CN110601779A - 基于双门限功率谱双平均比值的能量检测方法 - Google Patents

Abstract

基于双门限功率谱双平均比值的能量检测方法，涉及认知无线电技术领域，步骤一、计算双门限能量检测下的双阈值和检测统计量T_DTED，判断所述检测统计量T_DTED是否大于下阈值γ₀小于上阈值γ₁，如果否，执行步骤二；如果是，执行步骤三；步骤二、判断所述检测统计量T_DTED是否大于等于上阈值γ₁，如果是，则PU信号存在，如果否，则检测统计量T_DTED小于下阈值γ₀，则PU信号不存在；步骤三、采用功率谱双平均比值算法计算功率谱最大值、最小值、检验统计量T_DPSRA以及阈值γ_DPSRA；步骤四、判断所述检验统计量T_DPSRA是否大于等于阈值γ_DPSRA，如果是，则PU信号存在，如果否，则PU信号不存在。本发明在双门限间加入另一种算法进行处理的检测算法，提高了算法的处理效率，能够显著提高能量检测的检测性能。

Description

基于双门限功率谱双平均比值的能量检测方法

技术领域

本发明涉及认知无线电技术领域，具体涉及一种基于双门限功率谱双平均比值的能量检测方法。

背景技术

伴随通信网络的高速发展和业务需求的***式增长，特别是第五代(the fifthGeneration，5G)无线通信***等高密集异构网络的出现，如何妥善解决无线频谱资源严重短缺问题是一项具有挑战性的任务。众所周知，当前的频谱管理机构把大多数频谱带宽分配给专有的授权用户(Primary Users，PUs)，而且不允许次用户(Secondary Users，SUs)接入该频谱带宽，然而通过频谱观测站监测可知分配给PUs的频谱带宽大多数时间都未被利用。因此，为改善频谱资源利用情况，认知无线电网络(Cognitive Radio Networks，CRNs)概念被提出，其工作原理是利用频谱空洞，允许认知用户在不对授权用户产生过大干扰的情况下接入授权频谱。认知无线电***的性能取决于认知用户如何准确地检测频谱使用机会，即频谱感知技术，目前常用的频谱感知技术有三种：1)匹配滤波检测；2)特征值检测；3)能量检测。由于能量检测复杂度低，实现简单，所以受到研究者的青睐。

在低信噪比下，能量检测所使用的阈值会受到噪声的影响，噪声不确定度的存在会使得能量检测的性能降低。为了解决噪声不确定度对频谱感知产生的影响，研究者对阈值进行了改进处理，将噪声不确定度作为参数加入其中，提出了双门限能量检测算法。算法最初提出之时，仅仅提高了阈值上限，增加了阈值下限，并没有对门限间的信号进行处理，解决方案之一是阈值进行自适应改变，但是自适应方案需要存储大量的数据以便实时对比优化，空间复杂度因此大大提升，这样会丧失能量检测部分原本的优势。近年来，新的能量检测性能度量被提出，功率谱作为研究信号频谱特征的重要度量，被研究者使用设计了大量功率谱频谱感知算法，功率谱双平均比值算法在低虚警率下表现良好，但在虚警率超过0.2之后，性能会急剧下降。

发明内容

本发明提供一种基于双门限功率谱双平均比值能量检测方法，在双门限间加入另一种算法进行处理的检测算法，提高了算法的处理效率，解决了噪声不确定度对频谱感知产生的影响，同时处理了功率谱双平均比值算法高虚警率无法计算的问题，能够显著提高能量检测的检测性能。

基于双门限功率谱双平均比值能量检测方法，该方法由以下步骤实现：

步骤一、计算双门限能量检测下的双阈值和检测统计量T_DTED，判断所述检测统计量T_DTED是否大于下阈值γ₀小于上阈值γ₁，如果否，执行步骤二；如果是，执行步骤三；

步骤二、判断所述检测统计量T_DTED是否大于等于上阈值γ₁，如果是，则PU信号存在，如果否，则检测统计量T_DTED小于下阈值γ₀，则PU信号不存在；

步骤三、采用功率谱双平均比值算法计算功率谱最大值、最小值、检验统计量T_DPSRA以及阈值γ_DPSRA；

步骤四、判断所述检验统计量T_DPSRA是否大于等于阈值γ_DPSRA，如果是，则PU信号存在，如果否，则PU信号不存在。

本发明的有益效果：本发明解决了能量检测算法在噪声不确定度下性能不佳的问题，同时处理了功率谱双平均比值算法高虚警率无法计算的问题，能够显著提高能量检测的检测性能，进一步提升能量检测算法的性能及鲁棒性。

附图说明

图1为本发明所述的双门限功率谱双平均比值的能量检测方法的流程图；

图2为本发明所述的双门限功率谱双平均比值的能量检测方法中DPSRA算法的ROC曲线图；

图3本发明所述的双门限功率谱双平均比值的能量检测方法中双门限功率谱双平均比值能量检测算法与现有算法性能比较图；

图4本发明所述的双门限功率谱双平均比值的能量检测方法中虚警率为0.1时信噪比SNR与检测率P_d的关系图；

图5为虚警率与不确定值的关系图。

具体实施方式

具体实施方式一、结合图1至图5说明本实施方式，基于双门限功率谱双平均比值能量检测方法，包括以下步骤：

步骤一、求出双门限能量检测下的双阈值γ₀和γ₁；

在认知无线电频谱感知模型中，主用户(Primary User,PU)是否存在的模型可以建立为一个二元的假设检验，公式描述如下：

其中，x(n)表示发射信号，y(n)为接收机接收到的信号，h是信号传输过程中的信道增益，而v(n)为AWGN信道中的加性高斯白噪声，信道均值u_h＝1，方差H₀表示主用户并未使用检测频段，所以接收机只接收到了噪声信号，H₁则表示主用户正在使用检测频段，因此次级用户(Secondary User,SU)不能利用该频段传输信号。

能量检测的基本检测原理是接收信号所拥有的能量大于单独噪声所拥有的能量，由此可以通过噪声作为阈值对频段是否被占用进行判断，依据能量检测的基本原理，能量检测的检验统计量T_DTED表示如下：

其中，N为采样点数。可以看出，由于检验统计量完全由信号本身决定，所以能量检测会受到信噪比的影响，低信噪比下由于信号能量可能远小于噪声，导致信号能量无法准确计算，检测性能急剧下降。

当采样点数足够大时，根据中心极限定理，能量检测的检验统计量T_DTED近似服从高斯分布：

式中，T₀、T₁分别表示在H₀、H₁条件下使用双门限能量检测的检验统计量，为噪声方差，则是主用户所传递信号的平均功率。

能量检测算法检测的检测率和虚警率如下：

其中，γ为检测***的阈值，用于判定主用户信号是否存在，Q(·)为互补累积分布函数，表达式如下：

检测***的阈值γ可确定如下：

P_f为虚警率，可以看出，检测***的阈值γ确实只与噪声有关，其次是采样点数，当采样点数越大，噪声方差越准确，能量检测的性能就会越好。

由于噪声不确定度的存在，需要引入一个新的参数，设定噪声不确定度为ρ，则噪声方差由假定的固定值变为：因此虚警率和检测率也发生了改变：

最终整个***的双门限阈值如下：

当能量检测的检验统计量T_DTED大于等于上阈值γ₁，判定PU信号存在，此时不能进行传输，当能量检测的检验统计量T_DTED小于等于下阈值γ₀，则PU信号不存在，SU可以使用该频段。若能量检测的检验统计量T_DTED在两者之间，则执行步骤二；

步骤二、根据功率谱双平均比值算法得到功率谱最大最小值以及检验统计量T_DPSRA；根据步骤一建立的本算法采用的信号模型是一个二元的假设检验，在此基础上，采样方式需要进行改变，我们设定一共要采集L帧信号，每帧M个采样点。对每一帧我们都进行一次M点的傅里叶变换：

式中，第i帧信号假设为y_i(m)，其中i＝1～L,m＝0～M-1，j是虚数单位。计算每一帧的功率谱密度：

从式中可以看出，本实施方式将每一帧的结果进行累加平均，平滑了某些噪声极值产生的影响。得到功率谱最大最小值(假定y(m)为基带调制信号)：

基带信号中心频率为零频，所以功率谱密度最大值为P_y(0)，K₀表示用于平滑最小值选取的长度大小，K₁为最小值采样的起始点。因此，功率谱平均比值算法的检验统计量可表示如下：

步骤三、根据功率谱双平均比值算法求出阈值γ_DPSRA；步骤二功率谱密度最大值是在理想基带条件下才能实现的，实际上，由于载波会有频偏的存在，功率谱最大值并不一定在零频处，有可能会产生频偏，综上，类似于采用最小值的中段平均方案，最大值也可以采用零频附近的一段功率谱来进行平滑计算，以此提高整个检测***的鲁棒性：

K₂为设置的最大平滑值，在AWGN信道下(信道均值u_h＝1，方差)求得的功率谱的均值方差分别为：

根据中心极限定理，当帧数L足够大，功率谱密度近似服从高斯分布：

当主用户不存在时，之前求得的P_y(k)|_max和P_y(k)|_min(两者互相独立)服从如下分布：

因此可以得到虚警率P_fDPSRA为：

erf用于计算误差函数，最终得到门限值γ_DPSRA：

c＝(erf^-1(2P_fDPSRA-1))²(27)

式中，c为常数，所述门限值γ_DPSRA在取负号的情况下结果会小于1，最终使得检测率恒定为1，显然与事实不符，所以门限值γ_DPSRA结果取正号：

步骤四、将双门限能量检测与功率谱双平均比值能量检测二者相结合；即：采用双门限能量检测进行第一次判决，筛选掉部分确定主信号存在和主信号不存在的接收信号，对于无法判定的部分，再使用功率谱双平均比值算法进行第二次判决，从而最终判定主用户信号的存在性。

两者结合后的检测率、虚警率的变化如下：

P_d＝P_dDTED+P(γ₀＜T_DTED＜γ₁|H₁)*P_dDPSRA (29)

P_f＝P_fDTED+P(γ₀＜T_DTED＜γ₁|H₀)*P_fDPSRA (30)

P_d为采用双门限功率谱双平均比值方法的***总检测率,公式可以看出，本实施方式的检测率会比两者单独存在时更高。

本实施方式中，由于阈值与噪声无关，所以步骤三的功率谱双平均比值算法对噪声不确定度和频偏有着良好的稳定性，但是它在虚警率超过0.2后，性能会急剧弱化，导致它在虚警率过高的情况下没有足够的鲁棒性，因此，将功率谱双平均比值算法作为双阈值频谱感知算法的中间判决算法，有效将两者的优势结合起来，算法的复杂度会向功率谱双平均比值算法的O(Nlog₂M)偏移，但稳定性会大幅度提升。

Claims (3)

1.基于双门限功率谱双平均比值的能量检测方法，其特征是：该方法由以下步骤实现：

步骤一、计算双门限能量检测下的双阈值和检测统计量T_DTED，判断所述检测统计量T_DTED是否大于下阈值γ₀小于上阈值γ₁，如果否，执行步骤二；如果是，执行步骤三；

步骤二、判断所述检测统计量T_DTED是否大于等于上阈值γ₁，如果是，则PU信号存在，如果否，则检测统计量T_DTED小于下阈值γ₀，则PU信号不存在；

步骤三、采用功率谱双平均比值算法计算功率谱最大值、最小值、检验统计量T_DPSRA以及门限值γ_DPSRA；

步骤四、判断所述检验统计量T_DPSRA是否大于等于门限值γ_DPSRA，如果是，则PU信号存在，如果否，则PU信号不存在。

2.根据权利要求1所述的基于双门限功率谱双平均比值的能量检测方法，其特征在于：步骤一中，双门限阈值中阈值γ₁和下阈值γ₀用公式表示为：

式中，N为采样点数，ρ为噪声不确定度，为噪声方差，Q(·)为互补累积分布函数，P_f为固定虚警率。

3.根据权利要求1所述的基于双门限功率谱双平均比值的能量检测方法，其特征在于：步骤三中获得门限值γ_DPSRA的公式为：

式中，K₀为用于平滑最小值选取的长度，L为采集的帧信号数量，K₂为设置的最大平滑值，c为常数。