一种基于高阶统计量的压缩宽带频谱盲检测方法
【技术领域】
[0001] 本发明涉及认知无线电技术领域，特别是一种基于高阶统计量的压缩宽带频谱盲 检测方法。
【背景技术】
[0002] 随着新无线网络和服务的急剧增长，如今固定频谱分配政策的缺点变得越来越明 显。这主要表现在新用户的频谱稀缺，而授权主用户（Primary User，PU)的频谱利用率不 高。为了改变这种现状，提高频谱利用率，Mitola提出了频谱再利用政策，允许认知用户 (或次用户）（Secondary User，SU)重复利用未被PU占用的频谱。这引发了接下来几年对 频谱再利用、频谱共享、动态频谱接入的研究热情的高涨。
[0003] 认知无线电（Cognitive Radio, CR)技术已被人们广泛认为是一种解决无线频谱 资源稀缺与利用率底下之间矛盾的非常有效的解决方案。CR通过动态频谱接入的方式，允 许SU使用未被PU占用的频谱进行通信。为了能够接入授权频谱，SU必须连续不断地对分 布较宽的频域进行感知，以便获取空闲频谱供自己使用，同时保证不对PU的正常通信产生 干扰。
[0004] 传统的Nyquist-Shannon采样定理为了实现宽带频谱感知，要求ADC的采样速 率至少时被采样信号带宽的两倍，甚至更高。然而，当前的ADC器件很难满足如此高速的 采样要求。近些年来，国际学术界提出了压缩感知（Compressed sensing或Compressive sampling，CS)理论。CS理论大大减轻了数据获取端的压力，也降低了对传统ADC器件高速 采样的技术要求。由CS理论可知：只要原信号在某个基上能稀疏表示，则我们就能以远低 于Nyquist速率对数据进行压缩采样，并能从较少的数据中恢复原信号。
[0005] 在现有的频谱感知方案中很多都是需要重构原信号后，才能实现频谱感知，这大 大增加了算法的复杂度。也有直接利用压缩观测值进行非重构的压缩频谱感知方法，但是 这些方法仍然采用类似于能量检测（Energy Detection，ED)的频谱检测方案，当噪声出现 波动和低信噪比的情况下，将会导致检测性能的急剧恶化。
【发明内容】
[0006] 本发明所要解决的技术问题是克服现有技术的不足而提供一种基于高阶统计量 的压缩宽带频谱盲检测方法，基于高阶统计量的压缩宽带频谱盲检测算法直接利用压缩采 样数据，无需信号重构，也无需任何PU先验知识，计算复杂度降低；采用高阶统计量作为频 谱检测判决量，克服了类似频谱检测算法受高斯噪声波动的影响，提高了在低信噪比情 况下的检测性能。
[0007] 本发明为解决上述技术问题采用以下技术方案：
[0008] 根据本发明提出的一种基于高阶统计量的压缩宽带频谱盲检测方法，包括如下步 骤，
[0009] 步骤1、将授权主用户信号的频谱划分为若干个互不重叠的子频带；
[0010] 步骤2、设认知用户节点数为K，则第k个认知用户SUk对步骤1中划分的任一子 频带内的信号进行压缩采样，得到第k个认知用户Siyi测到的压缩采样数据，所述压缩采 样数据服从高斯分布，其中，k=l，2，...，K;
[0011] 步骤3、计算压缩采样数据的3阶矩的估计值并将其输出至融合中心FC ;
[0012] 步骤4、融合中心FC根据接收的3阶矩的估计值进行统计平均得到统计判决量d ;
[0013] 步骤5、根据步骤2中观测到的压缩采样数据及其预先设置的虚警概率，计算出判 决门限λ ;
[0014] 步骤6、融合中心FC根据判决规则，判断出子频带是否被PU占用；所述判决规则 为：当|d|彡λ，则子频带没有被PU占用，否则子频带被PU占用。
[0015] 作为本发明所述的一种基于高阶统计量的压缩宽带频谱盲检测方法进一步优化 方案，所述步骤2中第k个认知用户Siyl测到的压缩采样数据具体如下所示：
[0017] 其中，yk= (7??(1)Μ2)~η(Μ))τ为第k个认知用户到的压缩采样数据，
[0018] yk(m)为第k个认知用户514观测到的压缩采样数据序列，m = 1，2,…，M，s为授 权主用户？1]信号，知=〇^(1)知(2)."知(沁）1为51^接收到的？1]信号，上标1'为转置，屯 为已知MXN维随机观测矩阵，M，N均为大于1的整数，~为i. i. d高斯噪声，w k= (w k (1)Wk(2)*"wk(N))T~N(0, σ 2ΙΝ)，Ν(0, σ2ΙΝ)为数学期望为〇,方差为〇2I n的高斯分布，噪声 wj艮从数学期望为0、方差为σ 2IN的高斯分布，σ 2是￥14〇1)的方差，n = 1，2，…，乂^表 示N维单位矩阵，hk表示PU与SU k之间的信道增益，H i为存在PU信号的情况，Η。为不存在 信号的情况；
[0020] 其中，Λ s为对角矩阵，I Μ为Μ维单位矩阵，σ〗为授权主用户PU信号的方差，为 噪声的方差。
[0021] 作为本发明所述的一种基于高阶统计量的压缩宽带频谱盲检测方法进一步优化 方案，所述步骤3中3阶矩的估计值具体如下所示：
[0023] 其中，》^为3阶矩的估计值。
[0024] 作为本发明所述的一种基于高阶统计量的压缩宽带频谱盲检测方法进一步优化 方案，所述步骤4中统计判决量d具体如下，
[0027] 其中，爾;为观测压缩采样数据三次方的数学期望，
表示随机变量g的 方差，
是数学期望为<、方差为cr2(〇的高斯分布，以是噪声的估计值，
是噪声估计值的方差。
[0028] 作为本发明所述的一种基于高阶统计量的压缩宽带频谱盲检测方法进一步优化 方案，所述步骤5中判决门限λ如下所示：
[0030] 其中，Pf为虚警概率，erf是误差函数，的奇异值。
[0031] 本发明采用以上技术方案与现有技术相比，具有以下技术效果：
[0032] (1)本发明方法直接利用压缩观测数据，使其采样数据量远少于Nyquist采样数 据量，而且无需信号重构，计算复杂度降低；
[0033] (2)本发明方法采用高阶统计量作为频谱判决量，克服了能量检测算法受高斯噪 声波动的影响，检测性能提尚。
【附图说明】
[0034]图1是基于高阶统计量的压缩宽带频谱盲检测方法流程图。
[0035] 图2是基于高阶统计量压缩宽带频谱盲检测算法模型。
【具体实施方式】
[0036] 下面结合附图对本发明的技术方案做进一步的详细说明：
[0037] 本发明目的是在分析许多随机信号，特别是那些非线性信号或者是微弱信号时， 如果仅仅依赖二阶统计量，则无法正确处理原信号。任何高斯过程的3阶矩及其奇数阶矩 等于零，使得高阶矩在理论上可以完全抑制高斯有色噪声的影响。
[0038] 本发明解决其技术问题所采取的技术方案是：将整个宽带频谱划分为若干子频 带，认知用户SU对整个频带内的每个宽带子频带逐一进行本地压缩采样，并计算压缩采样 后数据的3阶矩，然后将这些本地得到的3阶矩上传给融合中心（Fusion Center，FC)，由 FC根据系统预设的虚警概率计算出判决门限，并最终判决出每个子宽频带是否被授权主信 号PU占用，从而实现对整个宽带频谱进行检测。
[0039] 基于上述理论，在随机观测矩阵中每个元素都满足独立同分布，压缩采样数据服 从高斯分布。本发明利用高阶矩可以完全抑制高斯有色噪声的影响，设计出基于压缩观测 数据高阶统计量的宽带频谱感知算法。考虑到算法的复杂度和实际情况，这里仅采用3阶 矩作为该算法的检测统计量。
[0040] 如图1所示是基于高阶统计量的压缩宽带频谱盲检测方法流程图，图2是基于高 阶统计量压缩宽带频谱盲检测算法模型。具体步骤如下：
[0041] 步骤1 :假设PU信号的频谱范围为['fj，将其划分为Η个互不重叠的子频带：f。 < f2<~< fH，其中，fh(h = 1，2, ?)为每个子频带的上限频率，假设每个子频带 (带宽为Bh= f h-fh 0也是一个宽带频谱。
[00