[发明专利]一种噪声方差未知情况下的频谱检测方法与装置

说明书

技术领域

本发明针对噪声方差未知条件下频谱检测问题，设计提出一种新的频谱检测方法，该方法可实现对授权用户状态与未知噪声方差的联合估计。该方法基于贝叶斯理论，利用边缘化粒子滤波(Marginal Partical Filtering，MPF)技术迭代更新对于未知噪声方差的估计值，能显著提高方差未知条件下的频谱感知性能。属于通信领域。

背景技术

现代无线通信对带宽和传输速率的需求不断增长，导致有限的频谱资源日益紧缺。认知无线电(Cognitive Radio，CR)作为一种频谱智能分配技术，其特点是允许非授权用户(也称为次用户或认知用户)在授权频段空闲情况下对其进行共享，从而极大地提高频谱利用率，成为目前受到广泛关注的热门技术之一。

作为认知无线电系统的重要技术之一，频谱感知的主要目的是对授权频段进行周期性检测，发现频谱空洞，从而提供更多的接入机会给认知用户而不对授权用户(也称为主用户)造成干扰。随着认知无线电技术的发展，多种频谱感知方式被提出，常见的方法包括能量检测(Energy Detection，ED)、匹配滤波检测(Matched Filter Detection，MFD)和循环平稳特征检测(Cyclostationary Detection)。在实际应用中，认知用户很难获得准确的噪声方差，从而导致现有检测方法检测难度极大增加，且其性能显著下降。

为了应对上述问题，本发明提出一种全新频谱感知方法，该方法基于边缘化粒子滤波技术和共轭先验分布概念，能够实现对授权用户的动态工作状态与未知噪声方差的联合估计。在单节点单天线感知系统中，该方法在对噪声方差实现较为准确的估计的同时，亦能获得良好感知性能。由于该方案以一定长度观测时间窗内采样信号的累计能量作为感知用户观测信号，因此保留了传统ED方法无需授权用户信号先验信息以及检测时间短的优势。

发明内容

本发明提出一种针对噪声方差未知条件下的新频谱检测模型，将授权用户工作状态看作隐藏系统状态，将接收到的授权用户信号在特定时间窗内的能量累积和作为系统的观测值。基于上述动态状态空间模型(Dynamic State-space Model，DSM)，设计提出一种全新频谱感知方法，充分发掘利用授权用户工作状态的时变特性，基于MPF和共轭先验分布，实现了对主用户状态和噪声方差的联合估计与实时跟踪。新方案在保证感知算法低复杂度与实时性要求的前提下，极大提高了频谱感知性能，从而为分布式认知无线网络的设计与实现提供一种极具应用潜力的方案。

本发明采用技术方案如图1所示。

在接收端，利用主用户状态估计和噪声方差估计两个模块实现联合估计。

主用户状态估计模块：根据当前时刻接收端观测信号以及上一时刻方差估计模块输出值，利用粒子滤波(Particle Filtering，PF)技术对授权用户工作状态的后验概率进行序贯更新与估计。

噪声方差估计模块：根据当前时刻接收端观测信号以及当前时刻主用户状态估计模块输出值，利用共轭先验概念和边缘化思想，对噪声方差进行迭代更新。本发明的优点是：

1)本发明技术方案适用于噪声方差未知无线传输环境下的频谱感知，为认知无线电技术频谱感知提供一种全新理论，并为其实际应用奠定坚实基础；

2)设计提出的动态状态空间模型可更为有效地反映频谱感知内在机理，以能量检测方案为基础，使新频谱感知方案具备低实现复杂度和无需授权用户信号先验信息的优势；

3)新方案针对噪声方差和授权用户状态进行联合实时估计，因而极大地提升了噪声方差未知条件下的频谱感知性能；

4)该发明充分利用授权用户工作状态的先验转移概率信息，采用边缘粒子滤波技术有效克服观测信号(累积能量)呈现出的非平稳非高斯特性，且避免了传统粒子滤波在应对高维检测时出现的计算复杂度过高的问题。

5)随着噪声不确定性增加，本发明提出的联合检测算法仍具有优良的稳健性，因而在实际应用中将具有很大优势。

附图说明

图1为频谱感知接收端信号处理装置框图。

图2为实际噪声方差与其估计值对比图

图3为新方法频谱感知检测正确率和传统ED性能仿真对比图。

具体实施方式

本发明建立起噪声方差未知条件下下的频谱感知动态状态空间模型，同时采用边缘粒子滤波技术对噪声方差和主用户状态进行联合估计。下面对动态系统模型及频谱感知过程分别阐述。

1.本发明建立的频谱感知动态状态空间模型如式(1)所示。