本发明一种无线通信与信号检测领域，尤其涉及认知网络中一种基于噪声方差估计的多门限频谱感知方法。
背景技术：
认知无线电(Cognitive Radio,CR)作为一种动态的频谱再利用技术，可以提高频谱利用率，有效利用资源，其发展受到学术界和工业界的广泛关注。在认知无线网络中，认知用户/次用户(SU)首先通过主动检测授权频谱中是否存在主用户(PU)，当特定的频段中不存在主用户时，认知设备通过重配置其参数来利用频谱空洞。当PU再一次出现时，SU应该及时的腾出频谱给PU使用，以减小对PU的干扰。因此，频谱检测算法应具有很好的可靠性和检测速度的快速性。常见的频谱检测技术有：匹配滤波器检测、能量检测、循环平稳特征检测、协作频谱感知和多天线检测。其中能量检测实行简单和较低的复杂度被广泛应用于频谱感知中。然而能量检测器门限的选取是依靠噪声方差。在实际的环境中，噪声功率是随着时间和位置在一定范围内变化的。小的噪声不确定性将会导致检测性能的显著下降。因此，能量检测噪声不确定现象，直接影响了检测性能的鲁棒性。
目前抵抗噪声不确定性的方法有联合检测、双门限能量检测、自适应频谱检测等。但是，没有针对估计噪声功率进行能量检测的方法。大多数能量检测的方法都是一开始就给定了噪声的不确定性参数。而本方法能较为精确的估计噪声方差不确定区间，从而自适应地动态设置多门限判决门限，且具有较好的检测性能，特别是在复杂环境下，克服了噪声不确定性对能量检测门限设定的影响。
技术实现要素：
本发明旨在解决以上现有技术的问题。提出了一种高效、准确地感知空闲频谱的基于噪声方差估计的多门限频谱感知方法。
本发明的技术方案如下：
一种基于噪声方差估计的多门限频谱感知方法，其包括精确感知的步骤和快速感知的步骤：在精确感知周期中，采用最大似然估计的方法对噪声功率进行估计；在快速感知周期中，运用估计出的噪声功率对认知用户自适应地设定多个判决门限；最后，认知用户根据设定的多个判决门限进行能量检测，得到最终的频谱感知结果。
进一步的，所述精确感知阶段的具体步骤为：
A1、将认知用户接收到的信号进行A/D变换，得到抽样样本值；
A2、将样本值送入K×M分组器，得到K组，每组M个样本值；
A3、将每一组样本值单独进行最大似然估计求其方差值，得到K个方差估计值；
A4、根据弱大数定理，得到噪声不确定性区间的估计值。
进一步的，快速感知阶段的具体步骤为：
B1、给出噪声方差不确定性区间的估计值与实际值之间的误差区间；
B2、根据误差区间，分别取n个噪声方差不确定性区间的上边界值和下边界值，得到对应的两组判决门限的高低门限值；
B3、将这两组判决门限送入快速感知周期中，与认知用户(SU)快速感知到的统计量T进行比较。
B4、最后将所有判决结果采用majority准则融合得到SU最终的本地判决结果。
进一步的，所述步骤A4根据弱大数定理，分别得到噪声不确定性方差的估计值、估计方差值与实际方差值之间存在的误差值。具体包括：假设K很大但不趋于无穷大时，得到噪声方差不确定性估计区间为：
其中，和分别表示噪声方差不确定性区间的估计下边界值和上边界值，表示噪声的标称方差，表示噪声方差不确定性区间上边界的估计误差，ξ表示噪声方差不确定性区间下边界的估计误差，和分别表示噪声方差不确定性区间的实际下边界值和上边界值。
进一步的，步骤B1中实际噪声方差与估计噪声方差边界值的误差区域为：
其中对ξ的估计方法：
同理：
进一步的，所述步骤B2中n为5，即分别取5个噪声方差不确定性区间的上边界值和下边界值为：和
进一步的，所述步骤B2所述两组判决门限的高低门限值为；
其中，λH1、λH2、3、λH4、5分别表示给出的5个高判决门限，λL1、λL2、3、λL4、5分别表示给出的5个低判决门限，N表示认知用户对接收到的信号进行采样后的采样点数，Pf表示虚警概率，Q-1表示反正态高斯互补积分函数。
本发明的优点及有益效果如下：
本发明为了解决噪声方差不确定性环境下的能量检测性能，类似IEEE802.22草案，我们采用的是两步感知方案，包括精确感知和快速感知。而估计噪声门限在第一步的精确感知周期进行。由于噪声功率在数分钟内是保持不变的，因此，在精确感知周期估计的噪声功率可以应用于快速感知周期门限的设定。
本发明在噪声不确定性的环境下，对噪声区间进行了一个估计，然后根据估计的噪声自适应地设定多个判决门限值对认知用户接收到的信号进行判决，最后采用majority准则融合得到SU最终的本地判决结果，很好地解决了实际无线环境中噪声不确定性的问题，从而提升了感知的准确性，使得频谱的利用率得到了显著的提升。
本发明在结合实际的无线复杂环境下，对认知无线电的频谱感知过程中出现的噪声不确定性进行了一个精确的估计，并且在根据估计区间值设定多个高低判决门限对能量检测数据进行融合判决，使得本方法能够更好地适应实际的复杂无线环境，并且能够更好地克服噪声不确定性对整个感知性能的影响。本方法更具有实用价值。
附图说明
图1是本发明提供优选实施例基于噪声方差估计的多门限频谱感知方法的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、详细地描述。所描述的实施例仅仅是本发明的一部分实施例。
如图1所示：我们采用的是两步感知方案，包括精确感知和快速感知。而估计噪声门限在第一步的精确感知周期进行。由于噪声功率在数分钟内是保持不变的，因此，在精确感知周期估计的噪声功率可以应用于快速感知周期门限的设定。
精确感知阶段的具体步骤为：
步骤1：精确感知周期将接收信号y(t)进行A/D变换，得到抽样样本为Y1,Y2,...,YK×M，相应的样本值为将样本值送入K×M分组器，得到K组，每组M个样本值。任意一组样本值为：yj1,yj2,...,yjM(j＝1,2,…,K)。
步骤2：将第j(j＝1,2,…,K)组样本值单独进行最大似然估计求其方差值
这样可以得到K个的估计值
步骤3：根据弱大数定理，是相互独立的，服从的均匀分布，具有数学期望则对于任意ε>0有：
其中
所以得到当K趋于无穷时有：
由公式(7)知：
结合公式(3)和公式(4)可计算得到和如下：
但在实际中K不可能取无限大。因为K越大，复杂度越高，检测时间就越长，留给SU传输的时间就越小。为此，假设K很大但不趋于无穷大时，得到噪声方差不确定性估计区间为：
快速感知阶段的具体步骤为：
步骤一：由于有限的采样值，造成估计的噪声方差区间与实际的噪声方差区间存在一个误差。所以实际噪声方差与估计噪声方差边界值的误差区域为：
其中对ξ的估计方法：
同理：
步骤二：我们可以分别取5个噪声方差不确定性区间的上边界值和下边界值为：和从而得到两组判决门限，分别为：
步骤三：将这两组判决门限送入快速感知周期中，与SU快速感知到的统计量T进行比较，最后将所有判决结果采用majority准则融合得到SU最终的本地判决结果。
以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后，技术人员可以对本发明作各种改动或修改，这些等效变化和修饰同样落入本发明权利要求所限定的范围。