CN101848044A - 低功耗时域和频域双阈值联合能量检测算法 - Google Patents

Abstract

本发明提出了一种适用于认知无线电网络的低功耗时域和频域双阈值联合能量检测算法。算法主要步骤：A、对待测信号进行时域检测；B、若未检测到主用户，判定主用户不存在；反之，进行频域检测；C、若未检测到主用户，判定主用户不存在；反之，主用户存在。由于时域能量检测方法功耗较低，但检测准确度不高，而频域能量检测方法检测准确度较高，但是功耗较大。本发明按特定程序将时域能量检测和频域能量检测结合起来，发挥各自的优势，在保证一定的检测精度的条件下，比单独使用任何一种(时域或频域的)能量检测方法功耗都要低，方法简单有效。

Description

低功耗时域和频域双阈值联合能量检测算法

技术领域

本发明属于通信技术领域，涉及具有自感知能力的泛在网络通信，特别是认知无线电网络。具体地说，由于频谱检测技术是认知无线电的一种关键技术，认知用户除了要承载自身的通信业务以外，还要实时检测、监测频谱的使用情况。因此，认知用户的功耗将会是比较大的问题，也是制约认知无线电技术实际应用的瓶颈。所以在不影响工作性能的条件下，降低频谱检测和监测的功率损耗，研究低功耗频谱共享策略就变得具有现实的研究意义。本发明结合时域与频域这两种能量检测算法，这种算法可以在保证一定的检测精度的条件下，比单独使用任何一种时域或频域的能量检测方法功耗都要低。

背景技术

目前，认知无线电网络的频谱检测方法主要还是能量检测，能量检测方法又分为时域检测与频域检测两种方法。

两种检测方法都有各自的优缺点。对于时域检测，在文献“Energy Detectionof Unknown Deterministic Signals”做了详细的介绍。时域能量检测器由带通滤波器、模数转换器、平方算法模块、综合计算模块和门限判决模块组成。外界信号r(t)首先通过带宽为W的带通滤波器，获得信号r_W(t)，然后通过模数转换器将模拟信号变为数字信号y(n)，y(n)通过平方算法模块进入综合计算模块对N维采样点求均值，获得目标频段W的样值

将

与预先设定的判决门限比较，判断是否存在主用户信号。对于频域检测，主要由模数转换器、快速傅里叶变换模块、平方算法模块、综合计算模块和门限判决模块组成。外界信号r(t)首先通过模数转换器将模拟信号变为数字信号y(n)，y(n)通过FFT变换将时域信号转换为频域信号，然后将频域信号输入平方算法模块获得信号能量，通过综合计算模块对频域信号求均值，获得目标频段的样值V，将V与预先设定的判决门限比较，判断是否存在主用户信号。

比较以上两种检测方法，时域检测方法具有实现模块简单，功耗低，处理时间短的优点，但是该方法的测量精确度偏低；频域检测方法由于引入了FFT处理模块而提高了测量精确度，但该模块消耗了整个能量检测模块70％-80％的功耗，从而增大了***功率消耗。鉴于以上两种方法的各自优缺点，人们往往无法再二者中取舍，本发明便是结合这两种检测方法，在充分利用各自优点的基础上提出的一种解决该问题的方法。

发明内容

本发明的目的是提供一种适用于认知无线电网络的高效的能量检测改进方法。根据美国联邦通信委员会(FCC)和美国国家无线电网络研究实验床(NRNRT)的大量测量研究证明主用户存在的概率一般在10^-2量级，所以可以认为主用户存在这个事实为小概率事件。为此仅使用时域能量检测算法检测主用户时，假如判断结果为存在主用户，则意味着小概率事件发生了，则为了进一步确认此小概率事件的发生不是由于时域测量算法的低精确度造成的，所以我们再进行频域能量检测进一步确定小概率事件的发生。

结合上述思想，本发明具体步骤如下：

第一步骤：对待测信号进行时域检测。

时域检测模块实时运行，对认知环境中的信号在时域上进行能量检测。该模块相对于频域检测模块具有复杂度低，功耗小的优点，但检测精度较低。

第二步骤：若未检测到主用户，判定主用户不存在；反之，进行频域检测。

通过前面的说明我们知道，主用户存在的概率很低，因此我们判定主用户不存在的可能性较大。换句话说，我们继续进行频域检测的可能性较低，所以频域检测模块并非实时工作。这样，就在保证一定精度的情况下降低了检测的功耗。在这里，为了使分析结果更加直观，我们引入了频域检测模块的参与系数α，并给出了它的确定方法，使得***的检测概率和误报率包含了α。

第三步骤：若频域未检测到主用户，判定主用户不存在；反之，判定主用户存在

由于主用户存在是小概率事件，因此当时域检测检测到主用户存在时，为了保证检测的精度，我们才进行了频域检测，从而有了该步骤的判定结果。

附图说明

图1为时域能量检测模型图。

图2为频域能量检测模型图。

图3为双阈值低功耗能量检测算法流程图

图4为时域、频域和双阈值检测功耗曲线图

图5为参与系数曲线α与时域阈值Γ_TD关系曲线图

具体实施方式

下面结合算法的实施过程对本发明作进一步的描述，但该实施过程不应理解为对本发明的限制。

双阈值能量检测***由时域和频域两部分共同组成。整体思想是利用时域检测的低功耗和实现简单的优点，先对主用信号进行初步筛选，如果时域检测认为主用户信号存在，再利用频域检测模块进行确认，这样即节省了***功耗又保证了一定的检测概率。

在该发明中，我们首先得到了检测***的整体检测概率和虚警概率与时域模块及频域模块的检测概率和虚警概率的关系。在我们引入了频域模块的参与系数后，又表示出了参与系数和双阈值能量检测***整体检测概率和整体误报概率之间的函数关系。

算法具体执行过程如下：

1、对待测信号进行时域检测。

时域能量检测模型如图1所示，时域能量检测器由带通滤波器(BPF)、模数转换器(A/D)、平方算法模块(Square-Law)、综合计算模块和门限判决模块(Threshold)组成。外界信号r(t)首先通过带宽为W的带通滤波器，获得信号r_W(t)，然后通过模数转换器将模拟信号变为数字信号y(n)，y(n)通过平方算法模块进入综合计算模块对N维采样点求均值，获得目标频段W的样值V，将V与预先设定的判决门限Γ_TD比较，判断是否存在主用户信号。

时域能量检测基于一个简单的事实，即信号加噪声的能量一定大于噪声单独存在时的能量，如下式所示：

E{(s(t)+n(t))²}＝E{s²(t)}+E{n²(t)}＞E{n²(t)}

假设噪声n(t)是零均值的高斯白噪声，其双边带功率谱密度是N₀，噪声带宽为W；信号s(t)与噪声不相关，即E{s(t)n(t)}＝0。

时域取统计量为：

${\hat{V}}_{\mathrm{TD}}=\frac{1}{N_0}{\∫}_0^{\mathrm{\τ}}{y}^2\left(t\right)\mathrm{dt}$

是积分后真实统计量V_TD的一个线性函数。持续为T，带宽为W的信号可以由2TW个采样点表示。

仅考虑噪声信号n(t)时，

是2TW个零均值、单位方差的高斯随机变量的平方和，即

是2TW个自由度的服从中心卡方分布的随机变量；仅考虑主用户信号s(t)时，

为自由度为2TW个自由度的非中心卡方分布，非中心系数λ为

$\mathrm{\λ}=\frac{1}{N_0}{\∫}_0^T{s}^2\left(t\right)\mathrm{dt}=\frac{E_s}{N_0}$

通过以上步骤确定了各种情况下的统计量分布，就可以得到能量检测方法的检测概率和误报概率，

$P_{\mathrm{fa}}^{\mathrm{TD}}=P\{{\hat{V}}_{\mathrm{TD}}>{\mathrm{\Γ}}_{\mathrm{TD}}|H_0\}=P\{{\mathrm{\χ}}_{2\mathrm{TW}}^2>{\mathrm{\Γ}}_{\mathrm{TD}}\}$

$P_d^{\mathrm{TD}}=P\{{\hat{V}}_{\mathrm{TD}}>{\mathrm{\Γ}}_{\mathrm{TD}}|H_1\}=P\{{\mathrm{\χ}}_{2\mathrm{TW}}^{\′2}>{\mathrm{\Γ}}_{\mathrm{TD}}\}$

式中H₀表示主用户不存在，H₁表示主用存在；

在大的时宽带宽积(TW＞125)条件下，采样后的点数很多且相互独立，根据中心极限定理可得，采样点的分布近似服从正态分布。所以在主用户不工作的情况下，统计量

由2TW个独立的高斯随机变量的平方和组成，经推导

服从N(2TW，4TW)的高斯分布；

主用户存在的条件下，

服从N(2TW+λ，4TW+λ)的高斯分布。假设判断主用户信号存在的能量门限为Γ_TD，则虚警概率为：

$P_{\mathrm{fa}}^{\mathrm{TD}}=Q\left(\frac{{\mathrm{\Γ}}_{\mathrm{TD}}-{\mathrm{\μ}}_0}{{\mathrm{\σ}}_0}\right)$

检测概率为：

$P_d^{\mathrm{TD}}=Q\left(\frac{{\mathrm{\Γ}}_{\mathrm{TD}}-{\mathrm{\μ}}_1}{{\mathrm{\σ}}_1}\right)$

式中

$Q\left(x\right)=\frac{1}{\sqrt{2\mathrm{\π}}}{\∫}_x^{\∞}{e}^{{-y}^2/2}\mathrm{dy}$

2、若未检测到主用户，判定主用户不存在；反之，进行频域检测。

若未检测到主用户，判定主用户不存在。当检测到主用户则启动频域能量检测，频域能量检测模型如图2所示，其主要由模数转换器(A/D)、快速傅里叶变换模块、平方算法模块(Square-Law)、综合计算模块和门限判决模块(Threshold)组成。外界信号r(t)首先通过模数转换器将模拟信号变为数字信号y(n)，y(n)通过FFT变换将时域信号转换为频域信号，然后将频域信号输入平方算法模块获得信号能量，通过综合计算模块对频域信号求均值，获得目标频段的样值

将

与预先设定的判决门限Γ_FD比较，判断是否存在主用户信号。当信道中实际存在主用户信号时，时域检测模块(TD)对接收到得信号进行分析和处理并和时域判决阈值Γ_TD比较后有的概率检测到信号，有的概率发生漏报，如果判决主用户信号存在，则启动频域检测模块参与检测。

跟时域检测相比，频域检测的优点是将检测信号由时域变换为频域后进行检测，增强了其应用的灵活性，从而提高了检测准确性；缺点是引入了FFT模块，消耗了整个能量检测模块70％-80％的功耗。频域能量检测的整个分析过程与时域基本相同，这里不再详述。

3、若频域未检测到主用户，判定主用户不存在；反之，判定主用户存在

由于主用户存在是小概率事件，因此当时域检测检测到主用户存在时，为了保证检测的精度，我们才进行了频域检测，从而有了该步骤的判定结果。

双阈值能量检测***模型图如图3所示。图中

表示在主用户存在的条件下，时域模块以Γ_TD为判断主用户是否存在阈值的情况下的检测概率，

为判断主用户不存在的概率；图中

表示在主用户存在的条件下，频域模块以Γ_FD为判断主用户是否存在阈值的情况下的检测概率，

为判断主用户不存在的概率；图中

表示在主用户不存在的条件下，时域模块以Γ_TD为判断主用户是否存在阈值的情况下的虚警概率，

为判断主用户不存在的概率；图中

表示在主用户不存在的条件下，频域模块以Γ_FD为判断主用户是否存在阈值的情况下的虚警概率，为判断主用户不存在的概率；在这里设

为双阈值能量检测***整体检测概率，

为双阈值能量检测***整体虚警概率。

根据图3表示的流程，可以得到双阈值能量检测***的整体检测概率和虚警概率如下：

$P_d^{\mathrm{OA}}=P_{\mathrm{\λ}}{P}_d^{\mathrm{TD}}{P}_d^{\mathrm{FD}}+(1-P_{\mathrm{\λ}})(1-P_{\mathrm{fa}}^{\mathrm{FD}}{P}_{\mathrm{fa}}^{\mathrm{TD}})$

$P_{\mathrm{fa}}^{\mathrm{OA}}=P_{\mathrm{fa}}^{\mathrm{TD}}{P}_{\mathrm{fa}}^{\mathrm{FD}}$

其中P_λ表示信道中实际存在主用户用户信号的概率，(1-P_λ)表示信道中实际无主用户的概率。根据美国联邦通信委员会(FCC)和美国国家无线电网络研究实验床(NRNRT)的大量测量研究证明P_λ一般在10^-2量级。

在大的时宽带宽积条件下(TW＞125)时，有：

$P_d^{\mathrm{OA}}=P_{\mathrm{\λ}}Q\left(\frac{{\mathrm{\Γ}}_{\mathrm{TD}}-{\mathrm{\μ}}_1}{{\mathrm{\σ}}_1}\right)Q\left(\frac{{\mathrm{\Γ}}_{\mathrm{FD}}-{\mathrm{\μ}}_1}{{\mathrm{\σ}}_1}\right)+(1-P_{\mathrm{\λ}})(1-Q\left(\frac{{\mathrm{\Γ}}_{\mathrm{TD}}-{\mathrm{\μ}}_0}{{\mathrm{\σ}}_0}\right)Q\left(\frac{{\mathrm{\Γ}}_{\mathrm{FD}}-{\mathrm{\μ}}_0}{{\mathrm{\σ}}_0}\right))$

$P_{\mathrm{fa}}^{\mathrm{OA}}=Q\left(\frac{{\mathrm{\Γ}}_{\mathrm{TD}}-{\mathrm{\μ}}_0}{{\mathrm{\σ}}_0}\right)Q\left(\frac{{\mathrm{\Γ}}_{\mathrm{FD}}-{\mathrm{\μ}}_0}{{\mathrm{\σ}}_0}\right)$

根据***工作流程，时域检测模块一直处于工作状态，只有当时域检测结果超过Γ_TD时，启动频域检测模块进行检测。所以双阈值能量检测模型的整体功耗E_OA和频域检测模块的使用概率成正比关系。这里定义频域检测模块的使用概率是频域检测模块的参与系数α。根据经验一般有E_FD＝2E_TD，其中E_TD表示频域能量检测模块整体功耗，E_TD表示时域能量检测模块整体功耗。所以α的大小直接决定了双阈值能量检测***的整体功耗。根据α的物理意义，我们可以写出其数学表达式如下：

$\mathrm{\α}={\mathrm{AP}}_d^{\mathrm{TD}}+(1-A)P_{\mathrm{fa}}^{\mathrm{TD}}$

α的意义是当时域检测模块认为检测到了授权用户，便启动频域检测模块参与检测。而时域检测模块的检测性能和阈值Γ_TD有直接关系，故有：

$\mathrm{\α}=\mathrm{AP}\{{\mathrm{\χ}}_{2\mathrm{TW}}^{\′2}>{\mathrm{\Γ}}_{\mathrm{TD}}\}+(1-A)P\{{\mathrm{\χ}}_{2\mathrm{TW}}^2>{\mathrm{\Γ}}_{\mathrm{TD}}\}$

在大的时宽带宽积条件下(TW＞125)时：

$\mathrm{\α}=\mathrm{AQ}\left(\frac{{\mathrm{\Γ}}_{\mathrm{TD}}-{\mathrm{\μ}}_1}{{\mathrm{\σ}}_1}\right)+(1-A)Q\left(\frac{{\mathrm{\Γ}}_{\mathrm{TD}}-{\mathrm{\μ}}_0}{{\mathrm{\σ}}_0}\right)$

有上述公式推导可得参与系数α和双阈值能量检测***整体检测概率和整体误报概率之间的函数关系如下：

$P_d^{\mathrm{OA}}=P_{\mathrm{\λ}}{P}_d^{\mathrm{TD}}{P}_d^{\mathrm{FD}}+(1-P_{\mathrm{\λ}})(1-P_{\mathrm{fa}}^{\mathrm{FD}}\frac{\mathrm{\α}-{\mathrm{AP}}_d^{\mathrm{TD}}}{1-A})$

$P_{\mathrm{fa}}^{\mathrm{OA}}=\frac{\mathrm{\α}-{\mathrm{AP}}_d^{\mathrm{TD}}}{1-A}{P}_{\mathrm{fa}}^{\mathrm{FD}}$

根据图4的仿真结果，我们可以看出仅仅使用频域或时域检测模块时***的整体功耗E_OA不随阈值Γ的升高而升高，为固定值且E_FD≈2E_TD。这主要是因为，时域和频域检测功耗主用与检测***硬件设备功耗有关设备功耗一旦确定，***整体功耗就保持不变，且与Γ_TD和Γ_FD的设置无关。而双阈值能量检测***功耗则随着时域阈值Γ_TD的升高功耗减小，这是因为Γ_TD与噪声功率相等时双阈值能量检测***几乎每次都会启动频域检测***，因此***功耗近似等于频域与时域检测***功耗之和。随着阈值Γ_TD的升高频域检测***启动的概率越来越低，所以双阈值能量检测***功耗越来越接近时域检测***功耗，当Γ_TD等于背景噪声与主用户信号之和时频域检测***几乎不启动，所以双阈值能量检测***功耗与时域检测***功耗相等。

从图5可以看出当域阈值Γ_TD较低时***参数系数α近似为1，意味着频域检测模块启动概率较高，随着Γ_TD升高，时域检测模块检测主用户出现的概率越来越低，则频域模块启动的概率也越来越低，所以***参与系数接近为0。

本说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。

以上所述仅为本发明的较佳实施而已，并不用以限制本发明，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保护范围之内。

Claims (5)

1.低功耗时域和频域双阈值联合能量检测算法，一种用于泛在网络的时域能量检测与频域能量检测相结合的一种频谱检测方法。在保证一定精度的情况下，比单独使用任何一种时域或频域的能量检测方法功耗都要低。

该算法的步骤如下：

A)对待测信号进行时域检测；

B)若未检测到主用户，判定主用户不存在；反之，进行频域检测；

C)若未检测到主用户，判定主用户不存在；反之，主用户存在。

2.根据权利要求1所述的方法，其特征在于，为确保满足一定精度要求下的低功耗检测，要求时域检测模块进行实时检测，而频域检测模块进行非实时检测，即当时域检测模块判定主用户存在时才工作。

3.根据权利要求1所述的方法，其特征在于，该检测方法灵活地结合了时域检测与频域检测两种频谱检测方法。

4.根据权利要求1所述的方法，其特征在于，为便于分析该检测方法的功耗状况，引入了频域检测模块的参与系数α的概念，即频域检测模块的使用概率。随着α的增大，***的功耗也在增大。最后给出了α的确定方法。

5.根据权利要求1所述的方法，其特征在于，***的检测概率和误报率中包含了参与系数α。

Images