[发明专利]一种基于固定点独立分量分析算法的合作频谱感知方法

说明书

技术领域

本发明涉及认知无线电系统中的频谱感知技术，特别涉及一种基于固定点独立分量分析算法(FastICA)的合作频谱感知方法。

背景技术

为解决无线频谱资源短缺和频谱利用率低下的矛盾，瑞典皇家技术学院的Mitola博士于1999年首次明确提出了认知无线电(Cognitive Radio，CR)的概念。其核心思想是认知用户通过感知频谱环境，搜寻并利用暂时没有被授权用户占用的可用频段进行传输。

作为认知无线电的关键技术之一，频谱感知算法能够有效确定信道中存在的频谱空洞(即未被主用户占用的频段)，是实现认知无线电的前提。只有快速准确地搜索到频谱空洞，认知用户才能够动态有效地利用空闲频谱。

传统的频谱检测方法包括：能量检测、匹配滤波检测和循环平稳检测等。能量检测算法只有在准确获得噪声信息时才能正确设定判决门限，而且噪声不确定度会对算法性能产生严重影响；此外，能量检测不能区分信号、噪声和干扰，易受到无关信号的干扰。匹配滤波算法要求认知用户掌握主用户的先验知识，如调制方式、波形参数、数据包格式等准确信息，这在实际应用中难以实现。循环平稳检测抗噪性能较好，但是实现复杂，计算量大，感知时间长，难以满足检测实时性的需要。

独立分量分析(ICA)是今年来出现的一种新型的盲源分离算法，其基本原理是在观测信号彼此统计独立的前提下，通过分析表征独立性的高阶统计量，挖掘潜在的源信号，揭示随机变量或信号中的隐藏成分。在信号处理、特征提取和数据挖掘方面具有重要的理论意义和使用价值。

固定点独立分量分析算法，即FastICA算法，是一种基于定点递推的过程快速寻优的迭代算法。它采用了批处理的方式，使得每次迭代都有大量数据参与运算，提高了算法的收敛速度。因其计算简单、收敛速度快、分离性能好而被广泛应用于信号处理领域。

发明内容

本发明的目的在于提供一种基于固定点独立分量分析算法的合作频谱感知算法。它克服了传统检测方法对噪声敏感、计算复杂度高、无法精确同步等缺点，同时通过多认知用户合作频谱感知，有效减少了单用户感知的不确定性，具有较高的检测性能。

本发明提供一种基于固定点独立分量分析算法的合作频谱感知方法，具体包括如下步骤：

步骤1：无线接收端将取自2个不同认知用户的信号分别进行采样滤波，得到的离散化信号组成观测信号矩阵；

步骤2：对观测信号矩阵进行中心化及白化处理，使得白化后的矩阵Z不相关且为零均值、单位方差；

步骤3：利用固定点独立分量分析算法对白化后的矩阵进行分离，得到两个源分量，并分别求解观测信号矩阵的两个分量之间的相似系数以及分离得到的两个源分量间的相似系数；

步骤4：重复预定次数的步骤1～3，并获得所有相似系数的平均相似系数，并根据平均相似系数得到每个认知用户频谱感知的结果；

步骤5：数据融合中心对参与合作感知的认知用户的频谱感知结果进行融合处理，判决是否有授权用户存在。

本发明的有益效果是：

1、不需要用户信号的先验信息。算法只要求用户信号与信道噪声统计独立，在实际应用中具有通用性。

2、将噪声分量作为独立元分量进行处理，具有极强的抗噪能力。

3、在信号处理领域中，常习惯于假设信号服从高斯分布，从而仅用二阶统计量便可以提取信息。实际上非高斯信号才是更为普遍的信号类型，实际工作中常面临大量非高斯、非因果、非平稳信号的处理问题。利用高阶统计量可以抽取不同于高斯信号的多种信号特征。

4、采用多认知用户联合感知的方法，提高可信度，减少单个由于环境或自身局限造成的误判，提高信号检测的有效性。

5、基于分簇的合作感知方法，每个簇可以看做一个独立的合作感知系统，减轻了融合中心的数据处理任务和网络负担。

附图说明

图1为CR合作频谱感知系统的功能框架示意图；

图2为本发明提出的基于FastICA的频谱感知方法的实现流程图；

图3A为本发明第一个实验中分离前混合信号的概率分布直方图；

图3B为本发明第一实验中分离后2组分离信号的概率分布直方图；

图4A为本发明第二个实验中分离前混合信号频谱；

图4B为本发明第二个实验中分离后信号频谱。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明作进一步的详细说明。