一种认知无线电网络感知主用户数目的方法
【专利摘要】本发明提供一种认知无线电网络感知主用户数目的方法，能够感知主用户的数目，且能够在线跟踪主用户的数目变化。所述方法包括：S1，通过多个次用户感知主用户的信号；S2，将所述多个次用户随机分为两组；S3，将两组次用户感知到的主用户信号联合起来进行典型关联分析，得到两组次用户感知信号的典型关联系数；S4，根据所述典型关联系数构造检测统计量，通过构造的检测统计量进行多假设序贯检测，得到主用户的数目。本发明适用于无线通信技术领域。
【专利说明】
一种认知无线电网络感知主用户数目的方法
技术领域
[0001] 本发明涉及无线通信技术领域，特别是指一种认知无线电网络感知主用户数目的 方法。
【背景技术】
[0002] 随着全球无线通信技术日新月异地发展，不同功能的新型无线电系统相继问世。 加之目前无线通信系统采用的是静态（固定)频谱分配策略，频谱资源也越来越紧缺。认知 无线电能够感知外界环境的变化，提高频谱利用率及系统容量，解决频谱短缺的问题。在认 知无线电系统中，次用户在不对主用户产生影响的前提下，可以使用主用户的空闲频谱。为 了避免对主用户产生影响，需要次用户及时的感知主用户频谱使用的状况。传统的频谱感 知仅仅检测出主用户是否存在已经不能满足要求，还需要监测系统中正在工作的主用户的 个数及其变化。
[0003] 目前常用的信号个数（主用户数目）检测方法有：基于信息论准则 (Akaiceinformation criterion，AIC)和最小描述长度（Minimum description length， MDL)以及基于盖氏圆半径(Gerschgorin disks Estimator，⑶E)准则和基于典型关联分析 技术(canonical correlation technique，CCT)的检测方法。然而这些方法都是基于阵列 天线接收的信号，需要在网络中专门设立阵列天线来检测主用户信号的个数，设备开支大， 检测时间长。
【发明内容】
[0004] 本发明要解决的技术问题是提供一种认知无线电网络感知主用户数目的方法，以 解决现有技术所存在的需在网络中专门设立阵列天线来检测主用户的数目，设备开支大， 检测时间长的问题。
[0005] 为解决上述技术问题，本发明实施例提供一种认知无线电网络感知主用户数目的 方法，包括：
[0006] Sl，通过多个次用户感知主用户的信号；
[0007] S2,将所述多个次用户随机分为两组；
[0008] S3,将两组次用户感知到的主用户信号联合起来进行典型关联分析，得到两组次 用户感知信号的典型关联系数；
[0009] S4,根据所述典型关联系数构造检测统计量，通过构造的检测统计量进行多假设 序贯检测，得到主用户的数目。
[0010] 进一步地，所述S2包括：
[0011]将w个次用户随机分为两组，第一组次用户的数目及第二组次用户的数目分别为P 和q;
[0012]其中，w = p+q，p和q均大于主用户的数目，且p<q。
[0013] 进一步地，所述S3包括：
[0014] 根据第一组次用户感知到的主用户信号和第二组次用户感知到的主用户信号，构 造感知信号矩阵Z，其中，第一组次用户感知到的主用户信号为PXn维的矩阵X 1，第二组次 用户感知到的主用户信号为qXn维的矩阵X2，n表示采样点数
[0015] 获取感知信号矩阵Z的估计协方差矩阵；
[0016] 根据感知信号矩阵Z的估计协方差矩阵，构造典型关联矩阵R;
[0017] 获取典型关联矩阵R的特征值作为两组次用户感知信号的典型关联系数
[0018] 进一步地，所述感知信号矩阵Z的估计协方差矩阵表示为：
[0019]
[0020] 其中，H表示矩阵的共辄，Zh表示Z矩阵的共辄矩阵， 分别表示 估计协方差矩阵中的元素。
[0021] 进一步地，所述典型关联矩阵R表示为：
[0022]
[0023] 进一步地，所述S4包括：
[0024] 根据两组次用户感知信号的典型关联系数^，构造检测统计量Cn，其中，
，R+表示正实数，s = 0，l，......，p_l，s表示待求的系统中 主用户的数目，η表示采样点数；
[0025] 若系统中有s个主用户的信号时，所述<服从x2(2(p-s)(q-S))分布，将检测统计 量总结成多假设问题表示为：
[0026]
[0027]其中，~表示("服从X2分布;氏表示在该假设下主用户的数目为j，j = 0，l，...，p_
的X2概率分布函数，i = 〇，l，......，p
是(："在主用户数目为j的假设下自由度为2(p-j)(q_j)的X2概率分布函数；
[0028]根据 < 服从x2(2(p-s)(q-S))分布，获取后验概率值ΡιΛ其中，pj的表达式为
[0029 ] 将获取的后验概率值pnj与预设的阈值thre sho I d j进行比较，若/);； SAv.v/Wi/,，则 n = n+l，重复执行S3、S4;
[0030] 否则，判决结果）
，細其中，NA表示判决时的采样点数，
表示户取得最大值时的j为主用户的数目，m表示判决得到的主用户的数 目，兰表不足乂。
[0031] 进一步地，所述csn表示关
[0032] 进一步地，所述阈倌threshold」表示为：
[0033]
[0034] 其中，0<Aj<l，并且今=六；γ 为正常数Λ "2(/?)，/2,, (.、)) ;H2(x2j
(x)，x2k(x))是两个分布函数X2j(X)和X2k(X)的SH距离，X 2j(X)表示在主用户数目为j的假设 下，X服从X2概率分布函数，X2k(X)表示在主用户数目为k的假设下，X服从X2概率分布函数，X 表示X2概率分布函数的自变量，。
[0035] 进一步地，所述SH距离的表达式为
[0036] 进一步地，所述主用户及次用户是固定终端设备或是在指定范围内可自由移动的 移动终端设备。
[0037] 本发明的上述技术方案的有益效果如下：
[0038] 上述方案中，通过多个次用户感知主用户的信号；将所述多个次用户随机分为两 组;将两组次用户感知到的主用户信号联合起来进行典型关联分析，得到两组次用户感知 信号的典型关联系数;根据所述典型关联系数构造检测统计量，通过构造的检测统计量进 行多假设序贯检测，得到主用户的数目。这样，通过典型关联分析及多假设序贯检测，得到 主用户的数目，无需在网络中专门设立阵列天线来检测主用户的数目，能够减少设备开支， 缩短检测时间，且能够在线跟踪主用户的数目的变化，提高认知无线电的工作效率。
【附图说明】
[0039] 图1为本发明实施例提供的认知无线电网络感知主用户数目的方法的流程示意 图；
[0040] 图2为本发明实施例提供的移动认知无线电系统结构示意图；
[0041] 图3为本发明实施例提供的认知无线电网络感知主用户数目的方法的具体流程示 意图；
[0042] 图4为本发明实施例提供的认知无线电网络感知主用户数目的方法与传统典型关 联分析检测方法的检测效果对比示意图；
[0043] 图5为本发明实施例提供的感知主用户数目的方法跟踪主用户数目的跟踪效果示 意图。
【具体实施方式】
[0044] 为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具 体实施例进行详细描述。
[0045] 本发明针对现有的需在网络中专门设立阵列天线来检测主用户的数目，设备开支 大，检测时间长的问题，提供一种认知无线电网络感知主用户数目的方法。
[0046] 实施例一
[0047] 参看图1所示，本发明实施例提供的认知无线电网络感知主用户数目的方法，包 括：
[0048] Sl，通过多个次用户感知主用户的信号；
[0049] S2,将所述多个次用户随机分为两组；
[0050] S3,将两组次用户感知到的主用户信号联合起来进行典型关联分析，得到两组次 用户感知信号的典型关联系数；
[0051] S4,根据所述典型关联系数构造检测统计量，通过构造的检测统计量进行多假设 序贯检测，得到主用户的数目。
[0052]本发明实施例所述的认知无线电网络感知主用户数目的方法，通过多个次用户感 知主用户的信号;将所述多个次用户随机分为两组;将两组次用户感知到的主用户信号联 合起来进行典型关联分析，得到两组次用户感知信号的典型关联系数;根据所述典型关联 系数构造检测统计量，通过构造的检测统计量进行多假设序贯检测，得到主用户的数目。这 样，通过典型关联分析及多假设序贯检测，得到主用户的数目，无需在网络中专门设立阵列 天线来检测主用户的数目，能够减少设备开支，缩短检测时间，且能够在线跟踪主用户的数 目变化，提高认知无线电的工作效率。本发明实施例中，如图2所示为移动认知无线电系统 结构示意图，假设一个移动认知无线电系统中有w个次用户和s个主用户以及一个数据融合 中心。所有的用户在以融合中心为中心点的指定范围内都是可移动的，当然也可以不移动。
[0053] 本发明实施例中，作为一可选实施例，所述主用户及次用户是固定终端设备或是 在指定??围内可自由移动的移动终纟而设备。
[0054] 在前述认知无线电网络感知主用户数目的方法的【具体实施方式】中，进一步地，所 述S2包括：
[0055] 将w个次用户随机分为两组，第一组次用户的数目及第二组次用户的数目分别为ρ 和q;
[0056] 其中，w = p+q，p和q均大于主用户的数目，且p彡q。
[0057] 本发明实施例中，系统中w个次用户感知来自主用户的信号，并将感知到的主用户 信号传输给系统中的数据融合中心;数据融合中心将w个次用户随机分为两组，每组数目分 另Ij为P和q，w = p+q，p和q均大于系统中主用户的个数，且假设p$q。需说明的是，分组只是在 融合中心为了进行数据分析，将次用户进行随机的分组，对次用户在系统中的物理移动性 不产生任何影响。
[0058] 在前述认知无线电网络感知主用户数目的方法的【具体实施方式】中，进一步地，所 述S3包括：
[0059] 根据第一组次用户感知到的主用户信号和第二组次用户感知到的主用户信号，构 造感知信号矩阵Z，其中，第一组次用户感知到的主用户信号为pXn维的矩阵X 1，第二组次 用户感知到的主用户信号为qXn维的矩阵X2，n表示采样点数
[0060] 获取感知信号矩阵Z的估计协方差矩阵；
[0061] 根据感知信号矩阵Z的估计协方差矩阵，构造典型关联矩阵R;
[0062] 获取典型关联矩阵R的特征值作为两组次用户感知信号的典型关联系数
[0063] 本发明实施例中，设判决时采样点数为Ν，数据融合中心对这两组从次用户感知到 的主用户信号进行典型关联分析，具体步骤包括：
[0064] S31，将两组次用户感知到的主用户信号分别组成ρ XN维的矩阵XjPqXN维的矩 阵Χ2;
[0065] 其中，Xi和Χ2分别为：
[0066]
[0067]
[0068] xi,/ = 1,2，.XN维的矩阵，表示第一组次用户中第i个次用户传输到数据融 合中心的数据，./ = 1,2,公IXN维的矩阵，表示第二组次用户中第j个次用户传输到 数据融合中心的数据〇),/二1,2，.,.:，爲》= 1,2,￥表示第一组中第i个次用户的第η个采 样点；< = 1,2，…冰》= 1,2,…,F表示第二组中第j个次用户的第η个采样点。
[0069] S32,将矩阵X1和矩阵X2构造为感知信号矩网
，并求得感知信号矩阵Z的 估计协方差矩声
[0070]其中，H表示矩阵的共辄，Zh表示Z矩阵的共辄矩阵分别表示 估计协方差矩阵中的元素。
[0071 ] S 3 3，根据感知信号矩阵Z的估计协方差矩阵，构造典型关联矩阵
,.获取所述典型关联矩阵R的特征值^ ,1'= 1,2，..., p ,所述典型关联 矩阵R的特征值式即为两组次用户感知信号的典型关联系数，其中
[0072] 本发明实施例中，在S4中，可以利用S33得到的&.，构造检测统计量，进行多假设序 贯检测，检测结果为待求的系统中主用户的数目，如图3所示，具体步骤包括：
[0073] S41，利用S33中的典型关联系数i.构造检测统计量Cn，其中，
[0074]
[0075] 表示待 求的系统中主用户的数目，η表示采样点数；
[0076] S42,当系统中有s个主用户的信号时，<服从x2(2(p-s)(q-S))分布，将检测统计 量总结成多假设问题，如下式：
[0077]
[0078]其中，~表示(："服从X2分布;氏表示在该假设下主用户的数目为j，j = 0，l，...，p_
的X2概率分布函数，i = 〇，l，......，p
是(："在主用户数目为j的假设下自由度为2(p-j)(q_j)的X2概率分布函数；
[0079] S43,根据 <服从￥(2(?-8)((1-8))分布，计算后验概率?1^，其中，？ 1^的表达式为
[0080] S44，将获取的后验概率值与预设的阈值thr e sho I d j进行比较，若 乂 讀(?/< ,则n = n+l，重复执行S3、S4;
[0081] S45,否则，判决结果为
似=?;其中，NA表示判决时的采 样点数，m gargmfx/?^表示以^取得最大值时的j为主用户的数目，m表示判决得到的主 用户的数目，全表示定义。
[0082] 本发明实施例提供的认知无线电网络感知主用户数目的方法，能够在移动认知无 线电系统中，通过数据融合中心结合多假设序贯检测和典型关联分析进行处理，快速估计 出系统中主用户的数目。
[0083] 在前述认知无线电网络感知主用户数目的方法的【具体实施方式】中，进一步地，所 述阈值threshold」表示为：
[0084]
[0085] (x)，x2k(x))是两个分布函数X2j(X)和X2k(X)的SH距离，X 2j(X)表示在主用户数目为j的假设 下，X服从X2概率分布函数，X2k(X)表示在主用户数目为k的假设下，X服从X2概率分布函数，X 表示X2概率分布函数的自变量，在本实施例中指Cf。
[0086] 在前述认知无线电网络感知丰用户数目的方法的【具体实施方式】中，进一步地，所 述SH距离的表达式为
[0087] 接着，以一个具体的实施例对本发明实施例提供的认知无线电网络感知主用户数 目的方法进行说明：
[0088] 步骤一、假设，移动认知无线电系统中有20个次用户感知工作环境中的主用户信 号，正在工作的主用户个数为2。系统中的次用户将感知到主用户信号后传输给数据融合中 心。
[0089] 本发明实施例中，假设该移动认知无线电系统工作在楼房，车辆等地物较多的市 区，网络中的信号传输无直视路径。并且假定所有的用户在以数据融合中心为圆心的100米 范围内活动。所有的认知无线电移动终端均为手持终端，所有用户的移动速度限定在为Om/ s~5m/s;
[0090] 步骤二、数据融合中心将20个次用户随机分为两组，每组个数分别为P和q，p和q均 需大于系统中主用户的个数。注意这里的分组只是数据中心随机的分组，对网络中次用户 的移动性和工作状态不会造成任何影响。另外，为了能够充分利用次用户的数据信息，P和q 的取值应相等或者尽量接近。这里取P = q = 10;
[0091] 步骤三、设起始采样点数为1，假设判决时采样到第30个采样点，所有次用户一次 采样后，将信号采样数据传输给数据融合中心。数据融合中心对这两组次用户感知到的信 号进行典型关联分析，具体步骤如下：
[0092] 3.1)以最后一次采样结束后，对有30个采样数据的信号处理为例。将两组次用户 感知到的信号分别组成10 X 30维的矩阵XjPX2，分别为：
[0093]
[0094]
[0095] 其中，X丨，/ = 1.2,...,10是1X30维的矩阵，表示第一组次用户中第i个次用户传输的 30个采样点；=丨上..J〇是1X30维的矩阵，表示第二组次用户中第j个次用户传输的 30个采样点。.,10,h = 1，2, ...,30表示第一组中第i个次用户的第η个采样点； <(/〇,./_ = 1,2....,10,/? = 1,2,...,30表示第二组中第j个次用户的第η个采样点。
[0096] 3.2)将矩阵XjPX2构造为感知信号矩阵
，并求得感知信号Z的估计协方 差矩f
；
[0097] 3. 3)构造典型关联矩阵
，典型关联矩阵R的特征值 ^ ,? = 1，2,...,10，即为两组次用户感知信号的典型关联系数，其中
[0098] 步骤四、利用步骤三得到的& ,构造检测统计量，进行多假设序贯检测，检测结果 即为估计的主用户个数，具体步骤如下：
[0099] 4.1)根据步骤3.3)中的典型关联系数构造检测统计量：
[0100]
[0101]
[0102]
[0103] 其中，s = 0，1，2，...，9,采样点数为30,检测统计量可记为如下向量：
[0104] 4.2)当系统中有s个主用户的信号时，if服从X2(2(10-s)(1 Ο-s))分布，将检测统 计量总结成多假设问题，如下式：
[0105]
[0106]
C3q在主用户数 目为j的假设下自由度为2( 10-j) (10-j)的率分布函数；
[0107] 4.3)根据<服从乂(2(口-8)〇-8))分布，计算后验概率<咖啲表达式为：
[0108]
[0109] 4.4)将获取的后验概率值与预设的阈值threshold」进行比较，若 〇 ,则n = n+1，重复执行步骤三、步骤四；
[0110] 4.5)否则，P3QjSthresholdj成立，NA = 30为判决时的采样点数，使'取得最大值 的j为对应的主用户个数。
[0111] 本发明实施例中，图4描述了实施例提供的认知无线电网络感知主用户数目的方 法与传统的CCT算法的检测效果对比示意图。图4中的横坐标是虚警概率，纵坐标是正确检 测率，该结果是在信噪比为OdB下进行105次的同条件重复实验得出的。图4中可以得知本发 明实施例提供的感知主用户数目的方法比传统的CCT算法使用更少的采样点，达到了相同 的性能。这说明本发明提出的检测方法是快速并且有效的。同时，对比结果也表明本发明实 施例提供的的认知无线电网络感知主用户数目的方法性能优于传统的CCT算法的性能。
[0112] 图5描述了本发明实施例提供的认知无线电网络感知主用户数目的方法工作于移 动无线环境下的跟踪主用户数目的跟踪效果图。图5中横坐标是信号采样个数，纵坐标是主 用户的个数(也可以称为主用户的信号个数）。主用户的信号个数随机为1个、2个或3个，采 样点数随机为100-200个，每隔5ns-10ns之间改变一次。从图5可以看出，本发明实施例提供 的感知主用户数目的方法在移动无线环境下可以跟踪到主用户信号个数的变化。
[0113] 综上，在移动认知无线电中将多假设序贯检测的思想与典型关联分析结合检测出 主用户的数目，主要有以下几个优点：
[0114] 1.便于频谱资源管理，本发明实施例提供的认知无线电网络感知主用户数目的方 法，能够检测出主用户的数目，可以更好的为频谱资源管理提供支持，进一步提高频谱利用 率，并且为其他算法提供先验条件；
[0115] 2.增强检测结果的可靠性，在低信噪比环境下，该方法的检测结果比传统的CCT检 测方法可靠性高；
[0116] 3.缩短多主用户个数检测的时间，本发明实施例提供的认知无线电网络感知主用 户数目的方法，可以根据检测条件而自适应地以最少的时间即最少的采样点数即可估计出 较准确的主用户的数目，比固定采样点数的检测方法所需时间要短，从而实现了快速估计 主用户信号个数的目的；
[0117] 4.实现在线感知和跟踪主用户的个数，由于在认知无线电系统中，主用户个数处 于不断地变化中，本发明实施例提供的认知无线电网络感知主用户数目的方法，还可以用 于跟踪主用户信号个数(主用户数目）的变化，适用于移动认知无线电系统中动态变化的主 用户个数的快速检测，从而能够提高认知无线电的工作效率。
[0118] 以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员 来说，在不脱离本发明所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也 应视为本发明的保护范围。
【主权项】
1. 一种认知无线电网络感知主用户数目的方法，其特征在于，包括： Sl，通过多个次用户感知主用户的信号； S2，将所述多个次用户随机分为两组； 53, 将两组次用户感知到的主用户信号联合起来进行典型关联分析，得到两组次用户 感知信号的典型关联系数； 54, 根据所述典型关联系数构造检测统计量，通过构造的检测统计量进行多假设序贯 检测，得到主用户的数目。2. 根据权利要求1所述的认知无线电网络感知主用户数目的方法，其特征在于，所述S2 包括： 将W个次用户随机分为两组，第一组次用户的数目及第二组次用户的数目分别为P和q; 其中，w = p+q，p和q均大于主用户的数目，且p《q。3. 根据权利要求2所述的认知无线电网络感知主用户数目的方法，其特征在于，所述S3 包括： 根据第一组次用户感知到的主用户信号和第二组次用户感知到的主用户信号，构造感 知信号矩阵Z，其中，第一组次用户感知到的主用户信号为pXn维的矩阵Xi,第二组次用户 感知到的主用户信号为qXn维的矩阵枯，n表示采样点数获取感知信号矩阵Z的估计协方差矩阵； 根据感知信号矩阵Z的估计协方差矩阵，构造典型关联矩阵R; 获取典型关联矩阵3的特征值作为两组次用户感知信号的典型关联系数^，1 = 1， 2 > ? ? ? > P O4. 根据权利要求3所述的认知无线电网络感知主用户数目的方法，其特征在于，所述感 知信号矩阵Z的估计协方差矩阵表示为：其中，H表示矩阵的共辆，ZH表示Z矩阵的共辆矩阵，玄,,、乏12、么,、En分别表示估计 协方差矩阵中的元素。5. 根据权利要求4所述的认知无线电网络感知主用户数目的方法，其特征在于，所述典 型关联矩阵R表示为：\ /6. 根据权利要求3所述的认知无线电网络感知主用户数目的方法，其特征在于，所述S4 包括： 根据两组次用户感知信号的典型关联系数，构造检测统计量Cn，其中， C"=[瑪，:诗，,..…心，..….，《―1] eir，R+表示正实数，S = O, 1，......，p-l，s表示待求的系统中 主用户的数目，n表示采样点数； 若系统中有S个主用户的信号时，所述< 服从X2U(P-S)(Q-S))分布，将检测统计量总结 成多假设问题表示为：其中，~表示r服从^分布；町表示在该假设下主用户的数目为j，j = 〇，l，...，p-l; ifC變)表示#的^概率分布函数，1 = 0,1，......，P;《f<私法-々，j = 0，1，. . .，p-i 是Cn在主用户数目为j的假设下自由度为2(9-如^-如的^概率分布函数； 根据< 服从X2U(P-S) U-S))分布，获取后验概率值Pn^其中，Pn^勺表达式为 ,'''-I 将获取的后验概率值Pn^与预设的阔值thresholdj进行比较，若成 <流化5友0辞,则n = n+ 1，重复执行53、54; 否则，判决结果3MA = n;其中，NA表示判决时的采样点数，I示/7；^ j取得最大值时的j为主用户的数目，m表示判决得到的主用户的 数目，全表示定义。7. 根据权利要求6所述的认知无线电网络感知主用户数目的方法，其特征在于，所述Cs" 表示为8. 根巧秋不I」巧巧(3所还W认知尤巧电FJ?脊恐知王用户数目的方法，其特征在于，所述阔 值thresholdj表示为：J 其中，0<Aj<l，并_丫为正常戮x\(x))是两个分布函的甜距离，X2^x)表示在主用户数目为j的假设下，X 服从^概率分布函数，x\(x)表示在主用户数目为k的假设下，X服从^概率分布函数，X表示 X2概率分布函数的自变量，。9. 根据权利要求8所述的认知无线电网络感知主用户数目的方法，其特征在于，所述SH 距离的表达式为10.根据权利要求1-9任一项所述的认知无线电网络感知主用户数目的方法，其特征在 于，所述主用户及次用户是固定终端设备或是在指定范围内可自由移动的移动终端设备。
【文档编号】H04B17/382GK105915302SQ201610488120
【公开日】2016年8月31日
【申请日】2016年6月28日
【发明人】杜利平, 韩瑞, 何琴
【申请人】北京科技大学