申请公布日20120118CN102324959ACN102324959A21申请号201110155330422申请日20110610H04B7/06200601H04B7/0820060171申请人宁波大学地址315211浙江省宁波市江北区风华路818号72发明人金明李有明俞建定74专利代理机构宁波奥圣专利代理事务所普通合伙33226代理人程晓明54发明名称一种基于多天线系统协方差矩阵的频谱感知方法57摘要本发明公开了一种基于多天线系统协方差矩阵的频谱感知方法，在频谱感知之前，先根据认知无线电系统的天线个数，通过预设信号采样次数和恒虚警概率，并对计。

2、算机模拟的噪声信号进行归一化操作，设定判决门限；在频谱感知期间，多天线系统对监测信道上的信号进行采样，并对采样获得的信号进行归一化；然后利用归一化的采样信号计算协方差矩阵；利用协方差矩阵计算自适应加权系数；利用协方差矩阵和自适应加权系数计算加权的检验统计量；判断加权的检验统计量是否大于判决门限，如果是，则判决为监测信道繁忙，否则，判决为监测信道空闲；本发明的优点在于不但可以在天线相关性较高时获得较好的感知性能，在天线相关性较低时仍然具有较佳的感知性能。51INTCL19中华人民共和国国家知识产权局12发明专利申请权利要求书2页说明书5页附图2页CN102324972A1/2页21一种基于多天线。

3、系统协方差矩阵的频谱感知方法，其特征在于包括以下步骤在频谱感知之前，首先根据认知无线电系统的天线个数，通过预设信号采样次数和恒虚警概率，并利用计算机模拟的噪声设定判决门限；在频谱感知期间，用M个天线对监测信道的信号进行K次采样，采样得到的信号表示为XKX1K，X2K，XMK，XMKT，其中XMK表示第MM1，2，M个天线上第KK1，2，K次采样的信号，上标T表示转置操作。然后对采样信号进行归一化，即式中表示采样信号归一化系数，|表示求绝对值操作；利用归一化的采样信号计算协方差矩阵式中上标H表示共轭转置操作；利用协方差矩阵计算自适应加权系数；利用RX的主对角线上下最临近的两条对角线元素计算加权系。

4、数如下式中RXM，M1表示RX的第M行、第M1列元素，RXM1，M表示RX的第M1行、第M列元素；利用协方差矩阵和自适应加权系数计算加权的检验统计量式中RXM，L表示RX的第M行、第L列元素；表示RX的所有非主对角线元素之和；表示RX的主对角线元素之和；判断加权的检验统计量TX是否大于判决门限，如果是TX，则判决为监测信道繁忙，否则，判决为监测信道空闲。2一种基于多天线系统协方差矩阵的频谱感知方法，其特征在于设定判决门限的具体步骤如下1将认知无线电系统的天线个数记为M，预设的信号采样次数记为K，预设的恒虚警概率记为PF；2用计算机模拟产生M个天线上K次采样的噪声向量NKN1K，N2K，NMK，。

5、NMKT，其中NMK表示第MM1，2，M个天线上第KK1，2，K次采样的噪声；3对模拟产生的噪声向量进行归一化，即K1，2，K，式中表示噪声归一化系数；4利用归一化后的噪声向量求协方差矩阵RN如下式中上标H表示共轭转置操作；5利用RN的主对角线上下最临近的两条对角线元素计算加权系数如下式中RNM，M1表示RN的第M行、第M1列元素，RNM1，M表示RN的第M1行、第M列元素；6计算加权的检验统计量如下权利要求书CN102324959ACN102324972A2/2页3式中RNM，L表示RN的第M行、第L列元素；表示RN的所有非主对角线元素之和；表示RN的主对角线元素之和；7利用蒙特卡洛方法对以。

6、上六个步骤进行Q次重复，重复次数Q106，产生总共Q个加权的检验统计量值；8定义判别式且104，将满足上述判别式的检验统计量值定义为判决门限，式中Q为检验统计量值大于的加权的检验统计量值的个数。权利要求书CN102324959ACN102324972A1/5页4一种基于多天线系统协方差矩阵的频谱感知方法技术领域0001本发明涉及一种认知无线电频谱感知问题，尤其是涉及一种基于多天线系统协方差矩阵的频谱感知方法。背景技术0002随着信息时代的到来，无线通信在社会经济发展中发挥着越来越重要的战略作用，并渗透到社会各领域。无线通信发展显现出高速化、宽带化、异构化和泛在化的趋势。与此同时，无线通信也面临。

7、着严峻的挑战，随着无线通信业务需求的快速增长，频谱资源变得越来越稀缺。这主要体现在两个方面首先，无线局域网WLAN、无线个人局域网WPAN等业务接入的非授权频段已经趋于饱和；其次，随着越来越多的授权频段频谱被分配利用，可以提供给新业务使用的空闲频段出现短缺。然而，美国联邦通信委员会FEDERALCOMMUNICATIONSCOMMISSION，FCC频谱政策任务组的调查表明，由频率管理部门分配的授权频段在不同的时间段、不同的地理区域里的使用率在15到85之间，这些频段大部分时间里未被占用，还有一些只是被部分占用，频谱的利用情况极不平衡。可见当前的频谱短缺现状并不是由于频率资源物理上的不足，而主。

8、要是由于现有的固定频谱分配管理机制导致频谱利用率低造成的。认知无线电COGNITIVERADIO，CR技术的提出，为提高授权频段频谱利用率提供了一种新的解决思路。0003不管是非授权频段的不同用户之间共存，还是授权频段的认知无线电用户和授权用户的共存，为了保证不同用户之间互不干扰，某个用户在接入某段频段之前，必须先判断该频段是否正在被其它用户使用。也就是说在使用某段频段之前，需要对该频段进行频谱感知。当频谱感知结果是该段频谱没有被其它用户使用时，则该用户可以利用该频段进行通信，否则不能利用此频段以免干扰正在使用此频段的用户。如果不进行频谱感知直接利用该段频谱，则会造成对正在使用该频谱的其它用户。

9、的干扰，进而造成频谱利用率的下降即该段频谱由于存在干扰而无法利用。因此，频谱感知是提高频谱效率的关键技术之一。0004频谱感知方法分为协作频谱感知方法和单点频谱感知方法两大类。其中，协作频谱感知方法是利用多个用户之间的协作进行频谱感知。单点频谱感知方法只利用一个认知用户对频谱进行感知。0005现有的单点频谱感知方法主要有匹配滤波器检测、能量检测，循环特征检测和基于协方差的检测等方法。其中匹配滤波器检测法具有较好的检测性能，但它需要被检测信号的全部先验知识，而被检测信号的先验知识在大部分情况下是无法知道的。能量检测方法被广泛研究，其具有实现简单、复杂度低且不需要信号先验知识等优点，但是其存在一个。

10、较为严重的缺点，就是该方法对噪声不确定性非常敏感。针对能量检测方法对噪声不确定性敏感的问题，ZENG等人在2009年发表的SPECTRUMSENSINGALGORITHMSFORCOGNITIVERADIOBASEDONSTATISTICALCOVARIANCES认知无线电中基于统计协方差的频谱感知方法中提出了一种基于统计协方差矩阵的频谱感知方法，该方法利用了信号的时域相关说明书CN102324959ACN102324972A2/5页5性而噪声时域不相关的特点，并且该方法对噪声不确定性不敏感。LEE等人在2010年发表的ANTENNACORRELATIONBASEDSPECTRUMSENSIN。

11、GINCOGNITIVERADIOSYSTEMS认知无线电中基于天线相关性的频谱感知方法把基于统计协方差矩阵的频谱感知方法从利用信号时域相关性推广到了利用信号空域相关性。但是该方法在天线相关性较低的感知性能较差。发明内容0006本发明所要解决的技术问题是提供一种通过对检验统计量进行自适应加权，不需要预先知道噪声功率就能够有效提高频谱感知性能的基于多天线系统协方差矩阵的频谱感知方法。0007本发明解决上述技术问题所采用的技术方案为一种基于多天线系统协方差矩阵的频谱感知方法，包括以下步骤0008在频谱感知之前，首先根据认知无线电系统的天线个数，通过预设信号采样次数和恒虚警概率，并利用计算机模拟的噪。

12、声设定判决门限；0009在频谱感知期间，用M个天线对监测信道的信号进行K次采样，采样得到的信号表示为XKX1K，X2K，XMK，XMKT，其中XMK表示第MM1，2，M个天线上第KK1，2，K次采样的信号，上标T表示转置操作。然后对采样信号进行归一化，即00100011式中表示采样信号归一化系数，|表示求绝对值操作；0012利用归一化的采样信号计算协方差矩阵式中上标H表示共轭转置操作；0013利用协方差矩阵计算自适应加权系数；利用RX的主对角线上下最临近的两条对角线元素计算加权系数如下式中RXM，M1表示RX的第M行、第M1列元素，RXM1，M表示RX的第M1行、第M列元素；0014利用协方差。

13、矩阵和自适应加权系数计算加权的检验统计量式中RXM，L表示RX的第M行、第L列元素；表示RX的所有非主对角线元素之和；表示RX的主对角线元素之和；0015最后判断加权的检验统计量TX是否大于判决门限，如果是TX，则判决为监测信道繁忙，否则，判决为监测信道空闲。0016设定判决门限的具体步骤如下1将认知无线电系统的天线个数记为M，预设的信号采样次数记为K，预设的恒虚警概率记为PF；2用计算机模拟产生M个天线上K次采样的噪声向量NKN1K，N2K，NMK，NMKT，其中NMK表示第MM1，2，M个天线上第KK1，2，K次采样的噪声；3对模拟产生的噪声向量进说明书CN102324959ACN1023。

14、24972A3/5页6行归一化，即K1，2，K，式中表示噪声归一化系数；4利用归一化后的噪声向量求协方差矩阵RN如下5利用RN的主对角线上下最临近的两条对角线元素计算加权系数如下0017式中RNM，M1表示RN的第M行、第M1列元素，RNM1，M表示RN的第M1行、第M列元素；6计算加权的检验统计量如下式中RNM，L表示RN的第M行、第L列元素；表示RN的所有非主对角线元素之和；表示RN的主对角线元素之和；7利用蒙特卡洛方法对以上六个步骤进行Q次重复，重复次数Q106，产生总共Q个加权的检验统计量值；8定义判别式且104，将满足上述判别式的检验统计量值定义为判决门限，式中Q为检验统计量值大于的。

15、加权的检验统计量值的个数。0018与现有技术相比，本发明的优点在于有效解决了在天线相关性较低的情况下频谱感知的性能低下问题，不需要噪声功率的先验知识，在天线相关性较高时，能够获得较好的感知性能；在天线相关性较低时仍然具有较高的感知性能。附图说明0019图1为本发明频谱感知结构框图；0020图2为在天线高相关条件下本发明方法与已有方法的比较；0021图3为在天线低相关条件下本发明方法与已有方法的比较。具体实施方式0022以下结合附图实施例对本发明作进一步详细描述。0023如图1所示，一种基于多天线系统协方差矩阵的频谱感知方法，包括以下步骤0024首先在频谱感知之前，首先根据认知无线电系统的天线个。

16、数，通过预设信号采样次数和恒虚警概率，并利用计算机模拟的噪声设定判决门限；具体的步骤为1、将认知无线电系统的天线个数记为M，预设的信号采样次数记为K，预设的恒虚警概率记为PF；2、用计算机模拟产生M个天线上K次采样的噪声向量NKN1K，N2K，NMK，NMKT，其中NMK表示第MM1，2，M个天线上第KK1，2，K次采样的噪声；3、对模拟产生的噪声向量进行归一化，即K1，2，K，式中表示噪声归一化系数；4、利用归一化后的噪声向量求协方差矩阵RN如下式中上标H表示共轭转置操作；5、利用RN的主对角线上下最临近的两条对角线元素计算加权系数如下式中RNM，M1表示RN的第M行、说明书CN102324。

17、959ACN102324972A4/5页7第M1列元素，RNM1，M表示RN的第M1行、第M列元素；6、计算加权的检验统计量如下式中RNM，L表示RN的第M行、第L列元素；表示RN的所有非主对角线元素之和；表示RN的主对角线元素之和；7、利用蒙特卡洛方法对以上六个步骤进行Q次重复，重复次数Q106，产生总共Q个加权的检验统计量值；8、定义判别式且104，将满足上述判别式的检验统计量值定义为判决门限，式中Q为检验统计量值大于的加权的检验统计量值的个数。0025其后的频谱感知过程如下0026用M个天线对监测信道的信号进行K次采样，采样得到的信号表示为XKX1K，X2K，XMK，XMKT，其中XMK。

18、表示第MM1，2，M个天线上第KK1，2，K次采样的信号，上标T表示转置操作。然后对采样信号进行归一化，即00270028式中表示采样信号归一化系数，|表示求绝对值操作；0029利用归一化的采样信号计算协方差矩阵式中上标H表示共轭转置操作；0030利用协方差矩阵计算自适应加权系数；利用RX的主对角线上下最临近的两条对角线元素计算加权系数如下式中RXM，M1表示RX的第M行、第M1列元素，RXM1，M表示RX的第M1行、第M列元素；0031利用协方差矩阵和自适应加权系数计算加权的检验统计量式中RXM，L表示RX的第M行、第L列元素；表示RX的所有非主对角线元素之和；表示RX的主对角线元素之和；0。

19、032判断加权的检验统计量TX是否大于判决门限，如果是TX，则判决为监测信道繁忙，否则，判决为监测信道空闲。0033本发明的快速频谱感知方法的可行性和有效性可以通过以下仿真结果进一步说明。0034假设认知无线电系统配置M4个天线，信号采样次数为K100，采样信号的信噪比为5DB，首先假设相邻天线的相关系数为07，则采用本发明和CAVCOVARIANCEABSOLUTEVALUE，协方差绝对值方法即ZENG等人在2009年发表的SPECTRUMSENSINGALGORITHMSFORCOGNITIVERADIOBASEDONSTATISTICALCOVARIANCES认知无线电中基于统计协方差的。

20、频谱感知方法和LEE等人在2010年发表的ANTENNACORRELATIONBASEDSPECTRUMSENSINGINCOGNITIVERADIOSYSTEMS认知无线电中基于天线相关性说明书CN102324959ACN102324972A5/5页8的频谱感知方法中采用的方法的频谱感知性能如图2所示。图2表明在高天线相关性条件下，本发明方法的感知性能优于CAV方法。0035图3所示为当天线的相关系数降为05时的感知性能结果。仿真结果表明，当相关系数从07降到05即相关系数较低时，CAV方法的感知性能特别是虚警概率较小情况下急剧下降，而本发明方法仍然具有较佳的感知性能。说明书CN102324959ACN102324972A1/2页9图1图2说明书附图CN102324959ACN102324972A2/2页10图3说明书附图CN102324959A。

展开阅读全文