一种基于非圆信号的局部最大功效不变检验频谱感知方法
【技术领域】
[0001] 本发明涉及通信技术领域，具体是涉及一种基于非圆信号的局部最大功效不变检 验频谱感知方法。
【背景技术】
[0002] 作为认知无线电网络中非常重要的一个环节，频谱感知技术已经受到国内外学者 的广泛关注。通过频谱感知技术，认知用户可以在不干扰主用户的前提下，发现频谱空洞， 从而利用未被占用的频谱资源，大大提高频谱利用率。然而，在感知过程中往往存在虚警和 漏检的情况，虚警的发生导致频谱利用率的降低，而漏检的发生则会给主用户带来干扰。另 一方面，由于主用户的接入情况是随时变化的，所以必须保证在尽可能短的时间内完成感 知。因此研究检测精度和感知效率较高，且易于实现的频谱感知算法具有非常重要的意义。
[0003] 传统的频谱感知算法包括匹配滤波检测、循环平稳特征检测和能量检测等，匹 配滤波由于需要已知主用户的全部先验信息因而在实际应用中受到诸多限制，而循环平 稳特征检测则计算复杂度太高，能量检测由于简单易实现，是实际应用中最为常用的一 种，但是受噪声功率影响严重。多天线技术由于具有良好的抗衰落特性和分集增益等， 近年来受到了国内外学者的关注，也已经被广泛应用到频谱感知领域。其基本思想是，在 主用户占用频段的情况下，认知用户接收端各个天线接收到的信号来源于同一个认知用 户，因此彼此之间有着很强的相关性；而在频段空闲的情况下，由于接收到的是噪声，所 以不存在相关性。利用这个相关结构，不需要已知噪声功率便可以设计出很好的检测器。 MME(Maximum-MinimumEigenvalue)检测方法利用接收信号采样协方差矩阵的最大特征值 与最小特征值比构造检验统计量。随后，在广义最大似然比检验（GLRT)的构架下，出现了 AGM(ArithmetictoGeometricMean)算法。实际应用中，由于天线非标定等原因，导致接 收端各天线处噪声功率不一致（非均匀噪声），在这种场景下，GLRT检测的检验统计量可以 通过计算采样协方差矩阵的Hadamard比来实现，称为Hadamard算法。同样为了克服非均 勾噪声的影响，VD(Volume-basedDetection)算法通过采样协方差矩阵的行列式构造检验 统计量。不难发现，上述方法均是利用信号的采样协方差矩阵来构造检验统计量设计相应 的检测算法，然而，对于通信系统中非常常见的非圆信号而言，完整的二阶统计特性除了协 方差矩阵，还包括共辄协方差矩阵，因此只利用信号的协方差矩阵，并没有完全利用信号的 统计特性，因此检测性能并不高。基于此，在传统Hadamard算法的基础上，出现了针对非圆 信号的NC-HDM算法，该方法同样是在GLRT架构上提出的。然而，由于GLRT检测需要利用 未知参数的最大似然估计来计算似然比，从而构造检验统计量，因此在采样点数较小，信道 环境较差的情况下，估计误差会大大影响其检测性能。
【发明内容】
[0004] 为了解决这一问题，本发明提出了一种基于非圆信号的NC-局部最大功效不变检 验检测算法。具体为一种基于非圆信号的局部最大功效不变检验频谱感知方法，包括以下 步骤：
[0005]A、根据认知用户接收端的接收信号，计算采样协方差矩阵，并构建对应的增广采 样协方差矩阵；
[0006] B、对于增广采样协方差矩阵，计算其矩阵的F范数，从而构建检验统计量T;
[0007] C、通过与预设的门限作比较，若统计量大于门限，则认为频谱被占用，反之，则认 为频谱空闲，从而完成检测。
[0008] 在上述技术方案的基础上，步骤A中第k个采样时刻认知用户接收端的接收信号 具有如下形式
[0009]
[0010] 其中，H。为频谱空闲的假设，H 频谱被主用户占用的假设，X(k)为第k个采样时 刻认知用户接收端接收到的信号向量，w(k)为第k个采样时刻的噪声信号向量，s(k)为第k个采样时刻主用户发射端发射的信号向量，k= 0, 1，. . .，K-l，K为采样点数；具体地，
[0011] X(k) = [Xi(k), . . . ,xn (k), . . . ,xN (k) ]T
[0012] w(k) = [Wi(k), . . . ,wn (k), . . . ,wN (k) ]T
[0013] s(k) = [Si(k), . . . ,sm (k), . . . ,sM (k) ]T
[0014] xn(k)和wn(k)分别表示认知用户第n根接收天线收到的信号和噪声；Sni(k)表示 第m根天线处发射的信号；Η为NXM维衰落信道矩阵。主用户信号Sni(k)为非圆信号，噪声 为圆高斯噪声，即(幻~CW(〇,c< )，其中< =￡'[|u:,|:]为第n根接收天线处未知的噪声功 率，在实际中，由于天线非标定等原因，不同接收天线处的噪声功率可能不一致。同时，噪声 之间彼此统计独立，且与主用户信号相互独立。
[0015] 在上述技术方案的基础上，步骤Α中的采样协方差矩阵具有以下形式
[0016]
[0017] 其中，S为采样协方差矩阵，X=[X(0)，. ..，X(k)，. ..，X(K-ι)]为采样信号，上标 (·，表示共辄转置。
[0018] 在上述技术方案的基础上，步骤A中的增广采样协方差矩阵具有以下形式
[0019]
[0020] 其中，[ ! (0)，· · ·，！ (k)，· · ·，！ (K-1) ]，！ (k) =[X(k)τ，X(k)H]T，S为增广采样 协方差矩阵，为互补采样协方差矩阵，上标（·r表示取共辄。 K
[0021] 在上述技术方案的基础上，步骤B中的检验统计量具有以下形式
[0022]
[0023]其中，C=F-,而F=diag(S)是由增广采样协方差矩阵的对角线元素所构 成的对角矩阵，11 ·I|F表示矩阵的f范数。
[0024] 在上述技术方案的基础上，步骤C需要通过如下判决模型来实现
[0025]
[0026] 其中，γ为判决门限，即若Τ>γ，则认为假设氏成立，频谱被占用，反之，则认为 假设H。成立，频谱空闲，从而完成检测。
[0027] 与现有技术相比，本发明的优点如下：
[0028] 本发明通过借助非圆信号的特性，充分利用了接收信号的相关结构，因而可以在 采样点数很小，信噪比很低的场景下，达到比GLRT更优的检测性能。
【附图说明】
[0029] 图1是不同感知方法的检验统计量经验分布对比图；
[0030] 图2是AWGN环境下各感知方法性能对比曲线图；
[0031] 图3是Μ頂Ο-Rayleigh环境下各检测方法性能对比曲线图；
[0032] 图4是非均匀噪声环境下各检测器的R0C曲线对比图。
【具体实施方式】
[0033] 下面结合附图及具体实施例对本发明作进一步详细描述。
[0034] 本发明实施例提供一种基带池内共享虚拟资源配置方法，此实施例中，针对由单 个主用户和单个认知用户所构成的ΜΜ0频谱感知系统，其中主用户的发射端配置的天线 数为M，而认知用户接收端配置的天线数为N。
[0035] 其包括以下步骤：
[0036] S1、根据认知用户接收端的接收信号，计算采样协方差矩阵，并构建对应的增广采 样协方差矩阵；
[0037] 对于第k个采样时刻认知用户接收端的接收信号，满足如下形式，
[0038]
[0039] 其中，H。为频谱空闲的假设，ΗA频谱被主用户占用的假设，k= 0, 1，. . .，K-l，K 为采样点数；
[0040] X(k) = [Xi(k), . . . ,xn (k), . . . ,xN (k)]T
[0041 ] w(k) = [Wi(k), . . . ,wn (k), . . . ,wN (k)]T
[0042] s(k) = [Si(k), . . . ,sm (k), . . . ,sM (k)]T
[00