针对时间异步且不存在频偏情况下的OFDM信号频谱感知方法与流程

本发明涉及一种认知无线电系统中的频谱感知方法，尤其是涉及一种基于噪声功率估计的针对时间异步且不存在频偏情况下的ofdm信号频谱感知方法。

背景技术：

随着通信技术的迅猛发展以及人们对通信数据速率和质量的要求日益提高，导致了带宽需求的大幅提升。然而，当前存在的固定频谱分配机制使得频谱利用率非常低。2009年，中国移动研究院无线技术研究所对我国授权频谱的利用情况进行了实测，实测结果表明大部分频谱的利用率不足5％，有的甚至接近0％。为了提高频谱资源利用率，人们提出了动态频谱接入(dynamicspectrumaccess，dsa)和频谱共享等技术来缓解频谱资源稀缺的问题。该类技术使无线设备能够与所处的通信环境进行交互并根据交互结果改变自身传输参数，从而实现以动态、自适应的方式灵活利用潜在的空闲频谱，其关键还在于用户能否稳健地检测出频谱空闲。为了防止对授权用户通信产生干扰，认知无线电系统必须能够有效可靠地识别出空闲信道，因此频谱感知是认知无线电中的关键技术之一。

正交频分复用(orthogonalfrequencydivisionmultiplexing，ofdm)技术具有频谱利用率高的特点，并且是被当前和将来无线通信标准广泛采用的技术之一，因此对ofdm信号的频谱感知(即判断信道中是否存在ofdm信号)研究具有非常重要的意义。现有的针对ofdm信号的频谱感知方法可以分为频域检测和时域检测两类。其中，频域检测需要计算采样信号的频谱，因此具有较大的计算量；时域检测主要利用ofdm信号中循环前缀的自相关特性实现频谱感知，计算量较低。zeng等人于2009年在《spectrumsensingalgorithmsforcognitiveradiobasedonstatisticalcovariance(认知无线电中基于统计协方差的频谱感知方法)》中提出的基于协方差矩阵频谱感知方法，其能够利用ofdm信号中的相关性实现频谱感知，具有计算量低的特点，但是该方法没有考虑时间异步且不存在频偏的具体情况，所以无法有效利用ofdm信号的循环前缀自相关特性。

技术实现要素：

本发明所要解决的技术问题是提供一种基于噪声功率估计的针对时间异步且不存在频偏情况下的ofdm信号频谱感知方法，其能够有效地提高ofdm信号的频谱感知性能，且计算复杂度低。

本发明解决上述技术问题所采用的技术方案为：一种针对时间异步且不存在频偏情况下的ofdm信号频谱感知方法，其特征在于它的处理过程为：首先，对来自监测信道的接收信号进行采样，得到采样信号；然后，根据采样信号中的所有采样点的采样值，并在时间异步且不存在频偏情况下，利用接收信号中的ofdm信号的循环前缀的自相关性，估计得到噪声功率；再根据采样信号中的采样点的采样值，计算采样信号的协方差矩阵；接着，根据噪声功率和采样信号的协方差矩阵，计算检验统计量；最后，通过比较检验统计量与获取的判决门限的大小，判定在监测信道内有无授权用户信号，以实现频谱感知。

该ofdm信号频谱感知方法具体包括以下步骤：

步骤一：利用认知无线电系统中的采样模块对来自监测信道的接收信号进行m次采样，得到由m个采样点的采样值构成的采样信号，其中，m＝k×n，k表示接收信号中的ofdm信号中包含的ofdm符号的总个数，k≥1，n表示接收信号中的ofdm信号中的任意一个ofdm符号内的子载波的总个数，n＝nc+nd，nc表示接收信号中的ofdm信号的循环前缀的长度，nd表示接收信号中的ofdm信号中的任意一个ofdm符号内的有效数据的子载波的总个数，nd≥nc>1，且设nc和nd都为偶数；

步骤二：根据采样信号中的所有采样点的采样值，并在时间异步且不存在频偏情况下，利用接收信号中的ofdm信号的循环前缀的自相关性，估计得到噪声功率，记为其中，ρη表示接收信号的相关系数的估计值，表示接收信号的功率的估计值；

步骤三：根据采样信号中的采样点的采样值，计算采样信号的协方差矩阵，记为rx，rx为一个l×l维的矩阵，将rx中第i行第j列的元素记为rx(i,j)，其中，l∈[2,m-1]，1≤i≤l，1≤j≤l，x(p)表示采样信号中的第p个采样点的采样值，x^*(p-j+i)为x(p-j+i)的共扼，x(p-j+i)表示采样信号中的第p-j+i个采样点的采样值；

步骤四：根据和rx，计算检验统计量，记为t，

步骤五：获取判决门限，记为λ；然后比较检验统计量t与判决门限λ的大小，如果t>λ，则判定在监测信道内有授权用户信号；如果t≤λ，则判定在监测信道内无授权用户信号，监测信道处于空闲状态，从而实现频谱感知。

所述的步骤二中，其中，1≤n≤m-nd，x(n)表示采样信号中的第n个采样点的采样值，x*(n+nd)为x(n+nd)的共轭，x(n+nd)表示采样信号中的第n+nd个采样点的采样值。

所述的步骤二中，其中，1≤m≤m，x(m)表示采样信号中的第m个采样点的采样值，符号“||”为取绝对值符号。

与现有技术相比，本发明的优点在于：

1)与传统的噪声功率估计器仅在噪声样本中有效相比，本发明方法估计噪声功率的过程充分利用了ofdm信号的循环前缀的自相关性，从而能够准确地估计出当前感知时隙内的噪声功率，有效地提高了ofdm信号的频谱感知性能。

2)本发明方法不需要计算协方差矩阵的特征值和采样信号的频谱，因此其具有计算复杂度低，操作简单的特点。

附图说明

图1为本发明方法的流程框图；

图2为当n＝64、且在接收信噪比为-12分贝时，分别利用本发明方法与zeng等人提出的协方差法得到的roc曲线的比较示意图；

图3为当n＝64、且在接收信噪比为-10分贝时，分别利用本发明方法与zeng等人提出的协方差法得到的roc曲线的比较示意图。

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。

本发明提出的一种针对时间异步且不存在频偏情况下的ofdm信号频谱感知方法，其流程框图如图1所示，其处理过程为：首先，对来自监测信道的接收信号进行采样，得到采样信号；然后，根据采样信号中的所有采样点的采样值，并在时间异步且不存在频偏情况下，利用接收信号中的ofdm信号的循环前缀的自相关性，估计得到噪声功率；再根据采样信号中的采样点的采样值，计算采样信号的协方差矩阵；接着，根据噪声功率和采样信号的协方差矩阵，计算检验统计量；最后，通过比较检验统计量与获取的判决门限的大小，判定在监测信道内有无授权用户信号(即ofdm信号)，以实现频谱感知。

本发明的针对时间异步且不存在频偏情况下的ofdm信号频谱感知方法，其具体包括以下步骤：

步骤一：利用认知无线电系统中的采样模块对来自监测信道的接收信号进行m次采样，得到由m个采样点的采样值构成的采样信号，其中，m＝k×n，k表示接收信号中的ofdm信号中包含的ofdm符号的总个数，k≥1，n表示接收信号中的ofdm信号中的任意一个ofdm符号内的子载波的总个数，n＝nc+nd，nc表示接收信号中的ofdm信号的循环前缀的长度，nd表示接收信号中的ofdm信号中的任意一个ofdm符号内的有效数据的子载波的总个数，nd≥nc>1，且设nc和nd都为偶数。

步骤二：根据采样信号中的所有采样点的采样值，并在时间异步且不存在频偏情况下，利用接收信号中的ofdm信号的循环前缀的自相关性，估计得到噪声功率，记为其中，ρη表示接收信号的相关系数的估计值，表示接收信号的功率的估计值。

在此具体实施例中，步骤二中，其中，1≤n≤m-nd，x(n)表示采样信号中的第n个采样点的采样值，x*(n+nd)为x(n+nd)的共轭，x(n+nd)表示采样信号中的第n+nd个采样点的采样值。

在此具体实施例中，步骤二中，其中，1≤m≤m，x(m)表示采样信号中的第m个采样点的采样值，符号“||”为取绝对值符号。

步骤三：根据采样信号中的采样点的采样值，计算采样信号的协方差矩阵，记为rx，rx为一个l×l维的矩阵，将rx中第i行第j列的元素记为rx(i,j)，其中，l∈[2,m-1]，如取1≤i≤l，1≤j≤l，x(p)表示采样信号中的第p个采样点的采样值，x^*(p-j+i)为x(p-j+i)的共扼，x(p-j+i)表示采样信号中的第p-j+i个采样点的采样值。

步骤四：根据和rx，计算检验统计量，记为t，

步骤五：利用现有技术获取判决门限，记为λ；然后比较检验统计量t与判决门限λ的大小，如果t>λ，则判定在监测信道内有授权用户信号；如果t≤λ，则判定在监测信道内无授权用户信号，监测信道处于空闲状态，从而实现频谱感知。

通过以下仿真以进一步说明本发明方法的可行性和有效性。

假设来自监测信道的接收信号中的ofdm信号时间异步且不存在频偏，接收信号中的ofdm信号中的任意一个ofdm符号的有效数据内的子载波的总个数nd＝48，接收信号中的ofdm信号的循环前缀的长度nc＝16，接收信号中的ofdm信号中的任意一个ofdm符号内的子载波的总个数n＝nc+nd＝16+48＝64，取k＝14，则采样信号由m＝k×n＝14×64＝896个采样点的采样值构成。设取l＝5。

图2给出了当n＝64、且在接收信噪比为-12分贝时，分别利用本发明方法与zeng等人提出的协方差法得到的roc曲线。从图2中可以看出，利用本发明方法得到的roc曲线远高于利用zeng等人提出的协方差法得到的roc曲线，充分表明了本发明方法的频谱感知性能优于zeng等人提出的协方差法。

图3给出了当n＝64、且在接收信噪比为-10分贝时，分别利用本发明方法与zeng等人提出的协方差法得到的roc曲线。从图3中可以看出，利用本发明方法得到的roc曲线远高于利用zeng等人提出的协方差法得到的roc曲线，充分表明了本发明方法的频谱感知性能优于zeng等人提出的协方差法。

另外，图2和图3所示的roc曲线称为感受性曲线，横坐标为虚警概率，纵坐标为检测概率；曲线下方的面积越大，则表示该曲线所对应的频谱感知方法的检测性能越好。