CN101944961A - 一种认知无线网络中的双门限合作感知方法 - Google Patents

Abstract

本发明公开了一种认知无线网络中的双门限合作感知方法，通过以下步骤：1、本地压缩感知恢复信号，在本发明中，通过压缩感知将整个宽带频谱恢复出来，这样可以使用低速率A/D转换器，从而降低了硬件要求。2、确定子频带，将压缩感知恢复出来的宽带频谱信号，通过小波边缘检测能够得到该信号的频谱边缘点，之后能够在频谱上分段为若干个子频带。3、合作感知，每一个认知用户都对所有子频带进行双门限能量检测，并将检测结果发送至融合中心进行判断，得到整个频谱主用户的存在情况，自适应地确定频谱空穴在频带中的位置。通过以上步骤，认知网络能够在低于奈奎斯特频率对主用户信号进行采样感知，并能自适应地确定频谱空穴在频带中的位置。

Description

一种认知无线网络中的双门限合作感知方法

技术领域

本发明属于认知无线电技术领域，更为具体地讲，涉及一种认知无线网络中的双门限合作感知方法。

背景技术

随着近年来动态频谱分配(Dynamic Spectrum Access)的发展，认知无线电致力于从频谱分配的角度来解决频谱资源短缺的问题。认知无线电应该能够自适应的识别周围环境中存在或者潜在的频谱空穴，并在不对主要用户造成干扰的情况下，对已知的频谱空穴加以利用，认知无线电被认为是能够满足人们对宽带频谱需求的技术。

理论上，认知无线电能够自觉感知周围环境，并利用处于闲置状态的频谱资源进行通信。因此，认知无线电对频谱感知能力具有很高的需求。但是目前基于香农定理的频谱感知技术并不能在宽带频谱的环境中满足应用的需求：一方面，采样率保持或超过奈奎斯特采样率变得越来越困难；另一方面，基于香农定理的采样仅仅是还原了信号，而频谱空穴信息的相关信息并未得到处理。

发明内容

本发明目的在于克服现有认知无线电技术的不足，提出一种认知无线网络中的双门限合作感知方法，能够在低于奈奎斯特频率对主用户信号进行采样感知，并能自适应地确定频谱空穴在频带中的位置。

为实现上述发明目的，本发明认知无线网络中的双门限合作感知方法，其特征在于，包括以下步骤：

(1)、主信号的本地压缩感知及恢复

在宽带认知网络中存在1，2，...，I个主用户和1，2，...，J个认知用户，认知用户j，j＝1，2，...，J采用低速率A/D转换器对接收到的主用户信号r_j(t)进行压缩采样，其采样频率低于奈奎斯特频率，得到压缩采样信号x_j(t)；

根据压缩采样x_j(t)进行恢复，得到恢复信号

(2)、小波边缘检测

a1、所有认知用户j将各自的恢复信号

发送给融合中心，在融合中心首先对J个恢复信号求平均，以使边缘检测比较准确；

$X=\frac{1}{J}\underset{j=1}{\overset{J}{\mathrm{\Σ}}}{\hat{r}}_j\left(t\right)$

X表示恢复信号

的均值；

然后，求恢复信号均值X的功率密度：

$S_X\left(f\right)={\∫}_{-\∞}^{+\∞}{R}_X\left(\mathrm{\τ}\right)\·e^{-j2\mathrm{\πf\τ}}\mathrm{d\τ}$

其中，S_X(f)代表恢复信号均值X的功率谱密度，R_X(τ)代表恢复信号均值X的自相关函数；

a2、对功率谱密度S_X(f)进行多尺度小波变换：

$W_s{S}_X\left(f\right)=\underset{s=1}{\overset{S}{\mathrm{\Π}}}{W}_{2^s}{S}_X\left(f\right)$

$=\underset{s=1}{\overset{S}{\mathrm{\Π}}}{\mathrm{\φ}}_{2^s}\left(f\right)*S_X\left(f\right)$

W_sS_X(f)代表多尺度小波变换结果，2^s是尺度因子，*代表卷积运算，S的取值范围是整数；

然后，对小波变换结果W_sS_X(f)求一阶倒数：

W_s′S_X(f)是W_sS_X(f)求一阶导数的结果。

是

的尺度一阶导函数。

对一阶导数的结果W_s′S_X(f)进行求极值运送，得到若干极值点

即频谱边缘点的估计值：

表示求极值运算，n是频谱边缘点的个数；

(3)、双门限能量合作检测

b1、认知用户j，j＝1，2，...，J根据融合中心得到的频谱边缘点的估计值

将宽带频谱划分为若干个子频段，对每一个子频段k，k＝1，2，...，n进行双门限合作能量检测：

认知用户j首先根据恢复信号计算处于各个子频段中的接收信号能量：

$E_{k,j}={\∫}_{{\hat{f}}_{k-1}}^{{\hat{f}}_k}{\left|{\hat{r}}_f^{\left(j\right)}\right|}^2\mathrm{df}$

其中，E_k，j表示认知用户j在子频段

的接收信号能量，

表示该认知用户j经过压缩感知的恢复信号

的频域表达式；

b2、认知用户j对各个子频段中的接收信号能量E_k，j进行判断，并向融合中心发送判断结果：

倘若接收信号能量E_k，j处于两个门限之间，那么发送E_k，j的能量值；若低于低门限，则确定第k子频段中主要用户不存在，发送0；若高于高门限，则确定第k子频段中存在主要用户，发送1，即：

$L_{k,j}=\left\{\begin{array}{c}\mathrm{0,0}<E_{k,j}<{\mathrm{\&eta;}}_0\\ 1,E_{k,j}>{\mathrm{\&eta;}}_1\end{array}\right.$

R_k，j表示第j个认知用户发送的第k个子频段接收信号能量判断结果，η₀代表低门限，η₁代表高门限；

所有认知用户j将其对每个子频段

接收信号能量判断结果R_k，j，k＝1，2，...，n都发送到融合中心；

融合中心对接收到的能量信号E_k，j进行第二次判定，在融合中心，在J个认知用户中，有P个发送了确定的判定结果，那么总共有J-P个认知用户发送了能量值，融合中心将接收到的信号能量E_k，j进行判定处理：

$D_k=\left\{\begin{array}{c}\mathrm{0,0}\&le;\underset{j=1}{\overset{J-K}{\mathrm{\&Sigma;}}}{E}_{k,j}\&le;\mathrm{\&lambda;}\\ 1,\underset{j=1}{\overset{J-K}{\mathrm{\&Sigma;}}}{E}_{k,j}\&GreaterEqual;\mathrm{\&lambda;}\end{array}\right.$

D_k表示对第k子频段能量信息的判定结果，λ表示第二次判定使用的门限；

融合中心对该子频段k判定的最后结果为：

d[k]代表融合中心的判定结果，d[k]＝0代表第k子频段不存在主用户信号，d[k]＝1代表第k子频段存在主用户信号；

对其他子频段进行相同的能量检测和判断，知道整个宽带频谱内全部主用户信号的存在情况，自适应地确定频谱空穴在频带中的位置。

在本发明中，通过以下步骤：

1、本地压缩感知恢复信号

由于宽带频谱的低利用率，主要用户信号在频域必然会表现为稀疏信号，即在整个宽带上有大量的位置能量为零，这一点符合压缩感知的应用场景。在本发明中，通过压缩感知将整个宽带频谱恢复出来，这样降低了对于采样A/D转换器的要求，可以使用低速率A/D转换器，从而降低了硬件要求。

2、确定子频带

将压缩感知恢复出来的宽带频谱信号，通过小波边缘检测能够得到该信号的频谱边缘点，之后能够在频谱上分段为若干个子频带。

3、合作感知

每一个认知用户都对所有子频带进行双门限能量检测，并将检测结果发送至融合中心进行判断，得到整个频谱主用户的存在情况，自适应地确定频谱空穴在频带中的位置。

通过以上步骤，认知网络能够在低于奈奎斯特频率对主用户信号进行采样感知，并能自适应地确定频谱空穴在频带中的位置。

附图说明

图1是本发明认知无线网络中的双门限合作感知方法的一种具体实施方式原理框图；

图2是不同压缩采样比下，融合中心恢复信号

的均值的频谱图；

图3是不同的压缩采样比下，融合中心小波边缘检测出的频谱边缘点位置图；

图4是不同压缩采样比、不同认知用户数量下，认知网络对正在使用的子频段的主信号进行合作双门限能量感知的结果图。

具体实施方式

下面结合附图对本发明的具体实施方式进行描述，以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是，在以下的描述中，当已知功能和设计的详细描述也许会淡化本发明的主要内容时，这些描述在这里将被忽略。

图1是本发明认知无线网络中的双门限合作感知方法的一种具体实施方式原理框图。

在宽带认知网络中存在1，2，...，I个主用户和1，2，...，J个认知用户。

在本实施中，如图1所示，一主用户的基带信号带宽B＝20MHz，经过调制，搬移到载频f_c＝2GHz上，然后通过信道发送出去。在图1中，只画出了一个主用户信号的发送过程，其他的主用户发送过程相同，所以未画出。

同样，在图1中，一认知用户接收到各主用户发送的主用户信号r_j(t)，然后用低速率A/D转换器进行采样，得到压缩采样信号x_j(t)，根据压缩采样x_j(t)进行恢复，得到恢复信号

然后用小波边缘检测进行频谱分段，得到若干极值点

即频谱边缘点的估计值，将宽带频谱划分成n个子频段。最后，根据获得n个子频段，对每个子频段内的信号进行积分，得到其能量，根据能量判断该子频段是否存在主信号的判断d[n]，从自适应地确定频谱空穴在频带中的位置。

在认知网络中，每一个认知用户j接收到的信号为：

$r_j\left(t\right)=\underset{i=1}{\overset{I}{\mathrm{\&Sigma;}}}{h}_{\mathrm{ij}}\left(t\right)*s_i\left(t\right)+w_j\left(t\right)$

其中，s_i(t)表示来自于第i个主要用户的信号。r_j(t)表示第j个认知用户接收到的信号。h_ij(t)表示信道的频率响应。w_j(t)表示在该信道上高斯白噪声信号，均值为零。*代表卷积运算。

将上式进行M点离散傅里叶变换后，可以得到：

$r_f^{\left(j\right)}=\underset{i=1}{\overset{I}{\mathrm{\&Sigma;}}}{h}_f^{\left(\mathrm{ij}\right)}\&CenterDot;s_f^{\left(i\right)}+w^{\left(j\right)}$

其中，M大于信道记忆长度。

和w(j)分别是h_ij(t)，s_i(t)和w_j(t)的频域表达式。

由于认知用户j接收到的信号

是稀疏信号，根据压缩感知理论，对于稀疏度为K_b的接收信号r_j(t)，只要满足1≤K_b＜＜M，需要K个测量数就能完全恢复，恢复信号为

其中，K＝CK_b logM，C为过采样系数。

图2是不同压缩采样比K/M下，融合中心恢复信号

的均值的频谱图，其中，图中(a)为主用户信号r_j(t)的频谱图，其余(b)～(e)分别为不同压缩采样比K/M＝8％、10％、14％、20％下，融合中心恢复信号

的均值的频谱图。在本实施例中，频谱范围0Hz～9GHz内进行仿真。稀疏度K_b＝50，频域点数M＝2000，采样点数K＝800。从图2可以看出，只要满足K＝CK_b logM＜＜M均可很好地恢复出主用户信号r_j(t)。

图3是不同的压缩采样比K/M下，融合中心小波边缘检测出的频谱边缘点位置图。如图3所示，在本实施例中，检测出的频谱边缘点有四个，分别是

只有对

进行积分运算，才得到具有一定接收信号能量，从而判断出主信号有两个，分别为中心在1.023GHz、带宽为0.1078G的信号以及中心在3.022、带宽为0.108GHz的信号，而其他未使用频点为频谱空穴。

图4是不同压缩采样比K/M下，不同认知用户数量下，认知网络对正在使用的子频段[0.9692GHz 1.077GHz]的主信号进行合作双门限能量感知的结果图。如图2所示，认知用户数量J数量越多，感知结果就越可靠，压缩采样比K/M低于0.1时，感知结果的可靠性大幅度下降，压缩采样比K/M在0.16以上时，感知结果，即检测准确率Qd趋于1。

尽管上面对本发明说明性的具体实施方式进行了描述，以便于本技术领的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

Claims (2)

1.一种认知无线网络中的双门限合作感知方法，其特征在于，包括以下步骤：

(1)、主信号的本地压缩感知及恢复

在宽带认知网络中存在1，2，...，I个主用户和1，2，...，J个认知用户，认知用户j，j＝1，2，...，J采用低速率A/D转换器对接收到的主用户信号r_j(t)进行压缩采样，其采样频率低于奈奎斯特频率，得到压缩采样信号x_j(t)；根据压缩采样x_j(t)进行恢复，得到恢复信号

(2)、小波边缘检测

a1、所有认知用户j将各自的恢复信号

发送给融合中心，在融合中心首先对J个恢复信号求平均；

$X=\frac{1}{J}\underset{j=1}{\overset{J}{\mathrm{\&Sigma;}}}{\hat{r}}_j\left(t\right)$

X表示恢复信号

的均值；

然后，求恢复信号均值X的功率密度：

$S_X\left(f\right)={\&Integral;}_{-\&infin;}^{+\&infin;}{R}_X\left(\mathrm{\&tau;}\right)\&CenterDot;e^{-j2\mathrm{\&pi;f\&tau;}}\mathrm{d\&tau;}$

其中，S_X(f)代表恢复信号均值X的功率谱密度，R_X(τ)代表恢复信号均值X的自相关函数；

a2、对功率谱密度S_X(f)进行多尺度小波变换：

$W_s{S}_X\left(f\right)=\underset{s=1}{\overset{S}{\mathrm{\&Pi;}}}{W}_{2^s}{S}_X\left(f\right)$

$=\underset{s=1}{\overset{S}{\mathrm{\&Pi;}}}{\mathrm{\&phi;}}_{2^s}\left(f\right)*S_X\left(f\right)$

W_sS_X(f)代表多尺度小波变换结果，2^s是尺度因子，*代表卷积运算，S的取值范围是整数；

然后，对小波变换结果W_sS_X(f)求一阶倒数：

W_s′S_X(f)是W_sS_X(f)求一阶导数的结果，是

的尺度一阶导函数。

对一阶导数的结果W_s′S_X(f)进行求极值运送，得到若干极值点

即频谱边缘点的估计值：

表示求极值运算，n是频谱边缘点的个数；

(3)、双门限能量合作检测

b1、认知用户j，j＝1，2，...，J根据融合中心得到的频谱边缘点的估计值

将宽带频谱划分为若干个子频段，对每一个子频段k，k＝1，2，...，n进行双门限合作能量检测：

认知用户j首先根据恢复信号计算处于各个子频段

中的接收信号能量：

$E_{k,j}={\&Integral;}_{{\hat{f}}_{k-1}}^{{\hat{f}}_k}{\left|{\hat{r}}_f^{\left(j\right)}\right|}^2\mathrm{df}$

其中，E_k，j表示认知用户j在子频段的接收信号能量，

表示该认知用户j经过压缩感知的恢复信号的频域表达式；

b2、认知用户j对各个子频段中的接收信号能量E_k，j进行判断，并向融合中心发送判断结果：

倘若接收信号能量E_k，j处于两个门限之间，那么发送E_k，j的能量值；若低于低门限，则确定第k子频段中主要用户不存在，发送0；若高于高门限，则确定第k子频段中存在主要用户，发送1，即：

$L_{k,j}=\left\{\begin{array}{c}\mathrm{0,0}<E_{k,j}<{\mathrm{\&eta;}}_0\\ 1,E_{k,j}>{\mathrm{\&eta;}}_1\end{array}\right.$

R_k，j表示第j个认知用户发送的第k个子频段接收信号能量判断结果，η₀代表低门限，η₁代表高门限；

所有认知用户j将其对每个子频段

接收信号能量判断结果R_k，j，k＝1，2，...，n都发送到融合中心；

融合中心对接收到的能量信号E_k，j进行第二次判定，在融合中心，在J个认知用户中，有P个发送了确定的判定结果，那么总共有J-P个认知用户发送了能量值，融合中心将接收到的信号能量E_k，j进行判定处理：

$D_k=\left\{\begin{array}{c}\mathrm{0,0}\&le;\underset{j=1}{\overset{J-K}{\mathrm{\&Sigma;}}}{E}_{k,j}\&le;\mathrm{\&lambda;}\\ 1,\underset{j=1}{\overset{J-K}{\mathrm{\&Sigma;}}}{E}_{k,j}\&GreaterEqual;\mathrm{\&lambda;}\end{array}\right.$

D_k表示对第k子频段能量信息的判定结果，λ表示第二次判定使用的门限；

融合中心对该子频段k判定的最后结果为：

d[k]代表融合中心的判定结果，d[k]＝0代表第k子频段不存在主用户信号，d[k]＝1代表第k子频段存在主用户信号；

对其他子频段进行相同的能量检测和判断，知道整个宽带频谱内全部主用户信号的存在情况，自适应地确定频谱空穴在频带中的位置。

2.根据权利要求1所述的认知无线网络中的双门限合作感知方法，其特征在于，步骤(1)中所述的压缩采样，其压缩采样比K/M大于0.16，其中，M是进行离散傅里叶变换的点数，K为测量数。

Images