1.认知网络中加权的基于信号相关特性的频谱检测方法,其特征是:它包括以下步骤:
步骤一、采用认知用户多天线接收端对接收到的信号进行采样,设采样点数为K,采样频率为fs,并根据公式:
计算样本协方差矩阵
设每个认知用户有M个感知天线;主用户信号经历瑞利信道到达每个认知用户接收端;则在第k个时刻接收信号采样向量,即:x(k)=[x1(k),x2(k),…,xM(k)]T,为:
其中:K表示采样点数;向量w(k)=[w1(k),w2(k),…,wM(k)]T表示M个天线接收到的独立同分布的复高斯白噪声信号,其均值为0,方差为且设等于噪声功率;s(k)=[s1(k),s2(k),…,sM(k)]T表示认知用户接收到的主用户信号;H1和H0表示主用户信号出现和不出现的场景;在第m个天线接收到的信号为:
其中:1≤m≤M;Sp代表发射功率,r为主用户和认知用户之间的距离,hψ(r)表示路径损耗,hm(k)是多径衰落系数,θs(k)为发送的主用户信号;
采用σs代替
步骤二、根据公式:
利用样本协方差矩阵计算频谱检测方法的检测统计量Tw;
其中:代表矩阵的第(m,n)个元素;fb为符号速率;Ns=fs/fb表示每个符号对应的采样点数;Tw,mm,ξ和Tw,mn分别代表对应于接收信号自相关和互相关函数统计特性的检测量项;Tw,mm,ξ和Tw,mn的加权系数为:和
步骤三、根据公式:
计算判决门限λ;
其中:Q-1(·)表示Q(·)的反函数,Pf,WDSC为预设的WDSC算法希望达到的虚警概率值;
步骤四、通过比较步骤二获得的检测统计量Tw和步骤三获得的判决门限λ的大小,认知网络判定主用户信号是否出现。
2.根据权利要求1所述的认知网络中加权的基于信号相关特性的频谱检测方法,其特征在于步骤二中所述的频谱检测方法采用SWDSC算法实现,该SWDSC算法的具体为:
步骤A1、利用采样点,计算样本协方差矩阵
步骤A2、根据公式:
利用样本协方差矩阵计算检测统计量Tw,s;
步骤A3、根据公式:
计算判决门限λs;
其中:Pf,SWDSC表示预设的SWDSC算法希望达到的虚警概率值;
步骤A4、通过比较步骤A2获得的检测统计量Tw,s和步骤A3获得的判决门限λs的大小,认知网络能够判定主用户信号是否存在,具体为:若检测统计量Tw,s大于判决门限λs,则认为主用户信号存在,否则认为主用户信号不存在。
3.根据权利要求1所述的认知网络中加权的基于信号相关特性的频谱检测方法,其特征在于步骤四中,通过比较步骤二获得的检测统计量Tw和步骤三获得的判决门限λ的大小,认知网络判定主用户信号是否出现的方法为:
具体为,若检测统计量Tw大于判决门限λ,则认为主用户信号存在,否则认为主用户信号不存在。
4.根据权利要求1所述的认知网络中加权的基于信号相关特性的频谱检测方法,其特征在于步骤二中,在计算对应于接收信号自相关函数统计特性的检测量项Tw,mm,ξ时,利用带有ξ个时延的自相关函数实现。