一种非合作信号的盲频谱感知方法与流程

本发明涉及一种非合作信号的盲频谱感知方法，属于信号感知技术领域。

背景技术：

非合作信号(如电子侦察，抗干扰、无源雷达等系统中的信号)的频谱感知是在先验知识为零的情况下对频谱进行感知，检测信号存在与否。非合作信号的频谱感知因为感知过程中对发射和接收的信号没有任何先验信息，这为信号感知带来了一定的困难，面临非常严峻的考验，已成为近年来频谱感知问题中的研究重点。

目前频谱感知方法主要有匹配滤波器检测，能量检测，循环平稳特征检测等，这些检测方法各有其优缺点。匹配滤波器检测需要知道信号的先验信息，如果信号先验信息不准确，则检测结果将受到很大影响，而要准确的获取信号先验信息是比较困难的。循环平稳特征检测能够区分有用信号和噪声，因而检测效果较好，但这种方法的计算复杂度高，要求的观测时间较长。能量检测是一种比较简单的非相干检测方法，它在无需先验信息的条件下，能有效地检测出观察信号。因此，能量检测技术成为目前频谱检测技术研究的热点之一。但由于能量检测是以信号能量作为检测的重要参数，而它易受噪声功率不确定性的影响。

有几种因素影响频谱感知的感知性能。一是由于多径衰落、隐蔽终端和阴影效应等因素使待检测信号到达接收机时的信噪比非常的低。另外噪声功率可能会随时间改变致使难以获得精确的噪声功率。为了克服上述缺点，很多盲频谱感知方法被提出来，它们大部分是基于自相关矩阵的特征值分解的。估计自相关矩阵有较大的计算量，且较易受高斯色噪声的影响，尤其是低信噪比的信号包含在高斯色噪声中，盲频谱感知方法的检测性能将大大减低。

技术实现要素：

本发明的技术解决问题是：克服现有技术的不足，提供一种非合作信号的盲频谱感知方法，本发明可有效克服高斯噪声(包括高斯色噪声和高斯白噪声)的影响，在信噪比较低时也能改善频谱感知性能，且无需考虑待检测信号的信号形式。

本发明的技术方案是：

一种非合作信号的盲频谱感知方法，包括如下步骤：

a、对接收的射频信号进行带通滤波和下变频处理，获得基带信号；

b、对基带信号进行时域采样处理，获得时域离散的基带信号；

c、根据时域离散的基带信号，获得基带信号的四阶累积量矩阵；

d、对四阶累积量矩阵进行特征值分解，获得最大特征值；

e、依据虚警概率计算检测门限；

f、根据最大特征值与检测门限判断接收的射频信号是否包含非合作信号，当最大特征值大于检测门限时，则判定接收的射频信号包含非合作信号；当最大特征值小于等于检测门限时，则判定接收的射频信号不包含非合作信号，完成盲频谱感知。

所述步骤c中四阶累积量矩阵cx具体为：

x＝x(n),xl＝x(n-l)，x(n)＝[x(n),x(n-1),…x(n-l+1)]^t,

其中，cum(·)是联合累积量，x(n)为时域离散的基带信号中的第n个采样值，1≤n≤ns，ns为时域离散的基带信号采样值的个数，ns为正整数，l＝0,1,…,l-1是时延，l是正整数。

所述步骤e中检测门限γ具体为：

其中，ns为时域离散的基带信号采样值的个数，pfa为虚警概率h0:x(n)＝η(n)，x(n)是基带信号的抽样值，η(n)表示独立同分布的加性高斯噪声。

本发明与现有技术相比的有益效果是：

(1)本发明直接计算基带信号的四阶累积量矩阵，和现有的频谱感知的热点技术能量检测技术相比，无需有关噪声功率的信息，不受噪声不确定因素的影响，并能有效改善低信噪比情况下信号的检测性能。

(2)本发明直接对基带信号的四阶累积量矩阵进行特征值分解，和现有的基于自相关矩阵特征值分解的盲频谱感知技术相比，四阶累积量矩阵可以不受高斯色噪声的影响，尤其是低信噪比的信号淹没在高斯色噪声中，盲频谱感知方法的检测性能将大大减低，而本发明方法仍能改善频谱感知的性能。

附图说明

图1为本发明的频谱感知方法的流程框图；

图2为高斯白噪声下本发明方法与有噪声不确定性的能量检测方法及自相关矩阵特征值分解的频谱感知方法的检测率随信噪比变化的比较示意图；

图3为高斯色噪声下本发明方法与有噪声不确定性的能量检测方法及自相关矩阵特征值分解的频谱感知方法的检测率随信噪比变化的比较示意图。

具体实施方式

本发明提出了基于基带信号的四阶累积量最大特征值的频谱感知方法，这是一种盲频谱感知方法，可以不受高斯色噪声的影响。高斯信号的四阶累积量一般是0，而非高斯信号的不为0，所以考虑基带信号的四阶累积量就可以不受高斯色噪声的影响，用四阶累积量可以达到区别出信号和噪声的效果，在频谱感知时可以直接判断出待检测信号的存在与否，检测性能将大大的提高。于是在频谱感知中将四阶累积量作为统计度量来判断待检测信号存在与否，可以有效克服高斯噪声的影响，在很低的snr下也能改善频谱感知性能。

以下结合附图实施例对本发明作进一步详细描述。

本发明提出的一种非合作信号的盲频谱感知方法，其流程框图如图1所示，其主要包括以下步骤：

a、在系统中，利用一根天线接收信道内的时域连续的射频信号；

b、对天线接收到的时域连续的射频信号进行带通滤波和下变频处理，得到对应的时域连续的基带信号；然后对时域连续的基带信号进行时域采样处理，得到对应的包含ns个采样值的时域离散的基带信号，将时域离散的基带信号中的第n个采样值记为x(n)，其中，1≤n≤ns；

c、计算四阶累积量矩阵

定义如下接收矩阵：

x(n)＝[x(n),x(n-1),…x(n-l+1)]^t

则基带信号的自相关矩阵可以表示为：

其中，l＝0,1,…,l-1是时延，l是正整数，且x＝x(n),xl＝x(n-l)，引入一个特殊的四阶累积量的定义：

其中，cum(·)是联合累积量，则规范化累积量为：

则四阶累积量矩阵：

cx是对称矩阵及toeplitz矩阵，对其进行特征值分解可得到l个特征值。设λ1≥λ2≥…≥λl为cx的特征值。由于四阶累积量对高斯噪声的自然盲性，可将cx的最大特征值λ1作为统计度量来判断待检测信号存在与否，如果λ1＝0则待检测信号不存在，λ1>0则待检测信号存在。实际中，由于采集信号的长度有限，高斯噪声的四阶累积量的值并不是零，而是一个很小的值，在检测信号时通常需要根据采样点数目、虚警概率、平滑因子来设定相应的门限值γ来进行判定，即λ1>γ时待检测信号存在，反之待检测信号不存在。

d、对四阶累积量矩阵cx进行特征值分解计算最大特征值λ1作为检测统计量来判断待检测信号存在与否。

e、依据给定的虚警概率pfa计算检测门限γ

根据虚警概率pfa的定义

h0:x(n)＝η(n)，

h1:x(n)＝h(n)s(n)+η(n)，

其中，ns为采样点数目，其中q函数定义为：h0表示只有噪声存在，待检测信号不存在；h1表示待检测信号存在，x(n)和s(n)分别是基带信号与待检测信号的抽样值，η(n)表示独立同分布的加性高斯噪声，假设噪声与信号是不相关的，h(n)是通道增益。频谱感知或信号检测是基于基带信号x(n)来判断待检测信号是否存在的问题。

则对于一个给定的虚警概率pfa有：

检测门限γ：

f、根据统计量λ1与检测门限γ的关系判断主信号的有无，当λ1>γ时，则判定接收的射频信号包含非合作信号，当λ1≤γ时，则判定接收的射频信号不包含非合作信号。

通过以下仿真以进一步说明本发明的频谱感知方法的可行性和有效性。

利用matlab软件，对一种非合作信号的盲频谱感知方法的频谱感知性能进行相应的仿真分析，并与其它频谱感知方法进行对比。理想能量检测情况下一般都假设高斯噪声方差为恒定值，然而在实际应用中高斯噪声方差并不是确定不变的，都有一定的不确定性，噪声不确定性越大，能量检测越不稳定。实际系统中噪声的不确定性一般为1到2db之间。用本发明的频谱感知方法与理想能量检测、噪声不确定性为1.5db的能量检测及自相关矩阵特征值分解频谱感知方法的频谱感知性能进行对比。

图2为高斯白噪声下不同算法检测概率随信噪比(信噪比由－22db～0db)变化图，可看出随着信噪比的增加四种方法的检测概率都增加。在相同的信噪比下，本发明频谱感知方法的检测概率要低于理想能量检测方法而高于噪声不确定性为1.5db的能量检测及自相关矩阵特征值分解频谱感知方法的检测概率。图3为高斯色噪声下不同算法检测概率随信噪比(信噪比由－22db～0db)变化图，可看出随着信噪比的增加四种方法的检测概率都增加。在相同的信噪比下，本发明频谱感知方法的检测概率要高于理想能量检测方法、噪声不确定性为1.5db的能量检测及自相关矩阵特征值分解频谱感知方法的检测概率。从图2、图3中可以看出，无论在高斯白噪声下还是在高斯色噪声下本发明的频谱感知方法的检测性能均优于噪声不确定性为1.5db的能量检测及自相关矩阵特征值分解频谱感知方法的频谱感知性能，在高斯色噪声下本发明频谱感知方法的频谱感知性能还明显优于理想能量检测方法的频谱感知性能。可以看出在高斯色噪声环境下本发明频谱感知方法的优势更加明显。

本发明说明书中未作详细描述的内容属本领域专业技术人员的公知技术。