基于最大似然准则的主系统收发信机间信道增益估计方法与流程

本发明属于移动通信领域，尤其涉及认知网络中主系统收发机之间信道增益估计问题。
背景技术：
：在过去的几十年中，认知无线电技术已被广泛地研究，其中频谱共享技术成为未来认知无线电系统的最热门。事实上，认知用户可以有两种方式实现与主系统的共存，一种为机会频谱接入(OSA)，在这种方式中，认知用户只有在主系统频谱空闲时才能接入；另一种为频谱共享(SS)，认知用户能够在满足主系统干扰温度限制的条件下实现频谱共享。相比OSA，SS方式更能提高系统的频谱利用率，提高认知用户的吞吐量。为了实现认知用户与主系统的共存，认知发射机需要根据主系统的干扰温度来调整自己的发射功率，用以保护主系统之间的信号传输，而干扰温度则主要取决于主用户之间的信道增益。在主系统中，发射机会自适应地调整发射功率用以满足接收机的目标信噪比。当主用户收发机之间的信道增益很大时，说明主用户发射机能以较小的发射功率来达到接收机处的信噪比要求，这时，主系统具有较强的抗干扰能力，即使主用户接收机被较强的认知用户信号干扰，主用户发射机也能够通过提高发射功率来满足接收机处的目标信噪比。反之，当主系统收发信机之间的信道增益较小时，主系统具有较弱的抗干扰能力，当主用户接收机受到认知信号的干扰时，即使主用户发射机以最大发射功率发射信号，该发射机也不能满足接收机处的目标信噪比。综上所述，主用户收发机之间的信道增益估计对于认知用户估计干扰温度和实现SS显得尤为重要。但是，如果利用传统的估计方法，主用户收发机之间的信道增益只能在主用户系统中估计。在这种情况下，为了得到该信道增益，认知用户需要一条连接它与主系统的反馈链路。这样，主系统就能够通过这条反馈链路将干扰温度传达给认知用户。然而，在实际的场景中，主系统到认知用户之间的反馈链路可能不存在。这使得认知用户难以得到主用户收发机之间的信道增益，从而成为实现SS的一大挑战。因此，对主系统之间信道增益的估计具有很大的现实意义。为便于理解对以下术语和模型进行介绍：定义1主基站(PT，PrimaryTransmitter)：主系统中的信号发射端。定义2主用户(PR，PrimaryUser)：主系统中的信号接收端。定义3认知发射机(CT，CognitiveTransmitter)：次级系统中具有认知功能的信号发射端。定义4信噪比(SNR，SignalNoiseRatio)：信号功率与噪声功率的比值。定义5闭环功率控制(CLPC，ClosedLoopPowerControl)：发射端根据接收端信噪比的变化来调整自身的发射功率，从而保证接收端的接收质量。定义6累积分布函数(CDF，CumulativeDistributionFunction)：表示某一随机变量落在任一区间上的概率。定义7概率分布函数(PDF，ProbabilityDistributionFunction):表示瞬时幅值落在某指定范围内的概率。定义8信道增益(CG，ChannelGain)：PT与PR之间的路径损耗因子。定义9最大似然(ML，MaximumLikelihood)：一种用于参数估计的方法。技术实现要素：本发明为解决上述技术问题，提出了一种基于最大似然准则的主系统收发机间信道增益估计方法，通过CT监听来自PT信号的SNR，利用ML准则来提取多个独立SNR中关于主系统收发机之间的CG信息，并且得到该CG的解析式，通过求解解析式得到信道增益值。本发明采用的技术方案是：基于最大似然准则的主系统收发机间信道增益估计方法，包括：S1、下行链路传输中，主基站与主用户之间采用闭环功率控制，主基站向主用户发射信号的同时，认知发射机监听来自主基站信号的信噪比；S2、认知发射机根据接收到的信噪比，通过最大似然准则来估计信道增益值。进一步地，所述步骤S1包括以下分步骤：S11、主基站采用自适应调制方式，设主基站发射单位功率的信号xp(k)，发射功率为p0(k)，则主用户端接收到的信号表示为：yp(k)=h0(k)g0p0(k)xp(k)+np(k);]]>其中，np(k)为CT处接收到的均值为0，方差为σ2的加性高斯白噪声；h0(k)表示主基站与主用户之间的小尺度衰落系数，且服从均值为1的瑞利分布；g0表示信道增益值；主用户端接收到的信噪比为：γp(k)=|h0(k)|2g0p0(k)σ2;]]>主基站的发射功率满足以下条件：p0(k)=γTσ2|h0(k)|2g0;]]>其中，γT表示目标信噪比；S12、在下行链路传输中，认知发射机接收到主基站的信号为：yc(k)=h1(k)g1p0(k)xp(k)+nc(k);]]>其中，nc(k)为认知发射机处的噪声，nc(k)的均值为0，nc(k)的方差为σ2；认知发射机处的信噪比为：γc(k)=|h1(k)|2g1p0(k)σ2;]]>将带入中，则认知发射机处的信噪比为可以表示为：γc(k)=γTg1g0|h1(k)|2|h0(k)|2.]]>进一步地，所述步骤S2具体包括：S21、对认知发射机处的信噪比：进行去指数，并采用dB形式表示为：γc,dB＝γT,dB+10log10(g1)-10log10(g0)+10log10φ；其中，φ为随机变量，且γc,dB表示认知发射机接收到的信噪比的dB形式；γT,dB表示主用户处目标信噪比的dB形式；S22、步骤S21中γc,dB的累积分布函数为：FΓc,dB(γc,dB)=10γc,dB-γT,dB-10log10(g1)+10log10(g0)101+10γc,dB-γT,dB-10log10(g1)+10log10(g0)10;]]>S23、步骤S22得到的累计分布函数对γc,dB求导，得到γc,dB的概率分布函数为：f(γc,dB)=∂Γc,dB(γc,dB)∂γc,dB=ln101010γT,dB+10log10(g1)-10log10(g0)-γc,dB10(1+10γT,dB+10log10(g1)-10log10(g0)-γc,dB10)2;]]>S24、对于K个采样数据块，认知发射机测量得到K个独立的信噪比，即：γc,dB(k)(1≤k≤K)；γc,dB(k)(1≤k≤K)的联合概率分布函数为：f(γc,dB(1),γc,dB(2),...,γc,dB(K))=Πk=1K[ln1010l0γT,dB+10log10(g1)-10log10(g0)-γc,dB(k)10(1+10γT,dB+10log10(g1)-10log10(g0)-γc,dB(k)10)2];]]>S25、基于ML准则，当步骤S24得到的γc,dB(k)(1≤k≤K)的联合概率分布函数值达到最大时，得到信道增益最优值根据信道增益最优值近似得到信道增益值。更进一步地，步骤S25中所述得到信道增益最优值具体过程为：A1、对γc,dB(k)(1≤k≤K)的联合概率分布函数两边同时取对数，可得：log10f(γc,dB(1),γc,dB(2),…,γc,dB(K))Σk=1K[log10(ln10·10γT,dB+10log10(g1)-10log10(g0)-γc,dB(k)10)-2log10(1+10γT,dB+10log10(g1)-10log10(g0)-γc,dB(k)10)-1];]]>A2、对步骤A1所得表达式两边求导可得：∂{log10f(γc,dB(1),γc,dB(2),...,γc,dB(K))}∂g0=Σk=1K(110·10γT,dB+10log10(g1)-10log10(g0)-γc,dB10-110γT,dB+10log10(g1)-10log10(g0)-γc,dB10+1);]]>A3、通过求解A2所得表达式得到信道增益最优值更进一步地，所述步骤A3具体包括以下分步骤：A31、令下式成立：f1(g0)=Σk=1K(110·10γT,dB+10log10(g1)-10log10(g0)-γc,dB10-110γT,dB+10log10(g1)-10log10(g0)-γc,dB10+1);]]>A32、步骤A31中的表达式两边对g0求导可得：∂f1(g0)∂g0=Σk=1K(-2g1·10γT,dB-γc,dB1010(g0+10γT,dB-γc,dB10)2);]]>A33、根据步骤A32得到的式子，可得因此f1(g0)＝0有唯一解通过二分法求解得到更进一步地，步骤A33所述二分法求解具体包括以下分步骤：B1、初始化g0的最大值和最小值作为二分法的初始值，并初始化估计的允许精度B2、如果则执行步骤B3，否则执行B8；B3、然后执行步骤B4；B4、如果则执行步骤B5，否则执行步骤B6；B5、然后执行步骤B2；B6、执行步骤B7；B7、然后执行步骤B2；B8、得到本发明的有益效果：本发明的基于最大似然准则的主系统收发机间信道增益估计方法，主基站与主用户之间采用CLPC，主基站的发射功率包含了主基站与主用户之间信道增益的信息；同时，主基站的发射功率信息包含在认知发射机接收到的信噪比数据中；本发明采用最大似然准则来提取多个独立SNR中关于主基站与主用户之间信道增益信息，并且得到该信道增益的解析式，从而估计出主基站与主用户间的信道增益；与传统的主基站与主用户之间信道增益估计方法相比，本发明的方法能更加灵活地促进认知发射机实现SS，并且具有良好的估计性能。附图说明图1为本发明所采用的系统示意图。图2为本发明提供的估计误差ε与传输块个数K的关系图。图3为本发明提供的估计误差ε与主基站与主用户之间距离d0的关系图。图4为本发明提供的估计误差ε与主基站与认知发射机之间距离d1的关系图。具体实施方式为便于本领域技术人员理解本发明的技术内容，下面结合附图对本
发明内容进一步阐释。如图1所示为本发明采用的系统示意图，系统由PT、PR和CT组成，PT与PR在某个频段内通信，PT位置固定，其覆盖范围为半径为R的圆，CT位于园内，它企图通过估计PT与PR之间的信道增益来实现频谱共享。系统考虑的信道为块衰落信道，其中PT和PR(CT)之间的信道系数为hk(k＝0,1)为小尺度衰落系数，服从瑞利衰落，且在每个数据块中保持不变，gk(k＝0,1)为大尺度信道衰落系数，其由如下路径衰落模型决定：Pl(dk)＝128+37.6log10(dk),fordk≥0.035km(1)其中，dk为两点之间的距离，d0表示PT与PR之间的距离，d1表示PT与CT之间的距离。本发明的技术方案为：基于最大似然准则的主系统收发机间信道增益估计方法，包括：S1、下行链路传输中，PT与PR之间采用CLPC，PT向PR发射信号的同时，CT监听来自主基站信号的信噪比；PT根据PR处的目标信噪比进行功率调整。具体步骤如下：S11、PT采用自适应调制方式，PT发射单位功率的信号xp(k)，发射功率为p0(k)，PR端接收到的信号为：yp(k)=h0(k)g0p0(k)xp(k)+np(k)---(2)]]>其中，np(k)为CT处接收到的均值为0，方差为σ2的加性高斯白噪声，于是，PR处接收到的SNR可以表示为：γp(k)=|h0(k)|2g0p0(k)σ2---(3)]]>由于PT与PR之间采用CLPC，PT自适应地调整自身的发射功率以达到PR处的目标信噪比γT，因此，PT处的发射功率应该满足以下条件：p0(k)=γTσ2|h0(k)|2g0---(4)]]>S12、在下行链路传输中，CT接收到PT的信号为：yc(k)=h1(k)g1p0(k)xp(k)+nc(k)---(5)]]>其中，nc(k)为CT处的噪声，均值为0，方差为σ2。于是CT处的SNR为：γc(k)=|h1(k)|2g1p0(k)σ2---(6)]]>虽然np(k)和nc(k)服从相同的分布，但是np(k)和nc(k)并不相等。将(4)带入(6)中，上述SNR可以表示为：γc(k)=γTg1g0|h1(k)|2|h0(k)|2---(7)]]>S2、由上述公式可知：g0的估计与CT处接收的SNR有关，于是CT根据接收到的SNR来估计CG值g0。为了公式的简洁，将(7)中的指数k去掉，并用dB形式表示：γc,dB＝γT,dB+10log10(g1)-10log10(g0)+10log10φ(8)其中，随机变量因为φ为随机变量，所以γc,dB也为相应的一个随机变量，它的CDF形式为：FΓc,dB(γc,dB)=Pr{γT,dB+10log10(g1)-10log10(g0)+10log10φ≤γc,dB}=Pr{φ≤10γc,dB+γT,dB-10log10(g1)+10log10(g0)10}=FΦ(10γc,dB-γT,dB-10log10(g1)+10log10(g0)10)---(9)]]>其中，FΦ(·)为φ的CDF。由于hk(k＝0,1)服从均值为1的瑞利分布，其CDF形式可以表示为：FΦ(φ)=φ1+φ---(10)]]>将(10)带入(9)可得γc,dB的CDF为：FΓc,dB(γc,dB)=10γc,dB-γT,dB-10log10(g1)+10log10(g0)101+10γc,dB-γT,dB-10log10(g1)+10log10(g0)10---(11)]]>对γc,dB求导可得其PDF形式：f(γc,dB)=∂Γc,dB(γc,dB)∂γc,dB=ln101010γT,dB+10log10(g1)-10log10(g0)-γc,dB10(1+10γT,dB+10log10(g1)-10log10(g0)-γc,dB10)2---(12)]]>对于K个独立的数据块，CT能够测量K个独立的SNR，即：γc,dB(k)(1≤k≤K)因此，γc,dB(k)(1≤k≤K)的联合PDF为：f(γc,dB(1),γc,dB(2),...,γc,dB(K))=Πk=1K[ln1010l0γT,dB+10log10(g1)-10log10(g0)-γc,dB(k)10(1+10γT,dB+10log10(g1)-10log10(g0)-γc,dB(k)10)2]---(13)]]>基于ML准则，当上述联合PDF函数值达到最大时，CG估计值g0能以最大的概率接近最优值因此本发明的目标是通过ML准则找到最优值对(13)两边同时取对数，可得：log10f(γc,dB(1),γc,dB(2),…,γc,dB(K))Σk=1K[log10(ln10·10γT,dB+10log10(g1)-10log10(g0)-γc,dB(k)10)-2log10(1+10γT,dB+10log10(g1)-10log10(g0)-γc,dB(k)10)-1]---(14)]]>对上式两边求导可得：∂{log10f(γc,dB(1),γc,dB(2),...,γc,dB(K))}∂g0=Σk=1K(110·10γT,dB+10log10(g1)-10log10(g0)-γc,dB10-110γT,dB+10log10(g1)-10log10(g0)-γc,dB10+1)---(15)]]>因此，可以通过求解以下方程得到最优的Σk=1K(110·10γT,dB+10log10(g1)-10log10(g0)-γc,dB10-110γT,dB+10log10(g1)-10log10(g0)-γc,dB10+1)=0---(16)]]>最后，可以得到ML估计器：g^0=g0*---(17)]]>从(16)可以看出，ML估计器的值取决于PR处的目标SNRγT,dB、PT与PR之间的信道增益g1以及CT处的SNRγc,dB。由于CT可以通过研究主系统的调制编码方案来获得γT,dB、通过测量自身与PT的距离来获得g1，测量接收到的SNR来获得γc,dB，因此，CT能够通过求解(16)来获得ML估计器但是(16)为一非线性方程，因此很难找到的闭式解，本发明采用二分法来获得CG估计值下面将首先证明(16)有解再叙述其求解步骤。1)、证明式(16)有解。首先令如下公式成立：f1(g0)=Σk=1K(110·10γT,dB+10log10(g1)-10log10(g0)-γc,dB10-110γT,dB+10log10(g1)-10log10(g0)-γc,dB10+1)---(18)]]>上式两边对g0求导可得：∂f1(g0)∂g0=Σk=1K(-2g1·10γT,dB-γc,dB1010(g0+10γT,dB-γc,dB10)2)---(19)]]>由于因此f1(g0)随着g0的递增而单调递减，又因为：所以(16)有唯一的正解，而且能够通过二分法求出此解。2)、在用二分法求解过程中，先将g0的最大值和最小值作为二分法的初始值。因为PR处在PT的覆盖范围内，CT能够知道PT的最大覆盖范围，因此可以通过将d0＝R带入路径衰落模型(1)中求得，即：而该路径衰落模型的限制条件是收发机的距离不能小于0.35km，因此可以将d0＝0.035km带入(1)中以获得其中表示估计的允许精度。具体解法如下：在用二分法求解过程中，先将g0的最大值和最小值作为二分法的初始值。因为PR处在PT的覆盖范围内，CT能够知道PT的最大覆盖范围，因此可以通过将d0＝R带入路径衰落模型(1)中求得，即：而该路径衰落模型的限制条件是收发机的距离不能小于0.035km，因此可以将d0＝0.035km带入(1)中以获得在仿真中设置为0.1。仿真结果：在仿真中，设定发射机的坐标位置为(0,0)，PR和CT均处在x轴上，接收机处的目标信噪比为γT＝10dB，噪声的功率为-114dBm，数据块的个数为N＝100，蒙特卡洛撒点数为10000。如图2所示为g0的绝对估计误差ε与数据块数目K的关系图，ε定义为：ϵ=|g^0-g0|]]>其中，PT与CT之间的距离d1＝0.1km，PT与PR之间的距离d0＝0.25km。由图可以看出，随着数据块数目K的增大，估计误差ε的值呈单调递减趋势，说明估计性能随着K的变大而逐渐变好。这是因为当K的个数增大时，CT能够监测到更多的SNR，从而提取更多与g0相关的有用信息，使得估计更加准确。本申请中的数据块数目K下限取值为1，上限为正无穷。图3为g0的绝对估计误差ε与d0变化的关系图。其中d1＝0.1km，d0的变化范围是(0.1km,0.5km)，由图可以看出，随着d0的变化估计误差ε基本上维持在0.6dB左右，这表明ML估计器的估计性能较好，而且d0的变化对估计性能没有太大的影响。图4为g0的绝对估计误差ε与d1变化的关系图。其中d0＝0.25km，d1的变化范围是(0.1km,0.5km)，此图展示了当d1＜0.35km时，g0的估计误差在0.6dB左右，而当d1>0.35km时，估计误差会相应增大。这是因为当d1变大时，CT处接收到的SNR会变小，这样CT的抗噪能力变弱，估计性能变差。因此ML估计器在CT处SNR较高时具有更优的估计性能。本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的权利要求范围之内。当前第1页1 2 3