本发明涉及无线通信网络频谱感知技术领域，尤其涉及一种全双工频谱检测系统及方法。
背景技术：
随着无线通信业务的急剧增长，无线通信网络频谱资源稀缺和频谱利用率不高的问题日益突出，因此怎样利用有限的频谱资源实现高效的频谱使用是未来无线通信的一项关键技术。频谱认知/感知/检测技术是解决无线通信网络中频谱效率和频谱拥挤的关键理论，它使无线网络成为一个智能系统，能够感知它自身的电磁环境，使其可以智能化地检测通信信道的占用情况，动态接入信道，最优化频谱使用，最小化干扰影响。在传统的频谱感知方法中，主用户(primaryuser，pu)和次用户(secondaryuser，su)不能同时占用信道，次用户必须持续监测主用户的活动情况，只有当主用户空闲时，次用户才可接入主用户信道进行数据传输，以防对主用户造成不利的干扰。在此机制影响下，次用户不能进行同时感知和发送数据信息，是一种半双工处理模式，称为半双工认知(half-duplexcognitiveradio)。
针对无线网络的频谱认知技术，已经提出了多种执行半双工频谱感知的基本理论方法。依据频谱感知处理中是否需要主用户先验信息，可将基本算法分为非盲方法(如循环平稳检测和匹配滤波检测)和盲方法(如能量检测和自相关检测)。匹配滤波检测(matchfilteringdetection)是将已知部分授权用户信号与接收信号做相关处理，最大化接收信噪比。在加性高斯白噪声条件下，匹配滤波检测是最优的，但受限于授权用户信号的先验信息。相比之下，能量检测(energydetection)是最简单的频谱感知方法，通过比较接收信号能量和预先定义的阈值来确定主用户的活动状态，但是易受到噪声不确定性的影响。自相关检测(autocorrelationdetection)利用白噪声和通信信号的统计特性来判决状态，但是算法性能受限于过采样等。循环平稳检测(cyclostationarydetection)利用通信信号具有循环平稳特性来判决，但是需要事先知道或估计主用户信号循环频率。
近年来，随着自干扰消除(self-interferencecancellation)技术的不断发展，全双工认知(full-duplexcognitiveradio)得到了人们的大量关注。全双工认知指的是次用户同时进行感知和传输数据。全双工认知技术的关键在于自干扰消除，图1所示为一个典型的基于自干扰消除的全双工认知模型，需要首先对接收的信号进行信道估计，根据估计的信道参数，再联合su信号发送数据信息重构自干扰，然后从接收信号中减去自干扰，最后对主用户出现或缺席于信道中的活动状态进行判决，实现频谱感知。
从认知的角度来看，全双工意味着次用户传输和感知信号是同时进行的。相比之下，基于半双工的传统频谱感知算法，将次用户活动划分为两个连续的时隙，即感知时隙和传输时隙，二者不能同时进行。在感知时隙期间，次用户必须停止传输，即静态感知问题或静止时间问题，目的是不影响判决的可靠性，但会降低次用户吞吐量。在全双工认知中，自干扰消除性能尤为重要，任何来自次用户的残余自干扰将影响感知判决，然而受信道估计精度和硬件不匹配的影响，残余自干扰是不可避免的因素，因此感知性能受到影响，感知判决将变得不可靠。
技术实现要素：
本发明的目的之一至少在于，针对如何克服上述现有技术存在的问题，提供一种全双工频谱检测系统及方法，通过可以免除信道估计和同步处理，放宽对先验信息的需求，能够克服静态感知和残余自干扰问题造成的不利影响，有效提高频谱感知性能。
为了实现上述目的，本发明采用的技术方案包括以下各方面。
一种全双工频谱检测系统，其包括：次用户发射机、次用户接收机、主用户发射机、以及信号处理设备；
其中，所述主用户发射机具有至少一个用于发送主用户信号的发射天线；次用户发射机具有位于同一位置的至少一个发射天线和至少一个接收天线，其中发射天线用于发送次用户信号，接收天线用于接收第一混合信号；次用户接收机具有至少一个接收天线以接收主用户信号并监测主用户的活动情况；信号处理设备与发射机和接收机连接，用于根据次用户信号对第一混合信号进行频谱识别处理以分离出主用户信号。
一种全双工频谱检测方法，其包括：
在与发送次信号相同的位置处接收第一混合信号；
基于次用户信号和第一混合信号获取第二混合信号；基于主用户信号和次用户信号的统计独立性，计算第一、第二混合信号的分离矩阵以及分离信号；
根据已知的次用户信号，与分离信号进行相关分析，识别出次用户信号；根据通信调制信号的非高斯属性特性，进行模值判决以实现主信号识别。
优选的，所述方法进一步包括：将第一混合信号x(n)的数学模型描述为：x(n)＝hs(n)+gz(n)+w(n)；其中，s(n)表示主用户信号，z(n)表示次用户信号，w(n)表示加性高斯白噪声，h和g表示信道参数因子；
将次用户信号z(n)作为已知的特征信号或指导信号的进行加权，将其注入到第一混合信号x(n)，从而得到第二个混合信号xp(n)：xp(n)＝k1x(n)+k2z(n)，其中，k1,k2是任意选定的常量；
带入第一混合信号x(n)的数学模型，且不考虑噪声，以将第一、第二混合信号分别表示为：
优选的，所述方法进一步包括：将第一、第二混合信号通过矩阵形式表示为矩阵x＝as；其中，
优选的，所述白化处理包括：对第一、第二混合信号进行零均值处理，表示为：
进行协方差计算：
使协方差矩阵
优选的，所述方法进一步包括：通过四阶累积量来建立联合对角化模型以求正交矩阵；将白化后的信号表示为矩阵z＝[z1,z2,...,zp]t，z的四阶累积量矩阵表示为f(m)，且
优选的，所述方法进一步包括：使z＝was＝vts；设定vp，p＝1,...,p表示v的列向量，m矩阵选取为
优选的，所述方法进一步包括：采用联合对角化算法，得到最小化联合对角化代价函数的分离矩阵v，进而实现混合信号的分离以获得分离信号y。
优选的，所述方法进一步包括：根据式
优选的，所述方法进一步包括：建立四阶累计量的模值判决标准，使|cum(y,y,y,y)|＝|κ4(y)|，当分离信号的四阶累计量的模值|κ4(y)|≈0时，主用户未出现；当分离信号的四阶累计量的模值|κ4(y)|＞0时，确定主用户出现。
综上所述，由于采用了上述技术方案，本发明至少具有以下有益效果：
通过使次用户发射机发送信号和感知位置相同，避免传输误差，同时次用户信号对于感知处理是已知信号，可以利用这个先验信息辅助实现全双工认知模式；利用已知的次用户信号作为特征信号，加权后注入感知天线的观测合成第二个观测，相当于实现分集接收；通过利用信号间的统计独立性，采用信号的高阶统计量建立联合对角化的代价函数，求出分离矩阵；在建立联合对角化代价函数之前先进行白化处理，降低了噪声和处理的复杂度；根据已知的次用户信号，与分离信号做相关分析，识别出次用户信号，并设计四阶累计量的模值判决标准准确识别主用户是否出现，有效提了高频谱感知性能。
附图说明
图1是现有技术中一个典型的基于自干扰消除的全双工认知模型。
图2是根据本发明示例性实施例的全双工频谱检测系统的结构示意图。
图3是根据本发明示例性实施例的全双工频谱检测方法的流程图。
具体实施方式
下面结合附图及实施例，对本发明进行进一步详细说明，以使本发明的目的、技术方案及优点更加清楚明白。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
图2示出了根据本发明示例性实施例的全双工频谱检测系统。该实施例的系统包括：次用户发射机210、次用户接收机220、主用户发射机230、以及信号处理设备(图中未示出)。
其中，主用户发射机230具有至少一个用于发送主用户信号的发射天线231；次用户发射机210具有位于同一位置的至少一个发射天线211和至少一个接收天线212，其中发射天线211用于发送次用户信号，接收天线212用于接收第一混合信号；次用户接收机220具有至少一个接收天线221以接收主用户信号并监测主用户的活动情况；信号处理设备(可以单独设置并与发射机和接收机连接，也可以集成在发射机或接收机内部)用于根据次用户信号对第一混合信号进行频谱识别(或称为频谱检测、频谱感知)处理以分离出主用户信号。
该实施例通过使次用户发射机发送信号和感知位置相同，能够避免传输误差，同时次用户信号对于识别处理而言是已知信号，可以利用这个先验信息辅助实现全双工认知模式。下文结合具体实施例对频谱识别处理进行详细说明。
在全双工模式中，收发信号是同时进行的，此时，次用户发射机的接收天线212会收到自身发送的次用户信号并造成自干扰影响。因此，可以通过信号处理设备对接收的主用户信号和次用户发送信号进行混合观测，第一混合信号x(n)的数学模型可以描述为：
x(n)＝hs(n)+gz(n)+w(n)；其中，s(n)表示主用户信号，z(n)表示次用户信号，w(n)表示加性高斯白噪声，h和g表示信道参数因子。
通过精确的自干扰消除，可以从接收的混合信号x(n)中感知/检测主用户信号s(n)的活动情况。例如，在全双工频谱感知模型中，检测问题可以描述为：
为了避免信道估计误差和硬件不匹配问题造成的残余自干扰影响，本发明实施例设计了基于指导型独立分量分析和非高斯准则的全双工频谱检测方法，其包括以下步骤：
步骤301：在与发送次信号相同的位置处接收第一混合信号
例如可以通过在次用户发射机中设置与发射天线位于同一位置的收天线来接收第一混合信号，由于将频谱感知和次用户信号发送均设置在相同的次用户发射机执行，从而使次用户信号z(n)对于频谱识别处理来说是已知的，但是信道参数g是未知的。因此可以利用已知信息z(n)作为特征信号来辅助构建盲源分离模型，利用主用户信号与次用户信号的相互独立性条件，采用独立分量分析来分离混合信号，免除信道估计的麻烦，并避免估计精度和接收机硬件不匹配带来的不利影响。
步骤302：基于次用户信号和第一混合信号获取第二混合信号
由于单个的接收观测难以实现盲信号分离，本发明通过将次用户信号z(n)作为已知的特征信号或指导信号的进行加权，将其注入到第一混合信号x(n)，从而得到第二个混合信号xp(n)：
xp(n)＝k1x(n)+k2z(n)；其中，k1,k2是任意选定的常量。
带入第一混合信号x(n)的数学模型x(n)＝hs(n)+gz(n)+w(n)，可以得到(为了清楚说明注入原理，暂不考虑噪声w(n)的影响，因为在下文的后续处理中，实际上利用了白化处理进行噪声抑制，为了简洁性此处这种忽略是合理的)：
xp(n)＝k1(hs(n)+gz(n))+k2z(n)
＝k1hs(n)+(k1g+k2)z(n)
这时可以将第一、第二混合信号分别表示为：
步骤303：基于主用户信号和次用户信号的统计独立性，计算第一、第二混合信号的分离矩阵以及分离信号
主用户信号s(n)和次用户信号z(n)的在统计上是相互独立的，第一、第二混合信号可以通过矩阵形式表示为x＝as；其中，
首先，进行白化处理来减轻噪声的影响，以便有效地从混合信号中分离出源信号。白化处理包括：对第一、第二混合信号进行零均值处理，表示为：
然后，通过高阶累积量找到一个正交矩阵(推广到复数域就是酉矩阵)，以实现独立分量处理。具体可以通过四阶累积量来建立联合对角化模型以求此正交矩阵。将白化后的信号表示为矩阵z＝[z1,z2,...,zp]t，z的四阶累积量矩阵表示为f(m)，且
考虑到观测数据第一、第二混合信号的白化信号符合盲源分离模型，因此z＝was＝vts。设定vp，p＝1,...,p表示v的列向量，m矩阵选取为
本步骤通过利用主用户信号和次用户信号间的统计独立性，采用信号的高阶统计量建立联合对角化的代价函数，求出分离矩阵和分离信号；并且，在建立联合对角化的代价函数之前先进行白化处理，降低了噪声和处理的复杂度。
步骤304：根据已知的次用户信号，与分离信号进行相关分析，识别出次用户信号
具体地，得到分离信号后，可以根据式
步骤305：根据通信调制信号的非高斯属性特性，进行模值判决以实现主信号识别
识别出次用户信号之后，另一个信号就是主用户信号或者是高斯噪声信号。在混合信号中，如果主用户空闲则s(n)表现出非高斯属性，反之如果主用户空闲则s(n)表现出高斯属性，因此可以通过非高斯标准判断主用户的活动状态。具体地，可以建立四阶累计量的模值判决标准，使|cum(y,y,y,y)|＝|κ4(y)|，当分离信号的四阶累计量的模值|κ4(y)|≈0时，主用户未出现；当分离信号的四阶累计量的模值|κ4(y)|＞0时，确定主用户出现。
根据本发明实施例的信号处理设备，可以通过各种电子设备实现，例如具备程序执行功能的计算机、服务器、运算模块等，其包括至少一个处理器，电源，以及与所述至少一个处理器通信连接的存储器和输入输出接口；所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行前述任一实施例所公开的方法；所述输入输出接口可以包括显示器、键盘、鼠标、以及usb接口，用于输入输出数据；电源用于为电子设备提供电能。
本领域技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(readonlymemory，rom)、磁碟或者光盘等各种可以存储程序代码的介质。
当本发明上述集成的单元以软件功能单元的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、rom、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明具体实施方式的详细说明，而非对本发明的限制。相关技术领域的技术人员在不脱离本发明的原则和范围的情况下，做出的各种替换、变型以及改进均应包含在本发明的保护范围之内。